董越， 李永強(qiáng)， 曹茜， 唐力

(1.中國石化石油勘探開發(fā)研究院， 北京 102200； 2.中國石油長慶油田分公司勘探開發(fā)研究院， 西安 710018； 3.中國石油華北油田公司， 任丘 062552)

傳統(tǒng)的以直井井網(wǎng)開發(fā)的砂巖油藏已具有比較成熟的儲(chǔ)層表征與建模的方法。該方法以錄井、測井、地震等作為基本資料，通過較為完善的井網(wǎng)，首先開展精細(xì)的地層對比，建立地層格架[1]；隨后在格架內(nèi)部識(shí)別不同類型沉積相(巖石相)，明確砂體發(fā)育規(guī)律[2]；最后通過變差函數(shù)的控制，以井控點(diǎn)的已知數(shù)據(jù)推測未井控部位的數(shù)據(jù)[3]，在全區(qū)進(jìn)行沉積相(巖石相)建模，形成三維地質(zhì)模型，再以相控的手段建立孔滲模型[4]。

上述儲(chǔ)層表征方法在中國已有多個(gè)成功案例，指導(dǎo)了大量儲(chǔ)層開發(fā)的工作[5]。然而，在鹽家油田鹽227塊以水平井開發(fā)的砂礫巖油藏研究中，該方法具有較大的不適用性。首先，水平井資料主要以優(yōu)質(zhì)儲(chǔ)層為鉆探目標(biāo)，因此存在一定取樣偏差，在直接應(yīng)用于儲(chǔ)層表征之前，應(yīng)進(jìn)行一定的預(yù)處理，但目前相關(guān)研究、方法較少；其次，砂礫巖儲(chǔ)層在沉積過程中屬于事件沉積，礫、砂、泥在沉積過程中快速堆積，本身相變較快[6-7]，通過測井資料直接識(shí)別沉積相(巖石相)較為困難[8]。第三，水平井在數(shù)據(jù)邏輯結(jié)構(gòu)、數(shù)據(jù)空間分布上也都與直井存在較大差異，水平井?dāng)?shù)據(jù)如何進(jìn)行變差函數(shù)分析、如何用于建模一直是難以解決的問題，這進(jìn)一步增加了鹽227塊砂礫巖油藏表征的難度。

為解決上述問題，現(xiàn)以巖心、測錄井、地震等為基本資料，提出了一套全新的水平井開發(fā)的砂礫巖儲(chǔ)層表征方法。該方法首先以“向量角抽稀”的方法對水平井測井資料進(jìn)行預(yù)處理，消除了水平井?dāng)?shù)據(jù)的取樣偏差；其次通過卷積神經(jīng)網(wǎng)絡(luò)的手段對測井?dāng)?shù)據(jù)進(jìn)行深度學(xué)習(xí)，以數(shù)據(jù)自識(shí)別的方法建立了高精度的單井巖石相識(shí)別結(jié)果，作為地質(zhì)建模的基礎(chǔ)數(shù)據(jù)；最后，應(yīng)用變差橢圓法對巖石相數(shù)據(jù)進(jìn)行空間變差函數(shù)分析，并以隨機(jī)模擬的手段建立地質(zhì)模型，完成對儲(chǔ)層的表征。經(jīng)過驗(yàn)證，儲(chǔ)層表征結(jié)果與實(shí)際生產(chǎn)數(shù)據(jù)吻合度較高。該方法對于研究區(qū)及類似區(qū)塊油藏表征具有一定指導(dǎo)意義。

圖1 鹽227塊構(gòu)造位置圖Fig.1 Structural location of Y227 block

1 鹽227塊地質(zhì)概況

鹽227塊砂礫巖油藏位于鹽家油田中部，其構(gòu)造位置處于東營凹陷北部陡坡帶東端、陳家莊凸起南部、鹽18古沖溝的西側(cè)翼(圖1)。

1.1 構(gòu)造特征

在垂向上，鹽家地區(qū)主要受陳南斷層的控制。主斷面以鏟式構(gòu)造為主，上部傾角約為50°，下部較緩，傾角約為30°。

在平面上，鹽家地區(qū)呈現(xiàn)“溝梁相間”的特征。鹽227塊該區(qū)沙四段砂礫巖體構(gòu)造相對簡單，呈鼻狀形態(tài)，地層西南低北東高，地層傾角8°～20°；埋深 3 210～3 860 m(圖2)，最大厚度達(dá)到 650 m，地層北薄南厚，呈楔形。

1.2 沉積特征

在沙河街組沉積時(shí)期地形高差較大，陳家莊凸起成為該區(qū)主要的物源，地形高差大、沉積速度快，在鹽227塊沉積厚層砂礫巖體。鹽227塊主力含油層段為沙河街組沙四段，構(gòu)造上呈單斜狀分布(圖2)，縱向上可以劃分為4個(gè)砂組，儲(chǔ)層主要分布于3、4砂組[9]。

該地層屬于一套近岸水下扇沉積，整體巖性較粗，以厚層致密砂礫巖為主，泥質(zhì)隔夾層發(fā)育較弱。自下而上碎屑粒度由粗變細(xì)，整體呈現(xiàn)正旋回的特點(diǎn)。巖性主要為中粗砂巖、含礫砂巖、礫狀砂巖、細(xì)礫巖、中礫巖等，砂地比達(dá)到92.6%，細(xì)粒沉積物中普遍含有砂礫，分選磨圓較差。成分成熟度和結(jié)構(gòu)成熟度均較低，常見重礦物發(fā)育，體現(xiàn)其近源快速堆積的特征。取心井巖心觀察發(fā)現(xiàn)泥巖以深灰色及黑色為主，常見砂質(zhì)滑動(dòng)、包卷層理等構(gòu)造，反映其沉積水體較深、地形坡度較大以及濁流沉積的特征。

1.3 開發(fā)情況

該油藏以9口叢式水平井和3口直井進(jìn)行開發(fā)[10]，目前已進(jìn)入高含水期，亟需開展精細(xì)油藏三維地質(zhì)表征以對剩余油挖潛提供指導(dǎo)。

2 水平井測井資料預(yù)處理

2.1 水平井?dāng)?shù)據(jù)樣本偏差

在空間中，地質(zhì)體水平發(fā)育規(guī)模和垂向發(fā)育規(guī)模存在較大差異，這導(dǎo)致了水平井與直井在數(shù)據(jù)結(jié)構(gòu)上表現(xiàn)出較大不同。一般情況下，可近似看作均質(zhì)的地質(zhì)體在水平向的展布規(guī)模遠(yuǎn)遠(yuǎn)大于垂向展布規(guī)模。以蘇里格氣田石盒子組儲(chǔ)層為例，其水下辮狀河道微相中的辮流帶水平向延伸長度可達(dá)200～1 000 m，而垂向上的厚度一般只有10～20 m(圖3)。因此，相較于直井，水平井井段內(nèi)會(huì)更多地鉆遇較為優(yōu)質(zhì)的儲(chǔ)集體。此外，水平井在鉆井過程中會(huì)進(jìn)行軌跡控制，其目的也是為了鉆遇更多優(yōu)質(zhì)儲(chǔ)集體。因此，相較于直井，水平井?dāng)?shù)據(jù)將存在相當(dāng)大的樣本偏差。

在建模過程中，水平向網(wǎng)格的規(guī)模也遠(yuǎn)遠(yuǎn)大于垂向網(wǎng)格的規(guī)模。在油藏開發(fā)階段，通常水平向網(wǎng)格的規(guī)模可達(dá)20～50 m，而垂向網(wǎng)格一般在1～3 m。因此，盡管可以通過測井曲線精確識(shí)別巖石相，但在建模過程的第一步——數(shù)據(jù)采樣(即將穿過模型單一網(wǎng)格的大量數(shù)據(jù)歸一為單一數(shù)據(jù)，作為該網(wǎng)格內(nèi)的原始數(shù)據(jù)，也稱為“粗化”；一般對于巖石相、沉積相等離散數(shù)據(jù)，歸一的方法為“most of”，即最多值)過程中，由于水平井更多地鉆遇了優(yōu)質(zhì)儲(chǔ)層，因此儲(chǔ)集性能較差的巖石相會(huì)在粗化過程中被嚴(yán)重遮蔽(圖3)。

圖2 鹽227塊構(gòu)造井位圖Fig.2 Structure and production wells of Y227 block

圖3 水平井?dāng)?shù)據(jù)樣本偏差及數(shù)據(jù)粗化過程中的遮蔽效應(yīng)(引自文獻(xiàn)[11]，略有修改)Fig.3 Sample bias of horizontal wells and shield effect in data upscaling (cited from literature[11] and slightly modified)

上述分析表明：水平井?dāng)?shù)據(jù)在本質(zhì)上就存在較大的樣本偏差，而三維建模的數(shù)據(jù)粗化方法又會(huì)進(jìn)一步放大該樣本偏差。如果未對水平井?dāng)?shù)據(jù)進(jìn)行預(yù)處理而直接用于地質(zhì)建模，則會(huì)導(dǎo)致建模結(jié)果過于樂觀，即代表高儲(chǔ)集性的巖石相的比例遠(yuǎn)大于真實(shí)情況。

2.2 向量角抽稀方法

上述分析表明，在利用水平井測井曲線進(jìn)行巖石相識(shí)別、儲(chǔ)層地質(zhì)建模之前，很有必要先對測井?dāng)?shù)據(jù)進(jìn)行預(yù)處理，以消除樣本偏差的影響。目前針對水平井?dāng)?shù)據(jù)糾偏的研究較少，因此借鑒了遙感、測繪學(xué)中點(diǎn)云數(shù)據(jù)的三角網(wǎng)抽稀法[12]，創(chuàng)新性地提出了向量角抽稀法，以對水平井測井?dāng)?shù)據(jù)進(jìn)行預(yù)處理。

圖4 三角網(wǎng)抽稀方法Fig.4 Triangle network thinning methods

圖5 向量角抽稀方法Fig.5 Vector angle thinning methods

在水平井?dāng)?shù)據(jù)質(zhì)量控制過程中，可以借鑒三角網(wǎng)抽稀法對數(shù)據(jù)進(jìn)行抽稀。相比于測繪高程數(shù)據(jù)，水平井測井曲線的維度由三維降至二維，因此對于某一點(diǎn)P，其周圍有且只有2個(gè)測井?dāng)?shù)據(jù)點(diǎn)(假設(shè)為A和B)，如圖5所示。AP和BP兩條線段的法向量記為n1和n2，若n1和n2夾角小于某個(gè)設(shè)定的角閾值，則認(rèn)為P點(diǎn)與周圍兩個(gè)點(diǎn)的差異不大，可刪除P點(diǎn)。在確定閾值的過程中，需要考慮測井曲線本身的數(shù)值起伏。對于密度測井等曲線，其起伏本身較小，因此可以確定相對較大的閾值；而對于電阻率測井等，則需要確定較小的閾值。此外，抽稀可進(jìn)行多次，結(jié)合地質(zhì)認(rèn)識(shí)挑選最后的結(jié)果。

2.3 水平井測井資料處理結(jié)果

鹽227塊鉆井資料較全，常規(guī)測井曲線均可收集到?？紤]到測井曲線主要用于儲(chǔ)層巖石相的識(shí)別，因此挑選對于巖石相較為敏感的曲線進(jìn)行資料處理。分析認(rèn)為，鹽227塊砂礫巖儲(chǔ)層不同巖石相之間的主要差異為巖石密度、孔隙度，而孔隙度大小又進(jìn)一步影響了巖石骨架與孔隙流體的比例。因此挑選了中子孔隙度(CNL)、密度曲線(DEN)和聲波時(shí)差曲線(AC)等進(jìn)行抽稀預(yù)處理，以用于后續(xù)巖石相識(shí)別。

通過MATLAB軟件進(jìn)行編程，并完成了9口水平井相關(guān)測井曲線的處理。經(jīng)過反復(fù)實(shí)驗(yàn)，結(jié)合前期地質(zhì)認(rèn)識(shí)，認(rèn)為取迭代次數(shù)n=2時(shí)抽稀效果最符合真實(shí)情況。

3 儲(chǔ)層巖石相識(shí)別

3.1 鹽227塊儲(chǔ)層巖心巖石相類型

巖石相是某一沉積微相中可近似看作均一體的巖性組合，同一巖石相的巖性、電性、物性具有相似性。狹義的巖石相應(yīng)定義為巖性及沉積構(gòu)造相似的巖石組合。在實(shí)際研究中，一般通過相似巖性來定義巖石相。

對于鹽227塊砂礫巖油藏的巖心巖石相類型、物性、含油性等特征的討論參見文獻(xiàn)[14]，按照巖石粒度大小，可在巖心上識(shí)別出泥巖相、含礫砂巖相、礫巖相三類，巖石粒度依次增大。其中含礫砂巖相的物性和含油性較好，礫巖相較差，而泥巖則為非儲(chǔ)層，物性最差。

通過巖心數(shù)據(jù)，可以精確識(shí)別儲(chǔ)層巖石相類型和發(fā)育厚度。然而，取心井和取心段均分布較少，無法覆蓋全區(qū)。在鹽227塊，取心井只有Y227和Y227-1兩口井，取心段長度也只有106 m。如何將巖心識(shí)別的儲(chǔ)層巖石相推廣到非取心井或者取心井的非取心段是儲(chǔ)層表征的關(guān)鍵問題。

3.2 巖石相識(shí)別常規(guī)方法

通過巖心刻度測井，采取測井曲線交會(huì)圖和人工干預(yù)相結(jié)合的方法，可以在常規(guī)儲(chǔ)層有效識(shí)別巖石相[15-16]。這是因?yàn)槌Ｒ?guī)儲(chǔ)層在沉積過程中搬運(yùn)過程遠(yuǎn)，沉積速度相對慢，沉積分異較好，巖性相對較純。因此不同巖石相的電性特征差異較大，通過兩條測井曲線就可以有效地在交會(huì)圖上將不同巖石相區(qū)分開來。部分三角洲前緣沉積甚至可以通過自然電位(SP)或者伽馬(GR)一條曲線就能識(shí)別泥巖相和砂巖相。

然而，砂礫巖儲(chǔ)層的沉積模式與常規(guī)儲(chǔ)層差異較大。近岸水下扇沉積速度快，礫、砂、泥來不及完成沉積分異，相互混雜地快速堆積在構(gòu)造斜坡底部，形成扇體沉積。因此，砂礫巖儲(chǔ)層巖性的特征是礫中有砂，砂中有泥，泥中有礫，不同粒度的組分混雜地堆積在一起。這就導(dǎo)致難以通過測井曲線以交會(huì)圖的方式簡單地將不同巖石相區(qū)分開來，從而無法在無取心的井或井段上識(shí)別巖石相。

3.3 SegNet卷積神經(jīng)網(wǎng)絡(luò)

SegNet模型在最初的卷積模型Lenet的基礎(chǔ)上做了進(jìn)一步深化，能夠深度學(xué)習(xí)數(shù)據(jù)內(nèi)在本質(zhì)結(jié)構(gòu)。該模型最初被應(yīng)用于自動(dòng)駕駛和智能機(jī)器人深度圖像語義分割，目前也廣泛應(yīng)用于遙感、地震、測井等圖像的識(shí)別和分割[17-19]。

SegNet網(wǎng)絡(luò)主要通過編碼器—解碼器的結(jié)構(gòu)來對輸入數(shù)據(jù)進(jìn)行處理，形成輸出數(shù)據(jù)。編碼器實(shí)際上是一系列非線性處理模塊，每個(gè)模塊都包含數(shù)個(gè)卷積層、歸一化層、激勵(lì)函數(shù)層和池化層。其中，卷積層主要負(fù)責(zé)圖像本質(zhì)特征提取，而池化層主要負(fù)責(zé)降維。通過這樣一系列模塊，輸入的圖像數(shù)據(jù)由高維向量向低維向量轉(zhuǎn)換，實(shí)現(xiàn)了對高維數(shù)據(jù)中最為本質(zhì)的低維平移不變性特征的提取。由于數(shù)據(jù)發(fā)生了降維，因此在編碼器中，數(shù)據(jù)每通過一個(gè)非線性模塊，數(shù)據(jù)量都會(huì)減半。隨后，數(shù)據(jù)被輸入解碼器。解碼器也由一系列非線性模塊構(gòu)成，是編碼的反過程。通過解碼，低維數(shù)據(jù)被重新提升至高維，數(shù)據(jù)量逐步翻倍至初始水平，并在此過程中實(shí)現(xiàn)重構(gòu)[20](圖6)。

利用測井曲線進(jìn)行巖石相識(shí)別的過程本質(zhì)上也是圖像識(shí)別的過程。該過程包括SegNet模型訓(xùn)練和巖石相識(shí)別兩步。第一步，通過巖心上識(shí)別的巖石相數(shù)據(jù)作為label(即標(biāo)志數(shù)據(jù))，測井曲線作為輸入數(shù)據(jù)，對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，確定合適的非線性模塊數(shù)量和卷積層數(shù)量；第二步，將測井曲線再次輸入到訓(xùn)練好的SegNet網(wǎng)絡(luò)中，實(shí)現(xiàn)對于測井曲線的分類分割，其結(jié)果即識(shí)別出的巖石相(圖7)。對于識(shí)別結(jié)果影響較大的參數(shù)為SegNet網(wǎng)絡(luò)結(jié)構(gòu)的非線性模塊數(shù)量和卷積層數(shù)量。

3.4 巖石相識(shí)別結(jié)果

通過反復(fù)實(shí)驗(yàn)，確定了SegNet網(wǎng)絡(luò)結(jié)構(gòu)中的核心要素：非線性模塊數(shù)量和卷積層數(shù)量。研究認(rèn)為，當(dāng)編碼器末端非線性模塊中的數(shù)據(jù)量大小為巖石相類別(輸入數(shù)據(jù)中Label內(nèi)的類別數(shù)量，本次研究中類別數(shù)為3)的1～2倍時(shí)效果最好。以含礫砂巖相為例，其平均厚度約為8 m，按照測井采樣密度(8數(shù)據(jù)點(diǎn)/m)，其數(shù)據(jù)量為64×1，則第一個(gè)非線性模塊輸出數(shù)據(jù)量為32×1，第二個(gè)為16×1，以此類推，第4個(gè)為4×1，滿足要求。因此，最終SegNet模型的非線性模塊數(shù)量設(shè)計(jì)為8個(gè)(解碼和編碼各4個(gè))。

卷積層的數(shù)量在各非線性模塊中并不相同。實(shí)驗(yàn)認(rèn)為，可將后面模塊中卷積層的數(shù)量設(shè)置為前一模塊的兩倍。例如，第一個(gè)模塊中卷積層數(shù)量為16個(gè)，則第二個(gè)設(shè)置為32個(gè)，第三個(gè)設(shè)置為64個(gè)，以此類推。

在設(shè)置好Segnet卷積模型后，以預(yù)處理后的聲波(AC)中子(CNL)、密度(DEN)等曲線作為輸入數(shù)據(jù)，完成了鹽227塊沙四段3、4砂組儲(chǔ)層單井巖石相的識(shí)別(圖8)。通過與巖心識(shí)別巖石相對比，準(zhǔn)確度較高，平均達(dá)90%。

圖6 SegNet卷積網(wǎng)絡(luò)模型Fig.6 SegNet convolutional neural networks model

圖7 基于卷積網(wǎng)絡(luò)的巖石相識(shí)別模型Fig.7 Lithofacies identification model based on SegNet convolutional neural networks

圖8 基于卷積網(wǎng)絡(luò)的巖石相識(shí)別結(jié)果Fig.8 Lithofacies identification results based on SegNet convolutional neural networks

4 水平井變差函數(shù)分析

4.1 水平井?dāng)?shù)據(jù)的特殊性

直井?dāng)?shù)據(jù)用于三維地質(zhì)隨機(jī)建模的技術(shù)已經(jīng)比較成熟。將地層網(wǎng)格化后，可直接將直井巖石相數(shù)據(jù)采樣至網(wǎng)格內(nèi)，在變差函數(shù)的控制下，通過序貫高斯模擬的方法，以已知網(wǎng)格推測未知網(wǎng)格，最終完成隨機(jī)模擬。這是因?yàn)椋涸陂_發(fā)階段直井?dāng)?shù)量較多、井距較小、井位排布相對規(guī)則，可以保證在各個(gè)方向都能有足夠多的數(shù)據(jù)來支持變差函數(shù)的分析，得到有效的主次變程。然而水平井?dāng)?shù)據(jù)在空間分布上與直井存在較大差異。與直井?dāng)?shù)據(jù)在平面上呈規(guī)則的“點(diǎn)云”狀分布不同，水平井?dāng)?shù)據(jù)的分布呈“串”狀，在沿水平井軌跡的方向數(shù)據(jù)密集，而在垂直井軌跡的方向上幾乎沒有數(shù)據(jù)。因此以常規(guī)方法進(jìn)行水平向變差函數(shù)分析時(shí)，將會(huì)因?yàn)闆]有足夠數(shù)據(jù)的支撐而導(dǎo)致變差函數(shù)不收斂、主次變程無法求取的問題，從而導(dǎo)致隨機(jī)模擬無法進(jìn)行。因此，如何應(yīng)用水平井?dāng)?shù)據(jù)進(jìn)行變差函數(shù)分析，成為制約油藏地質(zhì)建模的關(guān)鍵問題。

4.2 變差橢圓分析方法

考慮到水平井?dāng)?shù)據(jù)的特殊性，提出了一套針對水平井的變差函數(shù)分析方法。與直井直接求取變差函數(shù)不同，水平井?dāng)?shù)據(jù)可先求單井變差函數(shù)，然后通過擬合變程橢圓來間接求取主次變程。

(1)單井一維變程求取?？紤]到水平井?dāng)?shù)據(jù)在沿井軌跡方向上比較密集，因此在對巖石相做變差函數(shù)分析的過程中，首先分析其單井一維變程。沿著井軌跡的方向，按照一定的滯后距取得該參數(shù)的相應(yīng)點(diǎn)對，通過計(jì)算得到變差函數(shù)，并由此獲得巖石相在該井軌跡方向上的一維的變程。例如，在鹽227塊內(nèi)進(jìn)行孔隙度的變差函數(shù)分析過程中，就可以獲得沿著鹽227-1HF、鹽227-2HF、…、鹽227-9HF等9條代表不同方向的變程(圖9)。

圖9 鹽227塊含礫砂巖相變程橢圓Fig.9 Variogram ellipse of pebbly sand facies

(2)變程橢圓的擬合。根據(jù)地質(zhì)統(tǒng)計(jì)學(xué)原理，同一參數(shù)在不同方向上的變程應(yīng)可以組成一個(gè)變程橢圓：該橢圓的長軸方向和大小代表了此參數(shù)主變程的方向和大小，而短軸方向的代表了此參數(shù)次變程的方向和大小。因此，在得到某參數(shù)沿?cái)?shù)個(gè)方向的變程后，可以用這幾個(gè)變程擬合出一個(gè)變成橢圓，通過量取這個(gè)橢圓長短軸的大小和方向，即可求取該參數(shù)主次變程的大小和方向(圖9)。

由于沿著水平井方向取點(diǎn)對能夠設(shè)置較小的滯后距，因此能夠獲取大量的點(diǎn)對用于變差函數(shù)的計(jì)算。以上方法能夠獲得更高的精度，并有效解決了常規(guī)方法應(yīng)用于本區(qū)存在的塊金值高、點(diǎn)對數(shù)量少、變差函數(shù)不收斂、變程無法確定等問題。

圖10 鹽227塊巖石相模型Fig.10 Lithofacies model of Y227 block

4.3 水平向變差函數(shù)分析結(jié)果

應(yīng)用鹽227塊9口水平井單井巖石相識(shí)別數(shù)據(jù)，通過水平向變差橢圓分析方法，分別求取了泥巖相、含礫砂巖相、礫巖相的水平向主次變程的方向和大小(表1)。分析認(rèn)為，求取過程中單井變差函數(shù)分析結(jié)果收斂，單井變程可信，水平主次變程能夠反映各巖石相的空間展布規(guī)律。

表1 各巖石相主次變程數(shù)據(jù)表

5 巖石相地質(zhì)建模

儲(chǔ)層地質(zhì)建模的基本思路，是在地層網(wǎng)格化的基礎(chǔ)上，將井?dāng)?shù)據(jù)、地震數(shù)據(jù)等各種已知數(shù)據(jù)賦予至網(wǎng)格中，進(jìn)而通過各種算法，依據(jù)網(wǎng)格的空間關(guān)系，內(nèi)插或外推地層所有網(wǎng)格內(nèi)某種屬性的值。這些算法均出自地質(zhì)統(tǒng)計(jì)學(xué)原理，一方面使得網(wǎng)格內(nèi)貯存的數(shù)值符合某種數(shù)學(xué)關(guān)系，另一方面也在此過程中體現(xiàn)了地質(zhì)的思想[21]。

在經(jīng)過水平井測井資料預(yù)處理、儲(chǔ)層巖石相識(shí)別、水平向變差函數(shù)分析后，以單井巖石相數(shù)據(jù)作為硬數(shù)據(jù)，以變差函數(shù)作為控制要素，應(yīng)用序貫高斯模擬的方法建立了鹽227塊巖石相地質(zhì)模型(圖10)。隨后以孔隙度測井為硬數(shù)據(jù)，采用巖石相模型作為控制，應(yīng)用序貫高斯模擬方法建立了孔隙度模型(圖11)。

在此基礎(chǔ)上，結(jié)合生產(chǎn)數(shù)據(jù)，對建模結(jié)果進(jìn)行了驗(yàn)證。首先以孔隙度大于5%作為優(yōu)質(zhì)儲(chǔ)層的發(fā)育標(biāo)準(zhǔn)，對巖石相模型進(jìn)行了模型雕刻，只保留孔隙度大于5%的部分(圖12)。隨后，統(tǒng)計(jì)不同水平井鉆遇連通優(yōu)質(zhì)儲(chǔ)集體的規(guī)模，并與單井產(chǎn)量做交會(huì)(圖13)。

圖11 鹽227塊孔隙度模型Fig.11 Porosity model of Y227 block

圖12 鹽227塊儲(chǔ)層雕刻結(jié)果Fig.12 Reservoir carving results of Y227 block

圖13 水平井單井產(chǎn)量與鉆遇連通優(yōu)質(zhì)儲(chǔ)層體積交會(huì)圖Fig.13 Cross plot of total yield and the volume of connecting send bodies drilled by horizontal well

從圖13可見，單井產(chǎn)量與連通體規(guī)模基本上呈正相關(guān)，即水平井單井鉆遇連通體規(guī)模越大，產(chǎn)量越高。由此可見，建模結(jié)果與生產(chǎn)數(shù)據(jù)能夠很好吻合，建模結(jié)果較為準(zhǔn)確。

6 結(jié)論

充分利用巖心、測井等資料，針對水平井開發(fā)的砂礫巖油藏，提出了一套巖石相地質(zhì)建模方法。經(jīng)過研究，得出以下結(jié)論。

(1) 水平井因更多地鉆遇優(yōu)質(zhì)儲(chǔ)層，因此其資料存在較大取樣偏差，在用于進(jìn)行巖石相識(shí)別之前，需進(jìn)行預(yù)處理。通過向量角抽稀的方法可以剔除部分干擾點(diǎn)。當(dāng)抽稀迭代次數(shù)為n=2時(shí)，處理效果最好。

(2) 采用卷積神經(jīng)網(wǎng)絡(luò)的方法可以有效解決在巖石相識(shí)別過程中，砂礫巖儲(chǔ)層相變快、測井曲線特征不突出等問題。設(shè)置8個(gè)非線性模塊的SegNet模型能夠準(zhǔn)確識(shí)別3類儲(chǔ)層巖石相，識(shí)別精度平均達(dá)90%。

(3) 通過先計(jì)算水平井單井一維變程，隨后擬合變程橢圓的方法，可以解決水平井在特定方向上數(shù)據(jù)量少、水平向變差函數(shù)不收斂的問題，有效求取主次變程。

(4) 通過上述方法，建立了鹽227塊巖石相模型和孔隙度模型。經(jīng)過驗(yàn)證，模型與生產(chǎn)數(shù)據(jù)吻合較好，模型準(zhǔn)確度較高。