基于改进Δlog R方法的陆相页岩气储层应用——以四川盆地D地区X组为例

罗意淳， 张超谟， 张占松， 石文睿， 刘伟男,2， 周雪晴,3， 张亚男

( 1. 长江大学 油气资源与勘探技术教育部重点实验室，湖北 武汉 430100； 2. 中海石油(中国)有限公司 深圳分公司，广东 深圳 518054； 3. 中国科学院 深海科学与工程研究所，海南 三亚 572000 )

0 引言

相较于北美构造简单、成藏条件好的海相页岩气，中国陆相页岩气发育环境更加复杂、储集条件更加多样、保存条件各异[1-2]。中国最主要的页岩气富集区，也是页岩气储量最大的四川盆地发育海相、海陆过度相和陆相三种类型的页岩气。其中，海相五峰—龙马溪组页岩气实现工业化开发[3-4]，并取得丰富的研究成果。近年来，陆相页岩气的研究也取得一定的进展[5-7]，为在页岩气领域实现更大的突破，需要加大对陆相页岩气的勘探开发力度，其中四川盆地早中侏罗世的陆相页岩气具有良好的勘探前景[8]，是陆相页岩气勘探开发的重点层位[9-10]。对于陆相页岩气储层，由于沉积环境、沉积条件及物质来源较为复杂，非均质性极强[11]，薄互层、夹层频繁出现，岩性变化快、变化大，要实现商业开发还需持续加强基础研究、聚焦有利“甜点”、攻关瓶颈技术[8]。有机质的存在是页岩中形成天然气聚集的核心要素，对储层的生气能力与储气能力有重要作用[12]。总有机碳(TOC)质量分数作为衡量页岩有机质丰度和生气能力的关键指标[13]，是页岩气储层评价分级的必要参数，对页岩气储层的储量统计和有利“甜点”确定有重要意义。

测井曲线具有较高的纵向分辨率，有效弥补岩心实验分析取样少、成本大、时间长的缺点，是页岩气储层评价的重要方法[14]。SCHMOKER J W使用密度测井曲线和伽马测井曲线评估页岩气储层的总有机碳质量分数[15]。基于阿尔齐公式，PASSEY Q R等提出ΔlogR方法[16]，在非烃源岩层段使电阻率和孔隙度曲线重叠，在烃源岩层段假定总有机碳质量分数与电阻率、孔隙度曲线的幅度差呈正比且受成熟度的影响，能够消除孔隙对测井曲线的影响，可以较准确计算总有机碳质量分数，是目前使用最为广泛的方法。如果上下地层出现岩性改变，ΔlogR方法不再适用，需要进行改进[17-19]。总有机碳质量分数评价方法在海相页岩气方面应用日趋成熟。陆相页岩气储层在矿物组分、地化特征等方面与海相页岩气储层有较大区别，不能完全照搬海相页岩气评价方法[20]。对于陆相页岩气储层，刘超等提出变系数ΔlogR方法，将孔隙度曲线与电阻率之间的转化系数视为变量，以一定的步长变化，找出使误差较小的转化系数，提高总有机碳质量分数预测精度[21]。在变系数ΔlogR方法的基础上，黄胜等选出与烃源岩岩性相近的粉砂质泥岩和泥质粉砂岩，重新确定转化系数，利用平均单层烃源岩厚度和镜质体反射率的关系式，确定ΔlogR模型的相关系数，在松辽盆地陆相页岩气单井中取得较好的应用效果[22]。胡慧婷等利用自然伽马曲线受压实影响小、对陆相深层页岩气储层有机质变化更为敏感的特点，采用自然伽马曲线代替成熟度作为ΔlogR方法的参数[23]，松辽盆地沙河子组应用表明精度有较大提高。

采用机器学习方法预测总有机碳质量分数，可以利用较多的测井曲线和地层信息，在不考虑实际地质情况变化时，预测精度通常高于其他方法的[18]。熊镭等采用BP神经网络模型预测总有机碳质量分数[24]。朱林奇等利用优化的模糊神经网络模型预测总有机碳质量分数[25]，效果优于BP神经网络的。冯明刚等采用随机森林模型预测总有机碳质量分数，模型泛化能力强，不易发生过拟合现象[26]。王惠君等采用卷积神经网络模型预测总有机碳质量分数，预测结果比ΔlogR模型、BP神经网络模型有更高的可靠性[27]。由于机器学习方法理论依据不足，在模型建立和应用时难以对实际地质情况进行调整，对样本数量和质量要求很高，很难在相应区块大规模推广应用。

四川盆地D地区X组陆相页岩气储层黏土矿物质量分数高、成熟度较低、有机质富集层段电阻率较低。通过优化转化系数和引入放射性测井曲线改进ΔlogR方法，建立黏土矿物导致的低电阻率校正ΔlogR模型——CΔlogR模型，能够准确预测研究区总有机碳质量分数，为陆相页岩气储层的储量计算和有利区优选提供支持。

1 研究区地质概况

研究区为四川盆地D地区X组，主要为滨湖—浅湖和半深湖沉积环境，暗色泥页岩发育，厚度在30～60 m之间。B井3 502.58～3 604.68 m井段65块样品分析表明：有机质类型主要为Ⅱ型和Ⅲ型；总有机碳质量分数在0.15%～3.01%之间，平均为1.05%，富有机质层段主要为X组一段和X组二段；镜质体反射率在1.23%～1.29%之间，平均为1.26%，有机质处于成熟阶段；孔隙度在1.0%～6.4%之间，平均为3.9%。矿物组分中，石英质量分数介于8.70%～57.40%，平均为37.60%；碳酸盐岩质量分数介于0.90%～49.90%，平均为3.60%；黏土质量分数介于28.50%～63.70%，平均为49.70%。矿物组分纵向上变化较快，非均质性强(见图1(a))。在黏土矿物中，伊/蒙混层占比为41.70%(见图1(b))。

图1 研究区全岩、黏土组分分析Fig.1 Analysis diagram of whole rock and clay composition in the study area

2 储层测井响应规律

2.1 测井响应分析

基于研究区实验资料，分析页岩层段测井响应特征，明确与海相页岩气储层响应特征差异，为研究区陆相页岩气储层总有机碳评价提供参考。典型海相页岩气储层的有机质聚集测井响应特征：(1)有机质具有放射性，自然伽马呈高值；(2)有机质具有生烃作用，声波时差呈高值；(3)有机质密度远低于岩石骨架密度，密度呈低值；(4)有机质含氢指数较高，中子孔隙度呈高值；(5)有机质不导电，电阻率呈高值。

以美国东得克萨斯盆地鹰潭页岩气区为例，页岩气储层主要为钙质页岩，随有机质的增多，页岩气储层表现高自然伽马、高电阻率、高声波时差、高中子孔隙度和低密度的特征[28]。D地区X组陆相页岩气储层测井响应(见图2)表明，研究区非均质性强，薄互层较多，测井曲线整体上波动较多；页岩气储层连续累计厚度较薄，表现高自然伽马、低电阻率、高声波时差、高中子孔隙度和低密度的特征。与海相页岩气储层的测井响应特征对比，二者电阻率曲线特征相反，原因是研究区陆相页岩储层黏土质量分数较高，主要发育泥页岩，而鹰潭页岩气储层黏土质量分数较低，主要发育钙质页岩。黏土质量分数较高在一定程度上导致研究区陆相页岩气储层呈低电阻率特征。

图2 D地区X组测井响应与岩心分析Fig.2 Logging response graph and core analysis of X Formation in D Area

2.2 测井响应差异性

影响页岩气储层电阻率因素包括：(1)有机质进入过成熟阶段，化学成分发生变化，逐渐变为低氢量的炭质化合物，直至变为石墨，石墨的强导电能力使地层电阻率降低。(2)黏土矿物含有多种孔隙结构，导致高束缚水饱和度，增强地层导电能力而使地层电阻率降低。(3)集中发育的黄铁矿也对导电率有一定影响[29-30]。岩心资料显示，研究区成熟度最高为1.29%，未达到过成熟阶段；研究区黄铁矿质量分数最高为4.20%，仅在个别层段呈散点状分布，最下部的红色框中黄铁矿较为发育(见图2)；电阻率最低为16 Ω·m，蓝色框中黄铁矿基本不发育，电阻率最低为15 Ω·m，说明黄铁矿不是地层电阻率降低的主要原因。

研究区58块样品，以及川南地区五峰—龙马溪组海相页岩气储层169块样品的X线衍射全岩分析[31]表明，海相页岩气储层的石英和长石质量分数在16.00%～81.90%之间，平均为51.10%；碳酸盐岩质量分数在0～64.40%之间，平均为26.10%；黏土质量分数在5.00%～56.60%之间，平均为21.20%。研究区陆相页岩气储层的石英和长石质量分数在16.10%～67.60%之间，平均为43.30%；碳酸盐岩质量分数在0.20%～49.50%之间，平均为2.90%；黏土质量分数在28.50%～63.70%之间，平均为49.70%。相较于典型海相页岩气储层，研究区陆相页岩气储层的主要矿物质量分数有较大变化。研究区电阻率曲线相关关系(见图3)表明，黏土质量分数、孔隙度和束缚水饱和度与电阻率呈负相关关系，黏土质量分数与束缚水饱和度呈正相关关系，高黏土质量分数导致束缚水饱和度增加，是低电阻率现象的主要原因。

图3 研究区电阻率曲线相关关系Fig.3 Correlation analysis diagram of resistivity curves in the study area

研究区有机质成熟度在1.23%～1.29%之间，属于成熟阶段。焦石坝地区龙马溪组海相页岩的有机质成熟度介于2.90%～3.42%，属于过成熟阶段[32]。有机质成熟度是判断有机质生烃强度、生烃特征的主要指标，并且有机质孔的发育与生烃过程密切相关[5,33]，当页岩处于成熟阶段时，有机质孔发育程度较低，有机质还未开始大量生烃生气；当页岩处于过成熟阶段时，有机质进入生气高峰，产生大量的有机质孔[34]。陆相页岩气储层的高黏土质量分数提高储层吸附气量[35]。研究区有机质多以固态干酪根的形式存在且占比增大，在测井响应上，声波时差曲线对有机质的响应更灵敏，电阻率曲线对有机质的响应不灵敏[16]，研究区的高黏土质量分数导致电阻率曲线降低。

3 CΔlog R模型

ΔlogR方法在北美海相页岩储层中应用效果较好。对于研究区陆相页岩气储层，使用ΔlogR方法计算总有机碳质量分数不准确：一是高黏土质量分数导致的低阻现象在烃源岩层段普遍出现，电阻率与声波时差曲线的幅度差有时难以反映真实的总有机碳质量分数；二是ΔlogR方法是在海相页岩中确定的转化系数，由于成熟度不同，有机质向烃类转化的程度也不同，其中固态干酪根与烃类的占比也有较大差别，对声波时差转化系数的取值有较大影响[21]。

3.1 声波时差转化系数

ΔlogR方法通过联立声波时差、电阻率与孔隙度的关系式，消去孔隙度得到声波时差与电阻率之间的关系，在声波时差为262～460 μs·m-1时，电阻率对数与声波时差关系曲线的斜率近似为0.006，对应电阻率与声波时差之间的转化系数k。

确定k是为了消除孔隙度的影响。k的推导涉及经验公式和地区参数，以一定幅度变化k，预测误差随幅度变化而呈规律性变化，当k取0.006时，在陆相页岩气储层中的计算误差并非最小[21]。另外，声波时差曲线主要反映固态的干酪根，电阻率曲线主要反映孔隙的烃，在有机质成熟度较小的陆相页岩气储层中，声波时差曲线更能反映有机质质量分数，k随之增加，需要找到一个既能有效消除孔隙度影响，又能辅助声波曲线准确识别固态干酪根的k，使ΔlogR方法在研究区有更强的适用性。

为了使k准确反映研究区声波时差与电阻率之间的关系，在研究区非烃源岩段找到声波时差与电阻率曲线较为平稳的层段(见图4红色线中间部分)，作为标准段重新拟合声波时差与电阻率对数的斜率，尽可能排除岩性、矿物等其他因素的影响，找到合适的k。

图4 研究区声波时差和电阻率曲线重叠Fig.4 Overlapping diagram of sonic time difference resistivity in the study area

3.2 电阻率校正因子

根据海相与陆相页岩气储层特征，在一定程度上修正研究区陆相页岩气储层的高质量分数黏土引起的高束缚水饱和度导致的低电阻率现象，使ΔlogR方法能更加准确反映总有机碳质量分数。研究区电阻率与束缚水饱和度呈反比关系，采样点高出标准段的束缚水饱和度越多，电阻率相对于标准段的电阻率降低越多，所需校正量也越大。地层中自然伽马放射性主要由岩石中钍、铀、钾的质量分数确定，铀的质量分数主要与有机质有关，钍和钾的质量分数主要与黏土矿物有关，束缚水饱和度与黏土质量分数呈正相关关系，去铀伽马曲线KTh可以反映束缚水饱和度的变化。电阻率校正因子g的确定参考自然伽马曲线计算泥质质量分数的方法[36]，用去铀伽马曲线求取目的层段的黏土质量分数，与基线处(选取的标准段)黏土质量分数的比值为g：

(1)

式中：c为地层经验因数，第三纪地层取3.7，老地层取2.0，研究区为早中侏罗世，c取2.0；KTh为去铀伽马曲线值；KThmin、KThmax分别为目的层段去铀伽马曲线最小值和最大值；KThb为基线处去铀伽马曲线值。

通过标准段黏土质量分数对储层段黏土质量分数作标定，g表征储层段电阻率偏移程度，以倍数形式乘以电阻率实现电阻率校正。绘制加入校正因子前后低阻段的电阻率与总有机碳质量分数的交会图(见图6)，电阻率校正克服束缚水饱和度的影响，较好体现与总有机碳质量分数的对应关系。

图6 加入校正因子前后研究区电阻率与总有机碳质量分数交会Fig.6 Intersection plot of resistivity and total organic carbon content before and after adding the correction factor in the study area

将电阻率校正因子g带入ΔlogR模型，与电阻率曲线相乘，可得改进CΔlogR模型：

(2)

w(TOC)=102.297-0.168 8LOM·CΔ logR+Δw(TOC),

(3)

式中：CΔlogR为幅度差；R为电阻率；Δt为声波时差；Rj和Δtj分别为电阻率曲线和声波时差曲线的基线值；LOM 为成熟度指数；Δw(TOC) 为总有机碳质量分数背景值。

将102.297-0.168 8LOM和Δw(TOC) 分别看作常数a、b，利用研究区数据通过最小二乘法拟合得到，式(3)可以写为

w(TOC)=aCΔlogR+b。

(4)

4 现场应用

研究区实际井的电阻率、声波时差、去铀伽马的基线值分别取自目的层非烃源岩段的平均值。其中，Rj=58.6562 8 Ω·m，Δtj=217.26 μs·m-1，KThb=67.934 633 8 API，k=0.014 9(见图5)，a=1.562 6，b=0.710 7，确定CΔlogR模型的表达式为

图5 研究区标准段声波时差与电阻率对数交会Fig.5 Intersection diagram of sonic time difference and resistivity logarithm in the standard section in the study area

(5)

ΔlogR模型的表达式为

(6)

在采用CΔlogR模型对实际井资料进行评价时，为分析应用效果和适用性，采用不易发生过拟合现象、泛化能力强的随机森林模型[26]进行对比与验证(见表1)。使用平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)进行综合分析，预测结果曲线见图7。

表1 研究区实际井模型预测误差分析

图7 D地区X组B井总有机碳质量分数预测结果Fig.7 Prediction results of total organic carbon content in well B of X Formation in a D Area

由表1可以看出，对于研究区陆相页岩气储层，ΔlogR模型的应用效果较差，误差较大，精确度低，无法满足勘探生产的需要。原因主要在于无法适用于研究区非均质性强、纵向上矿物组分变化较大、高质量分数黏土导致普遍低电阻率的复杂环境，预测结果在曲线上变化幅度小，难以反映地层真实总有机碳质量分数。CΔlogR模型的回判效果和测试数据验证效果的精度与实测结果吻合较好，较准确计算陆相页岩气储层成熟度较低的总有机碳质量分数，体现模型的有效性和可靠性。随机森林模型的预测结果有较高的精度，建模数据回判的误差最小，体现机器学习方法的优势，在测试数据验证效果上的准确性低于CΔlogR模型的。这类方法的精度在一定程度上取决于样本数据，需要大量的样本进行学习，并且样本的分布要较为均衡才能取得较好的效果，在陆相页岩气储层矿物成分复杂、储层多样的环境中，缺少相应的实测数据参与建模，预测结果的精度降低。相较于随机森林模型，CΔlogR模型的测试数据验证效果有一定的提高，具有更强的外推性与普适性，对样本要求较低。

5 结论

(1)四川盆地D地区X组陆相页岩气储层具有非均质性强、矿物组分变化大、黏土质量分数较高的特点。海相页岩气储层有机质富集，电阻率相对较高。研究区高质量分数黏土导致电阻率曲线降低，在有机质聚集层段出现低电阻率现象，同时较低的有机质成熟度使得电阻率无法准确反映地层总有机碳质量分数。

(2)在ΔlogR方法的基础上，加入电阻率校正因子，采用去铀伽马曲线计算相对黏土质量分数，修正电阻率曲线；在研究区低成熟度环境下，用标准段的实际电阻率和声波时差测井曲线确定真实声波时差转化系数，建立改进的CΔlogR模型。该模型能够适应陆相页岩气储层地层环境，提高总有机碳质量分数的预测精度，在研究区或相似条件下的页岩气储层具有较好的推广性。