杏七區(qū)東部Ⅲ塊微觀孔隙結(jié)構(gòu)宏觀表征方法探討

王海艷

（大慶油田勘探開(kāi)發(fā)研究院 黑龍江大慶 163712）

1 引言

在油氣田開(kāi)發(fā)過(guò)程中，儲(chǔ)層的孔隙結(jié)構(gòu)是影響油藏流體的儲(chǔ)集能力，影響油氣開(kāi)采的主要因素。目前代表儲(chǔ)層孔隙結(jié)構(gòu)的各類(lèi)參數(shù)（最大孔喉半徑、孔喉半徑中值、分選系數(shù)等）主要通過(guò)實(shí)驗(yàn)室測(cè)量所得。常規(guī)的研究方法包括毛管壓力曲線法、核磁共振法、鑄體薄片法、掃描電鏡法、CT掃描法、三維重構(gòu)法和測(cè)井等，但常規(guī)研究方法價(jià)格昂貴，僅限于實(shí)驗(yàn)室，無(wú)法對(duì)每口井每個(gè)層都進(jìn)行研究。

大慶油田采油四廠從1982年開(kāi)始設(shè)計(jì)密閉取心井，至今共有22口密閉取心井巖心資料。通過(guò)這些巖心樣品的室內(nèi)實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)，顯示孔隙結(jié)構(gòu)各項(xiàng)參數(shù)與滲透率具有好的相關(guān)性。因此結(jié)合滲透率分級(jí)，將孔隙結(jié)構(gòu)類(lèi)型初步劃分為五類(lèi)（表1）。

表1 中石化石油行業(yè)滲透率分級(jí)標(biāo)準(zhǔn)表(SY/T6285-1997)

這種分類(lèi)是依據(jù)滲透率解釋結(jié)果建立的。滲透率解釋過(guò)程中會(huì)存在一定誤差，影響孔隙結(jié)構(gòu)的判斷精度。并且滲透率解釋只針對(duì)有效砂巖，對(duì)于不含有效砂巖的表外儲(chǔ)層是不解釋滲透率的，這也導(dǎo)致表外儲(chǔ)層的微觀孔隙結(jié)構(gòu)類(lèi)型無(wú)法判斷。而通過(guò)杏六區(qū)東部取心井巖心資料顯示，表外儲(chǔ)層中發(fā)育大量厚度小于0.2米測(cè)井曲線無(wú)法識(shí)別的中高滲砂巖，這種中高滲砂巖除了厚度較有效砂巖薄之外，其物性（滲透率、孔隙度等）與有效砂巖沒(méi)有差別。為了實(shí)現(xiàn)單井單層（含表內(nèi)及表外儲(chǔ)層）微觀孔隙結(jié)構(gòu)的精細(xì)劃分，選取杏七區(qū)東部Ⅲ塊作為研究對(duì)象，采用神經(jīng)網(wǎng)絡(luò)算法探討了通過(guò)測(cè)井曲線表征微觀孔隙結(jié)構(gòu)的可行性。

2 測(cè)井曲線優(yōu)選及孔隙結(jié)構(gòu)特征響應(yīng)

2.1 測(cè)井系列優(yōu)選

杏北開(kāi)發(fā)區(qū)自1966年投入開(kāi)發(fā)以來(lái)，測(cè)井資料數(shù)據(jù)采集經(jīng)歷了4個(gè)測(cè)井系列，目前采用的是DLS-1測(cè)井系列，主要應(yīng)用于三次加密井網(wǎng)和三次采油井網(wǎng)。杏北開(kāi)發(fā)區(qū)22口密閉取心井采用了五種不同的測(cè)井系列，其中DLS-1為主要的測(cè)井系列。因此選取杏七區(qū)東部Ⅲ塊DLS-1測(cè)井系列的三次加密及三次采油井網(wǎng)共374口井進(jìn)行研究。

2.2 測(cè)井曲線優(yōu)選

標(biāo)準(zhǔn)DLS-1測(cè)井系列包括微梯度（RMG）、微電位（RMN）、淺側(cè)向（RLLS）、深三側(cè)向（RLLD）、密度（DEN）、井徑（CAL）、自然伽馬（GR）等14條測(cè)井曲線，將各測(cè)井曲線與各類(lèi)孔隙結(jié)構(gòu)繪制直方圖顯示，自然電位、自然伽馬、聲波、深淺側(cè)向、微電極、密度及微電極幅度差對(duì)孔隙結(jié)構(gòu)類(lèi)型都有一定敏感性，但是任何單一曲線都不能完全區(qū)分。

采用兩種曲線交匯圖法，也很難區(qū)分各類(lèi)孔隙結(jié)構(gòu)，只能把一類(lèi)和五類(lèi)孔隙結(jié)構(gòu)分開(kāi)，二、三、四類(lèi)數(shù)據(jù)點(diǎn)重疊，很難將其分開(kāi)。因此，考慮應(yīng)用神經(jīng)網(wǎng)絡(luò)多維空間非線性映射能力來(lái)區(qū)分孔隙結(jié)構(gòu)類(lèi)型。

3 神經(jīng)網(wǎng)絡(luò)法識(shí)別孔隙結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)（Neural Networks，NN）是由大量簡(jiǎn)單的處理單元（稱(chēng)為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)，具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)能力，特別適合處理需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問(wèn)題。此次采用的BP算法是目前應(yīng)用最廣泛、研究最深入的一種多層前饋神經(jīng)網(wǎng)絡(luò)，稱(chēng)為BP神經(jīng)網(wǎng)絡(luò)。根據(jù)BP神經(jīng)網(wǎng)絡(luò)的原理，結(jié)合測(cè)井曲線與微觀孔隙結(jié)構(gòu)類(lèi)型的對(duì)應(yīng)關(guān)系，建立學(xué)習(xí)樣本，形成微觀孔隙結(jié)構(gòu)模型，最終應(yīng)用程序來(lái)識(shí)別研究區(qū)微觀孔隙結(jié)構(gòu)類(lèi)型。

表2 不同孔隙結(jié)構(gòu)的測(cè)井響應(yīng)范圍

3.1 微觀孔隙結(jié)構(gòu)測(cè)井響應(yīng)特征

由于杏七區(qū)東部沒(méi)有密閉取心井，因此選取鄰區(qū)杏六區(qū)東部的5口密閉取心井，研究不同孔隙結(jié)構(gòu)類(lèi)型儲(chǔ)層的測(cè)井響應(yīng)特征。將測(cè)井曲線和巖心分析結(jié)果進(jìn)行對(duì)比，顯示五類(lèi)孔隙結(jié)構(gòu)在九條測(cè)井曲線上均有不同的響應(yīng)（表2）。

3.2 建立學(xué)習(xí)樣本

神經(jīng)網(wǎng)絡(luò)算法是在學(xué)習(xí)樣本準(zhǔn)確的基礎(chǔ)上再進(jìn)行識(shí)別的，所以樣本的準(zhǔn)確度直接影響最終結(jié)果的準(zhǔn)確度。大慶油田采油四廠22口密閉取心井分布零散，并非全廠均勻分布，部分區(qū)塊沒(méi)有密閉取心井。主要分布在杏一～二區(qū)、杏一～三區(qū)西部中塊、杏四～五區(qū)中部及杏六區(qū)東部。對(duì)小區(qū)塊進(jìn)行孔隙結(jié)構(gòu)類(lèi)型識(shí)別時(shí)，學(xué)習(xí)樣本最好選取本區(qū)或相近的區(qū)域，這樣能保證準(zhǔn)確率。此次研究的杏七區(qū)東部Ⅲ塊沒(méi)有取心井，而距離研究區(qū)塊最近的是杏六區(qū)東部的五口密閉取心井，因此選取這五口取心井巖樣建立學(xué)習(xí)樣本。在這五口取心井1600個(gè)巖樣中，選取了測(cè)井曲線與孔隙結(jié)構(gòu)對(duì)應(yīng)較好的300個(gè)樣品，并選取55個(gè)樣點(diǎn)作為預(yù)測(cè)樣本驗(yàn)證精度，正確52個(gè)，識(shí)別結(jié)果符合率為94.5%。

圖1 識(shí)別微觀孔隙結(jié)構(gòu)類(lèi)型軟件“導(dǎo)出數(shù)據(jù)庫(kù)”界面

3.3 識(shí)別微觀孔隙結(jié)構(gòu)類(lèi)型

根據(jù)研究區(qū)測(cè)井資料的豐富程度，以SPnor、GR、HAC、RLLD、RLLS、RMG、RMN、RXO、幅度差九條曲線作為神經(jīng)網(wǎng)絡(luò)輸入，孔隙結(jié)構(gòu)類(lèi)型作為輸出，對(duì)杏七區(qū)東部Ⅲ塊三次加密井和三元復(fù)合驅(qū)井進(jìn)行孔隙結(jié)構(gòu)識(shí)別，識(shí)別出來(lái)的孔隙結(jié)構(gòu)類(lèi)型以每0.05米一個(gè)數(shù)據(jù)的格式保存（圖1）。

由于Daa074數(shù)據(jù)庫(kù)的數(shù)據(jù)是以砂體厚度的形式保存，為了能夠?qū)⑸窠?jīng)網(wǎng)絡(luò)算法識(shí)別出的孔隙結(jié)構(gòu)類(lèi)型應(yīng)用到數(shù)據(jù)庫(kù)中，根據(jù)074數(shù)據(jù)的格式將砂體厚度內(nèi)的數(shù)個(gè)孔隙結(jié)構(gòu)類(lèi)型取平均值，并將結(jié)果輸出到074數(shù)據(jù)庫(kù)。

3.4 繪制微觀孔隙結(jié)構(gòu)類(lèi)型平面圖

為了能在平面上表征出不同砂體孔隙結(jié)構(gòu)類(lèi)型的差異，需要將多個(gè)砂巖段的孔隙結(jié)構(gòu)類(lèi)型處理為一個(gè)沉積單元的孔隙結(jié)構(gòu)類(lèi)型。采用的具體方法是將砂巖段的數(shù)據(jù)運(yùn)用GPTMap軟件計(jì)算，選取各砂巖段的優(yōu)勢(shì)類(lèi)型，將這個(gè)孔隙結(jié)構(gòu)的優(yōu)勢(shì)類(lèi)型賦值為沉積單元的孔隙結(jié)構(gòu)類(lèi)型。例如一個(gè)沉積單元內(nèi)部有三個(gè)砂巖段，這三個(gè)砂巖段的孔隙結(jié)構(gòu)類(lèi)型分別為一類(lèi)、二類(lèi)及三類(lèi)，那么選取一類(lèi)代表這個(gè)沉積單元的孔隙結(jié)構(gòu)類(lèi)型。運(yùn)用這種方法，最終形成了杏七區(qū)東部各個(gè)沉積單元的孔隙結(jié)構(gòu)類(lèi)型數(shù)據(jù)庫(kù)。

圖2 葡Ⅰ12沉積相帶圖

圖3 葡Ⅰ12孔隙類(lèi)型等值圖

圖4 葡Ⅰ12孔隙類(lèi)型分布圖

利用GPTMap繪圖功能繪制了研究區(qū)主力油層孔隙結(jié)構(gòu)類(lèi)型平面圖，有兩種繪圖方式，一種是將孔隙結(jié)構(gòu)類(lèi)型當(dāng)作數(shù)值繪制等值分布圖（圖3），一種是按照沉積相方式處理來(lái)繪制分布圖（圖4）。將平面孔隙結(jié)構(gòu)類(lèi)型與沉積相帶圖結(jié)合（圖2），顯示相同微相砂體，其孔隙結(jié)構(gòu)類(lèi)型存在差異。

杏七區(qū)東部Ⅲ塊孔隙結(jié)構(gòu)類(lèi)型識(shí)別結(jié)果顯示，河道砂和廢棄河道砂發(fā)育最好，以Ⅰ-Ⅱ組合為主，河間砂以Ⅱ-Ⅲ組合為主，表外以Ⅳ類(lèi)為主（表3）。

4 結(jié)論

（1）采用神經(jīng)網(wǎng)絡(luò)算法，優(yōu)選運(yùn)用最廣泛的DLS-1測(cè)井系列中的九條曲線，結(jié)合取心井巖心資料，可以建立精度較高的識(shí)別模型，并編制識(shí)別軟件，實(shí)現(xiàn)研究區(qū)單井單層五類(lèi)微觀孔隙結(jié)構(gòu)識(shí)別。

表3 杏七區(qū)東部Ⅲ塊各類(lèi)砂體孔隙結(jié)構(gòu)類(lèi)型統(tǒng)計(jì)

（2）利用GPTMap軟件對(duì)識(shí)別結(jié)果進(jìn)行優(yōu)勢(shì)處理，可以將孔隙結(jié)構(gòu)識(shí)別結(jié)果直觀反映在區(qū)塊平面圖，并從微觀上實(shí)現(xiàn)注采井組間連通關(guān)系的精細(xì)刻畫(huà)。

（3）杏七區(qū)東部Ⅲ塊孔隙結(jié)構(gòu)識(shí)別結(jié)果顯示，不同類(lèi)型砂體孔隙結(jié)構(gòu)存在差異。河道砂和廢棄河道砂發(fā)育最好，以Ⅰ-Ⅱ組合為主，河間砂以Ⅱ-Ⅲ組合為主，表外以Ⅳ類(lèi)為主。