螢火蟲算法在凝灰質(zhì)砂巖儲(chǔ)層測井解釋中的應(yīng)用

莫修文,李 曉,張 強(qiáng)

(吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院,吉林長春130026)

?

螢火蟲算法在凝灰質(zhì)砂巖儲(chǔ)層測井解釋中的應(yīng)用

莫修文,李 曉,張 強(qiáng)

(吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院,吉林長春130026)

凝灰質(zhì)砂巖儲(chǔ)層的巖石成分和孔隙結(jié)構(gòu)復(fù)雜,物性變化大,準(zhǔn)確計(jì)算出各成分的體積分?jǐn)?shù),特別是凝灰質(zhì)的含量,是提高這類儲(chǔ)層測井解釋精度的關(guān)鍵。在求解此類問題時(shí),傳統(tǒng)測井解釋方法中的簡單礦物模型及其方程組解法容易出現(xiàn)不穩(wěn)定的解或不合理的解釋結(jié)果。為此,提出了一種基于螢火蟲算法的最優(yōu)化測井解釋方法,結(jié)合巖石體積物理模型,應(yīng)用于海拉爾盆地凝灰質(zhì)砂巖儲(chǔ)層解釋。在綜合考慮各種誤差與約束條件的情況下,計(jì)算出了凝灰質(zhì)含量、孔隙度等儲(chǔ)層參數(shù)。計(jì)算結(jié)果與巖心數(shù)據(jù)吻合度較好,說明螢火蟲算法可行,最優(yōu)化測井解釋的結(jié)果可靠。

凝灰質(zhì)砂巖儲(chǔ)層;體積模型;螢火蟲算法;最優(yōu)化測井解釋;孔隙度

凝灰質(zhì)砂巖儲(chǔ)層具有巖性復(fù)雜、非均質(zhì)性強(qiáng)等特點(diǎn),儲(chǔ)層中的凝灰質(zhì)和泥質(zhì)會(huì)影響孔隙度、飽和度和滲透率等參數(shù)的求取。準(zhǔn)確計(jì)算出泥質(zhì)和凝灰質(zhì)含量,是提高孔隙度等參數(shù)求取精度的關(guān)鍵。雖然計(jì)算泥質(zhì)含量的方法較多,但存在一定程度的使用局限性:如自然伽馬法在只含有泥質(zhì)地層時(shí),計(jì)算值較為準(zhǔn)確,但當(dāng)?shù)貙又泻衅渌派湫晕镔|(zhì)時(shí),計(jì)算結(jié)果就會(huì)偏高;凝灰質(zhì)含量的計(jì)算方法較少,一般將其視為泥質(zhì)的一部分來處理[1],如ITOH等[2]在處理位于日本北部電阻率較低的凝灰質(zhì)砂巖儲(chǔ)層時(shí)指出,由于凝灰質(zhì)和泥質(zhì)的導(dǎo)電特性相同,可以將其視為泥質(zhì)的一部分。上述方法求取凝灰質(zhì)含量的前提條件是凝灰質(zhì)和泥質(zhì)的導(dǎo)電性相同,但在海拉爾盆地許多凝灰質(zhì)砂巖儲(chǔ)層中,這樣的前提條件難以滿足[3],這就使得傳統(tǒng)的測井解釋方法很難準(zhǔn)確求出該儲(chǔ)層的參數(shù)。因此,有必要建立一套適合于求取海拉爾盆地凝灰質(zhì)砂巖儲(chǔ)層參數(shù)的測井解釋方法。

最優(yōu)化測井解釋方法可以對復(fù)雜巖性儲(chǔ)層進(jìn)行有效評價(jià),但其目標(biāo)函數(shù)復(fù)雜,對最優(yōu)化算法的要求較高[4]。為提高精度,許多學(xué)者從多方面對最優(yōu)化測井解釋中的算法進(jìn)行了研究[5]。例如,馮國慶等[6]將非時(shí)齊遺傳算法引入復(fù)雜儲(chǔ)層的最優(yōu)化測井解釋,并且對潛山油藏測井資料進(jìn)行了處理,取得了較好的效果;段亞男[7]將細(xì)菌覓食算法引入最優(yōu)化測井解釋,求取了蘇里格致密砂巖儲(chǔ)層參數(shù),取得了較準(zhǔn)確的結(jié)果;曹旭光等[8]、肖亮等[9]在最優(yōu)化算法方面也做了大量工作,并且其文獻(xiàn)具有很好的指導(dǎo)意義。前人雖然做了很多研究,但是求取的儲(chǔ)層參數(shù)種類較少;而對于凝灰質(zhì)砂巖儲(chǔ)層,需要確定的參數(shù)較多。參數(shù)越多,導(dǎo)致待求參數(shù)與各常規(guī)測井響應(yīng)之間的非線性關(guān)系越強(qiáng)。螢火蟲算法(GSO)[10]在處理這種非線性問題時(shí),具有很強(qiáng)的適應(yīng)性。因此,我們將螢火蟲算法引入到基于巖石體積物理模型的最優(yōu)化測井解釋中,并應(yīng)用于海拉爾盆地凝灰質(zhì)砂巖儲(chǔ)層的參數(shù)求取,較準(zhǔn)確地計(jì)算出了處理層段的泥質(zhì)、凝灰質(zhì)和各骨架礦物含量以及孔隙度值。

1 最優(yōu)化測井解釋的基本原理

最優(yōu)化測井解釋的數(shù)學(xué)公式為:

(1)

當(dāng)確定好目標(biāo)函數(shù)以及各種約束條件后,即可用最優(yōu)化算法求取自變量x,本文將用螢火蟲算法來尋求x的最優(yōu)解。

2 螢火蟲算法基本原理及最優(yōu)化解釋流程

螢火蟲算法是一種全局最優(yōu)隨機(jī)搜索算法,其應(yīng)用范圍越來越廣。關(guān)于螢火蟲算法的應(yīng)用,國內(nèi)外已有很多研究,SZYMON等[13]將螢火蟲算法用于約束條件下的最優(yōu)化問題尋優(yōu);JATI等[14]根據(jù)離散螢火蟲算法理論求解了組合的優(yōu)化問題,并得到了較好的結(jié)果。研究結(jié)果表明,無論是在解決連續(xù)空間還是離散空間的優(yōu)化問題時(shí),螢火蟲算法都具有較高的可靠性。

2.1 基本原理

螢火蟲算法是將螢火蟲發(fā)光的生物學(xué)問題轉(zhuǎn)化為數(shù)學(xué)問題的一種最優(yōu)化算法[15],算法的轉(zhuǎn)化原理為:自然界中的每只螢火蟲被視為搜索域中的點(diǎn),螢火蟲因被吸引而產(chǎn)生移動(dòng)的過程被視為搜索尋優(yōu)的過程,由吸引度來表示;螢火蟲位于搜索域中的位置被視為目標(biāo)函數(shù),由亮度來表示;螢火蟲個(gè)體的優(yōu)勝劣汰過程被視為最優(yōu)解的替代過程。

根據(jù)仿生原理,亮度和吸引度為螢火蟲算法的兩大要素。螢火蟲發(fā)光特性數(shù)學(xué)化的主要公式如下[16]。

1) 相對熒光的亮度為:

(2)

式中:I0為r=0處螢火蟲的熒光亮度,亮度越高,目標(biāo)函數(shù)值就越優(yōu);λ表示光強(qiáng)吸收系數(shù),為一常數(shù),表征熒光亮度的減弱程度;rij表示螢火蟲i和j之間的距離。

2) 吸引度為:

(3)

式中:β0為r=0處的吸引度,即最大吸引度。

3) 位置更新公式為:

(4)

式中:s表示步長因子,設(shè)為常數(shù),取值區(qū)間為[0,1];xi與xj分別表示螢火蟲i和j的空間位置;Rnd表示隨機(jī)因子,取值區(qū)間為[0,1]。

2.2 螢火蟲算法最優(yōu)化測井解釋流程

螢火蟲個(gè)體的優(yōu)劣程度以數(shù)值的大小作為指標(biāo)進(jìn)行描述,數(shù)值的大小則是由f(x)決定。螢火蟲算法中設(shè)定的適應(yīng)度函數(shù)用來求取最大值。為滿足最優(yōu)化測井解釋中的最小二乘原理,(1)式中的目標(biāo)函數(shù)F(x,α)可通過(5)式轉(zhuǎn)換成適應(yīng)度函數(shù),轉(zhuǎn)換公式為:

(5)

利用螢火蟲算法對(5)式中x進(jìn)行最優(yōu)化求解的主要步驟及流程(圖1)如下[17]:

1) 對螢火蟲種群數(shù)目N,光強(qiáng)吸收系數(shù)λ,步長s,最大迭代次數(shù)Im等參數(shù)進(jìn)行初始化;

圖1 螢火蟲算法流程

2) 對螢火蟲種群位置進(jìn)行隨機(jī)初始化,根據(jù)測井?dāng)?shù)據(jù)以及誤差數(shù)據(jù)計(jì)算各位置的目標(biāo)函數(shù)值,并以此值作為各個(gè)位置的最大亮度;

3) 以步驟2)中得出的最大亮度為初始亮度,代入公式(2)求出螢火蟲的相對亮度;

4) 根據(jù)公式(3)求出螢火蟲的吸引度;

5) 根據(jù)公式(4)求出螢火蟲的新位置,為避免陷入局部收斂,利用隨機(jī)因子對位置最好的螢火蟲進(jìn)行擾動(dòng);

6) 根據(jù)步驟5)得出的新位置,利用公式(2)更新相對亮度的大小;

7) 當(dāng)滿足結(jié)束條件時(shí),執(zhí)行步驟8),否則返回步驟3)繼續(xù)進(jìn)行搜索與優(yōu)化;

8) 輸出最優(yōu)的全局目標(biāo)函數(shù)值以及個(gè)體值。

3 螢火蟲算法的正反演模擬

3.1 測井響應(yīng)方程的建立

根據(jù)巖石體積物理模型,選擇5條測井曲線來建立測井響應(yīng)方程。由體積模型可知,待求的未知數(shù)為6個(gè),由于引入螢火蟲算法,在響應(yīng)方程與未知數(shù)的數(shù)量關(guān)系方面可以不作嚴(yán)格要求。5條測井曲線分別為:中子測井φN,密度測井ρb,聲波測井Δt,自然伽馬測井γ,巖石光電吸收截面U。各測井響應(yīng)方程分別表示為:

(6)

(7)

(8)

(9)

(10)

由于體積模型中,各個(gè)部分的體積和為1,因而存在平衡方程,其表達(dá)式為:

圖2 巖石體積物理模型

(11)

按線性方程組的解法,雖然利用(6)式到(11)式可以得出唯一解,但是這組解很難滿足實(shí)際條件,會(huì)出現(xiàn)許多小于0或者大于1的值。由于未知數(shù)較多,難以人為調(diào)整所求的解,使之滿足實(shí)際條件。用螢火蟲算法求解上述方程組就能避免所求解不滿足實(shí)際條件情況的發(fā)生,在加入了誤差項(xiàng)以及各種約束條件下對未知數(shù)進(jìn)行搜索最優(yōu)解,結(jié)果會(huì)更加準(zhǔn)確。

3.1.1 響應(yīng)誤差與測量誤差的確定

適應(yīng)度函數(shù)((5)式)的確定是最優(yōu)化測井解釋的基礎(chǔ)條件。為了求得準(zhǔn)確的最優(yōu)解,適應(yīng)度函數(shù)中的響應(yīng)方程誤差τi和測量誤差σi都需要考慮。由于各種測井方法原理、儀器的差異,誤差的公式也不一樣。

1) 中子測井。

對于中子測井,其響應(yīng)方程誤差為:

(12)

式中:E為挖掘效應(yīng)因子,誤差約為1.3;δE為E的取值誤差,其值約為0.2;δφNsh為φNsh的取值誤差,其值約為0.02;δφsa為φsa的取值誤差,其值約為0.02。

中子測井的測量誤差主要有核統(tǒng)計(jì)起伏誤差、深度匹配誤差、井徑引起的誤差,其公式分別為:

(13)

(14)

式中:σ1為核統(tǒng)計(jì)起伏誤差;σ2為深度匹配誤差;φN,φN-1與φN+1分別為當(dāng)前及其前、后采樣點(diǎn)的中子測井值;σ3為井徑引起的誤差;d,d-1與d+1分別為當(dāng)前及其前、后采樣點(diǎn)的井徑值,單位為in(1in≈2.54cm)。

2) 密度測井。

對于密度測井,其響應(yīng)方程誤差為:

(15)

式中:δρh,δρsh和δρsa分別為ρh,ρsh和ρsa的取值誤差,其值約為0.05g/cm3,0.02g/cm3和0.02g/cm3。

密度測井的測量誤差主要有核統(tǒng)計(jì)起伏誤差、深度匹配誤差、井徑校正誤差、井壁不規(guī)則產(chǎn)生的誤差,其公式為:

(16)

(17)

式中:σ1為核統(tǒng)計(jì)起伏誤差;σ2為深度匹配誤差;ρb,ρb-1和ρb+1分別為當(dāng)前及其前、后采樣點(diǎn)的密度測井值;σ3為井徑校正誤差;σ4為井壁不規(guī)則產(chǎn)生的誤差;Rug表示井壁的粗糙度,可以用相鄰7點(diǎn)處的井徑值來進(jìn)行估計(jì):

(18)

3) 聲波測井。

由于研究區(qū)均為壓實(shí)地層,所以未考慮壓實(shí)校正系數(shù),聲波測井的響應(yīng)方程誤差為:

(19)

式中:δΔtsh為Δtsh的取值誤差,其值約為3μs/ft(1ft≈30.48cm);δΔtsa為Δtsa的取值誤差,其值約為2μs/ft;δΔtmai為Δtmai的取值誤差,其值為2～3μs/ft。

聲波測井的測量誤差主要有儀器零點(diǎn)漂移誤差、深度匹配誤差,公式為:

(20)

(21)

式中:Δt,Δt-1和Δt+1分別為當(dāng)前及其前、后采樣點(diǎn)的聲波時(shí)差值。

4) 自然伽馬測井。

對于自然伽馬測井,其響應(yīng)方程誤差為:

(22)

式中:δγsh,δγsa和δγmai分別為γsh,γsa和γmai的取值誤差,其值為1～3API。

自然伽馬測井測量誤差主要有零點(diǎn)漂移誤差、核統(tǒng)計(jì)起伏誤差、深度匹配誤差,其公式為:

(23)

(24)

式中:σ1,σ2與σ3分別為零點(diǎn)漂移誤差、核統(tǒng)計(jì)起伏誤差和深度匹配誤差;γ,γ-1與γ+1分別為當(dāng)前及其前、后采樣點(diǎn)的自然伽馬測井值,單位為API。

5) 巖石體積光電吸收截面測井。

對于巖石體積光電吸收截面測井,其響應(yīng)方程的誤差為:

(25)

式中:δUsh,δUsa和δUmai分別為Ush,Usa和Umai的取值誤差,其值為0.3～0.5(b/cm3)。

巖石光電吸收截面測井的測量誤差主要有核統(tǒng)計(jì)起伏誤差、深度匹配誤差,公式為:

(26)

式中:σ1與σ2分別為核統(tǒng)計(jì)起伏誤差和深度匹配誤差;Pe,Pe-1和Pe+1分別為當(dāng)前及其前、后點(diǎn)的巖石光電吸收截面指數(shù)。

3.1.2 約束條件

為了得到符合實(shí)際條件的最優(yōu)解,需要在對未知量x尋優(yōu)的過程中,加入一些限制條件,即約束條件。GLOBAL程序[18]是將約束條件轉(zhuǎn)化為懲罰項(xiàng)加入到目標(biāo)函數(shù)中,形成新的適應(yīng)度函數(shù)(公式(5))。約束條件主要有數(shù)學(xué)物理?xiàng)l件約束、地質(zhì)條件約束和連續(xù)性條件約束。

1)數(shù)學(xué)物理?xiàng)l件約束。

一般情況下,凝灰質(zhì)含量Vsa,泥質(zhì)含量Vsh,孔隙度φ和各骨架礦物的相對體積含量都需要設(shè)定在[0,1],并且體積模型中各組分的含量和為1。本文用到的數(shù)學(xué)物理約束包括:

(27)

2) 地質(zhì)條件約束。

地質(zhì)條件約束是由地質(zhì)資料與經(jīng)驗(yàn)得出的約束,本文用到的地質(zhì)條件約束主要包括:

(28)

3) 連續(xù)性條件約束。

在沉積地層的同一處理層段內(nèi),儲(chǔ)層性質(zhì)一般都具有連續(xù)性變化的特點(diǎn)。因此,兩個(gè)相鄰采樣點(diǎn)之間的數(shù)據(jù)不會(huì)相差過大,這種約束即為連續(xù)性條件約束,本文用到的連續(xù)性條件約束包括:

(29)

3.2 正反演模擬

為驗(yàn)證螢火蟲算法程序的可行性,首先在一定深度層段的各個(gè)深度點(diǎn)上,人為的構(gòu)造了凝灰質(zhì)含量、泥質(zhì)含量、骨架礦物含量以及孔隙度等6個(gè)儲(chǔ)層參數(shù),將構(gòu)造出的6種儲(chǔ)層參數(shù)及相應(yīng)的解釋參數(shù)分別代入到(6)式至(10)式,重構(gòu)出5條測試曲線:φN,ρb,Δt,γ,U。

在考慮誤差和約束項(xiàng)的條件下,用螢火蟲最優(yōu)化算法結(jié)合最小二乘原理對構(gòu)造的曲線值進(jìn)行反演,并對比反演出的儲(chǔ)層參數(shù)值與構(gòu)造值,得出絕對誤差和相對誤差。圖3為程序運(yùn)行過程中,目標(biāo)函數(shù)值隨迭代次數(shù)變化圖。由圖3可見,由于誤差和約束條件的加入,使得初始的目標(biāo)函數(shù)值較大,隨著迭代次數(shù)的增加,目標(biāo)函數(shù)值迅速下降,并在迭代20次左右時(shí),達(dá)到平穩(wěn)。圖4為反演出的儲(chǔ)層參數(shù)與構(gòu)造參數(shù)交會(huì)圖。表1為各儲(chǔ)層參數(shù)的絕對誤差與相對誤差統(tǒng)計(jì)表。由圖4和表1可以看出,該程序計(jì)算的效果較好,可以用其對實(shí)際測井?dāng)?shù)據(jù)進(jìn)行處理。

圖3 目標(biāo)函數(shù)值隨迭代次數(shù)變化曲線

圖4 反演的儲(chǔ)層參數(shù)與構(gòu)造參數(shù)交會(huì)結(jié)果

表1 反演的儲(chǔ)層參數(shù)誤差統(tǒng)計(jì)結(jié)果

4 實(shí)際資料處理

利用螢火蟲最優(yōu)化測井解釋程序?qū)＠瓲柵璧刎?6井的凝灰質(zhì)砂巖層段進(jìn)行資料處理。主要步驟有:①程序參數(shù)的設(shè)置;②區(qū)域性解釋參數(shù)的選取;③最優(yōu)化測井解釋成果的對比與分析;④最優(yōu)化測井解釋質(zhì)量檢驗(yàn)。

4.1 程序參數(shù)設(shè)置

螢火蟲算法程序的主要參數(shù)設(shè)置包括:螢火蟲種群數(shù)目N=40;步長因子s=0.02;光強(qiáng)吸收系數(shù)λ=0.4;最大吸引度β0=5;感知半徑rs=5;決策半徑r0=3;最大迭代次數(shù)Im=100。

4.2 區(qū)域性解釋參數(shù)的選取

區(qū)域性解釋參數(shù)選取的合理程度將直接影響到最優(yōu)化測井解釋的結(jié)果,如果參數(shù)選擇不合理,將會(huì)導(dǎo)致解釋結(jié)果與實(shí)際情況不吻合。本文需要確定的解釋參數(shù)包括6種成分的5種測井響應(yīng)值。由于所需參數(shù)較多,并且很多參數(shù)并非常數(shù),因此,需要根據(jù)巖心和測井?dāng)?shù)據(jù),并參照沉積巖主要礦物測井特征表[19]、巖石礦物手冊[20]、火成巖巖石學(xué)[21]以及海拉爾盆地火山巖地層的測井響應(yīng)特征[22]等資料來進(jìn)行確定。

貝16井處理層段中的凝灰質(zhì)砂巖屬于火山碎屑沉積巖,由薄片分析得出6種主要成分及其含量,如圖5所示。

圖5 薄片中6種成分及其含量

根據(jù)貝16井的巖心和測井?dāng)?shù)據(jù),并結(jié)合文獻(xiàn)資料得出處理層段的解釋參數(shù),如表2所示。

4.3 最優(yōu)化測井解釋成果對比與分析

分別利用螢火蟲最優(yōu)化算法(GSO)和遺傳算法(GA)計(jì)算出了貝16井1347～1360m處的6種儲(chǔ)層參數(shù),其絕對誤差見表3。圖6和圖7分別為GA和GSO算法最優(yōu)化測井解釋結(jié)果。圖中第1道和第2道為原始曲線道,第4道是根據(jù)計(jì)算結(jié)果繪制出的巖性剖面,第5道至第9道分別為石英、長石、巖屑、凝灰質(zhì)及泥質(zhì)含量與薄片分析的含量對比,第10道為最優(yōu)化算法計(jì)算出的孔隙度與巖心孔隙度的對比,第11道為單孔隙度測井泥質(zhì)砂巖分析(POR)程序計(jì)算出的孔隙度與巖心孔隙度的對比。從圖6,圖7和表3可見,兩種優(yōu)化算法計(jì)算出的孔隙度都優(yōu)于POR程序的計(jì)算結(jié)果;與GA算法相比,GSO算法計(jì)算出的儲(chǔ)層參數(shù)與巖心數(shù)據(jù)的吻合度更高,并且曲線的毛刺較少。

表2 處理層段的解釋參數(shù)

注：1ft≈30.48cm。

表3 GA和GSO算法絕對誤差統(tǒng)計(jì)結(jié)果

圖6 GA最優(yōu)化測井解釋結(jié)果(1ft≈30.48cm;1in≈2.54cm)

圖7 GSO最優(yōu)化測井解釋結(jié)果(1ft≈30.48cm;1in≈2.54cm)

雖然GA和GSO算法都是以高等生物為模擬對象,通過“生成+檢驗(yàn)”的方式來尋求最優(yōu)解,但GSO算法中增加了方向信息,提高了尋優(yōu)的速度與精度。POR程序是一種常規(guī)計(jì)算孔隙度的方法,對于復(fù)雜的非線性問題,難以求解出準(zhǔn)確的結(jié)果。

4.4 重構(gòu)測井曲線質(zhì)量檢驗(yàn)

圖8和圖9分別為GA算法和GSO算法重構(gòu)測井曲線的質(zhì)量檢驗(yàn)圖;表4為兩種算法重構(gòu)測井曲線誤差統(tǒng)計(jì)表。圖8和圖9中φN0,ρb0,Δt0,γ0,U0為重構(gòu)曲線。GA和GSO算法都在符合實(shí)際地層條件的空間內(nèi)進(jìn)行最優(yōu)解搜索,并且需要滿足目標(biāo)函數(shù)中所加入的懲罰項(xiàng)及各種約束條件。在各種限制條件下,重構(gòu)曲線上會(huì)出現(xiàn)跳躍點(diǎn),這屬于正?，F(xiàn)象。從圖8,圖9和表4可見,與GA算法相比,GSO算法的重構(gòu)曲線與實(shí)際曲線吻合度更高,跳躍點(diǎn)較少,說明基于GSO算法的最優(yōu)化測井解釋結(jié)果更加合理、可信。

圖8 GA算法重構(gòu)測井曲線質(zhì)量檢驗(yàn)結(jié)果(1ft≈30.48cm)

圖9 GSO算法重構(gòu)測井曲線質(zhì)量檢驗(yàn)結(jié)果(1ft≈30.48cm)

表4 重構(gòu)測井曲線絕對誤差統(tǒng)計(jì)結(jié)果

注：1ft≈30.48cm。

5 結(jié)論與認(rèn)識

1) 利用螢火蟲算法對海拉爾盆地凝灰質(zhì)砂巖儲(chǔ)層進(jìn)行最優(yōu)化測井解釋時(shí),現(xiàn)有的地質(zhì)和測井資料被充分利用,并且一次性求取了既全面又較為準(zhǔn)確的儲(chǔ)層參數(shù)。

2) 螢火蟲最優(yōu)化算法成為計(jì)算砂巖儲(chǔ)層泥質(zhì)和凝灰質(zhì)含量的一種可行方法,可以減小泥質(zhì)和凝灰質(zhì)對儲(chǔ)層有效孔隙度的影響。

3) 解釋參數(shù)對最優(yōu)化測井解釋結(jié)果的影響較大,需根據(jù)巖心和測井?dāng)?shù)據(jù),并結(jié)合文獻(xiàn)資料來進(jìn)行選取;為提高精度,在處理同一地區(qū)不同井時(shí),解釋參數(shù)需根據(jù)不同井的巖心和測井?dāng)?shù)據(jù)來進(jìn)行適當(dāng)調(diào)整。

4) 誤差和約束條件的加入,雖然會(huì)使得最優(yōu)化算法的初始目標(biāo)函數(shù)值很大,但是這樣能有效防止程序的過早收斂,在很大程度上提高了儲(chǔ)層參數(shù)的計(jì)算精度。

[1] 肖佃師.海拉爾盆地興安嶺群凝灰質(zhì)砂巖儲(chǔ)層物性解釋方法研究[D].大慶:大慶石油學(xué)院,2006 XIAO D S.Interpretation method study on physical property of the tuffaceous sands reservoir of Xing’anling group in Hailar Basin[D].Daqing:Daqing Petroleum Institute,2006

[2] ITOH T,KATO S,MIYAIRI M.A quick method of log interpretation for very low resistivity volcanic tuff by the use of CEC data[C]∥SPWLA 23rdAnnual Logging Symposium.Corpus Christi,Texas:Society of Petrophysicists and Well-Log Analysts,1982:SPWLA-1982-NN

[3] 張曉峰,潘保芝,范曉敏,等.海拉爾盆地南屯組凝灰質(zhì)砂巖儲(chǔ)層含水飽和度計(jì)算方法[J].測井技術(shù),2009,33(4):345-349 ZHANG X F,PAN B Z,FAN X M,et al.Computational method of saturation of the tuffaceous sandstones reservoir of Nantun Group in Hailar Basin[J].Well Logging Technology,2009,33(4):345-349

[4] 潘保芝,段亞男,張海濤,等.BFA-CM最優(yōu)化測井解釋方法[J].地球物理學(xué)報(bào),2016,59(1):391-398 PAN B Z,DUAN Y N,ZHANG H T,et al.BFA-CM optimization log interpretation method[J].Chinese Journal of Geophysics,2016,59(1):391-398

[5] 韓雪.梨樹斷陷砂礫巖儲(chǔ)層GA-CM混合最優(yōu)化測井解釋方法研究[D].吉林:吉林大學(xué),2012 HAN X.Research on Glutenite reservoirs with GA-CM hybrid optimization log interpretation method in Lishu fault depression[D].Jilin:Jilin University,2012

[6] 馮國慶,陳軍,張烈輝,等.最優(yōu)化測井解釋的遺傳算法實(shí)現(xiàn)[J].天然氣工業(yè),2002,22(6):48-51 FENG G Q,CHEN J,ZHANG L H,et al.Algorithm of optimization log interpretation by genetic[J].Natural Gas Industry,2002,22(6):48-51

[7] 段亞男.蘇里格致密砂巖儲(chǔ)層BFA-CM混合最優(yōu)化測井解釋方法研究[D].吉林:吉林大學(xué),2015 DUAN Y N.Research on BFA-CM hybrid optimization log interpretation method in sandstone reservoirs of sulige area[D].Jilin:Jilin University,2015

[8] 曹旭光,翟慧杰,劉傳平,等.遺傳算法計(jì)算儲(chǔ)層參數(shù)研究[J].長春理工大學(xué)學(xué)報(bào),2007,29(4):59-61 CAO X G,ZHAI H J,LIU C P,et al.Research of genetic algorithm on computing reservoir parameter[J].Journal of Changchun University of Technology,2007,29(4):59-61

[9] 肖亮,毛志強(qiáng),孫中春,等.最優(yōu)化方法在復(fù)雜巖性儲(chǔ)集層測井評價(jià)中的應(yīng)用[J].斷塊油氣田,2011,18(3):342-345 XIAO L,MAO Z Q,SUN Z C,et al.Application of optimization method in log evaluation of complex lithologic reservoir[J].Fault-Block Oil&Gas Field,2011,18(3):342-345

[10] KRISHNANAND K N,GHOSE D.Detection of multiple source locations using a glowworm metaphor with applications to collective robotics[C]∥Proceedings of IEEE Swarm Intelligence Symposium.Piscataway:IEEE Press,2005:84-91

[11] 韓雪,潘保芝,張意,等.遺傳最優(yōu)化算法在砂礫巖儲(chǔ)層測井評價(jià)中的應(yīng)用[J].測井技術(shù),2012,36(4):392-396 HAN X,PAN B Z,ZHANG Y,et al.GA-optimal log interpretation applied in glutenite reservoir evaluation[J].Well Logging Technology,2012,36(4):392-396

[12] 雍世和.最優(yōu)化測井解釋[M].北京:石油大學(xué)出版社,1995:1-2 YONG S H.Optimization log interpretation[M].Beijing:Petroleum University Press,1995:1-2

[13] SZYMON L,SLAWOMIR Z.Firefly algorithm for continuous constrained optimization tasks[M]∥Computational Collective Intelligence.Semantic web,social networks and multiagent systems.Berlin:Springer Berlin Heidelberg,2009:97-106

[14] JATI G K.Evolutionary discrete firefly algorithm for travelling salesman problem[M].Berlin:Springer

Berlin Heidelberg,2011:393-403

[15] 楊嬌,葉春明.應(yīng)用新型螢火蟲算法求解Job-shop調(diào)度問題[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(11):217-219 YANG J,YE C M.New kind of firefly algorithm is applied to solve the problem of Job-shop[J].Computer Engineering and Applications,2013,49(11):217-219

[16] 劉長平,葉春明.一種新穎的仿生群智能優(yōu)化算法:螢火蟲算法[J].計(jì)算機(jī)應(yīng)用研究,2011,28(9):3295-3297 LIU C P,YE C M.Novel bioinspired swarm intelligence optimization algorithm:firefly algorithm[J].Application Research of Computers,2011,28(9):3295-3297

[17] 付強(qiáng),蔣睿奇,王子龍,等.基于改進(jìn)螢火蟲算法的土壤水分特征曲線參數(shù)優(yōu)化[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(11):117-122 FU Q,JIANG R Q,WANG Z L,et al.Optimization of soil water characteristic curves parameters by modified firefly algorithm[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(11):117-122

[18] MAYER C.Global,a new approach to computer-processed log interpretation[C]∥SPE Annual Technical Conference and Exhibition.Dallas,Texas:Society of Petroleum Engineers,1980:SPE-9341-MS

[19] 雍世和,張超謨.測井?dāng)?shù)據(jù)處理與綜合解釋[M].東營:石油大學(xué)出版社,1996:202-203 YONG S H,ZHANG C M.Logging data processing and comprehensive interpretation[M].Dongying:Petroleum University Press,1996:202-203

[20] 斯倫貝謝公司.測井解釋常用巖石礦物手冊[M].吳慶巖,張愛軍,譯.北京:石油工業(yè)出版社,1998:151-159 SCHLUMBERGER CORP.Manual of normal rock and mineral in log interpreting[M].WU Q Y,ZHANG A J,translator.Beijing:Petroleum Industry Press,1998:151-159

[21] 徐夕生,邱檢生.火成巖巖石學(xué)[M].北京:科學(xué)出版社,2010:261-278 XU X S,QIU J S.Igneous petrology[M].Beijing:Science Press,2010:261-278

[22] 張美玲,邵陽,高柏原,等.海拉爾盆地含火山巖地層主要巖性分布及測井響應(yīng)分析[J].中國石油勘探,2009,14(2):50-54 ZHANG M L,SHAO Y,GAO B Y,et al.Major lithological distribution and log response analysis of volcanic rock bearing strata in Hailar Basin[J].China Petroleum Exploration,2009,14(2):50-54

(編輯：陳 杰)

Application of glowworm swarm optimization algorithm in the log interpretation for tuffaceous sandstone reservoir

MO Xiuwen,LI Xiao,ZHANG Qiang

(CollegeofGeo-ExplorationScienceandTechnology,JilinUniversity,Changchun130026,China)

Since the rock composition and pore structure of tuffaceous sandstone reservoir is complex with great physical property variation,the key to improve the precision of log interpretation for such reservoir is to accurately calculate the volume fraction of each component,especially the tuffaceous content.The simple mineral model and its equation set solution used in traditional log interpretation method are likely to generate unstable solution or unreasonable interpretation results during solving these problems.Combined with the rock bulk model,an optimal log interpretation method based on glowworm algorithm is proposed and applied to tuffaceous sandstone reservoir in Hailar Basin.By comprehensively considering various errors along with constraint conditions,tuffaceous content,porosity and other reservoir parameters are calculated.The calculated results and core data are matched well,which indicates that glowworm algorithm is feasible and the results of optimal log interpretation are reliable.

tuffaceous sandstone reservoir,bulk model,glowworm swarm optimization algorithm,optimal log interpretation,porosity

2015-12-28;改回日期：2016-05-11。

莫修文(1970—),男,教授,主要從事復(fù)雜巖性和特殊油氣儲(chǔ)層的測井解釋方法研究。

李曉(1990—),男,碩士在讀,主要從事地球物理測井方法及其應(yīng)用方面的研究。

國家自然科學(xué)基金項(xiàng)目(40874057)資助。

This research is financially supported by the National Natural Science Foundation of China (Grant No.40874057).

P631

A

1000-1441(2016)06-0869-10

10.3969/j.issn.1000-1441.2016.06.012