基于數值模擬的水淹儲層原始電阻率反演方法

譚鋒奇，許長福，韋雅，于曉禾，羅剛，譚偉

(1. 中國石油大學(北京)地球物理與信息工程學院，北京，102249；2. 新疆油田公司勘探開發研究院，新疆 克拉瑪依，834000；3. 新疆油田公司開發處，新疆 克拉瑪依，834000)

礫巖油藏由于特殊的沉積環境導致儲層巖性復雜多變、非均質性嚴重等特點，水淹層的評價必須消除以上2個影響因素，因此，準確計算儲層的原始含油飽和度，在相同的巖性平臺上利用原油體積減少的相對值定量評價水淹級別，成為提高礫巖油藏水淹層解釋精度的關鍵。目前原始含油飽和度的計算方法主要有2種，一是基于儲層水淹后物性特征的變化規律建立的區域經驗公式，如耿長喜等[1]利用油藏水淹后泥質含量和孔隙度的變化估算原始含油飽和度的方法，建立的公式在大慶油田取得了一定的評價效果，但是方法缺少理論推理，適用性不是很廣；二是利用毛管壓力曲線計算原始含油飽和度，如潘和平等[2]利用巖心分析數據建立了實驗室毛管壓力和地層毛管壓力的轉換關系，然后把地層壓力轉換成油藏高度，進而依據毛管壓力圖版查出儲層的原始含油飽和度，該方法需要大量的實驗室分析數據，并且針對特定的油氣藏才具有很好的計算精度。另一方面，電阻率的各種影響因素和反演模型已經做過系統全面的研究[3-6]，但是水淹儲層的原始電阻率恢復缺少理論模型和嚴格推導，各種影響電阻率變化的因素和機理需要系統的總結。基于上述原因，本次作者研究依據地層的縱向侵入模式建立了儲層水淹的理論模型，并且對電阻率變化的公式進行了嚴格的理論推導，分析了各種因素影響儲層電阻率變化的機理和趨勢，結合巖心數據建立了各種影響因素的計算模型，可以準確地恢復水淹儲層的原始電阻率，進而計算原始含油飽和度，方法的理論性強，適用性廣，可以在其他油田的水淹層評價中有效的推廣和應用，準確評價水淹級別，提高油藏的注水驅油效率。

1 水淹儲層的電性模型建立

儲層水淹以后，注入水對泥質的沖刷以及與原始地層水離子的交換和平衡都會影響儲層的導電性，進而改變電阻率的測量值。克拉瑪依油田礫巖油藏由于近物源、多水系和快速多變的沉積環境導致儲層非均質性嚴重，泥質主要以分散黏土的形式存在。因此，依據鉆井過程中地層的縱向侵入模式建立儲層未水淹和水淹2種情況下的巖石物理體積模型(圖1)。從圖1可以看出，未水淹儲層由于保持油藏原始狀態，孔隙流體性質由束縛水和儲層原油組成，因此原狀地層的導電性由分散黏土、礫巖骨架和束縛水3部分并聯組成，其物質平衡方程見式(1)；水淹儲層由于注入水對孔隙結構和流體性質的影響，原狀地層的導電性由水淹后的分散黏土、礫巖骨架、束縛水和注入水4部分并聯組成，其物質平衡方程見式(2)。

圖1 儲層縱向侵入的巖石物理體積模型Fig.1 Geophysical volume model of reservoir with longitudinal invasion

式中：Vsh和Vma分別代表分散黏土和礫巖骨架的含量(體積分數，下同)；φwi，φh和φ分別代表束縛水孔隙度、油氣孔隙度和有效孔隙度。

式中：Vsh′ 為水淹后分散黏土含量；φ′h和φ′分別代表水淹后油氣孔隙度和水淹后有效孔隙度。

依據儲層未水淹和水淹2種模式下的巖石物理體積模型和儲層并聯導電的理論基礎[7-9]，借鑒經驗公式分別建立原狀地層的導電模型，未水淹原狀地層的電阻率模型為：

式中：Rt，Rsh，Rma和Rwi分別代表原狀地層、分散黏土、礫巖骨架和束縛水的電阻率，Ω·m。

式(4)為水淹原狀地層的電阻率模型，與未水淹的模型相比，一方面由于注入水的沖刷，分散泥質的含量發生變化；另一方面注入水對孔隙中油氣的驅替導致流體性質發生變化，2個因素共同影響地層電阻率的變化。

當儲層水淹以后，由于注入水礦化度與原始儲層中的束縛水礦化度不同，導致兩者之間進行離子交換和平衡，最終影響儲層的含水孔隙度和地層水礦化度，進而影響孔隙流體性質對整個儲層電阻率的貢獻值。由于油田開發中地層水電阻率是由原始儲層的束縛水電阻率和注入水電阻率共同組成，并且束縛水飽和度和注入水飽和度構成了儲層水淹以后的含水飽和度，因此，用地層水代替束縛水和注入水對儲層電阻率的貢獻，式(4)可表示為：

式中：φws為地層水孔隙度；為水淹地層的電阻率，Ω·m。

用未水淹地層的電阻率模型減去水淹地層的電阻率模型，得到：

依據式(6)可以看出，水淹以后儲層電阻率的變化值由2個因素決定，一是注入水對泥質的沖刷導致分散黏土的含量不斷減少，泥質附加導電對整個儲層導電性的貢獻減弱，因此，電阻率隨分散黏土含量的減小呈指數增加；二是注入水進入儲層后驅替孔隙中的油氣，導致含水飽和度增加，儲層的導電性增強，電阻率呈現非線性的下降趨勢，另外注入水與原始地層水由于礦化度的差異進行導電離子的交換和平衡，淡化作用導致儲層電阻率線性上升，在油藏的注水開發過程中，2種作用同時存在并影響電阻率的變化，使其呈現不規則的“U”形趨勢。因此，水淹儲層原始電阻率的恢復以目前電阻率為基礎，依據地質測井、巖石物理和生產動態等資料定量評價2個影響因素，準確反演原始儲層的電阻率，為高含水油田中后期水淹層的評價提供技術支撐。

2 電阻率模型的分析和反演

2.1 礫巖油藏巖性識別

克拉瑪依礫巖油藏屬于一套正旋回的山麓洪積扇沉積，近物源、多水系和快速多變的沉積環境導致儲層巖性和含油性復雜多變(圖 2)，為了提高反演的精度，原始儲層電阻率的恢復必須在細分巖性的基礎上進行。針對礫巖油藏復雜的巖性，傳統的數理統計方法難以準確地刻度測井資料與礫巖巖性的非線性映射關系，而具有自組織、自學習、推理思維能力和高精度非線性建模的數據挖掘能夠很好地解決這個問題[10]。數據挖掘(Data Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含的、事先未知的、但又是潛在有用的信息和知識的過程[11]，主要的方法有神經網絡、支持向量機、貝葉斯網絡和決策樹等，考慮到建立模型的精度和建模結果對地球物理研究的指導作用，選擇決策樹(Decision Tree)方法進行礫巖巖性的識別，因為決策樹是一種“白盒”模型，可以清楚地了解到分類器是如何工作以及各種參數的相對重要性[12-13]。數據挖掘過程是一個不斷循環、優化的過程，基于決策樹的數據挖掘包括數據預處理、數據選擇、數據變換、數據挖掘、模式評價、知識表現等6個步驟[14]。

礫巖油藏巖性識別的數據整理選擇密閉取心井為研究對象，依據層序地層學的理論建立密閉取心井段的巖性剖面，讀取不同巖性的測井響應特征值，建立礫巖巖性與測井數據的對應關系。挖掘的巖性按其粒度分為礫巖、砂質礫巖、砂礫巖、含礫粗砂巖、細砂巖、含礫泥巖、粉砂質泥巖和泥巖等8種，挖掘字段選擇自然電位、井徑、原狀地層電阻率、自然伽馬、聲波時差、中子孔隙度和補償密度共7個測井參數來指示巖性，基于決策樹方法的礫巖巖性數據挖掘結果見圖3。從圖3可以看出：決策樹方法首先從7個挖掘字段中提取出3個巖性敏感參數，然后利用樹形結構自上而下分層次識別巖性，樹的每個枝代表一類巖性的識別規則，枝的節點代表識別規則的屬性參數和數值區間，決策樹模型清晰的展示了巖性識別的參數組合和具體過程，綜合識別準確率達到90%以上。

由于克拉瑪依礫巖油藏主力含油儲層的巖性包括含礫粗砂巖、砂礫巖和礫巖3類，因此，原始儲層電阻率反演中各種因素的分析和計算都是在這3類巖性的基礎上進行，以便消除巖性的影響，進一步提高反演的精度。

2.2 泥質因素的分析和反演

2.2.1 黏土變化體積模型的反演

圖2 礫巖油藏巖性和含油性變化Fig.2 Change of lithology and oil-bearing property of conglomerate reservoir

圖3 礫巖巖性的決策樹識別模型Fig.3 Identification model of conglomerate lithology based on decision tree method

注入水對泥質的沖刷主要受注水量和儲層孔隙結構2方面因素的影響，為了研究黏土變化量隨注入水的變化規律，在實驗室中設計了不同巖性和相同巖性不同孔隙結構2種樣品的驅替實驗。圖4所示為礫巖油藏含礫粗砂巖、砂礫巖和礫巖3種巖性黏土變化量隨含水飽和度(注水量)增加的變化趨勢圖。從圖 4可以看出：隨著注水量的增加，3種巖性的黏土變化量都在增多，當注入水達到中強水淹級別以后，雖然兩者的增長關系還是正相關，但是增長趨勢相對于中弱水淹明顯變緩，總體的趨勢呈現兩段式的變化，樣品在中強水淹處出現拐點值，而且3種巖性都具有這樣的變化趨勢。圖5所示為含礫粗砂巖不同孔隙結構樣品黏土變化量隨含水飽和度增加的變化趨勢圖，利用儲層品質因子來刻度孔隙結構，其中，φ′為水淹儲層的有效孔隙度；K為水淹儲層的滲透率。從圖5可以看出，隨著注水量的增加，不同孔隙結構樣品的黏土變化量都在上升。對于相同的注水量，由于孔隙結構好的樣品非均質性弱，黏土分布均勻，因此，黏土受注入水的沖刷比較強，變化量比孔隙結構差的樣品大，而且4個樣品黏土變化量的總體趨勢也呈現兩段式變化，當進入中強水淹以后，變化量出現拐點。

圖4 不同巖性黏土變化量與含水飽和度交會曲線Fig.4 Crossplot of clay variation amount and water saturation for samples with different lithology

圖5 不同孔隙結構黏土變化量與含水飽和度交會曲線Fig.5 Crossplot of clay variation amount and water saturation for samples with different pore structure

通過研究發現，拐點代表的巖石物理含義是儲層中注入水形成主力流動網絡時的黏土減小量。巖石中的孔隙和喉道形成一個整體的滲流網絡，由于受毛管力和非均質性的影響，注水過程中有些孔道中的流體是不流動的，有些孔道中的流體是受限流動的，另外一些孔道中的流體是優先流動的，而黏土在這些孔道周圍都有分布。在水驅過程中，優先流動孔道周圍的黏土首先被沖刷，隨著注入水的增加黏土變化量呈單一變化趨勢，當水驅到一定程度以后(中強水淹)，主力流動網絡中的水成為連續相，連續的水相在儲層中形成高滲通道，這時隨著注入水量的增加，對分散黏土的沖刷作用減弱。因此，黏土變化量呈現更緩的變化趨勢。

從以上分析可以看出，黏土體積變化量的模型在分巖性的基礎上，利用含水飽和度和儲層品質因子 2個參數進行多元擬和，并且要考慮不同水淹時期的變化趨勢。式(7)和式(8)分別為含礫粗砂巖中弱水淹期和中強水淹期黏土變化量的計算公式，樣本數為113個，其他巖性的計算參數和系數見表1。

式中：ΔVsh為水淹前后黏土含量變化量；Sw為水淹儲層的含水飽和度。

2.2.2 黏土電阻率模型的反演

黏土礦物的導電性主要由黏土的陽離子交換吸附作用形成[15-16]，由于黏土顆粒表面帶負電，當與水溶液接觸時，黏土顆粒吸附溶液中的陽離子以達到離子平衡，結果在顆粒表面形成吸附層和擴散層的雙電層模式。研究發現，由于吸附層離子無法移動，所以對導電無貢獻，黏土礦物的導電性主要來自擴散層，通常利用陽離子交換能力(E)來定量刻度黏土礦物的導電能力[17]。為了研究黏土電阻率(Rsh)與E的關系，選取黏土礦物樣品，在實驗室中利用光度分析法測量陽離子交換能力，建立克拉瑪依礫巖油藏黏土電阻率與陽離子交換能力的關系(圖6)。從圖6可以看出：黏土礦物陽離子交換能力的變化范圍在 28～75 mmol/(100 g)之間，隨著陽離子交換能力的增強，黏土電阻率逐漸下降，兩者之間有著很好的相關性。因此，可以利用黏土礦物的陽離子交換能力來計算其電阻率，電阻率與陽離子交換能力的相關關系如式(9)所示：

表1 不同巖性黏土變化量計算模型參數表Table 1 Model parameters of clay variation amount for different lithology

圖6 黏土電阻率與陽離子交換能力的關系Fig.6 Relationship between clay resistivity and cation exchange capacity

式中：Rsh為黏土電阻率，Ω·m；E為陽離子交換能力，mmol/(100 g)。

綜上所述，黏土電阻率與陽離子交換能力有關，而影響陽離子交換能力的本質因素則是黏土礦物的類型和含量[18]，為了準確計算陽離子交換能力，首先必須研究克拉瑪依油田黏土礦物的類型。克拉瑪依油田屬于一套正旋回的山麓洪積扇沉積，在溫暖、濕潤的古氣候環境下，陸源碎屑中的長石、云母等鋁硅酸鹽礦物經風化脫鉀形成大量伊利石。而碎屑顆粒中的輝石、角閃石和黑云母等在化學風化不徹底的情況下形成蒙脫石，但研究區未見分布，主要原因是在油藏后期的成巖過程中，由于地層水性質的差異黏土礦物發生轉化形成自生黏土礦物[19-21]，蒙脫石形成條件是pH=6～8，屬膨脹性黏土礦物，隨著地層堿性的增強發生脫水作用，向非膨脹性的黏土礦物伊利石(pH=7～8)或綠泥石(pH=8～9)轉化，由于研究區的水型以NaHCO3為主，pH平均值為 7.8，所以陸源碎屑形成的蒙脫石在堿性環境下都轉化為伊利石或伊蒙混層。另外酸性介質對鋁硅酸鹽礦物風化淋濾而形成高嶺石，但由于研究區屬于堿性環境，因此，高嶺石在個別井分布，含量較少。綜上所述，研究區黏土礦物的類型以伊利石和伊蒙混層為主，少量高嶺石。

在區域黏土礦物類型確定的基礎上，需要建立相應的模型來計算各種黏土礦物的含量。克拉瑪依礫巖油藏不同類型黏土礦物的基本特性表如表2所示。從表2可以看出，3類黏土礦物在自然伽馬、密度、中子和聲波時差等數值上差異比較大，因此，結合礫巖儲層的4條測井曲線依據多元線性回歸的方法建立黏土礦物含量的計算模型。為了減小回歸分析中因數據屬性不同而產生的誤差，首先對原始數據進行歸一化處理，得到中子孔隙度(φN)、聲波孔隙度(φS)、密度孔隙度(φD)和泥質含量(Vsh)，然后將3種孔隙度值無量綱化，構造變量參數φS/φD，φS/φN和φN/φD，再結合泥質含量建立黏土礦物含量的計算模型，式(10)是伊利石含量的計算公式，樣本數據為136個，伊蒙混層和高嶺石含量的計算參數和系數見表2。

在黏土礦物含量準確計算的基礎上，應用巖石物理體積模型計算儲層分散黏土總的陽離子交換能力，模型見式(11)：

式中：EI，EK和EI+M分別代表伊利石、高嶺石和伊蒙混層的陽離子交換能力，mmol/(100 g)；VI，VK和VI+M分別代表伊利石、高嶺石和伊蒙混層體積。

基于以上研究結果，水淹儲層的黏土礦物變化量和黏土電阻率可以利用豐富的測井資料準確計算，黏土因素的變化對儲層電阻率的貢獻可以有效的恢復。

2.3 束縛水因素的分析和反演

儲層原始狀態下的束縛水飽和度由巖性、孔隙度、滲透率、粒度中值和孔隙結構等因素共同決定[22-23]，因此，水淹儲層原始電阻率的準確反演就必須對以上因素進行研究，進而建立精度高、適用性強的計算模型。礫巖油藏由于特殊的沉積環境導致巖性復雜多變，不同的巖性之間物性、滲流性和孔隙結構差異很大，含礫粗砂巖、砂礫巖和礫巖的非均質性逐漸增強，導致束縛水飽和度增加，因此，對于礫巖油藏分巖性建立束縛水飽和度模型是非常必要的。對于孔隙度和滲透率2個影響因素，通過密閉取心井的巖心分析資料可以看出，隨著孔隙度和滲透率參數的增大，束縛水飽和度逐漸降低，其中與孔隙度呈線性下降關系，而與滲透率呈指數下降關系。孔隙結構對束縛水飽和度的影響由微細孔喉峰值的高低決定，其頻率越高，束縛水飽和度越大。粒度中值對束縛水的影響主要表現在 2個方面：(1)粒度的粗細影響喉道尺寸，粒度越細，毛管壓力越高，束縛水飽和度越大；(2)顆粒的尺寸決定巖石與水的接觸面積，在相同體積下，顆粒越細，與水的接觸面積越大，薄膜束縛水越多。

表2 克拉瑪依油田不同黏土礦物特性參數和含量計算模型Table 2 Characteristic parameters and content calculation models of different clay minerals in Karamay Oilfield

式中：Swi為束縛水飽和度；Md為粒度中值，mm。地層水礦化度和地層溫度是影響地層水電阻率(Rws)的2個主要因素，依據研究區水化驗資料和地溫數據，制作了不同地層溫度下礦化度與電阻率的交會曲線(圖7)。從圖7可以看出：相同地層溫度下，隨著礦化度的升高，地層水電阻率逐漸降低；而對于相同的地層水礦化度，隨著地層溫度的升高，地層水電阻率呈現下降趨勢。根據區域歷史礦化度資料和圖7可確定束縛水電阻率(Rwi)，克拉瑪依油田礫巖油藏原始狀態下的束縛水礦化度為6 158×10-6，結合研究區的地溫梯度(3.2 ℃/100 m)可以計算不同深度儲層的束縛水電阻率。綜上分析，束縛水孔隙度模型分巖性建立束縛水電阻率根據圖版可以查詢，因此，束縛水對水淹儲層電阻率的貢獻可以有效恢復。

圖7 不同溫度下地層水電阻率和礦化度交會曲線Fig.7 Crossplot of formation water resistivity and salinity at different reservoir temperatures

2.4 地層水因素的分析和反演

注入水進入儲層后一方面驅替孔隙中的原油，導致含水飽和度上升；另一方面由于礦化度的差異改變原始地層水的電阻率，以上2個因素的變化對水淹儲層電阻率的影響最大，因此，原始儲層電阻率準確反演的前提是建立適用于礫巖油藏的飽和度計算模型。基于巖心分析數據和測井曲線資料，對目前各種飽和度模型(Archie、校正Archie、西門杜、三水導電和多元線性回歸等)在礫巖油藏中的計算精度進行綜合分析，最終優選出多元線性回歸公式作為礫巖油藏飽和度計算的公式。多元回歸模型是基于Archie公式的變形，用原狀地層電阻率、有效孔隙度和自然電位歸一化值3個變量回歸擬合含水飽和度公式。因為所有的飽和度模型都涉及求取地層水電阻率的問題，而地層水電阻率的影響因素比較多也比較復雜，準確求取的難度比較大，多元回歸模型避開了這個問題，用連續的自然電位曲線歸一化值代替地層水電阻率，提高了飽和度模型的計算精度。含礫粗砂巖的飽和度計算公式見式(13)，樣本數為 125個，其他巖性的模型見表3。

表3 不同巖性飽和度模型計算參數表Table 3 Saturation model parameters of different lithologies

式中：Sw為含水飽和度，%；Rt′為水淹儲層原狀地層電阻率，Ω·m；ΔP為自然電位歸一化值。

影響地層水礦化度的因素主要有2個，一是注入水性質；二是地層水對巖石骨架中可溶性離子的溶解，當地層水淹以后，2種作用是同時存在并影響地層水礦化度的變化。依據克拉瑪依油田歷年地層水化驗資料制作了隨油藏開發年代變化的地層水礦化度趨勢圖(圖8)，整體上變化趨勢呈現“W”形，可以細分為A，B，C，D4個階段。A階段為淡化過程，開發初期隨著淡水的注入，地層水礦化度不斷降低；B階段為地層水回注和溶解過程，當地層水和注入水礦化度基本相等時，礦化度不再降低，這時巖石骨架里的可溶離子不斷溶解，地層水礦化度不斷升高，而且地層水回注也導致礦化度升高；C階段主要是由于20世紀90年代以后油田進入重點調整階段，大量開發井的投產，淡化過程又占主導地位，礦化度再次下降；D階段為油田后期的污水回注，導致礦化度回升。結合圖 7，可以準確計算不同年代的地層水電阻率。因此，地層水變化對水淹儲層電阻率的貢獻可以有效地恢復。

圖8 礦化度隨開發年代變化趨勢Fig.8 Changeable trend of salinity with production years

3 原始含油飽和度的計算及應用

3.1 礫巖油藏水淹敏感參數的構造

礫巖油藏由于特殊的沉積環境導致儲層巖性復雜多變，非均質性嚴重等特點，含水飽和度和產水率 2個傳統的水淹層評價參數在礫巖油藏水淹層定量解釋中適用性比較差，達不到實際解釋的精度。因此，礫巖油藏水淹敏感參數的構造必須消除巖性和非均質性的影響，考慮到以上2個方面，定義原始含油飽和度和目前含油飽和度的差值與原始含油飽和度的比值為儲層的采出指數。

式中：Fow為采出指數；So為原始含油飽和度；So′為目前油藏含油飽和度。

采出指數表征的是油層動態水淹的一個參數，可以反映目前油層的水淹程度，采出指數利用相對值的原理一方面消除了礫巖巖性的影響，避免了單一利用目前含油飽和度定量評價水淹級別的不足；另一方面由于產水率模型要涉及到求取儲層的油水相對滲透率和油水黏度的問題，而實際中這2方面的資料都比較有限，模型的應用效率和精度都很難達到要求。采出指數則能有效地避開這些問題進而準確地評價水淹級別，在礫巖油藏中有很好的適用性。

3.2 原始含油飽和度的計算

圖9 水淹級別定量解釋成果圖Fig.9 Quantitative interpretation result graph of flooded levels

前面基于水淹儲層的縱向侵入模型，依據巖石物理體積模型建立了原始儲層電阻率與目前電阻率的理論關系，在對各種電阻率影響因素分析的基礎上分巖性建立了其計算模型，實現了儲層原始電阻率的準確反演和計算。另外注入水對儲層泥質的沖刷導致孔隙度增大，孔隙體積增大的部分等于被沖刷的泥質體積，因此，原始儲層的有效孔隙度就可以用目前儲層有效孔隙度減去黏土變化量來計算(φ=φ′-ΔVsh)。綜上分析，儲層的原始電阻率和原始有效孔隙度可以依據目前油藏的各種資料準確計算，然后應用建立的多元線性回歸模型計算儲層原始狀態下的含油飽和度，結合目前含油飽和度就可以得出儲層的采出指數，進而定量評價水淹級別。圖9所示為克拉瑪依礫巖油藏X油井的水淹級別定量解釋成果圖，在含油飽和度評價道中，儲層原始含油飽和度與目前含油飽和度所示為差值代表儲層水淹以后孔隙中被驅替的原油體積，與原始含油飽和度的比值即為采出指數。采出指數的應用大大提高了礫巖油藏水淹層定量解釋的精度，通過對22口取心井共計146個層位進行水淹級別評價，并且與試油結論對比，采出指數可以定量解釋121層的水淹級別，精度達到82%，飽和度和產水率的精度分別為57%和63%，由于受礫巖非均質性影響，精度較低。

4 結論

(1)影響水淹儲層電阻率變化的因素主要有 2個方面，一是注入水對泥質的沖刷導致黏土體積減小，影響儲層電阻率的變化；二是注入水對孔隙中原油的驅替，導致儲層含水體積增加，另外由于礦化度的差異注入水會與原始地層水進行離子交換和平衡，進而影響儲層電阻率的變化。

(2)黏土體積的變化量與注水量和孔隙結構有關，隨著注水量的增加，不同巖性和不同孔隙結構的儲層黏土變化量呈現不同斜率的增加，進入中強水淹以后由于巖石中的主力滲流網絡形成，注入水對泥質的沖刷作用減弱，黏土變化量出現拐點值。

(3)黏土電阻率與陽離子交換能力有關，而影響陽離子交換能力的本質因素則是黏土礦物的類型和含量，由于研究區的水型以NaHCO3為主，平均pH為7.8，所以陸源碎屑形成的蒙脫石在堿性環境下都轉化為伊利石或伊蒙混層，另外酸性介質對鋁硅酸鹽礦物風化淋濾而形成高嶺石。因此，研究區黏土礦物的類型以伊利石和伊蒙混層為主，少量高嶺石。

(4)采出指數利用相對值的原理消除了礫巖巖性和非均質對水淹層定量評價的影響，大幅度提高了水淹層解釋的精度，在高含水油田中后期的二次調整開發中取得了很好的應用效果，為避射強水淹層和提高油藏采收率提供了技術支撐。

[1]耿長喜, 趙晨穎, 馬德華, 等. 水淹層原始含油飽和度的估算方法探討[J]. 大慶石油地質與開發, 2005, 24(增刊): 67-69.GENG Chang-xi, ZHAO Chen-ying, MA De-hua, et al. Method for estimating original oil saturation of watered out layers[J].Daqing Petroleum Geology and Development, 2005, 24(Suppl):67-69.

[2]潘和平, 王興, 樊政軍, 等. 儲層原始含油飽和度計算方法研究[J]. 現代地質, 2000, 14(4): 451-453.PAN He-ping, WANG Xing, FAN Zheng-jun, et al. Computing method of reservoir originality oil saturation[J]. Geoscience,2000, 14(4): 451-453.

[3]張凌云, 劉鴻福. ABP法在高密度電阻率法反演中的應用[J].地球物理學報, 2011, 54(1): 227-233.ZHANG Ling-yun, LIU Hong-fu. The application of ABP method in high-density resistivity method inversion[J]. Chinese J Geophys, 2011, 54(1): 227-233.

[4]楊海燕, 鄧居智, 張華, 等. 礦井瞬變電磁法全空間視電阻率解釋方法研究[J]. 地球物理學報, 2010, 53(3): 651-656.YANG Hai-yan, DENG Ju-zhi, ZHANG Hua, et al. Research on full apparent resistivity interpretation technique in mine transient electromagnetic method[J]. Chinese J Geophys, 2010, 53(3):651-656.

[5]魯晶津, 吳小平, Klaus S. 直流電阻率三維正演的代數多變網格方法[J]. 地球物理學報, 2010, 53(3): 700-707.LU Jing-jin, WU Xian-ping, Klaus S. Algebraic multigrid method for 3D DC resistivity modeling[J]. Chinese J Geophys,2010, 53(3): 700-707.

[6]謝進莊, 楊景海, 劉福平, 等. 過套管地層電阻率曲線環境影響校正方法研究[J]. 地球物理學進展, 2010, 25(1): 258-265.XIE Jin-zhuang, YANG Jing-hai, LIU Fu-ping, et al. Study on the environment effect and its correction method for the formation resistivity logging data through casing[J]. Progress in Geophysics, 2010, 25(1): 258-265.

[7]雍世和, 張超謨. 測井數據處理與綜合解釋[M]. 北京: 中國石油大學出版社, 2007: 16-24.YONG Shi-he, ZHANG Chao-mo. Logging data processing and comprehensive interpretation[M]. Beijing: China University of Petroleum Press, 2007: 16-24.

[8]陳峰, 安金珍, 廖椿庭. 原始電阻率各向異性巖石電阻率變化的方向性[J]. 地球物理學報, 2003, 46(2): 271-280.CHEN Feng, AN Jin-zhen, LIAO Chun-ting. Directional characteristic of resistivity changes in rock of original resistivity anisotropy[J]. Chinese J Geophys, 2003, 46(2): 271-280.

[9]宋延杰, 唐曉敏. 低阻油層通用有效介質電阻率模型[J]. 中國科學D輯: 地球科學, 2008, 38(7): 896-909.SONG Yan-jie, TANG Xiao-min. Resistivity model of current effective medium of low-resistivity oil layers[J]. Edition D of China Science: Earth Science, 2008, 38(7): 896-909.

[10]TAN Feng-qi, LI Hong-qi, XU Chang-fu, et al. Quantitative evaluation methods for water-flooded layers of conglomerate reservoir based on well logging data[J]. Petroleum Science, 2010,7(4): 485-493.

[11]Usama F, Gregory P S, Padhraic S. Knowledge discovery and data mining: Towards a unifying framework[M]. Portland,Oregon: AAAI Press, 1996: 82-88.

[12]李洪奇, 譚鋒奇, 許長福, 等. 基于決策樹方法的礫巖油藏巖性識別[J]. 石油天然氣學報, 2010, 32(3): 73-79.LI Hong-qi, TAN Feng-qi, XU Chang-fu, et al. Lithology identification of conglomerate reservoir base on decision tree method[J]. Journal of Oil and Gas Technology, 2010, 32(3):73-79.

[13]Han J, Kamber M, Data Mining: Concepts and Techniques (The Morgan Kaufmann Series in Data Management Systems)[M].Second Edition, Morgan Kaufmann Press, 2006: 137-152.

[14]譚鋒奇, 李洪奇, 孟照旭, 等. 數據挖掘方法在石油勘探開發中的應用研究[J]. 石油地球物理勘探, 2010, 45(1): 91-97.TAN Feng-qi, LI Hong-qi, MENG Zhao-xu, et al. Research on application of data mining method in petroleum exploration and development[J]. Oil Geophysical Prospecting, 2010, 45(1):91-97.

[15]Winsaure W O, McCardell W M. Ionic double–layer conductivity in reservoir rock[J]. Trans, AIME, 1956, 198:129-134.

[16]孫德明. 油田開發后期儲層巖石導電機理的實驗研究[J]. 地球物理學進展, 1993, 8(4): 167-172.SUN De-ming. An experimental study of electric conductivity of oil-bearing formation in late stage of oil field development[J].Progress in Geophysics, 1993, 8(4): 167-172.

[17]Waxman M, Smits L J M. Electrical conductivities in oil bearing shaly sand[J]. Soc Pet Eng, 1968, 42(3): 107-121.

[18]孫建孟, 張麗艷, 張磊. 基于礦物組分模型的陽離子交換容量評價新方法[J]. 測井技術, 2010, 34(5): 415-418.SUN Jian-meng, ZHANG Li-yan, ZHANG Lei. A new method of cation exchange capacity evaluation based on mineral composition model[J]. Well Logging Technology, 2010, 34(5):415-418.

[19]伏萬軍. 黏土礦物成因及對砂巖儲集性能的影響[J]. 古地理學報, 2000, 2(3): 59-68.FU Wan-jun. Influence of clay minerals on sandstone reservoir properties[J]. Journal of Palaeogeography, 2000, 2(3): 59-68.

[20]TAN Feng-qi, LI Hong-qi, LIU Hong-tao, et al.Micro-geological causes and macro-geological controlling factors of low-resistivity oil layers in the Puao Oilfield[J].Petroleum Science, 2009, 6(3): 246-253.

[21]趙澄林, 朱筱敏. 沉積巖石學[M]. 北京: 石油工業出版社,2001: 132-147.ZHAO Chen-lin, ZHU Xiao-min. Sedimentary petrography[M].Beijing: Petroleum Industry Press, 2001: 132-147.

[22]孫怡. 成藏動力對束縛水飽和度的影響[J]. 油氣地質采收率與, 2007, 14(2): 64-66.SUN Yi. Influence of reservoir forming dynamic on irreducible water saturation[J]. Petroleum Geology and Recovery Efficiency,2007, 14(2): 64-66.

[23]高華, 高楚橋, 胡向陽. 鶯歌海盆地束縛水飽和度影響因素研究[J]. 石油物探, 2005, 44(2): 158-160.GAO Hua, GAO Chu-qiao, HU Xiang-yang. Influential factors of irreducible water saturation in Yingge-hai[J]. Geophysical Prospecting for Petroleum, 2005, 44(2): 158-160.