王安龍，翁冬子，任培罡，呂 鵬，潘 潞，呂艾新，魏 鋒

（1.中國(guó)石油化工股份有限公司上海海洋油氣分公司勘探開(kāi)發(fā)研究院，上海 200120；2.中石化華東石油工程有限公司科技發(fā)展分公司，江蘇南京 210011）

研究區(qū)位于東海陸架盆地西湖凹陷，致密氣藏埋深主體位于3 000～4 800 m，沉積亞相為三角洲平原、三角洲前緣和潮坪相。儲(chǔ)集層巖性以中-細(xì)砂巖為主，含少量粉砂巖及含礫砂巖。儲(chǔ)層孔隙度主要分布在7%～15%，滲透率主要分布在（0.3～50）×10?3μm2，整體屬于低孔、中-低滲儲(chǔ)層[1]。

研究區(qū)儲(chǔ)層在測(cè)井識(shí)別時(shí)主要的難點(diǎn)：一是孔滲飽等定量解釋參數(shù)精度偏低，不能滿足研究和生產(chǎn)對(duì)參數(shù)的高精度要求，例如對(duì)滲透率的誤差要控制在半個(gè)數(shù)量級(jí)內(nèi)，這在致密及巖性復(fù)雜條件下常規(guī)方法很難達(dá)到；二是致密儲(chǔ)層流體性質(zhì)判斷難。致密儲(chǔ)層的巖性信號(hào)強(qiáng)，流體信號(hào)弱，很多高阻層出水，低電阻層產(chǎn)氣，常造成測(cè)井解釋與生產(chǎn)不符的問(wèn)題；三是海上油氣田單井產(chǎn)量要求較高，測(cè)井不僅要解釋出氣層，還要對(duì)儲(chǔ)層有效性及產(chǎn)能做出判斷。針對(duì)上述疑難問(wèn)題，本文從研究區(qū)儲(chǔ)層特點(diǎn)出發(fā)，從沉積相建模、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)流體性質(zhì)及測(cè)井參數(shù)預(yù)測(cè)產(chǎn)能三個(gè)方面提供解決方法。

1 沉積相約束的測(cè)井模型

不同沉積相下的砂體由于沉積水動(dòng)力條件不同，造成砂體的巖性、礦物成分、分選、粒度、孔喉結(jié)構(gòu)等方面存在差異。例如，三角洲沉積體系中由陸向海巖性逐漸變細(xì)，潮坪相也表現(xiàn)為從中砂巖到細(xì)砂巖、到粉細(xì)砂巖變化（表1），不同巖性會(huì)有不同的孔滲關(guān)系（圖1），不同的巖性也會(huì)導(dǎo)致油氣充滿度存在差異，進(jìn)而影響飽和度參數(shù)；不同沉積相條件下的砂體巖性礦物成分不同（圖2），造成巖石骨架密度變化，影響孔隙度；不同沉積相的砂巖分選性也不同（圖3），分選性的好壞會(huì)影響儲(chǔ)層的均質(zhì)性，也間接影響儲(chǔ)層的膠結(jié)程度[3]，進(jìn)而影響有效孔隙度及滲透率。

圖1 不同巖性孔隙度與滲透率關(guān)系圖Fig.1 Relationship between porosity and permeability of different litholog

圖3 不同沉積相的砂巖分選直方圖Fig.3 Sandstone sorting histograms of different sedimentary facies

表1 不同沉積相的巖心及測(cè)井相特征表[2]Table 1 Core and logging facies characteristics of different sedimentary facies [2]

從上述分析可以得出，砂體的沉積環(huán)境不同會(huì)導(dǎo)致孔隙度、滲透率和飽和度參數(shù)存在較大差異。因此通過(guò)分沉積相類型方式建立測(cè)井解釋模型和解釋參數(shù)是一種反映儲(chǔ)層特征、提高測(cè)井解釋精度的途徑[4-5]。

1.1 相控多元孔隙度模型

曲線敏感性分析表明研究區(qū)的聲波時(shí)差、補(bǔ)償密度及補(bǔ)償中子測(cè)井曲線與孔隙度關(guān)系密切，其中聲波時(shí)差相關(guān)性最高，其次是補(bǔ)償密度曲線和補(bǔ)償中子曲線（表2），可以采用三條曲線計(jì)算孔隙度。

表2 三孔隙度測(cè)井公式表Table 2 Three porosity logging formula table

為進(jìn)一步提高孔隙度解釋精度，采用多元回歸結(jié)合分沉積相的方式建立孔隙度模型。研究區(qū)目標(biāo)層段砂體沉積亞相為三角洲平原相、前緣相、潮坪相，因不同沉積亞相的砂巖孔隙特征存在差異，分沉積亞相建立多參數(shù)模型進(jìn)一步提高了模型的相關(guān)性[6]（表3）。

表3 不同沉積相條件下多參數(shù)孔隙度測(cè)井公式Table 3 Multi-parameter porosity logging formula under different sedimentary facies conditions

1.2 相控覆壓滲透率模型

本次利用巖心物性實(shí)驗(yàn)資料結(jié)合覆壓孔滲校正滲透率的方式建立精細(xì)解釋模型。儲(chǔ)層滲透率主要與儲(chǔ)層孔隙度大小有直接關(guān)系，用其計(jì)算滲透率是業(yè)內(nèi)通用做法。根據(jù)現(xiàn)有孔滲實(shí)驗(yàn)數(shù)據(jù)結(jié)合不同沉積亞相下孔滲相關(guān)性的差異，細(xì)分不同沉積亞相建立滲透率解釋模型（表4）。

表4 不同沉積相下的滲透率公式Table 4 Permeability formulas for different sedimentary facies

上述巖心滲透率數(shù)據(jù)是在常溫常壓條件下實(shí)驗(yàn)所測(cè)，不能代表實(shí)際儲(chǔ)層高溫高壓條件下的真實(shí)滲透率，壓實(shí)作用越強(qiáng)，地下滲透率與地面滲透率差別越大。研究區(qū)埋深3 000～4 800 m，常壓和超壓層均有分布，地層壓力在35～52 MPa 區(qū)間，根據(jù)相關(guān)統(tǒng)計(jì)表明，研究區(qū)儲(chǔ)層滲透率如果不進(jìn)行覆壓校正，滲透率平均絕對(duì)誤差5.26×10?3μm2，平均相對(duì)誤差345%。

因此在上述沉積亞相計(jì)算滲透率的基礎(chǔ)上開(kāi)展覆壓校正，能更好反應(yīng)地下儲(chǔ)層的滲流能力。從圖4 及表5 可以看出，常壓滲透率校正到覆壓條件的校正模型是分段的，大體可以分中高孔滲、中低孔滲及特低孔滲三種，孔滲性差的儲(chǔ)層需要校正的量相對(duì)越大，這也反應(yīng)出壓實(shí)作用對(duì)滲透率影響大[7]。

圖4 滲透率三段式覆壓校正圖Fig.4 Three-stage overburden pressure correction diagram of permeability

表5 常壓與覆壓滲透率公式表Table 5 Permeability formulas of normal pressure and overburden pressure

測(cè)井計(jì)算時(shí)根據(jù)表4 中分沉積相計(jì)算得到的常壓滲透率K常壓，再按照表5 不同K常壓區(qū)間開(kāi)展?jié)B透率的覆壓校正，得到校正后的覆壓滲透率。

1.3 相控含水飽和度模型

從本區(qū)已有儲(chǔ)層巖石礦物成分資料來(lái)看，8 口井105 個(gè)砂巖樣品的黏土分布范圍1.2%～32.8%。平均7.6%； 8 口井94 個(gè)黏土樣品中伊/蒙混層分布范圍1.0%～92.0%。平均22%，導(dǎo)電黏土成分較高，因此在計(jì)算含水飽和度時(shí)需要考慮泥質(zhì)附加導(dǎo)電性的影響。

西門(mén)杜公式是流體加泥質(zhì)導(dǎo)電的雙導(dǎo)電模型，當(dāng)泥質(zhì)的礦物成分伊蒙混層比例高導(dǎo)致泥質(zhì)導(dǎo)電能力較強(qiáng)時(shí)，西門(mén)杜公式更適用。

式中：Sw，含水飽和度，小數(shù)； φ，地層孔隙度，小數(shù)；Rw，地層水電阻率，Ω·m；Rt，地層電阻率，Ω·m；Vsh，泥質(zhì)含量，小數(shù)；Rsh，泥質(zhì)電阻率，Ω·m；m，膠結(jié)指數(shù)，常數(shù)；n，飽和度指數(shù)，常數(shù)。

在選擇合適的飽和度解釋模型基礎(chǔ)上，在巖電參數(shù)上開(kāi)展精細(xì)分類，依照不同沉積相細(xì)分巖電參數(shù)（表6）。從巖電參數(shù)可以看出，不同沉積相下的砂體巖電參數(shù)存在明顯差異，分沉積相建立巖電參數(shù)能更好地反應(yīng)不同砂巖的特性。

表6 不同沉積相條件下巖電參數(shù)統(tǒng)計(jì)Table 6 Statistical of rock electrical parameters under different sedimentary facies conditions

1.4 相控束縛水飽和度模型

束縛水飽和度是流體-巖石之間綜合特性的反映，主要取決于巖石孔隙毛細(xì)管力的大小與巖石對(duì)流體的潤(rùn)濕性?？紫抖群蜐B透率是能間接反映束縛水飽和度大小的巖石物性參數(shù)，孔隙度小的巖石，其孔隙度結(jié)構(gòu)一般較為復(fù)雜，孔隙度空間小，喉道細(xì)，因而能束縛較多的水，形成高束縛水飽和度。采用6 口井的核磁共振實(shí)驗(yàn)資料，建立束縛水飽和度模型。

核磁共振實(shí)驗(yàn)表明，束縛水飽和度與滲透率和孔隙度關(guān)系密切，其中與滲透率相關(guān)性最好，與孔隙度相關(guān)性其次。 通過(guò)上述影響束縛水的因素分析，采用滲孔比建立束縛水飽和度模型。同時(shí)根據(jù)沉積相差異，采用分沉積相建立砂巖束縛水飽和度模型（表7）。

表7 不同沉積相束縛水飽和度模型統(tǒng)計(jì)表Table 7 Statistical table of bound water saturation models of different sedimentary facies

1.5 精度驗(yàn)證

以X 井為例，從圖5 中可以看出利用文中的方法計(jì)算的孔隙度、滲透率和含水飽和度與巖心孔隙度、滲透率和密閉取心含水飽和度吻合性很好，證明文中的方法能有效反應(yīng)儲(chǔ)層，提高儲(chǔ)層參數(shù)的精度。

圖5 X 井測(cè)井解釋孔滲飽與巖心分析值對(duì)比圖Fig.5 The comparison between well logging interpretation porosity, permeability and saturation and core analysis value in well X

2 神經(jīng)網(wǎng)絡(luò)法判別流體性質(zhì)

人工神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的抗干擾能力和非線性表達(dá)能力，其網(wǎng)絡(luò)由神經(jīng)元及神經(jīng)元之間的連接權(quán)組成，它包括了輸入層、隱藏層和輸出層，屬于由正向傳播和反向傳播組成的有導(dǎo)師的學(xué)習(xí)算法(誤差反向傳播算法)，它通過(guò)修改神經(jīng)元之間的連接權(quán)得到期望的輸出。神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)于已知存在某種潛質(zhì)的聯(lián)系但又無(wú)法用確切方程或算法表達(dá)的求解問(wèn)題，有其獨(dú)到之處。利用神經(jīng)網(wǎng)絡(luò)進(jìn)行油氣層定性預(yù)測(cè)，只要能建立一個(gè)良好的具有典型特征的測(cè)井學(xué)習(xí)樣本，就可以用來(lái)處理一個(gè)測(cè)井問(wèn)題。它可以避免在建立測(cè)井解釋中模型所帶來(lái)的復(fù)雜性，直接通過(guò)學(xué)習(xí)樣本，建立測(cè)井信息和所求目標(biāo)之間的關(guān)系[8-9]。

以標(biāo)準(zhǔn)化和歸一化的自然伽馬、聲波、中子、密度及深電阻率曲線數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入層，隱藏層采用3 層、12 節(jié)點(diǎn)模式（圖6），輸出層分為1 類（油氣層）、2 類（氣水同層）、3 類（水層）、4 類（干層）及5 類（泥巖）5 類的模式，利用經(jīng)測(cè)試的、典型且具有廣泛性的油氣層、氣水層、水層、干層及泥巖層數(shù)據(jù)構(gòu)建的樣本虛擬井作為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本（圖7），利用建立起的學(xué)習(xí)結(jié)果對(duì)未知的儲(chǔ)層進(jìn)行預(yù)測(cè)識(shí)別。以Z 井為例，利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，從圖8第4 道預(yù)測(cè)結(jié)果看，首先對(duì)儲(chǔ)層與非儲(chǔ)層的劃分，砂泥巖儲(chǔ)層的劃分與常規(guī)測(cè)井曲線保持一致，劃分結(jié)果較為準(zhǔn)確（泥巖層為綠色區(qū)域）；對(duì)儲(chǔ)層的流體類型預(yù)測(cè)，砂巖層段（GR 曲線黃色段）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果為1 類氣層（第4 道藍(lán)色區(qū)域），試油結(jié)果為日產(chǎn)氣36.9×104m3/d，油121.8 m3/d，預(yù)測(cè)結(jié)果與試油吻合。

圖6 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模式圖Fig.6 Neural network structure pattern diagram

圖7 利用神經(jīng)網(wǎng)絡(luò)建立虛擬井圖Fig.7 Virtual well diagram established using neural network

圖8 Z 井神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)流體性質(zhì)成果圖Fig.8 Neural network prediction results of fluid properties of Well Z

3 產(chǎn)能預(yù)測(cè)

在油田開(kāi)發(fā)過(guò)程中，油氣儲(chǔ)層的生產(chǎn)能力主要受儲(chǔ)層因素及工程因素影響，在同一區(qū)塊可認(rèn)為工程因素是相對(duì)不變的，因此決定產(chǎn)能的主要因素是儲(chǔ)層因素。本研究通過(guò)產(chǎn)能指數(shù)反應(yīng)儲(chǔ)層產(chǎn)能大小。根據(jù)試油資料，獲取了生產(chǎn)壓差、油氣層厚度和產(chǎn)量，進(jìn)而計(jì)算了油氣層產(chǎn)能指數(shù)PI（單位生產(chǎn)壓差、單位油氣層厚度和單位時(shí)間的油氣層產(chǎn)量）[10-11]，見(jiàn)式（2）。

式中：PI為油氣層產(chǎn)能指數(shù)，104m3/（m·MPa·d）；Q為日產(chǎn)量，104m3/d；h為有效厚度，m；Ps為生產(chǎn)壓差，MPa。

根據(jù)6 口探井9 個(gè)試油層位統(tǒng)計(jì)，每米采油指數(shù)變化為0.01～4.35，結(jié)合儲(chǔ)層分類，把油氣儲(chǔ)層產(chǎn)能的大小分為高、中-高、低產(chǎn)和無(wú)產(chǎn)能4 個(gè)等級(jí)（表8）。

表8 壓汞儲(chǔ)層分類表Table 8 Classification of reservoirs using mercury intrusion method

經(jīng)過(guò)分析，氣層產(chǎn)能指數(shù)與儲(chǔ)層孔隙度、滲透率及含氣飽和度具有相關(guān)性，通過(guò)建立綜合物性指數(shù)（K/ φ）與飽和度（So）乘積建立產(chǎn)能預(yù)測(cè)模型（式（3）），擬合后相關(guān)性得到明顯提高。本區(qū)視產(chǎn)能指數(shù)的計(jì)算公式為：

式中：K為空氣滲透率，10?3μm2；φ為孔隙度，%；PI視為視產(chǎn)能指數(shù)，104m3/（m·MPa·d）；So為含油氣飽和度，%。

以Y 井為例，通過(guò)計(jì)算儲(chǔ)層段平均視產(chǎn)能指數(shù)1.1×104m3/(m·MPa·d)，根據(jù)本井實(shí)際測(cè)試資料，該層測(cè)試厚度3.6 m，生產(chǎn)壓差為6.07 MPa，利用視產(chǎn)能指數(shù)預(yù)測(cè)產(chǎn)能為24.0×104m3/d，實(shí)際測(cè)試日產(chǎn)氣量25.4×104m3/d，兩者吻合性高；對(duì)11 口井預(yù)測(cè)與實(shí)際產(chǎn)能對(duì)比，平均相對(duì)誤差小于15%（表9），表明建立的產(chǎn)能指數(shù)預(yù)測(cè)模型在本區(qū)有較好的適用性，能夠起到預(yù)測(cè)產(chǎn)能的作用。

表9 11 口井預(yù)測(cè)產(chǎn)能與實(shí)際產(chǎn)能對(duì)比表Table 9 Comparison of predicted production capacity and actual production capacity of 11 wells

4 結(jié)論

（1）在缺少特殊測(cè)井資料的情況下，通過(guò)常規(guī)測(cè)井資料精細(xì)評(píng)價(jià)致密儲(chǔ)層難度大，但通過(guò)地球物理測(cè)井與沉積相結(jié)合，可以精細(xì)地刻畫(huà)儲(chǔ)層，建立合理解釋參數(shù)。

（2）致密儲(chǔ)層流體性質(zhì)的準(zhǔn)確判別受巖性影響很大，通過(guò)對(duì)流體敏感曲線的有效利用，結(jié)合神經(jīng)網(wǎng)絡(luò)算法，能夠?yàn)橐恍┮呻y層及儲(chǔ)層有效性的判斷提供依據(jù)。

（3）海上油氣田對(duì)經(jīng)濟(jì)性要求較高，在射孔層選擇上更加慎重，測(cè)井不僅能給出解釋結(jié)論，還能提供產(chǎn)能估算結(jié)果，既拓寬了測(cè)井資料的應(yīng)用范圍，也提升了測(cè)井資料的價(jià)值。