渤中19-6 太古界潛山復雜巖性儲層礦物組分反演

朱博遠，張超謨，2，張占松，2，朱林奇，周雪晴

（1.長江大學地球物理與石油資源學院，武漢 430100；2.長江大學油氣資源與勘探技術教育部重點實驗室，武漢 430100）

0 引言

古潛山油氣藏巖性復雜，曾長期暴露地表遭受風化剝蝕，并經歷多期構造作用的疊加改造，因而各類次生儲集空間發育，形成了儲集空間復雜、非均質性較強的儲集層［1-2］。經過多年的勘探研究，在渤海灣盆地渤中凹陷西南部的渤中19-6 深層太古界潛山構造帶儲層中發現了千億立方米大型凝析氣田，為該構造目前已發現的最大氣田，該構造帶儲層是由太古界變質巖和上覆砂礫巖共同構成的儲層系統，稱為深層泛潛山儲層系統［3-6］。在渤海灣地區中，如蓬萊9-1 潛山區域及錦州25-1 潛山區域中的巖性較為單一，常見片麻巖、花崗巖為主［7-9］，而渤中19-6 潛山構造帶儲層常見變質巖層段中夾雜著玢巖、斑巖、輝綠巖等后期侵入體和安山巖、玄武巖等噴出巖，且長石普遍發生絹云母化、云母被鐵白云石交代［10］。巖性及其礦物組分多樣化導致使用“Wylie”方程等經典公式或線性與非線性回歸等傳統方法對準確求解物性參數帶來較大困難［11-14］。因此，迫切須要開展復雜巖性和礦物組分的測井研究，通過已有的巖心測試資料和測井曲線對礦物組分含量進行標定，并對未取心井進行反演。

通過測井資料和實驗巖心，對渤中19-6 太古界潛山構造帶巖性進行分析，采用最優化方法，建立多礦物組分反演模型，并對該模型進行改進，利用測井資料計算得到石英、長石、重礦物和云母含量及有效孔隙度，以期為復雜巖性剖面解釋及物性評價提供指導。

1 復雜巖性分析

圖1 BZ19-6-X 井潛山層段綜合柱狀圖Fig.1 Comprehensive histogram of buried hill layer in well BZ19-6-X

依據實驗巖心和常規測井資料及電成像裂縫拾取，綜合分析了太古界潛山地層的巖性特征，發現渤中19-6 潛山構造帶儲層儲集空間類型主要為裂縫型、孔隙型、孔隙-裂縫型［15-17］。巖性以變質巖（片麻巖）為主，含有少量侵入巖（玢巖）、噴出巖（安山巖）及其他巖性［10］。在礦物組分上，含有火成巖塊、巖漿巖塊、石英巖塊等巖屑組分。以BZ19-6-X井為例（圖1），二長片麻巖（圖1 中4 257 m）巖石組分主要為斜長石，體積分數約為40%，鉀長石體積分數約為35%，石英體積分數約為20%，黑云母體積分數約為5%；礦物晶粒粗大，晶粒間接觸緊密，可見嵌晶包含結構；長石絹云母化。斜長片麻巖（圖1中4 245 m）巖石組分主要為斜長石，體積分數約為53%，石英體積分數約為30%，鉀長石體積分數約為13%，黑云母體積分數約為4%；礦物晶粒較粗，多呈粗晶；巖石內見兩期巖石裂縫，被泥質、黃鐵礦等充填；局部可見鐵白云石和白云石交代。輝綠玢巖（圖1 中4 309 m）主要礦物組分為基性斜長石，體積分數約為65%、石英體積分數約為33%，黑云母及輝石和少量鐵質礦物，體積分數約為2%；具輝綠結構特征，部分輝石蝕變為綠泥石。

斜長片麻巖層段（圖1 中4 243～4 250 m，4 269～4 275 m）測井曲線呈高自然伽馬，具有明顯的峰狀；有效孔隙度平均在8%左右；該段礦物含量曲線有較明顯的起伏；該儲層段裂縫發育。二長片麻巖層段（圖1 中4 250～4 269 m，4 275～4 305 m）測井曲線呈高電阻率；儲層段平均孔隙度約為5%；該段礦物含量曲線未出現明顯的起伏；該儲層段裂縫發育。潛山侵入地層（圖1 中4 305～4 320 m）測井曲線呈高光電吸收截面指數、低自然伽馬、高密度、高中子和高電阻率，其中光電吸收截面指數、自然伽馬、密度和中子呈明顯的箱形；該段平均孔隙度約為2%；該段礦物含量曲線未出現明顯的起伏；見幾條微小裂縫，其內被鐵白云石等礦物充填。

綜上對巖石學特征、測井響應特征、物性、礦物組分含量和裂縫分布等方面的描述表明：渤中19-6構造帶太古界潛山地層礦物組分十分復雜，除長石、石英和黑云母外，還有蝕變作用生成的絹云母，鐵白云石和伴生的鐵質礦物等膠結物；同種巖類，斜長片麻巖測井響應特征及礦物含量與二長片麻巖相比具有明顯差異；非同種巖石，片麻巖和侵入巖測井響應特征也有較大差異；二長片麻巖、斜長片麻巖和侵入巖之間的孔隙度差異及裂縫發育程度受礦物含量變化的影響，可反映出不同巖性的儲集空間結構可能存在差異，非均質性強。因此太古界潛山巖性極其復雜，直接利用常規測井曲線難以準確計算巖石骨架各礦物的含量。

2 重礦物識別

基于復雜巖性分析，渤中19-6 太古界潛山地層中發育重礦物。根據巖心薄片鏡下特征及X 射線衍射全巖礦物含量（表1）確定了重礦物以鐵白云石（質量分數約為4.4%）、黃鐵礦（質量分數約1.25%）和菱鐵礦（質量分數約為3.5%）為主，這3 種重礦物的測井密度介于3.08～5.01 g/cm3、補償中子介于5.7%～13.7%、光電吸收截面指數介于14.5～23 b/e和自然伽馬介于0～10 API［18］，與石英和長石相比，呈高光電吸收截面系數、低自然伽馬、高補償密度和高補償中子，發現該重礦物測井響應值與侵入巖地層（圖1 中4 305～4 320 m）測井響應特征相似，并且該層段薄片中鑒定有重礦物，因此重礦物測井響應特征符合地質認識。

表1 渤中19-6 太古界潛山層段礦物X 射線衍射全巖礦物含量Table 1 X-ray diffraction full-rock mineral content of heavy minerals in Bozhong 19-6 Archean buried hill%

重礦物對光電吸收截面指數、自然伽馬、補償密度和補償中子等較為敏感，根據這一特性，建立了Icl1與Icl2等2 條重礦物指示曲線。Icl1［19］為中子和密度計算的視灰巖孔隙度之差，Icl2為光電吸收截面指數相對值與自然伽馬相對值之差，其表達式如下：

式中：CNL為中子孔隙度測井值，小數；DEN為補償密度測井值，g/cm3；PE為光電吸收截面指數，b/e；GR為自然伽馬，API；PEmax為PE與GR在圖版上重疊后的最大刻度值，b/e；PEmin為PE與GR在圖版上重疊后的最小刻度值，b/e；GRmax為GR與PE在圖版上重疊后的最大刻度值，API；GRmin為GR與PE在圖版上重疊后的最小刻度值，API。

參考已知巖石薄片及X 射線衍射中的重礦物和測井曲線響應特征對重礦物雙指示曲線進行閾值選取，以BZ19-6-X 井為例，分別取值0.077 和0.290。從圖2 可以看出，用2 條指示曲線對BZ19-6-X 井侵入巖中的重礦物進行雙重識別，綠色部分為識別出的重礦物，識別結果可參照重礦物反演計算結果，如果指示曲線在對應深度段確實識別出重礦物，則被視為重礦物層。通過重礦物的識別，為后續提高多礦物反演計算精度起到至關重要的作用。

圖2 BZ19-6-X 井雙指示曲線識別重礦物Fig.2 Heavy mineral identification by double indicator curves in well BZ19-6-x

3 測井多礦物反演

多礦物反演利用組分響應疊加原理，聯合多種測井曲線資料刻畫礦物組分，具有較高的精度，最優化反演方法在砂巖地層和頁巖地層評價中得到了廣泛應用［20-23］。相比砂巖，在渤中19-6 潛山變質巖儲層中，最優化反演方法有明顯的改進：礦物成分較多，對須要反演的礦物進行了優化；該礦物組分反演難度大，增加非線性響應方程，對優化算法的要求更高；一口井可能存在曲線響應過于復雜以至于基礎模型無法解決所有問題，如重礦物影響、擴徑影響、伽馬異常和反演曲線異常等，所以建立了以基礎模型為主、多個分模型相結合的組合模型。

3.1 礦物的求解方法

反演中用到的測井曲線為聲波時差、補償密度、補償中子、自然伽馬、深電阻率和體積光電吸收截面，由于用于反演的曲線較少，為保證反演的效果必須要求測井曲線數目不少于要反演的礦物種類，所以將鉀長石與斜長石合并為長石，鐵白云石、黃鐵礦和菱鐵礦合并為重礦物進行反演。黑云母等暗色礦物，即使其含量較少，但它們對電測資料的影響較大，在資料處理中不能忽略［20］。

3.2 目標函數及限制條件

測量得到的曲線中大多數響應方程是線性的或可以變成線性的，如自然伽馬、密度等，線性響應方程的一般形式為

式中：M為測井曲線；n為地層組分數，個；Vi為組分i的體積分數，%；Ri為組分i的響應參數。

結合式（3），得到反演公式為

式中：DT為聲波時差，μs/m；U為體積光電吸收截面指數（補償密度與光電吸收截面指數乘積），b/cm3；fpor為孔隙流體（有效孔隙度），小數。

求解V1,V2,…,Vn。得到非線性電阻率響應方程［11］為

式中：a為與巖性有關的巖性系數；m為膠結指數；c為飽和度指數；Rt為地層電阻率，Ω·m；φt為孔隙度，無因次；Rw為地層水電阻率，Ω·m；Sw為含水飽和度，無因次。

在反演過程中還內置了與組分含量有關的限制條件：

（1）所有組分體積之和等于100%，即

式中：n+f為巖石骨架組分數，個。

（2）單個組分的體積分數介于0～100%。

（3）沖洗帶與原狀地層孔隙體積相等，即

式中：flu為地層沖洗帶組分數，個。

3.3 模型的建立

儲層中既有鉀長石，又有斜長石，并且鉀長石中又見微斜長石，斜長石中又見鈉長石與鈣長石，所以長石測井響應參數不唯一，只用一類長石測井響應參數無法滿足反演要求。根據張愛軍［18］的描述（表2），確定了參數中差異較大的體積密度、縱波時差、自然伽馬和體積光電吸收截面的范圍值，經過進行多次調試，分析各長石之間的權重，最終選取了最恰當的長石參數（表2），而其他測井響應參數即參考測井解釋軟件給出的默認值。

表2 潛山長石測井響應參數選取Table 2 Selection of logging parameters for buried hill feldspar

由于一口井可能存在曲線響應過于復雜以至于基礎模型無法解決所有問題，此時須要借助模型組合，模型組合是利用判斷語句，對儲層類別進行判斷。其中模型概率方程用于確定模型組合中每個模型的概率，概率最大的模型即為被選用的模型，概率計算可用線性函數表示，即

式中：linear 為有關線性函數；Y為模型概率值；Xi為第i個限制條件。當X1變化到Xi時，Y從0 變化到1，可以理解為模型使用Xi的結果，這樣的函數提供穩健的從一個模型到另外一個模型的轉換。

圖3 測井曲線反演重礦物Fig.3 Log inversion of heavy minerals

潛山地層中易發生鐵白云石交代、絹云母化等蝕變作用，常伴隨鐵質礦物的出現，這些鐵白云石、黃鐵礦和菱鐵礦等鐵質礦物的測井響應參數也不唯一，但與調試長石參數不同的是，不論怎樣選取參數，也無法取得最恰當的重礦物測井參數（圖3），直接利用基礎模型反演礦物，會使整個潛山地層出現大量的重礦物，造成較大計算誤差。從圖3 可以看出，基礎模型反演出重礦物的地方，并沒有明顯的重礦物測井響應特征，通過不斷地模型調試，引入雙指示曲線，將2 條指示曲線的閾值作為基礎模型的限制條件，再進行反演（重礦物模型），有效篩選出重礦物，這樣就提高了多礦物反演計算精度。在分模型中，除重礦物模型，還增加了擴徑模型，由于變質巖儲層較厚，經常會分多次測量，出現井壁垮塌，其中受影響的主要是補償密度和光電吸收截面指數，因此在擴徑深度段內去掉補償密度和體積光電吸收截面指數這2 條反演曲線。除了上述模型外，還用到了高伽馬模型，有些井段會出現自然伽馬值異常偏大的現象，基礎模型中的伽馬測井參數相對較小，不適用于這種層段，須要調高伽馬測井參數值，使反演過程中的重構自然伽馬曲線與測量伽馬吻合較好。

在礦物組分反演時，求解聯立的方程組過程中會出現方程組數目大于未知數個數，這種現象被稱為超定［24］。其非相關函數計算方法如下：

式中：DENRE為理論密度曲線，g/cm3；DENCH為實際密度曲線，g/cm3；DENWM為密度曲線的權重；DENUNC為密度曲線的不確定度，g/cm3。

在反演結束后，需要一條質量控制曲線（Inco為歸一化后的非相關函數），進行理論測井曲線與實際測井曲線的對比。

4 應用結果

圖4 BZ19-6-A 井反演綜合解釋成果圖Fig.4 Inversion interpretation results of well BZ19-6-A

BZ19-6-A 井經過礦物組分最優化解釋處理，使用了基礎模型、重礦物模型和高伽馬模型，對聲波時差、補償密度、補償中子、自然伽馬、體積光電吸收截面指數、深電阻率曲線進行了最優化測井解釋。結果表明（圖4）：①通過計算得到的重構測井曲線與實際測量的自然伽馬、體積光電吸收截面指數、補償中子、補償密度、聲波時差和深電阻率曲線吻合得較好。②計算石英含量、長石含量和云母含量與薄片鑒定結果趨勢基本保持一致，所得礦物組分含量與薄片巖心吻合較好。③3 921～3 923 m 處，見雙指示曲線對重礦物識別的結果，最終組合模型反演計算的有效孔隙度比基礎模型反演計算的有效孔隙度與巖心更吻合。④組合模型反演計算的有效孔隙度與巖心基本吻合，精度明顯高于多元回歸法計算的有效孔隙度。

分別對BZ19-6-A 井、BZ19-6-B 井和BZ19-6-C 井的106 塊樣品進行了誤差分析：將BZ19-6-A 井、BZ19-6-B 井和BZ19-6-C 井的測井解釋有效孔隙度與巖心孔隙度作交會圖，數值點為潛山某一層段的平均值，其值基本落在45°的直線上，有效孔隙度與巖心一致性較好（圖5）。

圖5 潛山地層孔隙度交會圖Fig.5 Crossplot of porosity of buried hill formation

5 結論

（1）渤中19-6 太古界潛山構造帶受蝕變作用、測井響應特征、礦物含量、孔隙度及裂縫發育的影響，儲層巖性極其復雜，導致巖石礦物骨架難以精確計算，使用經典公式或經驗公式計算物性參數會產生較大誤差。

（2）潛山地層重礦物含量高（質量分數約為8%），且重礦物組分及類型多樣，常見鐵白云石、黃鐵礦和菱鐵礦；由于直接利用多礦物反演的方法會使重礦物反演結果偏大，進而使孔隙度計算偏大。為此，根據重礦物測井響應特征，建立雙指示曲線模型識別重礦物，并應用于多礦物反演模型中，較好地降低了由重礦物計算不準確造成的誤差。

（3）基于復雜巖性分析，建立了一套適用于渤中19-6 太古界潛山復雜巖性儲層礦物組分反演模型。采用最優化反演方法，對其優化了礦物組分及相應測井參數；增加非線性響應控制；采用多種模型組合的方式對剖面進行解釋評價。反演計算出的礦物含量與薄片巖心大致相同，顯著提升了孔隙度計算精度，較好地降低了由于礦物成分復雜對物性計算造成的影響。