致密油藏?zé)N源巖有機(jī)碳含量預(yù)測(cè)方法研究

郭 雙,謝銳杰,鄧 勇,王 偉

(1. 長(zhǎng)江大學(xué) 地球物理與石油資源學(xué)院，湖北 武漢 430100； 2. 中國(guó)石油 東方地球物理公司研究院，新疆 烏魯木齊 830016)

?

致密油藏?zé)N源巖有機(jī)碳含量預(yù)測(cè)方法研究

郭 雙1,2,謝銳杰1,2,鄧 勇2,王 偉2

(1. 長(zhǎng)江大學(xué) 地球物理與石油資源學(xué)院，湖北 武漢 430100； 2. 中國(guó)石油 東方地球物理公司研究院，新疆 烏魯木齊 830016)

巖芯和巖屑樣品的地化熱解分析數(shù)據(jù)表明，吉木薩爾凹陷二疊系蘆草溝組湖相烴源巖類型以Ⅰ型與Ⅱ型為主，總體有機(jī)質(zhì)豐度較高。為了準(zhǔn)確認(rèn)識(shí)該區(qū)烴源巖特征并對(duì)其進(jìn)行評(píng)價(jià)，利用巖芯地化分析資料標(biāo)定測(cè)井信息，井震結(jié)合建立了適合研究區(qū)的烴源巖總有機(jī)碳橫、縱向預(yù)測(cè)方法。縱向上研究采用聲波電阻率模型、密度孔隙度模型及多元統(tǒng)計(jì)回歸等多種方法計(jì)算烴源巖的有機(jī)碳含量，經(jīng)對(duì)比選取適合的有機(jī)碳含量測(cè)井解釋模型，在此基礎(chǔ)上，基于多屬性地質(zhì)統(tǒng)計(jì)反演技術(shù)實(shí)現(xiàn)了烴源巖總有機(jī)碳含量的橫向精確預(yù)測(cè)，從而較好的解決了其橫向預(yù)測(cè)的難題；從研究區(qū)的預(yù)測(cè)效果來(lái)看，運(yùn)用這套方法，取芯段的地化分析資料證明，該方法在研究區(qū)應(yīng)用效果較好，為該區(qū)的井位部署提供可靠依據(jù)。

蘆草溝組；有機(jī)碳含量；測(cè)井解釋模型；地質(zhì)統(tǒng)計(jì)學(xué)反演

0 引 言

致密油氣是指以吸附或游離狀態(tài)賦存于生油巖中，或與生油巖互層、緊鄰的致密砂巖、致密碳酸鹽巖等儲(chǔ)集巖中，未經(jīng)過(guò)大規(guī)模長(zhǎng)距離運(yùn)移的油氣聚集[1]。20世紀(jì)80年代在準(zhǔn)噶爾盆地二疊系蘆草溝組就已經(jīng)發(fā)現(xiàn)了致密油，隨著技術(shù)的發(fā)展，致密油的開(kāi)采進(jìn)入了一個(gè)新的階段。有機(jī)碳含量(TOC)是評(píng)價(jià)烴源巖的一個(gè)重要參數(shù)，而TOC樣品值是通過(guò)對(duì)連續(xù)的鉆井取芯段用地球化學(xué)分析方法獲得，所需時(shí)間較長(zhǎng)，分析費(fèi)用也較高。雖然未取芯段可以用巖屑分析，但是巖屑一般代表的是某一段的綜合巖性，沒(méi)有巖芯有說(shuō)服力。因此一般用樣品平均TOC值來(lái)代表整段烴源巖的有機(jī)碳含量，但是平均值不能準(zhǔn)確反映烴源巖的實(shí)際有機(jī)碳含量，這也會(huì)影響有機(jī)質(zhì)豐度的評(píng)價(jià)效果，這就必須對(duì)沒(méi)有取芯段的進(jìn)行預(yù)測(cè)，在這方面國(guó)內(nèi)外的一些學(xué)者對(duì)有機(jī)碳含量的計(jì)算也做了大量研究[2-9]。由于不同地區(qū)的烴源巖測(cè)井相應(yīng)特征不同，很難建立普適性的經(jīng)驗(yàn)公式；在充分考慮研究區(qū)的烴源巖地質(zhì)地化特征的基礎(chǔ)上，本文參考和對(duì)比了前人的測(cè)井模型解釋方法，但是測(cè)井考慮到測(cè)井模型僅實(shí)現(xiàn)了單井烴源巖縱向上的連續(xù)評(píng)價(jià)，而地震數(shù)據(jù)具有橫向連續(xù)性優(yōu)勢(shì)；為了準(zhǔn)確認(rèn)識(shí)該區(qū)烴源巖特征并對(duì)其進(jìn)行評(píng)價(jià)，利用巖芯地化分析資料標(biāo)定測(cè)井信息，井震結(jié)合建立了一套適合研究區(qū)的烴源巖總有機(jī)碳橫、縱向預(yù)測(cè)方法，解決了勘探期間致密油氣有機(jī)碳含量橫向預(yù)測(cè)的難題。

1 烴源巖地質(zhì)地化特征

吉木薩爾凹陷二疊系蘆草溝組致密油層形成于火山活動(dòng)強(qiáng)烈的陸內(nèi)裂谷型斷陷咸化湖盆,幔源巖漿—熱液流體參與沉積過(guò)程,具有熱演化程度高、孔隙壓力高、地溫場(chǎng)高、裂縫發(fā)育、巖石有機(jī)質(zhì)豐富等特點(diǎn)。沉積期為快速穩(wěn)定裂陷階段，沉降速率大于沉積速率，水體較深且具有分層結(jié)構(gòu)，沉積物主要為富含有機(jī)質(zhì)的暗色淤泥或粉砂質(zhì)淤泥。蘆草溝組砂泥交互沉積或緊密接觸分布，從上、下甜點(diǎn)體致密油性質(zhì)特征與其緊密接觸的烴源巖非常相近的特征說(shuō)明致密油主要來(lái)自與其緊密接觸的烴源巖層，為短距離運(yùn)移近源成藏。蘆草溝組烴源巖總體處于低成熟—中等成熟階段，總體有機(jī)質(zhì)豐度較高，上甜點(diǎn)中部分白云巖為中等—較好生油巖，母質(zhì)類型主要為Ⅱ1、Ⅱ2型，達(dá)到成熟演化階段，具有一定生烴能力。粉砂巖類有機(jī)質(zhì)豐度很低，主要為差生油巖，生烴潛力很低。在縱向上，蘆草溝組下甜點(diǎn)段源巖母質(zhì)中藻類等低等水生生物十分豐富，其母質(zhì)組成中異構(gòu)烷烴、環(huán)烷烴含量明顯較上甜點(diǎn)源巖要高，這使得生成的原油明顯偏重，下甜點(diǎn)段烴源巖生烴能力較上甜點(diǎn)更強(qiáng)。通過(guò)巖石取芯段的熱解分析數(shù)據(jù)分析，可以得出，蘆草溝組上段“甜點(diǎn)”體中，泥巖、砂質(zhì)泥巖、云質(zhì)泥巖TOC為1.88%～10.58%，平均5.10%，蘆草溝組下段“甜點(diǎn)”體中，泥巖、云質(zhì)泥巖、砂質(zhì)泥巖、灰質(zhì)泥巖TOC為0.38%～15.51%，平均5.34%。為了在非取心、無(wú)地化分析數(shù)據(jù)的井段也獲得烴源巖的總有機(jī)碳含量，本文開(kāi)展了井震聯(lián)合的預(yù)測(cè)方法研究。

2 TOC測(cè)井解釋模型

2.1聲波—電阻率模型

在大量泥巖段，聲波時(shí)差曲線和電阻率曲線按照一定的橫向比例是重合的，而有機(jī)碳含量較高層段具有一定的幅度差，這個(gè)幅度差就是△lgR，而△lgR與TOC曲線是關(guān)于成熟度的線性關(guān)系，因此，通過(guò)化學(xué)分析后，就可以直接計(jì)算出TOC。

聲波—電阻率計(jì)算公式為：

△lgR=lg(R/Rbaseline)+0.02(△t-△tbaseline)

(1)

其中，△lg R是對(duì)數(shù)電阻率和聲波時(shí)差曲線的幅度差，R是地層的測(cè)井電阻率，單位為Ω·m，△t是地層的聲波時(shí)差，單位為μs/ft，Rbaseline是基線所對(duì)應(yīng)的電阻率值，△tbaseline是基線所對(duì)應(yīng)的聲波時(shí)差。

Passey等人在用測(cè)井孔隙度和電阻率求取有機(jī)質(zhì)豐度的模型，提出了基于不同有機(jī)質(zhì)成熟度的TOC計(jì)算公式[2]。

TOC=(△lgR)102.297-0.168 8×LOM

(2)

這種算法在進(jìn)行計(jì)算時(shí)，需人為的將電阻率和聲波時(shí)差曲線在非泥巖段進(jìn)行疊后來(lái)確定基線值，因此其操作具有誤差性，那么進(jìn)行推導(dǎo)，提出更簡(jiǎn)便的聲波—電阻率模型，即

TOC=algR+b△t+c

(3)

那么根據(jù)已有的樣品TOC值，就可用最小二乘擬合法得到系數(shù)a,b,c。

2.2密度模型

烴源巖可由有機(jī)質(zhì)、流體、巖石基質(zhì)組成，那么其密度體積方程為：

ρb=K(1-φ)ρk+φρfl+(1-K)(1-φ)ρnk

(4)

其中，ρb是烴源巖的密度，ρk是有機(jī)質(zhì)的密度，ρfl是流體的密度，ρnk是巖石基質(zhì)的密度，φ是烴源巖的孔隙度，K是有機(jī)質(zhì)體積百分比。

一般認(rèn)為巖石中存在有機(jī)質(zhì)的碳就是有機(jī)碳的含量，可用巖石質(zhì)量的百分比來(lái)表示：

(5)

其中，mc是有機(jī)碳的質(zhì)量，ck是有機(jī)碳占有機(jī)質(zhì)的質(zhì)量百分比，那么根據(jù)(5)式，可以得到：

(6)

將(6)式代入(4)式，就得到：

(7)

(8)

那么通過(guò)樣品的有機(jī)碳含量、孔隙度的數(shù)據(jù)和密度值，進(jìn)行回歸分析[9]，就可以確定系數(shù)a,b,c。

2.3多元線性回歸法

有機(jī)碳含量與各類測(cè)井曲線間有良好的對(duì)應(yīng)關(guān)系，那么一般建立相關(guān)性較大的經(jīng)驗(yàn)公式，用來(lái)計(jì)算有機(jī)質(zhì)含量。可從相同深度的TOC實(shí)測(cè)數(shù)據(jù)與各測(cè)井曲線值來(lái)擬合二者的內(nèi)在關(guān)系，如TOC與密度曲線、TOC與伽馬曲線。實(shí)踐中多應(yīng)用TOC與各類測(cè)井曲線間的單參數(shù)模型或是綜合多參數(shù)模型。

經(jīng)過(guò)以上不同測(cè)井模型的效果來(lái)看(見(jiàn)圖1～2)，多元回歸計(jì)算的值與樣品實(shí)測(cè)的值最相近，只是單井縱向的預(yù)測(cè)存在不足，但是要達(dá)到橫向預(yù)測(cè)，如何借助地震數(shù)據(jù)的橫向分辨率的優(yōu)勢(shì)，就必須充分井震結(jié)合進(jìn)行有效反演。

3 基于多屬性地質(zhì)統(tǒng)計(jì)反演

3.1多屬性分析中的線性分析

基于多屬性地質(zhì)統(tǒng)計(jì)反演技術(shù)通過(guò)在井位置處利用多元線性回歸和人工智能神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)已知樣本進(jìn)行訓(xùn)練，分析出可以表征儲(chǔ)層特征的井曲線與內(nèi)部地震屬性和外部地震屬性的關(guān)系，然后將建立的關(guān)系應(yīng)用到整個(gè)數(shù)據(jù)體，從而獲得儲(chǔ)層參數(shù)數(shù)據(jù)體。

圖1吉36井預(yù)測(cè)結(jié)果圖2吉174井預(yù)測(cè)結(jié)果

多屬性回歸即使用多屬性交會(huì)圖，應(yīng)用線性分析或者非線性分析的方法將測(cè)井?dāng)?shù)據(jù)與地震的多種屬性建立關(guān)系。與傳統(tǒng)的單屬性交會(huì)相比較，該方法可以一定程度的改善相關(guān)程度，提高預(yù)測(cè)精度。多屬性分析中的線性分析，是假定給定三種屬性，目標(biāo)曲線上的每個(gè)樣點(diǎn)可以看成是同一時(shí)間位置的三種屬性的線性組合，每個(gè)采樣點(diǎn)處，目標(biāo)曲線可由線性方程模擬：

L(t)=w0+w1A1(t)+w2A2(t)+w3A3(t)

(9)

方程中的權(quán)值可通過(guò)求均方預(yù)測(cè)誤差的最小值來(lái)獲得：

(10)

由于目標(biāo)曲線的頻率成分比地震屬性的頻率成分要高很多，因此，基于單個(gè)樣點(diǎn)的互相關(guān)可能不是最優(yōu)的。為解決這一問(wèn)題，假設(shè)目標(biāo)曲線的每個(gè)樣點(diǎn)與地震屬性的一組相鄰樣點(diǎn)是相關(guān)的，實(shí)際情況也是如此，即目標(biāo)曲線的任一樣點(diǎn)值可能與其鄰近的一段地層內(nèi)的地震響應(yīng)是相關(guān)的，從而引入了褶積算子的概念，即曲線上的每個(gè)樣點(diǎn)與鄰近的一段連續(xù)地震樣點(diǎn)的波形是“吻合”的：

L=w0+w1*A1+w2*A2+w3*A3

(11)

其中，*代表褶積，w1為特定長(zhǎng)度的褶積算子。同理，算子的系數(shù)可以通過(guò)求均方預(yù)測(cè)誤差的最小值來(lái)求得：

(12)

當(dāng)實(shí)際目標(biāo)曲線與預(yù)測(cè)目標(biāo)曲線之間的均方預(yù)測(cè)誤差達(dá)到最小時(shí)，這些算子是最優(yōu)的，因此對(duì)于任何給定的一組屬性都可以確定其最優(yōu)化算子。

3.2多屬性分析中的非線性分析

多屬性分析中的非線性分析，即人工智能神經(jīng)網(wǎng)絡(luò)圍繞所有訓(xùn)練樣本進(jìn)行運(yùn)算，與原始地震、波阻抗反演體及多種屬性體建立關(guān)系，并對(duì)輸出結(jié)果與每個(gè)受訓(xùn)樣本進(jìn)行比較得到相關(guān)系數(shù)及誤差來(lái)監(jiān)控反演結(jié)果[10-11]。常用的有兩種神經(jīng)網(wǎng)絡(luò)方法多層前饋神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)(PNN)(圖3)。

a 單屬性算法; b 多屬性算法; c 神經(jīng)網(wǎng)絡(luò)算法

概率神經(jīng)網(wǎng)絡(luò)(PNN)實(shí)際上是一種數(shù)學(xué)插值方法，即對(duì)于給定的受訓(xùn)數(shù)據(jù)，該方法假設(shè)每一條新的輸出曲線都可以寫成受訓(xùn)數(shù)據(jù)曲線值的組合。該方法的優(yōu)勢(shì)在于數(shù)據(jù)擬合效果最好，并且在屬性數(shù)據(jù)范圍內(nèi)，穩(wěn)定性較好；其劣勢(shì)是圍繞所有受訓(xùn)數(shù)據(jù)進(jìn)行計(jì)算，并要對(duì)每個(gè)輸出樣本與每個(gè)受訓(xùn)樣本進(jìn)行比較，運(yùn)行速度較慢。

多屬性回歸與神經(jīng)網(wǎng)絡(luò)串聯(lián)反演方法在應(yīng)用過(guò)程中，涉及到一些參數(shù)的設(shè)置，其中有兩個(gè)比較關(guān)鍵的參數(shù)，一個(gè)就是在線性分析中的屬性數(shù)目的選擇，另一個(gè)就是使用概率神經(jīng)網(wǎng)絡(luò)(PNN)進(jìn)行非線性分析時(shí)的擬合效果參數(shù)的選擇，它決定著井震之間的擬合精度。屬性數(shù)目的選擇應(yīng)用窮舉法確定：理論上隨著屬性數(shù)目的增加，訓(xùn)練數(shù)據(jù)的誤差值都會(huì)有所降低，但驗(yàn)證誤差值卻在屬性達(dá)到一定數(shù)目時(shí)為最小，那么該屬性數(shù)目即為最佳的屬性個(gè)數(shù)。而擬合效果參數(shù)的選擇則是選用訓(xùn)練數(shù)據(jù)和效驗(yàn)數(shù)據(jù)的交互驗(yàn)證來(lái)進(jìn)行確定，訓(xùn)練數(shù)據(jù)用于確定回歸曲線的系數(shù)，效驗(yàn)數(shù)據(jù)用于判斷回歸曲線的相似程度。

4 應(yīng)用效果

為了做好反演工作，首先通過(guò)井震結(jié)合，對(duì)吉木薩爾凹陷東斜坡區(qū)二疊系蘆草溝組地層進(jìn)行了重新劃分與對(duì)比，以鉆揭二疊系蘆草溝組較全的吉36井為出發(fā)井，將二疊系蘆草溝組分為上下兩段，即蘆草溝組二段(P2l2)和蘆草溝組一段(P2l1)兩套致密型砂泥巖正旋回儲(chǔ)蓋組合。在精細(xì)標(biāo)定合成記錄的基礎(chǔ)上，開(kāi)展基于多屬性地質(zhì)統(tǒng)計(jì)反演。該方法的技術(shù)特點(diǎn)在于：不需要先驗(yàn)?zāi)Ｐ停苊饬四Ｐ偷膸?lái)誤差影響，可以交互驗(yàn)證檢驗(yàn)反演結(jié)果，通過(guò)對(duì)訓(xùn)練誤差分析，按實(shí)際地質(zhì)特征選取目標(biāo)曲線，反演運(yùn)算結(jié)果更符合地震地質(zhì)特征。

在預(yù)測(cè)得到的TOC剖面上(圖4)，上下兩套甜點(diǎn)緊鄰兩套主力烴源巖，兩套源沿展布穩(wěn)定，TOC含量高，證明了該區(qū)生烴條件好。在沿兩套源巖提取的TOC平面圖上(圖5)，上甜點(diǎn)TOC含量高的地區(qū)主要集中在工區(qū)西南部，而下甜點(diǎn)幾乎全區(qū)分布。

為了得到整個(gè)蘆草溝組段的有機(jī)碳含量，對(duì)工區(qū)內(nèi)具有樣品值的7口井進(jìn)行了預(yù)測(cè)。將預(yù)測(cè)結(jié)果與井上實(shí)測(cè)的TOC樣品值進(jìn)行對(duì)比(表1)，相對(duì)誤差在10%以內(nèi)，井間相對(duì)關(guān)系正確，因此，在地震上較合理準(zhǔn)確地實(shí)現(xiàn)了TOC預(yù)測(cè)。

圖4 基于多屬性的地質(zhì)統(tǒng)計(jì)反演TOC連井剖面

a P2/上甜點(diǎn)的TOC; b P2/下甜點(diǎn)的TOC

5 結(jié) 論

1) 通過(guò)對(duì)比不同的TOC測(cè)井計(jì)算方法出發(fā)，且考慮到測(cè)井模型僅實(shí)現(xiàn)了單井烴源巖縱向上的連續(xù)評(píng)價(jià)，而未利用地震資料具有橫向連續(xù)性優(yōu)勢(shì)；最終選擇井震結(jié)合基于多屬性地質(zhì)統(tǒng)計(jì)反演技術(shù)實(shí)現(xiàn)了烴源巖總有機(jī)碳含量的平面和剖面分布的精確預(yù)測(cè)。

2) 從研究區(qū)的預(yù)測(cè)效果來(lái)看，總有機(jī)碳預(yù)測(cè)值與實(shí)測(cè)值之間的相對(duì)誤差小，說(shuō)明預(yù)測(cè)值具有較高的準(zhǔn)確性，不僅可以實(shí)現(xiàn)利用測(cè)井資料在非取心、無(wú)地化分析數(shù)據(jù)的井段確定烴源巖的總有機(jī)碳含量；而且明確了研究區(qū)內(nèi)二疊系蘆草溝組烴源巖有機(jī)碳含量平面橫向分布特征，其分布規(guī)律與區(qū)域地質(zhì)認(rèn)識(shí)吻合，從而很好的為致密油勘探部署的地質(zhì)選區(qū)提供了有利而準(zhǔn)確的依據(jù)，具有重要的地質(zhì)意義。

[1] 賈承造, 鄒才能, 等. 中國(guó)致密油評(píng)價(jià)標(biāo)準(zhǔn)、主要類型、基本特征及資源前景[J]. 石油學(xué)報(bào), 2012, 33(3): 343-350.

[2] Passey Q R, Crnaney S, Kulla J B. A practical model for organic richness from porosity and resistivity logs[J]. AAPG Bulletin, 1990, 74(12): 1777-1794.

[3] Autric A, Dumesnil P. Resistivity radioactivity and sonic transit time logs to evaluate the organic content of low permeability rocks[J]. The Log Analyst, 1985, 26(3): 36-45.

[4] Mann U, Muller P J. Source rock evaluation by well log analysis(lower Toarcian,Hils Syncline)[J]. Organic Geochemistry, 1988, 13(3): 109-119.

[5] 許杰, 何治亮, 等. 含氣頁(yè)巖有機(jī)碳含量地球物理預(yù)測(cè)[J]. 石油地球物理勘探, 2013, 48(z1): 64-68.

[6] 楊少春, 王娜, 等. 鄂爾多斯盆地崇信地區(qū)三疊系延長(zhǎng)組烴源巖測(cè)井評(píng)價(jià)[J]. 天然氣地球科學(xué), 2013, 24(3): 470-476.

[7] 郝建飛, 周燦燦, 李霞, 等. 頁(yè)巖氣地球物理測(cè)井評(píng)價(jià)綜述[J]. 地球物理學(xué)進(jìn)展, 2012, 27(4): 1624-1632.

[8] 胡慧婷, 盧雙舫, 劉超, 等. 測(cè)井資料計(jì)算源巖有機(jī)碳含量模型對(duì)比及分析[J]. 沉積學(xué)報(bào), 2011, 29(6): 1199-1205.

[9] Schmoker J W, Hester T C. Organic carbon in bakken formation, united states portion of williston basin[J]. AAPG Bulletin. 1983, 67(12): 2165-2174.

[10] 楊文采. 神經(jīng)網(wǎng)絡(luò)算法在地球物理反演中的應(yīng)用[J]. 石油物探, 1995(2): 116-120.

[11] 曾喆昭, 王耀南. 神經(jīng)網(wǎng)絡(luò)算法在非線性系統(tǒng)中的應(yīng)用研究[J]. 湖南師范大學(xué)自然科學(xué)學(xué)報(bào), 2007(2): 56-60.

AStudyonPredictionMethodofTOCinSourceRocksofTightOilReservoir

GUO Shuang1,2, XIE Ruijie1,2, DENG Yong2, WANG Wei2

(1.InstituteofGeophysicsandPetroleumResources,YangtzeUniversity,Wuhan,Hubei430100,China; 2.UrumqiBranchofGeophysicalResearchInstitute,BGP,PetroChina,Urumqi,Xinjiang830016,China)

The geochemical analysis data of the core and rock debris samples show that high quality lacustrine source rocks are developed in Lucaogou formation of Middle Permian of Jimsar sag. To understand and evaluate source rocks, this paper develops proper horizontal and vertical predictive methods of the source rocks in this area. TOC of source rocks is calculated in portrait methods, such as acoustic resistivity superposition, DEN-porosity volume model and the multifactor statistical regression. Based on the comparison and selection of suitable organic carbon content, it is in logging interpretation model. The lateral accurate prediction of total organic carbon content of hydrocarbon source rocks is realized by the multi attribute geological statistics inversion technique to solve the problem of lateral prediction. From the prediction effect of the study area, we know the case study indicates is good for application, as can be a reliable basis for the design of wells in this area.

Lucaogou formation; TOC; Log interpretation model; Geological statistics inversion

2016-07-28

郭雙(1987-)，男，湖北松滋人，工程師，研究方向：儲(chǔ)層預(yù)測(cè)、地震地質(zhì)綜合研究，手機(jī)：13669957798，E-mail：guoshuang_bgp@sina.com.

P631.4

：Adoi：10.14101/j.cnki.issn.1002-4336.2016.04.029