测井资料分层处理解释方法研究与应用

2015-05-09程道解万金彬王慧白松涛张昊郑伟群

测井技术 2015年4期

程道解, 万金彬, 王慧, 白松涛, 张昊, 郑伟群

(中国石油集团测井有限公司, 陕西西安 710077)

0 引言

常规测井资料处理方法均为逐点处理,这是一种以饱和度计算为核心的自动化处理半自动化解释的方法。该方法通过确定模型或者最优化迭代[1],逐点计算储层岩石骨架、泥质、孔隙流体等组分的体积含量,并根据处理得到的数值大小和处理观察所得的曲线间组合特征、层内变化特征,综合得出最终的解释成果。

测井分层处理解释从地质角度入手,将整个储层作为一个整体,开展层内特征的获取,其信息既包括目前逐点解释工作中涉及的定量部分,如组分含量、饱和度信息等常规定量信息,也包括逐点解释工作中涉及的人为经验部分,如层内差异、曲线间相关关系等,最终的目标是将上述信息按照岩性、储集性、含油气性等不同类型实现定量描述和优化组合[2],利用统计回归、聚类、人工智能模式识别等数学手段建模,实现真正的定量化、全自动化处理解释。

1 分层处理解释的主要特点

分层解释更接近于一种面向地质对象[3]的测井解释方法,即围绕储层这一地质对象开展全方位描述和研究。对储层对象整体的描述即测井属性[4]。测井属性所包含和表达的地质信息即地质属性,分层解释更利于挖掘地质对象蕴含于测井资料中的信息。图1展示了逐点解释与分层解释之间的差异。前人研究认为测井信息对地质对象的描述具有对应性、专属性、统一性[5]等特点。相比较于逐点解释,分层解释具备以下特点。

(1) 信息表征更为合理。测井曲线经分层处理后可消除或减少非地层因素的影响,突出地层岩性及所含流体性质的变化,提高表征精度。

(2) 信息量更大。除了可获取逐点解释所涉及的所有测井响应信息外,还可定量获取大量的层内非均质、曲线间相关性等信息。

(3) 应用前景更好。分层处理资料面向基于数理统计或者人工智能模型的解释方法,在层属性的表征上存在更大的扩展性和灵活性的同时,也允许且便于嵌入测井响应值的反演算法,实现真测量值基础上的测井解释。

图1 逐点解释与分层解释的差别

2 分层处理解释设计与实现

在以逐点解释为框架的测井主流解释软件中,要实现分层解释,其中的层信息的表征、层属性的优化提取、基于层属性的解释标准建立等工作都需要重新设计。以实际工作中完成的分层解释模块SliceIP为例,说明分层解释方法设计与实现的步骤。分层解释模块主体功能包括自动分层、特征量(属性)提取、处理解释建模3部分。①分层、特征量提取以及处理解释方法均按名字调用;②其中特征量提取模式和解释建模可自定义和扩展;③必须确保处理解释方法与特征量提取方法的相关性,即图2中名为“王官屯”的线性回归模型、名为“舍女寺”的神经网络模型、以及名为“联盟”的聚类模型,其输入部分必须都是名为“属性测试”的特征量提取模型获取的信息。

图2 分层解释主界面设计

2.1 层信息的表征

如图3所示,模块提供了“分形盒维数”等13个单属性和“电物归一化差”等12个曲线间组合属性。在输入曲线为常规9条的情况下,总属性个数理论上为129个(曲线数×单属性数+组合属性)。

图3 层属性模式化提取的程序界面展示

(3) 电物归一化差(GYHC)是定性解释常用的含油气识别特征之一,即某一刻度下电性曲线和物性曲线的叠合面积。

(1)

(4) 电物一阶吻合度WHD是定性解释常用的含油气识别特征之一,即电性对物性变化的响应程度,如物性变好,电性变高,则含油气的可能性较大(通常在较高矿化度地层水情况下是正确的,需要注意的是浅层低矿化度水层也会表现出该特征)。

其中,ΔX=Xi-Xi-1

(2)

(5) 阿尔奇饱和度均值,即给定a、b、m、n参数条件下,阿尔奇模型计算所得饱和度的层内均值。

此外,还有裂缝指数、储层品质因子等层属性。属性库可以扩展,随着研究的深入,越来越多的敏感且信息有效的属性会被加入,并实现程序自动提取。

2.2 层属性的模式化提取

单属性只涉及单曲线的层内统计特征提取,如对声波提取层内差分变化密度,表达储层层内纵向非均质性。组合属性是对多曲线层内统计特征的提取,如电物一阶吻合度是对层内电性、物性曲线的衍生计算量开展属性提取。

层属性的模式化提取即对多个属性的组合模式实现按名定义、保存和调用(见图3)。右侧表框中的22个属性即是名为“唐家河图版”的特征量格式的详细信息。程序处理过程中,只需要调用名为“唐家河图版”的特征量格式,即可实现上述22个属性的逐层批量提取。

2.3 基于层属性的解释标准建立

层属性提取工作提供了一组待研究的数据,对这组数据开展的量化解释评价工作就是基于层属性的解释标准建立,可提供“线性回归”、“神经网络模式识别”、“聚类分析”这3类建模。以含油气水层的神经网络模式识别为例,建模中需要提供样本的层属性、样本的解释结论(转换成矩阵模式),进行样本训练并形成映射信息,便于新井处理解释时调用。

2.4 编程实现

利用Lead3.0平台开发包编程实现了上述主要过程,形成了名为SliceIP.dll的分层处理解释模块,已经在实际工作中用于资料处理。

3 应用效果

为验证分层处理解释具备实用价值,开展了一系列应用尝试。对某研究区不同井中一系列已经得到试油验证的层开展了针对性层属性提取,并对层特征量开展了相应的数理处理,以便探索层属性的优势特征及物理意义。图4、图5分别为对表1开展聚类分析形成的聚类树、主成分分析形成的基于主成分的油气水层识别图版效果图。

图4聚类树下方标明的红、粉红、蓝、黑色分别对应油层、油水同层、水层、干层4种试油结果,显然对相关参数的聚类分析工作将油层显著地与其他层区分开。水层、干层一定程度上也得到了很好区分,并且从数理上对干层、水层内部存在不同的类型也有了直观划分(干层含绝对致密型和高泥质型)。

图5是对表1提取的层属性开展了主成分分析,并利用形成的主成分A、主成分B(具体计算公式见图5)2个参数进行了解释图版的建立,图版上,跨区块、层系的不同试油层的主成分特征量,有效地将油层、水层、干层区分开。该工作证明由于某些定性认识的介入(对定性认识进行定量化表征),新的图版或者说分层解释本身具备一定的跨区块、跨层系的适应性。