電成像測井新參數在碳酸鹽巖巖相識別中的應用

李 昌， 沈安江， 孟 賀

(1.中國石油杭州地質研究院， 杭州 310023； 2.中國石油天然氣集團公司碳酸鹽巖儲層重點實驗室， 杭州 310023)

電成像測井以其高分辨率和圖像直觀性強的特點[1]，可以近似于巖心描述，圖像上能反映沉積巖構造及層理等特征，可以建立圖版識別沉積微相及巖相。肖何等[2]基于常規測井和電成像測井圖像建立不同沉積微相測井特征模式；田瀚等[3]通過巖心標定，建立圖版的方法來識別微生物巖巖石類型。然而定性圖版法識別效率低，受人工經驗影響大，往往識別結果具有多解性[4]。因此電成像測井定量法識別巖相成為研究熱點，目前主要有2個方向：一是提取定量參數劃分巖相，例如，對紋理特征的提取，張翔等[5]從電成像測井的圖像中提取紋理特征，再利用主成分分析約簡后的特征識別巖性；二是基于深度學習算法識別巖相；何旭等[6]提出了基于卷積神經網絡的多尺度測井相識別方法。然而深度學習識別方法需要大量樣本標簽，受訓練數據影響大，存在應用局限性。紋理特征提取方法較多，且參數種類也較多[7]，實際應用過于復雜。目前缺乏針對構造特征參數區分巖相的研究。為此，現基于數字圖像灰度轉換和圖像分割技術，提取一種新的定量參數，即視巖石構造數(aparent rock structure number，ARSN)，實現巖相識別。首先基于多點地質統計插值算法對電成像測井動態圖像進行全井眼插值獲取全井眼覆蓋的圖像，然后利用圖像分割技術獲得二值圖像，分別統計二值圖像在縱向和橫向黑色斑點(塊)最大個數，將二者的比值作為新參數ARSN來定量表征構造特征。……