巖屑成分分析在渤中19-6潛山界面識別中的應用*

胡 云 譚忠健 張建斌 戴 珩 張向前

(1. 中海石油(中國)有限公司天津分公司 天津 300459； 2. 中海油能源發展股份有限公司工程技術分公司 天津 300459)

渤海油田勘探方向逐漸向深層推進，深層是未來儲量增長的重要領域。渤中19-6構造處于渤中凹陷西南部，西南洼和渤中主洼之間的近南北向構造脊上，整體受基底和走滑斷層控制，太古界(Ar)花崗片麻巖潛山是該區主要勘探目的層系[1-8]。對于勘探作業，潛山界面卡取不準確會對鉆井施工安全產生威脅，甚至導致單井報廢而無法完成勘探任務。因此，準確卡取太古界潛山界面對深層勘探至關重要，是深層地質資料錄取及油氣藏評價的前提條件。通常情況下，主要是通過潛山構造特征、鉆井工程參數特征、巖性特征、鄰井對比等綜合判斷潛山界面[9]。然而，渤中19-6潛山界面卡取工作面臨諸多難點：一是深層地震解釋精度不足，潛山界面預測誤差大，平均誤差79.7 m，最大誤差296.0 m；二是地層精細對比難，上覆地層厚度及巖性組合無明顯規律，同時潛山上覆地層發育沉積成因的砂巖或砂礫巖，對潛山界面的識別存在干擾，難以找到對比標志層；三是由于PDC鉆頭及提速工具的使用，鉆井巖屑細碎難辨識[10-13]。

基于以上難點，本文通過地層礦物及元素統計分析篩選出敏感礦物及元素，并建立典型地層模型，提出基于降維算法的潛山界面巖性判別方法，一方面解決上覆地層對比難的問題，另一方面通過大量數據分析，利用LDA降維、巖性識別圖版，提高界面巖性識別精度。

1 潛山界面識別方法

渤中19-6太古界潛山和孔店組頂面為多個具有背斜、斷鼻形態的復雜斷塊，又被次級斷裂分隔為多個斷塊，自上而下鉆遇地層有第四系平原組，新近系明化鎮組、館陶組，古近系東營組、沙河街組及孔店組(孔店組局部缺失)，太古界變質巖潛山。構造與地層復雜，地層精細對比難度大，難以找到對比標志層；同時潛山頂部遭受長期的風化、淋濾、溶蝕，風化殼鉆井巖屑辨識難。

1.1 地層敏感礦物及元素篩選

受沉積作用控制，在同一區域同一層位，每種巖石中的礦物含量基本穩定，組成各類礦物的元素含量也是一定的。基于以上認識，根據巖性的不同，利用X射線衍射錄井(XRD)檢測的13種礦物(石英、長石、黏土礦物、方解石、白云石、鐵礦物、石膏、硬石膏、重晶石、方沸石、濁沸石、角閃石、輝石)和X射線元素錄井(XRF)檢測的17種元素(Si、Na、K、Fe、Mg、Ca、Al、Mn、Cl、Ba、Ti、V、Sr、P、S、Ni、Zr)進行分類統計，發現不同地層的元素及礦物的規律性，但是不同區域，元素變化特征存在區別，簡單通過曲線變化來判斷潛山界面有可能因干擾層的存在而判斷失誤。同時，渤中19-6潛山地層巖性較復雜，與傳統意義的潛山儲層不同的是由太古界變質花崗巖和上覆孔店組砂礫巖共同構成的儲層系統，孔店組砂礫巖與太古界變質花崗巖成分上存在相似性，對利用元素錄井來區分潛山界面增加了難度。

針對渤中19-6潛山地層的特點，采用ReliefF算法對錄井數據進行分析。ReliefF算法是著名的過濾式特征選擇方法，在處理多類問題時，每次從訓練樣本集中隨機取出1個樣本R，然后從和R同類的樣本集中找出R的k個近鄰樣本(near Hits)，從每個R的不同類的樣本集中找出k個近鄰樣本(near Misses)(圖1)，然后更新每個特征的權重。

圖1 ReliefF算法近鄰樣本示意圖

利用ReliefF算法，根據各個元素及礦物成分與巖性類別的相關性賦予特征不同的權重，權重值越大表示該特征對樣本的區分能力越強，通過設置閾值選擇新的特征子集[14-17]，選取渤中19-6潛山地層的敏感元素為Si、Fe、Mg、Ba、K、Na。通過對渤中19-6潛山已鉆井的礦物錄井數據統計發現，除石英、長石、黏土礦物、非晶質外，其他礦物含量極低或基本無其他礦物，將石英、長石、黏土礦物作為該區塊太古界潛山界面的敏感礦物(圖2)。

圖2 衍射礦物及元素權重分布

1.2 潛山界面類型及巖石組分特征

根據渤中19-6潛山上覆地層差異性，可分為兩種潛山界面類型，一種是孔店組砂礫巖進山，另一種是沙河街組泥巖進山。這2種類型的潛山界面電性特征都非常明顯，都表現為高阻特征(圖3、4)。孔店組砂礫巖進山類型指的是太古界花崗片麻巖的上覆巖性為孔店組砂礫巖，其典型特征為：進入潛山界面后，石英含量明顯降低，黏土礦物含量微增，長石含量微降；Si元素明顯降低，Mg、Fe元素增高(圖3)。沙河街組泥巖進山類型指的是太古界花崗片麻巖的上覆巖性為沙河街組泥巖，其典型特征為：進入潛山界面后，石英、長石明顯增高，黏土礦物含量降低；Si、Na、K元素明顯升高，Mg、Fe、Ba元素降低(圖4)。

圖3 孔店組砂礫巖進山模式圖(BZ19-6-1井)

注：因工程原因，部分井段測井曲線不全

1.3 基于降維算法的潛山界面判別方法

利用地層敏感礦物及元素建立了進入潛山的礦物、元素變化模式，但是在鉆遇潛山界面時，如何快速識別潛山界面的巖性依然具有難度，潛山風化殼的礦物、元素特征與上部地層沉積成因的砂礫巖具有一定相似性。因此，需要建立更為精確的解釋圖版來區分潛山界面的巖性。

針對孔店組砂礫巖以及沙河街組砂巖對潛山界面卡取存在一定干擾的問題，通過降維的方法來識別不同巖性。常見的降維方法有線性判別分析算法(linear discriminant analysis,LDA)、主成分分析算法(principal component analysis，PCA)、局部線性嵌入算法(locally linear embedding,LLE)，以及拉普拉斯特征映射算法(laplacian eigenmaps， LE)等[18-19]。

本文采用線性判別分析算法(LDA)對不同巖性進行降維識別，該算法的基本思想是最大化類間均值，最小化類內方差。假設原始數據集D包含了C個類別，經過LDA降維后降到k維，計算步驟為[20]：

3) 計算矩陣Sw-1Sb；

4) 計算矩陣Sw-1Sb的最大的k個特征值和對應的k個特征向量W(w1，w2，…，wk)，得到投影矩陣W；

5) 求降維到k維后的新的投影數據集，X=DW。

將ReliefF算法篩選到的Si、Fe、Mg、Ba、K、Na這6種特征元素以及石英、長石和黏土這3種敏感礦物的含量作為原始數據集的特征參數，利用LDA算法對數據集合進行降維，取最終的維度為2，得到式(1)、(2)中的LD1和LD2兩個投影空間，具體表達公式如下：

LD1=-0.022 6Si-0.036 7Na+0.134 1Fe+

0.141 6Mg+0.972 7Ba-0.112 6K-0.014 9石英-

0.024 7長石-0.023 1黏土礦物

(1)

LD2=0.000 4Si+0.005Na+0.004 4Fe+

0.008 2Mg-0.999 9Ba+0.004 5K+0.000 1石英+

0.000 4長石+0.000 5黏土礦物

(2)

以LD1為縱坐標，LD2為橫坐標，建立巖性識別圖版(圖5)。從該圖版的投點可以看出，新生界沉積砂礫巖、泥巖與花崗片麻巖區分效果明顯，可以用于太古界潛山界面的判識。

圖5 LDA巖性識別圖版

2 應用效果

以BZ19-6-8井及BZ19-6-12井為例，依據鉆前預測，本井區是沙河街組泥巖進山。這2口井沙河街組厚層泥巖中發育薄層砂巖，其元素及礦物特征與潛山頂部特征具有一定的相似性，如Si、Fe元素的交匯特征與潛山特征相似，對潛山界面的卡取具有一定的干擾性(圖6、7)。將沙河街組砂巖與判斷進山后風化殼頂部砂礫巖投入巖性識別圖版，沙河街組砂巖落入正常砂礫巖區域，而風化殼頂部砂礫巖落入花崗片麻巖巖性區域，分析結果與測井結論相符，通過圖版的應用，準確識別了潛山界面。

圖6 BZ19-6-8井潛山界面元素及礦物特征

圖7 BZ19-6-12井潛山界面元素及礦物特征

利用本文提出的潛山界面模式及判識方法，預測渤中19-6潛山界面平均誤差79.7 m(最大296.0 m)的情況下，成功卡準了該構造11口井的潛山界面(圖8、表1)，在確保進潛山的前提下，盡量減少進山進尺，保證了鉆井施工安全；平均地質循環2次/井，減少60%，單井直接節約循環時間6 h，提高了鉆井效率，降低了鉆井費用。同時，準確地卡準了潛山界面，成功獲取了潛山頂部鉆井取心資料，取全取準了地層測試資料，為潛山儲層綜合評價奠定了基礎。

圖8 渤中19-6潛山多井對比

表1 渤中19-6潛山界面深度統計

3 結論

1) 通過ReliefF算法對渤中19-6潛山地層礦物及敏感元素進行篩選，認為該區塊太古界潛山界面的敏感礦物為石英、長石、黏土礦物，敏感性元素為Si、Fe、Mg、Ba、K、Na。

2) 通過線性判別分析(LDA)降維方法，建立了太古界潛山界面的LDA巖性識別圖版，有效區分了新生界沉積巖以及潛山風化殼，能夠更精準地判別潛山界面。

3) 運用本文的方法準確卡取渤中19-6潛山多口探井潛山界面，為鉆井施工安全、提速提效以及潛山儲層綜合評價提供了堅實的技術保障。