臨南洼陷北部沙三中亞段砂質碎屑流儲層定量分類評價

， ，， ，

(1.山東科技大學 山東省沉積成礦作用與沉積礦產重點實驗室，山東 青島 266590；2.山東科技大學 地球科學與工程學院，山東 青島 266590；3.青島瑞源工程集團，山東 青島 266555)

臨南洼陷北部沙三中亞段砂質碎屑流儲層定量分類評價

高麗華1,2，夏迪3，韓作振1,2，韓梅1,2，李昊1,2

(1.山東科技大學 山東省沉積成礦作用與沉積礦產重點實驗室，山東 青島 266590；2.山東科技大學 地球科學與工程學院，山東 青島 266590；3.青島瑞源工程集團，山東 青島 266555)

臨南洼陷北部沙三中亞段發育一套砂質碎屑流扇體，取得了較好油氣勘探成果，但該區取心井及實驗分析資料較少，困擾著該區儲層的定量分類評價。首先利用普通薄片及鑄體薄片鑒定、物性和壓汞測試，確定該套砂質碎屑流儲層物性特征并將研究區儲層分為Ⅰ、Ⅱ、Ⅲ三類；再以巖心物性數據作為儲層分類標準，建立使用測井數據作為參數的儲層貝葉斯判別函數；最后采用判別函數對研究區各井測井曲線進行儲層判別分析，所得儲層平面分布特征與沉積相展布特征相符。因此，采用貝葉斯判別函數進行儲層判別分析與勘探實踐吻合，可用于對研究區儲層進行評價。

砂質碎屑流；儲層分類；貝葉斯判別；儲層評價

惠民凹陷臨南洼陷北部沙三中亞段發育一套重力流沉積[1]。以往研究認為該套砂體埋藏深、物性差、產能較低，一直未進行系統研究[2-3]。近幾年，L7-X40塊、T26-X3塊沙三中亞段相繼發現該套深水沉積油藏，取得了較好勘探效果，具有廣闊的滾動勘探開發前景[4]。但儲層橫向連續性差、縱向變化快，儲層展布范圍不清、巖心及實驗分析資料少等問題困擾該區勘探開發工作。

貝葉斯判別根據最小風險代價判決或最大似然比判決，是依據貝葉斯準則進行判別分析的多元統計分析方法。貝葉斯判別廣泛應用于各個領域，在儲層評價方面具有重要應用，尤其對于非均質性強、連續性差、實驗分析資料少的儲層具有更好的應用效果。如付殿敬等[5]采用貝葉斯判別分析法，依據取心井資料建立儲層分類評價判別函數，對非取心井目的層進行儲層分類評價，取得良好效果。馬立文等[6]、唐俊等[7]分別對冀東老爺廟油田和鄂爾多斯盆地，采用Q型聚類分析法進行儲層分類，選擇判別分析的最優化參數，得到貝葉斯判別函數，在儲層定量化描述基礎上，利用判別函數對研究區各井進行儲層評價，獲得了較好的效果。Avseth等[8]使用貝葉斯判別分析法研究不同巖性巖石的孔隙流體空間分布規律，得到了不同巖石的孔隙流體的空間概率分布圖，并將這種方法成功運用于北海濁積巖系統。但對于臨南洼陷北部沙三中亞段發育的該套砂質碎屑流扇體，缺少儲層展布規律的研究，更未見利用貝葉斯判別進行定量分類與預測。

本文充分利用研究區測井資料豐富的特點，結合該區儲層分布特點、控制因素，充分利用測井曲線資料，以SPSS軟件為平臺，采用貝葉斯判別法分析典型井測井數據，對各井區儲層進行分類評價，在此基礎上對儲層有利區進行預測。

1 地質背景

研究區位于惠民凹陷臨南洼陷北部(圖1(a))，中央隆起帶中部，北部與滋鎮洼陷相鄰，南與臨南洼陷相接，受臨邑斷層東部分支控制，為一個向北逐級抬升的大型斷階帶(圖1)。該區發育的新生代地層：古近系自下而上為沙河街組、東營組，沙河街組厚度大，分為沙一段、沙二段、沙三段和沙四段；新近系包括館陶組、明化鎮組，新近系和古近系之間角度不整合接觸。

沙三中亞段發育一套砂質碎屑流沉積扇體(圖1(b))，該套砂質碎屑流位于上下油頁巖之間，最厚達120 m，平均30 m(圖1(c))[1]，巖性主要以粒度較細的粉砂巖(部分砂巖見油浸、油斑及油跡現象)、塊狀砂巖、泥巖、灰質泥巖和油頁巖居多。

2 砂質碎屑流沉積特征

砂質碎屑流是一種以砂質為主，可混雜礫石(陸源礫石、泥礫)和泥質的非黏結性碎屑流，流變學屬于塑性流，運動狀態為層流，以整體凍結的方式發生沉積[1]。泥質碎屑流以泥質沉積為主，可混雜少量砂質顆粒和砂質團塊，黏結性強。該流體是在一定的觸發機制下，由自身重力驅動沿斜坡向下運動，最后由于慣性力和重力消失而沉積在斜坡下部和湖盆的平坦部位[1]。撕裂屑一般指混雜于砂巖中的泥質變形團塊或條帶，其成因可以是在上覆不均勻壓力作用下向上擠入砂質層中的泥質沉積物，也可能是由于風暴流或重力流攪動或侵蝕下伏未固結或半固結泥質沉積物而成，還可成因于滑塌變形造成的巖性混雜[1]。

研究區沙三中亞段具有典型砂質碎屑流的沉積構造特征：砂巖多為粉砂巖和細砂巖(圖2)，粒度較細；粒度概率累積曲線主要呈三段式，以跳躍和懸浮總體為主，懸浮總體由兩個組段組成，兩組段斜率不同，說明砂質碎屑流分選性極差，具有“凍結式”沉積的特征。塊狀砂巖中漂浮有不規則狀泥質撕裂屑和泥質團塊(圖2(a)、 2(b)、 2(d)、 2(e))、塊狀泥質粉砂巖中漂浮有粉砂巖團塊(圖2(h))，發育大段塊狀構造(圖2(a)、2(b)、2(f))和滑塌變形構造(圖2(c))；未見濁積巖中常見的包卷層理以及遞變層理，具有典型的砂質碎屑流特征(圖2)。研究區沙三中亞段發育多層砂體，砂體之間夾有大量富含石英碎屑顆粒的粉砂質泥巖(圖2(i))。因此，結合其巖石類型、沉積構造、地質背景、粒度特征、測井曲線以及地震剖面等特征，認為其為遠岸水下扇沉積，主要發育中扇及外扇亞相，內扇不發育，其中中扇亞相進一步劃分為水下主水道、水下分流水道、水道間泥、水道側緣以及無水道區濁積席狀砂5種微相[1]。

(a)研究區位置及區域構造；(b)砂質碎屑流沉積相展布；(c)砂質碎屑流南北向連井剖面

3 儲層定量分類評價

通過取心井巖石薄片分析，砂巖的成分特征為：石英含量44%～50%，長石含量35%～40%，巖屑11%～21%，鈣質膠結為主，膠結物以方解石、鐵白云石居多(圖2(g))。碎屑顆粒磨圓度較差，棱角到次棱角狀不等，分選中等到差，分選系數1.399～4.190。砂巖粒度較細，C值0.122～0.678 mm，中值0.019～0.761 mm左右。L7-X301井67個巖心物性及12個壓汞資料表明，儲層孔隙度11.2%～22.7%，平均19.2%；滲透率0.066～29.6×10-3μm2，平均9.2×10-3μm2；喉道半徑中等0.27～1.31 μm，平均0.94 μm；排驅壓力及中值壓力中等，分別為0.16～0.99 MPa和0.75～5.03 MPa。因此，該套砂質碎屑流儲層為中孔、低滲儲層(圖3)。

根據趙靖舟等[9]提出的低滲透儲層分類標準，結合臨盤油田碎屑巖儲層評價標準，將研究區儲層分為Ⅰ、Ⅱ、Ⅲ三類(表1)，其主要特征為：

I類儲層：物性好，孔隙度>15%，滲透率>5×10-3μm2，排驅壓力低于0.2 MPa，中值壓力<1 MPa，最大孔喉半徑>3 μm，中值半徑>0.5 μm，平均孔喉半徑>1 μm。主要是塊狀砂巖，也有少量細砂巖，儲層砂巖經壓實、膠結和溶蝕作用可見粒間孔隙、鑄模孔和各種溶蝕孔(圖3(c))。

(a) 砂巖中扭曲變形的泥質團塊(L7-X301井、2 662.3 m)；(b) 塊狀砂巖中漂浮泥質撕裂屑(L7-X301井、2 664.4 m)；(c) 滑塌變形構造(L7-X301井、2 668.7 m)；(d)巖石薄片下見砂巖中泥質團塊(L7-X301井、2 663.4 m，鑄體，單偏光)；(e) 巖石薄片下見泥質條帶(L7-X301井、2 662.8 m，鑄體，單偏光)；(f) 砂巖塊狀構造，沙三中中段(L7-X301井、2 671.5 m)； (g) 巖石薄片下見砂巖磨圓、分選較差，鐵白云石膠結(L7-X301井、2 671.5 m，單偏光)； (h) 巖石薄片下見混有砂質團塊的泥巖 (L7-X301井、2 669 m單偏光)；(i) 巖石薄片下見泥巖含有大量石英碎屑顆粒(L7-X301井、2 676.7 m單偏光)；圖2 研究區沙三中亞段砂質碎屑流巖石學特征

Ⅰ類儲層Ⅱ類儲層Ⅲ類儲層孔隙度/%>1512～15<12滲透率/(10-3μm2)>51～5<1排驅壓力/MPa<0．20．2～0．35>0．35中值壓力/MPa<11～2．5>2．5最大孔喉半徑/μm>31～3<1中值半徑/μm>0．50．3～0．5<0．3平均孔喉半徑/μm>10．5～1<0．5孔喉組合中孔中細喉小孔細喉細孔微細喉評價好中等差

Ⅱ類儲層：物性中等，孔隙度12%～15%，滲透率>1～5×10-3μm2，排驅壓力0.2～0.35 MPa， 中值壓力1～2.5 MPa，最大孔喉半徑1～3 μm，中值半徑0.3～0.5 μm，平均孔喉半徑0.5～1 μm。主要是含泥礫粉砂巖和雜砂巖，儲集巖經壓實、膠結和溶蝕作用，可見粒間孔隙和溶蝕孔，相對于I類儲層，其粒間孔隙由于泥質碎屑的填充而減少(圖3(d))。

Ⅲ類儲層：物性差，孔隙度<12%，滲透率<1×10-3μm2，排驅壓力>0.35 MPa，中值壓力>2.5 MPa，最大孔喉半徑>3 μm，中值半徑>0.5 μm，平均孔喉半徑>1 μm。主要是泥巖，孔隙少、孔徑小(圖3(e))。

(a)研究區不同類型儲層的孔隙度與滲透率交會圖；(b)研究區不同類型儲層的毛細管壓力曲線特征；(c)I類儲層鑄體薄片鏡下特征(L7-X301井、2 672.1 m，單偏光)；(d)Ⅱ類儲層鑄體薄片鏡下特征(L7-X301井、2 664.2 m，單偏光)；(e)Ⅲ類儲層鑄體薄片鏡下特征(L7-X301井、2 668.5 m，單偏光)；

4 貝葉斯判別分析

為節省成本，當前油氣田勘探開發多采用減少取心、增加測井的方法，因此常規的利用儲層物性等實驗分析資料進行儲層定量評價已經跟不上當前油氣田勘探的形勢。貝葉斯判別分析法，能以關鍵井的分析測試數據為基礎，利用大量存在的測井數據提出相應儲層的貝葉斯判別函數，進行儲層分類評價。該方法適用廣泛，特別是在一些取心資料少的地區，能充分利用測井資料進行儲層定量評價。

臨南洼陷北部沙三中亞段砂質碎屑流儲層,非均質性強，鉆井取心資料少，但測井資料豐富，常規儲層評價方法無法取得理想效果，因此，通過測井曲線的貝葉斯判別分析法開展儲層評價。

4.1 巖心深度歸位

巖心資料是進行貝葉斯判別的基礎資料，選取有巖心分析化驗資料井的測井數據作為制作貝葉斯判別函數的標準模板。研究區L7-X301取心井層序完整具有代表性，以該井測井曲線為標準，進行巖心深度歸位校正[10]，使各測井曲線達到深度一致(圖4)；然后利用巖心巖性與測井曲線進行對比，計算深度誤差，將巖心深度校正到測井深度，經觀察認為巖心深度上移1.1 m匹配度較好。

4.2 建立貝葉斯判別函數

根據前文將砂質碎屑流儲層分為Ⅰ、Ⅱ、Ⅲ三類(圖5)，分別建立貝葉斯判別函數，實現儲層分類評判由取心數據向測井數據的轉變[7]。選取反映儲層物性的聲波時差(AC)、反映泥質參數的自然電位(SP)、自然伽馬(GR)和反映滲透性的|RNML-RLML|作為參數[11-12],利用SPSS軟件建立貝葉斯判別函數。

圖4 L7-X301井巖心歸位效果對比圖

將制作好的模板數據輸入到SPSS中生成貝葉斯判別函數以及特征判別參數式((1)～(4))，由判別函數的組內平方和與總平方和之比(Wilks’ Lambda)(表2)可以看出，Sig均小于0.01，表明不同判別函數間差異性顯著。儲層分類結果顯示(表3)判別函數對初始分組案例中的 96.9%進行了正確分類、對交叉驗證分組案例中的 96.3%進行了正確分類，表明建立的判別函數和評價指標符合精度要求。貝葉斯判別函數為：

Ⅰ類儲層:Y1=0.738AC+61.181SP+0.681GR-1.665|RNML-RLML|-263.076；

(1)

Ⅱ類儲層:Y2=0.846AC+78.727SP+0.682GR-2.052|RNML-RLML|-386.368；

(2)

Ⅲ類儲層:Y3=0.799AC+87.101SP+0.987GR-0.596|RNML-RLML|-453.126；

(3)

油頁巖:Y4=0.819AC+101.926SP-0.029GR-0.565|RNML-RLML|-487.61。

(4)

4.3 測井曲線標準化

由于油田不同井測井時采用的儀器、標準刻度以及操作方式等不同，在應用測井數據時，須進行標準化處理，使所有同類曲線具有統一刻度[10]。測井曲線標準化方法包括：直方圖法、頻率交會圖法、均值-方差法等[13-16]，直方圖法能充分利用標準井段內所有數據，校正準確度高，因此采用該方法對AC、SP、GR和|RNML-RLML|進行標準化，主要步驟：

1) 選取標準井和標準層：研究區L7-X301井連續取心且沙三中亞段發育完整，可作為標準井；上油頁巖全區穩定分布、厚度適中、測井曲線特點相似，可選作標準層。

2) 繪制直方圖：提取標準井和其他各單井的標準層數據，運用高斯正態分布函數對各測井數據頻率分布直方圖進行擬合(圖6)，獲得標準井和各單井測井曲線的峰值讀數(表4)。

3) 獲取單井曲線校正值：校正值=標準井峰值-單井峰值(表4)，標準化測井數據=單井測井曲線數據+校正值。

圖5 L7-X301井儲層類性

分類類別預測組成員1234合計初始計數17110072211730213013803940005959198．61．40010024．88114．30100%302．697．401004000100100正確分類98．68197．410096．9b交叉驗證a計數17020072211730213013803940005959197．22．80010024．88114．30100%302．697．401004000100100正確分類97．28197．410096．3c

注：a.僅對分析中的案例進行交叉驗證。在交叉驗證中，每個案例都是按照從該案例以外的所有其他案例派生的函數來分類的；b.已對初始分組案例中的96.9%個進行了正確分類；c.已對交叉驗證分組案例中的96.3%個進行了正確分類

圖6 標準井和L7-51C井的標準層的AC、SP、GR和|RNML-RLML|頻率直方圖

ACSPGR|RNML?RLML|標準井峰值285．157．5256．550．87L7?51C井峰值302．858．1466．650．76L7?51C井校正值-17．70-0．62-10．100．11

4.4 貝葉斯判別分析

運用貝葉斯判別函數對標準化后的測井曲線進行貝葉斯判別分析，實現儲層分類評判由取心井向非取心井的轉變[2]。選取典型井沙三中亞段砂質碎屑流儲層的測井數據，將其標準化后代入貝葉斯判別函數中，比較各判別函數值大小，判斷樣品歸為所求函數值最大的那一類。

對標準化的測井數據進行判別分析，實現儲層分類判別，以L7-51C井為例，統計判別結果，共識別出Ⅰ類儲層40.8 m，Ⅱ類儲層9.5 m，Ⅲ類儲層16.4 m(圖7)。

依上述方法對研究區目的層標準化后的測井數據進行判別分析，并統計結果(表5)。全區共識別出Ⅰ類儲層3.4～47.6 m、平均14.7 m，Ⅱ類儲層0.8～27.6 m、平均10.9 m，Ⅲ類儲層4.6～68.4 m、平均32.5 m。

圖7 L7-51C井儲層分類識別結果

井名Ⅰ類儲層/mⅡ類儲層/mⅢ類儲層/m井名Ⅰ類儲層/mⅡ類儲層/mⅢ類儲層/mL104?18．821．541．2L7?X30115．67．621．6L104?26．314．935．8L7?X3024．63．117．3L104?918．824．649．3L7?X30512．60．84．6L104?X1412．011．668．4L7?X30611．24．17．7L10743．320．139．2L7?X408．43．219．3L55?X15．120．660．3L7?X40412．68．428．0L55?X23．413．445．0L7?X4317．48．233．4L7?1010．27．627．2L7?X612．38．430．3L71?53．44．77．7L7?X7014．61．48．0L7?313．37．625．1T26147．620．454．0L7?3077．86．719．5T26?X134．220．163．7L7?4089．94．319．6T26?X429．627．652．8L7?42C7．44．724．4T26?X613．016．356．2L7?51C40．89．516．4T4?X623．421．455．2L7?X26．42．717．9

5 儲層評價結果及有利區預測

對比L7-51C井、L7-X70井和L7-X305井的貝葉斯判別和綜合解釋結果(圖7、圖8)發現：識別的Ⅰ類儲層與綜合解釋結果中的儲集層吻合度高達80%以上，這說明判別分析結果有較高的準確度，Ⅰ類儲層能夠代表實際儲層。

根據貝葉斯判別結果繪制研究區沙三中亞段砂質碎屑流Ⅰ類儲層厚度圖(圖9)，由圖9可以看出：研究區東北部的L7-51C井區與中部的L107井區、南部的T261井區Ⅰ類儲層厚度大于30 m，勘探開發潛力大；中部的L7-X301井區Ⅰ類儲層厚10～30 m，勘探開發潛力中等；南部、西南部的L104-X9、T4-X6井區Ⅰ類儲層厚度小于10 m，勘探開發潛力差。

另外，利用貝葉斯判別結果繪制的儲層平面展布圖與該套砂質碎屑流沉積相的分布特征吻合，有利儲層主要分布于重力流水道微相區，中等儲層主要分布于遠岸水下扇中扇亞相區，差儲層主要分布于遠岸水下扇外扇及深湖相區。說明該套砂質碎屑流的有利儲層分布明顯受控于沉積微相的分布特征，下一步勘探開發的重點區域應為重力流水道砂體，與實際生產實踐結果吻合。

圖8 研究區部分井沙三中亞段儲層分類識別結果

6 結論

1) 臨北地區沙三中亞段發育大段塊狀構造和滑塌變形構造，塊狀砂巖中漂浮有不規則狀泥質撕裂塊和砂質團塊，塊狀泥質粉砂巖中漂浮有粉砂巖團塊，為典型的砂質碎屑流沉積。

2) 研究區砂質碎屑流儲層，孔隙度11.2%～22.7%，滲透率小于30×10-3μm2，是典型的低滲透儲層。根據儲層物性特點及低滲透儲層的分類與評價標準將研究區儲層分為Ⅰ、Ⅱ、Ⅲ三類：Ⅰ類儲層,主要是塊狀砂巖，也有少量細砂巖；Ⅱ類儲層，主要是含泥質粉砂巖和雜砂巖；Ⅲ類儲層，主要是泥巖。

3) 選取AC、SP、GR和|RNML-RLML|曲線建立儲層的貝葉斯判別函數，判別函數的顯著性明顯Sig<0.001、對初始分組案例中的 96.9%進行了正確分類和對交叉驗證分組案例中的 96.3% 進行了正確分類，表明建立的判別函數和評價指標符合精度要求。

圖9 研究區沙三中亞段勘探開發有利區預測

4) 利用貝葉斯判別函數，共識別出Ⅰ類儲層3.4～47.6 m，Ⅱ類儲層0.8～27.6 m，Ⅲ類儲層4.6～68.4 m。有利儲層區主要分布于重力流水道微相區，中等儲層區主要分布于遠岸水下扇(內、中扇)亞相區，差儲層區主要分布于深湖相區，儲層分布與沉積相展布特征相符。說明采用貝葉斯判別函數進行儲層判別分析與勘探實踐吻合，可用于對研究區儲層進行評價。

[1]韓作振,劉鳳武,高麗華,等.惠民凹陷臨北斷階沙三中亞段砂質碎屑流沉積特征[J].山東科技大學學報(自然科學版)，2016,35(2):1-7.

HAN Zuozhen,LIU Fengwu,GAO Lihua,etal.Sandy debris-flow sedimentary characteristics of Middle-Es3 in Linbei Step-fault Zone of Huimin depression[J].Journal of Shandong University of Science and Technology (Natural Science),2016,35(2):1-7.

[2]陳永紅.惠民凹陷沙三段三角洲前緣滑塌濁積砂體發育規律與油氣聚集關系[D].廣州:中國科學院廣州地化所,2006.

[3]羅薇.臨7斷塊區沙三段沉積相與儲層研究[D].荊州:長江大學,2011.

[4]回春,李因蘭,孟海龍.臨盤油田臨北地區沙三段油氣成藏規律研究[J].內蒙古石油化工,2010(4):101-102.

[5]付殿敬,徐敬領,王貴文,等.基于Q聚類分析和貝葉斯判別算法研究儲層分類評價[J].科技導報,2011,29(3):29-33.

FU Dianjing,XU Jingling,WANG Guiwen,et al.Reservoir classification and evaluation based on Q cluster analysis combined with Bayesian discrimination algorithm[J].Science & Technology Review,2011,29(3):29-33.

[6]馬立文,竇齊豐,彭仕宓,等.用Q型聚類分析與判別函數法進行儲層評價:以冀東老爺廟油田廟28X1區塊東一段為例[J].西北大學學報(自然科學版),2003,33(1):83-86.

MA Liwen,DOU Qifeng,PENG Shibi,et al.Comprehensively applying Q-model gathering and discriminant function methods to reservoir classification and evaluation:Taking Ed1 No.of Miao 28X1 block in Laoyemiao oilfield in Jidong as an example[J].Journal of Northwest University(Natural Science Edition),2003,33(1):83-86.

[7]唐俊,王琪,馬曉峰,等.Q型聚類分析和判別分析法在儲層評價中的應用:以鄂爾多斯盆地姬塬地區長 81儲層為例[J].特種油氣藏,2012,19(6):28-31.

TANG Jun,WANG Qi,MA Xiaofeng,et al.Application of Q-type cluster analysis and discriminatory analysis in reservoir evaluation:Taking reservoir Chang 81of Jiyuan area in Ordos basin as an example[J].Special Oil and Reservoirs,2012,19(6):28-31.

[8]AVSCTH P,MUKERJI T,JORSTAD A,et al.Seismic reservoir mapping from 3-D AVO in a North Sea turbidite system[J].Geophysics,2001,66(4):1157-1176.

[9]趙靖舟,吳少波,武富禮.論低滲透儲層的分類與評價標準:以鄂爾多斯盆地為例[J].巖性油氣藏,2007,19(3):28-33.

ZHAO Jingzhou,WU Shaobo,WU Fuli.The classification and evaluation criterion of low permeability reservoir:An example from Ordos Basin[J].Lithologic Reservoirs,2007,19(3):28-33.

[10]龍一慧,楊斌,朱冉,等.BP神經網絡在碳酸鹽巖儲層參數測井解釋中的應用[J].山東科技大學學報(自然科學版)，2015,34(6):32-39.

LONG Yihui,YANG Bin,ZHU Ran,et al.Logging interpretation of carbonate reservoir parameters by using the neural network[J].Journal of Shandong University of Science and Technology (Natural Science),2015,34(6):32-39.

[11]王貴文,郭榮坤.測井地質學[M].北京：石油工業出版社.

[12]宋子齊,程國建,楊立雷,等.利用測井資料精細評價特低滲透儲層的方法[J].石油實驗地質,2006,28(6):595-599.

SONG Ziqi,CHENG Guojian,YANG Lilei,et al.A method for fine evaluation in extra-low permeability reservoirs logging data[J].Petroleum Geology & Experiment,2006,28(6):595-599.

[13]徐延勇,鄒冠貴,曹文彥,等.測井曲線標準化方法對比研究及應用[J].中國煤炭地質,2013,25(1):53-57.

XU Yanyong,ZOU Guangui,CAO Wenyan,et al.Comparative study and application of logging standardization methods[J].Coal Geology of China,2013,25(1):53-57.

[14]劉佳.L區塊測井曲線的標準化研究[J].國外測井技術,2015,208(4):15-18.

LIU Jia.Study on the logging curve standardization in L block[J].World Well Logging Technology,2015,208(4)：15-18.

[15]高樹芳,范玲,梁曉宇,等.測井曲線標準化方法及其對測井解釋結果的影響[J].國外測井技術,2008,23(2):17-21.

GAO Shufang,FAN Ling,LIANG Xiaoyu,et al.Log normalization and effect on well logging interpretation[J].World Well Logging Technology,2008,23(2):17-21.

[16]陳熹.測井曲線標準化方法研究[J].當代化工,2015,44(2):328-330.

CHEN Xi.Standardization of well logging curve metgods[J].Contemporary Chemical Industry,2015,44(2):328-330.

ReservoirQuantitativeClassificationandEvaluationofSandDibrisFlowinMiddle-Es3ofNorthofLinnanSubsag

GAO Lihua1,2, XIA Di3, HAN Zuozhen1,2, HAN Mei1.2, LI Hao1,2

(1.Key Laboratory of Depositional Mineralization and Sedimentary of Shandong Province, Shandong University of Science and Technology, Qingdao, Shandong 266590, China; 2.College of Earth Science and Engineering, Shandong University of Science and Technology, Qingdao, Shandong 266590, China; 3.Qingdao Ruiyuan Engineering Group, Qingdao, Shandong 266555, China)

Although good results have been obtained in exploring the sandy debris-flow deposit in Middle-Es3 of north of Linnan Subsag, the reservoir quantitative classification and evaluation are still a problem due to few data of coring and experimental analysis. The identification with rock slice and casting lamella, and the measurement of porosity and permeability and mercury injection confirmed the physical properties of the sandy debris-flow reservoir which was divided into Type I, Type II and Type III. Based on core physical property data, the Bayesian discriminant was established with log data as parameters. The discrimination function was used to analyze each well logging curve in the study area. The results indicate that the reservoir distribution characteristics are corresponding to the sedimentary facies distribution characteristics, which is in a close agreement with the exploratory practice. As a result, the reservoir discrimination analysis with Bayesian discriminant function is consistent with the exploration practice, and can be used to evaluate the reservoir in the study area.

sand debris flow; reservoir classification; Bayesian discriminant; reservoir evaluation

高麗華,夏迪,韓作振,等.臨南洼陷北部沙三中亞段砂質碎屑流儲層定量分類評價[J].山東科技大學學報(自然科學版),2018,37(1):71-81.

GAO Lihua,XIA Di,HAN Zuozhen,et al.Reservoir quantitative classification and evaluation of sand dibris flow in middle-Es3 of north of Linnan subsag[J].Journal of Shandong University of Science and Technology(Natural Science),2018,37(1):71 -81.

2017-06-01

國家自然科學基金項目(41372134) ；山東省重大科技創新工程項目(2017CXGC1602，2017CXGC1603)；山東科技大學科研創新團隊支持計劃資助項目(2015TDJH101)

高麗華(1971—)，女，山東蓬萊人，講師，博士，主要從事油氣儲層方面的研究．E-mail：glhxx@163.com

韓作振(1965—)，男，河南新鄉人，教授，博士生導師，主要從事油氣沉積與成藏方面的研究工作,本文通信作者.

E-mail：hanzz@163.com

TE19

A

1672-3767(2018)01-0071-11

10.16452/j.cnki.sdkjzk.2018.01.007

李 磊)