烃源岩有机碳含量的测井响应特征与定量预测模型——以珠江口盆地文昌组烃源岩为例

徐思煌,朱义清

(1.中国地质大学构造与油气资源教育部重点实验室,武汉 430074;2.中国地质大学研究生院,武汉 430074)

烃源岩有机碳含量的测井响应特征与定量预测模型
——以珠江口盆地文昌组烃源岩为例

徐思煌1,朱义清2

(1.中国地质大学构造与油气资源教育部重点实验室,武汉 430074;2.中国地质大学研究生院,武汉 430074)

利用测井资料评价烃源岩,能够弥补烃源岩取心少、实测样品分布不连续的不足。富含有机质的烃源岩在测井上具有电阻率高、中子孔隙度高、声波时差高、伽马高、密度低等基本特征。测井资料不仅可用来定性识别烃源岩,而且还能定量预测有机碳含量。近半世纪不断探索出的预测模型,可概括为定性识别模型、单参数等效体积模型、双参数交汇图半定量模型、多元回归模型、测井曲线叠合模型(即ΔlogR技术)、模糊数学模型6种类型。珠江口盆地惠州凹陷及番禺4洼文昌组烃源岩实测有机碳含量与同井段电阻率、中子、声波、伽马和密度等测井参数之间的相关程度比较均衡,因此由这5种测井参数构成的五元回归方程代表着最佳定量预测模型。对番禺4洼一口井文昌组进行了全井段有机碳含量预测,经岩性描述、实测有机碳含量检验,认为预测效果良好。

烃源岩;有机碳含量;测井响应;预测模型;惠州凹陷;珠江口盆地

烃源岩有机碳含量是含油气盆地中生烃研究和资源评价必需的一项基础参数。在可获取烃源岩样品的情况下,通过实验直接测定有机碳含量。然而,受采样条件限制,合适的烃源岩样品常常数量有限、分布局限;再加上测试费用的因素,直接测定的有机碳含量资料无论数量上还是分布上通常都难于满足研究的需要。因此,有必要充分地利用纵向连续、广泛分布的测井资料来评价烃源岩有机碳含量。研究表明,多种测井参数与烃源岩有机碳含量之间具有一定的响应关系,根据这些响应关系建立起合理的定量预测模型,可以实现烃源岩有机碳含量的有效定量预测[1]。随着测井技术的不断发展,这项探索也不断取得新的进展[2]。

1 烃源岩特征的测井响应

烃源岩相对于非烃源岩而言最显著的特征为富含有机质。随着测井技术的发展,烃源岩中有机质丰度与不同测井参数之间的响应关系也逐渐得到认识。

早在20世纪中叶,Beers(1945)就认识到一些古生界页岩中的放射性与有机质含量的关系[3]。Swanson(1960)进一步认识到黑色页岩中放射性元素铀的含量与石油生成密切相关[4]。由于富含有机质及粘土矿物的烃源岩通常含有较高的放射性元素,因此自然伽马测井(探测伽马射线强度)、自然伽马能谱测井(探测放射性元素含量)可用于烃源岩的识别及其有机碳含量预测[5-7]。

由于干酪根密度小于粘土矿物,因此有机质含量越高的烃源岩应具有越低的密度。Schmoker(1979)提出密度测井可用以确定烃源岩有机质的含量[8-9]。

类似地,由于干酪根的声波时差大于固体岩石骨架的声波时差,因此当其它条件一定时,有机质含量越高的烃源岩应具有越大的声波时差。声波时差测井成为岩性解释和烃源岩有机质含量预测的重要方法之一[10-11]。

电阻率测井探测的是井内岩石电阻率变化特征。烃源岩有机质属于非导电物质,电阻率无限大,根据烃源岩构成的体积模型,烃源岩的电阻率随着有机碳含量增高而增大,尤其当烃源岩处于生烃高峰阶段,电阻率会因生烃作用而大幅增加[1,12-13]。此外,烃源岩生烃作用可导致孔隙系统水的饱和度减小、电阻率增大,因此电阻率测井也与烃源岩热演化成熟度具有良好响应关系。

中子测井是探测井内岩石含氢指数变化特征的一种测井。有机质的含氢指数大于泥质含氢指数,因此烃源岩的中子测井孔隙度值与烃源岩有机质含量也存在良好的响应关系[7,12]。

此外,由于碳/氧能谱中子测井可同时提供C/O比和Si/Ca比[14],赵彦超(1990)经过推导,建立了该测井提供的C/O比和Si/Ca参数同烃源岩有机碳含量之间的数值关系[12]。Patterson(2003)实验发现,烃源岩岩心样品的多普勒展宽(Doppler broadening)与有机碳含量存在良好的响应关系,因此预言,正电子多普勒展宽的应用可能将成为一种新的探测烃源岩有机碳含量的测井方法[15]。

可见,烃源岩有机质含量的多少,在伽马测井、密度测井、声波时差测井、中子测井、电阻率测井等各种测井曲线上都有一定的响应关系。这些响应特征是烃源岩含量测井预测的理论依据。

2 有机碳含量的测井预测模型

2.1 定性识别模型

20世纪70—80年代之前,相关的研究主要集中于探索烃源岩在各种测井参数曲线上的响应特征上。依据烃源岩特征的某些测井响应关系,反过来根据一种或几种测井响应特征,识别或鉴定烃源岩存在与否[3-5,7-8,16-17]。

2.2 单参数等效体积构成模型

烃源岩基本的等效体积构成包括固体岩石骨架、孔隙流体以及密度接近于水的分散有机质。与根据威利公式利用声波时差求取岩石孔隙度相类似,也可以分别建立根据密度、伽马测井求取烃源岩有机质含量(体积分数)的基本方程:

密度测井模型[8,13]:

式中,Vorg为烃源岩有机质体积百分含量,ρSh为不含有机质的页岩密度,ρSR为烃源岩密度,ρOM为烃源岩所含有机质密度。

伽马测井模型[6]:

式中,Vorg为烃源岩有机质体积百分含量,γSh为不含有机质的页岩伽马强度,γSR为烃源岩伽马强度,A为给定区域内伽马强度与地层密度线性关系的斜率,通过区域范围内多口钻井的伽马测井和密度测井可以获得[8]。

2.3 双参数交汇图半定量评价模型

在发展2种以上测井识别烃源岩时,人们常常采用交汇图的形式达到半定量评价烃源岩的效果。Meyer[13](1984)通过声波时差(Δt)—电阻率(R)交汇图(图1),运用测井资料将烃源岩与非烃源岩大致区分开来,在二者之间建立了一个二元一次判别方程:

图1 声波时差与电阻率交汇图判别烃源岩与非烃源岩据参考文献[13]略有修改。图中斜线表示判别式D=0,其右上方D>0,为烃源岩;左下方D<0,为非烃源岩Fig.1 Sonic transit time and resistivity crossplot for identify source rock from non-source rock

式中,D为判别系数,当D>0,判别为烃源岩;当D<0,判别为非烃源岩;如果D=0,则不能确定烃源岩还是非烃源岩。Δt为声波时差(μs/m),R24为校正到24℃时的电阻率(Ω·m)[13]。

赵彦超(1990)则利用自然伽马的相对值(Δ γ)与声波时差(Δt)的交汇图评价烃源岩[12]。为消除不同钻井间GR单位不统一的影响,他定义。根据大量已知烃源岩的Δ γ与Δt编绘交汇图,确定烃源岩的下限值(即图2的Δ γ1、Δt1);同时,将未知烃源岩的Δ γ、Δt值投在该交汇图上,又可实现半定量评价,划分为极好烃源岩、有利烃源岩、差烃源岩及非烃源岩等不同级别(图2)。

图2 南襄盆地南阳凹陷魏岗地区烃源岩评价Δ γ-Δt交汇图[12]该区烃源岩下限值Δ γ1=0.2,Δt1=260μs/mFig.2 Gamma and sonic transit time crossplot of source rock in Weigang area,Nanyang Sag,Nanxiang Basin

2.4 多元回归方程定量模型

从发现烃源岩有机碳含量与测井参数存在响应关系开始,定量预测就成为必然的发展趋势。20世纪70—80年代,先后提出了多种以总有机碳含量为因变量,以铀的含量及铀/钾比、密度、中子孔隙度、声波时差、电阻率等单一或多种测井参数为自变量的一元、二元或多元回归方程形式的经验关系定量模型[1,9,18-19]。例如,Mendelson等(1985)根据英国北海4口井和美国加州1口井的岩心和井壁取心样品,建立了这5口井烃源岩有机碳含量(TOC,%)与时差(Δt,μs/m)、中子(ФN,%)、密度(ρ,g/cm3)及伽马(γ,API)4种测井响应的四元回归方程,其中A井回归方程:

对于B、C、D及CA2井,回归方程形式相同,但测井参数的系数不仅绝对值不同,且除了Δt的系数全为正值外,ФN、ρ与γ的系数均有正有负[18]。说明TOC与测井参数之间的定量关系是复杂的。

2.5 ΔlogR技术

ΔlogR技术是Exxon和Esso公司1979年开发的一种烃源岩有机碳含量测井预测技术,经广泛试用证实,该技术既适用于碳酸盐岩烃源岩,也适用于碎屑岩烃源岩,而且能精确根据烃源岩成熟度计算有机碳含量[1]。其理论依据依然是上述烃源岩特征在孔隙度测井和电阻率测井的响应原理,即烃源岩有机质含量越高,声波时差、电阻率就越大。但在应用方法上,采用特殊比例的电阻率测井曲线和声波测井曲线叠合法来实现烃源岩识别与评价(图3)。

两条测井曲线叠合时,二者的坐标轴方向相反,电阻率曲线采用对数坐标,声波时差曲线采用算术坐标,坐标轴刻度比例尺关系为电阻率每2个数量级(如1～100Ω·m)对应于声波时差的间隔为328μs/m(100μs/ft)(如492～164μs/m或150～50μs/ft)。结合伽马曲线特征,划分渗透性岩层与非渗透性岩层,水平方向移动电阻率曲线,当声波和电阻率2条曲线在非渗透性岩层在一定深度范围内“一致”或完全重叠时即为基线,基线井段对应于非烃源岩段(电阻率和声波时差皆最小)。在选择基线时,根据地层的变化和曲线的响应情况可以进行分段重叠,即一口井可能有多段基线。确定基线之后,用2条曲线之间的间距来识别富含有机质的层段(图3),这个间距被定义为ΔlogR,显然ΔlogR与TOC正相关。ΔlogR技术的数学模型:

图3 ΔlogR叠合技术不同情形解释示意据参考文献[1],略有修改。Fig.3 Schematic guide for the interpretation of features observed onΔlogRoverlays

式中:R和Δt分别代表实测电阻率(Ω·m)和声波时差(μs/m);R基线和Δt基线分别代表基线对应的电阻率(Ω·m)和声波时差(μs/m)。ΔlogR为电阻率曲线与声波时差曲线的分离间距值。

根据ΔlogR计算TOC的模型:

式中:TOC为计算的有机碳含量;LOM为有机质热变质程度(Level of Metamorphism),可根据实测镜质体反射率资料或埋藏史评价确定。

ΔlogR技术提出后得到非常广泛的推广应用[2,14,19-21]。但也有人认为该技术计算的TOC偏低,因为对于基线代表的非渗透性岩层虽然评价为非烃源岩,TOC(低于烃源岩下限值)并非为零,因此应在模型式(6)中进行基线TOC补偿[21]。

2.6 模糊识别预测模型

在发展烃源岩有机碳含量定量模型的同时,也有人注意到对于这种复杂问题难于用显式方程来表达。Huang(1996)率先将人工神经网络法帮助模拟预测烃源岩特征[22],之后在该领域的研究中,朱振宇(2002)、Kamali(2004)先后提出了类似的神经网络模糊模型[20,23]。

考虑到烃源岩沉积的旋回性,Prokoph(2000)在应用烃源岩测井资料分析烃源岩特征时,引进了小波分析方法[24],使分析结果沿深度方向的变化规律与沉积旋回的吻合程度更高。

3 应用实例

3.1 研究区烃源岩基本特征

珠江口盆地位于我国的南海北部、海南岛至台湾岛之间,近NE向延伸,面积约17.5×104km2。可划分为北部断阶带、北部坳陷带、中央隆起带、南部坳陷带和南部隆起带5个构造单元[25-27]。珠一坳陷位于北部坳陷带,为一个NE向展布的狭长坳陷。珠一坳陷发育2套有效烃源岩:古近系始新统的文昌组和始新统—渐新统的恩平组。从目前钻井揭示地层看,文昌组主要由中深湖相和浅湖相沉积的泥岩、砂岩组成,恩平组主要为一套湖沼相沉积的泥岩、页岩和砂岩互层,夹煤层和碳质泥岩[28]。油气资源评价研究表明,文昌组烃源岩的生烃量要大于恩平组烃源岩[26]。本文主要讨论文昌组烃源岩有机碳含量的测井预测。

3.2 烃源岩有机碳与各种测井的相关性

通过编绘珠江口盆地惠州凹陷及番禺4洼8口典型钻井文昌组岩心或岩屑样品158个实测TOC数据与对应深度测井参数的关系图,发现本区文昌组烃源岩有机碳含量(TOC)与电阻率(R)、中子孔隙度(ФN)、声波时差(Δt)及自然伽马(γ)这4种测井参数均存在比较显著的正相关,相关系数分别为0.569,0.502,0.470,0.293;而与密度(ρ)测井存在比较显著的负相关关系,相关系数为0.474(图4)。说明TOC与这5种测井曲线的响应程度存在一定的差异,但总体上比较接近。因此,在优选TOC定量预测模型时,应尽可能综合以上5种测井参数,构成一个多元回归方程式的数学模型;仅使用包含一、二个参数的模型,不能很全面反映这种响应关系的特点。

图4 珠江口盆地8口典型钻井文昌组烃源岩TOC与测井取值关系Fig.4 TOCand well logs crossplots of source rock in Wenchang Formation of 8 wells in the Pearl River Mouth Basin

3.3 定量预测模型优选

为了获得最佳的烃源岩TOC定量预测模型,运用了多元统计分析软件(SPSS),以上述8口井158个文昌组烃源岩TOC为因变量,以样品点相同深度的R,ФN,ρ,Δt和γ等测井参数为自变量,进行了多种模型的试验、比较,优选过程及结果如表1所示。结果表明,TOC与单测井参数拟合明显不如多参数综合拟合的效果好,而且拟合效果随着测井参数种数的增加而逐渐提高,五元回归方程模型的相关系数最高、回归估计的标准误差最小,属于最佳模型。

3.4 定量预测结果、效果

本次TOC定量预测选取了珠江口盆地珠一坳陷番禺4洼为研究实例。番禺4洼是珠一坳陷的富生烃洼陷,利用表1中的五参数模型对该洼陷的PY5-8-x井文昌组全井段烃源岩TOC进行了预测,获得了连续井段的预测TOC曲线,将离散的实测TOC数据点投在该曲线上,不难发现二者具有很好的一致性,说明预测效果良好(图5)。

表1 珠江口盆地惠州凹陷及番禺4洼文昌组烃源岩TOC测井预测模型优选Table 1 Predication models ofTOCfrom well logs of Wenchang Formation source rock in Huizhou Depression and Panyu 4 Sag,the Pearl River Mouth Basin

在图5中,电阻率曲线和声波时差曲线按照ΔlogR技术要求的比例尺叠合于同一栏内,中子和密度曲线同置于另一栏内。这样,高有机碳含量烃源岩的测井曲线特征就表现为:较高伽马(泥质岩)、声波时差曲线与电阻率曲线分离距离大、中子孔隙度(高值)与密度(低值)曲线一般也明显分离。TOC的具体数值根据表1中的五参数模型计算。图5还表明,该钻井文昌组烃源岩整体上都为好的烃源岩,实测、预测的TOC一般都大于2.0%。而且在缺乏实测样品的井段预测出多层TOC高于4.0%的优质烃源岩层,其中3层厚达6～12 m,另3层厚度3～4 m,累计厚度达32 m。图5也说明五元回归方程计算结果得到ΔlogR曲线叠合结果的支持性验证,同时克服了ΔlogR法计算值偏低(基线段TOC为零)、仅利用声波与电阻率2个测井参数的不足。用同样方法预测了研究区另外6口钻井文昌组烃源岩的有机碳含量,也取得了类似的预测效果,限于篇幅不再叙述。

图5 珠江口盆地番禺4洼PY5-8-x井文昌组烃源岩TOC测井预测结果Fig.5 TOCof Wenchang Formation source rock predicted from logs in Well PY5-8-x in the Pearl River Mouth Basin

4 结论

1)经过近半个世纪的发展,测井技术在烃源岩识别与评价中的应用范围越来越广、有机碳含量预测的精度越来越高。纵观有机碳含量各种预测模型的发展过程与应用效果,认为测井响应特征是基础,每种预测模型都具有自身的适用范围和应用条件。具体研究时,应结合研究地区地质特征、烃源岩特点,在充分分析烃源岩属性的测井响应特征基础上,优选出最佳的预测模型,并尽可能综合利用多种测井参数实施预测、尽可能使用多种方法与模型互为验证。

2)珠一坳陷番禺4洼及惠州凹陷158个文昌组样品实测有机碳含量与电阻率、中子、声波、密度和伽马等5种测井参数均相关,建立的五元回归方程预测模型的相关系数达0.751。对番禺4洼PY5-8-x井文昌组进行全井段有机碳含量预测结果显示,泥质烃源岩有机碳含量普遍较高,而且还发育多层单层厚度适中、有机碳含量特别高的极优质烃源岩,说明烃源岩条件好是番禺4洼成为富烃洼陷的根本原因。

[1]PASSEY Q R,CREANEY S.A practical model for organic richness from porosity and resistivity logs[J].AAPG Bulletin,1990,74(12):1777-1794.

[2]闫建平,蔡进功,赵铭海,等.运用测井信息研究烃源岩进展及其资源评价意义[J].地球物理学进展,2009,24(1):270-279.

[3]BEERS R F.Radioactivity and organic content of some Paleozoic shales[J].AAPGBulletin,1945,29(1):1-22.

[4]SWANSON V E.Oil yield and uranium content of blank shales[M]//USGS Professional Paper 356-A.Reston,Virginia:USGS,1960:1-44.

[5]FERTL W H,RIEKE H H.Gamma ray spectral evaluation techniques identify fractured shale reservoirs and source rock characteristics[J].Journal of Petroleum Technology,1980,31(11):2053-2062.

[6]SCHMOKER J W.Determination of organic matter content of Appalachian Devonian shale from Gamma ray logs[J].AAPGBulletin,1981,65(7):1285-1298.

[7]谭廷栋.测井识别生油岩方法[J].测井技术,1988,12(6):1-12.

[8]SCHMOKER J W.Determination of organic content of Appalachian Devonian shales from formation-density logs[J].AAPGBulletin.1979,63(9):1504-1537.

[9]SCHMOKER J W,HESTER T C.Organic carbon in Bakken formation,United States Portion of Williston Basin[J].AAPG Bulletin,1983,67(12):2165-2174.

[10]DELLENBACH J,ESPITALIE J,LEBRETON F F.Source rock logging[C]//Transactions of 8th European SPWLA Symposium.London:[s.n.],1983:paper D.

[11]AUTRIC A.Resistivity,radioactivity,and sonic transit time logs to evaluate the organic content of low permeability rocks[J].The Log Analyst,1985,26(3):36-45.

[12]赵彦超.生油岩测井评价的理论和实践:以南阳、泌阳凹陷为例[J].地球科学:中国地质大学学报,1990,15(1):65-74.

[13]MEYER B L,NEDERLOF M H.Identification of source rocks on wireline logs by density/resistivity and sonic transit time/resistivity crossplots[J].AAPG Bulletin,1984,68(2):121-129.

[14]HERRON S L.A total organic log for source rock evaluation[J].The Log Analyst,1987,28(6):520-527.

[15]PATTERSON C D,QUARLES C A,BREYER J A.Possible new well-logging tool using positron Doppler broadening to detect total organic carbon(TOC)in hydrocarbon source rocks[J].Radiation Physics and Chemistry,2003,68:523-526.

[16]MURRAY G H.Quantitative fracture study;Sanish pool,McKenzie County,North Dakota[J].AAPG Bulletin,1968,52(1):57-65.

[17]MEISSNER F F.Petroleum geology of the Bakken formation Williston basin,North Dakota and Montana[C]//REHRIG D,ed.The economic geology of the Williston basin:Proceedings of the Montana Geological Society,24th Annual Conference,1978:207-227.

[18]FERTL W H,CHILINGAR G V.T otal organic carbon con

tent determined from well logs[J].SPE,1988:407-419.

[19]刘新颖,邓宏文,邸永香,等.海拉尔盆地乌尔逊凹陷南屯组优质烃源岩发育特征[J].石油实验地质,2009,31(1):68-73.

[20]KAMALI M R,MIRSHADY A A.Total organic carbon content determined from well logs usingΔlogR and neuro fuzzy techniques[J].Journal of Petroleum Science and Engineering,2004,(45):141-148.

[21]朱振宇,刘洪,李幼铭.ΔlogR技术在烃源岩识别中的应用与分析[J].地球物理学进展,2003,18(4):647-649.

[22]HUANG Z,WILLIAMSON M A.Artificial neural network modelling as an aid to source rock characterization[J].Marine and Petroleum Geology,1996,13(2):277-290.

[23]朱振宇,王贵文,朱广宇.人工神经网络法在烃源岩测井评价中的应用[J].地球物理学进展,2002,17(1):137-140.

[24]ANDREAS P,AGTERBERG F P.Wavelet analysis of welllogging data from oil source rock,Egret Member,offshore eastern Canada[J].AAPGBulletin,2000,84(10):1617-1632.

[25]于水明,施和生,梅廉夫,等.过渡动力学背景下的张扭性断陷:以珠江口盆地惠州凹陷古近纪断陷为例[J].石油实验地质,2009,31(5):485-489.

[26]施和生,朱俊章,姜正龙,等.珠江口盆地珠一坳陷油气资源再评价[J].中国海上油气,2009,21(1):9-14.

[27]姜华,王华,李俊良,等.珠江口盆地珠三坳陷断层特征及其对油气成藏的控制作用[J].石油实验地质,2008,30(5):460-466.

[28]朱俊章,施和生,舒誉,等.珠江口盆地烃源岩有机显微组分特征与生烃潜力分析[J].石油实验地质,2007,29(3):301-306.

(编辑徐文明)

WELL LOGS RESPONSE AND PREDICTION MODEL OF ORGANIC CARBON CONTENT IN SOURCE ROCKS—A CASE STUDY FROM THE SOURCE ROCK OF WENCHANG FORMATION IN THE PEARL MOU TH BASIN

Xu Sihuang1,Zhu Yiqing2
(1.Key Laboratory of Tectonics and Petroleum Resources of Ministry of Education,China University of Geosciences,Wuhan,Hubei430074,China;2.Graduate School,China University of Geosciences,Wuhan,Hubei430074,China)

The evaluation of source rocks from well loggings can make up for the insufficiency of source rock core and discontinuity of samples examined.Organic-rich source rocks show relative increase in response to resistivity,neutron,sonic transit time and gamma loggings and decrease in response to density logs.Based on this response relationship,well logging data not only can be used to identify qualitatively source rocks from non-source rocks,but also predict quantificationally organic carbon content in source rocks.The predicting models proposed during past fifty years can be summed up as qualitative identification model,volume model,cross plot model,regression equation model,ΔlogR technique,and fuzzy model.The TOC of Wenchang Formation source rock in Huizhou Depression and Panyu 4 Sag in the Pearl River Mouth Basin shows similar degree of correlation respectively to resistivity,neutron,sonic transit time,gamma and density.So,the five variate regression equation should be the best prediction model for this study area.The organic carbon content of whole Wenchang Formation of one well in Panyu 4 sag predicted by this numerical model,and it shows good results verified by the lithological description and the TOC test of core samples in this well.

source rocks;organic carbon content;well logs response;predication model;Huizhou Depression;Pearl River Mouth Basin

TE122.113

A

1001-6112(2010)03-0290-06

2010-02-09;

2010-04-28。

徐思煌(1964—),男,博士,教授,从事石油及天然气地质学研究与教学。E-mail:xusih@cug.edu.cn。

国家油气重大专项课题(2008ZX05023-01)。