《测井解释中复杂岩性识别方法的分析比较》-工学论文，科技论文-论文范文参考-科学狗论文网

标题

测井解释中复杂岩性识别方法的分析比较

范文

李建华

摘要：针对各种复杂岩性的识别，最直接可靠的方法是依据井壁取心或成像测井，但两者均因成本高、耗时长，无法在每口井中普及；因此，如何能有效应用常规测井资料对复杂岩性进行识别成为业内共同面对的难题。在综合调研基础上，重点对常用的图版法、交会图（二维、三维）法、人工神经网络法、模糊聚类法其优劣性进行对比分析，指出复杂岩性识别时应优选方法，为快速、准确地评价复杂储层岩性提供技术基础。

关键词：常规测井资料；岩性识别；对比；优选

岩性识别是储层评价的核心工作之一，也是求解储层参数的基础。由于钻井取心有限，最可靠的手标本法和薄片鉴定法无法在每口井进行使用；分辨能力较高的成像测井考虑测井成本高也无法普及；所以利用常规测井方法识别岩性也就成了必然。岩性识别方法较多，国内外普遍采用的有图版法、二维（三维）交会图法、人工神经网络法、模糊聚类法、最优化法、支持向量机法、主成分分析法等。图版法、交会图法一般选取2～3个测井参数建立解释图版或交会图，由于该类方法使用参数少，识别时相对简单、方便。如果储层矿物成分及

孔隙结构复杂，不同岩性的测井参数会存在严重的交叉现象，运用图版法或交会图法识别岩性存在一定的难度。但选用相应数学物理方法后可将前述难题降低，部分程度上可以提高岩性识别的精度。特别是在岩心资料、综合测井资料较少的情况下，数学物理方法更是一种有效的识别手段。本文重点针对各类识别方法及其应用条件进行优选分析，特别是应对复杂岩性时，如何在最短时间内作出合理评判，达到快速识别的效果。

2 岩性识别方法及实例分析

通过前期广泛调研可以看出，鉴于各油田区块地质构造、沉积环境不同，岩性差异较大，针对碎屑岩、碳酸盐岩、火成岩等识别方法也不尽相同。尽管前人提出的方法较多，总体归纳起来大致可分为以下三类：①以基础实验类为代表的图版法；②以统计分析类为代表的交会图法（二维、三维）；③以数学物理方法类为代表的有神经网络法、模糊聚类法、支持向量机法、主成分分析法、Fisher判别法、最优化法等。

2.1图版法。图版法是根据纯岩石的测井响应关系建立的理论图版，是测井解释和数据处理的基础。目前该类图版来源以油田实验数据为依据，主要有中子—密度、中子—声波、声波—密度、密度—岩石光电吸收截面指数等。相对来说，中子—密度具有较高的分辨率（各岩性之间的距离较大），而且还可以用做油气校正。其次是中子—声波图版，原因是声波测井要受地层压实程度等影响。对于常规岩性的识别能力，声波—密度效果最差，但该方法对岩盐、石膏和硬石膏等蒸发岩类具有较强的分辨能力。以M工区为例，其沉积体系总体以扇三角洲为主，由于近物源快速堆积，搬运距离短，其分选、磨圆均不好，结构成熟度也较差，储层岩性主要为砾岩、砂砾岩和砾状砂岩、细砂岩等。对于快速沉积的砂砾岩地层成分，由于砾径变化非常剧烈，从测井角度讲，岩石中砾岩、砂砾岩和砾状砂岩骨架基本接近，采用图版法运用补偿中子—补偿密度交会识别砾岩、砂砾岩和砂岩的岩性时，各种岩性测井响应值大部分交叉在一起；补偿中子—补偿声波交会虽然能将砂岩分开，但对于粒度较大的岩石，如砂砾岩、砾岩仍无法分清。图版法的缺陷还体现在井壁崩落、坍塌严重的井段，扩大的井眼尺寸甚至超出仪器的探测深度，这时测井资料受井筒影响非常大，运用图版法识别这些特殊岩性时，基本达不到识别的效果。

2.2 交会图法。

交会图法是一种对测井特征值进行统计的技术，常用的交会方法有二维、三维甚至多维等。它是把各种测井数据在平面图或空间上进行交会，根据交会点的坐标定出所求参数的数值、范围或者区间。交会图一般步骤：首先优选对岩性影响较大的测井曲线参数如自然伽马、深侧向电阻率、补偿声波时差、补偿密度、补偿中子等，选择2种或2种以上测井数据在坐标系中进行二维或多维交会，根据已有的岩心岩性资料，对坐标系中数据点进行标定，编制出相应的交会图版。运用二维交会的手段对不同粒度的岩性进行识别，从声波-电阻率交会看，当电阻率小于8Ω·m时，基本能将粒径较小的细砂岩、泥质粉砂岩、粉砂质泥岩、泥岩和粒径较大的砾岩、砂砾岩、砂岩分开；在此基础上，当补偿声波小于

250us/m时，砾岩测井响应值基本固定在某一区域，只是有少量砂砾岩交叉在里面；结合对粒径较大的岩性进一步剥离，可以看出，当补偿中子大于0.135时，以砂砾岩为主，补偿中子小于0.135的部分则基本是砾岩。可见，通过运用二维交会的方法，在一定程度上解决了以上图版法对于粒径较大的岩石在岩性识别上难题，但步骤相对繁琐。三维交会相对二维交会最大的特点在于，二维交会只能以面的形式区分不同的岩性，而三维交会则在空间上通过对区域的划分来达到识别的目的。

2.3人工神经网络法。人工神经网络的实现过程一般分两步：其一是网络设计，包括网络结构、学习规则、构造训练等；其二是网络学习，通过对以上构造的训练集进行训练，通过修改权系数，使网络输出逼近期望输出；在网络能量最小的情况下，即获得了神经网络实用模型，然后处理实际数据。采用人工神经网络方法对N井进行岩性识别時，首先要建立神经网络模型；选取与岩性类别关联较大的自然电位（SP）、补偿声波（AC）、视电阻率（RT）曲线参数作为输入神经元；以岩性类型为决策属性作为隐含层，它们与外界没有直接的关系，但其状态的改变能影响输入输出之间的关系；输出层由岩性代码1个神经元组成，代表岩性的分类。模型建立后选取测井特征值和相应的录井岩性结论作为网络训练样本，通过三层网络训练。

2.4 模糊聚类法.模糊聚类是采用模糊数学方法，依据客观事物间的特征、亲疏程度和相似性，通过建立模糊相似关系对客观事物进行分类的一门多元技术。其算法主要应用模糊变换原理和贴近规则，考虑与被评判的事物相关的各个因素，对其做综合评判；最终在评判某个事物时，可以将评价结果分成一系列不同类型。其最核心的过程是如何通过测井响应确定评价矩阵R和因素重要程度模糊子集A。模糊聚类法处理时同样选取与岩性类别关联较大的自然电位、补偿声波、视电阻率曲线，将这三条曲线确定为着眼因素。为实现地层岩相的定性解释，再将SP、AC、RT分别做归一化处理.从测井响应特征值出发，结合录井资料，选取具有代表性的砂砾岩、泥质粉砂岩、粉砂质泥岩、泥岩四种岩性特征的资料点，应用数理统计方法分析测井资料，分别统计出每类储层的期望值，并考虑测井曲线在评价岩性类别的分形特征，构造评价矩阵和重要程度集，经过多次的正、反演比较，得到结果.

3各方法优劣分析

1）图版法。地层中的天然气、泥质、次生孔隙及井眼扩大的影响会使交会点发生偏离。天然气使N和ρb均降低，使未压实地层的声波时差Δt增大。泥质使交会点往泥岩点（由邻近泥岩的测井值确定）偏离。缝洞孔隙使ρb减小，使N增大。井眼扩大使ρb明显减小，使N明显增大，还使地层界面附近的Δt值不稳定。总体来说，该方法受井眼影响较大，使用时应先对测井值进行井眼、泥质、油气等影响作适当校正，否则识别效果较差。但该方法操作简单，能对井眼条件好，岩性相对简单的地层进行现场快速评判。2）二维交会法。二维交会图的岩性界限划分没有具体标准，人为因素影响较大，具有经验丰富的解释人员在针对本地区储层中的识别准确度较高。复杂岩性需要通过对多个二维交会图逐步剥离，组合判断才能达到识别效果。同样该方法操作简单，适用于作工区研究的基础工作，是一种较实用的识别手段。3）三维交会法。三维交会图在二维的基础上多加一维信息，将识别的模式从面的概念转换到空间上，在空间划分区间形成标准。相比二维来说，省去相对繁琐的剥离步骤，更直观。该方法操作相对简单，适用于作理论、科学研究，是一种较实用的识别手段；但对于测井响应交叉严重的岩性，该方法仍无法达到较好的识别效果。4）人工神经网络法。神经网络技术与传统的统计学相比，具有其自身的优势。对于岩性复杂，常规手段所需要的信息量较大。应用神经网络技术，可以尽可能地利用各种测井信息对研究目标进行综合评价。但该方法也具有它的局限性，操作相对上述几类方法要复杂；在不同区块应用时，须重新考虑样本的数量、模式和测井数据的完备性以及误差容限等因素。5）模糊聚类法。模糊聚类法与人工神经网络类似，均是运用多种信息对岩性作综合判断，特别是对于一些薄互层、夹层的划分，具有较高的分辨率；该方法也具有它的局限性，操作相对复杂；而且只有训练样本趋于无穷大时，其性能才能在理论上得以保证。

参考文献

1. 田艳，孙建孟，王鑫，等.利用逐步法和Fisher判别法识别储层岩性[J].勘探地球物理进展，2010，33（2）：126-134.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。