细粒沉积岩性识别新方法与储集层甜点分析——以渤海湾盆地沧东凹陷孔店组二段为例

赵贤正，蒲秀刚，韩文中,，周立宏，时战楠，陈世悦，肖敦清

（1. 中国石油大港油田公司，天津 300280；2. 中国石油大学（华东），山东青岛 266580）

细粒沉积岩性识别新方法与储集层甜点分析
——以渤海湾盆地沧东凹陷孔店组二段为例

赵贤正1，蒲秀刚1，韩文中1,2，周立宏1，时战楠1，陈世悦2，肖敦清1

（1. 中国石油大港油田公司，天津 300280；2. 中国石油大学（华东），山东青岛 266580）

在渤海湾盆地沧东凹陷古近系孔店组二段500 m系统取心、上千块次薄片鉴定、X射线衍射分析基础上，提出了用声波时差、密度等常规测井资料定量计算细粒沉积矿物含量的简易方法，建立岩性快速识别“绿模式”。通过测井曲线标准化并与X射线衍射分析实测矿物含量定量关系拟合，计算无取心段/井矿物含量，从而进行岩性识别。应用该方法在沧东凹陷孔二段细粒沉积区识别出多个白云岩甜点段和 1个砂岩甜点段，实钻均获较高产油流，研究表明，白云岩平面上局部富集、呈带状展布。该方法适用于前三角洲—湖盆中心细粒沉积岩发育区，尤其适用于半深湖—深湖相砂质含量少、以泥-灰云质为主的细粒沉积岩的岩性识别。图10表2参25

细粒沉积；岩性识别；白云岩；致密油；储集层甜点；古近系孔店组；沧东凹陷；渤海湾盆地

0 引言

随着全球非常规油气勘探开发的深入，细粒沉积已成为继勘探开发程度较高的河流、三角洲等粗粒沉积之后另一重要前沿领域[1-6]。扫描电镜、X射线衍射分析（XRD）、压力脉冲衰减法等实验分析技术及元素俘获谱测井（ECS）、核磁共振测井、阵列声波测井等方法的应用，大大提高了细粒沉积研究的精度，对其矿物组成、岩石分类、沉积环境、储集层特征、甜点分布等也有了更深入的认识[7-13]。细粒沉积研究的关键是岩性识别，它是进行甜点评价预测、探井部署的基础。目前常规测井岩性识别方法主要有交会图法、曲线重叠法、判别分析法、数理统计法、模糊识别、聚类分析、人工神经网络等[14-17]，这些方法各有其优势和局限性，多应用于粗粒沉积区常规砂泥岩剖面，而湖相细粒沉积岩性识别多应用ECS或核磁测井或成像测井等特殊测井方法以提高岩性解释的精度[18-20]，但这些测井系列费用较高，故并非必测项目，且老井一般没有这些测井系列，从而制约了这种岩性识别方法的推广应用。本文在渤海湾盆地沧东凹陷古近系孔店组二段（以下简称孔二段，Ek2）500 m系统取心岩心描述、样品归位、薄片鉴定、XRD分析的基础上，提出一种基于常规测井资料，利用曲线叠合幅度差与实测矿物成分相关关系进行细粒沉积岩性识别的新方法，并应用该方法对孔二段进行岩性识别和（泥质）白云岩储集层甜点平面分布研究，为细粒沉积区致密油勘探提供参考。

1 地质概况

沧东凹陷为渤海湾盆地黄骅坳陷的一个次级构造单元，夹持于沧县隆起、徐黑凸起及孔店凸起之间，是在区域性拉张背景下发育的一个新生代陆内断陷湖盆[21-23]（见图 1）。孔二段沉积期，沧东凹陷为内陆封闭湖盆，处于亚热带半干旱—潮湿环境，在此环境下沉积了一套以暗色泥页岩为主，夹薄—中层粉砂岩、中细砂岩及泥质白云岩的沉积建造，厚400～600 m，分布稳定。环湖发育多个三角洲朵叶体沉积，沉积相自湖盆边部至湖盆中心具有规律性变化，湖盆边部主体发育三角洲前缘亚相，是以中细砂岩为主的常规砂岩发育区；湖盆中部主体发育前三角洲亚相及半深湖亚相，为主力烃源岩发育区，以泥页岩、泥质白云岩为主，是孔二段主力致密岩相区；其间为过渡带，主要发育三角洲前缘远端、重力流沉积。

沧东凹陷孔二段为一完整的三级层序（SQEk2），为孔店组最大湖泛期沉积，从下至上可细分为 4个四级层序（SQEk24、SQEk23、SQEk22、SQEk21）。SQEk24为低位体系域，主要为三角洲前缘沉积，以灰色细砂岩与灰色泥岩组合为主。SQEk23—SQEk22为湖侵体系域，其顶面是孔店组最大湖泛面，岩心观察证实为厚约30 cm的黑色—深灰色高TOC泥页岩，该时期沉积了一套半深湖相细粒沉积，以泥页岩、泥质白云岩为主，顶部发育重力流粉细砂岩。SQEk21为高位体系域，下部以白云岩、泥页岩互层为主，随着基准面下降，上部则沉积一套浅湖相泥岩，顶部见三角洲前缘薄层砂体。根据岩性组合、TOC、矿物成分变化特征，SQEk2可进一步识别出10个五级层序，分别为SQ①—SQ⑩（见图2）。

2 实验条件

首先对GX-A井500 m系统取心进行剖切，即在岩心1/3位置剖开，其中1/3保留并进行岩心描述，其余2/3用于取样分析；其次，在岩心描述基础上进行测井归位，根据岩性变化及测井曲线特征取薄片、XRD、物性样品 1 200余块，为最大限度保证薄片、XRD、物性分析的一一对应，钻取直径2.5 cm标准柱样后分别切割出薄片及XRD所需尺寸的样品，其余用于物性分析。薄片鉴定、XRD、物性分析由中国石油大学（华东）国家重点实验室完成。

XRD分析仪器为X'pert Pro MPD，使用CuKα射线，实验条件为电压40 kV，电流40 mA，2θ（矿物衍射角）测量范围5°～60°，2θ采样步宽0.016°；物性分析仪器分别是QKY-Ⅱ型气体孔隙度仪、STY-Ⅱ气体渗透率测量仪，精度分别是0.5%和0.01×10-3μm2，测量压力分别为0.7 MPa和1.0 MPa。分析测试数据如图2所示。

3 岩性特征

细粒沉积岩是指粒径小于0.062 5 mm的颗粒含量大于 50%的沉积岩，主要由黏土（粒径小于 0.004 0 mm）、粉砂（0.004 0～0.062 5 mm）等陆源碎屑颗粒或盆地内生的碳酸盐、生物硅质、磷酸盐等颗粒组成，主要岩性为泥页岩、粉砂岩、碳酸盐岩及其过渡岩类，但不包括滨岸高能环境下形成的碳酸盐岩（生物碎屑灰岩、鲕粒灰岩及其成岩后生白云岩类等），其主要发育在前三角洲—半深湖—深湖区。由于细粒沉积岩粒度极细，常规薄片难以准确鉴定其矿物含量，而XRD是根据不同矿物的特征衍射图谱及矿物含量与其衍射峰强度呈正比关系的原理来获得样品的矿物组成并计算其含量的一种定量分析方法，可识别多种矿物成分。XRD分析表明，细粒沉积岩组成矿物成分主要有石英、长石、方解石、白云石、黏土矿物等 5种基本矿物以及黄铁矿、菱铁矿、沸石、石膏等副矿物。沧东凹陷孔二段细粒沉积岩XRD分析表明，各矿物平均含量分别为：黏土矿物16%，石英+长石33%，方解石+白云石35%，方沸石14%，黄铁矿+菱铁矿2%。不同地区不同沉积环境下的矿物组成有一定区别，但整体上过渡岩性占主导，无明显优势矿物成分，黏土矿物含量一般小于30%。

图1 沧东凹陷构造简图及孔二段沉积体系图

图2 GX-A井测录井、实验数据及层序划分综合图

前人对沧东凹陷孔二段半深湖—深湖相细粒沉积岩的认识多通过录井资料、少量的岩心及井壁取心资料，认为该区 SQEk2主要为一套深灰色泥岩与灰褐色油页岩的岩性组合，通过新一轮厘米级岩心描述、普通薄片与XRD系统分析，认为这套地层主要由约30%的泥页岩、40%（含砂屑）白云质泥岩和 30%（含砂屑）泥质白云岩及白云岩组成，（泥质）白云岩与（白云质）泥页岩多成纹层状、互层状。纵向上SQEk22白云岩发育厚度最大，SQEk21和SQEk23白云岩类集中发育的同时，泥页岩亦集中发育[13,24]。

4 岩性识别

4.1 测井识别岩性原理

不同岩石的矿物成分及含量不同，而不同的矿物成分具有明显不同的声波、密度、放射性、中子吸收特性等地球物理信息，因此，宏观上，泥页岩、碳酸盐岩、砂岩等测井响应具有规律变化（见表1）。三孔隙度（声波时差、密度、中子）测井虽多用于常规砂岩孔隙度的计算，但其测井响应反映了岩性、物性、流体性质等综合信息，当一种信息减弱或被抑制时，另外一种信息才能更突出地反映出来。对于细粒沉积岩，孔隙度一般小于 10%，泥页岩孔隙度更小，一般小于 6%，因此三孔隙度测井对物性的响应相对较弱。含油气段的测井响应特征是声波时差值增大、密度值减小、中子测井孔隙度值增大，目前尚无法也无需对三孔隙度测井的含油气信息进行抑制，因为含油气明显的储集层，三孔隙度测井会有较明显的响应，反之，如三孔隙度测井反应不灵敏，但可通过电阻率或核磁共振、地质录井等信息综合判断油气对三孔隙度测井的影响程度，并结合弱含油气地区的岩性信息，通过多井对比进行岩性综合分析。因此，常规三孔隙度测井可用于细粒沉积岩的岩性识别。

表1 典型岩性测井响应特征表

从泥页岩过渡到碳酸盐岩，声波时差值逐步减小，密度值逐步增大，中子孔隙度值逐步减小，在图3所示的显示模式下，即声波测井与密度测井的刻度同向增大，而中子孔隙度测井的刻度反方向增大，三孔隙度测井曲线相对位置变化规律为：声波测井曲线先在密度（中子孔隙度）测井曲线右边后变为在密度（中子孔隙度）曲线左边；声波测井曲线与密度（中子孔隙度）曲线之间的距离大小（相对幅度差）呈现出大→小→大的规律变化。这种声波-密度、声波-中子孔隙度或密度-中子孔隙度（具体选择曲线对时，应取密度与中子孔隙度刻度同向增大的）相对位置及距离大小的规律性变化反映了岩性的特征及矿物含量的变化。从泥页岩过渡到砂岩也具有相似规律。

4.2 测井识别方法

为表征三孔隙度测井曲线间相对位置及距离大小的变化，以声波时差、密度测井曲线为例（见图4），建立如下公式：

图 3 不同岩性典型测井特征示意图（Δt1＜Δt2，φN1＜φN2，ρ1＜ρ2）

图4 ΔL距离示意图

与ΔlgR（声波时差与电阻率曲线的幅度差）的含义相似，ΔL表示的是相互叠置（叠加）的声波、密度测井曲线的距离。（1）式可以看作是对密度和声波时差的归一化处理，即将测井数据转换为无量纲化指标。对于沧东凹陷孔二段半深湖—深湖相泥页岩-碳酸盐岩系列，选择声波时差的范围为 200～400 μs/m，密度的范围为2～3 g/cm3，则（1）式变为：

4.3 测井岩性识别

每种测井仪器都有其各自的纵向分辨率，一般情况下三孔隙度测井的纵向分辨率分别为：声波时差60 cm，中子孔隙度60 cm，密度45 cm，故测井信息其实是一定厚度内各岩性的综合响应，而岩心、薄片、XRD仅能反映一段/点的信息，为建立测井信息与岩性间关系，需要在岩心及分析测试归位基础上，两两对应分析，相互印证，根据主要岩石类型进一步归纳为测井级别的优势岩性（见图5）。某一测井段对应的碳酸盐、长英质、黏土等矿物成分，是以厚度为权重的各测试数据点的平均值。

在GX-A关键井系统薄片鉴定、XRD分析及样品归位基础上，建立基于测井信息的 ΔL与不同岩类XRD矿物成分间的定量关系：

由（3）式、（4）式可见，碳酸盐含量的计算公式相关性最高（见图6），故可以利用该关系式定量计算碳酸盐含量后进行测井岩性识别，或者直接利用ΔL进行岩性识别（见表2）。另外还可通过快速识别“绿模式”进行岩性定性判别，即当 ΔL＞0时，一般为泥质碳酸盐岩或碳酸盐岩，且距离越大，碳酸盐含量越高，此时将声波-密度曲线间充填为绿色；当ΔL＜0时，一般为白云质泥页岩或泥页岩，且距离越大，泥质含量越高，此时不充填声波-密度曲线（见图4）。

图6 ΔL与XRD矿物成分相关关系图

表2 基于ΔL的测井解释标准（泥页岩-碳酸盐岩系列）

本方法与ECS测井、成像测井等特殊测井系列相比，岩性识别结果吻合，同时具有快速直观、定量且容易推广应用的特点。从图 7可以看出，应用本文所述ΔL法解释的碳酸盐、长英质含量与ECS方法解释的矿物含量具有较好的一致性，岩性解释与电成像解释结果（FMI）具有很好的一致性，故本方法可用于细粒沉积岩性解释。由于本方法是“用老资料解决新问题”，故更易推广应用。

4.4 讨论

4.4.1 测井岩性识别方法的适用性

严格意义上，测井（ΔL）岩性识别方法在泥页岩-碳酸盐岩或泥页岩-砂岩的单一岩性系列适用性较好。对于泥页岩-碳酸盐岩/砂岩的混合岩性系列，该方法依然可以把泥页岩和碳酸盐岩、砂岩区分开，但是存在着把砂岩识别成碳酸盐岩或把碳酸盐岩识别成砂岩的可能。由于细粒沉积岩主要发育于前三角洲—半深—深湖相，岩性系列相对单一，即前三角洲相主要为泥页岩-砂岩系列，半深湖尤其是深湖相为泥页岩-碳酸盐岩系列（重力流沉积除外且岩性易识别），因此该方法适用于湖盆中部广泛发育的细粒沉积岩，尤其适用于半深湖—深湖相砂质含量较少的泥页岩-碳酸盐岩系列（见图8）。该定量方法以及“绿模式”是多种岩性判别方法的有益补充，需结合其他敏感曲线如自然伽马、电阻率等以更准确地进行岩性综合判别。

图7 GX-A井基于ΔL的测井岩性解释与岩心、ECS、FMI成像测井对比图

图8 四川盆地侏罗系XL101井（a）及歧口凹陷古近系Ch54×1井（b）岩性快速识别

4.4.2 测井、岩心、薄片与XRD不同尺度的岩石命名

从测井到XRD，虽然对岩石分析的精度不断提高，对岩性的认识不断深入，但从实际应用的角度而言，测井级别的岩石分类、命名更实用，尤其是由单井到地震岩性反演。测井岩石分类与命名是以与测井精度相匹配的肉眼（岩心描述、薄片鉴定）可观察到的泥质、灰/云质和砂质三端元为基础，参考GB/T 17412.2—1998所述岩石命名标准[25]，以50%矿物含量作为岩石基本名称的分界，将本研究区测井尺度的岩石类型分为白云岩、泥质白云岩、白云质泥岩、泥页岩等 4大主要岩类（薄片及岩心级别的石英、长石等陆源碎屑含量较低且含量达 25%以上的样品占比也很低）。而XRD可识别出多达8种矿物成分，且XRD分析数据中的石英、长石与薄片鉴定的石英、长石不完全对应，既包括薄片可观察的石英、长石，又包括颗粒极细小的泥级石英、长石；方解石、白云石、方沸石含量亦包括肉眼可观察的结晶颗粒和不可观察的隐晶质两部分；黏土矿物则不同于薄片鉴定的泥质（粒径小于62.5 μm），仅指伊利石、蒙脱石、伊蒙混层、绿泥石、绿蒙混层等。一般情况下 3种方法鉴定的碳酸盐的含量大小有如下关系：岩心观察结果大于薄片鉴定结果，薄片鉴定结果大于XRD结果；长英质（石英+长石）含量大小有如下关系：岩心观察结果小于薄片鉴定结果，薄片鉴定结果小于XRD结果；泥质的含量大小有如下关系：岩心观察结果大于薄片鉴定结果，薄片鉴定结果XRD结果，因此XRD矿物成分分类界限要低于测井-岩心-薄片尺度的界限值。由于XRD分析所用样品量仅1～2 g，更容易受沉积岩宏观及微观非均质性影响，不能完全反映岩石的真实情况，因此需要综合 XRD、薄片、岩心、测井等信息进行综合判别。

本文岩性定名参考了GB/T 17412.2—1998分类方法，以XRD分析的优势矿物含量40%作为岩性分类的定量界限（相应薄片鉴定矿物成分界限值为50%）[25]，定性的岩性分类界限为ΔL=0。

4.4.3 推广应用

不同地区细粒沉积岩的岩性组合类型不同，沧东凹陷孔二段主要为泥页岩-白云岩组合，东营凹陷沙河街组为泥页岩-灰岩组合，四川盆地侏罗系大安寨段岩性组合为泥页岩-灰岩等，因此应用该方法进行岩性定量/定性快速解释时，可首先通过 XRD分析数据或薄片鉴定数据与各测井曲线的回归分析，选择适合本区的敏感曲线对，然后建立关键井（或综合多口井的信息）曲线距离与矿物成分之间定量关系，并对不同岩性段测井解释数据与实测数据进行对比分析，确定误差校正量以实现对岩石矿物成分的定量表征，之后建立以曲线距离或矿物成分为依据的岩石分类；最后进行测井曲线标准化，以实现无取心段/井的岩性快速识别。

为利用关键井所建立的拟合关系，减小不同测井仪器、不同测井环境引起的测井响应差异，需要进行测井曲线标准化，即通过分析各井标志层/段测井数据的频率分布，与关键井进行对比，确定其他井所需校正值。实际操作过程中，只需对测井曲线如声波时差、密度的左端刻度基值 Δt1、ρ1校正并确保刻度幅度(Δt2-Δt1)，（ρ2-ρ1）一致即可，原理如（5）式所示：

5 储集层甜点识别

碳酸盐岩是细粒沉积中较泥页岩更为重要的储集层，主要储集空间为晶间孔、裂缝、晶洞、粒间孔等，研究区孔二段碳酸盐岩类型主要为白云岩，孔隙度为4%～11%，而泥页岩孔隙度一般为2.0%～5.6%。在测井曲线标准化基础上，利用上述方法对细粒沉积区150余口无取心井孔二段岩性进行了定量解释，从图 9可以看出，以往录井解释的大套泥页岩，现在看来主要是一套“高丰度泥页岩夹（泥质）白云岩”组合，打破了以往细粒沉积区只发育烃源岩而储集层不发育的认识，从而为在细粒沉积区寻找致密油奠定了岩性认识基础。纵向上随着古气候、湖平面升降变化，白云石的含量亦交替变化，表现为白云岩、泥质白云岩与泥岩频繁互层，平均单层厚2.5 m，可识别出多个白云岩甜点（孔隙度大于6%，渗透率大于0.05×10-3μm2，含油饱和度大于 65%，脆性矿物含量大于60%，试油达工业油流标准）段和1个砂岩甜点段（见图9）。从SQ⑥白云岩平面分布图可以看出（见图 10），整个湖盆中部均发育有一定厚度的白云岩，厚度一般为5～27 m，占地层厚度比例平均为50%，但白云岩分布并不均匀，而是局部富集，呈带状展布，储集层甜点主要分布于GD-6井—GD-14井以及GX-A井—KN9井一带，这种分布规律与 SQ⑥沉积时期的古地形是密不可分的，白云岩（为灰岩经后期成岩作用而来）主要分布于斜坡20～50 m水深的中低部位或水下相对隆起区，水体越深反而越不利于白云岩的形成，而斜坡中高部位主要为三角洲相砂泥岩沉积。

图9 GD-13井测录井岩性解释柱状图

上述细粒沉积区储集层甜点识别结果为该区孔二段致密油勘探提供了重要地质认识基础，先后部署的KN-9井、GD-6井、GD-12井、GD-13井、GD-14井、GD-15井以及GX-A井均在白云岩段获得工业油流，其中GD-6井、GD-13井、GD-15井、KN-9井Ⅳ号甜点段压裂后分别获得日产32.6、10.5、8.8、5.5 t的较高产油流，GD-12井、GD-13井在Ⅱ甜点段压裂后也获得日产6.2、5.5 t的油流，同时在SQ⑧段、SQ⑤中上部白云岩段亦均获得突破（见图9），如GX-A井、GD-15井上砂岩甜点段压裂后日产油分别为 8.5 t和9.3 t，GX-A 井 SQEk23中部白云岩段压裂后日产油5.2 t（GD-6井为2 mm油嘴放喷求产，其余井均为25 MPa泵排求产）。测井综合解释来看，白云岩油层厚度一般都在30 m以上，差油层数百米，充分展示了沧东凹陷孔二段致密油良好的勘探潜力。

图10 研究区细粒区SQ⑥白云岩甜点厚度图

6 结论

通过测井曲线标准化并与X射线衍射分析实测矿物含量定量关系拟合，计算无取心段/井矿物含量，从而进行岩性识别，建立岩性快速识别“绿模式”。所建立的“绿模式”可更直观、快速定性识别岩石类型，纵向上易于辨识岩性组合，进而利于地层划分及高分辨率层序地层研究，横向上易于多井对比分析。应用该方法在沧东凹陷孔二段细粒沉积区识别出多个白云岩甜点段和 1个砂岩甜点段，整个湖盆中部均发育一定厚度的白云岩，储集层甜点主要分布于 GD-6井—GD-14井以及GX-A井—KN9井一带，实钻均获工业油流。该方法适用于前三角洲—湖盆中心细粒沉积岩发育区，尤其适用于半深湖—深湖相砂质含量少、以泥-灰云质为主的细粒沉积岩的岩性识别。

符号注释：

Cc——黏土矿物含量，%；Cca——碳酸盐含量，%；GR——自然伽马，API；L1——声波测井曲线到基线的距离，即归一化声波时差，无因次；L2——密度测井曲线到基线的距离，即归一化密度，无因次；r——复相关系数；Rt——电阻率，Ω·m；SP——自然电位，mV；ΔL——声波、密度测井曲线间距离，无因次；Δt——声波时差，μs/m；Δt′——待校正的声波时差，μs/m；Δt1——声波测井刻度最小值，μs/m；Δt2——声波测井刻度最大值，μs/m；Δtc——声波时差校正量，μs/m；Δρc——密度校正量，g/cm3；ρ——密度，g/cm3；ρ′——待校正的密度，g/cm3；ρ1——密度测井刻度最小值，g/cm3；ρ2——密度测井刻度最大值，g/cm3；φN——补偿中子孔隙度，%；φN1——补偿中子孔隙度测井刻度最小值，%；φN2——补偿中子孔隙度测井刻度最大值，%。

[1] 赵政璋, 杜金虎. 致密油气[M]. 北京： 石油工业出版社, 2012.ZHAO Zhengzhang, DU Jinhu. Tight oil and gas[M]. Beijing：Petroleum Industry Press, 2012.

[2] 贾承造, 郑民, 张永峰. 非常规油气地质学重要理论问题[J]. 石油学报, 2014, 35(1)： 1-10.JIA Chengzao, ZHENG Min, ZHANG Yongfeng. Four important theoretical issues of unconventional petroleum geology[J]. Acta Petrolei Sinica, 2014, 35(1)： 1-10.

[3] 姜在兴, 梁超, 吴靖, 等. 含油气细粒沉积岩研究的几个问题[J].石油学报, 2013, 34(6)： 1031-1039.JIANG Zaixing, LIANG Chao, WU Jing, et al. Several issues in sedimentological studies on hydrocarbon-bearing fine-grained sedimentary rocks[J]. Acta Petrolei Sinica, 2013, 34(6)： 1031-1039.

[4] MACQUAKER J H S, ADAMS A E. Maximizing information from fine-grained sedimentary rocks： An inclusive nomenclature for mudstones[J]. Journal of Sedimentary Research, 2003, 73(3)：735-744.

[5] APLIN C A, MACQUAKER H S I. Mudstone diversity： Origin and implications for source, seal, and reservoir properties in petroleum systems[J]. AAPG Bulletin, 2011, 95(12)： 2031-2059.

[6] YANG R C, JIN Z J, VAN LOON A J, et al. Climatic and tectonic controls of lacustrine hyperpycnite origination in the Late Triassic Ordos Basin, central China： Implications for unconventional petroleum development[J]. AAPG Bulletin, 2017, 101(1)： 95-117.

[7] 贾承造, 邹才能, 李建忠, 等. 中国致密油评价标准、主要类型、基本特征及资源前景[J]. 石油学报, 2012, 33(3)： 343-350.JIA Chengzao, ZOU Caineng, LI Jianzhong, et al. Assessment criteria, main types, basic features and resource prospects of the tight oil in China[J]. Acta Petrolei Sinica, 2012, 33(3)： 343-350.

[8] 袁选俊, 林森虎, 刘群, 等. 湖盆细粒沉积特征与富有机质页岩分布模式： 以鄂尔多斯盆地延长组长 7油层组为例[J]. 石油勘探与开发, 2015, 42(1)： 1-10.YUAN Xuanjun, LIN Senhu, LIU Qun, et al. Lacustrine fine-grained sedimentary features and organic-rich shale distribution pattern： A case study of Chang 7 Member of Triassic Yanchang Formation in Ordos Basin, NW China[J]. Petroleum Exploration and Development,2015, 42(1)： 1-10.

[9] 赵立翠, 王珊珊, 高旺来, 等. 页岩储层渗透率测量方法研究进展[J]. 断块油气田, 2013, 20(6)： 763-767.ZHAO Licui, WANG Shanshan, GAO Wanglai, et al. Research progress in permeability measurement method of shale gas reservoir[J]. Fault Block Oil & Gas Field, 2013, 20(6)： 763-767.

[10] LOUCKS R U, REES R M, RUPPEL S C, et al. Spectrum of pore types and networks in mudrocks and a descriptive classification for matrix-related mudrock pores[J]. AAPG Bulletin, 2012, 96(6)：1071-1098.

[11] 邹才能, 朱如凯, 白斌, 等. 中国油气储层中纳米孔首次发现及其科学价值[J]. 岩石学报, 2011, 27(6)： 1857-1864.ZOU Caineng, ZHU Rukai, BAI Bin, et al. First discovery of nano-pore throat in oil and gas reservoir in China and its scientific value[J]. Acta Petrologica Sinica, 2011, 27(6)： 1857-1864.

[12] VAN G M, SWENNEN R. Quantitative 3D-fracture analysis by means of micro-focus X-ray computer tomography(μCT)： An example from coal[J]. Geophysical Research Letters, 2001, 28(17)：3333-3336.

[13] 蒲秀刚, 周立宏, 韩文中, 等. 细粒相沉积地质特征与致密油勘探： 以渤海湾盆地沧东凹陷孔店组二段为例[J]. 石油勘探与开发,2016, 43(1)： 24-33.PU Xiugang, ZHOU Lihong, HAN Wenzhong, et al. Geologic features of fine-grained facies sedimentation and tight oil exploration：A case from the second Member of Paleogene Kongdian Formation of Cangdong sag, Bohai Bay Basin[J]. Petroleum Exploration and Development, 2016, 43(1)： 24-33.

[14] 侯庆功, 张晋言. 测井资料采集与评价技术[M]. 北京： 中国石化出版社, 2014.HOU Qinggong, ZHANG Jinyan. Logging data acquisition and evaluation techniques[M]. Beijing： China Petrochemical Press, 2014.

[15] 田艳, 孙建孟, 王鑫, 等. 利用逐步法和Fisher判别法识别储层岩性[J]. 勘探地球物理进展, 2010, 33(2)： 126-130.TIAN Yan, SUN Jianmeng, WANG Xin, et al. Identifying reservoir lithology by step-by-step method and Fisher discriminant[J].Progress in Exploration Geophysics, 2010, 33(2)： 126-130.

[16] 钟仪华, 李榕. 基于主成分分析的最小二乘支持向量机岩性识别方法[J]. 测井技术, 2009, 33(5)： 425-430.ZHONG Yihua, LI Rong. Application of principal component analysis and least square support vector machine to lithology identification[J]. Well Logging Technology, 2009, 33(5)： 425-430.

[17] 杨辉, 黄健全, 胡雪涛, 等. BP神经网络在致密砂岩气藏岩性识别中的应用[J]. 油气地球物理, 2013, 11(1)： 39-42.YANG Hui, HUANG Jianquan, HU Xuetao, et al. Application of BP neural net in lithologic identification of tight sandstone gas reservoirs[J]. Petroleum Geophysics, 2013, 11(1)： 39-42.

[18] 赵军, 杨阳, 陈伟中, 等. 基于 ECS测井的岩性识别方法[J]. 地球物理学进展, 2015, 30(5)： 2342-2348.ZHAO Jun, YANG Yang, CHEN Weizhong, et al. New method for well logging lithologic identification based on elemental capture spectroscopy[J]. Progress in Geophysics, 2015, 30(5)： 2342-2348.

[19] 龚劲松, 杨鸣宇, 王静, 等. ECS 元素测井技术在非常规储层评价中的应用[J]. 油气藏评价与开发, 2014, 4(2)： 76-80.GONG Jinsong, YANG Mingyu, WANG Jing, et al. Application of ECS logging technology in unconventional reservoir evaluation[J].Reservoir Evaluation and Development, 2014, 4(2)： 76-80.

[20] 匡立春, 孙中春, 欧阳敏, 等. 吉木萨尔凹陷芦草沟组复杂岩性致密油储层测井岩性识别[J]. 测井技术, 2013, 37(6)： 638-643.KUANG Lichun, SUN Zhongchun, OUYANG Min, et al.Complication lithology logging identification of the Lucaogou tight oil reservoir in Jimusaer Depression[J]. Well Logging Technology,2013, 37(6)： 638-643.

[21] 李三中, 索艳慧, 周立宏, 等. 华北克拉通内部的拉分盆地： 渤海湾盆地黄骅坳陷结构构造与演化[J]. 吉林大学学报(地球科学版),2011, 41(5)： 1362-1379.LI Sanzhong, SUO Yanhui, ZHOU Lihong, et al. Pull-apart basins within the north China craton： Structural pattern and evolution of Huanghua Depression in Bohai Bay Basin[J]. Journal of Jilin University (Earth Science Edition), 2011, 41(5)： 1362-1379.

[22] 任建业, 廖前进, 卢刚臣, 等. 黄骅坳陷构造变形格局与演化过程分析[J]. 大地构造与成矿学, 2010, 34(4)： 461-472.REN Jianye, LIAO Qianjin, LU Gangchen, et al. Deformation framework and evolution of Huanghua Depression, Bohai Gulf[J].Geotectonica et Metallogenia, 2010, 34(4)： 461-472.

[23] 李明刚, 杨桥, 张健. 黄骅拗陷新生代构造样式及其演化[J]. 西南石油大学学报(自然科学版), 2011, 33(1)： 71-78.LI Minggang, YANG Qiao, ZHANG Jian. The Cenozoic structural style and its evolution in Huanghua Depression[J]. Journal of Southwest Petroleum University (Science & Technology Edition),2011, 33(1)： 71-78.

[24] 蒲秀刚, 韩文中, 周立宏, 等. 黄骅坳陷沧东凹陷孔二段高位域细粒相区岩性特征及地质意义[J]. 中国石油勘探, 2015, 20(5)： 30-40.PU Xiugang, HAN Wenzhong, ZHOU Lihong, et al. Lithologic characteristic and its implication of HST in fine-grained sediment developed area of SQEk2 in Qikou Sag, Huanghua Depression[J].China Petroleum Exploration, 2015, 20(5)： 30-40.

[25] 国家质量技术监督局. 沉积岩岩石分类和命名方案： GB/T 17412.2—1998[S]. 北京： 中国标准出版社, 1998.The State Bureau of Quality and Technical Supervision. Classification and nomenclature schemes of the rocks： GB/T 17412.2-1998[S].Beijing： Standards Press of China, 1998.

（编辑 黄昌武）

A new method for lithology identification of fine grained deposits and reservoir sweet spot analysis: A case study of Kong 2 Member in Cangdong sag, Bohai Bay Basin, China

ZHAO Xianzheng1, PU Xiugang1, HAN Wenzhong1,2, ZHOU Lihong1, SHI Zhannan1, CHEN Shiyue2, XIAO Dunqing1
(1. PetroChina Dagang Oilfield Company, Tianjin 300280, China; 2. China University of Petroleum (East China), Qingdao 266580, China)

Based on systematic coring of 500 m of Kong 2 Member of the Paleogene Kongdian Formation in Cangdong sag of Bohai Bay Basin, identification and XRD (X-Ray Diffraction) analysis of over 1000 thin sections, a simplified method to quantitatively calculate contents of fine grained minerals with conventional logging data such as acoustic travel time (AC) and density log (DEN) has been proposed, and a quick lithologic identification "green mode" has been worked out in this study. By fitting the relationship between normalization of logging curves and mineral content measured by XRD, the mineral contents of sections or wells not cored can be calculated to identify lithology. With this method, several dolomite sweet spot intervals and one sandstone sweet spot interval have been found in the Kong 2 Member of Cangdong sag, where high production oil and gas flows have been tapped from drilled wells. The study shows that the dolomite is in band distribution and enriched in local parts of the study area. This method is applicable to lithologic identification of fine grained deposits in front delta-lake basin center, especially lithologic identification of mud and dolomite dominated fine grained deposits with low sand content of semi-deep, deep lake facies.

fine grained deposits; lithologic identification; dolomite; tight oil; reservoir sweet spot; Paleogene Kongdian Formation;Cangdong sag; Bohai Bay Basin

中国石油科技重大专项“大港油区大油气田勘探开发关键技术研究”（2014E-06）

TE122.2

A

1000-0747(2017)04-0492-11

10.11698/PED.2017.04.02

赵贤正, 蒲秀刚, 韩文中, 等. 细粒沉积岩性识别新方法与储集层甜点分析： 以渤海湾盆地沧东凹陷孔店组二段为例[J]. 石油勘探与开发, 2017, 44(4)： 492-502.

ZHAO Xianzheng, PU Xiugang, HAN Wenzhong, et al. A new method for lithology identification of fine grained deposits and reservoir sweet spot analysis： A case study of Kong 2 Member in Cangdong sag, Bohai Bay Basin, China[J]. Petroleum Exploration and Development, 2017, 44(4)： 492-502.

赵贤正（1962-），男，浙江义乌人，博士，中国石油大港油田公司教授级高级工程师，现主要从事石油勘探综合研究与管理工作。地址：天津市滨海新区幸福路1278号，中国石油大港油田公司机关，邮政编码：300280。E-mail： xzzhao@petrochina.com.cn

2016-03-28

2017-06-09