劉詩(shī)瓊 劉向君* 孫楊沙 劉紅岐 孔玉華 李賢勝

(①西南石油大學(xué)油氣藏地質(zhì)及開(kāi)發(fā)工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，四川成都 610500；②六盤(pán)水市鐘山區(qū)應(yīng)急管理局，貴州六盤(pán)水 553000；③新疆油田公司勘探開(kāi)發(fā)研究院，新疆克拉瑪依 834000；④中國(guó)石油川慶鉆探地質(zhì)勘探開(kāi)發(fā)研究院，四川成都 610051)

0 引言

近年來(lái)，國(guó)內(nèi)外發(fā)現(xiàn)了大量砂礫巖油氣藏，如西班牙新赤道格拉納達(dá)盆地、中國(guó)準(zhǔn)噶爾盆地西北部和東部地區(qū)等[1]，其中準(zhǔn)噶爾盆地二疊系烏爾禾組已成為新疆油田該類油氣藏勘探開(kāi)發(fā)的重點(diǎn)層系。

礫巖儲(chǔ)層非均質(zhì)性強(qiáng)，孔隙結(jié)構(gòu)異常復(fù)雜，而礫巖儲(chǔ)層的綜合評(píng)價(jià)是進(jìn)行高效勘探開(kāi)發(fā)的關(guān)鍵。礫巖儲(chǔ)層影響因素復(fù)雜多樣，常規(guī)的統(tǒng)計(jì)分析方法很難奏效。只有結(jié)合多方面資料，對(duì)儲(chǔ)層孔隙結(jié)構(gòu)和物性特征、生產(chǎn)動(dòng)態(tài)特征進(jìn)行綜合研究，才能為勘探開(kāi)發(fā)方案的制定、開(kāi)發(fā)動(dòng)態(tài)分析、油藏工程研究、油藏?cái)?shù)值模擬以及開(kāi)發(fā)方案的調(diào)整，奠定可靠的地質(zhì)基礎(chǔ)。在勘探開(kāi)發(fā)的不同階段，儲(chǔ)層評(píng)價(jià)工作也應(yīng)有所側(cè)重。

多位學(xué)者使用薄片、常規(guī)壓汞、恒速壓汞和微CT掃描等資料對(duì)儲(chǔ)層微觀孔隙結(jié)構(gòu)特征進(jìn)行分析，進(jìn)而對(duì)儲(chǔ)層進(jìn)行分類。王永詩(shī)等[2]利用聚類分析方法對(duì)10個(gè)孔喉結(jié)構(gòu)參數(shù)進(jìn)行分析，發(fā)現(xiàn)致密儲(chǔ)層具有微米級(jí)孔、納米—亞微米級(jí)孔、孔喉半徑比變化較大的喉道特征，根據(jù)分類結(jié)果和試油結(jié)果，建立了古近系致密儲(chǔ)層分類方案。運(yùn)用孔隙結(jié)構(gòu)參數(shù)對(duì)儲(chǔ)層進(jìn)行分類的方法較多，其中以壓汞資料最為廣泛。盧雙舫等[3]利用高壓壓汞分析儲(chǔ)層孔隙結(jié)構(gòu)特征，將儲(chǔ)層分為四種類型；Sun等[4]、葛東升等[5]、雷冠宇等[6]、熊亮[7]基于“高精度、跨尺度”微觀孔隙結(jié)構(gòu)研究思路，利用氮?dú)馕健⒏邏簤汗?、掃描電鏡及礦物分析電鏡等實(shí)驗(yàn)，對(duì)儲(chǔ)層微觀孔隙結(jié)構(gòu)進(jìn)行定量表征，建立了儲(chǔ)層分類評(píng)價(jià)標(biāo)準(zhǔn)。但是利用壓汞資料進(jìn)行儲(chǔ)層評(píng)價(jià)也存在缺點(diǎn)，即不能連續(xù)進(jìn)行儲(chǔ)層評(píng)價(jià)。因此，通過(guò)建立進(jìn)汞飽和度與核磁共振回波參數(shù)之間的關(guān)系，預(yù)測(cè)出MICP(壓汞毛管壓力)曲線[8]。毛銳等[9]利用飽和水T2譜、壓汞聯(lián)測(cè)實(shí)驗(yàn)數(shù)據(jù)，分儲(chǔ)層類型建立大、小孔隙的毛管壓力與T2分布的轉(zhuǎn)換關(guān)系，進(jìn)而實(shí)現(xiàn)連續(xù)地對(duì)地層進(jìn)行評(píng)價(jià)。

由于沉積相影響儲(chǔ)層參數(shù)，所以在某些區(qū)塊單獨(dú)使用以上方法，并不能完全反映儲(chǔ)層的特征。因此，眾多學(xué)者采用巖心、薄片、壓汞及常規(guī)測(cè)井等資料分析，結(jié)合沉積相、斷裂和微裂縫發(fā)育程度等多種資料和方法對(duì)儲(chǔ)層進(jìn)行分類評(píng)價(jià)[10-11]。高雨等[12]認(rèn)為，通過(guò)源區(qū)性質(zhì)、邊界條件及沉積物搬運(yùn)通道類型對(duì)源匯系統(tǒng)進(jìn)行分類，結(jié)合沉積體系對(duì)儲(chǔ)層進(jìn)行分類效果較好[13]。

儲(chǔ)層分類方法多樣，每種方法的原理、計(jì)算步驟及所需資料各不相同，除了從微觀孔隙結(jié)構(gòu)角度進(jìn)行儲(chǔ)層分類外，還應(yīng)利用儲(chǔ)層含油氣量、生產(chǎn)動(dòng)態(tài)資料、地震屬性并結(jié)合測(cè)井資料，進(jìn)行儲(chǔ)層分類評(píng)價(jià)。郭建林等[14]采用地質(zhì)工程一體化評(píng)價(jià)思路，選取含氣量表征頁(yè)巖儲(chǔ)層物質(zhì)基礎(chǔ)，與孔隙度和有機(jī)質(zhì)豐度正相關(guān)，將儲(chǔ)層分為三類；利用測(cè)井連續(xù)對(duì)儲(chǔ)層進(jìn)行分類評(píng)價(jià)，王興龍等[15]利用C5.0決策樹(shù)算法計(jì)算儲(chǔ)層滲透率，在綜合孔隙結(jié)構(gòu)和其他儲(chǔ)層參數(shù)的基礎(chǔ)上分類；Jin[16]、楊兵等[17]、汪新光等[18]、魏博等[19]、Xinyang等[20]、唐文軍等[21]、陳羅元等[22]利用模糊聚類理論、多元非線性回歸、地質(zhì)統(tǒng)計(jì)學(xué)等數(shù)學(xué)方法，結(jié)合滲透率、孔隙度、儲(chǔ)量豐度、儲(chǔ)層深度、含油氣性等儲(chǔ)層參數(shù)，利用影響產(chǎn)能的測(cè)井特征參數(shù)建立儲(chǔ)層分類標(biāo)準(zhǔn)，對(duì)儲(chǔ)層進(jìn)行評(píng)價(jià)。但對(duì)非均質(zhì)性強(qiáng)的儲(chǔ)層，一些數(shù)學(xué)方法易受樣本影響導(dǎo)致應(yīng)用效果較差，同時(shí)數(shù)學(xué)方法都需要巖石樣品及高精度的觀測(cè)數(shù)據(jù)，而樣品的選取、數(shù)據(jù)提取等都可能造成誤差，使得數(shù)學(xué)方法應(yīng)用效果變差。因此Bayowa等[23]、劉君毅等[24]結(jié)合微觀孔隙結(jié)構(gòu)特征、滲流性能、巖電規(guī)律將儲(chǔ)層分為不同的巖石物理相，分析儲(chǔ)層與不同的巖石物理參數(shù)的關(guān)系，降低非均質(zhì)性的影響。Ashraf等[25]、祝禧艷等[26]、陳雪珍等[27]和Tong[28]針對(duì)非均質(zhì)性極強(qiáng)的儲(chǔ)層，結(jié)合電相分析、歷史生產(chǎn)數(shù)據(jù)和巖心試驗(yàn)資料等，對(duì)儲(chǔ)層沉積相進(jìn)行了分析。從“甜點(diǎn)儲(chǔ)層”主控因素分析入手，利用三維地震屬性預(yù)測(cè)非均質(zhì)儲(chǔ)集層“甜點(diǎn)”的空間分布，降低非均質(zhì)性影響，再結(jié)合巖心觀測(cè)、測(cè)井資料對(duì)儲(chǔ)層進(jìn)行有效性評(píng)價(jià)。

綜合分析上述研究成果，可發(fā)現(xiàn)研究人員主要從薄片、常規(guī)壓汞、恒速壓汞和微CT掃描、結(jié)合沉積相、儲(chǔ)層含油氣量、生產(chǎn)動(dòng)態(tài)資料及地震屬性結(jié)合測(cè)井資料、微觀孔隙結(jié)構(gòu)特征、滲流性能、巖電規(guī)律，結(jié)合巖石物理相進(jìn)行分類，這些方法各有優(yōu)劣。核磁共振測(cè)井作為一種對(duì)儲(chǔ)層孔隙結(jié)構(gòu)和流體類型很有效的測(cè)井技術(shù)，在研究區(qū)測(cè)取了大量的數(shù)據(jù)，因此在該區(qū)的測(cè)井評(píng)價(jià)中至關(guān)重要，而前人的研究中，利用核磁共振T2譜參與儲(chǔ)層綜合分類評(píng)價(jià)的實(shí)例較少。本文利用T2譜蘊(yùn)含豐富的儲(chǔ)層精細(xì)孔隙結(jié)構(gòu)、物性特征和流體類型等信息，開(kāi)展研究區(qū)儲(chǔ)層分類評(píng)價(jià)。

1 球管模型概述

巖石的孔隙結(jié)構(gòu)非常復(fù)雜，幾乎不能使用解析方法進(jìn)行表征。就可查閱到的研究報(bào)道而言，應(yīng)用測(cè)井?dāng)?shù)據(jù)研究巖石孔隙結(jié)構(gòu)的模型可分為兩類，分別是數(shù)據(jù)驅(qū)動(dòng)的擬合經(jīng)驗(yàn)方程[29]和模型驅(qū)動(dòng)的球管模型[30]。球管模型的研究方法，在對(duì)巖石孔隙結(jié)構(gòu)進(jìn)行抽象歸納的基礎(chǔ)上，按照巖石孔隙結(jié)構(gòu)滲流能力和儲(chǔ)集能力的劃分方法，將巖石的孔隙結(jié)構(gòu)歸結(jié)為管形和球形，采用球管模型對(duì)巖石的孔隙結(jié)構(gòu)進(jìn)行近似模擬。單個(gè)的球管模型由球形孔和管形孔組合而成(圖1)，用一定數(shù)量體積不同的管形孔與球形孔、不同匹配關(guān)系的球管模型組合成群，模擬巖石的孔隙結(jié)構(gòu)(圖2)，球管模型的表面積等于該組等效球形孔的表面積(圖2)。按照一定的分組規(guī)則對(duì)球管模型分組進(jìn)行劃分，在不同的分組之間，球管模型的數(shù)量和匹配關(guān)系都可不同；在同一分組的內(nèi)部是具有一定數(shù)量的、大小和匹配關(guān)系一致的球管模型。

圖1 球管模型示意圖

圖2 劃分為N組的球管模型群

改變球形孔與管形孔的匹配關(guān)系，根據(jù)球形孔和管形孔體積和表面積的計(jì)算公式，可得孔隙分組中單個(gè)球管模型的橫向弛豫時(shí)間計(jì)算式[30]

(1)

式中：Vs、Vc分別是球形孔和管形孔的體積(μm3)；Ss、Sc是對(duì)應(yīng)的表面積(μm2)；ρ2為孔隙表面的橫向弛豫率，通常取值2.5×10-3μm/ms。

每一次改變球形孔與管形孔之間的配置關(guān)系，都會(huì)計(jì)算得到一組不同的T2值，即橫向弛豫時(shí)間T2布點(diǎn)值與球形孔的配置關(guān)系是確定的，用該組T2布點(diǎn)值反演核磁回波信號(hào)。實(shí)際的計(jì)算結(jié)果表明，對(duì)于不同的T2布點(diǎn)值，核磁回波反演擬合方程與回波信號(hào)之間的擬合均方差都會(huì)改變。當(dāng)核磁回波反演的擬合均方差達(dá)到最小時(shí)，該組T2布點(diǎn)值對(duì)應(yīng)的球管模型幾何參數(shù)與巖石真實(shí)孔隙結(jié)構(gòu)具有最好的相似性。

2 優(yōu)化反演譜及形態(tài)參數(shù)提取

2.1 球管模型優(yōu)化反演

常用的核磁測(cè)井回波反演算法包括奇異值分解(Singular Value Decomposition，SVD)、聯(lián)合迭代重建反演(Simultaneous Iterative Reconstruction Technique，SIRT)和模平滑反演等[31]。本次研究以SVD反演算法為基礎(chǔ)，用球管模型優(yōu)化反演算法反演核磁測(cè)井回波。經(jīng)過(guò)優(yōu)化反演之后，可得到三種T2譜分布，分別是管形孔T2譜(T2c)、球形孔T2譜(T2s)和優(yōu)化反演總T2譜(T2oit，圖3)。

圖3 球管模型優(yōu)化譜

2.2 譜形參數(shù)提取

儲(chǔ)層分類方法眾多，基于核磁T2譜計(jì)算儲(chǔ)層參數(shù)分類的難點(diǎn)在于T2譜截止值的確定。該截止值只能用試驗(yàn)或經(jīng)驗(yàn)方法求取。如孔隙結(jié)構(gòu)復(fù)雜、非均質(zhì)性很強(qiáng)，即便有巖心也難以用試驗(yàn)精確求取。由于反演得到的T2譜是儲(chǔ)層物性信息的響應(yīng)，其形態(tài)變化表征了儲(chǔ)層的孔隙空間及結(jié)構(gòu)。優(yōu)化反演得到的T2譜也是如此。

圖形的形態(tài)可用波峰、波谷、波峰寬度、波谷寬度及斜率等參數(shù)來(lái)進(jìn)行刻畫(huà)[32]。將核磁T2譜分布也看成一幅圖(圖4)，同樣可用圖形參數(shù)進(jìn)行刻畫(huà)。T2譜形態(tài)參數(shù)的定義及計(jì)算方法

圖4 圖形形態(tài)參數(shù)示意圖

(2)

式中：P1為圖形幅度(Yi)在全部采樣點(diǎn)的平均值；P2為圖形幅度在全部采樣點(diǎn)的最大值；P3為最大值(Pmax)在圖形上的相對(duì)位置,Xm為Ymax對(duì)應(yīng)的橫向弛豫時(shí)間；P4為最大值(Pmax)與平均值之差；P5為左右拐點(diǎn)的對(duì)稱度；P6、P7分別表征左、右跳躍幅度，YminL、YminR對(duì)應(yīng)為Ymax左、右側(cè)極小值；P8為左右跳躍平衡度；P9為峰寬，即最大值兩邊半幅點(diǎn)在橫軸上的長(zhǎng)度；P10為測(cè)井曲線的方差，該參數(shù)描述曲線是否光滑，其中Yi為T(mén)2譜幅度的當(dāng)前值；P11為T(mén)2譜的峰值點(diǎn)個(gè)數(shù)，將T2譜(球型譜，管型譜)每三點(diǎn)做一組，進(jìn)行自動(dòng)識(shí)別；若每組三點(diǎn)數(shù)值的中間點(diǎn)大于兩邊數(shù)據(jù)，即計(jì)數(shù)一個(gè)峰值點(diǎn)；P12為最大峰谷比值，即最大值與最小值的比值(此處需增加一個(gè)判斷，若Ymin=0，則不做計(jì)算，給P12賦一個(gè)很大值，如106；N是確定窗口的曲線點(diǎn)數(shù)；Xi是當(dāng)前測(cè)井?dāng)?shù)據(jù)值；Ymax、Ymin、Yi分別是T2譜幅度的最大值、最小值和當(dāng)前值(無(wú)量綱)；YminR、YminL分別是T2譜最大幅度右極小值和左極小值(無(wú)量綱)；X1、X2、Xi分別是主峰左、右兩邊半幅點(diǎn)對(duì)應(yīng)的橫向弛豫時(shí)間和當(dāng)前弛豫時(shí)間(ms)；Xm是T2譜最大值對(duì)應(yīng)的橫向弛豫時(shí)間；X50L、X50R分別是T2譜左、右邊界上半幅點(diǎn)對(duì)應(yīng)的橫向弛豫時(shí)間；d1、d2是選定窗長(zhǎng)曲線在兩端的斜率(圖4)。

為了確定T2譜中峰值點(diǎn)的個(gè)數(shù)，首先按照氣泡法，逐點(diǎn)將全部的采樣點(diǎn)數(shù)據(jù)按“三點(diǎn)一組”方式進(jìn)行分組；然后進(jìn)行峰點(diǎn)判斷，若滿足fi-1fi+1，則計(jì)入一個(gè)峰點(diǎn)數(shù)，依此類推。

確定谷點(diǎn)的方法，與此類似。

考慮到喉孔比(管孔比，PTR)對(duì)儲(chǔ)層物性影響較大，在提取T2譜形態(tài)參數(shù)基礎(chǔ)上，還增加了PTR作為預(yù)測(cè)向量的元素，以增強(qiáng)預(yù)測(cè)向量對(duì)于儲(chǔ)層類型的識(shí)別能力，其表達(dá)式為

(3)

此時(shí)的Vc、Vs分別是T2譜均值管半徑和均值球半徑計(jì)算的管形孔體積和球形孔的體積，由球管模型優(yōu)化算法得到[31]。

針對(duì)優(yōu)化T2譜，提取12個(gè)譜形態(tài)參數(shù)[32]。用譜形態(tài)參數(shù)、或結(jié)合喉孔比(PTR)形成儲(chǔ)層物性識(shí)別向量。在此基礎(chǔ)上進(jìn)行儲(chǔ)層分類，可繞開(kāi)T2譜截止值難以確定的問(wèn)題。

3 基于SVM算法的預(yù)測(cè)模型訓(xùn)練

3.1 SVM算法簡(jiǎn)介

為得到預(yù)測(cè)模型，本文用支持向量機(jī)(Support Vector Machine，SVM)完成。SVM實(shí)際上是一種感知機(jī)模型，也屬于一種分類算法，根據(jù)已經(jīng)形成分類的樣本數(shù)據(jù)和分類指標(biāo)，可建立對(duì)于未知樣本的分類模型。在感知機(jī)模型中，能找到多個(gè)可分類的超平面將數(shù)據(jù)分開(kāi)，且在優(yōu)化時(shí)希望所有的數(shù)據(jù)點(diǎn)都最大限度遠(yuǎn)離超平面。但實(shí)際上離超平面很遠(yuǎn)的點(diǎn)已經(jīng)被正確分類，設(shè)計(jì)算法讓它們進(jìn)一步遠(yuǎn)離超平面并無(wú)實(shí)際意義。另一方面，需關(guān)注的是那些離超平面很近的點(diǎn)，這些點(diǎn)很容易被誤分類。在設(shè)計(jì)算法模型時(shí)，可讓離超平面比較近的數(shù)據(jù)點(diǎn)盡可能地遠(yuǎn)離超平面，則該算法模型就會(huì)對(duì)未知樣本具有更好的分類效果，這就是SVM算法的核心思想。如圖5所示，分離超平面為

WTx+b=0

(4)

式中：W、b分別是超平面的法向矢量和截距；x是分類矢量，其元素即是分類指標(biāo)。

如果所有的樣本不只可被超平面分開(kāi)，還與超平面保持一定的函數(shù)距離(圖5函數(shù)距離為1)，那么這樣的分類超平面就是感知機(jī)的最優(yōu)分類超平面，且可證明這樣的超平面只有一個(gè)。與超平面平行且保持一定距離的這兩個(gè)平面對(duì)應(yīng)的向量，即定義為支持向量(圖5)。

圖5 支持向量機(jī)原理概念圖

3.2 SVM預(yù)測(cè)模型訓(xùn)練

3.2.1 預(yù)測(cè)向量的構(gòu)成

本文應(yīng)用球管模型優(yōu)化反演核磁測(cè)井回波，分別得到優(yōu)化T2譜(T2oit)、管形孔T2譜(T2c)、球形孔T2譜(T2s)，共生成三種T2譜分布。針對(duì)每種T2譜提取相應(yīng)的譜形態(tài)參數(shù)(式(2))，包括P1，P2，…，P12共12個(gè)。同時(shí)還計(jì)算相應(yīng)的譜特征參數(shù)：如孔隙度、T2幾何均值和喉孔比(式(3))等參數(shù)。分別用譜形態(tài)參數(shù)組成譜形態(tài)參數(shù)預(yù)測(cè)向量、聯(lián)合預(yù)測(cè)向量(譜形態(tài)參數(shù)結(jié)合譜特征值組成)。

在與T2譜對(duì)應(yīng)的深度上，根據(jù)常規(guī)測(cè)井結(jié)果、巖心分析物性數(shù)據(jù)及生產(chǎn)測(cè)試數(shù)據(jù)，按物性好差將儲(chǔ)層分成不同類別，并對(duì)每個(gè)類別賦值。本次針對(duì)準(zhǔn)噶爾盆地HM工區(qū)的上烏爾禾組巖石，將儲(chǔ)層分為5個(gè)類別，分別用0～1之間數(shù)據(jù)數(shù)值表示，賦值含義如表1所示?；陬A(yù)測(cè)向量，用SVM進(jìn)行訓(xùn)練，建立以上2個(gè)預(yù)測(cè)向量與儲(chǔ)層分類參數(shù)之間的預(yù)測(cè)模型。

表1 礫巖儲(chǔ)層類別賦值

3.2.2 預(yù)測(cè)模型優(yōu)選

優(yōu)化反演核磁測(cè)井回波得到3種不同類型的T2譜分布，即管形孔T2c譜、球形孔T2s譜和優(yōu)化反演T2oit譜。其中，T2c譜主要反映儲(chǔ)層的滲流能力，T2s譜主要反映儲(chǔ)層的儲(chǔ)集能力，T2oit譜主要與儲(chǔ)層總孔隙度有關(guān)。通過(guò)圖形形態(tài)參數(shù)提取和特征值計(jì)算，三種T2譜可形成譜形態(tài)參數(shù)預(yù)測(cè)向量和聯(lián)合預(yù)測(cè)向量，分別采用SVM算法建立譜形態(tài)參數(shù)預(yù)測(cè)向量、聯(lián)合預(yù)測(cè)向量與儲(chǔ)層分類參數(shù)之間的預(yù)測(cè)模型(圖6、圖7)，針對(duì)所選樣本的T2c、T2s、T2oit三種譜，共計(jì)訓(xùn)練生成6個(gè)預(yù)測(cè)模型。

圖6 CIFLLog解釋軟件的SVM預(yù)測(cè)插件調(diào)用界面

圖7 基于譜形態(tài)參數(shù)的儲(chǔ)層分類方法

對(duì)比研究這6個(gè)預(yù)測(cè)模型，發(fā)現(xiàn)用SVM算法建立T2譜圖形參數(shù)向量對(duì)于儲(chǔ)層分類參數(shù)的預(yù)測(cè)具有一定的預(yù)測(cè)精度，即對(duì)于儲(chǔ)層類型具有一定的識(shí)別能力，但預(yù)測(cè)模型的總體符合率偏低，預(yù)測(cè)精度范圍是60%～71%(表2)。通過(guò)分析，以T2譜的譜形態(tài)參數(shù)為主，引入T2譜特征參數(shù)，如T2譜幾何均值、孔隙度、喉孔比(式(3))，組成聯(lián)合預(yù)測(cè)向量，用SVM算法建立聯(lián)合預(yù)測(cè)向量與儲(chǔ)層分類參數(shù)之間的預(yù)測(cè)模型。

表2 優(yōu)化譜預(yù)測(cè)模型總符合率

在訓(xùn)練過(guò)程中發(fā)現(xiàn)，將T2譜形態(tài)參數(shù)與不同的特征參數(shù)進(jìn)行組合，形成不同的聯(lián)合預(yù)測(cè)量，其預(yù)測(cè)模型對(duì)儲(chǔ)層分類參數(shù)的預(yù)測(cè)精度是不斷變化的。

當(dāng)引入喉孔比后的優(yōu)化總譜形態(tài)參數(shù)向量，建立的預(yù)測(cè)模型對(duì)儲(chǔ)層分類參數(shù)的預(yù)測(cè)精度得到顯著提高，其預(yù)測(cè)總符合率從64.54%提高到92.2%(圖8)，而管形孔T2c譜引入喉孔比后預(yù)測(cè)模型的總符合率最高(圖9)，此預(yù)測(cè)模型為最優(yōu)模型。用SVM算法建立聯(lián)合預(yù)測(cè)向量與儲(chǔ)層物性分類參數(shù)之間的預(yù)測(cè)模型，對(duì)于141個(gè)訓(xùn)練樣本，其模型預(yù)測(cè)符合率也高達(dá)93.62%。選取已知的、但未參與模型訓(xùn)練的27個(gè)樣本數(shù)，對(duì)儲(chǔ)層物性分類參數(shù)預(yù)測(cè)模型進(jìn)行檢驗(yàn)。其中，符合的有19個(gè)，占70.4%；部分符合的有7個(gè)，占25.9%；完全不符合的只有1個(gè)，占3.7%(圖10，表3)。

圖8 優(yōu)化反演T2譜形參數(shù)總符合率

圖9 優(yōu)化反演T2c譜形參數(shù)總符合率

表3 儲(chǔ)層物性分類參數(shù)模型(引入喉孔比)檢測(cè)樣本的預(yù)測(cè)精度

圖10 儲(chǔ)層物性分類參數(shù)模型識(shí)別效果分析

4 SVM模型識(shí)別效果分析

4.1 不同類型譜的預(yù)測(cè)模型精度對(duì)比分析

以上的研究結(jié)果表明，采用球管模型優(yōu)化反演，可以得到3種不同類型T2譜分布。針對(duì)每個(gè)T2譜分布，分別提取譜形態(tài)參數(shù)，計(jì)算譜特征值，分別形成譜形態(tài)預(yù)測(cè)向量和聯(lián)合預(yù)測(cè)向量(譜形態(tài)參數(shù)+譜特征值)。應(yīng)用SVM訓(xùn)練預(yù)測(cè)模型，共計(jì)生成6個(gè)預(yù)測(cè)模型。逐個(gè)對(duì)比這6個(gè)模型的預(yù)測(cè)精度，發(fā)現(xiàn)T2c在使用聯(lián)合預(yù)測(cè)向量建立儲(chǔ)層物性分類參數(shù)的預(yù)測(cè)模型效果最好，綜合預(yù)測(cè)精度達(dá)到93.62%(圖9)。其中的物理機(jī)制是：球管模型優(yōu)化反演算法采用球形孔與管形孔的組合形態(tài)確定核磁回波的反演策略。優(yōu)化反演得到的T2c主要反映巖石中的滲流能力，而巖石的滲流能力與儲(chǔ)層物性密切相關(guān)[33]。采用對(duì)數(shù)均勻布點(diǎn)的方式，對(duì)橫向弛豫時(shí)間的組分進(jìn)行劃分，其本質(zhì)是假設(shè)巖石內(nèi)部的孔隙均為球形孔[34]。

同理，采用T2s及對(duì)應(yīng)的聯(lián)合預(yù)測(cè)向量，建立儲(chǔ)層物性分類參數(shù)預(yù)測(cè)模型，其預(yù)測(cè)精度也不高。這是因?yàn)門(mén)2s主要反演巖石內(nèi)部球形孔的發(fā)育程度和空間分布。球形孔反映巖石內(nèi)部的儲(chǔ)集能力，與巖石的滲流能力無(wú)很強(qiáng)相關(guān)性。因此，用T2s建立儲(chǔ)層物性分類參數(shù)的預(yù)測(cè)模型精度不高。用T2oit建立儲(chǔ)層物性預(yù)測(cè)模型精度僅低于T2c的預(yù)測(cè)模型。由于T2oit包含了管形孔和球形孔的發(fā)育特征，其模型預(yù)測(cè)精度降低與球形孔譜的干擾有關(guān)。

4.2 實(shí)際測(cè)井處理預(yù)測(cè)結(jié)果分析

研究結(jié)果證明，T2c譜形態(tài)參數(shù)結(jié)合喉孔比參數(shù)構(gòu)成的預(yù)測(cè)向量，用SVM算法訓(xùn)練建立的儲(chǔ)層物性分類參數(shù)預(yù)測(cè)模型，該預(yù)測(cè)模型具有最高預(yù)測(cè)精度。應(yīng)用此模型處理了HM工區(qū)上烏爾禾組10口核磁測(cè)井?dāng)?shù)據(jù)。將儲(chǔ)層物性分類參數(shù)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果與巖心測(cè)試、產(chǎn)層等數(shù)據(jù)進(jìn)行對(duì)比分析，發(fā)現(xiàn)兩者之間具有很好的一致性(圖11～圖13)。

圖13 J4井SVM模型實(shí)際預(yù)測(cè)成果圖(試油段3167～3175m)

圖11的測(cè)試井段位于2856～2866m。該井段顯示較強(qiáng)的球形孔譜、較長(zhǎng)的橫向弛豫時(shí)間，說(shuō)明具有較多、且半徑較大的球形孔分布，即該段儲(chǔ)層具有較好的儲(chǔ)集孔隙；分析圖還發(fā)現(xiàn)，該井段的管形孔譜很弱(譜峰很低)，說(shuō)明滲流性欠佳，預(yù)測(cè)儲(chǔ)層分類值位于0.6～1.0之間，屬于儲(chǔ)集孔隙良好但滲流性不好的儲(chǔ)集層。該井段壓裂前幾乎不具產(chǎn)液能力，而壓裂后油、氣、水的日抽吸產(chǎn)量分別達(dá)到34.14t、10.85m3、159.66m3。該產(chǎn)量與儲(chǔ)層物性分類參數(shù)的預(yù)測(cè)結(jié)果一致。

圖11 J2井SVM模型實(shí)際預(yù)測(cè)成果圖(試油段2856～2866m)

圖12的測(cè)試井段位于3033～3049m。該圖在整個(gè)井段都具有較強(qiáng)(譜分布具有較強(qiáng)峰值)的球形譜，但只在部分井段具有較強(qiáng)的管形譜，也即該井段的整體儲(chǔ)集物性較好，但只在部分井段具有較強(qiáng)滲流能力。在測(cè)試井段，物性分類預(yù)測(cè)模型在其間預(yù)測(cè)的物性分類值大多在0.8～1.0之間，分別屬于優(yōu)質(zhì)儲(chǔ)層和良好儲(chǔ)層。該井段壓裂抽吸產(chǎn)量為：日產(chǎn)油17.71t、氣0.76m3、水166.51m3。據(jù)T2c譜的顯示特征，3045～3050m井段具有相對(duì)強(qiáng)的T2c譜，儲(chǔ)層滲流區(qū)間主要集中于此段，即測(cè)試中流體的主要來(lái)源。該井段測(cè)試油氣產(chǎn)量不高，卻具有較高產(chǎn)水量(達(dá)166.51m3)。其油氣產(chǎn)量不高的原因，可能是油源限制和油井構(gòu)造位置不利；而較高產(chǎn)水量則表明該層段具有較強(qiáng)滲流能力。

圖12 J1井SVM模型實(shí)際預(yù)測(cè)成果圖(試油段3033～3049m)

圖13的測(cè)試井段位于3167～3175m。該井段上半部幾乎未見(jiàn)管形孔，下半部卻具有較發(fā)育的管形孔。上半段儲(chǔ)層物性分類值處于0.2～0.6之間，基本屬于干層和差儲(chǔ)層；下半段儲(chǔ)層物性分類值主要在0.6～0.8之間，屬于良好儲(chǔ)層和較差儲(chǔ)層。測(cè)試該井段，壓裂抽吸后日產(chǎn)水52.27m3。根據(jù)管形孔譜的發(fā)育特征即儲(chǔ)層物性分類值預(yù)測(cè)結(jié)果，認(rèn)為產(chǎn)水主要來(lái)自下半段。

5 結(jié)論

基于優(yōu)化反演的T2譜提取了譜形態(tài)參數(shù)、計(jì)算了譜的特征值，用SVM算法訓(xùn)練預(yù)測(cè)向量，建立了儲(chǔ)層物性分類參數(shù)預(yù)測(cè)模型，并對(duì)其進(jìn)行了檢驗(yàn)和應(yīng)用。通過(guò)研究，得到以下認(rèn)識(shí)和結(jié)論：

(1)應(yīng)用球管模型優(yōu)化反演得到優(yōu)化T2總譜、管形孔T2譜和球形孔T2譜，基于提取的譜形態(tài)參數(shù)建立了儲(chǔ)層參數(shù)預(yù)測(cè)模型，以此對(duì)儲(chǔ)層做分類評(píng)價(jià)。

(2)分析不同向量建立預(yù)測(cè)模型的預(yù)測(cè)精度，發(fā)現(xiàn)用聯(lián)合預(yù)測(cè)向量(管形孔T2譜的譜形態(tài)參數(shù)與喉孔比組成)建立預(yù)測(cè)模型的精度最高，綜合預(yù)測(cè)精度為93.62%。

(3)儲(chǔ)層物性分類參數(shù)預(yù)測(cè)結(jié)果與測(cè)試數(shù)據(jù)具有較好一致性?；趦?chǔ)層物性分類參數(shù)模型預(yù)測(cè)的高分類值(0.8～1.0)，與測(cè)試井段高產(chǎn)流體量具有很好對(duì)應(yīng)關(guān)系。將儲(chǔ)層物性分類參數(shù)的預(yù)測(cè)值與T2c譜、T2s譜進(jìn)行綜合對(duì)比分析，還能確定測(cè)試層段內(nèi)部的非均質(zhì)性，進(jìn)一步精細(xì)劃定產(chǎn)液層段。