基于支持向量機的致密儲層巖相識別
——以徐家圍子斷陷下白堊統沙河子組為例

汪益寧

(中國兵器工業集團振華石油控股有限公司，北京 100031)

閆榮堃

(中石油冀東油田分公司陸上油田作業區，河北 唐山063200)

羅佳潔

(中石油冀東油田分公司井下作業公司，河北 唐山063200)

歐陽靜蕓

(中國兵器工業集團振華石油控股有限公司，北京 100031)

段秋紅

(中石化河南油田分公司石油勘探開發研究院，河南 南陽 473132)

徐濤

(中國兵器工業集團振華石油控股有限公司，北京 100031)

?

基于支持向量機的致密儲層巖相識別
——以徐家圍子斷陷下白堊統沙河子組為例

汪益寧

(中國兵器工業集團振華石油控股有限公司，北京 100031)

閆榮堃

(中石油冀東油田分公司陸上油田作業區，河北 唐山063200)

羅佳潔

(中石油冀東油田分公司井下作業公司，河北 唐山063200)

歐陽靜蕓

(中國兵器工業集團振華石油控股有限公司，北京 100031)

段秋紅

(中石化河南油田分公司石油勘探開發研究院，河南 南陽 473132)

徐濤

(中國兵器工業集團振華石油控股有限公司，北京 100031)

巖相識別是徐家圍子斷陷下白堊統沙河子組(K1s)致密砂礫巖氣勘探亟需解決的關鍵問題。依據巖心、薄片、成像測井資料，將K1s巖相分為砂礫巖相、中-粗砂巖相、粉-細砂巖相和泥巖相；以常規測井曲線及其組合參數作為巖相識別的技術資料，利用最小二乘支持向量機建立巖相判別模型，采用網格搜索，經多次驗證優選模型參數。應用結果表明，最小二乘支持向量機識別巖相結果明顯好于常規統計方法，模型識別巖相與巖心分析結果基本一致，其中砂礫巖相符合率均高于83.2%，中-粗砂巖相符合率均高于84.0%，粉-細砂巖相符合率均高于87.6%，泥巖相符合率均高于93.2%。致密儲層的非線性測井響應是支持向量機成功應用的重要基礎，該方法對其他地區也具有借鑒意義。

支持向量機；致密儲層；巖相識別；沙河子組；徐家圍子斷陷

徐家圍子斷陷是松遼盆地北部深層天然氣資源最聚集的地區之一[1]。2010年以來，徐家圍子斷陷的勘探重點由營城組火山巖開始轉向沙河子組(K1s)致密砂礫巖。K1s砂礫巖儲層普遍可見活躍的氣測顯示，相繼有井獲得工業氣流，展現出一定的致密砂礫巖氣勘探潛力[2]。然而，強烈的構造運動、頻率的水體變化和復雜的成巖作用，導致砂礫巖的粒度混雜、組分多變、致密程度很高[3,4]；加之該區勘探程度很低，鉆井取心資料少，通過測井曲線和巖心資料難以直觀、連續地表征儲層巖相變化。儲層巖相識別是該區儲層預測首先需要解決的問題。

國內外學者針對儲層巖性(相)識別開展了大量研究，起初主要采用對儲層巖性敏感的常規測井曲線，通過測井曲線交會圖、主成分分析方法、判別分析方法等方法識別巖性[5～9]。隨著技術的進步，EMI(微電阻率成像)和FMI(地層微電阻率成像)測井技術可以展示連續的、高分辨率的地層影響資料，在致密儲層巖性識別中發揮了重要作用[10]，但是費用昂貴，且老區一般缺少該資料。支持向量機是一種依據多維參數判別，可實現非線性聚類的分線性判別方法[11,12]，近年來在火山巖儲層和致密碎屑巖儲層識別中得到初步應用，識別效果明顯好于測井曲線交會圖、主成分分析方法、判別分析方法等常規方法[13～16]。如朱怡翔等[16]以反映火山巖巖性、組構、成因和孔隙結構的多種測井參數作為判別依據，利用支持向量機成功識別了三塘湖盆地馬朗凹陷火山巖性。韓學輝等[17]利用常規測井曲線建立支持向量機判別模型，實現了廣利油田沙四段粉砂巖、細砂巖和不等粒砂巖的有效識別。

該次研究利用支持向量機識別研究區儲層巖相，依據巖心、薄片、成像測井資料將K1s巖性分為砂礫巖相、中-粗砂巖相、粉-細砂巖相和泥巖相，以常規測井作為判別資料，利用最小二乘支持向量機建立巖相識別模型。最小二乘支持向量機判別巖相的準確率平均達到88.1%，很好地解決了研究區儲層巖相識別問題。

1　地層特征及巖相劃分

1.1沉積巖石學特征

K1s沉積于徐家圍子斷陷形成的鼎盛時期，凹陷中心發育湖相沉積，西部斜坡和東部斜坡分別發育扇三角洲和辮狀河三角洲沉積。受多物源以及水體頻繁變化影響，K1s沉積相變較快，鉆井揭示礫巖、砂礫巖、含礫砂巖、粗砂巖、中砂巖、細-泥質粉砂巖、泥巖、煤等多種巖性。砂礫巖和粗砂巖是主要儲層巖性，礫石成分以火山巖屑、長石和碳酸鹽巖為主(超過85%)，分選較差，磨圓度呈棱角-次棱角狀。儲層孔隙度一般小于6.0%，滲透率小于0.1mD，具有低孔、低滲的特征，非均質性極強。

1.2巖相劃分及特征

巖相是一定沉積環境中形成的巖石或巖石組合，它是沉積相的主要組成部分[13]。在致密沉積體系中，巖相的變化可導致孔隙度和滲透率大幅波動[14]，研究區不同亞相儲層滲透率變化幅度超過1個數量級，因而有必要開展巖相識別研究。根據巖石成分、結構、構造和顆粒間的接觸關系，考慮到礫巖發育較少且區分礫巖與砂礫巖對勘探指導意義不大，將地層巖性劃分為砂礫巖相、中-粗砂巖相、粉-細砂巖相和泥巖相。

1)砂礫巖相包括含砂礫巖、砂質礫巖和礫巖，巖石接觸關系主要為顆粒支撐，個別為雜基支撐；礫石成份主要為火山巖，個別為泥礫，分選較差，通常無定性排列。酸性的火山巖巖屑相對容易被溶蝕，形成次生溶孔，構成主要的儲集空間；礫石表面通常發育微裂縫，明顯改善儲層的滲透性(圖1(a))。

2)中-粗砂巖相包括中砂巖、粗砂巖、含礫砂巖和礫質砂巖等。碎屑組分以火山巖屑和長石為主，兩者占巖石體積分數的82%，石英含量偏低，體積分數為17.6%，屬于長石質巖屑砂巖。砂巖顆粒分選中等-差，磨圓度次棱-次圓狀，接觸關系主要為線接觸和線-凹凸接觸。膠結類型主要為碳酸鹽巖膠結，發育少量的硅質膠結。孔隙類型為少量殘余原生孔和長石、巖屑溶蝕溶孔，儲集能力較好(圖1(b))。

3)粉-細砂巖相包括細砂巖、粉砂巖、泥質粉砂巖。孔隙度約2%左右，滲透率約0.01mD，儲集能力很差(圖1(c))。

4)泥巖相包括泥巖、砂質泥巖、炭質泥巖、含礫泥巖等，一般不具有儲集能力。

圖1　研究區巖相劃分

1.3不同巖相的測井響應

表1中總結了不同巖相在常規測井和成像測井上的響應情況，結果顯示，不同巖相的測井響應既有一定差別，又明顯交叉，可概括為以下特征：①礫巖相具有低-中等自然伽馬(qAPI)、低聲波時差(Δt)、中高密度(ρ)、高深側向電阻率(ρlld)、中高ΔlgR(Δt與ρlld疊合后兩者之間的距離)響應，成像測井上具有顆粒狀亮色斑點；②中-粗砂巖相具有中等qAPI、中等Δt、中-高ρ、中高ρlld、中高ΔlgR響應，成像測井圖像上顏色中等，含礫時具有亮色斑點；③粉-細砂巖相具有中等qAPI，中高Δt、中高ρ、中-低ρlld、中低ΔlgR特征，成像測井圖像上顏色中淺；④泥巖相具有高qAPI、中高Δt、中低ρ、中低ρlld、低ΔlgR測井響應，成像測井圖像上顏色深，可見層理，容易識別。

表1　研究區巖相測井響應特征

2　支持向量機的原理和方法

2.1支持向量機的原理

支持向量機(SVM)以統計學理論為基礎，其基本原理是：對于低維空間中線性不可分問題，通過核函數將低維空間數據投影到高維核空間中，在高維核空間中實現樣品的線性區分，簡單而言就是將復雜的非線性問題轉化為簡單的線性問題(圖2)。與人工神經網絡技術相比，SVM方法避免了局部極值問題[6]，計算速度更快，結果也更可靠，具有明顯技術優勢。

圖2　支持向量機的基本原理

2.2支持向量機的技術流程

最小二乘支持向量機(LS-SVM)是標準支持向量機擴展，將二次規劃問題轉化為可用最小二乘法求解的線性方程組求解問題，在實際問題中計算速度更快[6]。LS-SVM將優化目標中的誤差控制函數轉化為誤差的二次項：

(1)

s.t.yi=φ(xi)w+b+εii=1,…,k

(2)

式中：J(w,ε)是誤差控制函數；w是目標函數；ε為誤差；c(c≥0)為懲罰因子，控制對ε的懲罰程度；i是樣本編號；yi是分類標記；xi是樣品向量；φ(xi)是xi在高維空間的投影；b是常數項。

利用拉格朗日方法對式(1)進行求解：

(3)

式中：L(w,ε,b,a) 是拉格朗日函數；a是拉格朗日乘子。

根據優化條件得到：

(4)

求解得到決策函數f(x)：

(5)

式中：K(x,xi)為核函數。

表2　支持向量機部分輸入數據

SVM的核函數的形式不需具體變現出來，通過核函數將低維空間數據投影到高維核空間中，將無法求解的抽象問題轉化為具體的數學問題。

最小二乘支持向量機實現過程包含4個步驟：①首先選取建立模型所需樣品(學習集)和檢驗模型可靠性所需樣品(驗證集)，學習集和驗證集由不同類別樣品組成，每個樣品包含多條測井曲線或其他參數；②對所有樣品進行數據預處理，以消除數量級差異對計算結果的影響；③選取合適的核函數，將低維空間的變量投影到高維空間中；④確定模型內的c和核函數，依據所建立的模型預測儲層巖相。

3　實際應用

3.1樣品的選取

試驗樣品是模型建立與效果檢驗的基礎。為避免試驗樣品對建模的影響，依據巖心、薄片鑒定和成像測井資料對地層巖相進行厘定，從中選取2000個歸屬明確的樣品點進行試驗。操作過程中，選取1000個具有代表性的樣品點(每個巖相250個樣品點)作為輸入樣本(部分輸入數據見表2)，其余1000個樣本作為驗證樣本。每個樣本包含5種能反映該區巖性的變量，分別為qAPI、Δt、ρ、ρlld、ΔlgR。

3.2數據預處理

由于不同測井曲線在數量級上存在差異，不僅計算量增大，也容易受個別奇異點影響，導致預測模型的代表性變差。為此，對輸入數據進行歸一化處理：

(6)

3.3待定系數的求取

3.4應用效果及討論

表3和圖3分別給出了最小二乘支持向量機對1000個檢驗樣品影響效果和DS3井巖相預測結果。從整體效果看，表1中不同巖相的測井特征存在明顯重疊，而利用最小二乘支持向量機進行非線性聚類后的總體符合率(判別正確樣品個數/樣本總數)均高于87.8%(平均88.7%)，效果明顯好于常規統計方法。從不同巖相區分效果來看，泥巖相的符合率均高于93.2%(平均95.6%)，區分效果最好；粉-細砂巖相符合率均高于87.6%以上(平均89.4%)，區分效果次之；砂礫巖相和砂巖相符合率分別高于83.2%、84.0%，平均分別為84.8%、85.2%，效果略差，但也滿足研究區巖相區分的需求(見表3)。從單井地質應用角度看，通過最小二乘支持向量機可快速得到單井的巖相分布，預測結果與巖心分析結果基本符合(見圖3)，證明了該方法在研究區切實可行。

表3　最小二乘支持向量機識別巖相效果統計

圖3　研究區DS3井巖相識別結果

4　結語

利用巖心、薄片、成像測井資料將K1s地層劃分為砂礫巖相、中-粗砂巖相、粉-細砂巖相和泥巖相4種巖相，不同巖相的測井響應明顯交叉或重疊，常規的統計方法很難直觀區分不同巖相。將具有非線性聚類特征的最小二乘支持向量機應用于K1s巖相識別中，利用常規測井曲線建立儲層巖相判別模型，經反復驗證，砂礫巖相、中-粗砂巖相、粉-細砂巖相和泥巖相預測結果的符合率分別高于83.2%、84.0%、87.6%、93.2%，判別效果較為可靠。

[1]付廣，汪芯.徐深氣田聚散氣能力配置類型及其與天然氣儲量豐度的關系[J].巖性油氣藏，2011，23(1)：29～33.

[2]張大智，張曉東，楊步增.徐家圍子斷陷沙河子組致密氣地質甜點綜合評價[J].巖性油氣藏，2015，27(5)：98～103.

[3]張常久.徐家圍子斷陷沙河子組砂礫巖儲層特征及主控因素[J].大慶石油地質與開發，2014，33(2)：22～26

[4]于興河，李順利，楊志浩.致密砂巖氣儲層的沉積-成巖成因機理探討與熱點問題[J].巖性油氣藏，2015，27(1)：1～13.

[5]陳超，劉韻，繆志偉. M 地區致密砂巖儲層預測方法研究[J].巖性油氣藏，2013，25(6)：84～88.

[6]Petford N，Meeaffrey K J W. Hyd rocarbons in crystalline rocks[M]. London：The Geological Society of London，2003.

[7]尚玲，謝亮，姚衛江，等.準噶爾盆地中拐凸起石炭系火山巖巖性測井識別及應用[J].巖性油氣藏，2013，25(2)：65～69.

[8]劉俊田，張代生，黃衛東，等.三塘湖盆地馬朗凹陷火山巖巖性測井識別技術及應用[J].巖性油氣藏，2009，21(4)：87～91.

[9]張大權，鄒妞妞，姜楊,等.火山巖巖性測井識別方法研究——以準噶爾盆地火山巖為例[J].巖性油氣藏，2015，27(1)：108～114.

[10]Raghava N R，Scorer J D T，Miller F G，et al.An investion by numerical methods of the effect of pressure-dependent fock and fluid properties on well flow tests[J].SPE Journal，1972，12(3)：267～275.

[11]Vapnik V N.Statistical Learning Theory [M].New York：Join Wiley and Sons，1998.

[12]龐河清，匡建超，蔡左花，等.逐類組合支持向量機在致密儲層判識和產能預測中的應用[J].大慶石油學院學報，2011，35(6)：35～40.

[13]蔣裕強，刁昱翔，王猛，等.川西南部須二段儲層成巖作用與成巖相研究[J].礦物巖石地球化學通報，2014，33(4)：509～516.

[14]蔣裕強，張 春，張本健，等.復雜砂礫巖儲集體巖相特征及識別技術——以川西北地區為例[J]天然氣工業，2013，33(4)：31～36.

[15]張海濤，時卓，石玉江，等.低滲透致密砂巖儲層成巖相類型及測井識別方法：以鄂爾多斯盆地蘇里格氣田下石盒子組8段為例[J].石油與天然氣地質，2012，33(2)：256～263.

[16]朱怡翔，石廣仁.火山巖巖性的支持向量機識別[J].石油學報，2013，34(2)：312～322.

[17]韓學輝，支樂菲，劉榮，等.用最小二乘支持向量機識別廣利油田沙四段儲層巖性[J].地球物理學進展，2013，28(4)：1886～1892.

[編輯]龔丹

2016-02-29

汪益寧(1972-)，男，博士，高級工程師，長期從事油氣田開發技術研究工作，wangyn@zhenhuaoil.com。

P631.84

A

1673-1409(2016)29-0033-06

[引著格式]汪益寧，閆榮堃，羅佳潔，等.基于支持向量機的致密儲層巖相識別[J].長江大學學報(自科版),2016,13(29):33～38.