準噶爾盆地東部西泉地區石炭系火山巖巖性識別

李樹博，郭旭光，鄭孟林，王澤勝，劉新龍

（中國石油新疆油田分公司勘探開發研究院，新疆克拉瑪依 834000）

0 引言

隨著油氣勘探的不斷深入，常規碎屑巖油氣藏已經難以滿足現實需求，近十幾年來，準噶爾盆地、松遼盆地、塔里木盆地等火山巖油氣勘探相繼獲得了突破，引起了石油工作者的重視。實踐證明，火山巖油氣藏勘探正逐步成為油氣產量、儲量新的重要增長點［1-3］。火山巖礦物成分、結構等取決于不同火山作用、巖漿類型和后期構造運動的疊加改造，其測井響應特征規律性較差［4-5］，巖性識別難度較大，解決巖性識別問題是火山巖油氣藏成功勘探的關鍵［6-7］，只有在準確地識別火山巖巖性的基礎上，才能有效地開展儲層評價研究，進而提高勘探成功率。

傳統的巖性識別方法有巖屑錄井識別、鉆井取心鑒定及測井資料識別等，其中巖屑錄井識別的精度直接取決于錄井質量，然而鉆井取心不僅很難對目標地層做出完整的描述［9-10］，成本還比較高，不能在生產中大規模普及應用。測井資料種類豐富，成本低易于獲得，具備縱向連續、橫向對比性強的特點［11］，因此，測井資料識別法是目前識別火山巖巖性的主要手段。由于不同測井曲線之間攜帶的巖性信息具有一定的相關性和重疊性，僅運用常規巖性交會圖版難以對復雜巖性進行全面而精確地識別。為了充分運用測井資料，隨著多元數據挖掘方法的快速發展，利用聚類［12-13］、判別［14-15］和降維［16-18］等數據挖掘方法對測井資料進行精細分析已成為識別復雜巖性的常用方法。自準噶爾盆地東部西泉地區石炭系火山巖油氣藏發現至今，專家學者對該區域火山巖巖性識別方法的探索腳步從未停止。具有代表性的有：張麗華等［19］在巖心歸位和巖性復查的基礎上，利用常規測井資料，提出基于二維和三維巖性識別圖版的識別流程；馬尚偉等［20-21］采用全巖主量元素分析結合巖心、鏡下薄片和成像測井進行巖性劃分；黃力等［22］利用主成分分析法從巖石測井響應敏感性角度定量識別巖性。由于研究區石炭系火山巖測井響應多解性強，前人的成果中未能有效解決不同巖性測井響應特征相似所帶來的識別誤差，針對未知火山巖巖性未能建立有效的定量判識方法。

本次研究充分利用巖心資料和鏡下薄片鑒定成果，確保測井響應特征的代表性，利用主成分分析法對復雜數據進行有效降維方面的優點，對目標測井曲線進行數據優化，提高不同巖性之間測井響應特征差異的敏感性，并結合典型判別函數在判別未知樣本歸屬方面的顯著優勢，首次在研究區嘗試運用復合數據挖掘方法識別石炭系火山巖巖性，并建立不同巖性定量判別模型，以期為研究區石炭系火山巖巖性識別提供參考依據。

1 研究區概況

西泉地區位于準噶爾盆地東部隆起西翼北三臺凸起西斜坡［23-24］［圖1（a）］，為凸起上規模最大的近東西向鼻狀構造［25］。北三臺凸起東接吉木薩爾凹陷、西臨阜康凹陷、南抵阜康斷裂帶，北連沙奇凸起，是自晚海西期開始發育，又歷經印支期、燕山期和喜馬拉雅期共4 期大的構造運動形成的繼承性古凸起［26］。其中受海西期構造運動的影響，北三臺凸起在中—晚石炭世發生了大規模強烈火山噴發活動，形成石炭系火山巖地層；早—中二疊世受南部博格達山擠壓隆升作用，北三臺基底凸起形成，石炭系經歷強烈持續性風化-淋濾-剝蝕作用，導致部分中—晚石炭統和早—中二疊統缺失［26］。

根據已鉆探井資料及地震解釋成果，將西泉地區石炭系自下而上分為：下序列松喀爾蘇下亞組火山巖段（C1sa）、中序列松喀爾蘇上亞組火山沉積巖段（C1sb）和上序列巴塔瑪依內山組火山巖段（C2b），其中C1sa主要由火山熔巖類組成，C1sb主要由火山沉積巖和沉積巖呈互層狀組成，C2b主要由火山熔巖類和火山碎屑巖類組成［圖1（b）］。自2006 年西泉1 井石炭系火山巖油藏發現以來，西泉地區已累計提交石炭系探明儲量近7 000 萬t，且在石炭系3 個地層序列中均有油氣發現，展現了該區域石炭系火山巖廣闊的油氣勘探前景。

2 火山巖測井響應特征

準噶爾盆地東部西泉地區石炭系火山熔巖類、火山碎屑巖類和火山沉積巖類均有發育［27-28］。通過篩選研究區內51 口石炭系鉆遇厚度大且連續性好的鉆井，以精細歸位校正后的266 塊巖心資料和鏡下薄片鑒定樣品為基礎，對巖性單一、厚度較大且測井曲線穩定性相對較好的井段進行數據提取，如表1所列，提取出玄武巖、安山巖、英安巖、火山角礫巖、凝灰巖、含角礫凝灰巖、凝灰質砂礫巖、凝灰質泥巖和炭質泥巖共9 種火山巖巖性的自然伽馬（GR）、地層真電阻率（Rt）、沖洗帶電阻率（Rxo）、密度測井（DEN）、中子孔隙度（CNL）和聲波時差（AC）共計6 條常規測井曲線數據，并以各不同巖性測井曲線值作為主要變量進行不同巖性樣本均值及方差的計算。安山巖和英安巖的地層真電阻率（Rt）和沖洗帶電阻率（Rxo）存在方差值極大異常，表明這2 種巖性電阻率變化較大，難以利用電阻率相關曲線有效表征巖性分布。除此之外，其余大部分巖性對應測井曲線方差值較小，可以作為有效數據來識別巖性。

表1 西泉地區石炭系不同巖性火山巖的測井響應值Table 1 Log response values of Carboniferous volcanic rocks with different lithologies in Xiquan area

3 巖性識別方法

主成分分析法的基本思想是考慮各變量指標間的相關性，利用降維方法將參與運算的多個變量指標通過數學方法轉換成少數幾個互不相關的指標，且每個指標能代表多個原始變量，從而使研究變成一種更簡單的統計學方法。典型判別分析法的基本思想是投影［29-32］，通過建立一種線性組合，即最優化的數學模型來概括不同變量間的差異性，同時根據已知樣本分類判斷未知待判斷的變量樣本歸屬的統計學方法。由于這2 種方法在數據處理和變量類型判別中的顯著優勢，已經在地學界得到了廣泛的運用，尤其是在復雜巖性識別和儲層評價等方面［33-35］，準確性得到了提高。

3.1 主成分分析法

假設樣本數為n，每個樣本對應的變量數為P，得到n×p維原始樣本陣Xn×p。根據前期樣本選取的結果，建立原始數據集X560×6

（1）由于所選取的6 個變量具有量級和量綱的差異性，為了使原始變量的量級和量綱保持在同一個維度上，須對原始變量進行標準化處理，得到新的無量綱數據序列：ZGR，ZRt，ZRxo，ZDEN，ZCNL和ZAC，其均值為0，方差為1（表2）。

表2 西泉地區石炭系不同巖性火山巖的測井響應值（標準化后）Table 2 Log response values of Carboniferous volcanic rocks with different lithologies in Xiquan area（after standardization）

對標準化后的數據集進行相關系數矩陣計算

式中：R為樣本相關系數矩陣；x'為樣本標準化矩陣。

根據式（2）得到研究區石炭系的變量相關系數矩陣（表3），正相關關系中ZAC與ZCNL的相關性最好，為顯著相關，相關系數為0.911；負相關關系中ZAC與ZDEN的相關性最好，為顯著相關，相關系數為-0.915，除此之外，ZCNL與ZDEN，ZRt與ZRxo，ZCNL，ZAC，ZGR與ZRt，ZCNL之間亦具有較好的相關關系，這表明不同參數間存在不同程度的信息重疊現象，這就使得在識別研究區火山巖巖性中常規雙變量交會圖版不僅無法反映出所有變量間的相關性，還存在著或多或少的信息重疊。

表3 西泉地區石炭系變量相關系數矩陣Table 3 Correlation coefficient matrix of Carboniferous variables in Xiquan area

各巖性中ZAC曲線的標準差值相對較小（參見表2），結合相關系數矩陣中各曲線的相關性，選取AC與CNL、DEN進行三參數散點交會分析（圖2），巖性識別效果不理想，巖性間普遍存在邊界不清晰，巖性重疊現象較嚴重，所以僅通過常規交會圖版很難將巖性區分清楚。

（2）利用Jacobi 線性變換方程對相關系數矩陣進行計算，求解該相關系數矩陣非負特征值λi(i=1,2,3,…,m)和特征向量式中：Im為單位矩陣；λi為相關系數矩陣R的非負特征值，同時也是主成分Yi(i=1,2,…,m)的方差，方差越大，說明主成分Yi包合變量x1，x2，…，xm包含信息的能力越強。

將λi按由大到小的順序排列，即λ1＞λ2＞…λm＞0（表4）。

表4 特征值及方差貢獻率計算結果Table 4 Calculation results of eigenvalue and variance contribution rate

（3）主成分P值一般選取累計方差貢獻率≥80%或特征值λi＞1 的前P個特征值。由表4 可知，滿足λi＞1 的主成分變量為Y1和Y2，其特征值分別為4.173 和1.035，且Y1+Y2累計方差貢獻率為86.798%，利用Y1和Y2這2 個主成分變量可充分表征6 個原始變量所反映的大部分信息，達到了對變量降維處理的目的。主成分Y1和Y2的特征向量計算結果如表5 所列。

表5 主要特征值特征向量計算結果Table 5 Calculation results of main eigenvalue eigenvector

根據表5，得到對應的主成分方程

利用主成分方程F1和F2所做的散點交會圖版識別研究區石炭系巖性（圖3），識別精度得到了有效提高，各類巖性樣本有了較為明顯的區分界線：玄武巖、安山巖、英安巖、凝灰巖和炭質泥巖巖性分布界線清晰；凝灰質泥巖、含角礫凝灰巖、凝灰質砂礫巖和火山角礫巖也可以在交會圖版中看到一定的區分規律。與常規雙變量交會圖版中大量巖性重疊現象相比，主成分交會圖已經可以進行初步的巖性劃分，說明在西泉地區利用主成分分析有利于解決火山巖巖性各變量樣本間存在的相關性問題。

3.2 典型判別分析法

典型判別分析法是一種依據方差分析原理建立的判別方法。針對P維空間中的點Xi=(Xi1,Xi2,…,Xip)，i=1,2,…,n通過一組線性函數將P維空間中的全部觀測點統一轉化到m維空間，然后在m維空間中對樣本集進行分類，在此過程中采用方差分析思想，依據使組間均方差與組內均方差之比最大的原則，選擇最優的有效線性函數。

式中：ym(xi)為判別指標；ci為各變量的系數，也稱為判別系數；xij為反映研究對象特征的變量。

（1）基于前期對原始變量進行主成分分析優化的結果，結合典型判別分析法在根據已知樣本分類來判斷未知樣本歸屬方面的優勢，建立判別主成分模型

式中：Gi為研究區石炭系第i種巖性的判別函數；a，b，c分別為各巖性判別函數系數或常數，取值如表6所列。

表6 西泉地區各巖性判別函數系數和常數Table 6 Coefficients and constants of each lithology discriminant function in Xiquan area

由式（7）得到典型判別函數特征值、方差貢獻率和相關性指標（表7），其中典型判別函數1 和2特征值的累計方差貢獻率達到100%，說明利用典型判別函數1 和2 即可包含絕大部分變量的信息［36］。

表7 典型判別函數相關指標Table 7 Related indicators of canonical discriminant function

（2）把主成分方程F1和F2帶入式（7），建立研究區石炭系不同巖性的判別模型

（3）用巖性判別模型對原始巖性數據進行回判可靠性檢驗（表8），判別模型對91.8%的原始變量進行了正確判別，針對全部原始變量進行交叉驗證（交叉驗證中，每個原始變量均由該變量之外的其他變量所屬判別模型進行再次分類），準確率達到91.4%。其中玄武巖、安山巖、英安巖、凝灰巖、含角礫凝灰巖、凝灰質泥巖和炭質泥巖的判別分析準確率較高，均在89.0%以上；火山角礫巖和凝灰質砂礫巖判別分析準確率相對較低，經交叉驗證后準確率均在70.0%以上，所有判別模型達到初步識別巖性的要求。

表8 西泉地區各巖性定量判別模型可靠性驗證Table 8 Reliability verification of quantitative discrimination models for each lithology in Xiquan area

4 應用效果分析

以準噶爾盆地東部西泉地區石炭系巖性判別模型為基礎，對主要預探井段進行巖性識別，先對未知巖性段對應的連續測井曲線值進行統一標準化，再將每一點標準化曲線值帶入巖性判別模型進行計算，根據最大相似性原則進行比較，計算結果最大者即為該點所對應判別巖性。

以研究區A 井為例（圖4），對3 275.0～3 279.0 m井段進行巖性判斷，錄井解釋3 275.0～3 278.0 m為凝灰質泥巖，3 278.0～3 279.0 m 為炭質泥巖，而綜合巖性判別模型解釋3 275.0～3 275.3 m 為凝灰質泥巖，3 275.3～3 275.8 m 為凝灰巖，3 275.8～3 277.0 m為火山角礫巖，3 277.0～3 277.7 m為凝灰巖，3 277.7～3 278.0 m 為凝灰質泥巖，3 278.0～3 278.8 m 為炭質泥巖，3 278.8～3 279.0 m 為凝灰巖，綜合巖性判別模型解釋結果與微電阻率成像顯示結果吻合率更高，這說明綜合巖性判別模型解釋的火山巖巖性比錄井解釋的巖性更加精細，與薄片鑒定和微電阻率成像對應效果更好，同時通過此方法對火山巖薄互層識別也更加精確，表明該巖性識別方法在研究區具有一定的可靠性和適用性，在缺少石炭系鉆井巖心資料的深度段可以有效地進行巖性識別。

5 結論

（1）準噶爾盆地東部西泉地區石炭系火山巖的類型復雜多樣，利用常規雙變量交會圖版進行巖性識別的效果不理想，存在巖性邊界不清晰，不同巖性重疊等問題，而利用以主成分分析和典型判別分析為主的綜合數據挖掘方法既消除了不同特征測井曲線攜帶巖性信息中的相關性和重疊性，又充分綜合了更多測井曲線的信息，提高了研究區石炭系火山巖巖性識別的準確性和實用性。

（2）基于主成分特征值大于1 且主成分累計方差貢獻率大于80%的原則，構建出適用于準噶爾盆地西泉地區火山巖巖性識別的綜合主成分變量Y1和Y2，結合典型判別分析法解釋的火山巖巖性較錄井解釋的巖性更加精細，與薄片鑒定及成像測井資料的對應效果更好，對火山巖薄互層的識別能力也有了較大程度的提高。