蟻群算法在天然氣水合物儲層識別中的應用

何星，李維，唐彩瑞，謝小國，羅兵，陶俊利，田銀川，陳彩玲

蟻群算法在天然氣水合物儲層識別中的應用

何星1，李維2，唐彩瑞3，謝小國2，羅兵2，陶俊利2，田銀川2，陳彩玲2

（1. 青海煤炭地質一0五勘探隊，西寧 810007；2. 四川省華地建設工程有限責任公司，成都 610036；3. 四川華地勘探股份有限公司，成都 610200）

我國青藏高原凍土層天然氣水合物主要為裂隙型水合物和孔隙型水合物兩種類型，利用常規(guī)的測井數(shù)據(jù)識別兩種類型的水合物難度較大。本文通過研究裂隙型水合物、孔隙型水合物和普通巖層的測井響應特征的差異，建立交會圖版法判斷流體性質并識別了水合物類型。研究表明，交會圖版法識別效果較好，精度達到66.7%，但是對于泥巖裂隙型水合物和砂巖水層以及粉砂巖孔隙型水合物和細砂巖孔隙型水合物的識別效果較差。為了解決交會圖版法的局限性，本文通過具有收斂快，精度高的蟻群算法結合交會圖版法對烏麗地區(qū)的兩口鉆孔的水合物類型進行識別，識別結果與巖心分析結果吻合度較高，精度達到73.3%，蟻群算法能夠很好地識別出水合物類型，為測井識別天然氣儲層識別提供參考。

烏麗地區(qū)；天然氣水合物；蟻群算法；儲層識別方法

天然氣水合物（natural gas hydrate）又名“可燃冰”，是在低溫高壓條件下自然產(chǎn)生的一種白色結晶狀固體物質，主要由水分子形成的眾多籠形結構以及結構內所包含的天然氣分子（大部分為甲烷）所組成，主要分布于海底沉積物和陸域永久凍土帶中（祝有海等，2009；侯軍等，2019）。全球大于27%的陸域和90%海域存在天然氣水合物，儲量達2×1016m3，碳含量超過所有已探明化石燃料碳含量總和的2倍（付亞榮等，2018）。

我國的青藏高原和大興安嶺地區(qū)存在大片凍土區(qū)，經(jīng)學者研究具備較好的天然氣水合物形成條件，并于2008年11月5日在祁連山木里地區(qū)的DK-1鉆孔133.5～135.5m層段首次獲得水合物樣品，之后又陸續(xù)獲得了更多的水合物樣品，這也是首次在中緯度地區(qū)的凍土帶發(fā)現(xiàn)天然氣水合物（王平康等，2011）。但是天然氣水合物的識別難度較大，常規(guī)的識別方法主要是依據(jù)測井響應特征，即高電阻率和高聲波時差（田貴發(fā)等，2013）。曲璐等（2015）利用交會圖版法對地層巖性進行識別。覃瑞東等（2017）通過研究水合物儲層的巖性測井響應特征，并結合貝葉斯函數(shù)法和BP神經(jīng)網(wǎng)絡算法對木里地區(qū)的天然氣水合物儲層巖性進行識別。侯頡等（2015）在測井巖性識別的基礎上，綜合利用常規(guī)測井和超聲波成像測井等資料，總結裂縫型和孔隙型天然氣水合物儲層的測井響應特征，并形成了基于測井資料識別水合物儲層的方法。雖然上述介紹的方法在識別天然氣水合物上都取得了不錯的效果，但是都具有一定的局限性。曲璐和覃瑞東介紹的交會圖版法、貝葉斯函數(shù)法和BP神經(jīng)網(wǎng)絡算法對識別儲層的巖性具有一定的優(yōu)勢，但卻無法直接定性解釋天然氣水合物儲層的類別；侯頡綜合利用測井資料的解釋天然氣水合物儲層類別，但卻很大程度上依靠超聲波成像的測井技術，這對于部分未進行超聲波成像測井的鉆孔儲層類別識別帶來難度。

1.地體縫合線及編號；2.斷裂；3.山峰；Ⅰ.西昆侖-阿爾金-北祁連縫合帶；Ⅱ.昆侖山南緣縫合帶；Ⅲ.金沙江縫合帶；Ⅳ.班公湖-怒江縫合帶；Ⅴ.雅魯藏布江縫合帶

為了解決在天然氣水合物儲層類別識別過程中的困難，本文通過研究兩類常見天然氣水合物的測井曲線響應特征，獲得了裂縫型和孔隙型天然氣水合物的交會圖識別圖版，結合具有收斂快、精度高的蟻群算法，對儲層類別進行識別，對烏麗地區(qū)2口井實際測井資料的處理，取得了較好的效果。

1 地質概況

烏麗地區(qū)位于青海南部玉樹藏族自治州境內沱沱河一帶，深處青藏高原可可可西腹地，區(qū)內海拔4 473～5 200m，平均海拔在4 800m左右，年平均地溫為-4.4℃，盆地內主要出露二疊系、三疊系和第四系（楊若羿等，2014）。全區(qū)發(fā)育面狀連片型永久凍土，凍土厚度約40～120m（李靖等，2012），具備天然氣水合物的形成條件。經(jīng)歷了復雜而完整的演化歷史：從晚前寒武紀-早古生代泛大陸解體與原特提斯洋形成，經(jīng)古特提斯多島弧盆系發(fā)育與古生代-中生代增生造山/盆山轉換，到新生代印度-亞洲大陸碰撞與疊加改造，完好地記錄了超級大陸裂解→增生→碰撞的完整演化歷史和大陸動力學過程（鄧軍等，2013）。烏麗研究區(qū)除北部和中東部分布新生代地層外，南側主要發(fā)育晚二疊系世烏麗群那益雄組（Pn）和拉卜查日組（Plb），呈條帶狀近東西向延展。烏麗地區(qū)大地構造單元屬羌塘地體，北側以金沙江接合帶與松潘-甘孜-可可西里地體毗鄰，南側以班公湖-怒江接合帶與拉薩地體相隔（圖1）。

圖2 泥巖裂隙型水合物與泥巖測井響應特征

2 水合物測井響應特征

研究區(qū)水合物儲層類型復雜，主要分為裂隙型和孔隙型兩類，且發(fā)育的巖性種類較多，主要包括細砂巖、粉砂巖、泥質粉砂巖、粉砂質泥巖、泥巖、油頁巖、煤等。裂隙型天然氣水合物儲層巖性以泥巖為主，孔隙型天然氣水合物儲層巖性以孔隙度較大的細砂巖、粉砂巖層為主。

2.1 裂隙型水合物

裂隙型水合物主要存在于泥巖儲層中，研究含天然氣水合物裂隙型的泥巖和不含天然氣水合物的泥巖測井響應差異，圖2為泥巖裂隙型水合物和泥巖測井響應特征圖。從圖中可以看出，泥巖裂隙型水合物與泥巖在電阻率和聲波時差測井響應特征上的具有明顯差異，即泥巖裂隙型水合物具有高電阻率和低聲波時差且密度較大，自然伽馬較小。

利用直方圖統(tǒng)計法分別統(tǒng)計泥巖裂隙型水合物和泥巖的電阻率和聲波時差的差異，如圖3、4所示。泥巖裂隙型水合物的電阻率測井值主要分布在90～130Ω·m，聲波時差測井值主要分布在280～440μs/m；泥巖的電阻率測井值主要分布在50～90Ω·m，聲波時差測井值主要分布在320～560μs/m。

2.2 孔隙型水合物

圖3　泥巖裂隙型水合物和泥巖電阻率響應特征

圖4　泥巖裂隙型水合物和泥巖聲波時差響應特征

孔隙型水合物主要存在于細砂巖和粉砂巖儲層中，研究含天然氣水合物孔隙型的砂巖和流體性質為水的砂巖層測井響應差異，圖5為砂巖層孔隙型水合物，圖6為砂巖水層。從圖中可以看出砂巖水層具有低自然伽馬、低中子孔隙度、密度較高、聲波時差中等、電阻率較高等。與之相比，孔隙型水合物具有更高的電阻率、聲波時差更低、密度更大以及自然伽馬更大。

圖5 砂巖孔隙型水合物測井響應特征

圖6 砂巖水層測井響應特征

利用直方圖統(tǒng)計法分別統(tǒng)計砂巖孔隙型水合物和砂巖水層的電阻率和聲波時差的差異，如圖7、8所示。粉砂巖孔隙型水合物的電阻率測井值主要分布在130～170Ω·m，聲波時差測井值主要分布在220～240μs/m；細砂巖孔隙型水合物的電阻率測井值主要分布在130～170Ω·m，聲波時差測井值主要分布在200～240μs/m；砂巖水層的電阻率測井值主要分布在70～110Ω·m，聲波時差測井值主要分布在240～300μs/m。

2.3 交會圖版

裂隙型天然氣水合物和孔隙型天然氣水合物的測井響應特征表明，含與不含天然氣水合物其在電阻率和聲波時差測井值中具有一定的差異。通過選取儲層的電阻率和聲波時差特征值，建立交會圖版能夠較好地區(qū)分出兩種水合物的類型。泥巖裂隙型水合物的自然伽馬測井值大，聲波時差值大；細砂巖孔隙型水合物的自然伽馬測井值小，聲波時差值小；粉砂巖孔隙型水合物的自然伽馬測井值較小，聲波時差較小。交會圖版能夠很好地識別出兩種類型的水合物，但是在對于砂巖水層和泥巖裂隙型水合物以及細砂巖孔隙型水合物和粉砂巖孔隙型水合物的識別效果較差，識別精度較低。

3 水合物識別結果及分析

3.1 蟻群算法

優(yōu)先選用對儲層類型敏感的測井曲線（電阻率、密度、自然伽馬和聲波時差），采用蟻群算法來進行判別。蟻群算法實際上是一種尋優(yōu)算法，有很好的尋找最優(yōu)解的能力，并且其有很好的適應性，同時在解決問題過程中，蟻群可以同時進行獨立搜索，快速解決問題，已廣泛應用于解決聚類問題。蟻群算法中，信息素代表可以不斷更新的N*n矩陣，n為類別數(shù)，N為樣本量。算法初始，矩陣設定為同一值τ，表示為樣品，表示為樣品類別。將目標函數(shù)設定為樣本到聚類中心的距離之和最小值，變現(xiàn)為：

圖7 砂巖孔隙型水合物和砂巖水層電阻率響應特征

圖8 砂巖孔隙型水合物和砂巖水層聲波時差響應特征

其中：

式中，x為第個樣本的第個屬性；c為第個中心的第個屬性；為路線中信息素濃度；為啟發(fā)函數(shù)影響程度大小。

在算法過程中，信息素的累積可以實現(xiàn)樣本集的近似分類，當幾輪迭代結束后，可以對樣本集進行局部的搜索來提高分類精度，并以此更新矩陣，重復這個過程，直到滿足條件后循環(huán)終止。迭代過程中，每只螞蟻都會根據(jù)上一次遺留的信息素進行判斷后分類，螞蟻個體所構成的樣本系統(tǒng)中會生成一個概率，與初始定義的概率0進行比較：

（1）<0時，認為擁有最大信息素的類別為所屬類別；

（2）>0時，根據(jù)轉換概率選擇轉換類別。

圖9 天然氣水合物測井電阻率—聲波時差交會圖版

轉換概率公式表示為：

使用蟻群算法解決聚類問題的具體實現(xiàn)步驟如下：

（1）設定蟻群初始參數(shù)，包含螞蟻總量M，聚類類別N，信息素揮發(fā)系數(shù)ρ等。

（2）對信息矩陣進行初始化，對τ賦予相同的初始值。

（3）輸入訓練樣本數(shù)據(jù)以及儲層類別，首先對訓練樣本數(shù)據(jù)進行歸一化處理，計算出不同儲層類別對應的聚類中心作為計算的初始聚類中心，計算公式為：

式中，為類的樣本點數(shù)據(jù)量。

（4）計算出不同儲層類別的聚類半徑。

表1 蟻群算法判別儲層類型結果統(tǒng)計表

（5）根據(jù)式4計算轉移概率，其中η=1/d，其中d為路徑長度。

（6）重新計算聚類中心，完成后根據(jù)更新方程修改信息素矩陣，公式為：

式中，為揮發(fā)系數(shù)，通常取值0.1～0.5；?τ為該次循環(huán)路徑中信息素增量；Q為常數(shù)；n為迭代次數(shù)。

（7）當聚類中心不再發(fā)生變化時，根據(jù)式8計算隸屬度，按照最大隸屬原則對數(shù)據(jù)點進行分類。

式中，為第p條曲線權重；P為曲線總條數(shù)；為歸一化后第p條曲線數(shù)值。蟻群算法具體流程圖如圖10。

圖11 B井儲層類型解釋結論

3.2 水合物識別結果

利用蟻群算法結合交會圖版法對B井的水合物儲層類型進行判別，并將判別結果與鉆孔巖心資料進行對比（圖11）。蟻群算法判別結論為細砂巖孔隙型水合物層，巖心資料顯示該段為細砂巖層，巖心實驗分析的結果表明該段含有天然氣水合物，巖心資料與實驗分析資料綜合顯示該段為細砂巖孔隙型水合物，這與蟻群算法判斷的一致。

利用蟻群算法和交會圖版法對研究區(qū)塊2口井共15個儲層進行類型判別，并與巖心分析和巖心實驗分析資料進行了對比，結果如下表所示。

從對比結果來看，15個儲層樣本中，交會圖版法判別結果錯誤5層，符合率66.7%；蟻群算法判別結果錯誤4層，符合率73.3%。該結果表明經(jīng)蟻群算法對儲層類型的判別準確性得到了有效的提高。

4 結論

（1）分析不同儲層類型的測井響應特征，泥巖裂隙型水合物電阻率較泥巖大，聲波時差較泥巖??；砂巖孔隙型水合物電阻率較砂巖大，聲波時差較砂巖小；細砂巖孔隙型水合物電阻率較粉砂巖孔隙型水合物稍大，聲波時差稍小。

（2）選用對巖性響應敏感的測井曲線，利用蟻群算法對儲層類型進行連續(xù)識別，將識別的結果與巖心分析的數(shù)據(jù)相比較，儲層類型的識別精度達到了73.3%；利用蟻群算法識別儲層類型與交會圖版法相比，有效地提高了判別的準確度。

祝有海，張永勤，文懷軍，盧振權，賈志耀，李永紅，李清海，劉昌嶺，王平康，郭星旺．2009．青海祁連山凍土區(qū)發(fā)現(xiàn)天然氣水合物[J]．地質學報，83(11)：1762-1771．

侯軍，徐冬，徐永軍．2019．西藏自治區(qū)季節(jié)凍土區(qū)最大凍結深度及動態(tài)變化特征研究[J]．四川地質學報，39(04)：612-621．

王平康，祝有海，盧振權，郭星旺，黃霞．2011．祁連山凍土區(qū)天然氣水合物巖性和分布特征[J]．地質通報，30(12)：1839-1850．

付亞榮，李明磊，王樹義，李云峰，李莉．2018．中國陸域凍土層可燃冰勘探開發(fā)現(xiàn)狀與前景[J]．工程研究-跨學科視野中的工程，10（5）：440-450．

田貴發(fā)，欒安輝，趙平，弓佩章．2013．天然氣水合物儲集類型的測井響應特征[J]．中國煤炭地質，25(8)：55-61．

曲璐，鄒長春，宗青穎，侯頡，朱吉昌，李康，岳旭媛，李寧．2015．青海木里三露天天然氣水合物鉆孔巖性測井識別[J]．現(xiàn)代地質，29（5）：1122-1129．

覃瑞東，林振洲，潘和平，秦臻，鄧呈祥，紀揚，徐偉．2017．木里地區(qū)水合物及巖性測井識別方法[J]．物探與化探，41(6)：1088-1098．

侯頡，鄒長春，曲璐，朱吉昌，李康，岳旭媛，彭誠，李寧．2015．青海木里三露天天然氣水合物儲層測井識別與劃分[J]．現(xiàn)代地質，29（5）：1110-1121．

楊若羿，史建南，田景春，李小豫，楊德壽，王惠東，秦建發(fā)，肖龍．2014．青海烏麗地區(qū)天然氣水合物形成條件研究[J]．科學技術與工程，14(12)：131-135．

李靖，曹代勇，豆旭謙，王丹．2012．木里地區(qū)天然氣水合物成藏模式[J]．遼寧工程技術大學學報(自然科學版)，31(04)：484-488．

鄧軍，葛良勝，楊立強．2013．構造動力體制與復合造山作用——兼論三江復合造山帶時空演化[J]．巖石學報，29(04)：1099-1114．

The Application of Ant Colony Algorithm to the Reservoir Identification of Natural Gas Hydrate

HE Xing1LI Wei2TANG Cai-rui3XIE Xiao-guo2LUO Bing2TAO Jun-li2TIAN Yin-chuan2CHEN Cai-ling2

(1-The 105th Team, Qinghai Bureau of Coal Geology, Xining 810007; 2-Sichuan Huadi Construction Engineering Co. Ltd, Chengdu 610036; 3- Sichuan Huadi Exploration Co. Ltd, Chengdu 610200)

Natural gas hydrates in the frozen soil layer on the Qinghai-Tibet Plateau in China are mainly of two types: fractured hydrates and pore hydrates. It is difficult to identify the two types of hydrates using conventional logging data. This study uses an cross plot chart method based on the differences in logging response characteristics of fractured hydrates, pore hydrates, and common rock formations for judging the fluid properties and identifying hydrate types. The study indicates that the cross plot chart method had a better recognition effect with an accuracy of 67.7%, butthe effect of identifying shale fractured hydrate, sandstone aquifer, siltstone pore hydrate and fine sandstone fractured hydrate is poor. In order to overcome the limitation of the cross plot chart method, this study uses the ant colony algorithm with fast convergence and high accuracy combined with the cross plot chart method for identifying the hydrate type in two boreholes, Wuli area. The identification results are in good agreement with the core analyses with an accuracy of 73.3%. This indicates the ant colony algorithm can well identify the hydrate type, providing a reference for logging identification of natural gas reservoirs.

natural gas hydrate; ant colony algorithm; reservoir identification method; Wuli area

P931.8+1；P618.13

A

1006-0995（2021）03-0512-06

10.3969/j.issn.1006-0995.2021.03.033

2020-11-12

何星（1983— ），男，青海西寧人，副高級物探工程師，現(xiàn)主要從事物探與地質工程技術與管理工作