准噶尔盆地腹部火成岩岩性识别

赵武生谭伏霖,2王志章,2隆山董延喜

1.中国石油大学(北京) 2.“油气资源与探测”国家重点实验室·中国石油大学(北京)3.中国石油天然气集团公司西部钻探工程有限公司测井公司

准噶尔盆地腹部火成岩岩性识别

赵武生1谭伏霖1,2王志章1,2隆山3董延喜3

1.中国石油大学(北京) 2.“油气资源与探测”国家重点实验室·中国石油大学(北京)3.中国石油天然气集团公司西部钻探工程有限公司测井公司

赵武生等.准噶尔盆地腹部火成岩岩性识别.天然气工业,2010,30(2):21-25.

随着火成岩油气藏勘探的不断深入,如何准确有效地识别火成岩岩性是进行该类油气藏评价的关键。以准噶尔盆地滴西地区火成岩岩性识别为例,构建了4个岩性识别辅助参数,通过样本扩充解决了研究区同一岩性样本测井信息不符合正态分布且难以确定其分布函数时引起数学方法识别岩性识别率低的难题。利用对应分析方法进行了岩性敏感性测井信息分析,运用统计性聚类和模糊聚类方法进行了岩性数学分类研究,使用模糊数学、贝叶斯判别分析、神经网络、基于层次聚类分析思想的交会图等方法分别进行火成岩岩性常规识别和主成分识别,开发出基于forward测井解释平台的火成岩识别软件,共识别出火成岩岩性15种、沉积岩2种,与岩心薄片鉴定资料比较,各种岩性平均解释符合率为86.5%。误识的岩性主要为凝灰岩和火山角砾岩,将成像测井资料与常规测井资料相结合来判断便可以减少误判。

火成岩 岩性 识别 测井 交会图 模糊数学 准噶尔盆地

0 引言

火成岩作油气藏已引起人们越来越多的关注[1-4]。火成岩储层测井评价研究是继砂岩、碳酸盐岩等储层之后的另一个重要领域。准噶尔盆地火成岩地层分布广泛,其中蕴藏着丰富的油气储量,近年来发现了石西、滴西、五彩湾、五八区、湖湾区、六九区等油气藏。火成岩油气藏裂缝发育、产量高,为中国石油新疆油田公司“增储上产”发挥了重要的作用。

准噶尔盆地火成岩储层主要分布于石炭系,在下二叠统佳木河组和风城组也有分布。埋藏深度变化较大,已发现的油气藏埋藏深度在300～4900m,浅层(3000m以浅)一般为油藏,深层则油藏和气藏均有。通过目前的研究发现,岩性与含油气性存在关系、不同岩性其储集结构和测井处理参数不同。基于此,火成岩岩性识别对于后期的火成岩储层评价与开发显得尤为重要[5-9]。

1 岩性识别样本库的建立

1.1 火成岩测井响应特征

基性火成岩类:密度高,自然伽马低,声波时差低,中子高。酸性火成岩类:自然伽马高,密度低,中子低,声波时差高。中性火成岩类:介于基性和酸性之间,中子、密度、声波时差中等。

1.2 岩心薄片岩性确定

对岩心岩性的准确判定是火成岩岩性识别的基础。本次研究共收集了滴西地区、石西地区和五彩湾地区40口井的760张薄片,研究中将所有收集到的薄片资料全部在镜下观察并按照地质学的火成岩岩性成分分类标准统一重新定名。

1.3 岩心归位与样品的挑选

由于岩心深度(钻井深度)与测井深度不一致,因此必须对岩心分析的数据进行深度归位。归位的原则为:在孔隙度解释的基础上结合成像资料和元素测井资料进行岩心的整体的深度归位。具体来说,由于声波测井曲线、密度测井曲线和中子测井曲线与岩心分析孔隙度相关性较好,故可以根据岩心分析孔隙度与测井曲线的变化趋势对测井曲线进行整体归位,归位的同时利用成像资料和元素测井资料检查岩心归位的正确性。

样品挑选的目的是为了去除奇异值,其原则为:岩心归位好、岩性段相对稳定、井眼相对平滑。

1.4 岩性参数的构建

为了突出岩性,消除孔隙的影响,定义4个测井参数——M、N、P、E。其中:=。Δtf、φNf、ρf分别为流体的声波时差、视中子孔隙度和密度值;Δtf、φN、ρb分别为岩心样本的声波时差测井值、中子测井值和密度测井值。

1.5 数学识别岩性样本库的扩充

由于研究区存在以下情况:火山角砾岩、凝灰岩成分复杂,酸性、基性和中性的都有;岩性复杂,凝灰岩和火山角砾岩的测井曲线基本不符合正态分布;熔岩由于破碎、蚀变、沸石化等的影响也使得其测井曲线值符合正态分布但其分布范围较广。因此不能利用常规的正态分布函数确定隶属度函数和判别函数来进行岩性识别,如果仍用正态分布函数进行岩性识别,则需要将各种岩性进一步细分。

火成岩一般岩层厚度大,测井曲线值相对稳定,多呈箱形;岩心归位较为容易,有时上下移动几米对结果都没什么影响。故可将这种易于归位的岩心样品进行扩充,以成像测井资料和元素测井资料等其他特殊项目为参考,随机挑选该箱形测井曲线值段内10～20个深度点作为该岩心样本的扩充样本,然后每一个被扩充的岩心样本自成一类岩性,再利用正态分布函数进行数学识别。识别完毕计算机再自动将各自成为一类的岩性进行岩性名称的合并与统一。

1.6 岩性敏感性测井信息分析

要划分复杂的火成岩地层的岩性,需通过多种测井资料配合。对应分析可以从众多的测井曲线中选择出对岩性敏感的测井曲线,通过对应分析可以说明哪些类型的火成岩样品更容易区分,哪些测井曲线起更大的作用,从而达到综合划分岩性,以提高复杂火成岩地层的岩性识别效果的目的。

为了避免载荷图上数据点过多影响对应分析,首先得从样本中挑选一些典型的、易于归位的样品用于对应分析研究。利用对应分析发现GR对研究区的火成岩岩性反应最为敏感,图1为利用 GR对研究区火成岩酸基性的划分,从另外一个角度验证了对应分析的正确性。CNL、P与N对研究区的岩性反应次之。

研究区凝灰岩和火山角砾岩成分复杂,酸性、中性、基性均有,它们对R型因子分析影响严重,故对应分析时将其剔除掉。图2是挑选出对反应岩性较为敏感的曲线GR、CNL、P与N后所做的对应分析,其结果显示反应岩石酸基性的第一主因子(F1)的贡献率为85.5%,反应岩石孔隙结构及含油性的第二主因子(F2)的贡献率为14.3%。在载荷图上,各种岩心的样本点分布规律较好。GR<30的玄武岩与闪长玢岩能明显区分开,GR≥30的玄武岩为中基性火成岩,与闪长玢岩不易识别开来。

图1 火成岩酸基性划分图

图2 对应分析载荷图

1.7 岩性的数学分类研究

聚类分析是根据样品之间的亲疏程度,将它们进行逐级定量分类的一种多元统计分析方法。故可用聚类分析进行岩性的数学分类研究。为便于寻找规律,聚类分析时仍然剔除成分复杂的凝灰岩和火山角砾岩,同时对熔岩类进一步筛选,剔除那些不容易归位的样本,根据对应分析结果剔除掉电阻率曲线以及密度曲线,分别利用统计性聚类和模糊聚类进行聚类分析。

从谱系图上可以看出研究区火成岩主要分为两大类,分别为酸性火成岩和基性火成岩,两者之间存在安山岩和部分玄武岩作为过渡岩性。统计性聚类和模糊聚类结果基本一致。聚类方法的选择对于最终结果有一定影响,同是统计性聚类或模糊聚类,选择不同方法,基本没有发现酸性火成岩与基性火成岩误识的现象,但结果不完全一样。

聚类分析用于岩性识别存在一定的不稳定性,但聚类分析的一大优点就是岩性样本较少时也可以得到较好的结果,故在勘探初期利用聚类分析优于其他数学识别方法。

2 火成岩岩性识别

2.1 基于层次聚类分析思想的交会图

具体做法为:建立岩心样本库中各种测井曲线和参数之间的两两交会图;然后在火成岩酸基性识别的指导下,采用层次法聚类分析的思想,选取多套测井交会图版进行组合,将火成岩岩性识别分解为较容易实现的一些混合岩性识别,再将混合岩性进一步分解,直至识别出所有能识别的岩性为止,达到逐级、逐次对样本库中所有岩性进行逐步剥离的目的,实现用多个有顺序的二维图版的组合对复杂火成岩岩性多维空间的表征,最终建立岩性识别图版库以及各图版的使用顺序;研究中挑选交会图进行逐步分解的原则为美观、简单、符合基本地质观念,同一岩性一般不由多张交会图版分开识别出来,同时还要有利于下一级混合岩性的细分;最后一步工作就是利用建立好的有顺序的图版库进行岩性识别,根据待识别样品的测井曲线值将其投到识别图版上(图2),落在某一个岩性区域就属于该岩性。如果识别出来属于一种混合岩性,则再进一步选取该混合岩性进一步细分的交会图版进行识别,直到识别出属于某一种具体岩性为止。

研究中共建立了8张二维有序的岩性识别图版,其组合就构成了一个多维空间来反映复杂的火成岩岩性。从上述图版可以发现,研究区凝灰岩和火山角砾岩种类众多,分布广泛,图版中凝灰岩和火山角砾岩与其他岩性的界限有时比较模糊,故岩性识别容易造成凝灰岩和火山角砾岩误识为其他岩性或其他岩性误识为火山角砾岩。

2.2 模糊数学识别

2.2.1 建立岩性识别基础的数据库

优选测井信息,根据对应分析结果,常规测井中每一种信息对岩性都有反映,以 GR的最好,CNL、N,P次之,M、A C和E再次之,D EN、R T和RI最差,根据对应分析结果确定各种测井信息反映岩性的权系数(表1)。

表1 各测井曲线测井权系数表

2.2.2 隶属函数基本单元的确定

2.2.3 隶属函数的一般形式

式中:i=1,2…,n,反映不同岩性;xij为测井信息;?xij为第i种岩性j种测井信息中的数学期望值;αij为第i种岩性j种测井信息的标准方差。

2.2.4 岩性识别

首先计算待识别样本的各种岩性的隶属度,然后依据最大隶属度原则,隶属度最大的那个对应的岩性即为待识别样本的岩性。

2.3 贝叶斯判别分析识别

2.3.1 正态总体的判别函数

2.3.2 岩性识别

2.4 神经网络识别

本次研究采用了只有一个隐层的3层BP神经网络进行岩性识别,根据对应分析的结果,选取 A C、CNL、GR和M、N、P和E作为输入节点。输出节点为岩性识别样本库中的岩性编号。

为了便于网络的收敛,在对样本点进行训练前,需要对各个节点的输入进行归一化处理,对于识别结果,再进行反归一化。

2.5 主成分识别火成岩

由上可知,测井参数 x的第i个主成分表示为:

ωiT为第 i个特征值对应的单位特征向量的转置。由上式可知,只要得到ωiT,再求出标准化变量值x,便可计算出各主成分的得分。主成分1(F1)和主成分2(F2)与测井参数之间的转换关系具体表示为:

将各个样品的4种测井参数代入上式,就可以计算出各个样品的主成分的得分了。计算出各主成分得分后,则可以应用前述的4种岩性识别方法进行识别。

2.6 电成像测井识别火成岩

岩性划分首先将钻井取心资料刻度到FMI图像上,然后参考录井资料,结合常规曲线特征,主要根据FMI图像特征来划分不同结构的火成岩。准噶尔盆地腹部火成岩岩性复杂,主要的火成岩有:玄武岩、安山玄武岩、闪长玢岩、安山岩、英安斑岩、英安流纹斑岩、珍珠岩、流纹岩、沸石化珍珠岩、霏细岩、霏细斑岩、花岗斑岩、凝灰岩、火山角砾岩、沉凝灰岩和沉火山角砾岩等,再加上破碎、蚀变、沸石化等影响,使得火成岩岩性非常复杂。电成像测井可以根据井壁电阻率的变化揭示岩石的结构、构造。

(4)配套软件的完善。要顺利实施融合生产，还需要新建改造完善配套软件。如外业调绘软件、数据编辑软件、数据质量检查软件、数据成果抽取转换软件等，从而提高生产效率。

1)块状模式:指颜色较单一的均质块状结构,代表一种块状结构,表明岩石中不发育裂缝、层理、层洞等。亮色块状指示岩性较致密,如致密碳酸盐岩、致密火成岩、块状砂岩等;暗色块状指示典型的泥岩及缝洞发育的碳酸盐岩和火成岩。

2)条带状模式:图像上显示为明暗相间的条带状,指示为砂泥岩互层沉积环境。

3)线状模式:图像上显示为线状,指示在一定范围内电阻率的变化,而导致图像颜色突变。线状模式可指示裂缝、人工诱导缝、层面、冲刷面、缝合线、不整合面、断层等不同特征。

4)斑状模式:溶蚀孔洞成像图多呈现为暗色斑状,当有角砾岩或砾石时,成像图呈亮色,凝灰岩一般为暗色斑点模式。

2.7 岩性综合判别方法

为了将8种常规测井曲线识别结果统一输出,采用了如下办法:①如果某方法将该采样点识别为该种岩性,则定义该岩性得分为1,未识别成的岩性为0;②将其得分与样本库检查所得出的识别率相乘后加权求和;③对于和值最大的岩性即为岩性综合解释的结果。对于凝灰岩、火山角砾岩和沉积岩的识别,主成分识别不参与评价。利用该方法,共识别出14种火成岩(霏细岩、珍珠岩、流纹岩、花岗斑岩、安山岩、玄武岩、闪长玢岩、沉凝灰岩、基性凝灰岩、酸性凝灰岩、中性凝灰岩、基性火山角砾岩、酸性火山角砾岩、中性火山角砾岩)和2种沉积岩(砂岩、泥岩)。

2.8 火成岩测井岩性识别软件的实现

火成岩测井识别属于勘探测井资料分析处理的范畴,故本次开发利用VC++编程语言和FORWARD的SDK编程接口编写火成岩岩性识别动态库,然后将生成的动态库挂接到FORWARD平台下的综合常规处理的平台上,通过绘图模板将测井曲线和识别结果及时地显示出来;利用该平台的参数设置窗口实现对识别参数的调整和人机交互。

软件总体分为3大步,分别为数据预处理、建立判别标准和识别结果输出。流程为:首先读取样本库,将样本库的测井数据标准化;计算各样本的主成分,再利用样本库曲线值和计算出的主因子分别利用图版识别、贝叶斯判别、模糊数学识别和神经网络识别这4种方法进行识别,将识别结果输出显示;最后操作人员利用成像测井等其他资料,进行岩性识别的综合解释,在处理过程中,操作人员可以通过设定处理层段和设置各层段参数来达到分层精细解释的目的。

3 应用效果

为了检验岩性识别结果,挑选了研究区20口有岩性薄片定名的井进行解释处理,其中有267块岩心样品未用于建立岩性识别样本库。在统计识别率的过程中,由于薄片鉴定未给出凝灰岩和火山角砾岩的岩石成分,故检查时酸性、中性、基性凝灰岩均按凝灰岩统计,火山角砾岩与此类同。统计结果显示平均解释符合率为86.5%。

从表2中可以看出,主要储集层岩性花岗斑岩、玄武岩、流纹岩的识别率均在95%以上;误识的绝大多数是凝灰岩和火山角砾岩,但这两种火成岩与熔岩类在结构上有很大差别。成像测井可以很好地揭示岩石结构,熔岩的图像模式为块状结构,凝灰岩为暗色斑点模式,火山角砾岩为亮色斑点模式,沉积岩为条带状模式,借助成像测井资料,可以很好地校正常规测井曲线不能揭示岩石结构而带来的误识。

4 结论

1)火成岩岩性成分复杂,火成岩岩性识别需要利用多种测井曲线相结合,必要的时候可以构造一些岩性辅助识别曲线。

2)聚类分析识别岩性主要适用于勘探初期资料较少的时候,对于勘探中后期的岩性识别使用贝叶斯判别分析识别岩性、模糊数学识别岩性、神经网络识别岩性以及图版识别更佳。

3)利用对应分析,得出了本研究区火成岩岩性敏感曲线为GR,其次为CNL、N、P,最不敏感的曲线为D EN,R T主要反映岩石孔隙结构和含油性。通过对应分析将玄武岩分为两类,一类是 GR<30,另一类GR≥30;与闪长玢岩相混不易识别的是第二类。这个分类标准最后得到了利用图版区分火成岩酸基性的验证(GR<30为基性岩)。

表2 岩性识别结果检验表

4)利用多套测井交会图图版组合、采用层次聚类的思想对样本库中所有岩性进行剥离,实现了用多个二维图版对复杂火成岩岩性多维空间的表征。利用图版可以实现对复杂火成岩的识别。

5)利用岩心描述和薄片资料相结合,在一些岩性发育比较稳定的层段扩充的岩性识别样本库,利用这种扩充后的岩性识别样本库可以很好地解决利用模糊数学识别岩性的隶属度函数和贝叶斯判别的判别函数选择正态分布函数识别带来的误差。这种方法也可以应用于其他相关领域。

6)电成像测井能够高分辨率地识别出岩石结构,而常规测井曲线识别岩性则是多种测井方法的多维空间的组合,将两种资料相结合能够很好地提高火成岩岩性识别率。

7)一般从酸性到基性岩类,自然伽马测井值逐渐降低。

8)在矿物组分等相同的情况下,熔岩类密度测井值较高、声波时差测井值较低,过渡岩类中等,火山碎屑岩类密度测井值较低、声波时差测井值较高。

9)绿泥石化、高岭石化、破碎和蚀变等可造成电阻率和密度测井值降低、声波时差和中子测井值增大。

[1]曹宝军,李相方,姚约东.火山岩气藏开发难点与对策[J].天然气工业,2007,27(8):82-84.

[2]姚芳,黄芳,季静,等.枣35断块火成岩储层评价与开发效果[J].天然气工业,2007,27(8):41-43.

[3]綦敦科,吴海波,陈立英.徐家围子火山岩气藏储层测井响应特征[J].测井技术,2002,26(1):52-54.

[4]邹才能,赵文智,贾承造,等.中国沉积盆地火山岩油气藏形成与分布[J].石油勘探与开发,2008,35(3):257-270.

[5]赵建,高福红.测井资料交会图法在火山岩岩性识别中的应用[J].世界地质,2003,22(2):136-140.

[6]王建国,耿师江,庞彦明,等.火山岩岩性测井识别方法以及对储层物性的控制作用[J].大庆石油地质与开发,2008,27(2):136-142.

[7]冯翠菊,王敬岩,冯庆付.利用测井资料识别火成岩岩性的方法[J].大庆石油学院学报,2004,28(4):239-243.

[8]王郑库,欧成华,李凤霞.火山岩储层岩性识别研究[J].国外测井技术,2007,22(1):8-11.

[9]魏斌,陈建文,李长山,等.徐家围子断陷火山岩岩性的测井识别技术[J].特种油气藏,2003,10(1):73-76.

Identification of the lithology of igneous rocks in central of the Junggar Basin

Zhao Wusheng1,Tan Fulin1,2,Wang Zhizhang1,2,Long Shan3,Dong Yanxi3
(1.China University ofPetroleum,Beijing102249,China;2.State Key L aboratory ofPetroleum Resources and Prospecting,China University of Petroleum,Beijing102249,China;3.Logging Com pany of PetroChina West Drilling Engineering Co.,L td.,Karamay,Xinjiang834000,China)

Effective identification of the lithology of igneous rocks is critical to the evaluation of igneous reservoirs.Taking the igneous rocks in the Dixi area of the Junggar Basin as an example,four supplementary parameters were selected for the identification of lithology.The efficiency of identifying lithology with mathematical methods was often low when the log information of the same lithology sample did not accord with the normal distribution and when it was hard to define its distribution function.This problem has been solved by increasing the number of samples.The lithology-sensitive log information is analyzed by a corresponding analysis method.Mathematical classification of lithology was performed with statistical clustering and fuzzy clustering methods.Conventional identification and major component identification of lithology of igneous rocks were carried out by using fuzzy mathematics,Bayes discrimination,neural network,and hierarchy clustering-based cross-plotting methods respectively.A set of software based on the

book=21,ebook=68

10.3787/j.issn.1000-0976.2010.02.005

2009-10-16 编辑 韩晓渝)

赵武生,1955年生,高级工程师,博士研究生;1982年毕业于原华东石油学院物探专业;现从事石油工程管理和石油经济专业研究工作。地址:(102249)北京市昌平区府学路18号。电话:13519906582。E-mail:sjiang@petrochina.com.cn

NATUR.GAS IND.VOLUME30,ISSUE2,pp.21-25,2/25/2010.(ISSN1000-0976;In Chinese)