井眼垮塌和泥岩层蚀变下的密度和声波环境校正

陈国军，任军民，胡婷婷，范小琴，高　明，李　静

井眼垮塌和泥岩层蚀变下的密度和声波环境校正

陈国军，任军民，胡婷婷，范小琴，高明，李静

（新疆油田公司勘探开发研究院地球物理研究所，新疆乌鲁木齐830013）

摘要：针对准噶尔盆地地层泥岩垮塌和泥岩层蚀变对密度和声波测井值的影响，首先提出垮塌蚀变指数概念，进而针对不同影响程度，提出了经验公式校正、正演校正及神经网络校正方法，将上述方法应用到地震标定和波阻抗反演中，使得合成地震记录与井旁地震道的相位与能量的对应关系及反演中砂体的预测更加准确。

关键词：准噶尔盆地；环境校正；地震标定；波阻抗反演

由于水基泥浆的浸泡，靠近井壁部分的泥岩吸水膨胀，改变了自身的密度和压力，随着泥浆浸泡时间的增长，靠近井壁的部分发生垮塌，造成井径扩大；另外泥岩有可能继续膨胀而占据垮塌泥岩的位置，使井径无异常[1]。这些情况可能引起探测深度内的密度、声波、微侧向等曲线的畸变。测量密度可表示为：为泥浆和膨胀泥岩的密度，ρp为原始地层密度)，由于扩径和泥岩蚀变膨胀，原始地层密度的权重系数x下降，泥浆和膨胀的泥岩的权重系数上升，造成密度测井值的降低，严重时，已无法用图版进行校正；声波时差的影响一是泥岩蚀变，二是由于垮塌造成的滑行的路径的变化，使得无法补偿声波时差。这些情况一般只发生在泥岩层段，对储集层的评价影响小。在井约束阻抗反演和地震标定中，声波和密度是不可少的基础资料。为了地震标定和波阻抗反演的准确性，需要开展严重垮塌和泥岩层蚀变下的密度、声波时差环境校正研究。

E-mail：chenguoj@petrochina.com.cn。

1　垮塌蚀变指数

在测井资料的环境校正前，需要确定井眼垮塌蚀变程度。复杂井眼基于三种情况（图1）：①井眼垮塌，测井曲线未失真；②井眼未垮塌，测井曲线失真；③井眼垮塌，测井曲线失真。

图1　复杂井眼曲线示意图

考虑②、③情况，提出利用井径和深浅电阻率曲线来确定垮塌蚀变程度，即垮塌蚀变指数N1，公式（1），井径曲线反映井眼尺寸的变化，密度与冲洗带电阻率探测深度相当，因而利用它们能指示钻井泥浆对井壁周围地层浸泡的时间长短和强弱程度。

式中：N1 — 垮塌蚀变指数；

X — 权重系数；

Y1'、Y2'—分别为Y1、Y2归一化数据；

D —该段钻头尺寸；

Y1、Y2 — 分别为井眼和电阻率相对变化值。

由于密度与声波测井原理的原因，可能与实际的井眼垮塌和泥岩蚀变并不一致，对于推靠性的密度测井仪器，由于重力的作用，仪器的测量面可能在垮塌井段贴靠到井壁，以至对测量值影响很小；而声波时差测井仪器居中很好，依靠本身的补偿原理，能消除井眼的影响（情况①）。因此，提出垮塌指数N2，用公式（3）、公式（4）计算。根据垮塌蚀变指数确定三种垮塌蚀变程度：一般垮塌蚀变（图版校正）、中等垮塌蚀变、严重垮塌蚀变。

式中：N2、N2* — 垮塌蚀变指数；

ρmin、ρb— 分别为泥岩密度最小值、泥岩密度测井值；

△t、△tmax— 分别为泥岩声波时差测井值、泥岩声波时差最大值。

2　校正方法优选

2.1中等垮塌蚀变

根据统计分析，将本地区垮塌蚀变指数在（0.4

在中等垮塌蚀变情况下，居中仪器和探测深度较大的仪器受井眼垮塌蚀变的影响较小，因此可以考虑采用经验公式方法校正密度或声波。选择基准曲线的原则是：若声波时差基本没受到影响，密度受到影响，则优先选择同为孔隙度测井的声波作为基准曲线来校正密度曲线。图2中，井眼垮塌段测量密度受到严重影响，而声波曲线基本没受到影响，因此选用测量声波校正密度，DEN（AC^2）曲线为使用公式（5）计算得到的校正密度，曲线DEN（AC）为使用公式（6）计算得到的校正密度，从未垮塌段校正密度与测量密度的重合度看，Gardner公式校正效果较好；若声波时差也受到影响，则应选择电阻率作为基准曲线校正声波，选用公式（7）、公式（8），而后用校正后的声波曲线校正密度。

式中：ρ — 地层密度；

Vp— 纵波速度；

S(v) — 声波速度；

图2　经验公式校正实例

H — 深度；

R — 电阻率；

a, b, c, d, f, K, C — 分别为资料统计的系数。

2.2严重垮塌蚀变

将本地区垮塌蚀变指数在（0.7< N1；0.18< N2；0.21

在这种情况下，声波时差、密度受到严重影响，需要选择探测深度大的曲线作为母曲线校正声波，而后使用校正的声波校正密度。采用正演和神经网络两种方法进行校正。

第一种：正演方法

建立待校正曲线体积模型，根据各成分、流体体积含量及相应的测井响应值计算垮塌段目标曲线。自然伽马和深侧向电阻曲线在泥岩段和泥质含量较重的层段可以经必要的环境校正来识别岩性，测井响应的体积百分比模型表示为[2]：

式中：Ci — 第i种岩石成分未垮塌井段的测井响应值；

Vi — 第i种岩石成分体积百分比；

C — 正演的测井响应值。

在一般的泥岩垮塌井段，岩石成分一般选用泥质和粉砂岩两种成分。出现伽马无法划分岩性的时候，可以选择电阻率，为了更精准的计算泥质含量，使用公式：

式中：VCLR — 泥质含量；

Rclay— 纯泥岩电阻率；

Rclean— 纯砂岩电阻率；

Rt — 深侧向电阻率。

图3为正演校正方法实例，ACC（GR）为利用GR进行的AC正演校正，从对比结果看，ACC（GR）正演结果与AC测井曲线具有较好的一致性。

第二种：神经网络方法

由于泥浆侵入的影响，井眼垮塌和泥岩层蚀变变得更加复杂，从而影响探测深度内的曲线更加难以用线性方式拟合出来。因此寻求神经网络的非线性的拟合方式。

用神经网络进行非线性映射或拟合，主要是通过给定的训练样本集进行学习得到一种解释模型，对未知的测井曲线进行预测。但它与统计拟合完全不同的地方是：首先，它不是建立一种拟合回归方法；其次，神经网络拟合的形式可以是几种简单的函数，还可以实现极其复杂的各种非线性拟合，而且参与拟合的变量可以不受限制，神经网络拟合可以达到相当高的学习精度[3]。

密度与声波、中子具有很好的相关性，同时与电阻率具有一定程度的相关性，而伽马能够指示岩性的变化，因此可以把声波、电阻率、伽马作为神经网络的输入单元。

进行神经网络预测前需要对测井资料进行预处理，一是标准化，选用标准层的频率对比法和趋势面分析法，两者互相对比验证。二是归一化。

由于各种测井数据量纲不一致，进入网络之前，无论是学习样本还是预测数据，都需先进行归一化处理，将它们都刻度在统一的数值量纲范围内。对于具有近似线性特征的输入信息，可以采用线性归一化公式（式（13）），对于电阻率具有非线性对数特征的曲线，采用对数归一化公式（式（14））

图3　正演校正实例

式中：X —经归一化计算后的测井曲线，X∈[0, 1]；

X* —原始测井数据；

X*max和X*min— 测井曲线的极大、极小值。

本文使用RBF（基于径向基）函数神经网络，采用3层网络，输入层选择2～3个变量（自然伽马、电阻率、声波时差），1个变量（声波或密度）作为输出，隐含层为3～4个神经元。运行网络学习，学习后对环境影响段进行声波或密度预测（图4），1 225～1 230 m为训练样本，1 230～1 250 m为DEN的预测曲线DENC，可以看出未垮塌段1 239～1 242 m的DEN与DENC相差不大，因此校正精度较高，能够满足合成地震记录和阻抗反演的精度要求。

图4　曲线正演校正实例

3　质量控制

为了控制曲线校正的质量，决定使用三种方法控制：合成记录与井旁地震道的相关性；岩石物理模型的极限控制；多井趋势分析。

合成记录与井旁地震道的相关性（图5a）：校正前后合成记录与井旁地震道相关关系分析，指标就是相关系数的提高。

岩石物理模型（图5b）：利用岩石物理模型方式，计算出密度与纵波速度的极限值，依据这些极限值作为判断测井资料保真性的标准。

多井趋势分析（图5c）：校正后多井曲线趋势应该一致。

图5　曲线校正质量控制

4　应用效果分析

在准噶尔盆地选择多口井数据进行环境校正及校正前后地震标定数据和反演数据对比。目的层段存在严重的井眼垮塌，选择常规的方法（图版）对声波和密度校正效果不明显。为此，通过垮塌蚀变指数来优选校正方法，对声波和密度进行校正。从声波与密度校正前后合成地震记录与井旁地震道的相位与能量对应关系对比（图6a）中，可以看出，用校正前资料做的合成地震记录与井旁地震道的相位和能量存在偏差，而用校正后声波资料做的合成地震记录与井旁地震道的相位和能量具有较好的对应关系。这说明使用的方法效果明显，提高了地震标定的可靠性。

图6　地震标定及波阻抗反演结果对比实例

同时利用校正后的曲线进行波阻抗反演（图6b），从两张剖面上看，校正后反演剖面与校正前反演剖面对比，井间砂体变化更自然、更真实，消除模型化，有利于储层的预测。

5　结论

泥浆浸泡引起的泥岩蚀变和井径垮塌，造成了声波、密度曲线发生畸变，严重影响到地震标定、波阻抗反演等。采用垮塌蚀变指数来确定泥浆浸泡引起的不良井眼程度，进而确定校正方法。分别采用了经验公式校正、正演校正及神经网络校正方法，解决了井眼复杂段地震标定中合成地震记录与井旁地震道相位和能量关系对应不好的问题，提高了地震标定的可信度。同时利用校正后的曲线数据进行波阻抗反演消除了反演剖面模型化的问题，使得砂体的预测更加准确可靠。

参考文献：

[1] 陈钢花，王永刚. 水基泥浆的侵入对声波测井曲线的影响及校正[J]. 石油物探，2005，44(6):104-113.

[2] 孙中春，顾振刚，黎军，等. 严重垮塌井眼条件下测井资料的校正方法 [J]. 新疆石油地质，2006，27(5):559-561.

[3] 杨斌，匡立春，孙中春，等. 神经网络及其在石油测井中的应用 [M]. 北京：石油大学出版社，2005.

中图分类号：P631.8

文献标识码：A

DOI:10.3969/j.issn.1008-2336.2012.03.092

收稿日期：2012-02-24；改回日期：2012-03-16

第一作者简介：陈国军，男，1974年生，工程师，2007年毕业于中国石油大学地球探测与信息专业，硕士，从事石油地质工作。

文章编号：1008-2336（2012）03-0092-06

Environment Correction on Acoustic and Density Logging Data in the Case of Wellbore Collapse and Mudstone Alteration

CHEN Guojun, REN Junmin, HU Tingting, FAN Xiaoqin, GAO Ming, LI Jing
（Geophycial Research Institute of Research Institute of Exploration and Deνelopment of Xinjiang Oil fi eld Company, Urumqi Xinjiang 830013, China）

Abstract:The acoustic and density logging values have been inf l uenced by wellbore collapse and mudstone alteration in Junggar basin. To solve this problem, fi rstly, the concept of collapse and alteration exponent has been put forward. In terms of the inf l uence extent, the density and sonic logging data are corrected with empirical formula, forward modeling and neural net. Through the application of the above correction method to seismic calibration and wave impedance inversion, it is more accurate in forecasting the phase and energy corresponding relationship between synthetic seismogram and seismic trace near a well, and more accurate in forecasting sand body.

Key words:Junggar basin; environment correction; seismic calibration; P-impedance inversion