FLAIR實時地層流體錄井解釋圖版建立及應用

李戈東，馬猛，王建立，陳銘帥，杜波，韓明剛

(1.中海油能源發展股份有限公司 工程技術分公司，天津 300452；2.中海石油(中國)有限公司 天津分公司，天津 300459)

FLAIR實時地層流體分析錄井(簡稱FLAIR錄井)能實時檢測鉆井液中C1～C8烴類組分以及CO2和H2S等非烴類組分含量[1]。本文針對研究區的基本地質情況和FLAIR實時地層流體錄井特點，利用統計分析的ReliefF算法對氣測敏感參數進行計算優選[2]，選出對含油性敏感度最高的兩個參數，根據優選后的參數建立圖板，并編寫算法，由軟件自動劃分油層與非油層區域，免除了人為劃分區域的主觀性，并對已建立的圖板解釋效果進行驗證。

1 解釋參數優選

與常規氣測錄井技術相比，FLAIR錄井具有脫氣效率高、分辨率高(C1/C2比高達8000)、測量范圍更廣(烴類可測C1～C8)、數據質量更高的特點[3]。

1.1 相關參數介紹

氣測原始數據所受影響因素較多，因此在建立氣測交會圖版過程中多采用其派生參數，共篩選出以下25個氣測相關派生參數[4-9]:

(1)CR1:100*C1/∑C；(2)CR6+:100*(nC6+nC7+nC8+C7H14)/∑C；(3)(C4+C5)/(C1+C2)；(4)(C1+C2)/C3；(5)(C1+C2)/(C3+C4) ；(6)(C2+C3+C4)/C1；(7)(C3+C4)/C4；(8)C1/C3；(9)RL-M：10*C1/(C2+C3)2；(10)RL-H：100*(C1+C2)/(iC4+nC4+iC5+nC5)3；(11)RH-M：(iC4+nC4+iC5+nC5)2/C3；(12)氣測幅度指數：Tg/Tj/Ht；(13)重烴指數：C1*Tj/Tg* (iC4+nC4+iC5+nC5)/(0.0001+C3)；(14)豐度系數：C1/(C1-C2-C3)*∑C*(Tg-Tj)/Tg；(15)氣測含油豐度指數：[C1/(C1-C2)]2*∑C*(Tg-Tj)/Tg；(16)油性指數：Hq/Ht*(Tg-Tj)/Tj*[(nC4+nC5)/(iC4+iC5)]2*(iC4+nC4+iC5+nC5)2/C3；(17)(C1-C2)/C1；(18)C1/(C1-C2-C3)；(19)nC4/iC4；(20)nC7+nC8+C6H6+C7H8+C7H14；(21)iC5+nC5+nC6；(22)(nC7+nC8+C6H6+C7H8+C7H14)/(iC5+nC5+nC6)；(23)iC5+nC5+nC6+nC7+nC8；(24)C6H6+C7H8+C7H14；(25)nC8+C6H6+C7H8+C7H14。式中：C1、C2、C3、C4、iC4、nC4、iC5、nC5、nC6、C6H6、nC7、C7H8、C7H14、nC8為FLAIR錄井在油氣層段的氣體組分檢測值，%；∑C為FLAIR錄井氣體各組分含量平均值的加和，%；Tg為氣測異常顯示段全烴平均值，%；Tj為氣測異常顯示段上部非顯示段氣測基值，%；Ht為氣測異常顯示段對應的低鉆時厚度，以半幅點為界，m；Hq為低鉆時段對應的氣測異常顯示厚度，以半幅點為界，m。

1.2 解釋參數優選方法

由于研究區域油藏埋深跨度較大，且各層位的油質不同，導致淺層和中深層的氣測錄井特征具有明顯差異，因此需要將樣本數據分為淺層樣本數據和中深層樣本數據，并針對淺層和中深層分別優選敏感參數[10]。對于淺層與中深層的劃分，這里根據樣本層中油層的氣測相對組分含量隨深度的變化情況確定其界限，相對組分含量采用公式Cn/∑C計算獲得，其中Cn為氣測異常段各組分含量平均值，∑C為各組分含量平均值的加和[11]。

圖1反映了研究區域不同深度油層氣測相對組分含量的變化情況。萊州灣凹陷在1600 m之上，C1的比例占到了90%以上，C2及其以后各組分占了極小一部分比例，甚至在1600 m之下，C1所占比例逐漸降低，其他各組分比例均逐漸升高，組分齊全。根據這一特征，將1600 m作為萊州灣凹陷淺層與中深層的分界，分類情況見表1。

表1 研究區域樣本分類情況研究區域縱向分界樣本層數萊州灣凹陷區域(墾利)1600 m以上1600 m以下88112圖1 萊州灣凹陷區域FLAIR在不同深度下氣測比例變化

由于參數較多，隨機抽選參數建立圖板比較復雜，因此使用ReliefF算法對研究區域的各派生參數進行特征權重計算。Relief算法最早由Kira提出，最初局限于兩類數據的分類問題。Relief算法是一種特征權重算法(Feature Weighting Algorithms)，根據各個特征和類別的相關性賦予特征不同的權重，權重小于某個閾值的特征將被移除。Relief算法比較簡單，但運行效率高，并且結果也比較令人滿意，因此得到廣泛應用，但是其局限性在于只能處理兩類別數據，因此1994年Kononeill對其進行了擴展，得到了ReliefF算法，可以處理多類別問題。ReliefF算法在處理多類問題時，每次從訓練樣本集中隨機取出一個樣本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均找出k個近鄰樣本(near Misses)，然后更新每個特征的權重[12]。

本文采用ReliefF算法來計算1.1節中提到的25個參數的各個特征的權重，選取權重最大的兩個值建立解釋圖版。由于算法在運行過程中，會選擇隨機樣本R，隨機數的不同將導致結果權重有一定的出入，因此本文采取平均的方法，將主程序運行20次，避免單次運行出現誤差。如圖2、圖3所示，縱坐標為計算得到的特征權重，橫坐標為各氣測相關派生參數(對應1.1中提到的(1)～(25))。

圖2 萊州灣凹陷區域1600 m以上FLAIR氣測派生參數特征權重 圖3 萊州灣凹陷區域1600 m以下FLAIR氣測派生參數特征權重

針對不同區域分別對以上的25個參數進行特征權重計算，各選出兩個特征權重最高的參數用以建立圖版。因此，萊州灣凹陷1600 m以上區域采用(C3+C4)/C4與(C1-C2)/C1兩個派生參數，萊州灣凹陷1600 m以下區域采用CR6+與RH-M兩個派生參數。

2 解釋圖版建立

通過以上分析，可以得出研究區對儲集層含油性最敏感的兩個參數，然后使用這兩個參數分別建立圖板(見圖4、圖5)。將優選出的氣測派生參數導入軟件后，再導入編寫好的分區公式，軟件生成的交會圖版將直接自動畫線區分油層與非油層區域，避免了人為劃區域的主觀性。

圖4 萊州灣凹陷區域FLAIR1600 m以上(C3+C4)/C4—(C1-C2)/C1圖版 圖5 萊州灣凹陷區域FLAIR1600 m以下CR6+—RH-M圖版

經過計算后建立圖版，可得研究區不同深度圖版識別率，見表2。

表2 FLAIR錄井圖版識別率統計

3 應用效果分析

針對兩個研究區，選取了5口新鉆井的10個已確定流體類型的儲集層用于FLAIR錄井解釋圖版應用驗證，識別結果見表3。

表3 FLAIR圖版應用驗證統計

與測試結論對比，FLAIR解釋圖版對油層與非油層的判別準確率可以達到90.0%，證實了所建圖板的有效性。不符合層是因其均位于油水界面處，緊鄰其上方即為油層，氣測數據受到了油層的影響，所以表現出油層的特征。

4 結論

(1)利用ReliefF算法對氣測派生參數進行篩選，根據不同區域不同深度，從25個參數中分別優選出兩個參數(萊州灣凹陷1600 m以上區域：(C3+C4)/C4與(C1-C2)/C1；萊州灣凹陷1600 m以下區域：CR6+與RH-M)并導入軟件、利用公式進行了自動分區，建立了油層與非油層判別圖版。

(2)在兩個研究區選取了5口新鉆井的10個已確定流體類型的儲集層用于FLAIR圖版應用驗證，準確率達到90.0%，圖版應用效果良好。該解釋圖版建立方法簡便、快捷，具有良好的推廣應用價值。