利用测井曲线图论多分辨率聚类识别松南地区火山岩岩性

毛永强,李宁,田军,曹开芳

(中国石化东北油气分公司勘探开发研究院,吉林长春130062)

0 引 言

由于火山岩成分较为复杂,常规录井岩屑对火山岩岩性的判别并不完全准确,而钻取岩心只是针对局部地层,且成本较高,因此学者们研究了通过测井曲线进行岩性校正的方法。元素俘获能谱测井及层析成像测井等特殊测井是岩性识别的重要补充资料[1-2]。元素能谱测井对火山岩中的金属元素的含量敏感,可以用来判别岩性,但其成本高,推广范围有限。通常利用常规测井曲线识别火山岩的方法建立交会图识别版[3-4],图版在实际应用的过程中不能有效区分火山岩与碎屑岩,且火山岩岩性之间界限也比较模糊。因此,在分析测井响应特征的基础上,数学算法被引入以解决问题[5-6],安鹏等[7]研究了利用深度学习划分砂岩、泥岩、碳酸盐岩等9种岩性,取得了较好的效果。聚类分析是数据挖掘的非常重要的算法之一,自其被提出作为测井曲线分析工具以来[8],国内研究学者也开展了一些工作,田雨等[9]运用了聚类方法在阿姆河盆地右岸地区碳酸盐岩台内滩气田进行了岩相预测,时新磊等[10]基于图论多分辨聚类法的测井相划分方法确定了测井相与岩相对应关系建立了基于测井相约束的渗透率评价模型,但应用图论多分辨聚类法识别火山岩岩性的实例较少。因此,本文以松南地区南部龙凤山地区火石岭组火山岩为研究对象,通过分析不同火山岩岩性的测井响应机理,深度挖掘不同岩性的测井响应特征,采用了图论多分辨率聚类法进行岩性识别与划分。

1 研究区火山岩测井响应特征分析

火石岭组沉积时期处于松辽盆地的初始裂陷阶段,岩性为灰色粉砂岩、泥岩与粗砂岩、砂砾岩不等厚互层,局部发育的火山岩岩性主要为中基性火山熔岩和火山碎屑岩,熔岩有灰、深灰色安山岩、玄武安山岩、玄武岩,火山碎屑岩以凝灰岩为主,局部少量火山角砾。不同岩性的火山岩,其化学成分和矿物成分的变化在电学、声学等方面有不同的响应特征(见图1)。

图1 不同岩性测井响应特征分析

1.1 自然伽马及放射性特征

从基性到酸性火山岩,岩石中的钾体积分数逐渐增高,因此酸性火山岩的放射性逐渐增大。从A1井的自然伽马值统计图可见,火山岩从基性玄武岩、中性安山岩到酸性凝灰岩,自然伽马值逐渐增大,总体而言基性火山岩与碎屑岩差异更大,中酸性火山岩与碎屑岩自然伽马叠置。

岩石中的铀、钍、钾的同位素放射性是岩石反射性强度大的主要原因,参考准噶尔盆地的火山岩取心鉴定资料,认为从基性到酸性火山岩,铀、钍、钾含量逐渐增加,岩石的放射性逐渐增强,而无论是基性还是酸性,火山碎屑岩的放射性一般低于同质的熔岩,其伽马值较同质熔岩低。因此自然伽马曲线和铀、钍、钾的含量曲线可以联合起来识别火山岩岩性。

研究井未测量自然伽马能谱。从光电吸收截面指数值统计图中可以看出,火山岩从基性玄武岩与凝灰岩较安山岩小,与碎屑岩相比,凝灰岩与泥岩范围相近、火山熔岩与砂岩相近。

1.2 电性特征

火山岩的电阻率一般高于沉积岩,因此,电阻率测井可以用来区分火山岩和沉积岩。参考其他地区的研究成果,火山岩含流体情况对电阻率测井值的影响相对于岩石的矿物成分蚀变孔洞以及裂缝发育程度较小,火山岩的结构特征却能够在电阻率的齿化结构上有所反映,因此,电阻率测井常被用来区分火山熔岩和火山碎屑岩。研究井的电阻率对于区分玄武岩和安山岩效果较好,凝灰岩则较难区分。

1.3 三孔隙度特征

玄武岩次生蚀变后的次生矿物含有大量的结合水导致中子测井值增大。导致基性火山岩的中子骨架通常大于酸性火山岩,因此,从基性至酸性火山岩其中子测井值的分布范围有依次减小的趋势。

一般而言,火山岩的密度大于碎屑岩密度,从基性至酸性火山岩,随着火山岩化学成分的变化,密度测井值依次减小,从玄武岩和酸性凝灰岩有密度较小的趋势,安山岩的密度值与玄武岩一般会有叠置,研究井安山岩密度低于玄武岩。

火山岩的声波时差通常明显小于沉积岩,从基性到酸性火山岩声波时差逐渐增大,火山岩的声波时差以致密的基性玄武岩最低,酸性的流纹岩最高火山碎屑岩;在火山爆发的过程中岩石破碎,结构和排列空间相对疏松,声波时差一般高于熔岩。实际钻井过程中,纯熔岩较少,大部分以中基性火山碎屑岩存在,同时声波时差还会受岩石蚀变、气孔或裂缝发育的影响而增大,因此与碎屑岩多有叠置。

2 火山岩测井图版识别法

不同岩性的火山岩岩性其测井响应特征存在差异,是测井识别火山岩岩性和储层的岩石物理学依据[11],也是进一步划分火山喷发期次、研究火山岩储层各项参数的基础。准噶尔地区火山岩岩性识别主要采用三步法:①通过密度与中子交会识别火山岩与沉积岩;②利用自然伽马与密度交会识别火山岩成分;③利用自然伽马与电阻率交会识别火山岩结构特征。松辽盆地对于利用图版法识别火山岩岩性,通常使用自然伽马与钍交会结合自然伽马与光电吸收截面指数交会,该区根据岩心测试结果,建立了相似的模板(见图2)。

图2 LFS地区火山岩取心岩性模板分析

由于放射性差异、声学特性、密度成分等多方面差异,火山岩与碎屑岩在测井响应特征上差异较为明显,但是也相互叠置。从自然伽马与钍交会图上[见图2(a)]可以看出,相对于碎屑岩,研究区的中基性火山岩表现为低伽马、低钍特征,一部分低于碎屑岩,一部分与碎屑岩相当。从自然伽马与光电吸收截面指数交会图上[见图2(b)],自然伽马低于碎屑岩的主要为玄武岩,与碎屑岩自然伽马相当的主要是安山岩、安山质凝灰岩及火山角砾岩,火山角砾可以通过低光电吸收截面指数特征区分。因此,随着研究深入,发现单一图版存在3个问题:①常用图版一旦将碎屑岩放入,则会与火山岩叠置,即地层中有碎屑岩时火山岩与碎屑岩在测井曲线上较难区分;②图版之间火山岩岩性并没有明显界限,如安山岩与凝灰岩岩在岩心图版上能用伽马区分,但取心段有限,凝灰岩成分变化影响自然伽马值域变化;③对于没有自然伽马能谱测井的条件下,单图版法应用受到局限,多图版分步应用分析也较为复杂。

3 图论多分辨率聚类法

聚类分析的基础是相似性,是一种基于数据相似性表征的数学算法。常用聚类分析包括优势层次聚类、相似阈值法、图论聚类法等。优势层次聚类层次聚类分析缺点在于单一步骤(合并或分裂)完成,就不能被撤销。相似阈值法过度依赖关键井的模型与其他数据集之间的相似性,训练数据中未描述的相在井中预测和异常数据影响到井数据时,结果误差会很大。图论聚类法基于非参数K近邻和图形数据表示的多维点模式识别方法对数据的底层结构进行分析,并形成可能具有非常不同的密度、大小、形状和相对分离的自然数据组,确定最佳聚类数后允许研究人员定义相实际需要的细节级别,据此可以根据取心数据对岩性进行校准,因此尝试了图论多分辨率聚类法进行火山岩岩性识别。

图论多分辨率聚类法识别岩性主要是在对测井曲线进行异常值去除等优化处理的基础上,通过选取多条岩性敏感测井曲线作为分析曲线,利用KNN临近算法对这些曲线进行不同岩性相似特征聚类,随后利用核心代表指数选定最佳聚类方案,具体算法参考文献[9-11]。再用录井确认层段岩性及取心段岩性对聚类结果进行刻度,最后将聚类结果按照测井曲线范围划分岩性类别。其具体流程见图3。

图3 图论多分辨率率聚类岩性识别流程

依据图论聚类法对研究区实钻井进行岩性识别,首先在优化测井曲线基础上分析不同测井曲线分析岩性的差异,使其既能够区分碎屑岩与火山岩,又能够对火山岩岩性类别有一定划分(见图4)。声波曲线能够区分玄武岩,其他岩性均叠置,密度曲线各种岩性相比整体差异较小。因此,最终选取了自然伽马、电阻率、光电吸收截面指数及中子4条对于岩性区分度较大的测井曲线。

图4 不同岩性测井曲线差异分析(左为考虑碎屑岩,右图为不考虑碎屑岩)

图5 预测结果与地质实际岩性对比

图5为预测A1井火山岩层段的岩性与实际岩性对比图。可以看出火石岭组上部的泥岩和砂岩能够与火山岩区分开来,且火山岩细分岩性区分效果较好,取心段3 518～3 526 m为酸性凝灰岩及凝灰岩互层夹安山质凝灰岩,与预测结果吻合。预测安山岩段中间均有凝灰岩夹层,录井分析火山岩岩屑局部不准,而预测与取心段岩性均符合,认为预测岩性为正确岩性。

4 结 论

(1)由于火山岩成分结构的复杂性,常规的曲线直接识别与测井图版对于识别火山岩均存在叠置,采用图论多分辨率聚类方法能够较为准确地区分碎屑岩与火山岩并识别火山岩岩性。

(2)中子、声波等测井曲线均受气孔、溶蚀孔洞流体影响较大,在选取这2条曲线作为样本曲线时需要慎重,建议在中子和声波均能区分岩性时,只选择其中1条作为样本模型输入。

(3)图论多分辨率聚类为岩性识别节省了大量工作量和成本,能够使用常规测井曲线校正录井岩性局部不准确情况,其结果受曲线样本影响及算法变化等因素还需要深入分析,使其能够广泛应用。