基于主成分分析的测井曲线识别不整合面方法

姜虹

摘 要：本文介绍了利用测井曲线识别不整合面的方法。利用归一化和主成分分析方法，对测井曲线进行主成分提取，将主成分变量进行最优分割计算，构建一条综合分层曲线，通过分析综合分层曲线数值与不整合面的对应关系，实现了对不整合面的识别。

关键词：归一化；主成分分析；综合分层曲线；不整合面

0 引言

利用测井曲线识别不整合面需要优选多条测井曲线，选取的原则：能够综合反映地层不整合的信息；且在不整合面附近的响应特征出现明显异常的变化。此方法优点是信息量大且全面，但在对其进行运算过程中，变量多，反映的地层信息有所重复。因此，通过对多条测井曲线进行主成分分析，利用降维处理，消除或减少重复信息，将多条测井曲线复合成少数几个综合变量，降维的同时基本不损失原始曲线所反映的地层信息。在此基础上，对利用主成分分析提取出的少数几个变量进行最优分割方法的计算，构建的综合分层曲线可以对不整合面进行识别。

1 测井曲线识别不整合面方法

基于测井曲线及其对应的地质意义，在利用测井曲线识别不整合面时，需要选用以下常规曲线综合分析来进行划分：AC、DEN、CNL、COND、RLML、RNML、GR、SP。由于各测井参数的量纲不同，不能直接将它们放在一起计算。因此，为了消除数量级差异给测井参数融合带来的影响，需对测井参数进行归一化处理。

假设测井信号n个深度点中第i个深度点的第j条测井曲线数值为Xij，对选取的测井数据进行归一化处理后，得出第i个深度点的第j条测井曲线数据归一化结果为Xij[1]。

对以上8组数据进行归一化处理之后，以主成分累积方差百分比大于80%为准，进行主成分提取，见表1，选用变量F1，F2，F3，这三个变量就能表征原来8个变量85.529%的信息，降维的同时，消除或减少重复的信息，提取了有效信息。

提取的主成分F1，F2，F3的表达式如式（1-3，4，5），式中的变量Xi*都为标准化之后的变量，标准化规则为，其中μi为样本均值，Sij为样本方差。

由自变量解释能力数值可以看出，主成分F1主要反映了地层的孔渗以及岩性特征，主成分F2反映了地層的岩性及流体性质特征，主成分F3则反映了一些补充信息。因此，选取F1，F2，F3这三个主成分变量进一步构建综合分层曲线。

将主成分分析得到的F1，F2，F3这三个主成分变量，进行最优分割计算，构建得到一条综合分层曲线。曲线的极小值点，为最优分割点，最小值位置对应的深度，其地质意义为地层变化最剧烈的位置，即为不整合面深度。

2 测井曲线识别不整合面的应用

图1中的综合分层曲线是将某A井的8条测井曲线进行主成分提取，得到F1，F2，F3这三个主成分变量，运用最优分割计算对这三个主成分进行处理得到一条综合分层曲线，可以准确识别出Es2/Es3不整合界面的位置在曲线的极小值点1197m处。结合地震及岩心分析等资料，划分的不整合界面位置准确。

3 结论

基于测井曲线及其对应的地质意义，优选8条常规测井曲线，利用归一化和主成分分析方法对其进行处理后，有效提取了三个主成分，降维的同时提取了有效信息。将得到的主成分进行最优分割计算，构建了一条综合分层曲线，其极小值对应深度为不整合面位置，从而实现了对地层不整合面的识别。

参考文献：

[1]张蕾.济阳凹陷下第三系不整合结构测井评价[D].山东：中国石油大学（华东），2008：1-78.