基于孔隙度分级的页岩脆性矿物指数预测方法

鲍祥生， 周海燕， 符志国

(1.广东石油化工学院，茂名 525000；2.广东省非常规能源工程技术研究中心，茂名 525000;3．中国石油集团 川庆钻探工程有限公司地球物理公司，成都 610213)

0 引言

页岩气属于一种非常重要的非常规油气资源[1-3]，它是以游离态、吸附态为主，赋存于富含有机质泥页岩层段的天然气[3-7]，主要分布于盆地中央厚度较大[8]、面积广的暗色泥页岩和高碳泥页岩中[8-9]。据预测我国也具有非常丰富的页岩气资源[7，10]，但页岩气所在的储层属于一种典型的低孔、超低渗储层，目前我国使用的勘探技术还不成熟[11-12]，勘探开采难度大，主要通过水力压裂技术来改善裂缝的分布，提高生产效率[13]。虽然页岩气在我国广泛分布，但寻找更有利于进行压裂措施改造的页岩气层是当前页岩气勘探一大主要任务，评价页岩气储层压裂改造的指标主要是利用脆性矿物指数，目前国内、外关于脆性矿物指数主要包括3类方法：①弹性参数法[4-5]，主要是基于杨氏模量和泊松比两个弹性参数来参与计算得到脆性矿物指数；②矿物组分法[13-14]，它是基于脆性矿物在总矿物中的比重的一种计算方法，它主要依据实验数据来计算某点的脆性矿物指数；③多元拟合法[15]，它是以多种测井数据为基础通过回归算法拟合得到的一种方法。矿物组分法与多元拟合法的适应性比较差，不利于对地下页岩层段纵横向的脆性矿物指数的评价，而弹性参数法从思路上来看应具有较好的适应性，因为该方法充分利用弹性参数来进行计算获得页岩脆性矿物指数，而弹性参数(井上或储层空间)是可以通过对测井数据或具有较高纵横向分辨率的地震数据采用一定的算法可以获得。尽管现有方法①，相对方法②和方法③存在一些优点，但也存在不足，主要表现为，在将该类最常用的方法用于预测四川某地区志留系S地层的脆性矿物指数时，在有些深度段利用这些方法应用效果较好，而有些深度段利用这些方法应该效果比较差。从S地层的现有地质研究来看，该层段存在丰富的页岩气资源，但目前由于脆性矿物指数预测精度低，导致寻找有利于压裂改造的页岩气层段变得困难。针对目前①方法存在的不足，通过分析研究提出基于孔隙度分级的页岩脆性矿物指数预测方法(简称基于孔隙度分级的弹性参数法)，该方法是在对井旁孔隙度进行三段分级划分的基础上形成的一种脆性矿物指数预测方法，相对于目前的弹性参数法而言，该方法在不同孔隙度大小的层段都具有较好的预测精度。

1 常规弹性参数计算方法

目前常用的计算方法是一种均分权值计算法，通常被称为Rickman脆性指数法[4-5]。该方法的主要思想是先对杨氏模量和泊松比进行标准化运算，然后对标准化的杨氏模量和泊松比分别取权值为0.5后相加计算得到脆性矿物指数。可用式(1)～式(3)来表示。

(1)

式中：Emax和Emin分别表示杨氏模量的最大值和最小值；EBrit为标准化的杨氏模量。

(2)

式中：υmax和υmin泊松比的最大最小值；vBrit为标准化的泊松比。

BBrit=0.5EBrit+0.5υBrit

(3)

式中：BBrit表示脆性矿物指数。

2 基于孔隙度分级的弹性参数法

基于孔隙度分级的弹性参数法的实现步骤主要包括如下5步：

1)基于测井获得的纵波速度(Vp，m/s)、横波速度(Vs，m/s)、岩石密度(ρ,g/cm3)计算得到杨氏模量(E，Pa)和泊松比(υ)，计算公式见式(4)和式(5)。

(4)

(5)

2)对杨氏模量数据进行处理，得到以104MPa为单位的杨氏模量数据E′，计算公式见式(6)。

(6)

3)对数据以孔隙度升序方式进行排序，得到以孔隙度从小到大的排列数据。

4)将数据分为三个部分：①孔隙度介于[0，1.5%]之间的数据；②孔隙度介于(1.5%，4.5%]之间的数据；③孔隙度>4.5%的数据。

5)对不同孔隙度范围的数据，采用不同的公式来计算脆性矿物指数。

对于孔隙度介于[0，1.5%]之间数据，用公式(7)来计算。

(7)

对于孔隙度介于(1.5%，4.5%]之间的数据，用公式(8)来计算。

(8)

对于孔隙度>4.5%，用公式(9)来计算。

(9)

通过以上5步，可以获得有关研究目标层更为可靠的脆性矿物指数数据。

3 实际数据应用

为了验证本方法的有效性，选取四川某区的有实测脆性矿物指数数据的页岩层段的井进行实例分析。图1是研究区的一口典型井的5条测井化关系。这5条测井曲线分别是实测的纵波速度、横波速度、密度、孔隙度和脆性矿物指数随深度的变规律，将图1中的曲线在深度方向划分为3段：①深度范围3 380 m～3 620 m，中高纵波速度、横波速度、高密度和中低孔隙度；②深度范围3 620 m～3 675 m，低纵波和横波速度、低密度和高孔隙度；③深度范围3 675 m～3 690 m，高纵波和横波速度、高密度和低孔隙度。其中第3段的孔隙度值均低于1.5%，第2段的孔隙度值基本都高于4.5%。

基于图1的纵波速度、横波速度和密度数据，采用公式(4)和公式(5)计算出杨氏模量和泊松比数据，如图2所示。根据杨氏模量和泊松比数据在深度上的变化规律，将图2中的曲线在深度方向划分为3段：①深度范围3 380 m～3 620 m，中等杨氏模量、中等泊松比；②深度范围3 620 m～3 675 m，低杨氏模量、高泊松比；③深度范围3 675 m～3 690 m，高杨氏模量、低泊松比。

基于图1所示的研究区的测井曲线特征，首先对孔隙度曲线进行分级，结合研究区的地质规律分析，将图1第四列的孔隙度根据数值大小分为3级：①0%～1.5%;②1.5%～4.5%;③值>4.5%。图3是3类孔隙度的交汇图。

图1 S井不同测井参数随深度的变化关系Fig.1 Changes of different log parameters with the depth of S well

对比图3和图4可以发现：均分权值计算法的预测值与测量值只在少数点预测误差较小外，其他预测误差都比较大，有的预测值与测量值预测绝对误差达到50%；基于孔隙度分析的弹性参数法无论是在孔隙度介于[0，1.5%]、(1.5%，4.5%]，还是孔隙度>4.5%时预测效果都比较好，说明了新方法在该地区是好于目前最常用的均分权值计算法。

图2 杨氏模量和泊松比随深度的变化关系Fig.2 Changes of Young's modulus and Poisson's ratio with the depth

图3 以交绘图显示的孔隙度随深度的变化图Fig.3 Change of porosity shown by cross plot with the depth

图4 两种脆性矿物指数预测方法预测值与测量值对比图Fig.4 Contrast between the measured value and predicted values obtained with two brittle mineral index prediction methods

4 结论

1)现有的均分权值计算法被用来预测本地区脆性矿物指数效果并不理想，说明这种方法也具有区域适用性，如直接应用于其他地区页岩层段的脆性矿物指数预测，将会带来较大的预测误差，给应用地区带来较大的勘探开发风险。

2)通过对均分权值计算法、基于孔隙度分级的弹性参数法的预测结果与原始实测结果的对比可以看出，基于孔隙度分级的弹性参数法预测效果较好。

3)研究形成的基于孔隙度分级的弹性参数法，是采用孔隙度分级的思想来获得准确度更高的页岩脆性矿物指数预测,可以在跟本区有相似特征(杨氏模量、泊松比以及孔隙度表现规律)的地方有一定适应性。与均分权值计算法类似，本文提出的方法也具有区域适应性，对与本区特征差别较大的地方，该方法不可以直接使用，但本方法的研究思路可以借鉴。

[1] 钟光海，谢冰，周肖.页岩气测井评价方法研究——以四川盆地蜀南地区[J].岩性油气藏，2015，27(4):96-102. ZHONG G H,XIE B, ZHOU X. Research on shale gas well logging methods——acase study on sunan region of Sichuan basin [J]. Lithologic Reservoirs, 2015, 27 (4): 96-102. (In Chinese)

[2] 张作清，孙建孟，龚劲松，等.页岩气储层含气量计算模型研究[J].岩性油气藏，2015，27(6):5-14. ZHANG Z Q, SUN J M, GONG J S,et al. Research on calculation model of gas content in shale gas reservoir [J].Lithologic Reservoirs, 2015, 27 (6): 5-14. (In Chinese)

[3] 梁兴，王高成，徐政语，等.中国南方海相复杂山地页岩气储层甜点综合评价技术——以昭通国家级页岩气示范区为例[J].天然气工业，2016，36(1)：33-42. XIANG X,WANG G C,XU Z Y,et al.Comprehensive evaluation technology for shale gas sweet spots in the complex marine mountains,South China:a case study from Zhaotong national shale gas demonstration zon[J].Natural Gas Industry,2016，36(1)：33-42. (In Chinese)

[4] 邹才能，陶士振，侯连华，等.非常规油气地质学[M].北京：地质出版社，2014. ZOUC N, TAO S Z, HOU L H,et al. Unconventional petroleum geology[M].Beijing: Geological Publishing House, 2014. (In Chinese)

[5] 邹才能，董大忠，杨桦，等.中国页岩气形成条件及勘探实践[J].天然气工业，2011，31(12)：26-39. ZOU C N，DONG D Z，YANG H,et al.Conditions of shale gas accumulation and exploration practices in China[J].Natural Gas Industy,2011，31(12)：26-39. (In Chinese)

[6] 肖钢，白玉湖，蔡长宇.页岩油气开发关键技术进展[M].武汉：武汉大学出版社，2015. XIAO G, BAI Y H, CAI C Y.Key technical progress of shale oil and gas development[M].Wuhan：Wuhan University Press, 2015. (In Chinese)

[7] 江怀友，鞠斌山，李治平，等.世界页岩气资源现状研究[J].中外能源，2014，19(3)：14-22. JIANG H Y, JU B S, LI Z P, et al. Study on the status of world shale gas resources [J].Chinese and Foreign Energy, 2014, 19 (3): 14-22. (In Chinese)

[8] 周守为.页岩气勘探开发技术[M].北京：石油工业出版社，2013. ZHOU S W.Shale gas exploration and development technology[M].Bejing: Petroleum Industry Press, 2013. (In Chinese)

[9] 罗楚湘，陈建飞.页岩气成藏机理及分布规律研究对勘探开发的影响[J].辽宁化工，2017，46 (2): 142-145. LUO C X,CHEN J F.The influence of shale gas accumulation mechanism and distribution law on exploration and development[J].Liaoning Chemical Industry,2017，46 (2): 142-145. (In Chinese)

[10]王道富，高世葵，董大忠，等.中国页岩气资源勘探开发挑战初论[J].天然气工业，2013，33(1)：8-17. WANG D F,GAO S K,DONG D Z,et al.Aprimary discussion on challenges for exploration and development of shale gas resources in China[J].Natural Gas Industry,2013，33(1)：8-17. (In Chinese)

[11]张小龙，张同伟，李艳芳，等.页岩气勘探和开发进展综述[J].岩性油气藏，2013，25(2):116-122. ZHANG XL, ZHANGTW, LI Y F,et al. Overview of shale gas exploration and development progress[J]. Lithologic Reservoirs, 2013, 25 (2): 116-122. (In Chinese)

[12]张荻萩，李治平，苏皓.页岩气产量递减规律研究[J].岩性油气藏，2015，27(6)：138-144. ZHANGDD, LIZP, SU H. Study on the decline law of shale gas production [J].Lithologic Reservoirs, 2015, 27 (6): 138-144. (In Chinese)

[13]吴斌，肖世洪.脆性矿物指数计算方法及对页岩气开发的意义[J].河南科技，2014，5(10):56-70 WUB, XIAOSH. Brittle mineral index calculation method and its significance for shale gas development [J]. Journal of Henan Science and Technology, 2014, 5 (10): 56-70. (In Chinese)

[14]赵金州，任岚，胡永全.页岩储层压裂缝成网延伸的受控因素分析[J].西南石油大学学报(自然科学版)，2013，35(1)：1-7. ZHAOJZ, RENL, HUYQ.Analysis of controlled factors of fracture cracks in shale reservoir [J]. Journal of Southwest Petroleum Institute (Natural Science Edition), 2013, 35 (1): 1-7. (In Chinese)

[15]黄军平，张智盛，杨占龙，等.致密岩石矿物组分含量及脆性指数多元回归定量预测[J].新疆石油地质，2016，37(3)：346-350. HUANG J P, ZHANG Z S, YANG Z L,et al. Dense rock mineral composition content and brittleness index multiple regression quantitative prediction [J]. Xinjiang Petroleum Geology, 2016, 37 (3): 346-350. (In Chinese)