M分类法在储层流体识别中的应用

蒋 炼,贺振华,黄德济,文晓涛,周茂林

(1.成都理工大学油气藏地质及开发国家重点实验室,四川成都610059; 2.川庆钻探工程公司地球物理勘探公司,四川成都610213)

M分类法在储层流体识别中的应用

蒋 炼1,贺振华1,黄德济1,文晓涛1,周茂林2

(1.成都理工大学油气藏地质及开发国家重点实验室,四川成都610059; 2.川庆钻探工程公司地球物理勘探公司,四川成都610213)

生物礁滩储层存在测井流体识别困难的问题。应用适合生物礁滩储层流体识别的多元隶属函数M分类法,根据模糊数学的隶属函数和最大隶属原则,研究了该方法及其应用准则,建立了测井流体识别的模糊数学模型。根据多元隶属函数M分类法的原理,利用声波时差、岩性密度、中子孔隙度、浅侧向、自然伽马测井值分析和计算,对某油田生物礁滩储层段的70个油层、水层和干层进行了判别,最终解释结果符合率为85%,油层判别符合率为89.5%。

测井应用;生物礁滩储层;流体识别;多元隶属函数;模糊理论

0 引 言

利用地球物理测井资料进行油、水识别中,漏掉或者误识别油、气层会给石油开采带来巨大的经济损失,因而准确识别油气层在测井解释中非常重要[1]。近年来,模糊理论和神经网络技术的研究在测井解释油气识别中有不少的方法理论被引进,如模糊聚类分析法、模糊灰关联法、模糊综合判别法等[2-5]。本文利用模糊理论在处理不确定性、模糊性及高度非线性问题中所具有的独特优势,根据某地区的实际测井资料,首次引进多元隶属函数M分类法,对该地区井上的生物礁滩储层段进行测井流体识别。

1 多元隶属函数M分类法的方法、原理[6-7]

为了定量地刻画模糊概率问题,L.A.Zadeh在随机现象中引入了模糊性,提出了模糊概率统计理论。多元隶属函数M分类法就是基于模糊概率统计理论发展而来的。该方法的优点是可以根据数据的特征差异,最大限度地根据已知分类预测具有类似差异特征的未知数据的类别。其方法原理如下。

确定论域U和集合 pm={A1,A2,…,Am}。这里A1,A2,…,Am为论域U上的模糊集合。确定特性指标向量和抽选样本。对每个样本,选取能反映各个模糊集合Aj(j=1,2,…,m)特性的 p个指标,设 xi1,xi2,…,xip为第i个样本ui的 p个特性指标,这时可把ui看作一个p维向量,即

然后计算β=(β0,β1,…,βp)T。考虑线性模型

这里ξi为正太随机变量。在上述线性模型的假定下,当rank(XTX)=p+1时,可求得β的最小二乘估计为

构造多元隶属函数 A(u)=A(x1,x2,…,xp。按Logistic函数形状构造多元隶属函数,取

式中,α是可根据实际情况而定的常数。选取阈值λi,把论域U划分成m类。根据具体情况,选取m-1个阈值λi∈[0,1],λi>λi+1(i=1,2,…,m-1),把模糊集合A截成m个经典集合。

这样,就通过多元隶属函数值 A(u)把论域U划分成m类:A＊1,A＊2,…,A＊m,从而达到了将论域U按某些特性分类的目的。

2 应用效果分析

利用上述方法原理开发了相关的应用程序,对研究区井上的生物礁滩储层的40个油层,9个水层,21个干层,共70个层位,利用这些井的声波时差、岩性密度、中子孔隙度、浅侧向、自然伽马(A C、D EN、CNL、RLLs、GR)测井值进行了相关的分析和计算。

由于该地区井的某些测井曲线不是用同一类型的仪器、相同的标准刻度器,以及统一的操作方式进行测量和刻度的,故各井测井数据间必然存在差异[8]。所以在进行定量模型建立、储层流体识别前,针对各井曲线存在的问题,首先进行单位归一化和全井段数据标准化处理。其思路是主要利用关键井标准层经环境影响校正后的测井数据(如中子、声波时差等)作频率直方图,并作为测井数据标准化的刻度模式。通过分析各井标准层测井数据的频率分布,逐一与油田关键井标准模式进行相关对比,并确定校正值。

2.1 特征参数提取

通过对生物礁滩储层特征研究和分析,选取了对流体反映敏感的测井参数,如自然伽马、补偿中子、声波时差、岩性密度、电阻率参数等作为生物礁滩储层流体识别的指标,进行流体识别。

通过储层段岩心实验、分析、计算,作已知储层段的频数图(见图1)、交会图(见图2)、计算具有代表性的储层段各个测井参数的平均值,最后确定出对流体识别响应敏感的5个测井响应参数,即声波、密度、中子孔隙度、浅侧向电阻率、自然伽马。由图1可以看出,水层声波时差值最大,油层次之,干层最小,其他如密度、中子孔隙度测井也有类似的规律;由图2的交会图可以看出它们之间有很好的线性关系。因此可以利用测井参数间的这些差异特征进行流体的识别。

2.2 应用多元隶属函数M分类法进行流体识别

图1 ××井声波测井频数图

选取所有待判识的层段作为论域U,把所有的层分为3类,即水层A1、油层A2、干层A3。则A1、A2、A3可看作U上的模糊子集,故取 p3={A1,A2, A3}。判断一个层位是水层,油层,还是干层,就是根据测井响应参数,来判别它对模糊集 A1、A2、A3的隶属度的大小。

图2 ××井中子孔隙度与密度交会图

对于每1个层u∈U,选用5个测井响应参数为判断流体的特性指标:x1表 A C值,x2表示 D EN值,x3表示 CNL值,x4表示 RLLs值,x5表示 GR值。因此,对第i个层的特性指标可用5维向量表示成

从研究区的不同井位抽取了70个经试油验证了的样本层的5个特性指标的观测数据的平均值,其中划归为“水层A1类别”、“油层A2”类别和“干层A3”类别的层数分别为9、40和21。

将各样本的5个特性指标值分别带入式(3)、式(4),计算得出结果见表1,这就是各样本层位对各类别的隶属度。

选取阈值λi(i=1,2),把论域U化为3类。根据表1选取2个阈值λ1=0.441,λ2=0.413,把表示层位隶属程度的模糊集A截成3个经典集合、和,这样就把所有层分成和这3个类别,于是可根据具体的层位 u=(x1,x2, x3,x4,x5)对模糊集合 A的隶属度 A(x1,x2, x3,x4,x5),判别它的类别。其判别结果见表2和图3。

由表2可计算出判定的正确率为84%,油层判定符合率为93%。最后根据模型井得到的参数计算与模型井同一个研究区内的其他井的数据,这里选取了19个油层、9个水层和12个干层进行验证。其结果见表3。

由表3可计算出判定的正确率为85%,油层判定符合率为89.5%。

表1 样本层位对各自类别的隶属度

表2 ××井测井试油结论和M分类法的判别结果比较

表3 ××井测井试油结论和M分类法的判别结果比较

3 结论与认识

本文综合考虑了模糊数学理论在处理不确定性、模糊性及高度非线性问题中所具有的独特优势以及各测井曲线与含油气的关系,从测井上给出了礁滩相储层的模糊数学模型和各测井曲线与流体的关系。通过对礁滩相储层段各测井曲线间关系的研究和分析,得出了水层声波时差值最大,油层次之,干层最小,其他如密度、中子孔隙度测井曲线也有类似的规律。在进行模糊判别时,根据这些差异特征,可以有效地指导参数的设定和选择,从而更加合理和准确地进行流体识别。

根据M分类法多元隶属函数法的原理,建立了测井流体识别的模糊数学模型,可以最大限度地根据已知分类预测具有类似差异特征的未知数据的类别。利用该方法对测井分层数据进行流体识别,解释正确率为 85%,其中油层判定符合率为89.5%,取得了较好的应用效果。证明该方法在复杂岩性,即生物礁滩储层进行测井流体识别是可行的。

[1] 刘洪林,朱秋影,周振兴.模糊聚类分析及其在测井识别油气层中的应用 [J].勘探地球物理进展,2005,28 (6):425-427.

[2] 侯俊胜,黄智辉,汪嘉联.测井多参数模糊综合评判和灰色综合评判的对比分析 [J].测井技术,2000,24 (1):32-35.

[3] 黄布宇,潘保芝.改进的模糊模式识别方法在测井曲线分层中的应用 [J].物探化探技术,2002,24(2):119 -123.

[4] 张宗林,王 宏,秦志宝,等.长庆气田下古生界马五段碳酸盐岩储层类别测井识别方法研究 [J].天然气工业,2000,20(3):44-46.

[5] 李 瑞,杨光惠,胡奇凯.鄂尔多斯盆地碳酸盐岩储层测井产能预测研究 [J].勘探地球物理进展,2005,26 (2):109-113.

[6] 曹炳元.应用模糊数学与系统 [M].北京:科学出版社,2005.

[7] 陈水利.模糊集理论及其应用 [M].北京:科学出版社,2005.

[8] 谭茂金,范宜仁,张晋言.测井数据标准化方法研究及软件设计 [J].物化探计算技术,2006,28(3):219-223.

Application of M Classification Method in Identification of Reservoir Fluid

J IANGLian1,HE Zhenhua1,HUANG Deji1,WEN Xiaotao1,ZHOU Maolin2
(1.State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation,Chengdu University of Technology,Chengdu, Sichuan 610059,China;2.Geophysical Prospecting Company,Chuanqing Drilling Engineering Company, Chengdu,Sichuan 610213,China)

It is difficult to identify fluids using log date in reef and beach reservoir.In order to resolve the problems,we find a proper method called multivariate membership grade function M classification to identify fluids in××oilfield.Researched are the method and its application principle according to membership function and maximum subordination principle in fuzzy mathematics,and established is mathematics model of identifying fluids using log data.Based on the principle of multivariate membership grade function M classification,and the analysis and calculation of log data(A C、D EN、CNL、RLLs、GR),we processed 70 layers in several wells in reef and beach reservoir in an oilfield,the interpretation agreement rate of which is up to 84%,and the oil layer interpretation agreement rate of which is up to 93%.

log application,reef reservoir,fluid identification,multivariate membership grade function,fuzzy theory

P631.84

A

2010-04-23 本文编辑 余 迎)

1004-1338(2010)04-0356-04

蒋 炼,男,1984年生,硕士研究生,研究方向为应用地球物理、测井、地震资料处理。