渤海湾盆地渤中凹陷西南部深层烃源岩有机相预测

2022-12-07马劲风王飞龙王震亮陈容涛闫昕宇

石油实验地质 2022年6期

王祥，马劲风，王飞龙，王震亮，陈容涛，闫昕宇

1.西北大学地质学系，西安 710069；2.二氧化碳捕集与封存技术国家地方联合工程研究中心，西安 710069；3.大陆动力学国家重点实验室，西安 710069；4.中海石油(中国)有限公司天津分公司勘探开发研究院，天津 300452

烃源岩的研究一直以来均是勘探家们关注的热点问题，伴随着勘探程度逐渐加深，如何对烃源岩进行较为精细的刻画也一直困扰着各位学者[1-4]。有机相的概念最早由ROGERS等[5]提出，后来迅速推广到烃源岩的研究工作中。有机相是从有机成因角度研究烃源岩形成环境、有机质类型、展布特征等的重要分析方法，经过多年的发展，有机相已成为烃源岩评价的有力工具[6-11]。我国学者对有机相的概念、内涵和发展及其在盆地分析中的意义均做了详细的论述[8,10]，郝芳等[8]将有机相定义为：有机相是具有一定丰度和特定成因类型的有机质的地层单元。前人的工作已证实有机相研究需要以地球化学、沉积学、层序地层学等多学科为基础进行综合分析[11-14]。因此为了快速针对不同有机相的烃源岩进行分类评价，需要一套操作较为简易的分类手段，其中总有机碳含量(TOC)和氢指数(IH)是有机相分析必不可少的指标之一[5-7,15-17]。赵志刚等[15]根据大量热解参数对二连盆地的烃源岩有机相进行了划分，并结合生物标志化合物等其他地化参数对烃源灶进行了评价；孙哲等[16]基于有机相划分，结合地震相等研究了渤海湾盆地庙西中南洼烃源岩分布特征；杨海风等[17]建立了有机相和沉积相之间的关系，进而预测了渤海湾盆地莱州湾凹陷烃源岩的平面展布。

近年来，渤海海域渤中凹陷的油气勘探取得了重要突破，相继发现了以渤中19-6、渤中13-2等为代表的一系列大中型油气田[18-21]，显示了渤海海域具有巨大的油气勘探潜力。但是，由于凹陷深部样品稀少，缺少地化分析测试数据，且烃源岩具有较强的非均质性，因而难以针对深部烃源岩展开有机相的分析和烃源岩平面上的精细化研究。地球物理测井在TOC含量、可溶烃含量(S1)、裂解烃含量(S2)预测等方面具有无可替代的作用，是对传统地球化学测试的重要补充，其中衍生了ΔlogR系列方法[22-24]、多元线性回归法[25]、机器学习法[26-31]等预测方法。ΔlogR方法因其使用过程中需确定基线值而显得较为繁琐，且在国内非均质性较强的陆相地层应用效果不佳。有学者针对其进行了诸多改进，相继出现了变系数ΔlogR方法[23]、广义ΔlogR方法[32]、优化ΔlogR方法[33]等。多元回归法虽操作简便，但其针对新数据的预测效果不甚理想，因此以神经网络为代表的方法逐渐成为主流。学者们针对神经网络方法做了一定程度的改进，并且与ΔlogR方法进行对比，显示其在预测TOC、S1、S2等地化参数方面的巨大优势[27-30]。

前人已针对渤海湾盆地的烃源岩有机相做了大量的研究工作，但是其主要还是依靠地化数据，使得烃源岩的横向研究较为困难，而且海上钻井的烃源岩样品获取较为困难，难以针对每口井进行大量取样进行烃源岩的地化分析测试，因此样品稀少的研究区仍需依靠地球物理方法结合地化分析进行预测[16-17,34-35]。

本文在归纳整理前人方法的基础上，以渤中凹陷西南部东营组和沙河街组深层烃源岩的岩石热解、元素分析、干酪根显微组分、气相色谱、测井曲线等资料为基础，在沉积相的约束下，对比ΔlogR系列方法、多元回归法，优选BP神经网络法预测烃源岩TOC含量、S2含量，进而计算得到测井尺度的氢指数，结合TOC含量预测结果，定量研究各层系烃源岩的有机相，评价烃源岩的展布规律和品质，以期为渤中凹陷下一步的深层油气勘探提供依据。

1 区域地质概况

图1 渤海湾盆地渤中凹陷区域概况(a)、研究区位置(b)及地层综合柱状图(c)据文献[19，37]修改。

研究区受大型走滑断层的影响，长期多走向的活动断层较多，沟通了烃源岩层与孔店组(E1-2k)、太古界潜山变质岩储层，并与不整合面和砂体组成了复式的油气输导体系，主要发育了南部的渤中19-6暴露型潜山和北部的渤中13-2覆盖型潜山，具有良好的油气聚集和保存能力[36-37]。研究区部分钻井缺少烃源岩地化分析测试数据，从而加大了对该区烃源岩精细研究的难度。

2 有机相分析

2.1 有机质类型与有机质丰度

图2 渤海湾盆地渤中凹陷西南部烃源岩干酪根显微组分(a)、干酪根H/C原子比和O/C原子比(b)、TOC含量(c)和Pr/nC17和Ph/nC18值相关图(d)

2.2 有机相分类

本文采用JONES的有机相分类方法，其依据烃源岩中干酪根的无定形含量、AOM荧光强度、浮游生物含量、氢指数(IH)、干酪根类型、总有机碳含量等指标，将有机相分为A、AB、B、BC、C、CD、D七种(表1)[6,17]。其中A相IH≥850 mg/g，TOC为5%～20%或更高，有机质类型为Ⅰ型，形成于缺氧的还原环境中；AB相IH为650～850 mg/g，B相IH为400～650 mg/g，AB相、B相的TOC为3%～10%或更高，有机质类型为Ⅰ—Ⅱ型，形成于缺氧—乏氧环境；BC相IH为250～400 mg/g，TOC为3%或更高，有机质类型为Ⅱ—Ⅲ型，也形成于缺氧—乏氧环境，水体相较于B相更浅；C相IH为125～250 mg/g，TOC一般小于等于3%，有机质类型为Ⅲ型，形成于偏氧化环境中；CD相IH为50～125 mg/g，TOC一般小于0.5%，有机质类型为Ⅲ—Ⅳ型，形成于氧化环境中，D相IH和TOC含量均较低。

表1 有机相分类

根据研究区岩石热解的S1+S2、TOC、IH的三维交会图(图3)，结合前文中的烃源岩有机质类型、丰度和发育环境等参数(图2)划分有机相。

图3 渤海湾盆地渤中凹陷西南部烃源岩岩石热解氢指数、总有机碳含量、生烃潜力交会图

3 TOC和S2的测井预测

根据IH、TOC的交会图仅能定性判断各层系烃源岩的有机相类型，难以对其进行定量化研究，因此需要通过测井资料建立和有机质丰度参数(TOC、S2)的关系，进而优选对TOC、S2的测井参数，建立其与测井参数对应的数学模型，对全井有效烃源岩的TOC和S2进行测井尺度的拓展，进而转化得到IH曲线[IH=S2/ω(TOC)]，并结合TOC曲线进行有机相的定量分析。

通过分析发现，测井参数声波时差(DT)、密度(DEN)、深电阻率(RD)、自然伽马(GR)和TOC、S2具有一定的相关性(图4)。根据前人研究，烃源岩中含有的有机质，会导致声波时差(DT)增大；且有机质的密度相较于岩石骨架的密度较低，会导致测井密度(DEN)降低；而且，有机质本身属于电阻率较高的成分，且其中含有的U、Th、K等放射性元素，均会不同程度影响电阻率(RD)和自然伽马(GR)[25]。

3.1 ΔlogR系列方法

目前TOC预测的主流方法为ΔlogR系列方法[22-25]。该方法由PASSEY等[22]根据阿尔奇公式等推导得出，电阻率曲线和孔隙度曲线(一般选取声波时差)反向叠合后即为ΔlogR。该公式在烃源岩评价方面起到了至关重要的作用，但是该系列方法需要确定基线值而显得较为繁琐，后续也有许多学者对该方法进行了改进[23,25,32-33,38]。其原始公式为：

ΔlogR=lg(R/R基线)+0.02(Δt-Δt基线)

(1)

ω(TOC)=ΔlogR×102.297-0.168 8LOM

(2)

因上述方法未考虑陆相深层烃源岩自然伽马(GR)与密度(DEN)测井曲线与有机质丰度良好的相关性，因此建立模型时，可引入GR和DEN，得到广义ΔlogR方法[24,32]：

ΔlogR=lg(R/R基线)+0.02(Δt-Δt基线)

(3)

ω(TOC)=ΔlogR×(a+bDEN+clgGR)+d

(4)

式中：R基线、Δt基线分别为深电阻率曲线和声波时差曲线在非烃源岩的值，R、Δt分别为深电阻率和声波时差测井曲线的读值，LOM为热成熟度参数，可根据镜质体反射率(Ro)获得；a、b、c为拟合系数，d为常数。

3.2 多元线性回归法

优选与研究区TOC相关系数最高的测井参数(图4)——声波时差(DT)、密度(DEN)、深电阻率(RD)、自然伽马(GR)，以上述测井参数为自变量，实测TOC为因变量，建立多元回归模型：

图4 渤海湾盆地渤中凹陷西南部烃源岩测井参数与TOC、S2交会图

ω(TOC)=mDT+nDEN+pRD+qGR+k

(5)

式中：m、n、p、q为拟合系数，k为常数。

3.3 BP神经网络法

BP神经网络法是一种多层前向传递网络，在数据预测方面的应用极为广泛，可以有效针对工程计算中的非线性问题进行预测、分类等；主要结构包括输入层、隐含层和输出层(图5)，其算法本质为梯度下降法，经过多次的训练，各个神经元之间进行正向与反向传播，把误差信息传递给上一层神经元，进而调整权值和阈值，使得训练网络的期望输出和实际输出误差最小[39]。可通过调整隐含层的数量和隐含层神经元(节点)数量，提高网络训练的效果。已有研究表明，当原始数据为非线性分离时才需要隐含层，单隐含层的神经网络模型可以有效逼近任意连续函数[39]。为了简化运算步骤，提高预测的效率，本文采用单隐含层的三层BP神经网络模型。

图5 三层BP神经网络预测TOC、S2原理

3.4 模型的对比优选和应用

根据各沉积相模型的判定系数R2对比(表2)可以发现，传统ΔlogR法各沉积相的模型判定系数R2主体介于0.22～0.78之间；广义ΔlogR法和多元回归法各沉积相的模型判定系数R2差异不大，主体介于0.32～0.82之间，但都高于传统ΔlogR法；BP神经网络法各沉积相的模型判定系数R2在0.80以上，相比于前三种方法优势明显。

表2 渤海湾盆地渤中凹陷西南部各TOC预测方法判定系数R2对比

由图6可以看出，传统ΔlogR法、广义ΔlogR法、多元回归法、BP神经网络法判定系数R2分别为0.798 7，0.852 1，0.843 6，0.918 0，平均相对误差分别为26.46%，21.69%，21.88%，12.79%。由此可见，广义ΔlogR法相比于传统ΔlogR法精度有了显著提高，且略高于多元回归法，BP神经网络方法的判定系数R2和平均相对误差远优于其他三种方法。

图6 四种方法预测TOC判定系数R2、平均相对误差分析

因此，S2的预测也相应采取BP神经网络方法。以Q3井为例，可以看出BP神经网络法对TOC和S2取得了较好的预测效果(图7)，计算得到的IH预测曲线与实测值的吻合度也较高。

图7 渤海湾盆地渤中凹陷西南部Q3井TOC、S2、IH预测与实测综合地球化学剖面

4 有机相平面预测及分析

得到单井的IH预测曲线后，每口井按照表1和图3的有机相分类标准，分层筛选泥岩的各有机相测井尺度的厚度，进而绘制各烃源岩层的有机相分布图(图8)。

E3d3沉积时期，渤中凹陷断裂活动加剧，沉积速率增加，湖盆范围达到最大，沉积了渤中凹陷一套厚层的优质烃源岩。研究区北部主要发育半深湖—深湖、南部主要为滨浅湖沉积，烃源岩有机相主要为B相和BC相；西北部Y1、Y2、Y3、Q10、Q11井区烃源岩广泛发育，中南部Q2、Q3、Q4、Q12、Q13、P1井区烃源岩发育局限，与沉积相图吻合(图8)。

E2s1+2沉积时期，渤中凹陷重新发生沉降，广泛发育滨浅湖沉积，水体较浅，烃源岩有机相主要为B相和BC相；研究区北部、东部B、BC相烃源岩发育广泛，西部烃源岩发育局限(图8)。

E2s3沉积时期，渤中凹陷发育了大量断裂，形成了多个沉积中心；研究区主要发育半深湖—深湖、湖底扇沉积，E2s3烃源岩是研究区的主力烃源岩，烃源岩有机相主要为B相和BC相。研究区中南部Q3、Q6井区烃源岩广泛发育；北部、东北部Y1、Q1井区烃源岩发育局限，与沉积相图较为吻合(图8)。