碳酸盐岩储层微观非均质性分类评价——以普光气田飞仙关组储层为例

张纪喜 陈 岑 成 群

1.中国石化中原油田勘探开发研究院2.重庆科技学院 3.中国石油大庆油田采油三厂

碳酸盐岩储层微观非均质性分类评价
——以普光气田飞仙关组储层为例

张纪喜1陈 岑2成 群3

1.中国石化中原油田勘探开发研究院2.重庆科技学院 3.中国石油大庆油田采油三厂

以普光气田下三叠统飞仙关组碳酸盐岩储层为例，为了研究影响储层微观非均质性，通过收集所有可以用来表征储层非均质性的参数，引入因子分析法优选出孔隙度、渗透率、排驱压力、相对分选系数、偏度系数及平均喉道半径等6项参数来表征储层非均质性。在此基础上，进一步对优选储层参数的样品进行聚类分析，确定飞仙关组碳酸盐岩储层存在强非均质性、较强非均质性、中等非均质性和弱非均质性等四种类型，其中54%的样品表现为中等非均质性；同时，采用判别分析建立了储层微观非均质性判别函数，得到研究区储层微观非均质性定量评价结果，该结果与聚类分析成果一致，即：普光气田飞仙关组碳酸盐岩储层存在强、较强、中等和弱非均质性四种类型，其中以中等到强非均质性为主。该分类评价方法为碳酸盐岩储层评价提供了参考作用。

普光气田碳酸盐岩微观非均质性表征参数因子分析聚类分析分类评价

普光气田下三叠统飞仙关组储层主要为台地边缘相带，储层的微观非均质性特征主要受沉积作用、成岩作用两大因素的影响。目前，针对普光气田碳酸盐岩储层，使用单一参数判别非均质性强弱方法存在局限性，常表现为选取不同的参数表征有可能得到相反的结果。因此，有必要综合选取多种参数，综合分析其微观非均质程度［1］。通过对影响储层微观非均质性的因素进行定性分析，确定非均质性特征表征参数优选原则，引入因子分析法进行表征参数优选。在微观非均质性评价样品和参数选择的基础上，综合运用聚类分析的方法，对所选的37个样本点数据进行聚类分类研究。通过判别分析获得标准化系数判别函数，对聚类分析的分类结果进行检验，也可以通过计算其他井、其他样本点的判别指标，确定其微观非均质性类型。

1 微观非均质性表征参数优选

1.1 参数优选原则

对于储层微观非均质性而言，可以表征其特征的参数很多，包括反映储层孔喉大小及其分布的参数和反映孔喉连通性以及渗流特征的参数。

由于影响储层微观非均质性的因素主要为沉积和成岩因素。参数的选取是准确定量表征微观非均质性的基础［2］。在表征非均质性时，希望能尽可能地准确、全面，但真正完全提取所有参数来进行表征，是不太可能也没有必要。一方面，目前表征微观非均质性的参数有上百个，在表征过程中完全使用这些参数是不可能的；另一方面，表征非均质性的若干参数虽然来源于不同的资料和分析手段，但各参数之间存在很大程度的相关性。因此，只需要选择其中少数代表储层微观非均质性的参数即可。参数优选原则如下：

1）选取的参数具有合理性，即选取的参数能在很大程度上表征出微观非均质性特征；

2）尽可能全面选取表征非均质性的各种特征参数；

3）选取的参数易于求取和统计分析；

4）选取的参数在空间上具有一定的可比性。

1.2 参数优选

实际研究中，多参数不一定可以全部发挥作用，收集到的变量数据通常之间存在一定的相关性[3]，同时还可能加大计算工作量，变量间的信息高度重叠和高度相关给统计方法带来困难。例如，在多元线性回归分析中，若变量之间有较强的相关性，则会对回归方程参数估计带来困难，致使参数不准确，模型不可用。所以引入因子分析方法来进行参数优选［4］。

因子分析要求提取的公因子应具有实际地质意义[5-6]，并且匹配沉积、成岩因素对微观非均质性的影响。但是大部分因子分析的结果中，各因子和原始变量之间的关系并不明显，为了使因子载荷矩阵中系数更加显著，可以对初始因子载荷矩阵进行旋转，使因子和原始变量间的关系进行重新分配，相关系数向0或1分化。

用全部收集到的可以用来定量表征储层微观非均质性参数（颗粒岩密度、进汞饱和度、渗透率、孔隙度、喉道均质系数、特征系数、相对分选系数、峰态、偏度、平均喉道半径、排驱压力、退出效率、比表面积、平均孔喉比、平均配位数等共15个）来进行因子分析。

因子分析中KMO（Kaiser-Meyer-Olkin）值检测的统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0。KMO值越接近于0，意味着变量间的相关性越弱。

为了优选非均质性表征参数，需要同时考虑参数的相似性及相异性，当KMO值近似等于0.5时，所选参数适合于表征非均质性。将以上全部15个参数带入KMO检验，初次检验结果KMO值为0.41，表示检验结果并不理想，说明并非所有的参数都适用于同时参与表征非均质性。

因此，在参数优选的过程中，要强化地质意义研究的分析，综合地质研究和KMO值的分析判断，优选不同的参数组合来进行多次迭代计算。通过23次迭代计算，最终选出孔隙度、渗透率、排驱压力、相对分选系数、偏度系数及平均喉道半径等6项参数，使得KMO值逐渐收敛到0.502，符合参数优选的原则，体现出因子分析的有效性。

之后提取公因子方差（变量共同度），表1显示的是提取的因素能够解释多少自变量，值越接近1越好（最大值为1）。可以看到，6项参数均大于0.5，说明这些参数可较好的反映储层微观非均质性。

表1 表征参数公因子方差表

采用方差极大法对因子载荷矩阵实行正交旋转以使因子具有实际可解释性。可以指定按照第一因子载荷降序的顺序输出旋转后的因子载荷。表2表明：孔隙度、渗透率、相对分选系数在第1因子有较高载荷，可解释为成岩作用因子（因子1），偏度系数、排驱压力、平均喉道半径在第2个因子的载荷高，解释为沉积-成岩因子（因子2），体现了参数优选的合理性，同时符合微观非均质性影响因素的分析结果，也反映了地质上主控因素对微观非均质性的影响。

表2 旋转因子矩阵表

2 微观非均质性分类

2.1 聚类分析

聚类分析的基本思路是：假定研究对象存在不同的相似性，根据观测样本找出并计算能够度量样品间相似程度的统计量，按相似性统计量的大小，将相似程度大的聚合到一类，关系疏远的聚合到另一类，直到把所有的样品聚合完毕，形成一个由小到大的分类系统，最后将分类系统直观地用谱系图表示出来。

由于所选择的参数不同，聚类的结果也不尽相同。在进行聚类分析之前，为消除各参数变量量纲之间的差异，需要将原始变量进行归一化处理，然后应用系统聚类分析方法，并基于易求取、易统计分析的原则确定分类的数目和分类情况［7］。

根据因子分析的结果，选取孔隙度、渗透率、排驱压力、相对分选系数、偏度系数及平均喉道半径等6项参数，并结合地质意义确定分类数目和分类情况。如图1所示，根据37个抽样样本点数据的系统聚类结果，并结合实际地质认识得出储层微观非均质性可以分为4类：I类（弱非均质性）、II类（中等非均质性）、III类（较强非均质性）、IV类（强非均质性）。

2.2 判别分析

判别分析的基本思路是对进入判别式的每一组变量进行挑选，每一步都对变量进行计算，根据计算出的判别值大小以确定该组变量最终归为哪一类非均质性程度。在应用聚类分析法划分结果合理可行的前提下，对抽样样品进行判别分析，得出研究区碳酸盐岩储层微观非均质性判别函数关系式如下：

Ⅰ类（弱非均质性）=-0.581A+9.413B+ 970.684C-1.609D-15.123E+1.170F-742.705

Ⅱ类（中等非均质性）=-0.501A+6.929B+ 933.149C+0.117D-14.166E+0.158F-651.372

Ⅲ类（较强非均质性）=-0.379A+7.242B+ 909.033C+4.540D-13.751E+0.747F-655.774

Ⅳ类（强非均质性）=-0.506A+6.666B+ 1074.551C-4.609D-16.872E-1.518F-782.696

式中：

A—渗透率，mD；

B—孔隙度，%；

C—相对分选系数；

D—偏度系数；

E—平均喉道半径，μm；

F—排驱压力，MPa。

图1 微观非均质性聚类分析谱系图

通过判别函数的计算，可直观对未参与聚类分析的样品进行分类评价。判别函数中每个自变量参数值都有相应的系数，参数与系数的乘积之和为判别值。将各样品的自变量参数代入上述四个判别函数，得到4个判别值。比较这4个判别值，哪个判别值最大，就可以判断该样品归入哪一类非均质性。

选取孔隙度、渗透率、排驱压力、相对分选系数、偏度系数及平均喉道半径等6项特征参数，应用判别分析法把研究区碳酸盐岩储层取心井256组数据划分为强、较强、中等及弱微观非均质性四种类型。

3 普光气田微观非均质性分类评价

对多种微观非均质性表征参数进行因子分析之后，找出能反映参数内在联系和起主导作用的、数目较少的参数。又根据因子分析的结果对微观非均质性程度进行分类，分类的方法为运用聚类分析法。最后，在已知分类的基础上，利用判别分析方法建立判别函数，以完成对其余样品微观非均质性的定量表征。通过对聚类分析所用37组抽样样本点的4组判别分析式的带入计算，聚类分析和判别分析结果完全吻合，具有高度一致性。

一般来讲，非均质性越强，反映非均质强弱参数值越大，渗流阻力越大。对于微观非均质性而言，最终优选孔隙度、渗透率、排驱压力、相对分选系数、偏度系数及平均喉道半径等6项特征参数，运用聚类分析法对研究区飞仙关组碳酸盐岩储层取心井256组样品进行微观非均质性定量表征（表3）。

表3 研究区飞仙关组碳酸盐岩储层微观非均质性划分结果统计表

256组样品中有138组样品显示出中等非均质性，占样品总数的54%，49组样品非均质性弱，有69组样品非均质性较强和强，表明普光地区飞仙关组碳酸盐岩储层属中等到强的微观非均质性储层。

聚类分析结果表明，研究区碳酸盐岩储层微观非均质性可分为4类：①弱非均质性，对49块弱非均质性样品参数统计结果，平均排驱压力为0.01 MPa，平均喉道半径为19.69 μm，偏度系数为3.62，相对分选系数0.42；②中等非均质性,对138块弱非均质性样品参数统计结果，平均排驱压力为0.93 MPa，平均喉道半径为14.39 μm，偏度系数为4.44，相对分选系数0.63；③较强非均质性,对46块弱非均质性样品参数统计结果，平均排驱压力为3.2 MPa，平均喉道半径为4.24 μm，偏度系数为5.35，相对分选系数0.98；④强非均质性，对23块弱非均质性样品参数统计结果，平均排驱压力为4 MPa，平均喉道半径为6.88 μm，偏度系数为6.15，相对分选系数0.99。

4 结论

1）孔隙度、渗透率、排驱压力、相对分选系数、偏度系数及平均喉道半径等6项表征参数可以较好、有效地表征碳酸盐岩储层微观非均质性。

2）聚类、判别分析将碳酸盐岩储层微观非均质性分为弱、中、较强、强4类，实现了对微观非均质性的定量划分、评价。

3）普光气田碳酸盐岩储层微观非均质性以中等到强为主。

[1]钟太贤.中国南方海相页岩孔隙结构特征[J].天然气工业, 2012,32(9):l-4.

[2]Alabert F,Modot V.Sochastic models of reservoir heterogeneities:Impact on connectivity and average permeabifities. SPE 24893.SPE Annual Technical Conference and Exhibition,Washing DC,1992,355-370.

[3]W.J.E.Van De Graff,at al.Quantification of Macro to Megascale Reservoir Heterogeneity:A Practical Approach Based on Computer Mapping Techniques.1992,SPE25001,391-398.

[4]林承焰,谭丽娟,于翠玲.论油气分布的不均一性（I）:非均质控油理论的由来[J].岩性油气藏,2007,19(2):16-21.

[5]王瑞飞,吕新华,国殿斌.深层高压低渗砂岩储层微观孔喉特征参数研究[J].中国矿业大学学报,2012,1（1）:61-68.

[6]陈欢庆.火山岩储层层内非均质性定量评价:以松辽盆地徐东地区营城组一段为例[J].中国矿业大学学报,2012,41 (4):641-649.

[7]Da Costa a Silva A.J.A new approach to the characterization of reservoir heterogeneity based on the geomathematical model and kriging technique[J].SPE14275,1985.

[8]Khalaf AL-Enezi,Kuwait Oil Co,James C Hsie.Modeling and scale up of a heterogeneous reservoir;Wara sand,Greater Burgan field[J].SPE53206,1999.

（修改回稿日期 2016-09-1 编辑 王晓清）

国家科技重大专项“高含硫碳酸盐岩精细描述及开发规律研究”（编号：2016ZX05017-001）。

张纪喜，1984年生，工程师，硕士；主要从事气田开发地质研究工作。地址：（450000）河南省郑州市郑东新区金水东路49号绿地原盛国际。电话：13461787030。E-mail:254862757@qq.com