致密油藏烴源巖有機碳含量預測方法研究

郭 雙,謝銳杰,鄧 勇,王 偉

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

?

致密油藏烴源巖有機碳含量預測方法研究

郭 雙1,2,謝銳杰1,2,鄧 勇2,王 偉2

(1. 長江大學 地球物理與石油資源學院，湖北 武漢 430100； 2. 中國石油 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，總體有機質(zhì)豐度較高。為了準確認識該區(qū)烴源巖特征并對其進行評價，利用巖芯地化分析資料標定測井信息，井震結(jié)合建立了適合研究區(qū)的烴源巖總有機碳橫、縱向預測方法?？v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)計回歸等多種方法計算烴源巖的有機碳含量，經(jīng)對比選取適合的有機碳含量測井解釋模型，在此基礎上，基于多屬性地質(zhì)統(tǒng)計反演技術實現(xiàn)了烴源巖總有機碳含量的橫向精確預測，從而較好的解決了其橫向預測的難題；從研究區(qū)的預測效果來看，運用這套方法，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；有機碳含量；測井解釋模型；地質(zhì)統(tǒng)計學反演

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、致密碳酸鹽巖等儲集巖中，未經(jīng)過大規(guī)模長距離運移的油氣聚集[1]。20世紀80年代在準噶爾盆地二疊系蘆草溝組就已經(jīng)發(fā)現(xiàn)了致密油，隨著技術的發(fā)展，致密油的開采進入了一個新的階段。有機碳含量(TOC)是評價烴源巖的一個重要參數(shù)，而TOC樣品值是通過對連續(xù)的鉆井取芯段用地球化學分析方法獲得，所需時間較長，分析費用也較高。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，沒有巖芯有說服力。因此一般用樣品平均TOC值來代表整段烴源巖的有機碳含量，但是平均值不能準確反映烴源巖的實際有機碳含量，這也會影響有機質(zhì)豐度的評價效果，這就必須對沒有取芯段的進行預測，在這方面國內(nèi)外的一些學者對有機碳含量的計算也做了大量研究[2-9]。由于不同地區(qū)的烴源巖測井相應特征不同，很難建立普適性的經(jīng)驗公式；在充分考慮研究區(qū)的烴源巖地質(zhì)地化特征的基礎上，本文參考和對比了前人的測井模型解釋方法，但是測井考慮到測井模型僅實現(xiàn)了單井烴源巖縱向上的連續(xù)評價，而地震數(shù)據(jù)具有橫向連續(xù)性優(yōu)勢；為了準確認識該區(qū)烴源巖特征并對其進行評價，利用巖芯地化分析資料標定測井信息，井震結(jié)合建立了一套適合研究區(qū)的烴源巖總有機碳橫、縱向預測方法，解決了勘探期間致密油氣有機碳含量橫向預測的難題。

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強烈的陸內(nèi)裂谷型斷陷咸化湖盆,幔源巖漿—熱液流體參與沉積過程,具有熱演化程度高、孔隙壓力高、地溫場高、裂縫發(fā)育、巖石有機質(zhì)豐富等特點。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，沉積物主要為富含有機質(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明致密油主要來自與其緊密接觸的烴源巖層，為短距離運移近源成藏。蘆草溝組烴源巖總體處于低成熟—中等成熟階段，總體有機質(zhì)豐度較高，上甜點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，達到成熟演化階段，具有一定生烴能力。粉砂巖類有機質(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)組成中異構烷烴、環(huán)烷烴含量明顯較上甜點源巖要高，這使得生成的原油明顯偏重，下甜點段烴源巖生烴能力較上甜點更強。通過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”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”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、無地化分析數(shù)據(jù)的井段也獲得烴源巖的總有機碳含量，本文開展了井震聯(lián)合的預測方法研究。

2 TOC測井解釋模型

2.1聲波—電阻率模型

在大量泥巖段，聲波時差曲線和電阻率曲線按照一定的橫向比例是重合的，而有機碳含量較高層段具有一定的幅度差，這個幅度差就是△lgR，而△lgR與TOC曲線是關于成熟度的線性關系，因此，通過化學分析后，就可以直接計算出TOC。

聲波—電阻率計算公式為：

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

(1)

其中，△lg R是對數(shù)電阻率和聲波時差曲線的幅度差，R是地層的測井電阻率，單位為Ω·m，△t是地層的聲波時差，單位為μs/ft，Rbaseline是基線所對應的電阻率值，△tbaseline是基線所對應的聲波時差。

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

TOC=(△lgR)102.297-0.168 8×LOM

(2)

這種算法在進行計算時，需人為的將電阻率和聲波時差曲線在非泥巖段進行疊后來確定基線值，因此其操作具有誤差性，那么進行推導，提出更簡便的聲波—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是有機質(zhì)體積百分比。

一般認為巖石中存在有機質(zhì)的碳就是有機碳的含量，可用巖石質(zhì)量的百分比來表示：

(5)

其中，mc是有機碳的質(zhì)量，ck是有機碳占有機質(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)

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

2.3多元線性回歸法

有機碳含量與各類測井曲線間有良好的對應關系，那么一般建立相關性較大的經(jīng)驗公式，用來計算有機質(zhì)含量?？蓮南嗤疃鹊腡OC實測數(shù)據(jù)與各測井曲線值來擬合二者的內(nèi)在關系，如TOC與密度曲線、TOC與伽馬曲線。實踐中多應用TOC與各類測井曲線間的單參數(shù)模型或是綜合多參數(shù)模型。

經(jīng)過以上不同測井模型的效果來看(見圖1～2)，多元回歸計算的值與樣品實測的值最相近，只是單井縱向的預測存在不足，但是要達到橫向預測，如何借助地震數(shù)據(jù)的橫向分辨率的優(yōu)勢，就必須充分井震結(jié)合進行有效反演。

3 基于多屬性地質(zhì)統(tǒng)計反演

3.1多屬性分析中的線性分析

基于多屬性地質(zhì)統(tǒng)計反演技術通過在井位置處利用多元線性回歸和人工智能神經(jīng)網(wǎng)絡技術對已知樣本進行訓練，分析出可以表征儲層特征的井曲線與內(nèi)部地震屬性和外部地震屬性的關系，然后將建立的關系應用到整個數(shù)據(jù)體，從而獲得儲層參數(shù)數(shù)據(jù)體。

圖1吉36井預測結(jié)果圖2吉174井預測結(jié)果

多屬性回歸即使用多屬性交會圖，應用線性分析或者非線性分析的方法將測井數(shù)據(jù)與地震的多種屬性建立關系。與傳統(tǒng)的單屬性交會相比較，該方法可以一定程度的改善相關程度，提高預測精度。多屬性分析中的線性分析，是假定給定三種屬性，目標曲線上的每個樣點可以看成是同一時間位置的三種屬性的線性組合，每個采樣點處，目標曲線可由線性方程模擬：

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

(9)

方程中的權值可通過求均方預測誤差的最小值來獲得：

(10)

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

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

(11)

其中，*代表褶積，w1為特定長度的褶積算子。同理，算子的系數(shù)可以通過求均方預測誤差的最小值來求得：

(12)

當實際目標曲線與預測目標曲線之間的均方預測誤差達到最小時，這些算子是最優(yōu)的，因此對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)絡圍繞所有訓練樣本進行運算，與原始地震、波阻抗反演體及多種屬性體建立關系，并對輸出結(jié)果與每個受訓樣本進行比較得到相關系數(shù)及誤差來監(jiān)控反演結(jié)果[10-11]。常用的有兩種神經(jīng)網(wǎng)絡方法多層前饋神經(jīng)網(wǎng)絡和概率神經(jīng)網(wǎng)絡(PNN)(圖3)。

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

概率神經(jīng)網(wǎng)絡(PNN)實際上是一種數(shù)學插值方法，即對于給定的受訓數(shù)據(jù)，該方法假設每一條新的輸出曲線都可以寫成受訓數(shù)據(jù)曲線值的組合。該方法的優(yōu)勢在于數(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；其劣勢是圍繞所有受訓數(shù)據(jù)進行計算，并要對每個輸出樣本與每個受訓樣本進行比較，運行速度較慢。

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

4 應用效果

為了做好反演工作，首先通過井震結(jié)合，對吉木薩爾凹陷東斜坡區(qū)二疊系蘆草溝組地層進行了重新劃分與對比，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蓋組合。在精細標定合成記錄的基礎上，開展基于多屬性地質(zhì)統(tǒng)計反演。該方法的技術特點在于：不需要先驗模型，避免了模型的帶來誤差影響，可以交互驗證檢驗反演結(jié)果，通過對訓練誤差分析，按實際地質(zhì)特征選取目標曲線，反演運算結(jié)果更符合地震地質(zhì)特征。

在預測得到的TOC剖面上(圖4)，上下兩套甜點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TOC含量高的地區(qū)主要集中在工區(qū)西南部，而下甜點幾乎全區(qū)分布。

為了得到整個蘆草溝組段的有機碳含量，對工區(qū)內(nèi)具有樣品值的7口井進行了預測。將預測結(jié)果與井上實測的TOC樣品值進行對比(表1)，相對誤差在10%以內(nèi)，井間相對關系正確，因此，在地震上較合理準確地實現(xiàn)了TOC預測。

圖4 基于多屬性的地質(zhì)統(tǒng)計反演TOC連井剖面

a P2/上甜點的TOC; b P2/下甜點的TOC

5 結(jié) 論

1) 通過對比不同的TOC測井計算方法出發(fā)，且考慮到測井模型僅實現(xiàn)了單井烴源巖縱向上的連續(xù)評價，而未利用地震資料具有橫向連續(xù)性優(yōu)勢；最終選擇井震結(jié)合基于多屬性地質(zhì)統(tǒng)計反演技術實現(xiàn)了烴源巖總有機碳含量的平面和剖面分布的精確預測。

2) 從研究區(qū)的預測效果來看，總有機碳預測值與實測值之間的相對誤差小，說明預測值具有較高的準確性，不僅可以實現(xiàn)利用測井資料在非取心、無地化分析數(shù)據(jù)的井段確定烴源巖的總有機碳含量；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)認識吻合，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. 中國致密油評價標準、主要類型、基本特征及資源前景[J]. 石油學報, 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. 含氣頁巖有機碳含量地球物理預測[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)三疊系延長組烴源巖測井評價[J]. 天然氣地球科學, 2013, 24(3): 470-476.

[7] 郝建飛, 周燦燦, 李霞, 等. 頁巖氣地球物理測井評價綜述[J]. 地球物理學進展, 2012, 27(4): 1624-1632.

[8] 胡慧婷, 盧雙舫, 劉超, 等. 測井資料計算源巖有機碳含量模型對比及分析[J]. 沉積學報, 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)絡算法在地球物理反演中的應用[J]. 石油物探, 1995(2): 116-120.

[11] 曾喆昭, 王耀南. 神經(jīng)網(wǎng)絡算法在非線性系統(tǒng)中的應用研究[J]. 湖南師范大學自然科學學報, 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：儲層預測、地震地質(zhì)綜合研究，手機：13669957798，E-mail：guoshuang_bgp@sina.com.

P631.4

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