測井巖性識別方法研究

摘要：地層的巖性是巖石顏色、成分、結構、構造等特征的總和，識別鉆井剖面上地層的巖性，尤其是儲層的巖性，是石油勘探和開發中的一項重要的基礎性工作。其能有效進行測井儲層識別，巖性識別是前提，因此，巖性識別方法在油氣層識別中占有不可或缺的地位。

關鍵詞：測井技術;巖性識別方法;儲層;石油勘探;石油開發 文獻標識碼：A

中圖分類號：P631 文章編號：1009-2374（2015）02-0176-02 DOI：10.13535/j.cnki.11-4406/n.2015.0184

1 概述

識別儲層巖性最直接最有效的方法是巖心分析，但考慮到油田上的生產效益，深層鉆井成本很高，因此不能在每口井中都取心，測井巖性識別方法作為一種簡單而有效的技術方法，已經得到了廣泛的應用。尤其是近年來巖性識別方法得到了迅猛的發展，2009年李祖兵利用M-N交會圖對具有不同結構和構造的同類巖性進行了識別;2010年張伯新以準噶爾盆地六九區石炭系火山巖為研究對象，構建了測井相-巖性建模數據庫，應用模糊數學方法建立了工區內火山巖巖性識別標準模型;2013年楊輝運用BP神經網絡模型對研究區域復雜巖性進行識別，識別結果與巖心巖性和錄井巖性較為相符，對該區域的儲層識別和沉積相的研究具有一定的參考價值。2014年劉國全針對滄東凹陷孔二段源儲互層型致密儲層巖性識別的難點，利用散點圖、交會圖及ECS測井進行巖性的識別，形成了源儲互層型致密油巖性識別的有效方法等。

測井巖性識別方法是根據已有的測井曲線資料來劃分地下地層的巖性，傳統巖性識別方法的方法為交會圖法。測井曲線資料包含有豐富的巖性信息，地下的巖性主要包括巖石的物理組成、排列結構、孔隙度及孔隙流體的性質直接著影響測井曲線的測量結果，其中自然伽馬（GR）、自然電位（SP）及泥質含量（Vsh）等測井曲線對地下巖性的變化反應最為靈敏。實際應用中，特定的巖性對應著特定的測井參數組合，因此，測井解釋人員可以根據特定的測井參數組合來確定地下地層的

巖性。

2 基礎數據整理

測井曲線的質量直接影響整個研究工作的順利開展。實際測量過程中一方面由于環境因素的影響會造成測井資料中出現一些不穩定的跳躍狀態，需要對測井曲線進行濾波處理;另一方面由于儀器刻度的不精確性會引起刻度誤差，需要進一步做標準化處理。

其中頻率直方圖是測井標準化處理的一種基礎方法，首先選取一套巖性穩定、厚度大、分布范圍廣的地層作為標準層，然后對選定的標準層分別做自然伽馬、補償聲波、補償密度、補償中子孔隙度等測井資料頻率直方圖，確定每項測井資料在每口井的主要分布范圍和峰值，確定對應關鍵井相應的測井資料分布范圍和峰值確定校正值并進行校正。

3 常規測井資料識別地層巖性

實際情況中，考慮成本及效率因素，絕大部分油田都采用常規的測井系列，常規的測井資料主要包括自然伽馬（GR）、自然電位（SP）、聲波時差（DT）、密度（DEN）、電阻率（Rt、Rxo）、放射性（CNL）等巖石物理參數，這些測井曲線包含了地下地層的巖性、物性和含油性信息，是一套比較全面而靈敏的測量組合系統。大量理論及實踐資料表明，常規測井識別巖性是可靠并且有效的。

利用常規測井資料識別地層巖性運用最多的是交會圖法。交匯圖法是選用兩種對巖性反應敏感的物理量進行交會來識別地層的巖性，主要是依據不同儲層的巖性和流體類型異常在交會圖平面上占有不同區域的特點，進行異常劃分。常用的有中子-密度交會圖、聲波時差-密度交會圖、中子-聲波時差交會圖等。交會圖具有制作簡單、使用方便和快捷的優點，是一種被廣泛采用的巖性識別方法。但其缺點是對復雜巖性識別率低。

根據某工區18口井不同巖性測井響應的差別，針對泥巖、砂巖干層、油層、水層及鹽巖等5種巖性建立的GR-波阻抗交會圖樣板，利用該樣板可以直觀有效地進行巖性劃分。

4 特殊測井

隨著油氣勘探的進展，需要解決的問題也越來越多，需要進行識別的巖性也越來越復雜。為了加強復雜巖性儲層的研究，增強油氣后備儲量一些新的測井識別方法陸續涌現，這些方法主要包括：M-N交匯圖、元素測井（ECS）、BP神經網絡等。

M-N交匯圖是將密度、中子及聲波三種巖性曲線適當組合來達到劃分巖性的目的，國外最早是Khatchikian于1982采用該方法對阿根廷某盆地的兩種火成巖地層層序進行了研究。大量實踐資料表明，M-N交匯圖技術在一定成程度上能夠有效識別火成巖的巖性和裂縫發育情況。

元素測井識別巖性的方法主要以斯倫貝謝（Schlumberger）公司研發的新一代元素俘獲譜洲井儀（ECS）為典型。通過精確測量地層組成元素的含量來鑒別地層沉積礦物含量，以便達到巖性識別的目的。

神經網絡巖性識別法是選擇一定的測井曲線形態特征作為輸入向量，并用與此對應的巖性作為輸出向量，二者組成一個訓練對，由多個訓練對組成一個樣本集，這樣就建立起一系列與實際地質狀況相對應的測井相特征。前人在利用神經網絡進行巖性識別方面做了大量的研究工作。1999年盧新衛等利用BP神經網絡對勝利油田某測井巖性進行了識別。2005年周波等采用神經網絡方法識別火山巖巖性，并指出利用自組織神經網絡SOM和反饋神經網絡BP對85塊火山巖樣品的識別率分別為78.82%和81.18%。其特點是方法簡單易于操作，且識別準確率高。

5 結語

基于測井曲線資料的巖性識別方法，是以基礎數據整理為前提，相較于巖心識別方法較經濟有效的一種方法，隨著測井技術的發展，這些測井資料識別巖性的方法必將得到不斷完善與進步。

參考文獻

[1] 趙建，高富紅.測井資料交會圖法在火山巖巖性識別中的應用[J].世界地質，2003，22（2）.

[2] 卜勤生，杜環虹.測井在油藏描述中的應用[M].北京：石油工業出版社，1992.

[3] 劉秀娟，陳超，曾沖，蘭磊.利用測井數據進行巖性識別的多元統計方法[J].地質科技情報，2007，26（3）.

[4] 楊斌.神經網絡及其在石油測井中的應用[M].北京：石油工業出版社，2005.

[5] 李先鵬.測井曲線的深度校正[J].科技資訊，2009，18（3）.

[6] M.H.Fredric，I.Kostanic.Principles of Neurocomputing for Science and Engineering[J].International Journal of Pattern Recognition and Artificial Intelligence，2001，（12）.

[7] 王新洲，舒海翅.模糊相似矩陣的構造[J].吉林大學學報，2003，24（3）.

[8] 馬小剛，李子峰，張春梅.測井相分析在巖性油氣藏儲層預測中的應用[J].勘探地球物理進展，2010，33（1）.

[9] 黃平，李坦，胡相滋.測并相分析方法及研究[J].工業技術，2008，（3）.

[10] 劉明軍.BP神經網絡模型在彬長礦區測井數據巖性識別中的應用研究[D].煤炭總院西安研究院，2009.

[11] 王立柱，趙大宇.BP神經網絡的改進及應用[J].沈陽師范大學學報，2007，25（1）.

[12] 蔡曲林.基于概率神經網絡的模式識別[D].國防科學技術大學，2005.

作者簡介：楊玲（1976-），女，山西長治人，山西省煤炭地質114勘查院助理工程師，研究方向：頁巖氣及其煤田資料處理。

（責任編輯：王 波）