基于FMI的3种火山岩储层裂缝孔隙度求取方法

张莹，潘保芝

（1.广东海洋大学海洋遥感与信息技术实验室，广东湛江524088；2.吉林大学地球探测科学与技术学院，吉林长春130026）

基于FMI的3种火山岩储层裂缝孔隙度求取方法

张莹1，潘保芝2

（1.广东海洋大学海洋遥感与信息技术实验室，广东湛江524088；2.吉林大学地球探测科学与技术学院，吉林长春130026）

针对火山岩储层裂缝孔隙度定量求取这一问题，为充分利用地层微电阻率成像测井（FMI）资料，论述了已有的软件人机交互解释求取方法和图像特征提取求取方法，并提出一种基于采集数据阵邻域搜索的求取方法。以岩心分析得到的总孔隙度值与声波得到的岩块孔隙度值之差作为标准值，分析人机交互解释、图像特性提取、基于采集数据矩阵建模等3种求取裂缝孔隙度的求取效果。对比长岭地区3口井17个深度点的裂缝孔隙度计算结果，得出第1种方法依赖解释者的主观经验，计算结果大小不定；第2种方法只对标准正弦形态裂缝有效，计算结果偏小；第3种方法将全部低电阻率响应划入，计算结果偏大。

微电阻率成像测井；火山岩；裂缝孔隙度；图像特征提取；采集数据

0 引 言

以往利用测井方法对火山岩储层裂缝的研究，主要是通过取心资料与测井资料对比，总结裂缝在常规测井曲线上的响应特征，再利用多种数学方法，如分形法、有限元法、神经网络法等对裂缝进行评价［1－4］。随着地层微电阻率成像测井（FMI）的广泛应用，为孔隙结构复杂的火山岩储层裂缝定量评价提供新的测井手段［5－7］。本文论述了3种利用FMI资料求取火山岩储层裂缝孔隙度的方法，并分析了3种裂缝孔隙度求取方法的效果及影响因素。

1 人机交互解释求取裂缝孔隙度

Geo Fram、eXepress及国内自主研发（如Log－View）软件的人机交互解释模块均可快速有效地求取火山岩裂缝孔隙度值，但首先要求解释者能准确区分典型裂缝在FMI图像上的特征（见图1）：①高导天然缝在FMI图像上表现为深色（黑色）的正弦曲线，连续性比较好，往往充填有钻井泥浆等低电阻率物质而显现为深色，其倾角大小变化很大，主要在40°～80°之间变化［见图1（a）］；②高电阻率天然缝在FMI图像上表现为相对高电阻率（浅色～白色）正弦曲线，高电阻率缝多为闭合缝，系高电阻率物质充填裂缝或裂缝闭合而成［见图1（b）］；③钻井诱导缝为钻井过程中产生的裂缝，主要由于地层内部应力释放，以及钻具在井壁造成的擦痕所形成，最大特点是沿井壁的对称方向出现，呈羽状或雁列状［见图1（c）］［8］。

通过软件求取裂缝孔隙度，即是对FMI图像上能够成为油气储集空间的高导天然缝进行人机交互的拾取，然后计算裂缝视孔隙度，即所见到的裂缝在1m井壁上的视开口面积除以1m井段中FMI图像的覆盖面积，即

式中，φ为裂缝视孔隙度，%；Wi为第i条裂缝的平均宽度，m；Li为第i条裂缝在统计窗长L内（一般L选为1m）的长度，m；D为井径。

图2为×1井（3 650～3 655m井段）通过Log－View软件人机交互解释功能提取的裂缝参数图，其裂缝孔隙度值主要分布在0～0.96%之间。

图1 火山岩储层典型裂缝FMI图像

图2 ×1井人机交互解释提取的裂缝参数图

2 图像特征提取方法求取孔隙度

在成像测井图像上，井筒沿正北方向展开后，裂缝面与井筒的交线在平面图上呈现为单周期的正弦曲线［9］。Hough变换方法的点线对偶性正适合对图像中的裂缝信息进行拾取［10］。由此，针对火山岩储层的FMI图像可采用如下处理方法求取裂缝孔隙度值。

（1）预处理。FMI采集数据首先要经过坏电极剔除，深度对齐，电压、方位、加速度等校正，然后通过线性变换或对数变换将电阻率值转换为图像的灰度值，再进行灰度插值加密，最终得到合理的FMI图像显示［11］［见图3（a）］。

（2）滤波。为了消除图像在采集、生成和传输过程中受到各种噪声源的干扰和影响［12］，针对火山岩储层的FMI图像，通过实际应用对比，选用了正方形中值滤波方法对其进行处理［见图3（b）］。

（3）锐化。由于火山岩储层的FMI图像常显示成层性，图像的锐化技术更容易导致裂缝与流动构造面的混淆，因此针对火山岩储层FMI图像的处理不进行图像锐化处理。

（4）二值化。图像中目标与背景的分离技术就是图像分割，也称图像二值化［13］。针对火山岩储层FMI图像的直方图特征，增加对直方图的滤波和抗干扰处理后，自适应确定二值化域值，达到能够在FMI图像上把裂缝从基岩中显现出来的效果［见图3（c）］。

（5）细化。通过图像细化的操作，找到FMI图像上的裂缝脊线。针对火山岩储层的FMI图像的实际应用分析，Hilditch法细化的效果较好［见图3（d）］。

图3 ×2井FMI图像处理效果图

（6）裂缝追踪。在图像上，对利用软件人机交互解释所提取的高导天然缝轨迹的自动追踪，就转化成了拾取正弦曲线参数的问题。而FMI图像中的裂缝是周期长度等于图像宽度的正弦曲线，因而可以采用二维Hough变换提取裂缝所在位置对应的正弦曲线的幅度和初相位参数［14－15］。

正弦曲线的一般方程

式中，A为正弦曲线的振幅；ω为角速度；β为初相位；y0为正弦曲线的基线。图4为裂缝即正弦曲线示意图，其中水平直线H是正弦曲线S的基线，在S上任取一点M，然后在S上找出与M水平距离等于T／2的另一点N，将M和N配成一个点对。设点M的坐标为（xM，yM），点N的坐标为（xN，yN），则有xN＝xM＋T／2，设M和N的中点为C，其纵坐标为yC＝yM＋yN。则中点C恰好位于正弦曲线S的基线H上。由此将图像中所有水平距离为T／2的像素点配成点对，计算出它们的中点纵坐标，统计出现次数最多的中点纵坐标值即为正弦曲线的基线位置。则正弦曲线的未知参数只剩下幅度A和初相位β。选择A和β参数作为坐标，建立一个二维Hough变换参数空间。由式（2）可知，图像中任意一点（x，y）映射到参数空间（A，β）中为1条曲线。从而实现了FMI图像中裂缝的自动拾取。

裂缝孔隙度的计算。在裂缝自动追踪的基础上，找出图像上组成裂缝的像素点，则

3 基于采集数据矩阵建模求取孔隙度

本文提出了一种直接利用FMI采集的电导率数据矩阵求解裂缝孔隙度值的方法。FMI图像是采集数据经过各种校正处理进而刻度成的彩色图像。储集空间的张开缝由于泥浆的充填，在图像上表现为黑色正弦曲线，即裂缝处测得的电阻率值较小。由此，对具备FMI资料的火山岩储层，可以通过研究FMI采集数据矩阵求取裂缝孔隙度值。

具体做法：①读入FMI采集数据，该数据矩阵为n行×192列，n取决于测量井段深度和采样间隔；②选取阀值，用以区分矩阵中各点，是泥浆充填孔隙的低电阻率响应，还是致密岩块等物质的高电阻率响应；③建立邻点搜索模型，搜索低电阻率响应范围；④计算低电阻率响应范围在采样数据矩阵中所占比例。

图4 正弦曲线示意图

3.1 阀值的选择

（1）为阀值F选择一个初始估计值，通常选择最大电阻率值与最小电阻率值的中间值。

（2）使用F值分割矩阵中的数据点，电阻率值≥F的所有点组成F1，电阻率值＜F的所有点组成F2。

（3）计算F1和F2范围内的数据点的平均电阻率值μ1、μ2。

（4）计算一个新阀值

（5）重复步骤（4）～（5），直到连续迭代中F的差比预先指定的参数F0小为止。

3.2 邻点搜索模型

图5为识别低电阻率区域所建立的搜索模型，图5（a）为采样矩阵最左侧数据列搜索模型，图5（b）为中间各列搜索模型，图5（c）为最右侧列搜索模型。分别比较采样矩阵中数据点上下左右各2点的数值，如果均为阀值范围内的低电阻率响应，则记录该点。所求的缝洞孔隙度值为

图5 邻域搜索模型

4 3种裂缝孔隙度求取方法的对比分析

将岩心分析得到的总孔隙度数值与声波测井资料计算得到的岩块孔隙度值之差，作为上述3种裂缝孔隙度求取方法结果的对比值。其中，利用声波测井资料求取的岩块孔隙度可由式（6）近似求出［16］

式中，Δt、Δtf、Δtmai、Vmai分别为测井声波时差、流体声波时差、第i种矿物声波时差和第i种矿物百分含量；n为矿物总数。

实际应用地区为长岭断陷的火山岩储层。当火山岩储层的岩性类型确定时，相应的矿物组合也可确定，故式（6）的声波时差可由典型岩性的声波时差代表。又由于岩心分析得到的总孔隙度为单点孔隙度值，因此是对某一深度点计算结果的对比分析。图6是3口井中各种方法求取的裂缝孔隙度结果，具体数值见表1。第1种LogView软件交互解释方法操作简单，但裂缝孔隙度值求取的准确与否，主要取决于解释者的主观判断，与岩心分析及常规测井的计算结果相比，数值大小不定。第2种图像特征提取方法可实现裂缝的自动拾取，虽克服人机交互解释时主观因素带来的影响，但由于只能自动拾取标准正弦形态的裂缝曲线，而使得求取结果偏小。第3种方法以原始采集数据矩阵为研究对象，也能够克服人机交互解释时主观因素的影响，但由于未考虑低电阻率响应的形状及大小，因此一旦阀值选定，所求取的结果包括所有低电阻率部分的响应，这必然使计算出来的裂缝孔隙度值偏大。

图6 3口井内各种方法求取结果对比

表1 3口井裂缝孔隙度值求取结果对比分析表

5 结 论

（1）可利用成像测井分析软件的人机交互解释功能、数字图像处理中的特征提取方法及直接计算原始采集数据矩阵低电阻率响应比例这3种方法求取火山岩储层裂缝孔隙度值。

（2）成像测井分析软件（LogView）人机交互解释功能的计算结果主要受解释者的主观经验影响；数字图像处理中可对图像上显示为裂缝特征的区域进行自动提取，从而克服人为主观因素的影响，但只能追踪到完整的标准正弦形态的裂缝；计算原始采样数据矩阵低电阻率响应比例的方法亦可消除主观因素的影响，但低电阻率响应未考虑分布形态仅用阀值控制。

（3）以长岭断陷3口井中17个深度点的岩心分析得到的总孔隙度数值与声波计算得到的岩块孔隙度值之差作为标准值，成像测井分析软件（Log－View）人机交互解释功能的计算结果大小不定，其中9个深度点计算结果小于标准值，其他8个深度点大于标准值；图像特征提取求取方法的计算结果均小于标准值，平均绝对误差0.531 06%；计算采样数据矩阵低电阻率响应比例的计算结果均大于标准值，平均绝对误差2.534 4%。

［1］ 汤小燕，刘之的，王兴元，等.基于多测井参数的火山岩裂缝识别方法研究［J］.测井技术，2009，33（4）：368－370.

［2］ 罗光东，乔江宏.测井多参数计算和识别火山岩储层裂缝［J］.内蒙古石油化工，2010，36（13）：145－147.

［3］ 杨雪，潘保芝，张莹.利用测井曲线的分数维分析火山岩地层的结构［J］.油气地球物理，2008，6（1）：38－40.

［4］ 刘之的，刘红歧，代诗华，等.火山岩裂缝测井定量识别方法［J］.大庆石油地质与开发，2008，27（5）：132－134.

［5］ 王建国，何顺利，刘红岐，等.火山岩储层裂缝的测井识别方法研究［J］.西南石油大学学报：自然科学版，2008，30（6）：27－30.

［6］ 陶宏根，王宏建，傅有升.成像测井技术及其在大庆油田的应用［M］.北京：石油工业出版社，2008.

［7］ 黄晨，曹玥，沙娟芳.成像测井在火山岩储层裂缝评价中的应用［J］.内蒙古石油化工，2011，17：149－150.

［8］ 曹毅民，章成广，杨维英，等.裂缝性储层电成像测井孔隙度定量评价方法研究［J］.测井技术，2006，30（3）：237－239.

［9］ 张莹.火山岩岩性识别和储层评价的理论与技术研究［D］.长春：吉林大学，2010.

［10］陆敬安，伍忠良，关晓春，等.成像测井中的裂缝自动识别方法［J］.测井技术，2004，28（2）：115－117.

［11］闫建平，蔡进功，首祥云，等.成像测井图像中的裂缝信息智能拾取方法［J］.天然气工业，2009，29（3）：51－53.

［12］王满.基于FMI的火成岩组构分析［D］.长春：吉林大学，2007.

［13］彭瑾.基于数字图像处理的车型检测［D］.合肥：合肥工业大学，2008.

［14］David Kay，John Levine.图形图像文件格式大全［M］.北京：电子工业出版社，1994.

［15］王青.裂缝性储集层测井解释方法研究［D］.武汉：中国地质大学，2002.

［16］高松洋.成像测井资料在裂缝识别中的应用［D］.北京：中国石油大学，2007.

［17］潘保芝，薛林福，李舟波，等.裂缝性火成岩储层测井评价方法与应用［M］.北京：石油工业出版社，2003.

On Three Calculation Methods of Volcanic Reservoir Fracture Porosity Based on FMI Data

ZHANG Ying1，PAN Baozhi2
（1.Lab of Ocean Remote Sensing and Information Technology，Guangdong Ocean University，Zhanjiang，Guangdong 524088，China；2.College of Geo－exploration Science and Technology，Jilin University，Changchun，Jilin 130026，China）

It is very difficult to quantitatively acquire the fracture porosity of volcanic reservoir.To take full advantage of micro－resistivity imaging log（FMI）data，expounded are the existing ways about interactive interpretation and image feature extraction，and put forward is a new method to calculate the fracture porosity of volcanic reservoir which is based on collecting data array neighborhood search.We take the differentials between the total porosity values from the core analysis and rock porosity values from the acoustic logging as the standard value to analyze the calculations of the above methods.Through the comparison of calculations about the fracture porosity from 17depth points of three wells，we could get the conclusion：The first method relies on subjective experience of personnel，the calculations are not sure；The second method is only effective for the standard sine form fracture，the calculations are smaller；The third method includes all the low resistivity responses，the calculations are larger.

micro－resistivity imaging logging，volcanic，fracture porosity，image feature extraction，acquisition data

P631.84

A

2012－05－10 本文编辑 余迎）

1004－1338（2012）04－0365－05

国家自然科学基金（编号：41174096）和国家重大专项（编号：2011zx05009－001）联合资助

张莹，女，1982年生，博士，从事火山岩储层测井综合评价研究。