黎瑤， 張占松*， 張超謨， 周雪晴

(1.長江大學(xué)地球物理與石油資源學(xué)院， 武漢 430100； 2.油氣資源與勘探技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(長江大學(xué))， 武漢 430100)

隨著鄂爾多斯盆地下古生界勘探開發(fā)的不斷深入，諸如高阻出水等常規(guī)測井解釋手段難以解決的問題不斷出現(xiàn)[1]，準(zhǔn)確識(shí)別高阻水層成為勘探開采的關(guān)鍵環(huán)節(jié)。靖西地區(qū)54口井試氣資料顯示水層共65層，其中40層存在高阻出水現(xiàn)象，占比高達(dá)61.5%。水層高阻現(xiàn)象給現(xiàn)場測井解釋工作帶來誤導(dǎo)，解釋符合率遠(yuǎn)遠(yuǎn)不能滿足生產(chǎn)要求。

文獻(xiàn)[2-6]針對(duì)印度尼西亞納土納盆地、塔中4油田、長慶油田、尼日爾三角洲油田等的高阻水層現(xiàn)象給出了合理解釋，提出了包括儲(chǔ)層致密、瀝青、黏土礦物、地層水低礦化度以及儲(chǔ)層所處構(gòu)造等可能因素。吳應(yīng)忠等[2]在分析長81儲(chǔ)層巖性后，發(fā)現(xiàn)儲(chǔ)層含有大量粉末狀填隙物，填隙物堵塞了孔隙喉道，連通孔隙被孤立，使得儲(chǔ)層電阻率增加。張志升等[3]在總結(jié)了華慶地區(qū)延長組儲(chǔ)層發(fā)育特點(diǎn)后，認(rèn)為延長組高阻水層儲(chǔ)層親油，發(fā)育的綠泥石膜及瀝青填充了孔隙，導(dǎo)致當(dāng)油氣富集程度低時(shí)儲(chǔ)層會(huì)表現(xiàn)出高阻水層現(xiàn)象。Mode等[4]在研究尼日爾三角洲區(qū)塊E3油藏時(shí)發(fā)現(xiàn)發(fā)育的砂頁巖薄互層增大了儲(chǔ)層電阻率測量值，在沒有高分辨率測井手段的情況下采用Thomas-Stieber模型來校正油氣對(duì)測井的響應(yīng)能夠有效提高對(duì)儲(chǔ)層的評(píng)價(jià)準(zhǔn)確度。綜上所述，高阻水層成因復(fù)雜多樣，不同地質(zhì)背景條件下高阻水層的主控因素也具有差異。目前，針對(duì)高阻水層問題比較流行的流體判別方法主要分為傳統(tǒng)交會(huì)圖版法[7]、剝層法、數(shù)理統(tǒng)計(jì)法[8]和機(jī)器學(xué)習(xí)類方法[9-10]。其中圖版法等傳統(tǒng)方法簡單高效，但是當(dāng)儲(chǔ)層非均質(zhì)性強(qiáng)，引起測井響應(yīng)特征非線性變化時(shí)，傳統(tǒng)方法很難區(qū)分出不同流體性質(zhì)的差異。高阻水層成因多元化以成趨勢，傳統(tǒng)解釋方法已經(jīng)開始滿足不了實(shí)際生產(chǎn)需求。隨著機(jī)器學(xué)習(xí)方法的不斷發(fā)展，具有不易過擬合、預(yù)測精度高、容錯(cuò)率高等優(yōu)點(diǎn)的隨機(jī)森林(random forests, RF)算法成為生產(chǎn)與研究工作中的熱點(diǎn)領(lǐng)域，越來越多的行業(yè)引進(jìn)了這一算法[11]。隨機(jī)森林是一種基于多決策樹進(jìn)行回歸預(yù)測和分類預(yù)測的算法。隨機(jī)森林通過隨機(jī)重復(fù)采樣技術(shù)和節(jié)點(diǎn)隨機(jī)分裂技術(shù)組建多棵決策樹[12]，匯總大量決策樹的預(yù)測結(jié)果并將其作為一個(gè)整體輸出。相較于支持向量機(jī)、K鄰近、神經(jīng)網(wǎng)絡(luò)等方法，隨機(jī)森林模型泛化能力更強(qiáng)、預(yù)測精度更高，對(duì)異常值也有很好的容忍性，在油氣預(yù)測方向也取得了較好的效果：秦敏等[13]在研究東方X油田的高溫、高壓儲(chǔ)層流體時(shí)對(duì)比了不同機(jī)器學(xué)習(xí)算法的優(yōu)劣，結(jié)果顯示隨機(jī)森林算法識(shí)別高溫高壓環(huán)境下的流體效果更好。馮明剛等[14]為解決頁巖氣總有機(jī)碳含量預(yù)測難的問題，提出了基于隨機(jī)森林回歸算法的預(yù)測方法，發(fā)現(xiàn)預(yù)測結(jié)果較其他方法更為準(zhǔn)確合理。郭建宏等[15]分析出與煤層氣含量敏感的測井參數(shù)，將斜率關(guān)聯(lián)度法與隨機(jī)森林算法相結(jié)合，準(zhǔn)確預(yù)測出非夾矸段煤層氣含量，為煤層氣產(chǎn)能評(píng)價(jià)與預(yù)測提供了新方法。

結(jié)合上述內(nèi)容，高阻水層的影響因素眾多，包括地質(zhì)條件與儲(chǔ)層孔隙結(jié)構(gòu)，這為研究提供了一定的指導(dǎo)方向?，F(xiàn)根據(jù)已有的測井、薄片、掃描電鏡、壓汞等資料，詳細(xì)分析靖西地區(qū)馬家溝組氣藏不同流體類型的測井響應(yīng)特征，并探究儲(chǔ)層孔隙結(jié)構(gòu)和廣泛發(fā)育的薄互層對(duì)水層電阻率測井響應(yīng)特征的影響規(guī)律。在明確成因的基礎(chǔ)上如何選擇合理方法識(shí)別出正確流體類型成為另一難題。分析高阻水層識(shí)別的難點(diǎn)，引入隨機(jī)森林分類算法到靖西地區(qū)高阻水層流體識(shí)別這類高維分類問題中，建立常規(guī)地球物理測井與電成像測井資料相結(jié)合的隨機(jī)森林流體識(shí)別方法，并將建立模型應(yīng)用于盲井以驗(yàn)證模型的準(zhǔn)確性與泛化性。

1 高阻水層及其測井響應(yīng)特征

高阻水層在地球物理測井資料響應(yīng)上與正常水層具有明顯差異，但與高含氣層的響應(yīng)特征具有很高的相似度，這造成了實(shí)際生產(chǎn)中對(duì)高阻類型的水層錯(cuò)判誤判。詳細(xì)整理分析了靖西地區(qū)馬家溝組高阻水層的儲(chǔ)層特征和地球物理測井響應(yīng)特征。

1.1 高阻水層

結(jié)合生產(chǎn)需要與水層電阻率值分布差異，把日產(chǎn)水大于4 m3，日產(chǎn)氣小于1 000 m3且電阻率高于200 Ω·m的具有一定儲(chǔ)集能力的儲(chǔ)層定義為高阻水層。高阻水層主要發(fā)育兩類巖性，分別為海侵時(shí)期形成的致密粗粉晶-細(xì)晶白云巖與海退時(shí)期形成的致密泥晶-細(xì)粉晶白云巖。高阻水層巖性較純，含泥較少，泥質(zhì)含量分布在0.5%～4.5%，平均泥質(zhì)含量1.95%。高阻水層孔隙類型多樣，主要包含晶間孔、晶間溶孔等6種不同類型(圖1)，孔隙度主要分布在2.14%～6.09%，平均孔隙度為4.53%，正常水層孔隙度主要分布在3.69%～9.50%，平均孔隙度為5.87%。高阻水層具有一定的儲(chǔ)集能力，但是物性較正常水層差；裂縫不發(fā)育，滲透性取決于孔隙發(fā)育情況。

圖1 不同類型孔隙鑄體薄片F(xiàn)ig.1 Casting thin sections of different types of pores

1.2 高阻水層測井響應(yīng)特征

表1、表2分別為高阻水層與正常水層的地球物理測井響應(yīng)特征，表3為氣層的測井響應(yīng)特征，可以看出，高阻水層地球物理測井曲線響應(yīng)表現(xiàn)出“兩高三低”的特征。高阻水層深側(cè)向電阻率(214.0～834.5 Ω·m，平均值467.5 Ω·m)、測井密度(2.69～2.82 g/cm3，平均值2.74 g/cm3)均為高值，測井聲波時(shí)差(151.84～181.23 μs/m，平均值164.14 μs/m)、自然伽馬(7.98～24.79 API，平均值17.30 API)、中子孔隙度(1.64%～9.56%，平均值6.45%)為低值。測井響應(yīng)特征可以總結(jié)如下：①從巖性來看，高阻水層整體自然伽馬值分布與氣層、正常水層存在差異，雖然同為碳酸鹽巖儲(chǔ)層，但是高阻水層泥質(zhì)含量低，氣層泥質(zhì)含量相對(duì)高；②從物性[聲波(AC)、密度(DEN)、中子(CNL)]來看，高阻水層物性最差，三孔隙度曲線測井響應(yīng)為低孔趨勢，巖性致密；③從電阻率變化特征來看，高阻水層電性響應(yīng)分布廣，整體電阻率值分布在中高值范圍，與氣層測井響應(yīng)范圍重合度高。

不同曲線測井響應(yīng)對(duì)不同流體類型具有不同程度的區(qū)分能力，但是僅依據(jù)常規(guī)測井曲線響應(yīng)差異難以實(shí)現(xiàn)流體類型準(zhǔn)確劃分。建立Fisher機(jī)器學(xué)習(xí)模型后發(fā)現(xiàn)判別正確率僅為76.6%，且未能準(zhǔn)確識(shí)別出高阻水層。因此解決這類具有高阻水層的流體識(shí)別問題需要進(jìn)一步分析高阻成因，深度挖掘流體響應(yīng)的敏感信息進(jìn)行識(shí)別分類。

表1 高阻水層測井響應(yīng)匯總表Table 1 Summary of logging response for high-resistivity water layers

表2 水層測井響應(yīng)匯總表

表3 氣層測井響應(yīng)匯總表

圖2 不同類型水層巖心結(jié)構(gòu)圖Fig.2 Core structure diagrams of different types of water layers

2 高阻水層成因分析

考慮到高阻水層與正常水層測井響應(yīng)特征和物性差異，重點(diǎn)分析了水層的孔隙結(jié)構(gòu)與層內(nèi)發(fā)育特征對(duì)儲(chǔ)層電阻率變化特征的影響，確定了復(fù)雜的孔隙結(jié)構(gòu)和廣泛發(fā)育的薄互層是靖西地區(qū)水層高阻的主要原因。

2.1 孔隙結(jié)構(gòu)特征

孔隙結(jié)構(gòu)與儲(chǔ)層發(fā)育的孔隙和吼道的幾何形狀、半徑大小、空間分布以及孔隙之間連通情況有關(guān)[16]，孔隙與喉道的配置關(guān)系也決定著孔隙流體的物理性質(zhì)[17]。如圖2(a)、圖2(d)所示, 從宏觀看來，具有高阻現(xiàn)象的水層與正常水層在巖心照片上呈現(xiàn)出明顯區(qū)別，前者巖心照片上孔隙顯示為肉眼不易觀測的孔隙形態(tài)，孔徑不一，以小孔為主。在微觀上，掃描電鏡圖顯示高阻水層[圖2(b)]受后期改造作用明顯，顆粒之間膠結(jié)緊密，大部分孔隙被擠壓填充改造，孔隙半徑主要分布在10～100 μm；CT掃描[圖2(c)]發(fā)現(xiàn)高阻水層孔隙連通通道主要為縮頸型吼道，相比正常水層[圖2(f)]孔隙彎曲程度更復(fù)雜，難以見到成規(guī)模的有效溝通路徑。壓汞資料更加直觀地揭示了高阻水層的孔隙結(jié)構(gòu)特征。壓汞巖樣(高阻水層6塊、正常水層4塊)統(tǒng)計(jì)數(shù)據(jù)如圖3所示，其中高阻水層巖心電阻率分布在273.9～730.9 Ω·m，平均電阻率為507.2 Ω·m。統(tǒng)計(jì)結(jié)果表明高阻水層具有以下特征：①細(xì)喉道，高阻水層平均中值半徑僅為0.19 μm，較正常水層孔喉中值半徑平均值小一個(gè)數(shù)量級(jí)，平均歪度(偏態(tài))為0.093，孔喉分布均勻，這表明高阻水層孔喉類型主要為細(xì)孔喉；②差滲流能力，較平均排驅(qū)壓力為0.646 MPa的正常水層，高阻水層平均排驅(qū)壓力為正常水層的2倍，流體難以流動(dòng)，滲流性相對(duì)較差，孔隙通道連通性不強(qiáng)；③強(qiáng)非均質(zhì)性，高阻水層平均變異系數(shù)(相對(duì)分選系數(shù))高，為正常水層的2.7倍，表明高阻水層整體孔隙大小分布不均勻，非均質(zhì)性強(qiáng)。

圖3 不同類型水層巖心壓汞參數(shù)直方圖Fig.3 Histogram of core mercury injection parameters for different types of water layers

2.2 薄互層發(fā)育特征

受中央古隆起控制，靖西地區(qū)馬家溝組沉積相呈環(huán)帶狀分布，白云巖厚度整體呈“西厚東薄”的特點(diǎn)。位于盆地西部的臺(tái)坪相帶和蒸發(fā)期的含膏云坪相儲(chǔ)層單體厚度一般在50～250 cm，其中發(fā)育薄互層井?dāng)?shù)占比25.4%。以發(fā)育薄互層的四口井為例，由井位分布圖[圖(4)]可知，薄互層發(fā)育于沉積盆地環(huán)形邊緣西部。地質(zhì)上，盆地邊緣水體較淺，受海平面快速升降的影響，盆地邊緣水動(dòng)力變化劇烈。隨著高鹽度鹵水中石膏和其他鹽類礦物沉淀與后期溶蝕作用易形成薄互層晶間孔型與膏溶孔型白云巖[18]。由此推測薄互層發(fā)育程度受沉積環(huán)境與后期改造作用影響。從測井響應(yīng)上分析，以B12井3 741.5～3 742.5 m、3 744.3～3 745.3 m、3 747.3～3 748.8 m為例，三層合試結(jié)果日產(chǎn)水12.0 m3，日產(chǎn)氣1 246.9 m3。試氣層物性較好，但是深側(cè)向電阻率值分別高達(dá)259.5、293.6、216.7 Ω·m，為典型的高阻水層。B12井儲(chǔ)層中發(fā)育薄互層，層內(nèi)各向異性強(qiáng)，其測井響應(yīng)圖(圖5)倒數(shù)第二道紅色為深側(cè)向測井曲線RLLD，曲線僅顯示了地層電阻率整體起伏變化情況，未能有效地反映薄層電阻變化特征。測井響應(yīng)圖右側(cè)第二道主峰電阻率曲線PEAKBIN(主峰電阻率曲線，為某一深度下統(tǒng)計(jì)的電阻率頻率分布直方圖中峰值所對(duì)應(yīng)的橫坐標(biāo)電阻率值)明顯地區(qū)分出儲(chǔ)層段與非儲(chǔ)層段的差異：儲(chǔ)層顯示低值，非儲(chǔ)層顯示高值，大小存在明顯差異。圖5右側(cè)H2井試氣層為正常水層，儲(chǔ)層厚度大，深側(cè)向測井曲線能夠真實(shí)地反映儲(chǔ)層流體電阻率特征。鑒于雙側(cè)向縱向分辨率一般為60 cm，而電成像測井縱向分辨率為0.5 cm，這證明薄互層對(duì)不同分辨率測量儀器的測量精度具有很大影響。

圖4 靖西地區(qū)薄層井井位分布圖Fig.4 Distribution of thin-layer wells in Jingxi area

PHIT_AVE為孔隙度譜均值；PEAKBIN為主峰電阻率曲線；XRMI_DYN為增強(qiáng)型微電阻率成像測井圖像圖5 薄厚層測井響應(yīng)圖Fig.5 Logging response graph of thin and thick reservoirs

2.3 綜合成因分析

靖西地區(qū)馬家溝組高阻水層孔隙結(jié)構(gòu)復(fù)雜，層內(nèi)非均質(zhì)性強(qiáng)。儲(chǔ)層發(fā)育多種類型孔隙，顆粒之間膠結(jié)緊密，孔隙半徑小，主要集中于10～100 μm，孔隙連通通道以縮頸型喉道為主，孔隙喉道細(xì)且連通性差，使得水層電阻率增高[19-21]。部分儲(chǔ)層發(fā)育的薄互層使層內(nèi)各向異性得到增強(qiáng)，影響了整個(gè)儲(chǔ)層的電性特征。綜上所述，儲(chǔ)層孔隙結(jié)構(gòu)復(fù)雜、薄互層廣泛發(fā)育是致使水層地球物理測井響應(yīng)表現(xiàn)為高阻特征的主要因素。

3 流體識(shí)別模型建立與分析

根據(jù)上述高阻水層形成原因，采用了常規(guī)地球物理測井資料與電成像測井資料相結(jié)合的思路，建立了隨機(jī)森林判別模型對(duì)儲(chǔ)層流體進(jìn)行識(shí)別，識(shí)別效果良好。

3.1 曲線優(yōu)選

在復(fù)雜地質(zhì)條件下，單一的常規(guī)地球物理測井方法很難解決實(shí)際問題，具有高分辨率、高信息量的成像測井不僅可以彌補(bǔ)常規(guī)測井縱向分辨率不足的問題，而且也因?yàn)榭紫抖茸V與電阻率譜包含大量孔隙結(jié)構(gòu)信息使得模型更能反映真實(shí)儲(chǔ)層性質(zhì)[22-24]。選取了常規(guī)地球物理測井曲線以及電成像曲線作為模型訓(xùn)練數(shù)據(jù)。

在建模之前為驗(yàn)證曲線選擇的正確性，對(duì)曲線進(jìn)行單參數(shù)分析。如圖6所示，電成像測井中PEAKBIN曲線對(duì)判別結(jié)果具有很高的貢獻(xiàn)，φSDEV曲線對(duì)識(shí)別結(jié)果同樣貢獻(xiàn)較大，二者單參數(shù)正確率分別可以達(dá)到44.4%與38.9%。這證明曲線的選擇方向與成因分析結(jié)果保持一致。

圖6 單參數(shù)流體判別正確率統(tǒng)計(jì)圖Fig.6 Histogram of single parameter fluid identification’s accuracy

模型數(shù)據(jù)中常規(guī)曲線包括自然伽馬(GR)、聲波時(shí)差(AC)、密度(DEN)、補(bǔ)償中子(CNL)、深淺側(cè)向電阻率(RLLD、RLLS)，電成像測井曲線分別為孔隙度譜均值φAVE、孔隙度譜方差φSDEV、主峰電阻率曲線(PEAKBIN)、分選系數(shù)(SORT)。所使用的電成像測井曲線的計(jì)算公式如下。

孔隙度譜均值φAVE計(jì)算公式為

(1)

式(1)中：φi為圖像窗口中第i個(gè)像素點(diǎn)(即第i個(gè)電極)的視孔隙度，v/v；Pφi為對(duì)應(yīng)的視孔隙度頻率?？紫抖茸V均值表示孔隙度譜主峰偏離基線的程度，均值越大，儲(chǔ)層性能越好，高阻水層物性較差，孔隙度譜均值相對(duì)正常水層偏小。

孔隙度譜方差φSDEV計(jì)算公式為

(2)

孔隙度譜方差表示孔隙度譜的分布離散程度，方差越大，儲(chǔ)層非均質(zhì)性越強(qiáng)。高阻水層由于具有強(qiáng)非均質(zhì)性，所以整體孔隙度譜方差小于正常水層。

主峰電阻率曲線(PEAKBIN)為某一深度下統(tǒng)計(jì)的井壁微電阻率頻率分布直方圖中峰值所對(duì)應(yīng)的橫坐標(biāo)數(shù)值。經(jīng)過歸一化處理的主峰電阻率曲線為無量綱參數(shù)，曲線數(shù)值越大，儲(chǔ)層相對(duì)電阻率越大。

電阻率譜分選系數(shù)[25-26]計(jì)算公式為

(3)

式(3)中：R70、R50、R30分別為電阻率直方圖上頻率分布占70%、50%以及30%所對(duì)應(yīng)的頻數(shù)。電阻率譜分選系數(shù)表征地層均質(zhì)性強(qiáng)弱，分選系數(shù)越大，儲(chǔ)層井壁微電阻率分布集中程度越高。由于高阻水層井壁電阻率分布較為集中，分選系數(shù)較正常水層小。

3.2 數(shù)據(jù)樣本建立

為提高儲(chǔ)層流體識(shí)別準(zhǔn)確度，選取了16口井33個(gè)試氣層段共10條曲線20 658個(gè)數(shù)據(jù)點(diǎn)作為建模訓(xùn)練集，4 535樣本點(diǎn)作為測試集。為保證模型的正確性，測試集為隨機(jī)抽取組成。訓(xùn)練數(shù)據(jù)分為氣層、氣水同層、含氣水層、水層、高阻水層、差氣層以及干層7類，每類樣本數(shù)量2 098～4 135個(gè)，數(shù)據(jù)均衡，使模型對(duì)不同流體的識(shí)別能力趨近一致。

3.3 判別模型選擇及參數(shù)尋優(yōu)

模型所用訓(xùn)練數(shù)據(jù)所涉及的參數(shù)數(shù)量多、流體類型多，且不同流體類型測井響應(yīng)交會(huì)圖(圖7)表明不同流體類型測井響應(yīng)差異微弱，沒有明顯的線性關(guān)系。在眾多機(jī)器學(xué)習(xí)算法中，隨機(jī)森林算法在面對(duì)維數(shù)多、體量大、類間差異小的樣本數(shù)據(jù)時(shí)表現(xiàn)出的準(zhǔn)確性、魯棒性、泛化性上優(yōu)于K鄰近、支持向量機(jī)、Fisher等機(jī)器學(xué)習(xí)算法。隨機(jī)森林用bootstrap方法[27]生成m個(gè)訓(xùn)練集，然后用每個(gè)訓(xùn)練集構(gòu)造一棵決策樹，獲得m個(gè)弱分類器，通過組合多個(gè)弱分類器進(jìn)行投票得到結(jié)果，使得模型具有較高的精確度與泛化性能。

圖7 不同類型流體的測井響應(yīng)交會(huì)圖Fig.7 Conventional logging crossplots of different types of fluids

圖8 不同參數(shù)模型袋外誤差圖Fig.8 Out-of-bag error diagram of different parameter models

隨機(jī)森林算法采用Python語言實(shí)現(xiàn)，環(huán)境為Python 3.8，隨機(jī)森林分類核心算法使用了sklearn.ensemble庫。由于隨機(jī)森林模型性能受參數(shù)選取的影響較大，為避免人為因素對(duì)模型造成誤差，故模型采用5折交叉驗(yàn)證網(wǎng)格尋優(yōu)方法確定超參數(shù)。尋參結(jié)果如圖8所示，當(dāng)最大特征數(shù)max_feature與決策樹最大深度max_depth一定時(shí)，決策樹數(shù)量為150 棵時(shí)模型袋外誤差已經(jīng)收斂至最低值；當(dāng)決策樹棵樹與最大深度一定時(shí)，最大特征數(shù)為4個(gè)的模型袋外誤差為最低值。隨著決策樹最大深度的增加，袋外誤差隨之減小，但是不限制決策樹最大深度容易造成過擬合現(xiàn)象，經(jīng)過驗(yàn)證決策樹最大深度設(shè)為9層比較合適。使用最優(yōu)參數(shù)獲得的模型對(duì)測試盲井進(jìn)行識(shí)別，整體判別正確率達(dá)到了84.1%，高阻水層識(shí)別率為80.2%，這表明模型具有很好的正確率與泛化性。測試集預(yù)測結(jié)果分別如表4所示，由于驗(yàn)證數(shù)據(jù)有限，模型缺乏對(duì)干層、差氣層、含氣水層這三類流體類型判別效果的檢驗(yàn)，后期需要加以驗(yàn)證。

表4 測試集判別結(jié)果

圖9 D1井隨機(jī)森林識(shí)別結(jié)果Fig.9 Fluid identification results of random forest model in well D1

3.4 模型驗(yàn)證與實(shí)例分析

圖9為驗(yàn)證井D1井在3 016.0～3 018.0 m和3632.0～3 634.0 m的隨機(jī)森林模型流體識(shí)別結(jié)果圖。D1井為雙層試氣，日產(chǎn)水197.0 m3，日產(chǎn)氣量500.0 m3，為典型高阻水層。由圖9可知，71、72號(hào)層電阻率分別為421.1 Ω·m和228.9 Ω·m，常規(guī)測井解釋(圖9右側(cè)第二道)結(jié)果為差氣層、水層，這與試氣結(jié)論不符。圖9最右側(cè)為隨機(jī)森林模型給出的結(jié)果：水層、水層，模型判別結(jié)果與試氣結(jié)論相符。這表明基于隨機(jī)森林建立的模型具有很好的準(zhǔn)確率和適用性。分析巖心物性資料發(fā)現(xiàn)該層平均孔隙度3.14%，平均滲透率0.178 mD，儲(chǔ)層物性較好。鑄體薄片[圖10(a)]表明儲(chǔ)層顆粒膠結(jié)緊密，無明顯裂縫發(fā)育，主要為小孔隙且分布不均，壓汞曲線[圖10(b)]表現(xiàn)出小斜率的線性增長形態(tài)，高排驅(qū)壓力1.851 MPa，高變異系數(shù)9.191，表明試氣層段非均質(zhì)性極強(qiáng)。由此表明，復(fù)雜的孔隙結(jié)構(gòu)是D1井水層高電阻率的主要原因，建立的模型可以很好地識(shí)別復(fù)雜孔隙結(jié)構(gòu)造成的高阻水層。

圖11為E1井測井解釋成果圖，該井在3 681.0～3 685.0 m日產(chǎn)水4.2 m3，未見產(chǎn)氣，測井響應(yīng)為高阻特征。測井解釋中僅利用常規(guī)測井資料難以正確解釋這一水層，在借助成像資料后發(fā)現(xiàn)試氣段發(fā)育薄互層，儲(chǔ)層主要厚度分布在10～30 cm范圍內(nèi)。圖11右側(cè)第三道電成像動(dòng)態(tài)圖XRMI_DYN顯示儲(chǔ)層孔隙發(fā)育良好，電成像圖像呈現(xiàn)為暗黑色條紋狀，主峰電阻率曲線PEAKABIN(圖11右側(cè)圖第二道紅色曲線)呈現(xiàn)劇烈波動(dòng)，反映高阻地層中發(fā)育低厚度儲(chǔ)層。儲(chǔ)層厚度過小導(dǎo)致了層間各向異性強(qiáng)，深側(cè)向電阻率值未能反映真實(shí)儲(chǔ)集空間電性特征，整體電阻率值偏高，表現(xiàn)出高阻水層特征。

圖10 高阻水層巖心測試資料Fig.10 Core test data of high-resistivity water layers

圖11 E1井測井解釋成果圖Fig.11 Logging interpretation results of well E1

4 結(jié)論

(1)高阻水層的成因分析對(duì)于油氣藏流體精細(xì)評(píng)價(jià)工作具有十分重要的意義，不同地區(qū)的高阻水層成因是復(fù)雜多樣的。通過對(duì)地球物理測井與巖心實(shí)驗(yàn)等資料分析認(rèn)為靖西地區(qū)高阻水層的成因是由多重因素共同導(dǎo)致的，儲(chǔ)層孔隙結(jié)構(gòu)復(fù)雜、薄互層廣泛發(fā)育是致使水層地球物理測井響應(yīng)表現(xiàn)為高阻特征的主要因素。這種宏觀與微觀成因相結(jié)合的高阻水層成因分析思路為儲(chǔ)層流體評(píng)價(jià)提供了新思路。

(2)提出的將常規(guī)地球物理測井曲線與特殊電成像測井曲線相結(jié)合建立的隨機(jī)森林判別模型可以在保持高識(shí)別精度的前提下有效識(shí)別高阻水層，實(shí)現(xiàn)流體類型的正確判別。這證明隨機(jī)森林算法在流體識(shí)別應(yīng)用中的可行性與有效性，對(duì)油氣評(píng)價(jià)新方法具有很好的參考價(jià)值。但仍然涉及眾多關(guān)鍵參數(shù)的調(diào)節(jié)，相信在未來技術(shù)革新的推動(dòng)下算法將不斷被完善，穩(wěn)定性與復(fù)雜度會(huì)得以改善。

(3)由于高阻水層的特殊性和復(fù)雜性，油氣精細(xì)評(píng)價(jià)還有諸多難題需要解決。因此，對(duì)于油氣評(píng)價(jià)不能僅限于常規(guī)手段，數(shù)字時(shí)代帶來的新技術(shù)也可以為油氣評(píng)價(jià)帶來新方法新途徑。