牛永斌，趙佳如，鐘建華，王敏，徐資璐，程夢(mèng)園

1)河南理工大學(xué)資源環(huán)境學(xué)院，河南焦作，454003；2)中國(guó)石油大學(xué)(華東)地球科學(xué)與技術(shù)學(xué)院，山東青島，266580；3)中國(guó)石化勝利油田分公司勘探開(kāi)發(fā)研究院，山東東營(yíng)，257015

內(nèi)容提要:塔里木盆地塔河油田奧陶系生物擾動(dòng)碳酸鹽巖儲(chǔ)集層非常發(fā)育，但利用常規(guī)測(cè)井?dāng)?shù)據(jù)識(shí)別生物擾動(dòng)儲(chǔ)集層發(fā)育段和準(zhǔn)確預(yù)測(cè)孔隙度難度較大。本文在對(duì)研究區(qū)16口取芯井奧陶系巖芯上生物擾動(dòng)區(qū)域擾動(dòng)等級(jí)劃分的基礎(chǔ)上，通過(guò)巖性標(biāo)定測(cè)井，優(yōu)選常規(guī)測(cè)井參數(shù)，基于BP神經(jīng)網(wǎng)絡(luò)模型分別建立了適合研究區(qū)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別和孔隙度預(yù)測(cè)的模型，并對(duì)建立的模型進(jìn)行了有效性檢驗(yàn)。結(jié)果表明：① 選擇自然電位、自然伽馬、井徑、深側(cè)向電阻率、淺側(cè)向電阻率、補(bǔ)償中子和密度等常規(guī)測(cè)井?dāng)?shù)據(jù)作為生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型輸入層的參數(shù)值，生物擾動(dòng)指數(shù)(Bioturbation Index,BI)作為輸出結(jié)果；選取rprop、sigmoid symmetric和sigmoid stepwise函數(shù)分別作為訓(xùn)練函數(shù)、隱含層和輸出層的激活函數(shù)，建立節(jié)點(diǎn)數(shù)為3、層數(shù)為3的神經(jīng)網(wǎng)絡(luò)識(shí)別模型，識(shí)別效果好，適用于研究區(qū)奧陶系生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的識(shí)別。② 選擇自然電位、自然伽馬、井徑、聲波、補(bǔ)償中子和密度值等常規(guī)測(cè)井?dāng)?shù)據(jù)作為輸入層的參數(shù)值，對(duì)應(yīng)深度上巖芯柱塞孔隙度測(cè)試結(jié)果和利用孔隙度樣品檢驗(yàn)?zāi)Ｐ陀?jì)算得出的孔隙度結(jié)果作為輸出結(jié)果，選取incremental、gaussian和sigmoid分別作為訓(xùn)練函數(shù)、隱含層和輸出層的激活函數(shù)，建立節(jié)點(diǎn)數(shù)為4，層數(shù)為3的生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型，預(yù)測(cè)效果良好，適用于研究區(qū)奧陶系生物擾動(dòng)儲(chǔ)集層孔隙度的預(yù)測(cè)。該研究對(duì)定量表征研究區(qū)生物擾動(dòng)儲(chǔ)層特性、儲(chǔ)量估算、油藏描述和儲(chǔ)層地質(zhì)建模等具有重要的借鑒意義。

塔里木盆地塔河油田是我國(guó)第一個(gè)古生界海相億噸級(jí)大油田(金強(qiáng)等，2020)，傳統(tǒng)認(rèn)為塔河油田奧陶系油藏是典型的“縫—洞型”油藏；溶洞、裂縫、小型溶蝕孔洞、礁灘粒間孔等是該油氣藏的主要儲(chǔ)集空間(閻相賓等，2001；林忠民，2002；Mao Cui et al.,2014；趙建等，2015)。然而，近幾年的研究還發(fā)現(xiàn)塔河油田奧陶紀(jì)適宜的沉積環(huán)境、生態(tài)條件、良好的時(shí)空物質(zhì)匹配和充足的生物擾動(dòng)作用時(shí)間，多期次的生物潛穴疊加形成了橫向連片、垂向連通的大規(guī)模生物擾動(dòng)碳酸鹽巖。這些生物擾動(dòng)碳酸鹽巖具有較好的孔隙度和滲透率，是潛在的油氣儲(chǔ)集層(郭建華等,1994;毛毳等,2014;牛永斌等,2017,2018,2020)，但由于生物擾動(dòng)碳酸鹽巖儲(chǔ)集層非均質(zhì)性強(qiáng)、含油氣性不均勻和油氣層與水層測(cè)井響應(yīng)差異小等特征，致使從常規(guī)測(cè)井曲線上識(shí)別生物擾動(dòng)儲(chǔ)集層難度大。

孔隙度是表征儲(chǔ)層特性、儲(chǔ)量估算、油藏描述和建立儲(chǔ)層地質(zhì)模型最重要的參數(shù)之一，準(zhǔn)確獲取儲(chǔ)集層的孔隙度是進(jìn)行地層解釋和降低石油天然氣開(kāi)采工程風(fēng)險(xiǎn)的基礎(chǔ)和關(guān)鍵(連承波等,2006)。因此，尋找有效的計(jì)算生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度的方法是當(dāng)前石油工作者的一項(xiàng)艱巨任務(wù)(Jamialahmadi and Javadpor，2000；Jamshidian et al.,2015；Ben-Awuah and Padmanabhan，2017；Urang et al.,2020；Mahmoodpour et al.,2021)。目前，石油工作者獲取孔隙度的方法主要有直接測(cè)定法和間接計(jì)算法，直接測(cè)定法利用巖芯和巖屑測(cè)定分析，不但成本高且所獲取的巖石樣本資料往往比較單一不利于準(zhǔn)確估量?jī)?chǔ)層參數(shù)；間接計(jì)算法利用測(cè)井?dāng)?shù)據(jù)通過(guò)經(jīng)驗(yàn)公式擬合得到，具有成本低、效率高，且在實(shí)際環(huán)境中直接測(cè)得的資料更能反映儲(chǔ)層的真實(shí)情況(連承波等,2006)。

目前，不少學(xué)者基于聲波時(shí)差的Wyllie-Clemenceau方程建立了一些孔隙度估算模型(Kamel et al.,2002)，還有不少學(xué)者建立了其他的孔隙度預(yù)測(cè)模型(Iturraran-Viveros and Parra，2014；趙建等，2015；甘宇等，2018；孫岐峰等，2020；譚偉等，2020；Urang et al.,2020)，但利用這些模型進(jìn)行塔河油田奧陶系生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)時(shí)與實(shí)際測(cè)試結(jié)果偏差較大。因此，筆者等在總結(jié)前人測(cè)井孔隙度計(jì)算方法的基礎(chǔ)上，將生物擾動(dòng)指數(shù)(BI)引入密度測(cè)井孔隙度計(jì)算模型中，提出了基于巖芯資料和常規(guī)測(cè)井?dāng)?shù)據(jù)的儲(chǔ)集層孔隙度計(jì)算樣本檢驗(yàn)?zāi)Ｐ停瑥浹a(bǔ)現(xiàn)有常規(guī)孔隙度模型的不足。但是該模型引入的生物擾動(dòng)指數(shù)(BI)需要從巖芯資料中獲取，由于受取芯井?dāng)?shù)量的限制，該模型在油田的勘探開(kāi)發(fā)實(shí)際應(yīng)用過(guò)程中具有一定的局限性(趙佳如等，2020)。故還需在該樣本檢驗(yàn)?zāi)Ｐ退芴峁┑膸r芯或擬巖芯樣本數(shù)據(jù)的基礎(chǔ)上建立一種測(cè)井曲線與儲(chǔ)層參數(shù)之間非線性智能模型。前人眾多研究表明：人工神經(jīng)網(wǎng)絡(luò)(ANN)是解決非線性地質(zhì)問(wèn)題的一種有效的計(jì)算技術(shù)，其中誤差反向傳播算法(BP模型)是人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)中最流行的一種(曹思遠(yuǎn)等，2002；楊立強(qiáng)等，2003；連承波等，2006；彭志方，2006；鄭慶生等，2007；Iturraran-Viveros and Parra，2014；Ben-Awuah et al.,2017；Urang et al.,2020；魏杰等，2020)。

本文按照Knaust(2012)推薦的適合描述巖芯上生物擾動(dòng)等級(jí)的劃分標(biāo)準(zhǔn)(0～5級(jí))，對(duì)研究區(qū)16口奧陶系取芯井巖芯上的生物擾動(dòng)區(qū)域進(jìn)行了生物擾動(dòng)等級(jí)的劃分，通過(guò)巖芯標(biāo)定測(cè)井，優(yōu)選與生物擾動(dòng)碳酸鹽巖儲(chǔ)集層發(fā)育段最為相關(guān)的常規(guī)測(cè)井參數(shù)，建立了適合研究區(qū)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型。然后，以生物擾動(dòng)儲(chǔ)集層發(fā)育段巖芯柱塞孔隙度測(cè)試結(jié)果和已建立的孔隙度樣品檢驗(yàn)?zāi)Ｐ偷贸龅目紫抖扔?jì)算數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，基于BP神經(jīng)網(wǎng)絡(luò)模型建立了一種適用于研究區(qū)生物擾動(dòng)儲(chǔ)集層孔隙度預(yù)測(cè)模型，并對(duì)模型的有效性進(jìn)行了檢驗(yàn)。該研究對(duì)定量表征研究區(qū)儲(chǔ)層特性、儲(chǔ)量估算、油藏描述和儲(chǔ)層地質(zhì)建模等具有重要的意義。

1 地質(zhì)概況

塔河油田面積近2400 km2(金強(qiáng)等，2020)，位于新疆維吾爾自治區(qū)塔里木盆地北緣，地處輪臺(tái)縣和庫(kù)車縣境內(nèi)(艾合買提江·阿布都熱合曼等，2010；鐘建華等，2010；毛毳等，2014；圖 1a)。目前，三疊系、石炭系、泥盆系和奧陶系均為其含油氣層位；其中，奧陶系碳酸鹽巖中的油氣儲(chǔ)量占其總探明儲(chǔ)量近90%以上(閻相賓等，2001；林忠民，2002)；研究區(qū)依據(jù)油藏特征可細(xì)劃分為12個(gè)小區(qū)(圖1b)，鉆井揭示奧陶系地層由下到上發(fā)育有蓬萊壩組、鷹山組、一間房組、恰爾巴克組、良里塔格組和桑塔木組，其中鷹山組和一間房組在早—中奧陶世的沉積過(guò)程中，形成了厚度達(dá)300 m的碳酸鹽巖(圖1c)。傳統(tǒng)主流觀點(diǎn)認(rèn)為塔河油田奧陶系油藏是典型的縫洞型碳酸鹽巖油氣藏，溶洞和裂縫是其主要的儲(chǔ)集空間(閻相賓等，2001；林忠民，2002；艾合買提江·阿布都熱合曼等，2010；鐘建華等，2010；毛毳等，2014；金強(qiáng)等，2020)，而對(duì)其他儲(chǔ)集空間類型研究較少。碳酸鹽巖基質(zhì)沉積物由于原始物性較差常被認(rèn)為難以形成有效的儲(chǔ)集層(Rashid et al.,2015)，但生物擾動(dòng)可對(duì)其組構(gòu)和物性進(jìn)行顯著的改造(Gingras et al.,2004a，b，2012；Pemberton and Gingras，2005；Cunningham et al.,2009；Baniak et al.,2013；La Croix et al.,2013；Baniak et al.,2014a,b,2015；Hsieh et al.,2015，2017；Dey and Sen，2017；Friesen et al.,2017；Golab et al.,2017a，b；La Croix et al.,2017；Adam et al.,2018；Eltom et al.,2019；Liu Hangyu et al.,2019；Eltom et al.,2020)。近期研究發(fā)現(xiàn)塔河油田奧陶系鷹山組和一間房組含有大量生物擾動(dòng)發(fā)育段，油浸和油斑分布現(xiàn)象明顯，是未來(lái)潛在的油氣儲(chǔ)集層。因此，開(kāi)展塔河油田奧陶系鷹山組和一間房組生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的識(shí)別和孔隙度預(yù)測(cè)研究對(duì)定量表征研究區(qū)儲(chǔ)層特性、儲(chǔ)量估算、油藏描述和建立儲(chǔ)層地質(zhì)模型等具有重要的現(xiàn)實(shí)意義。

圖1 塔里木盆地塔河油田地理位置、區(qū)域劃分和奧陶系地層柱狀圖(據(jù)牛永斌等，2020，有修改)Fig.1 Geographic position,regionalism and Ordovician stratigraphic column of the Tahe oilfield,Tarim Basin (modified from Niu Yongbin et al，2020&)(a)塔河油田構(gòu)造位置；(b)塔河油田區(qū)塊劃分；(c)塔河油田奧陶系巖性柱狀圖 (a)structural location;(b)block division;and (c)Ordovician lithological column

2 基于BP神經(jīng)網(wǎng)絡(luò)模型的生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的測(cè)井識(shí)別

通過(guò)對(duì)研究區(qū)16口取芯井 982 m奧陶系巖芯詳細(xì)觀測(cè)和統(tǒng)計(jì)發(fā)現(xiàn)，巖芯上生物擾動(dòng)區(qū)域表現(xiàn)為扁圓形橢圓狀、斑狀、網(wǎng)狀或綢帶狀等形態(tài)(圖2a)；根據(jù)生物潛穴外觀形態(tài)和部分生物潛穴交叉處具有明顯的膨大現(xiàn)象等特征，可識(shí)別出主要生物擾動(dòng)類型有兩大類：Thalassinoides類和Planolites類，以Thalassinoides類最為常見(jiàn)和最為發(fā)育，生物擾動(dòng)面積比為5%～100%，Planolites類生物擾動(dòng)厚度相對(duì)較小。偏光顯微鏡與陰極發(fā)光顯微鏡觀測(cè)結(jié)果表明生物潛穴充填物主要由白云石礦物晶體組成，白云石晶體以半自形晶—自形晶為主，它形白云石晶體較為少見(jiàn)，晶體之間可見(jiàn)未白云化的殘留灰泥(圖2b,c,d)；生物潛穴充填物內(nèi)部的白云石晶間孔發(fā)育，是這類儲(chǔ)集層的主要儲(chǔ)集空間，除此之外還有生物鑄?？祝瑖鷰r基質(zhì)儲(chǔ)集空間不發(fā)育。此外，在生物擾動(dòng)區(qū)域邊界常發(fā)育有原油浸染或?yàn)r青充填的微裂隙或縫合線(艾合買提江·阿布都熱合曼等，2010；鐘建華等，2010)。

圖2 塔里木盆地塔河油田奧陶系生物擾動(dòng)碳酸鹽巖儲(chǔ)集層巖芯照片與顯微照片F(xiàn)ig.2 Ordovician core photo and micrograph of the bioturbated limestone from the Tahe oilfield,Tarim Basin(a)塔河油田奧陶系S80井巖芯照片，5629.75 m，生物擾動(dòng)區(qū)域被瀝青浸染。(b)S77井，5566.27 m，單偏光顯微照片，生物擾動(dòng)區(qū)被白云石充填，晶間孔發(fā)育；圍巖基質(zhì)為泥晶灰?guī)r，基質(zhì)孔隙不發(fā)育。(c)S77井，5569.90 m，單偏光顯微照片，生物擾動(dòng)區(qū)被白云石充填，晶間孔發(fā)育；圍巖基質(zhì)為泥晶灰?guī)r，基質(zhì)孔隙不發(fā)育。(d)陰極發(fā)光顯微照片(視域同c)，生物擾動(dòng)區(qū)域白云石顆粒呈紫紅色的陰極發(fā)光，“亮邊霧心”現(xiàn)象明顯，揭示為成巖白云化作用形成，晶間孔發(fā)育；圍巖基質(zhì)為泥晶灰?guī)r，不具有陰極發(fā)光，基質(zhì)孔隙不發(fā)育(a)The Ordovician core photo from the Well S80 in the Tahe Oilfield,5629.75 m,the bioturbated zone was stained by asphalt.(b)The Well S77,5566.27 m,polarizing micrograph.Dolomite intercrystalline pores are developed in the bioturbated zone,the host rock matrix is mudstone,and the matrix pores are not developed.(c)The Well S77,5569.90 m,polarizing micrograph.Dolomite intercrystalline pores are developed in the bioturbated zone,the host rock matrix is micrite,and the matrix pores are not developed.(d)The cathodoluminescence micrograph (the same field of view as c).Dolomite particles in the bioturbated zone show purple-red cathode luminescence,the phenomenon of “bright edge fog center”is obvious,suggests that it is formed by diagenesis dolomitization.The intergranular pores are developed;the host rock matrix is micrite without cathode luminescence,and the host matrix pores are not developed

2.1 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型學(xué)習(xí)樣本的選擇

為了減小環(huán)境因素和儀器刻度的不確定性造成的測(cè)井?dāng)?shù)據(jù)誤差，本文在選擇測(cè)井參數(shù)前，首先對(duì)選取的測(cè)井?dāng)?shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化過(guò)程中選取塔河油田16口取芯井具有相同沉積環(huán)境的厚層泥晶灰?guī)r段的測(cè)井?dāng)?shù)據(jù)，分析每口井標(biāo)準(zhǔn)層的測(cè)井?dāng)?shù)據(jù)的頻率分布特征(如平均數(shù))，求出校正系數(shù)；在測(cè)井?dāng)?shù)據(jù)標(biāo)準(zhǔn)化基礎(chǔ)上，選取整體上能反映該地區(qū)地質(zhì)特征的變化趨勢(shì)，井眼條件好，測(cè)井系列完善且測(cè)井質(zhì)量好，取芯及錄井資料齊全的4692個(gè)測(cè)井?dāng)?shù)據(jù)作為學(xué)習(xí)和檢驗(yàn)樣本。結(jié)合不同生物擾動(dòng)指數(shù)(BI)下相同測(cè)井曲線值的變化幅度，選擇了對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層預(yù)測(cè)效果較好的自然電位、自然伽馬、井徑、淺側(cè)向電阻率、深側(cè)向電阻率、補(bǔ)償中子值、密度值作為BP神經(jīng)網(wǎng)絡(luò)輸入層的參數(shù)值，生物擾動(dòng)指數(shù)(BI)為輸出層的參數(shù)。

2.2 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型的建立

利用“邁實(shí)神經(jīng)網(wǎng)絡(luò)”商用軟件建立BP神經(jīng)網(wǎng)絡(luò)模型，模型由輸入層、隱含層和輸出層組成，其中隱含層可以有多個(gè)。當(dāng)含有1個(gè)隱含層時(shí)將其稱為3層BP神經(jīng)網(wǎng)絡(luò)，隨著隱含層的層數(shù)的增加以此類推。一般認(rèn)為，增加隱含層的層數(shù)可以提高模型精度、降低網(wǎng)絡(luò)誤差，但同時(shí)也會(huì)使網(wǎng)絡(luò)變得復(fù)雜化，從而增加了網(wǎng)絡(luò)的訓(xùn)練時(shí)間和出現(xiàn)“過(guò)擬合”的傾向(王嶸冰等，2018)。此外，通過(guò)增加隱含層的節(jié)點(diǎn)數(shù)也可以獲得較低的誤差，且其訓(xùn)練效果要比增加隱含層的層數(shù)更容易實(shí)現(xiàn)。因此，本次通過(guò)增加隱含層的節(jié)點(diǎn)數(shù)的方式來(lái)降低神經(jīng)網(wǎng)絡(luò)誤差，即選擇3層BP神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行訓(xùn)練，得到了相同隱含層個(gè)數(shù)下不同隱含層節(jié)點(diǎn)數(shù)的均方差、最大迭代次數(shù)及訓(xùn)練誤差。由表1可知，隨著節(jié)點(diǎn)數(shù)的增加，模型均達(dá)到了最大迭代次數(shù)500000次，訓(xùn)練誤差總體呈遞減趨勢(shì)，以均方差最小為原則、訓(xùn)練誤差為參考，確定模型隱含層的節(jié)點(diǎn)數(shù)為3(圖3)。

圖3 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型的網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 Network structure diagram of identification model of the bioturbated carbonate reservoir

表1 不同隱含層節(jié)點(diǎn)數(shù)對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型的影響Table 1 The influence of different hidden layer nodes on the identification model of the bioturbated carbonate reservoir

除BP神經(jīng)網(wǎng)絡(luò)模型隱含層的層數(shù)和節(jié)點(diǎn)數(shù)外，不同模型參數(shù)(訓(xùn)練函數(shù)、激活函數(shù))的選取也會(huì)影響模型的精度和收斂速度。本文所采用的“邁實(shí)神經(jīng)網(wǎng)絡(luò)”商用軟件共提供了5種常用訓(xùn)練函數(shù)(incremental、batch、rprop、quickprop、sarprop)和18種常用激活函數(shù)(linear、linear piece、linear piece symmetric、threshold、threshold symmetric、sigmoid、sigmoid stepwise、sigmoid symmetric、sigmoid symmetric stepwise、gaussian、gaussian symmetric、gaussian stepwise、elltot、elltot symmetric、sin、sin symmetric、cos、cos symmetric)。在確定了BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型的學(xué)習(xí)樣本和隱含層的層數(shù)及節(jié)點(diǎn)數(shù)之后，首先選取以上5種訓(xùn)練函數(shù)對(duì)模型分別進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果見(jiàn)表2；其次在確定模型的訓(xùn)練函數(shù)后，對(duì)隱含層和輸出層分別設(shè)置不同的激活函數(shù)進(jìn)行模型的訓(xùn)練，由于隱含層和輸出層的激活函數(shù)種類相同，理論上共有324(18×18)種選擇方案，表3是訓(xùn)練效果相對(duì)較好的激活函數(shù)對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型的影響統(tǒng)計(jì)表。以均方差最小為選擇原則、訓(xùn)練誤差為參考。由表3可知，當(dāng)訓(xùn)練函數(shù)為rprop時(shí)，模型的均方差和訓(xùn)練誤差最小，當(dāng)隱含層的激活函數(shù)為sigmoid symmetric、輸出層的激活函數(shù)為sigmoid stepwise時(shí)，模型的訓(xùn)練效果最好。故最終選取rprop為識(shí)別模型的訓(xùn)練函數(shù)，sigmoid symmetric和sigmoid stepwise分別為識(shí)別模型隱含層和輸出層的激活函數(shù)。

表2 不同訓(xùn)練函數(shù)對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型的影響Table 2 The influence of different training functions on the identification model of the bioturbated carbonate reservoir

表3 不同激活函數(shù)對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型的影響Table 3 The influence of different training functions on the identification model of the bioturbated carbonate reservoir

2.3 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別結(jié)果檢驗(yàn)

為了檢驗(yàn)?zāi)Ｐ偷挠行?，隨機(jī)選取了取芯井T208井(5577.5～5578.0 m,BI=0；5516.0～5516.5 m，BI=1；5624.0～5624.5 m，BI=2；5629.5～5630.0 m，BI=3；5628.5～5629.0 m，BI=4)和S77井(5572.875～5573.375 m，BI=5；5543.0～5543.5 m,BI=5)不同生物擾動(dòng)強(qiáng)度的數(shù)據(jù)進(jìn)行了模型檢驗(yàn)。圖4為BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的生物擾動(dòng)指數(shù)(BI)與實(shí)際巖芯描述中生物擾動(dòng)指數(shù)(BI)的交會(huì)圖。從圖4可知，模型誤差符合精度要求，預(yù)測(cè)結(jié)果較好；因此建立的生物擾動(dòng)碳酸鹽巖儲(chǔ)集層適用于研究區(qū)奧陶系生物擾動(dòng)碳酸鹽巖儲(chǔ)集層發(fā)育段的識(shí)別和預(yù)測(cè)。此外，如果生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別模型預(yù)測(cè)生物擾動(dòng)強(qiáng)度結(jié)果大于5，根據(jù)部分測(cè)井曲線所對(duì)應(yīng)巖芯照片檢驗(yàn)結(jié)果分析認(rèn)為該段測(cè)井?dāng)?shù)據(jù)對(duì)應(yīng)的地層可能裂縫或者大的溶蝕孔洞發(fā)育。

圖4 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層識(shí)別結(jié)果與巖芯上生物擾動(dòng)指數(shù)(BI)交會(huì)圖Fig.4 The cross-plot of the bioturbation index (BI)from the identification model of the bioturbated carbonate reservoir and the bioturbation index from the geological cores

3 基于BP神經(jīng)網(wǎng)絡(luò)模型生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的孔隙度預(yù)測(cè)

3.1 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的孔隙度預(yù)測(cè)模型學(xué)習(xí)樣本的選擇

利用常規(guī)測(cè)井曲線參數(shù)計(jì)算研究區(qū)奧陶系生物擾動(dòng)儲(chǔ)集層孔隙度時(shí)，由于相關(guān)性差的測(cè)井?dāng)?shù)據(jù)與孔隙度存在較多不相關(guān)信息會(huì)降低孔隙度的計(jì)算精度(周雪晴等，2017)，故首先需要選取與孔隙度相關(guān)性高的測(cè)井曲線增加孔隙度的計(jì)算精度。本文以取芯井(S77井)為例分析對(duì)生物擾動(dòng)發(fā)育段各常規(guī)測(cè)井曲線參數(shù)與柱塞孔隙度進(jìn)行相關(guān)性分析，分析結(jié)果如表4所示。為了減小和消除環(huán)境因素和儀器刻度的不確定性造成的測(cè)井?dāng)?shù)據(jù)誤差，本文在選取測(cè)井?dāng)?shù)據(jù)前，也對(duì)選取測(cè)井?dāng)?shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。在完成上述數(shù)據(jù)的預(yù)處理后，提取出了對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)效果較好的自然電位、自然伽馬、井徑、聲波、補(bǔ)償中子、密度6條測(cè)井曲線共計(jì)4692個(gè)測(cè)井?dāng)?shù)據(jù)和982個(gè)巖芯柱塞數(shù)據(jù)作為生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型的訓(xùn)練與檢驗(yàn)樣本。

表4 常規(guī)測(cè)井參數(shù)與巖芯孔隙度相關(guān)性分析結(jié)果Table 4 Correlation analysis results of conventional logging parameters and core porosity

3.2 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的孔隙度預(yù)測(cè)模型的建立

利用測(cè)井曲線建立BP神經(jīng)網(wǎng)絡(luò)孔隙度計(jì)算模型時(shí)，需要確定模型隱含層的層數(shù)和節(jié)點(diǎn)個(gè)數(shù)、訓(xùn)練函數(shù)和激活函數(shù)。目前，大多數(shù)神經(jīng)網(wǎng)絡(luò)模型多采用直接賦值法并沒(méi)有對(duì)其拓?fù)浣Y(jié)構(gòu)做深入的分析研究，導(dǎo)致獲得的模型穩(wěn)定性差，極大地降低了模型的準(zhǔn)確性和真實(shí)性(周雪晴等，2017)。為了提高BP神經(jīng)網(wǎng)絡(luò)孔隙度計(jì)算模型的預(yù)測(cè)精度，首先選取3層BP神經(jīng)網(wǎng)絡(luò)并通過(guò)增加隱含層的節(jié)點(diǎn)數(shù)來(lái)降低網(wǎng)絡(luò)誤差，對(duì)建立的基于BP神經(jīng)網(wǎng)絡(luò)的孔隙度預(yù)測(cè)模型進(jìn)行了訓(xùn)練，訓(xùn)練結(jié)果如表5所示；其次在確定BP神經(jīng)網(wǎng)絡(luò)孔隙度預(yù)測(cè)模型的學(xué)習(xí)樣本和主體結(jié)構(gòu)(隱含層的層數(shù)和節(jié)點(diǎn)數(shù))之后，對(duì)以上網(wǎng)絡(luò)參數(shù)(訓(xùn)練函數(shù)和激活函數(shù))分別進(jìn)行模型的訓(xùn)練，訓(xùn)練結(jié)果如表6和表7所示。由表5可知，當(dāng)隱含層的節(jié)點(diǎn)數(shù)為 4 時(shí)，模型的均方差和訓(xùn)練誤差最小，最大迭代次數(shù)也相對(duì)較??；由表6和表7可知，當(dāng)訓(xùn)練函數(shù)為incremental時(shí)，模型的均方差和訓(xùn)練誤差同樣最小，當(dāng)隱含層的激活函數(shù)為gaussian、輸出層的激活函數(shù)為sigmoid時(shí)，模型的均方差、訓(xùn)練誤差以及最大迭代次數(shù)同時(shí)達(dá)到最小，模型訓(xùn)練效果最好。故最終選取BP神經(jīng)網(wǎng)絡(luò)孔隙度模型的隱含層節(jié)點(diǎn)數(shù)為4(圖5)，訓(xùn)練函數(shù)為incremental，輸入層和輸出層的激活函數(shù)分別為gaussian和sigmoid。

表5 不同隱含層節(jié)點(diǎn)數(shù)對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型的影響Table 5 The influence of different hidden layer nodes on the porosity prediction model of the bioturbated carbonate reservoir

圖5 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型的網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.5 Network structure diagram of porosity prediction model of the bioturbated carbonate reservoir

表6 不同訓(xùn)練函數(shù)對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型的影響Table 6 The influence of different training functions on the porosity prediction model of the bioturbated carbonate reservoir

表7 不同激活函數(shù)對(duì)生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型的影響Table 7 The influence of different training functions on the porosity prediction model of the bioturbated carbonate reservoir

3.3 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的孔隙度預(yù)測(cè)結(jié)果分析

為了檢驗(yàn)建立的BP神經(jīng)網(wǎng)絡(luò)孔隙度計(jì)算模型的有效性，隨機(jī)選取T208井(5616.375 m,BI=1；5622 m，BI=2；5629.625 m，BI=3；5628.87 m，BI=4)和S77井(5453.375 m，BI=0；5573.375 m,BI=5;5543.375 m,BI=5)不同生物擾動(dòng)強(qiáng)度的測(cè)井孔隙度預(yù)測(cè)結(jié)果和柱塞樣品的測(cè)試結(jié)果數(shù)據(jù)進(jìn)行檢驗(yàn)。圖6為生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型預(yù)測(cè)結(jié)果與實(shí)際巖芯孔隙度的交會(huì)圖，從圖6中可知所建立的BP神經(jīng)網(wǎng)絡(luò)孔隙度模型的預(yù)測(cè)效果良好，誤差也符合精度的要求，可以用于研究區(qū)奧陶系生物擾動(dòng)儲(chǔ)集層孔隙度的計(jì)算和預(yù)測(cè)。

圖6 生物擾動(dòng)碳酸鹽巖儲(chǔ)集層預(yù)測(cè)孔隙度與巖芯柱塞測(cè)試孔隙度交會(huì)圖Fig.6 The cross-plot of the porosity from the prediction model of the bioturbated carbonate reservoir and the porosity from core plug measure

此外，為了對(duì)比兩種孔隙度計(jì)算模型預(yù)測(cè)效果，本文還隨機(jī)選取了T208井5625～5631 m生物擾動(dòng)儲(chǔ)集層段的測(cè)井?dāng)?shù)據(jù)作為樣本數(shù)據(jù)，對(duì)比分析了利用樣本檢驗(yàn)?zāi)Ｐ涂紫抖扔?jì)算模型與BP神經(jīng)網(wǎng)絡(luò)孔隙度計(jì)算模型的計(jì)算結(jié)果，分析結(jié)果如圖7所示。當(dāng)用樣本檢驗(yàn)?zāi)Ｐ秃虰P神經(jīng)網(wǎng)絡(luò)模型分別預(yù)測(cè)同一段生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的孔隙度時(shí)，兩者的預(yù)測(cè)結(jié)果總體來(lái)說(shuō)與巖芯柱塞孔隙度實(shí)測(cè)結(jié)果較為接近，說(shuō)明兩種模型的預(yù)測(cè)效果均較好。實(shí)例分析還表明BP神經(jīng)網(wǎng)絡(luò)孔隙度計(jì)算模型的預(yù)測(cè)精度遠(yuǎn)大于以往孔隙度預(yù)測(cè)模型，能更好地滿足塔河油田奧陶系生物擾動(dòng)儲(chǔ)層孔隙度計(jì)算的精度要求，證實(shí)了本次所建立的生物擾動(dòng)碳酸鹽巖儲(chǔ)集層孔隙度預(yù)測(cè)模型的可靠性。需要說(shuō)明的是，在對(duì)研究區(qū)生物擾動(dòng)發(fā)育段982個(gè)柱塞樣品的孔隙度測(cè)試結(jié)果統(tǒng)計(jì)來(lái)看，孔隙度介于0.1%～10.8%之間。如果利用BP神經(jīng)網(wǎng)絡(luò)孔隙度計(jì)算模型預(yù)測(cè)結(jié)果大于11%，根據(jù)選擇樣本所對(duì)應(yīng)巖芯照片分析認(rèn)為該段測(cè)井?dāng)?shù)據(jù)可能是受對(duì)應(yīng)的地層裂縫或者大的溶蝕孔洞發(fā)育的影響。

圖7 T208井5625～5631 m不同孔隙度預(yù)測(cè)方法對(duì)比圖Fig.7 Comparison between the different porosity prediction methods of 5625～5631 m in the Well T208

4 結(jié)論

(1)依據(jù)巖芯標(biāo)定測(cè)井的思路，選擇自然電位、自然伽馬、井徑、淺側(cè)向電阻率、深側(cè)向電阻率、補(bǔ)償中子、密度值等常規(guī)測(cè)井?dāng)?shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)模型輸入層的參數(shù)值、生物擾動(dòng)指數(shù)作為輸出層的結(jié)果值，建立了適合于塔里木盆地塔河油田奧陶系生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的BP神經(jīng)網(wǎng)絡(luò)生物擾動(dòng)儲(chǔ)集層識(shí)別模型，并檢驗(yàn)了模型的有效性。該模型層數(shù)和節(jié)點(diǎn)數(shù)為3，訓(xùn)練函數(shù)為rprop，隱含層和輸出層的激活函數(shù)分別為sigmoid symmetric 和sigmoid stepwise。本模型生物擾動(dòng)指數(shù)識(shí)別結(jié)果誤差符合精度要求，識(shí)別效果較好。

(2)選擇自然電位、自然伽馬、井徑、聲波、補(bǔ)償中子、密度值等常規(guī)測(cè)井?dāng)?shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)輸入層的參數(shù)值，對(duì)應(yīng)深度上的巖芯柱塞孔隙度測(cè)試結(jié)果和利用孔隙度樣品檢驗(yàn)?zāi)Ｐ偷贸龅目紫抖冉Y(jié)果作為輸出層的結(jié)果值，建立了適用于塔河油田奧陶系生物擾動(dòng)碳酸鹽巖儲(chǔ)集層的BP神經(jīng)網(wǎng)絡(luò)孔隙度預(yù)測(cè)模型，并檢驗(yàn)了模型的有效性。該模型層數(shù)為3，節(jié)點(diǎn)數(shù)為4，訓(xùn)練函數(shù)為incremental，輸入層和輸出層的激活函數(shù)分別為gaussian和sigmoid。本模型孔隙度預(yù)測(cè)結(jié)果誤差符合精度要求，預(yù)測(cè)結(jié)果較好。