基于機器學習的煤系致密砂巖氣儲層分類研究
——以鄂爾多斯盆地DJ區塊為例

要惠芳 ,趙明坤，陳 強

(1.太原理工大學 礦業工程學院，山西 太原 030024；2.煤與煤系氣地質山西省重點實驗室，山西 太原 030006；3.河南省煤炭地質勘察研究總院，河南 鄭州 450052)

0 引 言

致密砂巖氣資源量約占到全球非常規資源量的70%，是重要的接替能源[1]; 鄂爾多斯盆地作為我國主要的深部致密砂巖氣產區，其上古生界石炭、二疊系儲層是典型的以低、特低孔隙度和滲透率為特征的準連續型氣藏，物性非均質性較強[2-4]。流動單元，又稱巖石物理流動單元[5]、水動流動單元[6-7],是受沉積、成巖作用等因素控制的、以非均質性為特征的不同類型儲集單元，而在相同類型單元內部巖石物理性質相似，流體滲流特征相似[8]，可近似為均質性的或可預測的[5,9]。因此，流動單元的合理分類是決定是否可以將低孔低滲儲層物性的非均質問題簡化為均質問題的關鍵。流動單元的劃分主要有成因特征分類法及微觀孔隙結構統計分析法2類。前者全部或部分考慮了沉積相、巖石相、成巖和構造作用等地質控制因素，具體表征參數包括礦物組分和粒度、成熟度及分選性等巖石學特征[10]，壓實、膠結、溶蝕、破裂等成巖作用特征[6]，高分辨率層序及成因砂體組合、沉積微相及界面，隔層、夾層、沉積構造等沉積學特征[11]，斷層及其封堵性等構造學特征[12]，劃分方法有層對比及相疊加[10]、層次分析[13]、灰色關聯[14]等。但該類方法對地質認識依賴大，效率低，可實現性較差。而微觀孔隙結構法主要利用孔隙度、滲透……