数据挖掘技术在碳酸盐岩储层评价中的应用

黄 渊，廖明光，2，李 斌，2，胡晓蝶，胡雯雯

(1.西南石油大学，四川 成都 610500;2.天然气与地质四川省重点实验室西南石油大学，四川 成都 610500;3.中油新疆油田分公司，新疆 克拉玛依 834000;4.中油西南油气田分公司，四川 达州 635000)

引 言

储层分类评价是储层评价的基础，合理的储层类型划分标准可更深入、综合地认识储层内部结构特征，有利于油气藏的精细研究[1-4]。储层分类的关键在于合理选择评价参数和方法，传统的储层分类方法主要为多参数综合定性分析法和人为划定权重的半定量评价法[5-6]。在对川东北龙岗东地区龙会场—铁山区块储层的研究中发现，储层非均质性强，裂缝及溶蚀孔洞发育较多，现有评价标准难以对该区进行精细刻画[7-11]，急需寻求新标准实现对储层的有效评价。由此，本文引入了数据挖掘中的因子分析和聚类分析对储层进行分类，建立针对该区的储层定量评价标准，得到更精准的定量评价结果，比传统定性分类更合理、全面。

1 方法与原理

数据挖掘是指从大量的、随机的数据中通过算法搜索并提取隐藏的潜在信息的过程，常用的方法有分类、回归分析、聚类、关联规则和偏差分析等[12-14]。其中，因子分析是一种从多个相关变量中提取少数包含原始数据的大部分信息的共性因子的统计方法，本文用以确定变量权重;聚类分析是一种逐级归类的数学方法，将性质相近的归为一类，并据此聚合形成一个由大到小分类的谱系图[6，15]。

1.1 因子分析

假设有n个研究样本，每个样本有p项参数，所有原始数据集合可以用以下矩阵来表示:

对数据进行标准化处理，去除异常点和原始量纲;再根据原始变量之间的相关系数r(因子载荷)大小来判断数据间相关性强弱，用以确定数据是否适合进行因子分析;将矩阵线性变化为公共因子Fi(i＜p)的表达式，求 Fi的特征根 λi(λ1，λ2，…，λp＞0)和对应的标准正交化特征向量eij，特征根即为公共因子Fi的方差贡献，进一步求得方差贡献率T，选择或T＞0.8的公共因子;旋转因子eij命名解释，求出Fi的因子得分(图1)。

图1 因子分析流程

1.2 层次聚类分析

层次聚类又称系统聚类，自动生成不同分类方案的聚类结果。本文选择欧氏距离来描述样本间的相似程度，选用离差平方和法来描述类间距离。从样本间到类间，按照对比、并类的聚合原则反复进行，直至所有样本归为一类为止(图2)。

图2 层次聚类分析流程

2 储层类型划分

2.1 区域地质概况

龙岗东地区龙会场—铁山区块构造位于四川省达州市西南方，开江—梁平海槽西侧，区内自西向东分布龙会场、华蓥山北倾没端和铁山构造，面积约为978 km2。区内飞仙关鲕粒滩气藏位于下三叠统飞仙关组，主要为鲕粒白云岩，碳酸盐岩台地沉积。铁山区块长兴生物礁气藏位于上二叠统长兴组，以礁灰岩和礁云岩为主，属于碳酸盐岩深缓坡与海槽过渡相带中的陆棚边缘生物礁沉积。储层非均质性强，多为低孔、低渗裂缝—孔隙型储层[7-10]。

2.2 参数优选和因子分析

在4口取心井产层段取60个样品，优选了岩心孔隙度、岩心渗透率(克氏值)、储层厚度、含水饱和度、自然伽马(GR)曲线值和声波时差(AC)曲线值作为分析指标。孔隙度反映储层的储集性能，渗透率反映岩石的渗流能力，储层厚度反映储层的发育程度，GR曲线判断沉积能量的高低[1]，AC值反应岩层孔隙空间好坏。对数据进行因子分析(表1)。

表1 公共因子方差分析

选取因子1、2、3和4作为公共因子。F1在AC值、孔隙度上的系数最大，命名为孔隙性因子;同理，F2、F3、F4可分别命名为含油气性因子、渗透性因子、储集规模因子。根据表1可知，孔隙性因子和含油气性因子的方差贡献率最大，是影响此次储层分类的重要因素。

使用回归法求出因子得分系数矩阵，得公共因子得分函数:

式中:H为储层厚度，m;φ为孔隙度，%;K为渗透 率，10-3μm2;QGR为 GR值，API;SW为含水饱和度，%;TAC为 AC 值，μs/m。

根据4个公共因子的得分对该区碳酸盐岩储层进行聚类分析，得到龙会场—铁山储层分类谱系图(图3)。

图3 龙会场—铁山储层分类谱系图

2.3 聚类结果及特征

由图3可知，当距离系数为6时，所有样品明显地分为4类，绝大多数均匀归纳为A、B和C类储层，极少部分样品为D类。D类储层中，42号样品表现异常突出，经分析此样品可能是由于该地区储层的高度非均质性造成的一类特殊储层，现象不具普遍性，不参与统计及分析。从A类到D类，物性由好变差，4类储层指标范围跨度均较大，呈较强非均质性(表2)。

表2 储层分类参数统计

2.4 聚类结果的岩石学特征和沉积特征分析

图3中C、D类储层最相似，2类储层沉积微相也极为相似(表3)，从数据上看C类比D类略好(表2)，但D类在沉积旋回上的分布更接近Ⅳ旋回，低能环境增多，云质鲕状灰岩的发育变薄，储层储集性能更差。此外，A类储层的低伽马、高声波测井响应特征以及较高岩心孔渗数据和其他3类储层有着明显差异，因其位于高能带的台缘鮞粒坝，水动力较强，经地表淡水淋滤作用等后期改造，鮞状云岩常被溶蚀形成大量溶蚀孔而成为良好储层[16-22]，储集性能优于鲕状灰岩。据此，聚类结果中A、B类储层优于C、D类储层，该结论与前人总结的台缘礁滩比台内鲕水动力更强、储集性能更优[8-9]的研究成果吻合。

表3 储层类型和岩性、沉积微相对应关系

总之，聚类分析综合了各类地质参数，对储层定量区分的同时，也自发地把沉积环境的影响作为了约束条件之一，与该地区储层相控特征吻合;所得结论地质意义明确，储层发育与沉积相带分布密切相关，聚类结果亦可用于识别储层发育的有利沉积相带和储集岩。

2.5 建立评价标准

根据聚类结果中相关参数的正态分布，建立储层分类评价标准(表4)，将储层分为4类。

A类储层多发育于台缘鲕滩(坝)，岩性常见鮞状云岩，整体特征呈高声波、低伽马、中孔、中渗、低含水;B类储层，多发育于台缘生物礁和台缘生屑滩，以礁云岩、灰质云岩为主，整体呈低声波、高伽马、低孔、中渗、含水;C类储层，主要分布于台内鲕粒滩，潟湖次之，以鲕状灰岩、灰质云岩为主，少见泥晶灰岩，呈现低声波、高伽马、低孔、低渗、高含水的特征;D类储层，多见分布于潟湖和台内鲕粒滩，岩性多为泥晶灰岩，整体的特征与较差储层相同。

表4 研究区内储层分类评价

新评价标准沿袭经典将储层也分为好、较好、较差以及差储层4类;类别下限与现有标准相关性较强;新标准将前人分类中该区储层分布较多的Ⅱ、Ⅲ和Ⅳ类储层进行了更细致地分类与归纳，大大提高了不同储层的区分度，更适于此地区强非均质性储层(图4)。

图4 T5井储层综合评价图

2.6 实例应用分析

结合研究区单井及多井实际日产量资料分析。采用新储层定量评价标准，J1井和T8井以C类储层为主，少量D类，T13井以A、C类储层为主，T14井主要为B类储层。经测试，在飞仙关鲕粒滩，J1井获得工业气流0.43×104m3/d，产水高达362 m3/d;T8井产气微量，产水26.4 m3/d;T13井产气78.11×104m3/d，无出水现象。T14井则在长兴礁滩上高产气118.02×104m3/d。主要含A、B类储层的T13、T14井产气量远高于含C、D类储层的J1、T8井，其中含B类储层的T14井产量略高于含A、C类的T13井。

T5井在飞仙关组鲕滩(坝)上日产气量为34.64×104m3/d，在长兴组礁滩上日产气量为50.10×104m3/d，采用现有储层分类评价标准，此段储层基本都为Ⅲ类，不同分布的储层间差异无法体现。使用新分类评价标准，飞仙关组储层主要为A类，C类次之，长兴组储层以B类为主。根据图4可知，主产气段储层主要是A、B两类，C类较少，未见D类;B类储层产气量略大于A、C类混层段，可见，单井上高产层段的分布与新评价标准对应。多井间和单井的分析都表明，A、B类储层产量明显优于C、D类储层;A类储层常与C类共存，总体产量略逊于B类储层。

根据定量分类评价标准编制各类储层的平面分布图(图5、6)，龙会场区块飞仙关组主要分布A、C类储层，长兴组储层基本不发育。铁山区块飞仙关组储层分布面积较广，A、B类储层为主，铁山南区域可见A类储层零星分布;铁山长兴组则以C类储层为主，B类储层集中铁山南地区分布。

综上所述，该储层分类评价标准的结论与实际生产井产能情况吻合，好储层井对应高产气井，好储层段对应高产层段，与现有储层分类评价标准相比较，新评价标准可以实现现有标准未能达到的区分精度，评价效果更好，更适用于该地区强非均质性储层的精细刻画。

3 结论

(1)优选岩心和测井数据进行因子分析，简化数据个数、突出地质意义，通过层次聚类分析将储层分为4类;从A类到D类储层，各参数值呈现规律递变，整体储集性能由好变差。

图5 飞仙关组储层平面分布

图6 长兴组储层平面分布

(2)4类储层区分度高，A、B类优质储层多发育于台缘礁滩白云岩，反映了该地区储层的相控分布特征，与前人研究结论一致，获得定量与定性的统一。

(3)储层定量分类评价标准，提高了储层对比精度，突出了储层分布和沉积环境的密切联系，经实际生产资料验证，评价效果优于现有标准，更适于本区强非均质性储层的精细研究。

[1]吴元燕，吴胜和，蔡正旗.油矿地质学[M].北京:石油工业出版社，2005:232-236.

[2]彭仕宓，熊琦华，王才经，等.储层综合评价的主成分分析方法[J]. 石油学报，1994，15(S0):187-194.

[3]吕红华，任明达，柳金诚，等.Q型因子分析与聚类分析在柴达木盆地花土沟油田新近系砂岩储层评价中的应用[J].北京大学学报:自然科学版，2006，42(6):740-745.

[4]马立文，窦齐丰，彭仕宓，等.用Q型聚类分析与判别函数法进行储层评价——以冀东老爷庙油田庙18X1区块东一段为例[J].西北大学学报:自然科学版，2003，33(1):83-86.

[5]谭峰奇，李洪奇，徐长福，等.基于聚类分析方法的砾岩油藏储层类型划分[J].地球物理学进展，2012，27(1):246-254.

[6]唐俊，王琪，马晓峰，等.Q型聚类分析和判别分析法在储层评价中的应用——以鄂尔多斯盆地姬塬地区长81储层为例[J].特种油气藏，2012，19(6):28-31.

[7]马永生，牟传龙，郭彤楼，等.四川盆地东北部长兴组层序地层与储层分布[J].地学前缘，2005，25(4):73-79.

[8]唐洪，吴斌，张婷，等.川东北铁山—龙会地区长兴组礁滩相储层特征及主控因素[J].现代地质，2013，27(3):643-651.

[9]王正和，郭彤楼，谭钦银，等.四川盆地东北部长兴组-飞仙关组各沉积相带储层特征[J].石油与天然气地质，2011，32(1):56-63.

[10]赵文智，汪泽成，王一刚，等.四川盆地东北部飞仙关组高效气藏形成机理[J].地质评论，2006，52(5):708-717.

[11]毕海龙，李斌，彭军，等.四川盆地东北部飞仙关组优质储层特征[J].海相油气地质，2010，15(2):30-35.

[12]Fayyad U，Gregory P S，Smyth P.Knowledge Discovery and Data Mining:Towards a Unifying Framework[M].Oregon:AAAI Press，1996:82-88.

[13]殷瑞飞，朱建平.数据挖掘中一种新的聚类方法—基于对应分析与因子旋转[J].统计研究，2008，25(1):93-97.

[14]曾玉钰.数据挖掘中基于因子分析的聚类方法及其应用[J].统计教育，2007，(7):10-11.

[15]余烨，张昌民，李少华，等.多元统计学在地质学中的应用—以惠州凹陷M层物源分析为例[J].地质科学，2014，49(1):191-201.

[16]孙东川，杨立洪，钟拥军.管理的数量方法[M].北京:清华大学出版社，2005:124-129.

[17]倪新峰，陈洪德，田景春，等.川东北地区长兴组北部长兴组—飞仙关组沉积格局及成藏控制意义[J].石油与天然气地质，2007，28(4):458-465.

[18]饶雷.川东北铁山坡构造飞仙关组气藏特征[J].天然气工业，2007，27(5):32-35.

[19]李旭兵，刘安，曾雄伟，等.雪峰山西侧地区寒武系娄山关组碳酸盐岩储层特征研究[J].石油实验地质，2012，34(2):153-157.

[20]唐洪，廖明光，胡俊，等.基于孔隙旋回建模单元的碳酸盐岩储层建模研究[J].石油实验地质，2012，34(3):330-333.

[21]鲁国明.济阳坳陷碳酸盐岩油藏储层评价及有效厚度研究[J]. 石油实验地质，2011，33(2):155-159.

[22]彭守涛，何治亮，丁勇，等.塔河油田托甫台地区奥陶系一间房组碳酸盐岩储层特征及主控因素[J].石油实验地质，2010，32(2):108-114.