基于单元体模型的核磁共振测井渗透率评价方法

朱林奇， 张　冲， 胡　佳， 魏　旸， 郭　聪

(1.油气资源与勘探技术教育部重点实验室(长江大学)，湖北武汉 430100；2.长江大学地球物理与石油资源学院，湖北武汉 430100；3.中国石油吉林油田分公司勘探开发研究院，吉林长春 124000)



基于单元体模型的核磁共振测井渗透率评价方法

朱林奇1.2， 张冲1.2， 胡佳3， 魏旸1.2， 郭聪1.2

(1.油气资源与勘探技术教育部重点实验室(长江大学)，湖北武汉 430100；2.长江大学地球物理与石油资源学院，湖北武汉 430100；3.中国石油吉林油田分公司勘探开发研究院，吉林长春 124000)

为了解决低孔隙度、低渗透储层渗透率计算模型精度较低的问题，通过研究单元体模型，利用核磁共振测井资料表征谱面积与胶结指数，并建立了计算储层渗透率的数学模型(REV模型)。分析了REV模型中各参数与渗透率的关系，给出了模型中各参数的求取方法，并将REV模型与经典的Timur-Coates模型和SDR模型进行了对比。分析表明，谱面积与渗透率存在幂函数关系，相关系数达到0.88，胶结指数在谱面积和孔隙度确定的情况下与渗透率呈一次函数关系，相关系数达到0.82，谱面积与胶结指数共同决定了储层渗透率的大小，渗透率与谱面积及胶结指数的变化存在较好的一致性。研究结果表明，REV模型的渗透率计算精度明显高于Timur-Coates模型和SDR模型，具有推广应用价值。

核磁测井；单元体模型；谱面积；胶结指数；孔隙度；渗透率

高孔隙度储层的渗透率与孔隙度往往具有较好的相关性，即孔隙度越高渗透率越高。但对于低孔隙度、低渗透率储层，除孔隙度之外，孔隙结构也是影响其渗透率高低的主要因素之一[1-4]。由于通过核磁共振测井可以了解储层孔隙结构，因此核磁共振测井资料被广泛用于评价储层渗透率，并建立了多种渗透率评价模型，其中较为经典的是Timur-Coates模型[5]与SDR模型[6]。Timur-Coates模型利用孔隙度、自由束缚流体体积比来求取储层渗透率。SDR模型利用孔隙度、横向弛豫时间几何平均值(T2LM)来预测储层渗透率。这两种模型考虑了孔喉结构对渗透率的影响，评价储层渗透率的精度高于常规测井曲线，但在评价低渗透率、特低渗透率储层时其精度往往达不到要求[7-8]。

针对上述问题，国内外学者对渗透率评价模型进行了改进。例如：利用T2LM预测孔隙结构参数从而计算渗透率的方法[9]；利用T2LM预测Swanson参数从而计算渗透率的方法[10]；利用T2谱分布均一系数、孔隙度、束缚水饱和度建立模型评价渗透率的方法[11]；利用排驱压力、分选系数以及孔隙度评价渗透率的方法[12]；将T2谱分区间计算孔隙度与渗透率的关系，并进行多元拟合的方法[13]；利用孔隙度、主流喉道半径(喉道对渗透率累积贡献达95%以前喉道半径的加权平均)以及排驱压力评价渗透率的方法[14]等。尽管这些渗透率评价模型与方法在某些地区的计算精度较高，可满足实际生产的需求，但并未从机理上解释渗透率与孔隙结构的关系，也未考虑除孔隙度与孔隙结构外的参数对渗透率的影响。为此，D.Rush等人[15]提出了一种利用岩电试验与压汞试验计算渗透率的单元体模型。该模型既考虑了孔隙度、孔隙结构与渗透率的关系，又表现了胶结指数对渗透率的约束，应用效果较其他模型好，但由于该模型的应用要基于大量的试验，难以应用测井资料进行渗透率评价。

笔者基于D.Rush等人的研究成果，提出了应用核磁共振测井资料表征压汞试验谱面积与岩电试验胶结指数，从而计算储层渗透率的方法，建立了数学模型(REV模型)，并将REV模型应用于致密砂岩储层渗透率评价，取得了较好的应用效果。

1　基于压汞与岩电资料的渗透率评价模型

将岩样孔隙假设为一种理想的单元体模型，在该模型中，岩样中不同孔径的连通孔隙被累加为一根连通曲折的孔隙。单元体模型如图1所示(Lb为模型的长度，m；Ab为横截面面积，m2；L为连通孔隙的总长度，m；δ为孔隙直径，m；假设流体从左至右流过连通孔隙，pa为连通孔隙入口处的毛细管压力，MPa；pb为出口处的毛细管压力，MPa)。

依据泊肃叶方程与达西公式，渗透率可表示为[16]：

(1)

图1　单元体模型示意Fig.1　Schematic of hydraulic flow unit model

式中：φ为孔隙度；τ为孔隙曲折度；K为渗透率，mD。

式(1)表明，在该单元体模型下，岩样的渗透率可以用连通孔隙的孔隙度φ、孔隙曲折度τ和孔隙直径δ近似表征(实际情况下，渗透率主要由喉道大小所决定[17])。但τ和δ难以测量，需继续对式(1)进行转换。依据W.R.Purcell提出的观点[18]、岩石曲折孔隙等效导电理论[19]以及阿尔奇第一公式[20]，τ和δ可被表征为：

(2)

(3)

式中：σ为界面张力，N/m；θ为界面润湿角；pc为毛管压力，Pa；Sv为非润湿相饱和度；a为岩性系数；m为胶结指数。

由于在试验中常固定a为1来计算m值，故可将式(2)和式(3)代入式(1)推导出渗透率的理论预测模型：

(4)

值得一提的是，式(4)仅是适用于渗流通道为孔隙储层的一种近似渗透率预测模型，而对于存在较多裂缝的储层，其预测效果要相对较差。

2　模型中各参数与渗透率的关系

为了验证上述模型的正确性，利用某油田4个区块共100块致密砂岩岩样的试验数据进行相关性分析。其中，使用的试验仪器为MRAIN-7型核磁共振实验仪、AutoporeIV型压汞实验仪、ZL5型智能LCR测量仪以及DZSY-002型岩样物性测量仪。岩样的平均孔隙度为6.62%，平均渗透率为0.978 mD。

图2　不同孔隙结构参数与渗透率的相关性Fig.2　Correlation comparison between different pore structure parameters and permeability

由图2可知，谱面积S与渗透率的相关性较其他孔喉参数更好，这也证明了式(4)的正确性。

式(4)既体现了孔隙结构(孔隙结构越好、孔径越大的岩石，谱面积越大)对渗透率的影响，又表征了胶结指数m对渗透率的约束。将上述100块岩样压汞毛管压力曲线按照曲线形态分为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ和Ⅵ等6类，分别绘制出平均毛管压力曲线，并确定对应谱面积，在给定谱面积的情况下，利用式(4)模拟胶结指数m取不同值时对孔渗关系的影响，结果见图3。

图3　胶结指数对孔渗关系的影响Fig.3　The effect of cementation exponent on the relationship of porosity and permeability

由图3可知，不同m值约束下孔渗关系并不一致。对其原因进行理论分析认为，孔隙结构参数只能表征岩石中所有毛细管的平均孔隙结构，并不能表征毛细管间的差异，而这种差异会对岩石渗透率产生影响。在致密砂岩等低孔隙度、低渗透储层中，由于孔隙类型复杂，该差异会被放大。而胶结指数m能表征毛细管间的直径差异[23]，所以理论上胶结指数m应能约束渗透率。

上述仅是从理论上对胶结指数m如何影响渗透率进行分析，还需利用岩心数据进行验证。在100块岩心中选取相似孔隙度(8%～9%)、相似谱面积(3～6 ms2)的7块岩心，进行相关性分析，结果见图4。

图4　胶结指数与渗透率的关系Fig.4　Relationship between cementation exponent and permeability

从图4可以看出，取常用对数后渗透率与胶结指数成线性关系，相关系数接近0.82，这与将式(4)中孔隙度、谱面积取定值后的渗透率与胶结指数理论关系一致，证明了式(4)的正确性。

综上所述，基于孔隙结构与电性特征的单元体模型，其精度比仅体现孔隙结构的渗透率模型高，且单元体模型中反映毛细管间差异的m并不能取定值。

3　模型参数求取及对比分析

由核磁共振T2谱构造伪毛细管压力曲线[24]，表达式为：

(5)

式中：T2为横向弛豫时间，s；C为刻度系数。

为了验证该方法也适用于致密砂岩储层，选取川中地区某油田4区块须家河组地层先后进行了核磁共振试验与压汞试验的10块岩样进行分析，求取储层刻度系数C，结果见表1。求取C值后评价伪毛细管压力曲线效果，结果见图5[25]。

表1岩样刻度系数C确定结果

Table 1Determination of the calibration coefficientCfor rock sample

序号岩样编号孔隙度,%渗透率/mD刻度系数C1110.5881.033952214.0020.48685339.3260.242115458.3570.496855105.5690.1491006189.0390.6241007198.1950.26912582211.7130.2279592417.1360.58190102516.4290.27095

从表1可以明显看出，储层的刻度系数为85～125，多集中于100左右。从图5可以看出，T2谱构造伪毛细管压力曲线方法在致密砂岩储层同样适用，可达到一定效果。

若要由式(4)确定岩石渗透率，需要先后对岩石进行岩电试验与压汞试验，这使该公式的适用性变低。研究表明，胶结指数m与孔隙度存在一定关系[26-28]，利用高精度胶结指数模型表征胶结指数m[29]，有：

(6)

式中：c1，c2，c3和c4均为系数。

图5　利用刻度系数C与核磁共振横向弛豫时间谱评价伪毛管压力曲线效果Fig.5　The pseudo capillary pressure curves evaluated by using calibration coefficient C and transverse relaxation time spectrum of nuclear magnetic resonance

利用川中地区须家河组的26块岩样的岩电试验资料，以最小二乘法求出高精度胶结指数模型的系数c1，c2，c3和c4，分别为0.549 5，1.072 0，-11.670 0和1.657 0。利用模型系数对试验数据进行回归，得到岩样原始数据及胶结指数预测的相对误差(见表2)。

表2岩样原始数据及胶结指数预测误差

Table 2The prediction error for raw data and cementation exponent of rock samples

岩样编号孔隙度,%渗透率/mD胶结指数岩电试验预测值相对误差,%110.5881.0331.5241.5441.321214.0020.4861.6411.6191.35939.3260.2421.5721.5103.96249.4130.8551.4781.5122.29258.3570.4961.4901.4810.64964.5960.0761.3831.3383.28475.8560.1601.4051.3920.94386.6990.2011.4391.4240.99097.2810.2821.4371.4450.547105.5690.1491.3431.3802.7691116.1751.0811.6561.6570.0201213.8770.5751.6301.6170.8131314.6783.0591.5621.6314.455148.5710.4241.5141.4871.760156.7830.2971.5361.4277.099166.0920.1321.5101.4017.2101713.3380.5731.5851.6061.342189.0390.6241.4891.5020.837198.1950.2691.5071.4762.101207.8030.4981.4351.4631.938215.9220.1311.3351.3944.4472211.7130.2271.5761.5710.3102321.26890.6481.5901.7258.4822417.1360.5811.6691.6710.1462516.4290.2701.7001.6612.2922610.1280.2111.5561.5321.546

将式(5)、式(6)代入式(4)中并取常用对数，得到表达式：

(7)

考虑到理论模型与实际模型的差异，式(7)可改为：

(8)

(9)

式中：λ1，λ2，λ3，λ4，λ5和λ6均为储层特征参数。

利用表2中26块致密砂岩岩样的试验数据建立模型，确定式(8)中各参数的值。26块岩样中有1块选在高孔隙度、高渗透率的砂层处，是为了验证该模型在高孔隙度、高渗透率储层的适用性。

编制遗传算法程序，通过遗传算法来求取式(8)中各参数的最优值(利用11—26号岩样进行遗传算法的寻优，利用1—10号岩样进行参数验证)，结果为：λ1=0.119 9、λ2=5.789 2、λ3=-2.925 0、λ4=-2.097 4、λ5=0.184 3、λ6=0.308 1。同时，求取SDR模型与Timur-Coates模型在该地区的经验参数m1，m2，m3，n1，n2和n3，分别为0.000 1，5.457 9，-1.554 4，0.004 7，5.044 0和6.014 4。利用上述3种模型对26块砂岩岩样的渗透率进行预测，以检验模型的准确度，预测效果见图6。

由图6可知：Timur-Coates模型预测效果最差，相对误差为136.74%；SDR模型次之，相对误差为87.47%；基于单元体模型理论推导的REV模型无论在低渗透率—特低渗透率区域，还是在高渗透率区域，精度均优于SDR模型与Timur-Coates模型，26个样本总相对误差仅为33.49%。可见，REV模型与SDR模型、Timur-Coates模型相比优势明显。

图6　3种模型预测渗透率与实际渗透率的对比Fig.6　Comparison of core permeability and predicted permeability with three kinds of models

4　实例分析

从图7可以看出，Timur-Coates模型与SDR模型预测的储层渗透率与岩心分析得到的空气渗透率之间差异明显，预测结果误差较大，而利用REV模型预测的渗透率曲线与岩心分析得到的空气渗透率较为吻合，证明该方法预测精度较高。

图7　不同渗透率预测模型在A井的应用效果Fig.7　The application effect of different permeability models in Well A

5　结　论

1) 基于单元体模型的核磁共振测井渗透率评价方法，即REV模型中，谱面积S更好地反映了岩样的孔隙结构，与渗透率存在着较好的关系；胶结指数m能反映毛管间的差异，从而对渗透率进行约束。应用该单元体模型时，不应将胶结指数取为定值。

2) 通过对比计算渗透率和岩心分析渗透率，可知REV模型的相对误差远低于SDR模型和Timur-Coates模型。

3) 应用实例证明，与SDR模型和Timur-Coates模型相比，REV模型预测的渗透率与岩心分析渗透率更为吻合，且吻合程度较高，值得推广应用。

References

[1]王新江，张丽萍，石京平.海拉尔油田孔隙结构特征分析[J].大庆石油地质与开发，2007，26(6)：91-94.WANG Xinjiang,ZHANG Liping,SHI Jingping.Analysis of pore structure characteristics in Hailaer Oilfield[J].Petroleum Geology & Oilfield Development in Daqing,2007,26(6):91-94.

[2]刘晓鹏，胡晓新.近五年核磁共振测井在储集层孔隙结构评价中的若干进展[J].地球物理学进展，2009，24(6)：2194-2201.

LIU Xiaopeng,HU Xiaoxin.Progress of NMR log in evaluating reservoir pore structure in the last five years[J].Progress in Geophysics,2009,24(6):2194-2201.

[3]申本科，赵红兵，崔文富，等.砂砾岩储层测井评价研究[J].地球物理学进展，2012，27(3)：1051-1058.

SHEN Benke,ZHAO Hongbing,CUI Wenfu,et al.Sandy conglomerate reservoir logging evaluation study[J].Progress in Geophysics,2012,27(3):1051-1058.

[4]陈欢庆，曹晨，梁淑贤，等.储层孔隙结构研究进展[J].天然气地球科学，2013，24(2)：227-237.

CHEN Huanqing,CAO Chen,LIANG Shuxian,et al.Research advances on reservoir pores[J].Natural Gas Geoscience,2013,24(2):227-237.

[5]COATES G R，GALFORD J，MARDON D，et al.A new characterization of bulk-volume irreducible using magnetic resonance[J].The Log Analyst，1998，39(1):51-63.

[6]KENYON W E，DAY P I，STRALEY C，et al.A three-part study of NMR longitudinal relaxation properties of water-saturated sandstones[R].SPE 15643，1988.

[7]谢伟彪，周凤鸣，司兆伟，等.基于数理推导的砂岩地层渗透率计算新模型[J].测井技术，2014，38(5)：553-557.

XIE Weibiao,ZHOU Fengming,SI Zhaowei,et al.New calculation model of permeability in sandstone formation by the mathematical derivation[J].Well Logging Technology,2014,38(5):553-557.

[8]朱林奇，张冲，何小菊，等.基于动态孔隙结构效率的核磁共振测井预测渗透率方法[J].新疆石油地质，2015，36(5)：607-611.

ZHU Linqi,ZHANG Chong,HE Xiaoju,et al.NMR logging permeability prediction method based on dynamic pore structure efficiency[J].Xinjiang Petroleum Geology,2015,36(5):607-611.

[9]卢文东，肖立志，李伟，等.核磁共振测井在低孔低渗储层渗透率计算中的应用[J].中国海上油气，2007，19(2)：103-106.

LU Wendong,XIAO Lizhi,LI Wei,et al.An application of NMR logging to calculating permeability in low porosity and low permeability reservoir[J].China Offshore Oil and Gas,2007,19(2):103-106.

[10]肖亮，刘晓鹏，毛志强.结合NMR和毛管压力资料计算储层渗透率的方法[J].石油学报，2009，30(1)：100-103.

XIAO Liang,LIU Xiaopeng,MAO Zhiqiang.A computation method for reservoir permeability by combining NMR log and capillary pressure data[J].Acta Petrolei Sinica,2009,30(1):100-103.

[11]李潮流，徐秋贞，张振波，等.用核磁共振测井评价特低渗透砂岩储层渗透性新方法[J].测井技术，2009，33(5)：436-439.

LI Chaoliu,XU Qiuzhen,ZHANG Zhenbo,et al.A new method on permeability analysis for sand reservoir with specially low permeability by NMR[J].Well Logging Technology,2009,33(5):436-439.

[12]LI Chaoliu,ZHOU Cancan,LI Xia,et al.A novel model for assessing the pore structure of tight sands and its application[J].Applied Geophysics,2010,7(3):283-291.

[13]邵维志，解经宇，迟秀荣，等.低孔隙度低渗透率岩石孔隙度与渗透率关系研究[J].测井技术，2013，37(2)：149-153.

SHAO Weizhi,XIE Jingyu,CHI Xiurong,et al.On the relation of porosity and permeability in low porosity and low permeability rock[J].Well Logging Technology,2013,37(2):149-153.

[14]成志刚，罗少成，杜支文，等.基于储层孔喉特征参数计算致密砂岩渗透率的新方法[J].测井技术，2014,38(2)：185-189.

CHENG Zhigang,LUO Shaocheng,DU Zhiwen,et al.The method to calculate tight sandstone reservoir permeability using pore throat characteristic parameters[J].Well Logging Technology,2014,38(2):185-189.

[15]RUSH D,LINDSAY C,ALLEN M.Combining electrical measurements and mercury porosimetry to predict permeability[J].Petrophysics,2013,54(6):531-537.

[16]HUBBERT M K.Darcy’s law and the field equations of the flow of underground fluids[R].SPE 749，1956.

[17]李卫成，张艳梅，王芳，等.应用恒速压汞技术研究致密油储层微观孔隙结构特征：以鄂尔多斯盆地上三叠统延长组为例[J].岩性油气藏，2012，24(6)：60-65.

LI Weicheng,ZHANG Yanmei,WANG Fang,et al.Application of constant-rate Mercury penetration technique to study of pore throat characteristics of tight reservoir:a case study from the upper Triassic Yanchang Formation in Ordos Basin[J].Lithologic Reservoirs,2012,24(6):60-65.

[18]PURCELL W R.Capillary pressures their measurement using mercury and the calculation of permeability there from[R].SPE 949039,1949.

[19]陈继华，陈政，毛志强.低孔隙度低渗透率储层物性参数与胶结指数关系研究[J].测井技术，2011，35(3)：238-242.

CHEN Jihua,CHEN Zheng,MAO Zhiqiang.On the relation between cementation exponent m and petrophysical parameters of low permeability and low porosity reservoir[J].Well Logging Technology,2011,35(3):238-242.

[20]ARCHIE G E.The electrical resistivity log as an aid in determining some reservoir characteristics[R].SPE 942054,1942.

[21]SWANSON B F.A simple correlation between permeabilities and Mercury capillary pressure[J].Journal of Petroleum Technology,1981,40(12):2498-2503.

[22]魏虎，孙卫，屈乐，等.靖边气田北部上古生界储层微观孔隙结构及其对生产动态影响[J].地质科技情报，2011，30(2)：85-90.

WEI Hu,SUN Wei,QU Le,et al.Micro-pore structure characteristics and its influence on gas well production performance in the northern part of sandstone reservoir in Jingbian Gas Field[J].Geological Science and Technology Information,2011,30(2):85-90.

[23]孙建国.阿尔奇(Archie)公式:提出背景与早期争论[J].地球物理学进展，2007,22(2)：472-486.

SUN Jianguo.Archie’s formula:historical background and earlier debates[J].Progress in Geophysics,2007,22(2):472-486.

[24]HOFMAN J,SLIJKERMAIL W,LOOYESTIJN W,et al.Constructing capillary pressure curve from NMR log data in the presence of hydrocarbons:SPWLA-1999-KKK[R].Oslo,Norway:SPWLA 40th Annual Logging Symposium，1999.

[25]朱林奇，张冲，石文睿，等.结合压汞实验与核磁共振测井预测束缚水饱和度方法研究[J].科学技术与工程，2016，16(15)：22-29.

ZHU Linqi,ZHANG Chong,SHI Wenrui,et al.Study on the prediction of irreducible water saturation by combing Mercury intrusion and NMR logging data[J].Science Technology and Engineering,2016,16(15):22-29.

[26]王宪刚，任晓娟，张宁生，等.低渗透率气藏岩石电性参数特征及影响因素[J].测井技术，2010，34(1)：6-8，30.

WANG Xiangang,REN Xiaojuan,ZHANG Ningsheng,et al.On rock electrical parameters characteristics in low-permeability gas reservoir and its influential factors[J].Well Logging Technology,2010,34(1):6-8,30.

[27]刘忠华，吴淑琴，杜宝会，等.储层渗透性与地层因素关系的实验研究与分析[J].地球物理学报，2013，56(6)：2088-2097.

LIU Zhonghua,WU Shuqin,DU Baohui,et al.Experimental study on the relationship between reservoir permeability and its formation resistivity factor[J].Chinese Journal of Geophysics,2013,56(6):2088-2097.

[28]罗少成，成志刚，林伟川，等.复杂孔隙结构储层变岩电参数饱和度模型研究[J].测井技术，2015，39(1)：43-47.

LUO Shaocheng,CHENG Zhigang,LIN Weichuan,et al.Research on saturation model of variable rock-electric parameters for reservoirs with complicated pore structures[J].Well Logging Technology,2015,39(1):43-47.

[29]李雄炎，秦瑞宝，毛志强，等.高精度胶结指数模型的建立与应用[J].石油学报，2014，35(1)：76-84.

LI Xiongyan,QIN Ruibao,MAO Zhiqiang,et al.Establishment and application of a high-precision cementation exponent model[J].Acta Petrolei Sinica,2014,35(1):76-84.

[30]VASCONCELOS J A，RAMREZ J A，TAKAHASHI R H C，et al.Improvements in genetic algorithms[R].IEEE Transactions on Magnetics，2001，37(5)：3414-3417.

[31]MOGBOLU P O，AKINOL O，UGURU C.Application of genetic algorithm in deconvolution of logs[R].SPE 150743，2011.

[32]张冲，张占松，张超谟.基于等效岩石组分理论的渗透率解释模型[J].测井技术，2014，38(6)：690-694.

ZHANG Chong,ZHANG Zhansong,ZHANG Chaomo.A permeability interpretation model based on equivalent rock elements theory[J].Well Logging Technology,2014,38(6):690-694.

[编辑令文学]

An NMR Logging Permeability Evaluation Method Based on the Representative Elementary Volume Model

ZHU Linqi1, 2, ZHANG Chong1, 2, HU Jia3, WEI Yang1, 2, GUO Cong1, 2

(1.KeyLaboratoryofMinistryofEducationforOilandGaResourcesExplorationTechnologies(YangtzeUniversity)，Wuhan,Hubei, 430100,China; 2.InstituteofGeophysicsandPetroleumResources,YangtzeUniversity,Wuhan,Hubei, 430100,China; 3.ExplorationandDevelopmentResearchInstitute，PetroChinaJilinOilfieldCompany,Changchun,Jilin,124000,China)

In order to solve the problem that permeability calculation models have low accuracy for low porosity and low permeability reservoirs, a mathematical model for predicting reservoir permeability has been established by using NMR logging data to characterize spectral area S and cementation exponent on the basis of a study of the representative elementary volume model (REV model). The relationship of each parameter from the REV model and permeability has been analyzed, and the calculation method for all parameters in the model was taken into consideration. The REV model was compared with the classical Timur-Coates and SDR models, the study results indicated that there was a power function relationship between spectral area and permeability, with the correlation coefficient of 0.88. Given a certain of spectral area and porosity, the cementation exponent has a linear relationship with permeability, with a correlation coefficient of 0.82. The value of reservoir permeability is determined by both the spectral area and cementation exponent. There is a good consistency in the change among permeability, spectral area and the cementation index. The study results showed that the accuracy of permeability calculation by REV model was significantly higher than Timur-Coates and SDR models, which is worthy of popularization and application.

nuclear magnetic logging; representative elementary volume model; spectrum area; cementation exponent; porosity; permeability

2015-12-28；改回日期：2016-06-09。

朱林奇(1993—)，男，湖北荆州人，2014年毕业于长江大学勘查技术与工程专业，在读硕士研究生，主要从事核磁共振测井解释、机器学习方法的测井应用和数字岩心方面的研究。E-mail:445364694@qq.com。

张冲，yzlogging@163.com。

国家自然科学基金项目“致密气储层岩石导电机理研究及饱和度评价”(编号：41404084)、湖北省自然科学基金项目“基于等效岩石单元模型的渗透率测井评价方法研究”(编号：2013CFB396)资助。

doi:10.11911/syztjs.201604021

P631.8+13；TE311+.2

A

1001-0890(2016)04-0120-07

◀测井录井▶