靖西地區(qū)馬家溝組高阻水層影響因素分析與識(shí)別方法

黎瑤， 張占松*， 張超謨， 周雪晴

(1.長(zhǎng)江大學(xué)地球物理與石油資源學(xué)院， 武漢 430100； 2.油氣資源與勘探技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(長(zhǎng)江大學(xué))， 武漢 430100)

隨著鄂爾多斯盆地下古生界勘探開(kāi)發(fā)的不斷深入，諸如高阻出水等常規(guī)測(cè)井解釋手段難以解決的問(wèn)題不斷出現(xiàn)[1]，準(zhǔn)確識(shí)別高阻水層成為勘探開(kāi)采的關(guān)鍵環(huán)節(jié)。靖西地區(qū)54口井試氣資料顯示水層共65層，其中40層存在高阻出水現(xiàn)象，占比高達(dá)61.5%。水層高阻現(xiàn)象給現(xiàn)場(chǎng)測(cè)井解釋工作帶來(lái)誤導(dǎo)，解釋符合率遠(yuǎn)遠(yuǎn)不能滿(mǎn)足生產(chǎn)要求。

文獻(xiàn)[2-6]針對(duì)印度尼西亞納土納盆地、塔中4油田、長(zhǎng)慶油田、尼日爾三角洲油田等的高阻水層現(xiàn)象給出了合理解釋?zhuān)岢隽税▋?chǔ)層致密、瀝青、黏土礦物、地層水低礦化度以及儲(chǔ)層所處構(gòu)造等可能因素。吳應(yīng)忠等[2]在分析長(zhǎng)81儲(chǔ)層巖性后，發(fā)現(xiàn)儲(chǔ)層含有大量粉末狀填隙物，填隙物堵塞了孔隙喉道，連通孔隙被孤立，使得儲(chǔ)層電阻率增加。張志升等[3]在總結(jié)了華慶地區(qū)延長(zhǎng)組儲(chǔ)層發(fā)育特點(diǎn)后，認(rèn)為延長(zhǎng)組高阻水層儲(chǔ)層親油，發(fā)育的綠泥石膜及瀝青填充了孔隙，導(dǎo)致當(dāng)油氣富集程度低時(shí)儲(chǔ)層會(huì)表現(xiàn)出高阻水層現(xiàn)象。Mode等[4]在研究尼日爾三角洲區(qū)塊E3油藏時(shí)發(fā)現(xiàn)發(fā)育的砂頁(yè)巖薄互層增大了儲(chǔ)層電阻率測(cè)量值，在沒(méi)有高分辨率測(cè)井手段的情況下采用Thomas-Stieber模型來(lái)校正油氣對(duì)測(cè)井的響應(yīng)能夠有效提高對(duì)儲(chǔ)層的評(píng)價(jià)準(zhǔn)確度。綜上所述，高阻水層成因復(fù)雜多樣，不同地質(zhì)背景條件下高阻水層的主控因素也具有差異。目前，針對(duì)高阻水層問(wèn)題比較流行的流體判別方法主要分為傳統(tǒng)交會(huì)圖版法[7]、剝層法、數(shù)理統(tǒng)計(jì)法[8]和機(jī)器學(xué)習(xí)類(lèi)方法[9-10]。其中圖版法等傳統(tǒng)方法簡(jiǎn)單高效，但是當(dāng)儲(chǔ)層非均質(zhì)性強(qiáng)，引起測(cè)井響應(yīng)特征非線(xiàn)性變化時(shí)，傳統(tǒng)方法很難區(qū)分出不同流體性質(zhì)的差異。高阻水層成因多元化以成趨勢(shì)，傳統(tǒng)解釋方法已經(jīng)開(kāi)始滿(mǎn)足不了實(shí)際生產(chǎn)需求。隨著機(jī)器學(xué)習(xí)方法的不斷發(fā)展，具有不易過(guò)擬合、預(yù)測(cè)精度高、容錯(cuò)率高等優(yōu)點(diǎn)的隨機(jī)森林(random forests, RF)算法成為生產(chǎn)與研究工作中的熱點(diǎn)領(lǐng)域，越來(lái)越多的行業(yè)引進(jìn)了這一算法[11]。隨機(jī)森林是一種基于多決策樹(shù)進(jìn)行回歸預(yù)測(cè)和分類(lèi)預(yù)測(cè)的算法。隨機(jī)森林通過(guò)隨機(jī)重復(fù)采樣技術(shù)和節(jié)點(diǎn)隨機(jī)分裂技術(shù)組建多棵決策樹(shù)[12]，匯總大量決策樹(shù)的預(yù)測(cè)結(jié)果并將其作為一個(gè)整體輸出。相較于支持向量機(jī)、K鄰近、神經(jīng)網(wǎng)絡(luò)等方法，隨機(jī)森林模型泛化能力更強(qiáng)、預(yù)測(cè)精度更高，對(duì)異常值也有很好的容忍性，在油氣預(yù)測(cè)方向也取得了較好的效果：秦敏等[13]在研究東方X油田的高溫、高壓儲(chǔ)層流體時(shí)對(duì)比了不同機(jī)器學(xué)習(xí)算法的優(yōu)劣，結(jié)果顯示隨機(jī)森林算法識(shí)別高溫高壓環(huán)境下的流體效果更好。馮明剛等[14]為解決頁(yè)巖氣總有機(jī)碳含量預(yù)測(cè)難的問(wèn)題，提出了基于隨機(jī)森林回歸算法的預(yù)測(cè)方法，發(fā)現(xiàn)預(yù)測(cè)結(jié)果較其他方法更為準(zhǔn)確合理。郭建宏等[15]分析出與煤層氣含量敏感的測(cè)井參數(shù)，將斜率關(guān)聯(lián)度法與隨機(jī)森林算法相結(jié)合，準(zhǔn)確預(yù)測(cè)出非夾矸段煤層氣含量，為煤層氣產(chǎn)能評(píng)價(jià)與預(yù)測(cè)提供了新方法。

結(jié)合上述內(nèi)容，高阻水層的影響因素眾多，包括地質(zhì)條件與儲(chǔ)層孔隙結(jié)構(gòu)，這為研究提供了一定的指導(dǎo)方向。現(xiàn)根據(jù)已有的測(cè)井、薄片、掃描電鏡、壓汞等資料，詳細(xì)分析靖西地區(qū)馬家溝組氣藏不同流體類(lèi)型的測(cè)井響應(yīng)特征，并探究?jī)?chǔ)層孔隙結(jié)構(gòu)和廣泛發(fā)育的薄互層對(duì)水層電阻率測(cè)井響應(yīng)特征的影響規(guī)律。在明確成因的基礎(chǔ)上如何選擇合理方法識(shí)別出正確流體類(lèi)型成為另一難題。分析高阻水層識(shí)別的難點(diǎn)，引入隨機(jī)森林分類(lèi)算法到靖西地區(qū)高阻水層流體識(shí)別這類(lèi)高維分類(lèi)問(wèn)題中，建立常規(guī)地球物理測(cè)井與電成像測(cè)井資料相結(jié)合的隨機(jī)森林流體識(shí)別方法，并將建立模型應(yīng)用于盲井以驗(yàn)證模型的準(zhǔn)確性與泛化性。

1 高阻水層及其測(cè)井響應(yīng)特征

高阻水層在地球物理測(cè)井資料響應(yīng)上與正常水層具有明顯差異，但與高含氣層的響應(yīng)特征具有很高的相似度，這造成了實(shí)際生產(chǎn)中對(duì)高阻類(lèi)型的水層錯(cuò)判誤判。詳細(xì)整理分析了靖西地區(qū)馬家溝組高阻水層的儲(chǔ)層特征和地球物理測(cè)井響應(yīng)特征。

1.1 高阻水層

結(jié)合生產(chǎn)需要與水層電阻率值分布差異，把日產(chǎn)水大于4 m3，日產(chǎn)氣小于1 000 m3且電阻率高于200 Ω·m的具有一定儲(chǔ)集能力的儲(chǔ)層定義為高阻水層。高阻水層主要發(fā)育兩類(lèi)巖性，分別為海侵時(shí)期形成的致密粗粉晶-細(xì)晶白云巖與海退時(shí)期形成的致密泥晶-細(xì)粉晶白云巖。高阻水層巖性較純，含泥較少，泥質(zhì)含量分布在0.5%～4.5%，平均泥質(zhì)含量1.95%。高阻水層孔隙類(lèi)型多樣，主要包含晶間孔、晶間溶孔等6種不同類(lèi)型(圖1)，孔隙度主要分布在2.14%～6.09%，平均孔隙度為4.53%，正常水層孔隙度主要分布在3.69%～9.50%，平均孔隙度為5.87%。高阻水層具有一定的儲(chǔ)集能力，但是物性較正常水層差；裂縫不發(fā)育，滲透性取決于孔隙發(fā)育情況。

圖1 不同類(lèi)型孔隙鑄體薄片F(xiàn)ig.1 Casting thin sections of different types of pores

1.2 高阻水層測(cè)井響應(yīng)特征

表1、表2分別為高阻水層與正常水層的地球物理測(cè)井響應(yīng)特征，表3為氣層的測(cè)井響應(yīng)特征，可以看出，高阻水層地球物理測(cè)井曲線(xiàn)響應(yīng)表現(xiàn)出“兩高三低”的特征。高阻水層深側(cè)向電阻率(214.0～834.5 Ω·m，平均值467.5 Ω·m)、測(cè)井密度(2.69～2.82 g/cm3，平均值2.74 g/cm3)均為高值，測(cè)井聲波時(shí)差(151.84～181.23 μs/m，平均值164.14 μs/m)、自然伽馬(7.98～24.79 API，平均值17.30 API)、中子孔隙度(1.64%～9.56%，平均值6.45%)為低值。測(cè)井響應(yīng)特征可以總結(jié)如下：①?gòu)膸r性來(lái)看，高阻水層整體自然伽馬值分布與氣層、正常水層存在差異，雖然同為碳酸鹽巖儲(chǔ)層，但是高阻水層泥質(zhì)含量低，氣層泥質(zhì)含量相對(duì)高；②從物性[聲波(AC)、密度(DEN)、中子(CNL)]來(lái)看，高阻水層物性最差，三孔隙度曲線(xiàn)測(cè)井響應(yīng)為低孔趨勢(shì)，巖性致密；③從電阻率變化特征來(lái)看，高阻水層電性響應(yīng)分布廣，整體電阻率值分布在中高值范圍，與氣層測(cè)井響應(yīng)范圍重合度高。

不同曲線(xiàn)測(cè)井響應(yīng)對(duì)不同流體類(lèi)型具有不同程度的區(qū)分能力，但是僅依據(jù)常規(guī)測(cè)井曲線(xiàn)響應(yīng)差異難以實(shí)現(xiàn)流體類(lèi)型準(zhǔn)確劃分。建立Fisher機(jī)器學(xué)習(xí)模型后發(fā)現(xiàn)判別正確率僅為76.6%，且未能準(zhǔn)確識(shí)別出高阻水層。因此解決這類(lèi)具有高阻水層的流體識(shí)別問(wèn)題需要進(jìn)一步分析高阻成因，深度挖掘流體響應(yīng)的敏感信息進(jìn)行識(shí)別分類(lèi)。

表1 高阻水層測(cè)井響應(yīng)匯總表Table 1 Summary of logging response for high-resistivity water layers

表2 水層測(cè)井響應(yīng)匯總表

表3 氣層測(cè)井響應(yīng)匯總表

圖2 不同類(lèi)型水層巖心結(jié)構(gòu)圖Fig.2 Core structure diagrams of different types of water layers

2 高阻水層成因分析

考慮到高阻水層與正常水層測(cè)井響應(yīng)特征和物性差異，重點(diǎn)分析了水層的孔隙結(jié)構(gòu)與層內(nèi)發(fā)育特征對(duì)儲(chǔ)層電阻率變化特征的影響，確定了復(fù)雜的孔隙結(jié)構(gòu)和廣泛發(fā)育的薄互層是靖西地區(qū)水層高阻的主要原因。

2.1 孔隙結(jié)構(gòu)特征

孔隙結(jié)構(gòu)與儲(chǔ)層發(fā)育的孔隙和吼道的幾何形狀、半徑大小、空間分布以及孔隙之間連通情況有關(guān)[16]，孔隙與喉道的配置關(guān)系也決定著孔隙流體的物理性質(zhì)[17]。如圖2(a)、圖2(d)所示, 從宏觀(guān)看來(lái)，具有高阻現(xiàn)象的水層與正常水層在巖心照片上呈現(xiàn)出明顯區(qū)別，前者巖心照片上孔隙顯示為肉眼不易觀(guān)測(cè)的孔隙形態(tài)，孔徑不一，以小孔為主。在微觀(guān)上，掃描電鏡圖顯示高阻水層[圖2(b)]受后期改造作用明顯，顆粒之間膠結(jié)緊密，大部分孔隙被擠壓填充改造，孔隙半徑主要分布在10～100 μm；CT掃描[圖2(c)]發(fā)現(xiàn)高阻水層孔隙連通通道主要為縮頸型吼道，相比正常水層[圖2(f)]孔隙彎曲程度更復(fù)雜，難以見(jiàn)到成規(guī)模的有效溝通路徑。壓汞資料更加直觀(guān)地揭示了高阻水層的孔隙結(jié)構(gòu)特征。壓汞巖樣(高阻水層6塊、正常水層4塊)統(tǒng)計(jì)數(shù)據(jù)如圖3所示，其中高阻水層巖心電阻率分布在273.9～730.9 Ω·m，平均電阻率為507.2 Ω·m。統(tǒng)計(jì)結(jié)果表明高阻水層具有以下特征：①細(xì)喉道，高阻水層平均中值半徑僅為0.19 μm，較正常水層孔喉中值半徑平均值小一個(gè)數(shù)量級(jí)，平均歪度(偏態(tài))為0.093，孔喉分布均勻，這表明高阻水層孔喉類(lèi)型主要為細(xì)孔喉；②差滲流能力，較平均排驅(qū)壓力為0.646 MPa的正常水層，高阻水層平均排驅(qū)壓力為正常水層的2倍，流體難以流動(dòng)，滲流性相對(duì)較差，孔隙通道連通性不強(qiáng)；③強(qiáng)非均質(zhì)性，高阻水層平均變異系數(shù)(相對(duì)分選系數(shù))高，為正常水層的2.7倍，表明高阻水層整體孔隙大小分布不均勻，非均質(zhì)性強(qiáng)。

圖3 不同類(lèi)型水層巖心壓汞參數(shù)直方圖Fig.3 Histogram of core mercury injection parameters for different types of water layers

2.2 薄互層發(fā)育特征

受中央古隆起控制，靖西地區(qū)馬家溝組沉積相呈環(huán)帶狀分布，白云巖厚度整體呈“西厚東薄”的特點(diǎn)。位于盆地西部的臺(tái)坪相帶和蒸發(fā)期的含膏云坪相儲(chǔ)層單體厚度一般在50～250 cm，其中發(fā)育薄互層井?dāng)?shù)占比25.4%。以發(fā)育薄互層的四口井為例，由井位分布圖[圖(4)]可知，薄互層發(fā)育于沉積盆地環(huán)形邊緣西部。地質(zhì)上，盆地邊緣水體較淺，受海平面快速升降的影響，盆地邊緣水動(dòng)力變化劇烈。隨著高鹽度鹵水中石膏和其他鹽類(lèi)礦物沉淀與后期溶蝕作用易形成薄互層晶間孔型與膏溶孔型白云巖[18]。由此推測(cè)薄互層發(fā)育程度受沉積環(huán)境與后期改造作用影響。從測(cè)井響應(yīng)上分析，以B12井3 741.5～3 742.5 m、3 744.3～3 745.3 m、3 747.3～3 748.8 m為例，三層合試結(jié)果日產(chǎn)水12.0 m3，日產(chǎn)氣1 246.9 m3。試氣層物性較好，但是深側(cè)向電阻率值分別高達(dá)259.5、293.6、216.7 Ω·m，為典型的高阻水層。B12井儲(chǔ)層中發(fā)育薄互層，層內(nèi)各向異性強(qiáng)，其測(cè)井響應(yīng)圖(圖5)倒數(shù)第二道紅色為深側(cè)向測(cè)井曲線(xiàn)RLLD，曲線(xiàn)僅顯示了地層電阻率整體起伏變化情況，未能有效地反映薄層電阻變化特征。測(cè)井響應(yīng)圖右側(cè)第二道主峰電阻率曲線(xiàn)PEAKBIN(主峰電阻率曲線(xiàn)，為某一深度下統(tǒng)計(jì)的電阻率頻率分布直方圖中峰值所對(duì)應(yīng)的橫坐標(biāo)電阻率值)明顯地區(qū)分出儲(chǔ)層段與非儲(chǔ)層段的差異：儲(chǔ)層顯示低值，非儲(chǔ)層顯示高值，大小存在明顯差異。圖5右側(cè)H2井試氣層為正常水層，儲(chǔ)層厚度大，深側(cè)向測(cè)井曲線(xiàn)能夠真實(shí)地反映儲(chǔ)層流體電阻率特征。鑒于雙側(cè)向縱向分辨率一般為60 cm，而電成像測(cè)井縱向分辨率為0.5 cm，這證明薄互層對(duì)不同分辨率測(cè)量?jī)x器的測(cè)量精度具有很大影響。

圖4 靖西地區(qū)薄層井井位分布圖Fig.4 Distribution of thin-layer wells in Jingxi area

PHIT_AVE為孔隙度譜均值；PEAKBIN為主峰電阻率曲線(xiàn)；XRMI_DYN為增強(qiáng)型微電阻率成像測(cè)井圖像圖5 薄厚層測(cè)井響應(yīng)圖Fig.5 Logging response graph of thin and thick reservoirs

2.3 綜合成因分析

靖西地區(qū)馬家溝組高阻水層孔隙結(jié)構(gòu)復(fù)雜，層內(nèi)非均質(zhì)性強(qiáng)。儲(chǔ)層發(fā)育多種類(lèi)型孔隙，顆粒之間膠結(jié)緊密，孔隙半徑小，主要集中于10～100 μm，孔隙連通通道以縮頸型喉道為主，孔隙喉道細(xì)且連通性差，使得水層電阻率增高[19-21]。部分儲(chǔ)層發(fā)育的薄互層使層內(nèi)各向異性得到增強(qiáng)，影響了整個(gè)儲(chǔ)層的電性特征。綜上所述，儲(chǔ)層孔隙結(jié)構(gòu)復(fù)雜、薄互層廣泛發(fā)育是致使水層地球物理測(cè)井響應(yīng)表現(xiàn)為高阻特征的主要因素。

3 流體識(shí)別模型建立與分析

根據(jù)上述高阻水層形成原因，采用了常規(guī)地球物理測(cè)井資料與電成像測(cè)井資料相結(jié)合的思路，建立了隨機(jī)森林判別模型對(duì)儲(chǔ)層流體進(jìn)行識(shí)別，識(shí)別效果良好。

3.1 曲線(xiàn)優(yōu)選

在復(fù)雜地質(zhì)條件下，單一的常規(guī)地球物理測(cè)井方法很難解決實(shí)際問(wèn)題，具有高分辨率、高信息量的成像測(cè)井不僅可以彌補(bǔ)常規(guī)測(cè)井縱向分辨率不足的問(wèn)題，而且也因?yàn)榭紫抖茸V與電阻率譜包含大量孔隙結(jié)構(gòu)信息使得模型更能反映真實(shí)儲(chǔ)層性質(zhì)[22-24]。選取了常規(guī)地球物理測(cè)井曲線(xiàn)以及電成像曲線(xiàn)作為模型訓(xùn)練數(shù)據(jù)。

在建模之前為驗(yàn)證曲線(xiàn)選擇的正確性，對(duì)曲線(xiàn)進(jìn)行單參數(shù)分析。如圖6所示，電成像測(cè)井中PEAKBIN曲線(xiàn)對(duì)判別結(jié)果具有很高的貢獻(xiàn)，φSDEV曲線(xiàn)對(duì)識(shí)別結(jié)果同樣貢獻(xiàn)較大，二者單參數(shù)正確率分別可以達(dá)到44.4%與38.9%。這證明曲線(xiàn)的選擇方向與成因分析結(jié)果保持一致。

圖6 單參數(shù)流體判別正確率統(tǒng)計(jì)圖Fig.6 Histogram of single parameter fluid identification’s accuracy

模型數(shù)據(jù)中常規(guī)曲線(xiàn)包括自然伽馬(GR)、聲波時(shí)差(AC)、密度(DEN)、補(bǔ)償中子(CNL)、深淺側(cè)向電阻率(RLLD、RLLS)，電成像測(cè)井曲線(xiàn)分別為孔隙度譜均值φAVE、孔隙度譜方差φSDEV、主峰電阻率曲線(xiàn)(PEAKBIN)、分選系數(shù)(SORT)。所使用的電成像測(cè)井曲線(xiàn)的計(jì)算公式如下。

孔隙度譜均值φAVE計(jì)算公式為

(1)

式(1)中：φi為圖像窗口中第i個(gè)像素點(diǎn)(即第i個(gè)電極)的視孔隙度，v/v；Pφi為對(duì)應(yīng)的視孔隙度頻率?？紫抖茸V均值表示孔隙度譜主峰偏離基線(xiàn)的程度，均值越大，儲(chǔ)層性能越好，高阻水層物性較差，孔隙度譜均值相對(duì)正常水層偏小。

孔隙度譜方差φSDEV計(jì)算公式為

(2)

孔隙度譜方差表示孔隙度譜的分布離散程度，方差越大，儲(chǔ)層非均質(zhì)性越強(qiáng)。高阻水層由于具有強(qiáng)非均質(zhì)性，所以整體孔隙度譜方差小于正常水層。

主峰電阻率曲線(xiàn)(PEAKBIN)為某一深度下統(tǒng)計(jì)的井壁微電阻率頻率分布直方圖中峰值所對(duì)應(yīng)的橫坐標(biāo)數(shù)值。經(jīng)過(guò)歸一化處理的主峰電阻率曲線(xiàn)為無(wú)量綱參數(shù)，曲線(xiàn)數(shù)值越大，儲(chǔ)層相對(duì)電阻率越大。

電阻率譜分選系數(shù)[25-26]計(jì)算公式為

(3)

式(3)中：R70、R50、R30分別為電阻率直方圖上頻率分布占70%、50%以及30%所對(duì)應(yīng)的頻數(shù)。電阻率譜分選系數(shù)表征地層均質(zhì)性強(qiáng)弱，分選系數(shù)越大，儲(chǔ)層井壁微電阻率分布集中程度越高。由于高阻水層井壁電阻率分布較為集中，分選系數(shù)較正常水層小。

3.2 數(shù)據(jù)樣本建立

為提高儲(chǔ)層流體識(shí)別準(zhǔn)確度，選取了16口井33個(gè)試氣層段共10條曲線(xiàn)20 658個(gè)數(shù)據(jù)點(diǎn)作為建模訓(xùn)練集，4 535樣本點(diǎn)作為測(cè)試集。為保證模型的正確性，測(cè)試集為隨機(jī)抽取組成。訓(xùn)練數(shù)據(jù)分為氣層、氣水同層、含氣水層、水層、高阻水層、差氣層以及干層7類(lèi)，每類(lèi)樣本數(shù)量2 098～4 135個(gè)，數(shù)據(jù)均衡，使模型對(duì)不同流體的識(shí)別能力趨近一致。

3.3 判別模型選擇及參數(shù)尋優(yōu)

模型所用訓(xùn)練數(shù)據(jù)所涉及的參數(shù)數(shù)量多、流體類(lèi)型多，且不同流體類(lèi)型測(cè)井響應(yīng)交會(huì)圖(圖7)表明不同流體類(lèi)型測(cè)井響應(yīng)差異微弱，沒(méi)有明顯的線(xiàn)性關(guān)系。在眾多機(jī)器學(xué)習(xí)算法中，隨機(jī)森林算法在面對(duì)維數(shù)多、體量大、類(lèi)間差異小的樣本數(shù)據(jù)時(shí)表現(xiàn)出的準(zhǔn)確性、魯棒性、泛化性上優(yōu)于K鄰近、支持向量機(jī)、Fisher等機(jī)器學(xué)習(xí)算法。隨機(jī)森林用bootstrap方法[27]生成m個(gè)訓(xùn)練集，然后用每個(gè)訓(xùn)練集構(gòu)造一棵決策樹(shù)，獲得m個(gè)弱分類(lèi)器，通過(guò)組合多個(gè)弱分類(lèi)器進(jìn)行投票得到結(jié)果，使得模型具有較高的精確度與泛化性能。

圖7 不同類(lèi)型流體的測(cè)井響應(yīng)交會(huì)圖Fig.7 Conventional logging crossplots of different types of fluids

圖8 不同參數(shù)模型袋外誤差圖Fig.8 Out-of-bag error diagram of different parameter models

隨機(jī)森林算法采用Python語(yǔ)言實(shí)現(xiàn)，環(huán)境為Python 3.8，隨機(jī)森林分類(lèi)核心算法使用了sklearn.ensemble庫(kù)。由于隨機(jī)森林模型性能受參數(shù)選取的影響較大，為避免人為因素對(duì)模型造成誤差，故模型采用5折交叉驗(yàn)證網(wǎng)格尋優(yōu)方法確定超參數(shù)。尋參結(jié)果如圖8所示，當(dāng)最大特征數(shù)max_feature與決策樹(shù)最大深度max_depth一定時(shí)，決策樹(shù)數(shù)量為150 棵時(shí)模型袋外誤差已經(jīng)收斂至最低值；當(dāng)決策樹(shù)棵樹(shù)與最大深度一定時(shí)，最大特征數(shù)為4個(gè)的模型袋外誤差為最低值。隨著決策樹(shù)最大深度的增加，袋外誤差隨之減小，但是不限制決策樹(shù)最大深度容易造成過(guò)擬合現(xiàn)象，經(jīng)過(guò)驗(yàn)證決策樹(shù)最大深度設(shè)為9層比較合適。使用最優(yōu)參數(shù)獲得的模型對(duì)測(cè)試盲井進(jìn)行識(shí)別，整體判別正確率達(dá)到了84.1%，高阻水層識(shí)別率為80.2%，這表明模型具有很好的正確率與泛化性。測(cè)試集預(yù)測(cè)結(jié)果分別如表4所示，由于驗(yàn)證數(shù)據(jù)有限，模型缺乏對(duì)干層、差氣層、含氣水層這三類(lèi)流體類(lèi)型判別效果的檢驗(yàn)，后期需要加以驗(yàn)證。

表4 測(cè)試集判別結(jié)果

圖9 D1井隨機(jī)森林識(shí)別結(jié)果Fig.9 Fluid identification results of random forest model in well D1

3.4 模型驗(yàn)證與實(shí)例分析

圖9為驗(yàn)證井D1井在3 016.0～3 018.0 m和3632.0～3 634.0 m的隨機(jī)森林模型流體識(shí)別結(jié)果圖。D1井為雙層試氣，日產(chǎn)水197.0 m3，日產(chǎn)氣量500.0 m3，為典型高阻水層。由圖9可知，71、72號(hào)層電阻率分別為421.1 Ω·m和228.9 Ω·m，常規(guī)測(cè)井解釋(圖9右側(cè)第二道)結(jié)果為差氣層、水層，這與試氣結(jié)論不符。圖9最右側(cè)為隨機(jī)森林模型給出的結(jié)果：水層、水層，模型判別結(jié)果與試氣結(jié)論相符。這表明基于隨機(jī)森林建立的模型具有很好的準(zhǔn)確率和適用性。分析巖心物性資料發(fā)現(xiàn)該層平均孔隙度3.14%，平均滲透率0.178 mD，儲(chǔ)層物性較好。鑄體薄片[圖10(a)]表明儲(chǔ)層顆粒膠結(jié)緊密，無(wú)明顯裂縫發(fā)育，主要為小孔隙且分布不均，壓汞曲線(xiàn)[圖10(b)]表現(xiàn)出小斜率的線(xiàn)性增長(zhǎng)形態(tài)，高排驅(qū)壓力1.851 MPa，高變異系數(shù)9.191，表明試氣層段非均質(zhì)性極強(qiáng)。由此表明，復(fù)雜的孔隙結(jié)構(gòu)是D1井水層高電阻率的主要原因，建立的模型可以很好地識(shí)別復(fù)雜孔隙結(jié)構(gòu)造成的高阻水層。

圖11為E1井測(cè)井解釋成果圖，該井在3 681.0～3 685.0 m日產(chǎn)水4.2 m3，未見(jiàn)產(chǎn)氣，測(cè)井響應(yīng)為高阻特征。測(cè)井解釋中僅利用常規(guī)測(cè)井資料難以正確解釋這一水層，在借助成像資料后發(fā)現(xiàn)試氣段發(fā)育薄互層，儲(chǔ)層主要厚度分布在10～30 cm范圍內(nèi)。圖11右側(cè)第三道電成像動(dòng)態(tài)圖XRMI_DYN顯示儲(chǔ)層孔隙發(fā)育良好，電成像圖像呈現(xiàn)為暗黑色條紋狀，主峰電阻率曲線(xiàn)PEAKABIN(圖11右側(cè)圖第二道紅色曲線(xiàn))呈現(xiàn)劇烈波動(dòng)，反映高阻地層中發(fā)育低厚度儲(chǔ)層。儲(chǔ)層厚度過(guò)小導(dǎo)致了層間各向異性強(qiáng)，深側(cè)向電阻率值未能反映真實(shí)儲(chǔ)集空間電性特征，整體電阻率值偏高，表現(xiàn)出高阻水層特征。

圖10 高阻水層巖心測(cè)試資料Fig.10 Core test data of high-resistivity water layers

圖11 E1井測(cè)井解釋成果圖Fig.11 Logging interpretation results of well E1

4 結(jié)論

(1)高阻水層的成因分析對(duì)于油氣藏流體精細(xì)評(píng)價(jià)工作具有十分重要的意義，不同地區(qū)的高阻水層成因是復(fù)雜多樣的。通過(guò)對(duì)地球物理測(cè)井與巖心實(shí)驗(yàn)等資料分析認(rèn)為靖西地區(qū)高阻水層的成因是由多重因素共同導(dǎo)致的，儲(chǔ)層孔隙結(jié)構(gòu)復(fù)雜、薄互層廣泛發(fā)育是致使水層地球物理測(cè)井響應(yīng)表現(xiàn)為高阻特征的主要因素。這種宏觀(guān)與微觀(guān)成因相結(jié)合的高阻水層成因分析思路為儲(chǔ)層流體評(píng)價(jià)提供了新思路。

(2)提出的將常規(guī)地球物理測(cè)井曲線(xiàn)與特殊電成像測(cè)井曲線(xiàn)相結(jié)合建立的隨機(jī)森林判別模型可以在保持高識(shí)別精度的前提下有效識(shí)別高阻水層，實(shí)現(xiàn)流體類(lèi)型的正確判別。這證明隨機(jī)森林算法在流體識(shí)別應(yīng)用中的可行性與有效性，對(duì)油氣評(píng)價(jià)新方法具有很好的參考價(jià)值。但仍然涉及眾多關(guān)鍵參數(shù)的調(diào)節(jié)，相信在未來(lái)技術(shù)革新的推動(dòng)下算法將不斷被完善，穩(wěn)定性與復(fù)雜度會(huì)得以改善。

(3)由于高阻水層的特殊性和復(fù)雜性，油氣精細(xì)評(píng)價(jià)還有諸多難題需要解決。因此，對(duì)于油氣評(píng)價(jià)不能僅限于常規(guī)手段，數(shù)字時(shí)代帶來(lái)的新技術(shù)也可以為油氣評(píng)價(jià)帶來(lái)新方法新途徑。