東營凹陷湖盆陡坡帶砂礫巖儲層評價方法及應(yīng)用
——以LA區(qū)塊沙四上亞段為例

王 錦，馮國奇，王 鑫

（1.中國石化中原油田分公司物探研究院，河南 濮陽 457001；2.中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東 青島 266580）

砂礫巖儲層在油氣勘探開發(fā)過程中占據(jù)重要地位，尤其在我國東部的中、新生代陸相斷陷湖盆的東營凹陷北部陡坡帶發(fā)育大量砂礫巖儲層，獲得了可觀的工業(yè)油流［1-4］。研究區(qū)LA區(qū)塊滾動勘探開發(fā)時間較短，對砂礫巖儲層的認(rèn)識相對薄弱。此外，砂礫巖儲層內(nèi)部結(jié)構(gòu)復(fù)雜，各影響因素間多呈非線性關(guān)系。儲層非均質(zhì)性是決定儲層質(zhì)量的關(guān)鍵因素［5］，影響油田開發(fā)效果。砂礫巖儲層縱向上砂體間儲層性質(zhì)差異程度多變，導(dǎo)致單因素表征層間非均質(zhì)性的角度各異性明顯，開展儲層質(zhì)量評價工作難度較大。

目前，國內(nèi)外學(xué)者針對儲層質(zhì)量及儲層非均質(zhì)性評價開展了大量的研究。楊少春［6］利用熵權(quán)法對數(shù)值存在差異的屬性參數(shù)進(jìn)行去同存異處理，以非均質(zhì)綜合指數(shù)定量表征儲層非均質(zhì)性；嚴(yán)科［7］針對非均質(zhì)定量表征角度各異性問題，提出基于儲層物性參數(shù)累積分布特征的新參數(shù)進(jìn)行儲層宏觀非均質(zhì)表征；宮清順［8］借助地質(zhì)、測井、生產(chǎn)動態(tài)等資料，從孔隙結(jié)構(gòu)、滲透率韻律、夾層類型及分布樣式、有效砂體結(jié)構(gòu)及連通模式入手，深入剖析砂礫巖儲層宏觀、微觀非均質(zhì)性主因并對其表征。儲層質(zhì)量和非均質(zhì)性評價方法大多是利用模糊數(shù)學(xué)或灰色理論對多儲層評價因素做不確定性評價，針對砂礫巖儲層縱向上砂體間儲層性質(zhì)差異程度多變性和內(nèi)部結(jié)構(gòu)的復(fù)雜性，若只考慮單一評價方法，評價結(jié)果間的差異性難以得到良好體現(xiàn)。因此，優(yōu)選非均質(zhì)評價指標(biāo)，聯(lián)合熵權(quán)法及模糊層次分析法，通過構(gòu)建熵權(quán)、模糊互補(bǔ)判別矩陣，有效擴(kuò)大評價結(jié)果的差異性和解決角度各異性，進(jìn)而實現(xiàn)砂礫巖儲層層間非均質(zhì)性定量表征；然后針對儲層質(zhì)量與各儲層評價參數(shù)間的非線性關(guān)系，利用極具靈活性和自適應(yīng)性的BP神經(jīng)網(wǎng)絡(luò)法構(gòu)建復(fù)雜函數(shù)關(guān)系，從而劃分砂礫巖儲層類型，客觀有效地實現(xiàn)砂礫巖儲層質(zhì)量評價和儲層平面展布預(yù)測。

1 概況

東營凹陷北部陡坡帶面積約1 500 km2，具有坡度陡、物源和油源供應(yīng)充足的特點(diǎn)［9］，構(gòu)造上整體受陳南和濱利兩套斷裂帶系統(tǒng)控制［10］，形成“北斷南超”、山高谷深、溝梁相間的古地貌特征［11］。研究區(qū)LA區(qū)塊處于陡坡帶的西段二臺階，北為陳家莊凸起，西鄰濱縣凸起，東鄰民豐洼陷，南為利津洼陷，北部靠近物源區(qū)陳家莊凸起（圖1）。根據(jù)試油資料顯示，研究區(qū)沙四上亞段的7、8砂組為主力含油層，7砂組可劃分為8個小層，8砂組可劃分為7個小層。巖性以礫巖、含礫砂巖、中-粗砂巖和暗色泥巖為主，具有空間上混雜堆積、相變快、物性差、儲層非均質(zhì)性強(qiáng)的特點(diǎn)［12-14］。研究區(qū)砂礫巖儲層成分成熟度較高，巖石組成以長石巖屑砂巖為主；儲層平均孔隙度為8.56%，平均滲透率為4.73×10-3μm2，屬于低孔、低滲儲層（圖2）。

圖1 研究區(qū)構(gòu)造位置

圖2 LA區(qū)塊沙四上亞段巖性分類及巖心分析孔隙度、滲透率分布頻率

2 層間非均質(zhì)性表征

儲層層間非均質(zhì)性是指儲層在縱向上砂體間儲層性質(zhì)的差異程度［15］，是影響儲層質(zhì)量的關(guān)鍵因素之一，由于砂礫巖儲層差異程度的多變性受多種因素控制和影響，導(dǎo)致儲層層間非均質(zhì)性表征難度增加。針對該問題，文中通過聯(lián)合熵權(quán)法及模糊層次分析法進(jìn)行定量表征。

2.1 表征思路及實例應(yīng)用

熵權(quán)法是一種客觀賦權(quán)的方法，主要通過熵值來確定指標(biāo)的重要程度，最大特點(diǎn)為“去同存異”，使得數(shù)值差別不大的屬性對非均質(zhì)綜合指數(shù)弱化，差別較大的屬性對非均質(zhì)綜合指數(shù)強(qiáng)化。通常指標(biāo)熵值越小，差異系數(shù)越大，差別程度越強(qiáng)，其權(quán)重越大［6，16］。研究區(qū)以砂礫巖儲層發(fā)育為主，該類儲層相對常規(guī)儲層的評價指標(biāo)數(shù)值間差異性更小，單從熵權(quán)法出發(fā)，難以有效擴(kuò)大評價結(jié)果的差異性，因此將其與模糊層次分析法［17］相結(jié)合，得到各個指標(biāo)的熵值之后，再考慮不同熵權(quán)之間的相互關(guān)系，求取各個指標(biāo)相應(yīng)的熵權(quán)的客觀權(quán)重，進(jìn)而得到非均質(zhì)綜合指數(shù)，該結(jié)果可有效擴(kuò)大不同層位之間指數(shù)的差異性，取得更好的評價結(jié)果。

基本算法如下：

①確定對象集合。確定LA區(qū)塊需要評價計算的各井集合，記為：

②確定指標(biāo)因素的集合。熵權(quán)法與主成分分析法思路相近，可篩選出對非均質(zhì)貢獻(xiàn)突出的參數(shù)指標(biāo)并賦予較大熵權(quán)［6］。同時，保證選取的指標(biāo)涵蓋評價儲層層間非均質(zhì)性的多個方面且各指標(biāo)間相互獨(dú)立。選取重要參數(shù)有：孔隙度、滲透率（代表儲層儲集、滲流能力）、滲透率變異系數(shù)（代表儲層滲透率離散程度）、儲層厚度（代表儲層實際發(fā)育情況）、夾層厚度（代表對儲層油氣阻擋能力）［18］，記為：

式中：P1=a11a21…an1，P2=a12a22…an2，P3=a13a23…an3，Pm=a1ma2m…，anm

③確定指標(biāo)矩陣。矩陣元素為屬性參數(shù)，aij表示i井對應(yīng)j參數(shù)的數(shù)值。

④指標(biāo)值標(biāo)準(zhǔn)化，將矩陣A中aij經(jīng)標(biāo)準(zhǔn)化處理后得到bij，從而確定矩陣B。其中對于滲透率、孔隙度、儲層厚度值越大，對應(yīng)的層間非均質(zhì)性越弱，則使用式（4）做標(biāo)準(zhǔn)化處理；對于滲透率變異系數(shù)、夾層厚度值越大，對應(yīng)層間非均質(zhì)性越強(qiáng)，則使用式（5）作處理。

⑤計算各指標(biāo)的熵值H。利用式（7）求取式（8）中各個指標(biāo)的熵值。

根據(jù)熵的極值性，當(dāng)各指標(biāo)的水平值越接近，其熵值越大。因此用最大熵值H（Pj）max=lg n對公式（7）所得到的熵值進(jìn)行歸一化處理，得到表征指標(biāo)Pj的相對重要程度的信息熵E（Pj）。

⑥考慮不同熵權(quán)之間的相互關(guān)系，將其與模糊層次分析法結(jié)合，以E2s417-1小層為例，利用公式（9）構(gòu)建由熵權(quán)得到的模糊互補(bǔ)判斷矩陣（10）。

對于模糊互補(bǔ)矩陣，滿足0≤cij≤1，且cij+cji=1，cij=0.5表示指標(biāo)i和指標(biāo)j同等重要，cij＞0.5表示指標(biāo)i重要性高于指標(biāo)j，反之亦然。若cij=cik+ckj+0.5，則該矩陣為模糊一致判斷矩陣［19］。

式中：wi為第i種指標(biāo)的客觀權(quán)重，無量綱；x為指標(biāo)個數(shù)；θ為調(diào)整系數(shù)，該值越小，權(quán)重之間的差異越大，代表重視指標(biāo)間程度的差異。

表1 LA區(qū)塊E2 s41 7-1小層非均質(zhì)性評價指標(biāo)客觀權(quán)重值

⑧計算非均質(zhì)綜合指數(shù)I：

式中：W為權(quán)重向量；T表明矩陣轉(zhuǎn)量，0＜I＜1，I值越小，表示非均質(zhì)性越強(qiáng)；反之亦然。

2.2 綜合熵權(quán)法與模糊層次分析法的儲層層間非均質(zhì)性評價

分別用熵權(quán)法和綜合熵權(quán)法與模糊層次分析法計算LA區(qū)塊沙四上亞段7砂組和8砂組主力層內(nèi)各個小層非均質(zhì)評價指數(shù)，并對其結(jié)果進(jìn)行統(tǒng)計（圖3a、3b）。由圖3a可以看出，E2s418-2、E2s418-3小層非均質(zhì)性較強(qiáng)，E2s417-3、E2s417-4小層非均質(zhì)性較弱。

圖3 LA區(qū)塊沙四上亞段儲層層間非均質(zhì)綜合指數(shù)

與單一利用熵權(quán)法（常規(guī)方法）表征砂礫巖儲層層間非均質(zhì)性相比，基于熵權(quán)法與模糊層次分析法的儲層層間非均質(zhì)綜合指數(shù)能夠克服傳統(tǒng)方法的各參數(shù)表征角度各異、評價指標(biāo)無邊界、各參數(shù)評價結(jié)果相互矛盾等問題，有效擴(kuò)大評價結(jié)果的差異性，更好地體現(xiàn)綜合性和定量性，減少不確定性。

3 基于BP神經(jīng)網(wǎng)絡(luò)的砂礫巖儲層質(zhì)量評價

研究區(qū)砂礫巖儲層非均質(zhì)性強(qiáng)，需要借助多方面、多角度評價參數(shù)進(jìn)行表征來實現(xiàn)儲層質(zhì)量的定量評價，但儲層質(zhì)量評價參數(shù)之間關(guān)系復(fù)雜，相互間多呈非線性關(guān)系，并且復(fù)雜的關(guān)系與最終結(jié)果的準(zhǔn)確度相對立［20］，想要通過常規(guī)方法得到儲層質(zhì)量綜合評價指數(shù)更為困難。現(xiàn)代興起的人工神經(jīng)網(wǎng)絡(luò)技術(shù)可通過自身機(jī)器學(xué)習(xí)，較為智能地解決上述復(fù)雜問題［21-23］。文中通過采用BP神經(jīng)網(wǎng)絡(luò)模型解決關(guān)系復(fù)雜的非線性問題，較好地實現(xiàn)研究區(qū)砂礫巖儲層質(zhì)量的定量評價。

3.1 BP神經(jīng)網(wǎng)絡(luò)模型簡介

BP神經(jīng)網(wǎng)絡(luò)模型是目前人工神經(jīng)網(wǎng)絡(luò)方法中應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型，屬于多層前向型網(wǎng)絡(luò)，由多個輸入層、一個輸出層和多個隱含層組成（圖4a）。首先將訓(xùn)練數(shù)據(jù)加載至網(wǎng)絡(luò)的輸入層中，靠自身逐層訓(xùn)練至輸出層，得到相應(yīng)的“預(yù)估值”，再將“預(yù)估值”代入交叉熵?fù)p失函數(shù)中計算誤差，然后通過機(jī)器不斷學(xué)習(xí)并利用誤差反向傳播訓(xùn)練算法，反向從輸出層對連接權(quán)值進(jìn)行修改，并逐步后退至各層和節(jié)點(diǎn)，最后直至隱含層，通過持續(xù)迭代修正連接權(quán)值和閾值，確保均方根誤差控制在相應(yīng)的誤差精度范圍內(nèi)，最終建立多元輸入數(shù)據(jù)與單元輸出數(shù)據(jù)之間非線性映射關(guān)系，從而得到期望結(jié)果，完成網(wǎng)絡(luò)學(xué)習(xí)（圖4b）。

圖4 BP結(jié)構(gòu)模型及網(wǎng)絡(luò)算法流程

3.2 BP神經(jīng)網(wǎng)絡(luò)建模及應(yīng)用

3.2.1 儲層質(zhì)量評價參數(shù)優(yōu)選探討

儲層質(zhì)量是儲層儲集和滲流能力的表達(dá)［24-25］，儲層質(zhì)量評價選擇的參數(shù)最好是相互獨(dú)立的、屬性意義明確的，盡可能評價儲層的各個方面。文中選擇的儲層質(zhì)量評價指標(biāo)包括非均質(zhì)性評價指數(shù)、成巖相（壓實減孔率、膠結(jié)減孔率、溶蝕増孔率）、砂體厚度、砂地比。有些學(xué)者會使用比較新的評價指標(biāo)，例如基于壓汞、核磁實驗等得到的排驅(qū)壓力、孔喉半徑、飽和度、閾壓梯度等微觀機(jī)理分析指標(biāo)［26-27］，但這些指標(biāo)實際受限較大，并不能有效指導(dǎo)宏觀儲層評價。

3.2.2 構(gòu)造輸入層和輸出層

儲層質(zhì)量評價指標(biāo)的輸入層為非均質(zhì)性評價指數(shù)、壓實減孔率、膠結(jié)減孔率、溶蝕増孔率、砂體厚度和砂地比；輸出層根據(jù)生產(chǎn)情況劃分為五類儲層，分別以指標(biāo)值0.8～1.0、0.6～0.8、0.4～0.6、0.2～0.4、0～0.2進(jìn)行劃分。

3.2.3 建立BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

采用三層網(wǎng)絡(luò)結(jié)構(gòu)，輸入層節(jié)點(diǎn)為6（6個評價指標(biāo)），輸出層節(jié)點(diǎn)為1（儲層評價綜合指數(shù)）；根據(jù)經(jīng)驗，將隱含層節(jié)點(diǎn)設(shè)為20，建立研究區(qū)砂礫巖儲層類型的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型（圖4a）。

3.2.4 深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練

將沙四上亞段7砂組和8砂組中的174個樣本點(diǎn)作為訓(xùn)練數(shù)據(jù)（占總樣本數(shù)的80%），用于機(jī)器學(xué)習(xí)訓(xùn)練；22個樣本點(diǎn)作為檢驗樣本（占總樣本數(shù)的10%），用于驗證學(xué)習(xí)結(jié)果的準(zhǔn)確性；22個樣本點(diǎn)作為測試樣本（占總樣本數(shù)的10%），用于機(jī)器預(yù)測儲層類型。

3.2.5 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果分析

BP神經(jīng)網(wǎng)絡(luò)采用三層網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)最大訓(xùn)練次數(shù)設(shè)為1 000，誤差精度為1×10-4。當(dāng)網(wǎng)絡(luò)系統(tǒng)誤差小于給定的誤差時訓(xùn)練結(jié)束，訓(xùn)練共進(jìn)行16步，在第10步時效果最佳，均方差最小為0.000 579 94（圖5）。

圖5 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差傳播曲線

由圖6可知，三條擬合曲線的相關(guān)系數(shù)均大于0.90，從訓(xùn)練至測試效果都能達(dá)到很好的擬合并反向?qū)θ斯そ忉屵M(jìn)行指導(dǎo)，本次機(jī)器學(xué)習(xí)的識別結(jié)果準(zhǔn)確度較高，得到的結(jié)果即為預(yù)期想要得到的結(jié)果。

圖6 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、檢驗、測試擬合曲線

通過機(jī)器識別結(jié)果和人工解釋結(jié)果相比較，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測類型與實際人工劃分的儲層類型基本一致，用其對22個測試樣本進(jìn)行預(yù)測，預(yù)測結(jié)果中有20個結(jié)果識別正確，預(yù)測儲層類型的準(zhǔn)確率大于90.09%（表2）。相反，人工進(jìn)行儲層分類時有時并不十分精確，且花費(fèi)的時間成本較高。因此，深度神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果可提供快速有效的參考。

表2 LA區(qū)塊目的層砂礫巖儲層類型識別結(jié)果

3.3 儲層質(zhì)量評價

通過從各角度選擇多評價參數(shù)對研究區(qū)砂礫巖儲層質(zhì)量評價，儲層類型可分為五類：Ⅰ（好）、Ⅱ（較好）、Ⅲ（中等）、Ⅳ（較差）、Ⅴ（差）。其中Ⅰ類儲層指標(biāo)值為0.8～1.0，Ⅱ類儲層指標(biāo)值為0.6～0.8，Ⅲ類儲層指標(biāo)值為0.4～0.6，Ⅳ類儲層指標(biāo)值為0.2～0.4，Ⅴ類儲層指標(biāo)值為0～0.2。

通過對各類儲層與其對應(yīng)的單井地質(zhì)特征進(jìn)行比較，認(rèn)為實踐結(jié)果與單井地質(zhì)認(rèn)識具有良好的匹配關(guān)系。研究區(qū)目的層以Ⅱ類和Ⅲ類儲層居多，Ⅰ類和Ⅱ類儲層巖性多以中-粗砂巖、含礫砂巖、細(xì)礫巖為主，對應(yīng)沉積微相為溝道和辮狀水道，物性較好，含油性較好，可作地質(zhì)甜點(diǎn)（圖7a，7b）；Ⅲ類儲層巖性以中-粗砂巖為主，發(fā)育辮狀水道，但物性中等，含油性一般（圖7c）；Ⅳ類儲層以粉細(xì)砂巖為主，對應(yīng)扇中前緣沉積，物性較差，含油性多顯示熒光（圖7d）；Ⅴ類儲層幾乎不含油，對實際開發(fā)作用不大，因此這里不考慮（圖8）。

圖7 LA區(qū)塊沙四上亞段各類儲層對應(yīng)單井地質(zhì)特征

3.4 評價結(jié)果的應(yīng)用

以L2井為例，儲層質(zhì)量評價結(jié)果與實際地質(zhì)認(rèn)識相吻合（圖8a）。綜合單井主力層儲層評價結(jié)果和以其結(jié)果作為目標(biāo)屬性進(jìn)行反演得到的儲層評價數(shù)據(jù)體，預(yù)測儲層類型在平面上的展布（圖8b、8c）。由儲層定量評價平面分布圖可以看出，整體上儲層類型區(qū)分明顯，儲層展布較為精細(xì)，類型較好的儲層在平面上多呈條帶狀，較為貼近河道主體沉積。綜上所述，評價成果可較好地劃分儲層類型，為砂礫巖儲層質(zhì)量評價及優(yōu)勢儲層預(yù)測提供較好的應(yīng)用前景，也為其他地區(qū)砂礫巖儲層質(zhì)量評價提供參考。

圖8 L2井7、8砂組儲層綜合柱狀圖及儲層評價（8-3小層）

4 結(jié)論

（1）綜合利用熵權(quán)法與模糊層次分析法，構(gòu)建熵權(quán)、模糊互補(bǔ)判別矩陣，有效擴(kuò)大評價結(jié)果的差異性，從而得到儲層層間非均質(zhì)性評價指數(shù)，能夠更好地克服傳統(tǒng)方法各參數(shù)表征角度各異、評價指標(biāo)無邊界、各參數(shù)評價結(jié)果相互矛盾等問題，更好地體現(xiàn)綜合性和定量性，減少不確定性。

（2）基于BP神經(jīng)網(wǎng)絡(luò)方法將LA區(qū)塊沙四上亞段砂礫巖儲層劃分為五種類型，研究區(qū)以Ⅱ類和Ⅲ類儲層發(fā)育為主，Ⅰ類和Ⅱ類儲層可作為有利的地質(zhì)甜點(diǎn)。最終預(yù)測儲層類型平面展布，儲層類型較好的平面上多呈條帶狀，較為貼近河道主體沉積，分 類結(jié)果與實際地質(zhì)認(rèn)識相吻合。