徐家圍子斷陷沙河子組砂礫巖儲層巖性測井識別方法

金雪英

（大慶油田有限責任公司 勘探開發研究院，黑龍江 大慶 163712）

0 引言

隨著徐家圍子斷陷勘探程度的深入，沙河子組逐漸成為深層天然氣的重要資源接替層位.沙河子組地層具有多物源、水體變化頻繁的特征，縱向上發育的巖性種類較多，沉積類型多樣，非均質性強.沙河子組儲層主要是致密砂礫巖和巖屑砂巖，測井、測試資料發現，不同巖性儲層的物性、含氣性及電性特征差異較大.該地層主要是基于常規測井資料定性解釋巖性和流體，解釋結果較粗，解釋精度較低，隨著勘探的不斷突破，已經不能滿足儲層評價的要求，亟需建立一套沙河子組地層的測井評價方法，其中巖性識別是儲層測井評價的基礎，有必要開展沙河子組致密砂礫巖儲層巖性識別方法研究.

目前，測井識別巖性的方法主要有常規測井交會圖法、巖性指示曲線法、成像測井圖像模式法、支持向量機、主成分分析和神經網絡等.在交會圖識別巖性方面，馮翠菊、毛慶、吳磊、陳科貴和藺景龍等總結多種巖性在測井曲線上的響應規律，建立M－N、聲波—密度等交會圖識別巖性[1－5].在巖性指示曲線識別巖性[6]方面，魯國明總結東營凹陷深層砂礫巖地層不同巖性的常規測井響應特征，通過敏感性分析建立能反映粒序變化的巖性識別曲線[7].張晉言等通過敏感性分析，優選常規測井巖性敏感參數，構建NRA巖性指示曲線，對鹽家油田深層砂礫巖進行巖性的自動識別[8].在成像測井圖像模式識別巖性方面，王玉華、袁子龍、覃豪等利用成像測井資料，建立各種巖性的成像測井圖像模式，以定性識別巖性[9－11].范宜仁等先用自動判別分析和主成分分析的方法識別南堡5號的火山巖大類，再通過成像測井圖像模式識別熔巖和碎屑巖[12].在數學分析方法識別巖性方面，謝剛等引用約束最小二乘算法優化測井響應方程，建立復雜巖性地層多礦物地層組分的測井解釋模型[13].于代國、宋延杰等利用支持向量機的方法進行復雜巖性的識別[14－15].這些測井巖性識別方法研究表明：交會圖法、巖性指示曲線法、支持向量機等方法，主要是基于常規測井響應特征識別巖石成分的差異，對于巖石結構的響應較弱；成像測井圖像模式法可以識別巖石的結構，但這些方法多是定性解釋，不能定量評價，巖性解釋效率較低.

徐家圍子斷陷沙河子組的砂巖和砂礫巖的碎屑均為巖屑，巖石成分復雜，砂礫巖粒徑變化范圍較大，筆者通過巖心刻度測井，采用常規測井交會圖法識別巖石成分；采用電導率異常對比法，利用Geoframe軟件中的Bortex模塊，從電成像測井資料中提取出能定量表征地層中礫石含量的結構指示參數，建立交會圖定量識別巖石結構；通過主成分分析，綜合利用常規測井、成像測井敏感參數，建立“成分加結構”的主成分分析方法定量自動識別巖性.

1 地層巖性特征

松遼盆地徐家圍子斷陷沙河子組地層埋深較深，縱向上發育的巖性種類多，主要為沉積巖，少量火山巖、煤層及沉火山巖.其中發育儲層的巖性有礫巖、砂礫巖、含礫砂巖、不等粒砂巖、粗砂巖和含鈣砂巖等，儲層碎屑成分主要為巖屑，含少量石英和長石.不同巖性的儲層物性及電性特征相差較大，通過各種巖性儲層“四性特征”研究，對沙河子組特征相近的巖性進行歸類[16]，將沙河子組儲層的巖性歸為砂礫巖（包括礫巖和砂礫巖）和砂巖（包括含礫砂巖、含鈣砂巖、粗砂巖、砂巖等），非儲層主要為泥巖（包括粉砂質泥巖和泥巖等）.由于泥質粉砂巖和泥質礫巖泥質含量較多，不能作為儲層，而且測井響應特征更接近于泥巖，所以將它歸入泥巖類.根據取心資料，研究區砂礫巖的巖屑類型以中酸性、中性噴出巖為主，含極少量變質巖，由于近物源快速堆積，搬運距離短，顆粒的分選、磨圓均不好.砂巖巖屑類型以酸性、中酸性為主，顆粒以粗粒、不等粒為主，細粒次之，分選中等，磨圓次圓.砂巖和砂礫巖接觸關系為點接觸，孔隙式膠結，膠結物主要為灰質，雜基含量低，成分主要為泥質.

2 巖性測井響應特征

2.1 常規測井響應特征

巖石的常規測井響應主要受骨架成分影響，成像測井響應主要受巖石結構影響.沙河子組的砂礫巖和砂巖成分主要為巖屑，碎屑含量很高，砂礫巖巖屑成分以中性、中酸性火山巖為主；砂巖巖屑成分以酸性、中酸性為主.不同的黏土礦物中鈾、釷和鉀放射性元素的質量分數不同，尤其是釷元素和鉀元素的質量分數在主要的黏土礦物中差異很大[17].應用沙河子組28塊樣品的黏土分析資料，分巖性統計主要的黏土礦物的體積分數（見圖1），砂礫巖和砂巖的黏土礦物以伊利石為主，但砂巖伊利石體積分數較砂礫巖高，綠泥石體積分數較砂礫巖稍低，泥巖主要為伊利石.

根據研究區17口井64個取心樣品刻度，統計研究區沙河子組地層不同巖性的常規測井曲線響應特征值（見表1）.由表1可以看出，由于砂巖、砂礫巖、泥巖在巖石成分及黏土礦物類型方面存在差異，在常規測井曲線上，砂礫巖表現為伽馬低、光電截面指數較砂巖略高，鉀元素質量分數較低、釷元素質量分數較高、電阻率高；砂巖表現為光電截面指數較低、鉀元素質量分數較高、釷元素質量分數低，電阻率較低；泥巖表現為電阻率很低、中子孔隙度高、自然伽馬高、鉀元素質量分數高、釷元素質量分數高的特征.

表1 沙河子組不同巖性測井曲線響應特征值Table 1 Logging response characteristic of different lithology in Shahezi group

2.2 巖性成像測井圖像特征

電成像測井資料具有很高的縱向分辨率，其圖像顏色和形態可以直觀反映地層的巖性、結構和構造特征.通過10口井的巖心、薄片資料標定，沙河子組巖性在電成像測井圖像（見圖2）上主要有3種特征.

圖2 沙河子組不同巖性的電成像測井典型特征Fig.2 Electrical imaging characteristic diagram of different lithology in Shahezi group

2.2.1 砂礫巖

靜態圖像一般為亮白色或亮黃色，圖像上有明顯的塊狀構造和斑狀結構；在動態圖像上高阻礫石不規則分布，常見塊狀、交錯層理，也可見粒序層理，礫石分選、磨圓程度較差.

2.2.2 砂巖

（1）含礫砂巖.靜態圖像一般為桔黃色和淺黃色，有亮色的不規則斑點雜亂分布；動態圖象可見亮色的斑點和巖石脫落形成的黑色斑點，常見交錯層理、遞變層理等構造.

（2）砂巖.靜態圖像多呈桔黃色，一般為塊狀或條帶狀，有時因含灰質亮度增強；動態圖像可見成層的條帶狀特征，常見塊狀結構或斜層理、平行層理、交錯層理等構造.

2.2.3 泥巖

靜態圖像一般為棕色或黑色，動態圖像顯示為棕黑色或棕黃色條帶，層厚且厚度比較穩定，多為水平層理且成層性好.

3 巖性識別方法

3.1 常規測井曲線交會圖版識別法

砂巖、砂礫巖及泥巖在深側向電阻率、自然伽馬及伽馬能譜曲線上有一定差異，因此應用研究區17口井64塊薄片樣品資料，選取深側向電阻率和自然伽馬及釷元素和鉀元素的質量分數，分別建立沙河子組巖性識別圖版（見圖3和圖4），圖版精度分別為78%和82%.

由圖3和圖4可以看出，常規測井曲線反映不同巖性的特征.對于泥巖，識別效果很好；對于砂巖和砂礫巖，識別效果不好.原因是電阻率不僅反映巖石內部孔隙結構特征，而且受鈣質和儲層流體性質影響.釷元素和鉀元素質量分數不僅與母巖和黏土礦物類型有關，還與沉積環境等因素有關，當砂礫巖母巖偏于中性巖、砂巖母巖偏于酸性巖時能較好區分；但是當兩者母巖為中酸性或者巖性在砂巖和砂礫巖的過渡區時難以區分.

圖3 沙河子組地層深側向電阻率與自然伽馬交會圖Fig.3 Plot of deep latera resisitivity and gamma in Shahezi group

圖4 沙河子組地層釷元素與鉀元素質量分數交會圖Fig.4 Plot of thorium and potassium in Shahezi group

3.2 成像測井定量識別方法

以往成像測井識別巖性是通過建立典型巖性的圖像模式識別巖性，這種方法巖性解釋效率低，只能做到定性評價，不能做到定量評價.文中利用BorTex模塊采用電導率對比法提取巖石結構和構造，開展基于成像測井的定量識別方法研究.

根據傾角或成像微電阻率曲線所反映的地層成層性和內部結構信息，利用BorTex模塊確定巖石內部結構特征，獲得巖石內部結構屬性，可以在碎屑巖和碳酸鹽巖環境下對巖石內部結構屬性進行自動分類.首先對電成像測井曲線進行濾波和傾角校正，計算過井筒地質體的背景電導率，按照背景電導率對比度的不同將地層分層；然后將提取的結構和構造所引起的電導率信息與背景電導率進行對比，識別不同的地質體；最后提取非均質體且形成量化地質體的指示曲線.

在成像測井圖上，明顯的明暗特征代表電阻率數值的變化，顏色越淺電阻率越高.地質體的結構是通過電阻率的異常反映的，成像測井圖像主要由高阻斑塊、高阻條帶、低阻斑塊及低阻條帶地質體組成.通過各種地質體電導率與背景電導率對比，應用判別標準識別各個地質體且自動分類，進而計算各個地質體的比率（見圖5）.

圖5 成像測井地質體判別規則及分類Fig.5 Classfication and identification of geological body by image logging data

對巖石中不同地質體的比率進行連續性計算，得到高阻斑塊面比率、低阻斑塊面比率、高阻條帶面比率和低阻條帶面比率等結構指示曲線.根據巖心刻度成像測井資料，高阻斑塊是由角礫或礫石引起的，所以提取的高阻斑塊面比率可以指示角礫或礫石含量的多少，并且礫石含量越多、粒徑越大，得到的曲線值越高；低阻斑塊主要是由孔洞和礫石脫落而被泥漿充填引起的，所以低阻斑塊面比率可以指示礫石含量及孔洞的多少；條帶面比率可以指示裂縫、夾層等信息.通過研究區13口井的成像測井資料處理發現，對于砂礫巖地層，高阻斑塊面比率和低阻斑塊面比率含量較大，對于砂巖地層兩者含量低（見圖6）.

圖6 達深X井Bortex處理結果Fig.6 Curves from Bortex processing of Dashen X

利用10口井38塊薄片樣品資料，選取能指示礫石含量的高阻斑塊面比率和低阻斑塊面比率曲線，建立基于成像測井的巖性定量識別圖版（見圖7）.

利用該圖版可以很好識別砂礫巖，但是受成像測井儀器分辨率的限制，當砂礫巖粒徑小于5mm時，計算得到的斑塊面比率偏小；對于泥巖，由于圖像上高阻斑塊和低阻斑塊含量很少，計算結果與砂巖相近，利用該圖版難以區分.

3.3 主成分分析法

主成分分析法是將一組有相關性的原變量通過正交變換，轉換成為一組新變量，即原始變量的主成分.正交變換后的主成分按照方差依次遞減的順序排列，其中第一主成分具有最大的方差，第二主成分具有第二大方差，……，依此類推，最后一個主成分的方差最小.當前面的幾個主成分的方差比后面的主成分的方差大很多時，可以忽略后面的主成分，只用前面的幾個主成分反映原有變量的特征，可以在提取原變量絕大部分總信息的前提下達到壓制干擾且降維的目的.主成分分析方法作為一種多元統計方法，已在測井資料巖性巖相識別、儲層評價方面得到應用[17－19].

在實際應用時，交會圖版法和成像測井定量識別法具有自身優勢和局限性，為了充分利用巖性的測井響應敏感信息，消除單一方法的局限性，將常規曲線和成像測井處理結果相結合，選取對巖性反應敏感的自然伽馬（GR）、釷元素質量分數（TH）、鉀元素質量分數（K）、光電截面指數（PE）、深側向電阻率（LLD）、高阻斑塊面比率（GZ）及低阻斑塊面比率（DZ）等7個測井參數，采用主成分分析的方法提取主成分，以主成分累計貢獻率大于80%為準選取前2個主成分，得到它們的特征值及特征向量（見表2）.

表2 主成分分析特征值及特征向量Table 2 The eigenvalue and eigenvector of Principal component analysis

最終得到的主成分1（F1）和主成分2（F2）與測井參數之間的轉換關系表達式為

由表1可以看出，主成分2中高阻斑塊面比率及低阻斑塊面比率系數較大，主要反映巖石的結構和構造，主成分1中常規測井曲線的系數較大，主要反映巖石的成分.應用10口井38塊樣品的主成分值，建立基于主成分分析的巖性識別圖版（見圖8），圖版精度為97%.

圖7 沙河子組基于成像測井的巖性識別圖版Fig.7 Lithology identification chart based on imaging logging of Shahezi group

圖8 沙河子組基于主成分分析的巖性識別圖版Fig.8 Lithology identification chart based on principal component analysis of Shahezi group

3.4 應用效果

應用“成分加結構”的主成分分析法解釋達深Y井巖性的結果（見圖9），在常規測井曲線上，該井3 523～3 537m層段自然伽馬、深側向電阻率、釷元素質量分數、鉀元素質量分數測井值變化范圍不大，利用常規測井交會圖版解釋，測井值落于砂巖、砂礫巖界限附近，反映該段巖性成分相近，碎屑粒徑上存在差別；常規測井主要反映巖石成分，對于巖石結構，如粒徑、粒序、礫石含量等主要依賴成像測井資料.利用成像測井資料提取，反映礫石含量的結構指示曲線高阻斑塊面比率和低阻斑塊面比率，根據成像測井結構識別圖版，當粒徑較小、巖性較細時，高阻斑塊面比率和低阻斑塊面比率較小，解釋為砂巖；當粒徑較大、巖性較粗時，解釋為砂礫巖.在常規測井曲線上，該井3 537～3 540m層段自然伽馬、釷元素、鉀元素質量分數較高，電阻率較低，根據常規測井交會圖解釋為泥巖；在成像測井結構識別圖版上，高阻斑塊面比率、低阻斑塊面比率與砂巖的相近，利用主成分分析法，考慮砂巖、砂礫巖、泥巖測井響應的敏感性，綜合解釋為泥巖.

圖9 達深Y井巖性識別結果Fig.9 Lithology identification results of Dashen Y

應用多種方法分別對研究區10口井沙河子組地層的巖性進行識別，經過32段82m巖心驗證，單獨使用常規測井交會圖版識別巖性的準確率為69%，單獨使用成像測井定量識別圖版識別巖性的準確率為71%（泥巖作為誤差）；綜合利用常規測井和成像測井，采用“成分加結構”的主成分分析法識別巖性的準確率達到90%.因此，采用“成分加結構”的主成分分析法識別巖性，編寫解釋程序實現巖性的計算機自動識別.該方法不僅解決成像測井定量識別巖性的問題，而且通過敏感性分析、優選參數和采用主成分分析法將常規測井與成像測井信息進行結合，提高徐家圍子斷陷沙河子組地層巖性識別的精度和巖性解釋的效率，為進一步開展流體識別、參數計算奠定基礎.

4 結論

（1）徐家圍子斷陷沙河子組儲層以砂礫巖和砂巖為主，由兩者母巖成分及黏土礦物類型的不同導致在常規測井響應特征上存在差異.

（2）利用成像測井定量識別法，提取反映礫石含量的信息且建立解釋圖版識別巖性.該方法提高成像資料解釋巖性的效率，并解決成像測井定量識別巖性的問題，為成像測井資料的應用提供思路.

（3）將常規測井和成像測井信息相結合，選用測井敏感參數，采用“成分加結構”主成分分析法識別徐家圍子斷陷沙河子組巖性，消除單一方法的局限性，提高解釋效率和精度，經過取心資料驗證效果較好，為儲層的綜合評價提供指導.

[1]馮翠菊，王敬巖，馮慶付.利用測井資料識別火成巖巖性的方法[J].大慶石油學院學報，2004，28（4）：9－12.Feng Cuiju，Wang Jingyan，Feng Qingfu.Distinguishing igneous rock lithology by logging data[J].Journal of Daqing Petroleum Institute，2004，28（4）：9－12.

[2]毛慶，張德峰，吳春文.東營凹陷背部陡坡帶深層砂礫巖體巖性測井識別方法[J].油氣地質與采收率，2010，17（3）：57－59.Mao Qing，Zhang Defeng，Wu Chunwen.Logging recognition of conglomerate in deep northren steep slope of Dongying depression[J].PGRE，2010，17（3）：57－59.

[3]吳磊，徐懷民，季漢成.基于交會圖和多元統計法的神經網絡技術在火山巖識別中的應用[J].石油地球物理勘探，2006，41（1）：81－86.Wu Lei，Xu Huaimin，Ji Hancheng.Application of neural networks technique based on crosspiot and multielement statistics to recognition of volcanic rocks[J].Oil Geophysical Prospecting，2006，41（1）：81－86.

[4]陳科貴，張帆，馮雪龍，等.雙家壩構造碳酸鹽巖儲層參數評價[J].西南石油學院學報，2005，27（6），12－16.Chen Kegui，Zhang Fan，Feng Xuelong，et al.Carbona reservoir parameter estmation in Shuangjiaba structure[J].Journal of Southwest Petroleum Institute，2005，27（6）：12－16.

[5]藺景龍，馬繼明，閆偉林，等.蘇德爾特油田興安嶺群巖性識別方法[J].大慶石油學院學報，2006，30（1）：4－6.Lin Jinglong，Ma Jiming，Yan Weilin，et al.Lithologic identification of Xing＇anling group in Sudeerte oilfield[J].Journal of Daqing Petroleum Institute，2006，30（1）：4－6.

[6]廖太平，張福榮，張志堅.基于模糊聚類算法的復雜巖性識別[J].大慶石油學院學報，2004，28（6）：58－60.Liao Taiping，Zhang Furong，Zhang Zhijian.Complex lithology identification based on crossplot and fuzzy clustering algorithm [J].Journal of Daqing Petroleum Institute，2004，28（6）：58－60.

[7]魯國明.東營凹陷深層砂礫巖巖性測井綜合識別技術[J].測井技術，2010，34（2）：168－171.Lu Guoming.Logging comprehensive identifition technology of deep sandy conglomerate lithology，Dongying sag[J].Well Logging Technology，2010，34（2）：168－171.

[8]張晉言，孫建孟，劉海河，等.鹽家油田深層砂礫巖儲層巖性自動識別新技術[J].測井技術，2011，35（5）：447－450.Zhang Jinyan，Sun Jianmeng，Liu Haihe，et al.A new method of lithology automatic identification for deep glutenite body in Yanjia oilfield[J].Well Logging Technology，2011，35（5）：447－450.

[9]王玉華.電成像測井在大慶火成巖儲層解釋中的應用[J].大慶石油地質與開發，2008，27（6）：128－130.Wang Yuhua.Application of electric imaging logging in the well logging interpretation of igneous rock reservoir in Daqing[J].Petroleum Geology ＆ Oilfield Development in Daqing，2008，27（6）：128－130.

[10]袁子龍，陳曦，張洪江.電成像測井資料在砂礫巖油氣藏巖性識別中的應用[J].科學技術與工程，2012，12（4）：758－761.Yuan Zilong，Chen Xi，Zhang Hongjiang.An application of resistivity imaging logging data in lithologic identification of glutenite reservoir[J].Science Technology and Engineering，2012，12（4）：758－761.

[11]覃豪，李紅娟.應用測井資料進行火山巖巖性識別[J].石油天然氣學報，2007，29（3）：234－236.Qin Hao，Li Hongjuan.Application of log data on volcanic rock lithology recognition[J].Journal of Oil and Gas，2007，29（3）：234－236.

[12]范宜仁，朱學娟，鄧少貴，等.南堡5號構造火山巖巖性識別技術研究[J].地球物理學進展，2012，27（4）：1640－1647.Fan Yiren，Zhu Xuejuan，Deng Shaogui，et al.Research on technology of lithology identification of volcanic rock in Nanpu 5th struction[J].Progress in Geophys，2012，27（4）：1640－1647.

[13]謝剛，胡振平，羅利，等.基于約束最小二乘理論的復雜巖性測井識別方法[J].測井技術，2007，31（4）：354－356.Xie Gang，Hu Zhenping，Luo Li，et al.Logging identification of complication lithology with constrained least squares algorithm[J].Well Logging Technology，2007，31（4）：354－356.

[14]于代國，孫建孟，王煥增，等.測井識別巖性新方法——支持向量機方法[J].大慶石油地質與開發，2005，24（5）：93－95.Yu Daiguo，Sun Jianmeng，Wang Huanzeng，et al.A new method of lithology identification－SVM[J].Petroleum Geology ＆Oilfield Development in Daqing，2005，24（5）：93－95.

[15]宋延杰，張劍風，閆偉林，等.基于支持向量機的復雜巖性測井識別方法[J].大慶石油學院學報，2007，31（5）：18－21.Song Yanjie，Zhang Jianfeng，Yan Weilin，et al.A new identification method for complex lithology with support vector machine[J].Journal of Daqing Petroleum Institute，2007，31（5）：18－21.

[16]趙澄林，朱筱敏.沉積巖石學[M].北京：石油工業出版社，2001.Zhao Chenglin，Zhu Xiaomin.Sedimentary Petrology[M].Beijing：Petroleum Industry Press，2001.

[17]郭影文.自然伽馬能譜測井在黏土礦物含量分析中的應用[J].石油天然氣學報，2008，30（6）：268－271.Guo Yingwen.Application of natural gamma ray spectroscopy log for analysis of clay mineral content[J].Journal of Petroleum and Natural Gas，2008，30（6）：268－271.

[18]鐘儀華，李榕.基于主成分分析的最小二乘法支持向量機巖性識別方法[J].測井技術，2009，33（5）：425－429.Zhong Yihua，Li Rong.Application of principal component analysis and least squares support vector machine to lithology identification[J].Well Logging Technology，2009，55（5）：425－429.

[19]張瑩，潘保芝.基于主成分分析的SOM神經網絡在火山巖巖性識別中的應用[J].測井技術，2009，33（6）：550－554.Zhang Ying，Pan Baozhi.Application of SOM neural network method to volcanic lithology recognition[J].Well Logging Technology，2009，55（6）：550－554.