川東北元壩氣田須家河組主力儲層參數測井精細解釋

張 沖，謝潤成，2，朱 濤，姚 勇，王 喻，張萬茂

（1.成都理工大學 能源學院，四川 成都610059；2.成都理工大學 油氣藏地質及開發工程國家重點實驗室，四川 成都610059）

0 引言

前人對于儲層參數解釋一般都基于常規測井參數的回歸擬合，解釋方法單一.[1]對于儲層含水飽和度解釋也多是基于經驗法的阿爾奇公式.[2]這些基本思路對于地層情況簡單，巖性變化電性特征明顯的地層效果較好，但對致密復雜性儲層或者裂縫性儲層的儲層參數解釋效果較差，解釋模型不可用.由于儲層參數的準確解釋對于研究區天然氣勘探開發評價具有重大意義，因此針對元壩氣田須家河組主力儲層參數進行精細解釋研究，能為高效開發該地區下的氣藏打下堅實的基礎.

1 區域地質概況

工區位于四川盆地東北部，南為川中部低緩構造帶北部斜坡，東通南巴構造帶西南端、北靠近九龍山背斜南端.[3]研究區須家河組地層處于盆地內，缺少山前相，主要表現為三角洲相，沉積物在垂向剖面上表現為河道砂體與間灣泥巖互層，主力儲層自上而下劃分為須四段，須三段和須二段（圖1）.須四段巖性表現為灰色細砂巖、粉砂巖和泥巖互層，局部夾礫巖；須三段為泥巖與粉砂巖，中—粗粒鈣屑砂巖，砂質礫巖互層；須二段上、下亞段為砂巖段，中亞段為泥巖段，工區須二中亞段表現為一黑色“腰帶子”.

2 儲層物性參數單參數擬合模型

孔隙度和滲透率是反映儲層物性特征的一個重要參數.孔隙度的準確計算也是保證其它儲層參數計算精度的前提.常規測井確定地層孔隙度主要基于三孔隙度測井系列.三條孔隙度測井曲線可能對不同地層條件下孔隙度的分辨能力存在差異，因此單獨對須家河組三個主力儲層孔隙度進行分開解釋.以常規巖心分析孔隙度為依據，模型建立前將巖心分析孔隙度與單井常規測井曲線深度歸位校正，再把聲波時差測井值、密度測井值、中子測井值與巖心孔隙度進行單參數擬合回歸（圖2）.在進行滲透率與聲波時差、中子、密度曲線的相關性分析時，發現無論是按地質模型結果還是按巖性分類結果，其相關性都不是很理想，只有和孔隙度之間的相關性較好，因此可基于元壩氣田須家河組主力儲層巖心物性測試資料建立滲透率解釋模型（圖2）.由此可建立各層單參數物性解釋模型（表1），該解釋方法對巖心分析測試要求較高，滲透率解釋模型由于是實測與實測資料的相關性擬合，推廣效果受到孔隙度與測井模型精確程度的影響.

圖1 元壩氣田須家河組地層簡表

圖2 元壩氣田須三段孔隙度和滲透率單參數擬合模型

3 “多元回歸”儲層參數解釋模型

多元回歸基本理論基于對引入變量相關性驗證和處理的數學統計方法，其基本思想是：引入自變量與目的變量之間無確定或者嚴格的函數關系，但可以根據引入自變量特征分析、效驗，發現能對目的變量進行表征的數學表達式.該原理基本任務是根據目的變量和多個引入自變量的實際觀測結果，采用最小二乘法，構建目的變量對多個引入自變量的多元回歸模型.[4]圖3表示須四段79個測試樣本應用多元回歸方法進行物性參數解釋，精選3個常規測井分析參數（聲波時差，中子孔隙度，體積密度）與實測孔隙度進行回歸擬合，通過回歸過程中標準化殘差分析和回歸標準化殘差的概率分析，建立了相應的孔隙度多元線性擬合模型，擬合相關程度高.由于工區滲透率受裂縫影響較大，裂縫影響下的儲層滲透率不代表儲層基質自身的滲透能力，因此不適用于回歸分析.依據多元回歸分析原理，可推廣建立元壩氣田須家河組各主力儲層的孔隙度和含水飽和度的多元回歸解釋模型（表1）.

圖3 元壩氣田須四段多元回歸孔隙度解釋模型

4 “阿爾奇”含水飽和度解釋模型

用常規測井信息解釋儲層中含水飽和度，國內外對此進行過許多研究，雖然解釋含水飽和度的經驗公式千差萬別，考慮因素也各不相同，但基本解釋方法均主要在巖石飽含水的條件下，基于并聯導電思想推導出來的，其實對這些公式的改進也是阿爾奇經典公式派生推演的產物.[5]針對元壩氣田須家河組主力儲層，可采用阿爾奇模型[6]對該地區含水飽和度進行解釋.

地層水電阻率（Rw）和阿爾奇飽和度模型巖電參數（a、b、m和n）是確定儲層中含水飽和度的關鍵參數，在不同的地層、巖性，這些參數是各不相同的.[7]該地區的含水飽和度，必須依據所研究地層的具體情況，根據元壩地區主力儲層須三和須二段實際的水分析資料和巖心巖電實驗分析資料確定.

4.1 地層因素系數a和膠結指數m的確定

據經典的阿爾奇地層因素關系式：[8]

R0—飽含地層水的巖石電阻率，Rw—巖石中飽含地層水的電阻率（取0.05Ω·m）.

對上述關系式兩邊取對數得：

由此可見，地層因素和孔隙度在雙對數坐標下基本關系為一條直線，該直線在Φ＝1時的縱坐標為Log（a），其斜率為m.須二段和須三段地層因素與孔隙度的回歸關系效果較好，相關系數比較高，故模型確定須三段巖石膠結指數 m＝1.3076，巖性有關的巖性系數a＝1.273；須二段巖石膠結指數m＝1.2797，巖性有關的巖性系數a＝0.9645（圖4），須四段儲層由于未進行巖電參數實驗，可借鑒須三段儲層確定的阿爾奇巖電參數.

4.2 電阻增大率系數b和飽和度指數n的確定

據阿爾奇經典的電阻增大率關系式：I＝Rt／Ro＝b／Swn，Sw指巖石含水飽和度，Rt指含油氣巖石的電阻率.對上述關系式兩邊取對數得：

Log（I）＝log（b）-n＊log（Sw）

由此可見，在雙對數坐標下I一Sw關系為一條直線，該直線在Sw＝1時的縱坐標為log（b），其斜率為n.據此可以確定出電阻增大率系數（b）和飽和度指數（n）（圖5）.須三段和須二段含水飽和度與電阻率指數的交會圖，回歸效果較好，相關系數很高，可據此確定研究區須三段電阻增大率系數b＝0.9949，飽和度指數n＝1.2797；須二段電阻增大率系數b＝1.014，飽和度指數n＝1.3387，同理須四段可參考須三段確定的參數.根據阿爾奇經典含水飽和度計算公式可得到元壩氣田須家河組主力儲層的含水飽和度解釋模型（表1）.

圖4 元壩氣田須家河組主力儲層含水飽和度與電阻率指數交會圖

圖5 元壩氣田須家河組主力儲層含水飽和度與電阻率指數交會圖

5 “BP神經網絡法”儲層參數解釋模型

“BP神經網絡”算法主要基于“最速下降法”的一種優化方法.在元壩氣田儲層參數解釋的實際應用中，主要采用了基于Levenberg-Marquardt算法（LM），也被稱為阻尼最小二乘算法，該算法應用于儲層參數預測，可取得良好的效果.[9]BP神經網絡由輸入層，隱含層和輸出層組成，通過測試樣本學習和檢驗，建立最優的BP神經網絡解釋模型.在研究中，設計的BP神經網絡結構主要為輸入層、隱含層、輸出層三層.[10]經過多次試驗，含水飽和度參數解釋選取了聲波時差（AC），中子孔隙度（CNL），補償密度（DEN），深側向電阻率（RD）以及自然伽瑪（GR）這5個測井參數組合作為神經網絡的輸入.輸入結點為5個，根據隱含層結點個數大約為輸入結點的兩倍關系，隱含層取10個結點，輸出層取1個結點，這1個輸出為含水飽和度計算值（圖6）.BP神經網絡解釋含水飽和度時，將樣本分為兩組：訓練樣本和檢驗樣本.考慮到須四段樣本數，故將樣本全部作為訓練樣本.須二，須三和須四段的訓練樣本解釋的含水飽和度與巖心實測的含水飽和度相關性非常好，須二和須三檢驗樣本計算的含水飽和度與實測含水飽和度相關性也較好（圖7，圖8），該BP模型可用于研究區須家河組主力儲層含水飽和度解釋.孔隙度和滲透率BP模型也依據該原理，輸入參數中孔隙度解釋使用AC，DEN，CNL；由于BP檢驗效果非常好，因此滲透率BP模型則除了三孔隙度測井參數外還引用了BP解釋的孔隙度四個參數作為輸入參數.表1顯示了元壩氣田須家河主力儲層各層位利用BP網絡進行各儲層參數解釋的模型構成.

圖6 BP神經網絡結構及計算學習界面

圖7 須二段BP含水飽和度與巖心含水飽和度學習樣本和檢驗樣本交會圖

圖8 須三段BP孔隙度與巖心孔隙度學習樣本和檢驗樣本交會圖

6 儲層參數解釋模型優選

元壩氣田須家河組主力儲層，巖性電性特征復雜，給儲層參數解釋造成一定困難，對儲層物性參數進行單一測井參數與實測巖心物性資料回歸和多參數多元線性回歸建立相應模型，并考慮非線性BP網絡法對須家河組主力儲層物性參數進行解釋.多種方法的對比分析利于研究區儲層物性參數解釋準確性的提高.通過與未參與模型建立的實測參數進行對比，單參數物性解釋模型精度最低，多元回歸模型精度較高，而BP神經網絡非線性解釋模型的解釋精度最高（圖9）.針對儲層含水飽和度解釋，據巖電參數測試資料利用阿爾奇經驗公式，多元回歸方法和BP非線性解釋原理建立了含水飽和度多種解釋模型，效果最好的依然是非線性BP模型.而阿爾奇含水飽和度模型，在進行地區巖電實驗的情況下，其解釋模型無論與實測資料在值大小還是趨勢比較均無吻合性（圖10）.因此在對研究區進行儲層參數測井解釋時，可考慮使用最優的BP神經網絡進行含水飽和度計算.

圖9 須三段不同孔隙度和滲透率模型解釋對比圖（元壩6井）

圖10 須四段不同模型解釋含水飽和度對比圖（元陸1井）

表1 元壩氣田須家河組主力儲層參數解釋模型

7 結論

元壩氣田須家河組主力儲層，巖性電性特征復雜，含氣特征分布不清，儲層參數進行縱向剖面解釋是搞清楚儲層含氣潛力的重要手段.考慮到工區地層的復雜條件，依據常規測井和儲層參數測試資料單參數擬合，多元線性回歸，含水飽和度阿爾奇經驗解釋法和BP神經網絡儲層參數計算模型進行綜合解釋，“BP網絡模型”非線性特性顯示出了良好的解釋效果.因此，在對元壩氣田須家河組主力儲層進行儲層參數解釋時，主要考慮非線性網絡計算方法，結合其他解釋模型綜合進行儲層參數解釋，可以在最大程度上提高解釋精度，為進一步開發評價奠定堅實基礎.

[1]周 磊，范姍姍，凍偉中.柯東地區儲層測井解釋方法研究[J].石油天然氣學報，2013（2）：111-116.

[2]鄭慶林，王鈺森，趙 雨.低孔隙度條件下阿爾奇含水飽和度解釋模型改進[J].測井技術，2006（1）：57-59.

[3]王 喻，謝潤成，周 文，等.元壩須二段儲層四性特征及關系研究[J].科學技術與工程，2013（12）：3410-3415.

[4]王洪輝，黎 鵬，段新國.四川盆地須家河組低孔致密砂巖孔隙度測井解釋研究[J].成都理工大學學報：自然科學版，2009（3）：250-252.

[5]王 鵬，趙玉蓮，韓 琳.烏爾遜凹陷凝灰質砂巖儲層含水飽和度計算[J].巖性油氣藏，2010（1）：114-118.

[6]雍世和，張超謨.測井數據處理與綜合解釋[M].東營：石油大學出版社，1996：270.

[7]劉向君，劉 洪，楊 超.碳酸鹽巖氣層巖電參數實驗[J].石油學報，2011（1）：131-134.

[8]劉忠華，吳淑琴，杜寶會，等.儲層滲透性與地層因素關系的實驗研究與分析[J].地球物理學報，2013（6）：2088-2097.

[9]鄒 瑋，李 瑞，汪興旺.BP神經網絡在致密砂巖儲層識別中的應用[J].石油工業計算機應用，2006（2）：19-25.

[10]汪志紅，張銀德，周 文，等.利用BP網絡技術預測碳酸鹽巖儲層孔隙度[J].物探化探計算技術，2005（1）：20-24.