碳酸盐岩储层流体性质综合判别方法

2015-02-17刘得芳林发武梁忠奎田超国

特种油气藏 2015年4期

关键词：决策树测井流体

刘得芳，林发武，梁忠奎，田超国，李颖

(中国石油冀东油田分公司，河北唐山 063004)

碳酸盐岩储层流体性质综合判别方法

刘得芳，林发武，梁忠奎，田超国，李颖

(中国石油冀东油田分公司，河北唐山 063004)

以电性物性特征、声波参数或气测参数等单项信息为依据，针对判别碳酸盐岩储层含油气性存在多解性大的问题提出了基于数学算法，融合测井、气测录井等多项信息的流体性质综合判别方法。分析了多项资料对油气的相对敏感信息，利用开源数据挖掘软件WEKA，将决策树、径向基函数、神经网络、聚类分析4种数学算法应用于流体性质综合评判，并通过模型精度的对比分析，优选决策树和神经网络算法模型。冀东探区测试资料证实，该方法较单一信息的判别方法准确性更高，应用效果显著。

碳酸盐岩；流体性质；数据挖掘技术；综合判别方法

0 引言

目前较常用的判别储层流体性质的方法有多种，包括深浅双侧向判别法、P1/2正态分布法、孔隙度重叠法、交会图法、阵列声波参数判别法等测井方法及气测判别法。由于碳酸盐岩储层储集空间及流体分布的复杂特性，储层含油气特征受多种因素影响而变得复杂，上述各判别方法的使用条件、影响因素也变得更复杂，因此，造成应用效果因层而异[1-6]，仅依靠上述基于单一油气敏感信息形成的单项信息判别方法难以取得较好效果。综合多种测井、非测井油气敏感信息，实现多项信息的综合判别，是提高碳酸盐岩储层流体性质判别准确性的一个重要研究方向。

1 单项判别技术及油气敏感指示参数确定

冀东探区碳酸盐岩储层孔洞、裂缝发育，目前主要应用电阻率-声波时差交会图法、P1/2正态分布法、纵横波速度比含气指示法和气测参数判别法4种单项信息判别方法判别流体性质。4种方法均从不同角度揭示储层油气响应特性，针对不同储层情况恰当选择适用判别方法，可以较准确判别流体性质，但每种方法适用条件有明显差异，对于适用性不明确的储层，难以依据4种单项信息判别方法得出一致、可靠的判别结果。因此，依据4种方法抽提相对应的油气敏感指示参数，作为综合判别方法研究的基本参数。

1.1 电阻率-声波时差交会图法

电阻率-声波时差交会图法是以电性物性特征判别流体性质的方法，以实际测试资料建立交会图版(图1)，能够直观区分油气水层，在常规砂岩储层中，该方法应用效果较好。碳酸盐岩储层岩性、物性对储层电性的影响程度大，在岩性致密、物性差及裂缝发育时，储层流体对储层电阻率值的贡献被不同程度掩盖，此时，电阻率-声波时差交会图法判别准确率大大降低。

图1 电阻率-声波时差交会图版

1.2 P1/2正态分布法

利用电阻率与地层孔隙度计算的视地层水电阻率分布累计频率曲线的倾斜程度，可判别储层流体性质。以实际资料建立解释图版(图2)，油气层视地层水电阻率分布累计频率曲线斜率明显高于水层[7]。该方法使用时，要求储层裂缝发育状况基本一致，否则可能导致解释结果错误。

图2 正态分布法流体性质判别图版

上述2种判别方法均依据储层电性，并结合储层物性判别流体性质，因此，抽提储层电性-物性油气敏感指示参数——视地层水电阻率(Rwa)。

1.3 纵横波速度比含气指示法

利用阵列声波的纵横波速度比识别含气储层是近年常用的流体性质判别方法。原理为：纵波速度对气的敏感度较高，少量气即可使纵波速度明显降低，而横波速度对地层含气不敏感。利用该原理，以测试资料建立交会图版(图3)，可有效识别含气储层。该方法必须考虑储层孔隙度及岩性的影响[8]。依据该方法抽提油气敏感指示参数——声波时差(AC)和纵横波速度比(vp/vs)。

1.4 气测参数判别法

气测录井参数是在现场录井过程中，将循环钻井液中所携带的气体脱出、组分分离、定量鉴定等分析后得到一组参数，是评价地层流体性质最直接、最重要的录井资料。通过全脱分析数据的组合、地区测试资料的标定，建立气测参数油水层解释图版(图4)。该方法在多井泥浆压力基本一致的情况下应用效果好。依据该方法抽提出油气敏感指示参数——基峰比(GasR)和烃气湿度指数(GasW)。

图3 声波特征参数交会图版

图4 气测参数交会图版

上述抽提出的5个油气敏感参数，分别从电性物性、声波特性和气测3个方面揭示储层油气响应特性，因此，基于5个油气敏感参数，通过建立数学模型综合判断流体性质更具全面性、客观性。

2 综合判别数学模型建立

根据研究区测试资料，利用开源数据挖掘软件WEKA，分别用决策树、径向基函数、神经网络、聚类分析4种数学算法建立流体性质综合判别模型，通过模型精度对比，挑选效果较好的判别模型。

2.1 数据准备

对研究区录井、测井、测试资料进行分析，选择16口井产液性质明确的层作为已试样层；共选取250个样本点，其中训练集样本点195个，测试集样本点55个；样本点属性5个，即前面选定的5个油气敏感指示参数；算法输出分类结果为：油气层类、油层类、水层类。

2.2 数学算法优选

研究中基于实际测试的、相同的样本点，比较决策树、神经网络、径向基网络、聚类分析4种数学算法建立的判别模型精度。

(1) 决策树。该算法是数据挖掘技术中用于分类和预测的主要技术，是以实例为基础的归纳学习算法，利用训练集建立决策树流体性质判别模型，选用决策树挖掘最常用的C4.5算法实现模型运算，并利用WEKA提供的weka.classifiers.meta.CVParameterSelection算法进行优化。

(2) 神经网络。BP神经网络是目前应用最为广泛的神经网络之一，寻求测井信息与流体性质分类之间的某种非线性映射或拟合，通过给定的训练样本集进行学习得到判别模型，从而实现流体性质的分类预测[9-10]。选用WEKA提供的weka.classifiers.functions.MultilayerPerceptron算法实现模型运算。

(3) 径向基网络。径向基函数(Radial Basis Function，简称RBF)是沿径向对称的标量函数，RBF网络可以看成是：首先将原始的非线性可分的特征空间变换到另一空间(通常是高维空间)，通过合理选择这一变换，使原问题在新空间中线性可分，然后用一个线性单元来解决问题[11-12]。选用WEKA提供的weka.classifiers.functions.RBFNetwork算法实现模型运算。

决策树、神经网络和径向基网络3个算法建立的数学模型均利用10折交叉验证方法检验模型性能。

(4) 聚类分析。聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。聚类分析最常用的算法是K均值算法(K-means)，首先随机指定K个簇中心(设定K值为10)，将每个实例分配到距离最近的簇中心，得到K个簇，然后计算各簇中数据的均值，将之作为各簇新的簇中心，重复计算，直到误差最小[13]。

考虑冀东探区南堡凹陷与周边凸起潜山储层地质条件差异，分区域分别用训练集建立4种算法的判别模型，并用测试集对模型精度进行检验(表1)。通过对比可以看出，决策树、BP神经网络2种算法判别模型精度高，且实际操作更加简便。