鄂爾多斯南部正寧地區長6致密儲集層裂縫識別

劉 義,謝潤成,2，巫崇雨，魏 笑，張運周(成都理工大學.能源學院;2.油氣藏地質及開發工程國家重點實驗室;.沉積學院，四川成都60059)

鄂爾多斯南部正寧地區長6致密儲集層裂縫識別

劉 義1,謝潤成1,2，巫崇雨1，魏 笑1，張運周3
(成都理工大學1.能源學院;2.油氣藏地質及開發工程國家重點實驗室;3.沉積學院，四川成都610059)

利用巖心、常規測井資料，對井下裂縫測井特征進行了詳細分析，利用電阻率、聲波時差和密度三類參數進行裂縫識別研究，并以此為基礎建立了龜裂系數、次生空間發育程度和八側向電阻率比值三種裂縫特征參數，擴大了裂縫響應信號.建立的巖心-裂縫測井響應-裂縫特征參數組建-裂縫線性+非線性方法結合的裂縫判識思路，保證了裂縫識別精度達到87%以上，為儲集層致密背景下的裂縫有效識別提供重要依據.

裂縫特征參數；裂縫識別；致密儲集層；正寧地區；長6

正寧地區構造上處于鄂爾多斯盆地南部渭北隆起與伊陜斜坡過渡帶，為東高西低的單斜，區內褶皺發育存在小型鼻隆構造.[1]延長組長6為典型的致密低滲儲集層，巖石學特征表現為磨圓分選極差、粒徑極細、成熟度低.地下天然裂縫的發育與否直接制約著儲集層的開發進程.[2-3]現有的勘探實踐已表明裂縫的發育度影響其儲集或滲透性能，且是油藏高產的關鍵地質因素.[4-5]但致密低滲儲集層裂縫的發育規律相當復雜，井下裂縫的判識顯得尤為困難.前人對低滲透儲層裂縫識別進行過大量研究，[6-10]然而不同油氣區塊的儲集層條件存在差異的，建立的識別方法難以推廣.正寧地區長6儲集層裂縫識別、預測評價等研究還處于起步階段，并長期滯后于油田的勘探開發，在生產實踐中產生了許多矛盾和難解問題.因此基于實際的鉆錄資料，從線性和非線性綜合判識相結合的角度出發，建立了適于類似長6低孔低滲儲集層的裂縫綜合判識方法，可為研究區開發部署提供重要評價依據.

1 裂縫測井響應特征

不同測井系列井下天然裂縫的響應比較微弱，但從其機理上是具有反映的.例如裂縫發育段聲波測井系列所測時差會明顯增大出現周波跳躍；而密度測井所測巖石體積密度在裂縫發育段明顯減小等.裂縫信息在常規測井系列上的響應同反映地層變化的慢變信號相比通常表現為小幅度、高頻率的高頻微弱信號.裂縫識別本質則需要從不同系列的測井曲線上分離提取這些信號，根據對這些信號的分析和處理識別井剖面的裂縫發育段.理清裂縫信息在測井系列的響應特征是進行裂縫有效識別的關鍵.

正寧延長組長6儲集層裂縫以斜交裂縫為主，傾角集中在30～70度，多為未充填，在巖心歸位和測井曲線標準化的基礎上，提取裂縫與非裂縫段的測井信息加以分析.多測井系列交會分析顯示：裂縫段表現為高聲波、低密度和較低電阻，其中聲波時差對裂縫信息最為敏感.聲波時差與深感應測井交會圖版中裂縫段與非裂縫段分區最為明顯，非裂縫段聲波時差小于230μs/m，深感應電阻率值大于30Ω·m.密度與八側向測井交會圖版中裂縫段與非裂縫段的分區則略顯混亂，但裂縫段密度值偏低，多小于2.55g/cm3；八側向電阻率值多小于35Ω·m，表現為相對非裂縫段的低值特征(圖1).

圖1 正寧地區長6段裂縫測井響應特征

2 裂縫特征參數

由于地層條件復雜且存在各向異性，而裂縫的發育規律又具有隨機性，層理、巖性界面等眾多因素的影響易導致測井信息的多解性，因而或多或少會降低對井下裂縫進行探測、識別和解釋的精度和成功率.裂縫識別有效的測井方法有很多，但由于正寧區塊特殊測井資料匱乏，且成本較高，因而借助常規測井資料進行裂縫精細判識則具有非常重要的意義.正寧地區常規測井裂縫響應特征和在實際的應用中已發現，單一的常規測井曲線對裂縫識別的成功率并不高，這主要由于裂縫在單一測井曲線上的響應信號強弱存在差異，且易受到其他地質信息的影響.因而有必要對單一的測井系列進行組合，擴大裂縫測井信號，形成對裂縫信息敏感的裂縫特征參數，為建立定量的裂縫判識模型提供依據.在對長6儲集層裂縫測井響應特征分析的基礎上，根據實際情況優選了3種對裂縫最為敏感的特征參數.

(1)龜裂系數S 利用地層巖石縱波波速(Vp)與其骨架縱波速度(Vρma)之比構建的龜裂系數可用以評價地層巖石的完整性，具體形式表示為：S=(Vp/Vρma)2，根據縱波時差與波速之間的倒數關系，該式還可改寫為：S=(Δtma/Δtp)2；式中Δtp，Δtma分別表示地層聲波時差和巖石骨架聲波時差.龜裂系數S越大，地層聲波速度與巖石骨架聲波速度越相近，反映巖石較為完整；而S值減小則反映地層巖石破裂越嚴重，裂縫越發育.

(3)八側向電阻率比值(LL8極小/LL8) 八側向測井為淺探測聚焦測井，用以反映井壁介質的電阻率變化，尤其在致密砂巖儲集層，裂縫的存在會使其探測到的電阻率值降低.為了擴大這一裂縫信號，考慮八側向探測電阻率極小值與解釋層段八側向電阻率值之比.

三大裂縫特征參數值計算表明：組合的裂縫特征參數更能反映裂縫信息，裂縫段龜裂系數一般小于0.63，平均為0.6，非裂縫段龜裂指數大于0.65，平均為0.68；裂縫段次生空間發育程度明顯大于非裂縫段，平均為0.13；八側向電阻率比值在裂縫段表現為高值，平均為0.47，而非裂縫段則為低值特征，平均僅為0.27(表1).

表1 裂縫與非裂縫樣本特征參數值表

注：1表示裂縫，2表示非裂縫

3 裂縫識別

ANN(人工神經網絡)法已廣泛應用于儲層參數解釋、測井評價等方面，其中最直觀最實用的算法是BP模型.[11]BP模型的學習過程需要根據已有學習樣本，按規定好的預測指標計算方法，自輸入層到隱含層，最后到輸出層的方向進行計算，按照逐步減少希望輸出與實際輸出誤差的原則，逐層修正各部位的連接權，使其具備非線性模式的識別能力.利用BP神經網絡對裂縫與非裂縫進行有效判識，必須考慮初始值、設計網絡層數、各層神經元個數以及學習速率等多個方面.針對正寧長6儲集層裂縫判識所設計的網絡結構為3層(包括輸入層、隱含層和輸出層)，選用的輸入參數即前述優選的裂縫特征參數：龜裂系數S，次生空間發育程度PZ，八側向電阻率比值(LL8極小/LL8).因此輸入結點設為3個，隱含結點數通常為輸入結點的2倍，輸出結點取2個，這2個輸出為二進制數，代表神經網絡輸出的裂縫類型.利用以上設計思路建立BP神經網絡裂縫識別模型，并對樣本進行識別，識別正確率為96.43%，可用于單井裂縫預測.BP模型單井裂縫識別結果表明，結合裂縫特征參數的非線性裂縫類型判識模型具有較高精度(圖3)，單井裂縫識別發育段與巖心裂縫段在深度上是保持一致的，具有巖心資料的單井裂縫識別吻合率均在90%以上.

地層條件極其復雜，依據多種方法對裂縫進行判識可以大大提高識別的可靠性.[12-13]這里進一步考慮貝葉斯算法的多元判別，仍選用前述三類裂縫特征參數建立裂縫判識函數方程(如下式).若F1(歸為裂縫的函數方程)>F2(歸為非裂縫的函數方程)時，可判別為裂縫；若F1

F1=-2128.624+5979.99*S+5000.894*Pz-51.681*(LL8極小/LL8)

F2=-2203.315+6107.113*S+4968.690*Pz-63.150*(LL8極小/LL8)

但僅根據判別函數方程進行裂縫識別還不準確，需構建一條裂縫判識概率曲線.這一構建過程主要是計算待判層段(y*)歸入“裂縫”的概率，根據裂縫類型的劃分(1表示裂縫，2表示非裂縫)采用下式進行計算：P1=100*eF1(y*)/(eF1(y*)+eF2(y*))，其中F1(y*)，F2(y*)依次表示為待判層段(y*)歸為裂縫、非裂縫的函數值，P1表示裂縫判識概率.判識樣本的裂縫判識概率計算和分析表明，概率值大于0.85時，可作為判識裂縫與非裂縫的臨界值(圖2).

圖2 龜裂系數S與裂縫判識概率P1交會圖版

圖3 正寧X7井長6儲集層裂縫綜合識別剖面

基于裂縫特征參數的優選，結合非線性BP網絡裂縫識別模型和線性多元判別下構建的裂縫判識概率曲線可對長6儲集層裂縫段進行有效識別.BP模型和判別概率識別裂縫段與巖心裂縫段吻合率分別為87.5%和90.34%.圖3為正寧X7井裂縫綜合識別剖面，該段裂縫主要發育在井段1241～1246m處，龜裂系數低，巖石完整性差，次生空間發育程度相對高值，八側向比值也顯示相對高值.BP非線性單井識別易對相近井段進行連續識別，造成裂縫發育段識別過長，需要結合線性與非線性識別方法進行綜合識別.以線性與非線性數學理論為手段，以巖心資料為支撐，以裂縫特征參數為基礎的裂縫綜合判識模型適用于正寧區塊長6致密砂巖儲集層的復雜背景.

4 結論

(1)正寧長6儲集層裂縫測井響應特征表現為高聲波時差(一般大于230μs/m)、低密度(小于2.55g/cm3)和低八側向電阻率(小于35Ω·m)，由此構建的裂縫特征參數(龜裂系數，次生空間發育程度和八側向比值)對裂縫信息更為敏感.

(2)以裂縫特征參數為基礎的非線性BP神經網絡裂縫識別模型樣本識別準確率96.43%，識別成果與巖心裂縫段吻合率為87.5%；線性多元判別法樣本回判率為100%，裂縫判別概率識別裂縫段與巖心吻合率高達90.34%.基于裂縫測井響應特征分析和裂縫特征參數構建，建立了一套適合于致密砂巖儲集層的巖心-裂縫測井響應-裂縫特征參數組建-裂縫線性+非線性方法結合的裂縫判識思路.

[1] 楊 華,傅 強,付金華.鄂爾多斯晚三疊世盆地沉積層序與油氣成藏[M].北京:石油工業出版社，2003：145-150.

[2] 盧穎忠,黃智輝,管志寧.用常規測井資料識別裂縫發育程度的方法[J].測井技術,2000(6):428-432.

[3] 孫煥泉,王加瀅.地下構造裂縫分布規律及其預測[J].大慶石油學院學報,2000(3):83-85.

[4] 姜耀儉,龐慶山,朱慶杰,等.輪南奧陶系裂縫的綜合定量分析[J].大慶石油學院學報,2002(3)：1-4.

[5] 鐘淑敏,綦敦科,王秀娟.應用常規測井資料識別砂泥巖儲層裂縫方法[J].大慶石油地質開發,2005(1):98-100.

[6] 原宏壯,陸大衛,張辛耘,等.測井技術新進展綜述[J].地球物理學進展,2005(3):786-795.

[7] 張 沖,謝潤成,朱 濤，等.川東北元壩氣田須家河組主力儲層參數測井精細解釋[J].四川文理學院學報,2014(5):49-55.

[8] 王時林,秦啟榮,蘇培東.儲層裂縫識別與預測[J].斷塊油氣田,2009(5):31-33.

[9] 周 文.裂縫性油氣儲集層評價方法[M].成都:四川科學技術出版社,1998:108-111.

[10]許君玉.松遼盆地十屋油田營城組裂縫識別[J].新疆石油地質.2012(1):65-68.

[11]靳秀菊,王壽平,畢建霞,等.礁灘相儲層裂縫識別方法研究[J].斷塊油氣田,2011(2):165-168.

[12]黃建紅，王洪輝，曾劍毅，等.一種致密碎屑巖儲層產能預測的新方法——以新場氣田沙溪廟組為例[J].四川文理學院學報，2009(5)：114-117.

[13]劉守川，羅小平，張延東，等.遼中凹陷原油物性特征及其控制因素[J].四川文理學院學報，2011(5)：74-78.

[責任編輯 范 藻]

Fracture Identification of Tight Reservoir in Chang 6, South of Ordos Basin

LIU Yi1, XIE Runcheng1,2, WU Chongyu1,WEI Xiao1，ZHANG Yunzhou3

(1. Energy Resource School;2. State Key Laboratory of Oil and Gas Reservoir Geology and Exploration; 3. Sedimentary Geology School, Chengdu University of Technology, Chengdu Sichuan 610059, China)

This article uses core and conventional log data to analyze fracture logging characteristics in detail, and preliminarily to determine using resistivity, density and acoustic time for fracture identification. The establishment of crocodile factor, secondary space development degree and eight lateral resistivity ratio expand fracture response signal. Core-fracture logging response-fracture characteristic parameters formation-linear+nonlinear fracture identification method is set up which ensure the fracture identification accuracy above 87%. This study can provide important basis for fracture identification under the background of tight reservoir.

fracture characteristic parameters; fracture identification; tight reservoir; Zhengning area; Chang 6

2016-12-28

劉 義(1993—)，男，四川綿陽人.碩士研究生，主要從事油氣田開發研究.

TE112.23

A

1674-5248(2017)02-0029-04