鄂尔多斯南部正宁地区长6致密储集层裂缝识别

刘 义,谢润成,2，巫崇雨，魏 笑，张运周(成都理工大学.能源学院;2.油气藏地质及开发工程国家重点实验室;.沉积学院，四川成都60059)

鄂尔多斯南部正宁地区长6致密储集层裂缝识别

刘 义1,谢润成1,2，巫崇雨1，魏 笑1，张运周3
(成都理工大学1.能源学院;2.油气藏地质及开发工程国家重点实验室;3.沉积学院，四川成都610059)

利用岩心、常规测井资料，对井下裂缝测井特征进行了详细分析，利用电阻率、声波时差和密度三类参数进行裂缝识别研究，并以此为基础建立了龟裂系数、次生空间发育程度和八侧向电阻率比值三种裂缝特征参数，扩大了裂缝响应信号.建立的岩心-裂缝测井响应-裂缝特征参数组建-裂缝线性+非线性方法结合的裂缝判识思路，保证了裂缝识别精度达到87%以上，为储集层致密背景下的裂缝有效识别提供重要依据.

裂缝特征参数；裂缝识别；致密储集层；正宁地区；长6

正宁地区构造上处于鄂尔多斯盆地南部渭北隆起与伊陕斜坡过渡带，为东高西低的单斜，区内褶皱发育存在小型鼻隆构造.[1]延长组长6为典型的致密低渗储集层，岩石学特征表现为磨圆分选极差、粒径极细、成熟度低.地下天然裂缝的发育与否直接制约着储集层的开发进程.[2-3]现有的勘探实践已表明裂缝的发育度影响其储集或渗透性能，且是油藏高产的关键地质因素.[4-5]但致密低渗储集层裂缝的发育规律相当复杂，井下裂缝的判识显得尤为困难.前人对低渗透储层裂缝识别进行过大量研究，[6-10]然而不同油气区块的储集层条件存在差异的，建立的识别方法难以推广.正宁地区长6储集层裂缝识别、预测评价等研究还处于起步阶段，并长期滞后于油田的勘探开发，在生产实践中产生了许多矛盾和难解问题.因此基于实际的钻录资料，从线性和非线性综合判识相结合的角度出发，建立了适于类似长6低孔低渗储集层的裂缝综合判识方法，可为研究区开发部署提供重要评价依据.

1 裂缝测井响应特征

不同测井系列井下天然裂缝的响应比较微弱，但从其机理上是具有反映的.例如裂缝发育段声波测井系列所测时差会明显增大出现周波跳跃；而密度测井所测岩石体积密度在裂缝发育段明显减小等.裂缝信息在常规测井系列上的响应同反映地层变化的慢变信号相比通常表现为小幅度、高频率的高频微弱信号.裂缝识别本质则需要从不同系列的测井曲线上分离提取这些信号，根据对这些信号的分析和处理识别井剖面的裂缝发育段.理清裂缝信息在测井系列的响应特征是进行裂缝有效识别的关键.

正宁延长组长6储集层裂缝以斜交裂缝为主，倾角集中在30～70度，多为未充填，在岩心归位和测井曲线标准化的基础上，提取裂缝与非裂缝段的测井信息加以分析.多测井系列交会分析显示：裂缝段表现为高声波、低密度和较低电阻，其中声波时差对裂缝信息最为敏感.声波时差与深感应测井交会图版中裂缝段与非裂缝段分区最为明显，非裂缝段声波时差小于230μs/m，深感应电阻率值大于30Ω·m.密度与八侧向测井交会图版中裂缝段与非裂缝段的分区则略显混乱，但裂缝段密度值偏低，多小于2.55g/cm3；八侧向电阻率值多小于35Ω·m，表现为相对非裂缝段的低值特征(图1).

图1 正宁地区长6段裂缝测井响应特征

2 裂缝特征参数

由于地层条件复杂且存在各向异性，而裂缝的发育规律又具有随机性，层理、岩性界面等众多因素的影响易导致测井信息的多解性，因而或多或少会降低对井下裂缝进行探测、识别和解释的精度和成功率.裂缝识别有效的测井方法有很多，但由于正宁区块特殊测井资料匮乏，且成本较高，因而借助常规测井资料进行裂缝精细判识则具有非常重要的意义.正宁地区常规测井裂缝响应特征和在实际的应用中已发现，单一的常规测井曲线对裂缝识别的成功率并不高，这主要由于裂缝在单一测井曲线上的响应信号强弱存在差异，且易受到其他地质信息的影响.因而有必要对单一的测井系列进行组合，扩大裂缝测井信号，形成对裂缝信息敏感的裂缝特征参数，为建立定量的裂缝判识模型提供依据.在对长6储集层裂缝测井响应特征分析的基础上，根据实际情况优选了3种对裂缝最为敏感的特征参数.

(1)龟裂系数S 利用地层岩石纵波波速(Vp)与其骨架纵波速度(Vρma)之比构建的龟裂系数可用以评价地层岩石的完整性，具体形式表示为：S=(Vp/Vρma)2，根据纵波时差与波速之间的倒数关系，该式还可改写为：S=(Δtma/Δtp)2；式中Δtp，Δtma分别表示地层声波时差和岩石骨架声波时差.龟裂系数S越大，地层声波速度与岩石骨架声波速度越相近，反映岩石较为完整；而S值减小则反映地层岩石破裂越严重，裂缝越发育.

(3)八侧向电阻率比值(LL8极小/LL8) 八侧向测井为浅探测聚焦测井，用以反映井壁介质的电阻率变化，尤其在致密砂岩储集层，裂缝的存在会使其探测到的电阻率值降低.为了扩大这一裂缝信号，考虑八侧向探测电阻率极小值与解释层段八侧向电阻率值之比.

三大裂缝特征参数值计算表明：组合的裂缝特征参数更能反映裂缝信息，裂缝段龟裂系数一般小于0.63，平均为0.6，非裂缝段龟裂指数大于0.65，平均为0.68；裂缝段次生空间发育程度明显大于非裂缝段，平均为0.13；八侧向电阻率比值在裂缝段表现为高值，平均为0.47，而非裂缝段则为低值特征，平均仅为0.27(表1).

表1 裂缝与非裂缝样本特征参数值表

注：1表示裂缝，2表示非裂缝

3 裂缝识别

ANN(人工神经网络)法已广泛应用于储层参数解释、测井评价等方面，其中最直观最实用的算法是BP模型.[11]BP模型的学习过程需要根据已有学习样本，按规定好的预测指标计算方法，自输入层到隐含层，最后到输出层的方向进行计算，按照逐步减少希望输出与实际输出误差的原则，逐层修正各部位的连接权，使其具备非线性模式的识别能力.利用BP神经网络对裂缝与非裂缝进行有效判识，必须考虑初始值、设计网络层数、各层神经元个数以及学习速率等多个方面.针对正宁长6储集层裂缝判识所设计的网络结构为3层(包括输入层、隐含层和输出层)，选用的输入参数即前述优选的裂缝特征参数：龟裂系数S，次生空间发育程度PZ，八侧向电阻率比值(LL8极小/LL8).因此输入结点设为3个，隐含结点数通常为输入结点的2倍，输出结点取2个，这2个输出为二进制数，代表神经网络输出的裂缝类型.利用以上设计思路建立BP神经网络裂缝识别模型，并对样本进行识别，识别正确率为96.43%，可用于单井裂缝预测.BP模型单井裂缝识别结果表明，结合裂缝特征参数的非线性裂缝类型判识模型具有较高精度(图3)，单井裂缝识别发育段与岩心裂缝段在深度上是保持一致的，具有岩心资料的单井裂缝识别吻合率均在90%以上.

地层条件极其复杂，依据多种方法对裂缝进行判识可以大大提高识别的可靠性.[12-13]这里进一步考虑贝叶斯算法的多元判别，仍选用前述三类裂缝特征参数建立裂缝判识函数方程(如下式).若F1(归为裂缝的函数方程)>F2(归为非裂缝的函数方程)时，可判别为裂缝；若F1

F1=-2128.624+5979.99*S+5000.894*Pz-51.681*(LL8极小/LL8)

F2=-2203.315+6107.113*S+4968.690*Pz-63.150*(LL8极小/LL8)

但仅根据判别函数方程进行裂缝识别还不准确，需构建一条裂缝判识概率曲线.这一构建过程主要是计算待判层段(y*)归入“裂缝”的概率，根据裂缝类型的划分(1表示裂缝，2表示非裂缝)采用下式进行计算：P1=100*eF1(y*)/(eF1(y*)+eF2(y*))，其中F1(y*)，F2(y*)依次表示为待判层段(y*)归为裂缝、非裂缝的函数值，P1表示裂缝判识概率.判识样本的裂缝判识概率计算和分析表明，概率值大于0.85时，可作为判识裂缝与非裂缝的临界值(图2).

图2 龟裂系数S与裂缝判识概率P1交会图版

图3 正宁X7井长6储集层裂缝综合识别剖面

基于裂缝特征参数的优选，结合非线性BP网络裂缝识别模型和线性多元判别下构建的裂缝判识概率曲线可对长6储集层裂缝段进行有效识别.BP模型和判别概率识别裂缝段与岩心裂缝段吻合率分别为87.5%和90.34%.图3为正宁X7井裂缝综合识别剖面，该段裂缝主要发育在井段1241～1246m处，龟裂系数低，岩石完整性差，次生空间发育程度相对高值，八侧向比值也显示相对高值.BP非线性单井识别易对相近井段进行连续识别，造成裂缝发育段识别过长，需要结合线性与非线性识别方法进行综合识别.以线性与非线性数学理论为手段，以岩心资料为支撑，以裂缝特征参数为基础的裂缝综合判识模型适用于正宁区块长6致密砂岩储集层的复杂背景.

4 结论

(1)正宁长6储集层裂缝测井响应特征表现为高声波时差(一般大于230μs/m)、低密度(小于2.55g/cm3)和低八侧向电阻率(小于35Ω·m)，由此构建的裂缝特征参数(龟裂系数，次生空间发育程度和八侧向比值)对裂缝信息更为敏感.

(2)以裂缝特征参数为基础的非线性BP神经网络裂缝识别模型样本识别准确率96.43%，识别成果与岩心裂缝段吻合率为87.5%；线性多元判别法样本回判率为100%，裂缝判别概率识别裂缝段与岩心吻合率高达90.34%.基于裂缝测井响应特征分析和裂缝特征参数构建，建立了一套适合于致密砂岩储集层的岩心-裂缝测井响应-裂缝特征参数组建-裂缝线性+非线性方法结合的裂缝判识思路.

[1] 杨 华,傅 强,付金华.鄂尔多斯晚三叠世盆地沉积层序与油气成藏[M].北京:石油工业出版社，2003：145-150.

[2] 卢颖忠,黄智辉,管志宁.用常规测井资料识别裂缝发育程度的方法[J].测井技术,2000(6):428-432.

[3] 孙焕泉,王加滢.地下构造裂缝分布规律及其预测[J].大庆石油学院学报,2000(3):83-85.

[4] 姜耀俭,庞庆山,朱庆杰,等.轮南奥陶系裂缝的综合定量分析[J].大庆石油学院学报,2002(3)：1-4.

[5] 钟淑敏,綦敦科,王秀娟.应用常规测井资料识别砂泥岩储层裂缝方法[J].大庆石油地质开发,2005(1):98-100.

[6] 原宏壮,陆大卫,张辛耘,等.测井技术新进展综述[J].地球物理学进展,2005(3):786-795.

[7] 张 冲,谢润成,朱 涛，等.川东北元坝气田须家河组主力储层参数测井精细解释[J].四川文理学院学报,2014(5):49-55.

[8] 王时林,秦启荣,苏培东.储层裂缝识别与预测[J].断块油气田,2009(5):31-33.

[9] 周 文.裂缝性油气储集层评价方法[M].成都:四川科学技术出版社,1998:108-111.

[10]许君玉.松辽盆地十屋油田营城组裂缝识别[J].新疆石油地质.2012(1):65-68.

[11]靳秀菊,王寿平,毕建霞,等.礁滩相储层裂缝识别方法研究[J].断块油气田,2011(2):165-168.

[12]黄建红，王洪辉，曾剑毅，等.一种致密碎屑岩储层产能预测的新方法——以新场气田沙溪庙组为例[J].四川文理学院学报，2009(5)：114-117.

[13]刘守川，罗小平，张延东，等.辽中凹陷原油物性特征及其控制因素[J].四川文理学院学报，2011(5)：74-78.

[责任编辑 范 藻]

Fracture Identification of Tight Reservoir in Chang 6, South of Ordos Basin

LIU Yi1, XIE Runcheng1,2, WU Chongyu1,WEI Xiao1，ZHANG Yunzhou3

(1. Energy Resource School;2. State Key Laboratory of Oil and Gas Reservoir Geology and Exploration; 3. Sedimentary Geology School, Chengdu University of Technology, Chengdu Sichuan 610059, China)

This article uses core and conventional log data to analyze fracture logging characteristics in detail, and preliminarily to determine using resistivity, density and acoustic time for fracture identification. The establishment of crocodile factor, secondary space development degree and eight lateral resistivity ratio expand fracture response signal. Core-fracture logging response-fracture characteristic parameters formation-linear+nonlinear fracture identification method is set up which ensure the fracture identification accuracy above 87%. This study can provide important basis for fracture identification under the background of tight reservoir.

fracture characteristic parameters; fracture identification; tight reservoir; Zhengning area; Chang 6

2016-12-28

刘 义(1993—)，男，四川绵阳人.硕士研究生，主要从事油气田开发研究.

TE112.23

A

1674-5248(2017)02-0029-04