滲透率測井評價：現狀及發展方向

李寧，王克文，武宏亮，馮周，劉鵬，李雨生

中國石油勘探開發研究院，北京 100083

0 引言

儲層滲透率決定油氣的動用程度，其計算結果直接影響油氣可采儲量評價和后期開發方案的制定[1-3]。超深致密及非常規儲層日漸成為油氣勘探開發的重要領域，其評價對測井滲透率計算精度提出了更高的要求。

通過對井下鉆取巖心進行滲透率實驗，是獲取儲層滲透率參數最直接、最可靠的方法。由于取心分析成本高昂，加之其對鉆井提速影響較大，所以只能在部分重點層段實施，數據點少且深度不連續。地層測試(如MDT)通過流體取樣、壓力測試可以確定儲層滲透率參數，但由于井下泵抽能力限制并非所有儲層地層測試技術均適用。試井資料記錄了大量地層信息，利用試井資料可計算地層流動系數，而地層流動系數與儲層滲透率有關。然而，由于試井測試亦存在施工周期長、成本高、資料有限等相關問題，導致基于試井資料的滲透率計算在實際應用中受限。在儲層滲透率與測井響應關系研究基礎上，利用測井資料進行滲透率間接計算是儲層滲透率評價的重要途徑，其主要優勢在于資料易獲取且具有深度連續性[4-5]。本文首先綜述目前儲層滲透率測井評價的技術現狀及不同方法的適用性，然后分析滲透率評價面臨的主要挑戰，最后指出其發展方向。

1 滲透率測井評價技術現狀

1.1 基于孔滲關系的滲透率評價方法

孔隙是形成滲透能力的必要條件，因此基于理論分析和實驗研究提出的各種滲透率計算模型中大多包含孔隙度這一參數。對孔隙結構簡單、均質性好的砂巖巖心，滲透率與孔隙度之間的關系簡單，易于確定，但對復雜孔隙結構的非砂巖儲層，準確孔滲關系的建立面臨很大挑戰。

利用毛細管模型和達西定律，Kozeny等較早導出了孔隙度—滲透率關系方程(即KC方程)[6]，若采用Archie地層因素表征孔隙迂曲度，則KC方程可變形為：

式中，K為滲透率，mD；F為地層因素，無因次；r為孔喉半徑，μm。由于式(1)中地層因素F與孔隙度?之間呈指數關系，因此滲透率K與孔隙度?也呈指數函數關系。

Herron(1987)開展了砂巖儲層滲透率實驗研究，發現當滲透率取對數后與孔隙度之間具有很好的線性關系[7]，并提出了如下滲透率計算公式：

式中，a和b是常數。

需要指出的是，由于KC方程是基于理想的毛細管模型，式(2)是在均質砂巖中得出的實驗關系，因此這2 個公式的適用條件均有限，僅適用于孔隙發育且分布均勻的砂巖儲層，對孔隙結構復雜、非均質性強的非砂巖儲層不適用。

除孔隙度之外，孔隙結構是影響滲透率的關鍵因素，如圖1 所示，在孔隙度相同的情況下，不同孔隙結構儲層滲透率差異很大。因此，為了提高滲透率計算精度，單純考慮孔隙度這一參數是不夠的，必須考慮孔隙結構及相關特性對滲透率計算的影響。

圖1 非均質碳酸鹽巖儲層孔隙度—滲透率關系Fig.1 Porosity-permeability relationship in heterogeneous carbonate reservoirs

Timur(1968)較早提出了滲透率與孔隙度、束縛水飽和度關系式[8]：

式中，Swir為束縛水飽和度，%。束縛水飽和度在某種程度上體現了孔隙結構特征，孔隙的結構越復雜、空間連通性越差，束縛水飽和度越高。因此式(3)相對于KC模型具有較大改進。在實驗數據分析基礎上，Timur(1969)進一步給出了利用自由流體指數(FFI)計算砂巖儲層滲透率的公式：

Amaefule等(1993)研究發現：總孔隙中只有部分孔隙對滲透率有貢獻，相同孔隙度不同巖石類型，滲透率可能相差幾個數量級。為了更精細地描述儲層巖石的孔隙特征，提出了流動單元指數(FZI)，以及基于FZI的滲透率計算公式[9]：

式中，?e為有效孔隙度，小數。Ohen等(1995)進一步給出了利用核磁測井計算流動單元指數的方法[10]，Altunbay等(1997)提出了利用電阻率、伽馬和骨架密度計算FZI的方法[11]。碳酸鹽巖儲層孔隙類型多、結構復雜，滲透率與孔隙度之間關系十分復雜。從圖1中可以看出，在相同孔隙度下，滲透率能相差幾個數量級；當滲透率數值相同時，孔隙度亦呈現很大的變化范圍，滲透率與總孔隙度的關系很難用單一公式進行描述。因此，如何提高碳酸鹽巖儲層滲透率計算精度是國內外學者重點研究的課題[12-14]。

Dziuba根據實驗研究，提出了下面用于計算碳酸鹽巖滲透率的公式[12]：

式中，r90為壓汞曲線上汞飽和度90%對應的孔隙半徑，μm；Swr為束縛水飽和度，%；F為地層因素，無因次。上述參數可通過測井或巖心分析得到。

次生孔洞是碳酸鹽巖儲層中常見的孔隙類型，其對滲透率的影響與原生粒間/晶間孔隙存在差異。通過對德克薩斯州西部二疊紀盆地碳酸鹽巖儲層進行研究，Xu等(2006)提出了利用孔洞孔隙度計算滲透率的方法[15]：

式中，?vug為基于成像測井計算的溶洞孔隙度；a、b為常數，b反映了孔洞之間的連通性。a?2表示孔洞孔隙度為零時基質的滲透率，參數a可以通過孔洞不發育層段巖心數據分析確定。當孔洞發育時，儲層巖心的滲透率主要由式(7)中右邊的孔洞項確定。

高分辨率電成像測井是評價孔洞發育程度的重要方法，Burrowes等(2010)開展了根據巖心及成像測井資料研究碳酸鹽巖孔隙結構的方法研究，并分析、總結了孤立孔洞、連通孔洞、粒間孔隙、晶間孔隙以及裂縫等不同孔隙類型巖心的滲透率特征(圖2)[16]。

圖2 不同孔隙結構碳酸鹽巖儲層孔滲關系(據Bueeowes 等[16])Fig.2 Porosity-permeability relationships of carbonate reservoirs with different pore structures (according to Bueowes et al[16])

裂縫是碳酸鹽巖儲層中另一重要孔隙類型，且對滲透率具有顯著影響。當同時存在孔洞、裂縫等復雜孔隙類型時，由于孔、洞、縫的多種耦合作用，滲透率的精確計算非常困難。譚廷棟(1987)總結了基質滲透率、裂縫滲透率的計算方法[17]，趙良孝等(1991)提出了孔隙型、裂縫型碳酸鹽巖儲層滲透率計算公式[18]。黃宏等(2020)通過四川盆地高石梯－磨溪地區碳酸鹽巖儲層數字巖心實驗及配套巖石物理實驗研究發現，孔隙連通性的好壞主要由大孔與中孔、微孔的連通方式和連通效率決定。大、中喉道所占比例越高，連通孔隙比例越高；連通性越好，儲層滲透率越大。儲層基質滲透率與溶蝕孔洞滲透率、裂縫滲透率之間并非直接相加，而是存在耦合關系，進而提出了多重孔隙耦合作用滲透率計算新模型[19]：

式中，Km、Kv、Kf分別為基質、孔洞及裂縫滲透率，r1、r2、r3為耦合系數。

需要指出的是，盡管國內外針對碳酸鹽巖、火山巖及致密砂巖等非均質儲層滲透率影響因素及測井滲透率計算方法開展了深入研究，但很多方法只在特定地區或特定儲層類型應用效果顯著。考慮到不同孔隙類型、不同巖性儲層的滲透率存在較大差異，難以采用單一公式準確描述不同儲層孔隙度—滲透率關系，因此，目前針對此類儲層提高滲透率測井計算精度的思路是：首先對儲層進行分類，然后建立不同孔隙或不同儲層類型的滲透率計算模型，最后分層段進行滲透率計算。當然，對儲層進行分類的具體方法有多種：

1)根據儲層的孔隙類型進行分類，如司馬立強等(2017)將非均質性極強的灘控巖溶型白云巖儲層劃分為溶洞型、溶孔型與基質孔隙型3 種相對均質的儲層類型，然后對每一類孔隙類型儲層建立滲透率計算模型[20]；

2)根據巖性對儲層進行分類，如潘軍等(2018)針對瑪湖地區低滲透致密砂礫巖儲層，先按照巖性將儲層分為細礫巖、小中礫巖、大中礫巖和砂巖4 種類型，然后通過多元回歸分析建立了滲透率與孔隙度、黏土含量的關系[21]；

3)儲層沉積相是儲層“四性”關系研究的基礎，不同沉積相下儲層特性存在明顯差異，因此可在儲層沉積相/微相分析基礎上，建立不同類型儲層的滲透率模型，如張鵬等(2017)針對不同沉積微相砂巖建立滲透率計算模型，提高了鄂爾多斯盆地低孔低滲儲層滲透率測井評價精度[22]。

除上述分類方法外，還可基于測井相、巖石物理相等對儲層進行分類，然后再進行滲透率評價[23-25]。

1.2 基于核磁共振測井的滲透率評價方法

滲透率與儲層孔隙結構密切相關，而核磁共振測井是儲層孔隙結構評價最重要的測井方法，因此，核磁共振滲透率評價是滲透率測井評價的重要方法。基于T2平均值和截止值(即分別反映可動飽和度與束縛飽和度)的滲透率計算是常用的核磁共振滲透率模型[26-27]，這2 類模型中除孔隙度這一參數外，還具有反映孔隙結構特征的變量。因此，當儲層孔隙結構復雜時，核磁共振滲透率計算結果較常規滲透率計算結果具有較高的精度。下面重點介紹2 類常用的核磁滲透率計算模型：

1)T2平均值模型

儲層孔隙半徑的大小可以利用核磁T2分布平均值近似反應，SDR公式就是利用T2分布的幾何平均值來計算滲透率：

式中，C、m、n為常數；?為孔隙度，小數；T2gm為T2幾何平均值，ms。

由于油氣會影響核磁T2譜的分布，進而影響幾何平均值及滲透率的計算精度，因此SDR公式對水層有較好的預測結果，而當地層含油氣時，計算的滲透率誤差較大。

很顯然，僅僅利用核磁T2分布平均值難以準確反應復雜儲層的孔隙結構特征，因此，在SDR模型基礎之上，提出了擴展的核磁滲透率計算模型。Chi Lu等(2014)將連通性系數引入到核磁滲透率模型中，提出了如式(10)所示的滲透率計算模型，并分析了在砂巖、碳酸鹽巖儲層中的應用效果[28]。

式中，Cj為j方向的連通數；N為孤立孔隙組分數；H為完全封閉洞穴數；a、b、c、d、e為常數，與孔隙結構及測量的滲透率方向有關。Chi Lu等(2018)對式(10)進行了2 點改進[29]：一是，利用T2分布的2 個峰值來計算T2平均值；二是利用方向地層因素來表示孔隙之間的連通性。

白松濤等(2016)研究了砂巖T2譜形態定量表征方法，并在此基礎上提出了改進的核磁滲透率計算模型[30]：

式中，?i,max為最大孔隙度分量；σT2為孔隙分選系數；KG為峰度；T2h為譜峰弛豫時間。由于式(11)是基于砂巖儲層提出的，而碳酸鹽巖等非均質儲層核磁共振T2譜的特征及孔隙分布特征的表征方法與砂巖存在較大差別，因此，需要注意式(11)的應用范圍。

姚艷斌等(2018)提出了如式(12)所述的頁巖儲層雙T2幾何平均值滲透率計算模型[31]。該模型采用了2個反映核磁分布特征的T2幾何平均值，從這個意義上說，其對孔隙結構的描述更為精細，但另一方面，該模型僅僅使用了T2幾何平均值，而沒有孔隙度這一重要參數，因此需要注意其適用條件。此外，該模型需要飽含水和束縛水狀態的T2幾何平均值，實際測井評價中準確確定模型中的參數本身面臨挑戰。

式中，a、b、c為常數；T2ga為飽和水T2幾何平均值，ms；T2gb為束縛水T2幾何平均值，ms。

SDR模型利用T2分布的幾何平均值來估算滲透率，該模型主要適用于中高孔滲的儲層，隨著評價對象非均質性增強、孔隙結構復雜性增加，單一的SDR模型難以滿足生產實際的要求。為了提高SDR模型滲透率計算精度，有學者對模型中的系數進行了修正，也有學者提出將表面弛豫率引入SDR模型中。

2) 截止值滲透率模型

研究表明，儲層巖石的滲透率與束縛水飽和度有關，而利用核磁T2截止值可以計算儲層巖石的束縛水飽和度，進而計算滲透率參數。Timur(1968)提出了如下滲透率計算公式：

式中，Swirr為束縛水飽和度，小數。

Coates和Dumanoir在研究了束縛流體飽和度的基礎上提出了一個廣泛應用的公式，該公式具有多種變化形式，最常用的一種形式如式(14)，該公式也稱Coates-Timur公式或簡稱Coates公式。

式中，C、m和n為三個常數，一般通過巖心實驗確定，在沒有巖心資料的情況下，取默認值C=10，m=4，n=2。

隨著評價對象復雜程度的增加，單一的截止值不足以準確描述復雜孔隙空間流體的流動性，Coates公式滲透率的計算精度不能滿足勘探生產需求，因此，提出了利用多個截止值對不同孔隙組分進行精確劃分的研究思路。如范宜仁等(2018)引入了T2雙截止值的概念，將致密砂巖孔隙空間劃分完全可動孔隙、完全束縛孔隙以及部分可動孔隙為3 種，并據此提出了核磁雙截止值滲透率計算公式[32]：

式中，a、b、c、d和e為常數；Swmd為完全可動流體飽和度，小數；Swird完全束縛流體飽和度，小數；T2gmd為2 個截止值之間T2幾何平均值，ms；?NMR為核磁孔隙度，小數。

核磁雙截止值滲透率計算公式考慮了不同孔隙度對滲透率的影響，可更好地刻畫巖石中流體的賦存狀態和滲流規律。韓玉嬌等(2018)進一步提出了一種基于核磁共振多組分孔隙分量組合的滲透率計算新方法[33]。該方法在實際應用中的局限性主要有以下2 個方面：一是，氣層或稠油層由于核磁譜峰形態有較大的差異，滲透率計算精度低；二是，如何確定多個截止值以及對應的流體組分是實際應用中必須面對的難題。

除多截止值之外，對Coates公式另一方面的改進是，在公式中引入反映儲層孔隙連通性的參數。Chen Songhu等(2008)研究了碳酸鹽巖孔隙連通因子對T2譜的影響，并對基于T2截止值滲透率模型進行了修正[34]：

式中，BVM為可動流體體積，cm3，BVI為束縛流體體積，cm3；p為連通性指數；m和n為常數。

除上述2 大類核磁共振滲透率模型以外，如何利用核磁測井資料對儲層產能進行評價也是研究的一個重點，這一研究的實質也是對特定條件下儲層滲流能力的研究。如李寧等(2015)研究指出，如果把直徑大于70 μm的孔隙占整個巖樣體積的百分比定義為CT70孔隙度，則CT70 孔隙度既反映儲集層主要儲集空間也反映儲集層滲流能力。對于非均質孔隙—孔洞型碳酸鹽巖儲集層，其產氣量與CT70 孔隙度之間存在指數函數關系。通過CT—核磁同比例轉換(圖3)，可確定與CT70 孔隙度對應的核磁孔隙度及核磁T2特征值，進而利用核磁測井資料預測產氣量(圖4)。巖心及核磁測井資料分析表明，與CT70 孔隙度對應的巖心核磁T2特征值為20 ms，CMR型核磁測井T2特征值為20 ms、P型核磁測井T2特征值為54 ms[35]。

圖3 CT—核磁同比例轉換Fig.3 proportional transformation between CT and NMR

圖4 核磁測井產氣量預測Fig.4 Prediction of gas production based on NMR well logging

1.3 基于斯通利波測量的滲透率評價方法

當斯通利波穿過滲透性地層時，孔隙中流體的流動會導致斯通利波衰減，并同時發生頻散，這種衰減、頻散與地層的滲透率及裂縫發育情況密切相關。Williams等(1984)最早提出了利用斯通利波評價滲透率。1989年，李寧通過全波測量實驗研究了不同模式波首波的相位關系，首次發現斯通利波首波相位與縱波首波相位相同，而與橫波首波相位相反，并且其相位變化滿足余弦函數關系，從而為斯通利波首波幅度準確提取以及進一步的斯通利波儲層評價奠定了基礎[36]。Winkler等(1989)利用實驗證實斯通利波與滲透率有較好的相關性。Tang Xiaoming等(1991)提出簡化的Biot-Rosenbaum模型，并利用實際斯通利波相對于模擬信號的頻移和時滯來反演滲透率[37-41]。

井筒斯通利波的傳播與衰減與孔隙中流體流動密切相關，是裂縫及滲透率評價的有效手段。不少學者從理論與實驗的角度研究了斯通利波滲透率評價的可靠性。Yin Hezhu等(2018)研究了不同孔隙類型儲層的滲透率特征、斯通利波滲透率計算方法，并將斯通利波滲透率與巖心分析滲透率、MDT測試結果進行了對比，結果表明無論是高滲透率層段還是低滲透率層段，斯通利波滲透率與巖心分析結果均吻合很好，且與MDT具有很好的一致性[42]。

亦有眾多學者開展了基于斯通利波幅度衰減、頻移或時滯進行滲透率計算的方法研究[43-45]，由于這些方法需要在波場分離基礎之上，利用簡化的Biot-Rosenbaum模型進行反演計算，且涉及到井眼及巖性界面的校正，處理過程復雜。如圖5 是Yin Hezhu等(2018)采用的斯通利波滲透率反演流程。

圖5 斯通利波衰減反演地層滲透率流程圖Fig.5 Flow chart of permeability inversion based on Stoneley Attenuation

斯通利波的衰減與滲透率密切相關，因此尋找斯通利波衰減幅度與滲透率之間的直接相關系是近年的研究重點。考慮到裂縫滲透率與裂縫寬度具有定量關系，因此，若能建立斯通利波與裂縫寬度的解析關系式，則利用斯通利波測井資料可以進行裂縫滲透率直接計算。為了尋找類似計算飽和度的“Archie”公式，Li Ning等(2019)開展了井下真實碳酸鹽巖巖心激波管實驗及其理論分析，研究不同寬度水平裂縫對斯通利波的影響[46]。李寧等(2021)進一步通過實驗研究了不同裂縫條件下斯通利波幅度衰減特征及定量規律[47]，包括裂縫寬度、傾角、延伸長度及填充物等不同因素對斯通利波幅度衰減的影響。

為了定量描述斯通利波的衰減規律，定義斯通利波經過裂縫前后的相對幅度Rst。相對幅度Rst有效消除了巖心基質物性差異等干擾因素，能更準確地反映裂縫對斯通利波影響的強弱。Rst的數值越接近1，裂縫對斯通利波的衰減越小；Rst數值越接近0，裂縫對斯通利波的衰減越大。實驗數據分析表明，斯通利波相對幅度與裂縫寬度之間滿足如下關系[47]：

式中a1、b1、n1和n2為常數。圖6 中紅色實線即(17)式，可以看出，實驗數據點基本都落在紅色曲線上，說明(17)式刻畫了裂縫寬度對斯通利波幅度的影響規律。(17)式中的指數部分由f1(Wf)與f2(Wf) 2 項組成，它們隨裂縫寬度衰減的變化規律分別如圖6 中綠色、藍色實線所示。由圖6 可見，第1 部分f1(Wf)為裂縫對斯通利波影響的主體，隨著裂縫寬度的增加呈指數衰減；第2 部分f2(Wf)對斯通利波的影響相對較小。

圖6 不同裂縫寬度下斯通利波相對幅度變化規律Fig.6 Attenuation of Stoneley wave relative amplitude under different fracture widths

此外，牟瑜等(2019)開展斯通利波能量表征方法的研究，優選與碳酸鹽巖儲層滲透率相關性最強的幅度衰減系數，建立了如下滲透率定量計算模型[48]：

式中CDE為計算的波形衰減系數。

顯然，在現有的測井方法中，井筒斯通利波對滲透率變化最直接、最敏感，是評價儲層滲透率最為有效的方法。由于低頻斯通利波激勵困難，前期研究更多側重在理論分析和數值模擬基礎上的滲透率反演方法方面，缺乏針對實際儲層巖心的實驗研究。近年來，筆者團隊深入開展了斯通利波實驗方法研究，并在此基礎上形成了斯通利波衰減定量表征及測井數據處理方法。為了建立測井斯通利波滲透率評價的完整技術體系，還需進一步開展以下幾個方面的研究：①由于實驗室巖心實驗條件與真實地層條件存在差異，需要研究基于激波管實驗的井筒斯通利波定量表征的刻度方法；②斯通利波滲透率評價模型中參數的變化規律及測井條件下的確定方法；③井下斯通利波的高精度探測方法和測井裝備。

1.4 基于大數據和人工智能的滲透率評價方法

人工神經網絡等智能分析技術，由于其具有高度非線性的映射能力和極強的自適應和自學習能力，在滲透率預測中亦被廣泛使用。李寧等(2021)分析了人工智能在測井地層評價中的應用現狀，指出滲透率評價是人工智能在測井中的重要應用領域[49]。目前，滲透率的智能預測方法總體上可以分為有監督淺層機器學習、有監督深層機器學習和半監督機器學習3 大類。

有監督淺層機器學習方法源于20 世紀80年代到90年代中期神經網絡方法研究的興起，如BP神經網絡，徑向基神經網絡、玻爾茲曼機、限制玻爾茲曼機都是在這一時期被提出。Mohaghegh等(1994)設計了三層神經網絡方法計算滲透率[50]。馬力等(2002)應用改進的人工神經網絡BP模型，大大提高了儲層孔隙度和滲透率的預測精度[51]。Sadegh等構建的SCMNN模型由30 個估計器組合而成，每個估計器由一個選擇高、低滲透率的門閥網絡，形成一個識別高滲透率數據的網絡和識別低滲透率數據的網絡[52]。輸入數據后，由門閥網絡將數據輸入給相應的高滲透率網絡或低滲透率網絡，最后進行滲透率預測輸出，這種聯合求解減少了“多解性”(圖7)。

圖7 SCMNN 模型中估計器示意[52]Fig.7 Schematic of the estimator in the SCMNN model[52]

深度學習中的殘差結構、隨機丟失模塊等新機制出現可有效解決深層網絡學習中梯度消失、易過擬合等問題。在處理核磁共振測井資料時，傳統SDR弛豫時間-滲透率模型建立了核磁共振測井的橫向弛豫時間譜(T2譜) 與滲透率之間的聯系，但其對致密砂巖儲層參數的預測精度不高，Zhu等(2017)結合Ada-boost集成算法，設計了一種利用集成正則化改進后向傳播神經網絡(BPNN，back propagation neural network)算法與核磁共振T2譜預測致密儲層滲透率的方法，取得了良好的應用效果[53]。朱林奇等研究發現15 層的深度置信網絡能有效提取巖心樣本特征，其結合極限學習機可解決現有核磁共振測井對低孔低滲儲層的滲透率預測效果欠佳的問題[54]。

半監督學習物性參數計算的第一步也是采用K均值聚類、自編碼等無監督方法進行巖相劃分。吳進波[55]針對不同流動單元構建了精細的滲透率評價模型；Bennis等[56]基于測井曲線的變化規律，利用機器學習和無監督巖石分類技術對巖石物理特性進行了預測； Arkalgud[57]提出一種魯棒性巖石物理分析方法——領域轉移分析方法，該方法不僅可以計算飽和度和滲透率，還可以識別儲層巖相、重構測井曲線等。

2 滲透率評價面臨的挑戰

2.1 影響滲透率的因素復雜

相對于孔隙度、飽和度等儲層參數而言，滲透率的影響因素多、響應機理復雜。首先，孔隙度、飽和度是標量，而滲透率是與流動路徑有關的矢量；其次，孔隙度、飽和度的響應具有體積加權特性，而滲透率通常不具有體積加權特性；再者，滲透率不僅影響因素多，且不同影響因素之間存在耦合，如滲透率既與孔隙結構、流體類型有關，也與孔隙—流體的界面特性和相互作用有關。因此，滲透率影響機理、定量評價模型研究面臨非常大的挑戰。

2.2 油氣勘探對象日趨復雜

隨著勘探開發程度的不斷提高，我國油氣資源劣質化的趨勢日漸明顯。首先，勘探對象的物性變差，致密、低滲特低滲儲層逐漸成為勘探的重要對象；其次，勘探對象的巖性復雜、孔隙類型多樣，非均質性強；再者，以頁巖油為代表的非常規儲層多具薄互層結構，非均質性和各向異性極強，給滲透率實驗室精確測量及滲透率測井評價模型的構建均帶來巨大困難。

2.3 滲透率測井評價技術體系尚未建立

一種測井方法要形成完整的工業應用技術體系，需在基礎理論、實驗技術、解釋方法、處理軟件和測井儀器等方面進行系統深入研究。經過90 多年的發展，關于儲層孔隙度、飽和度評價的相關理論、實驗、解釋及井下測量裝備等已很完善，形成了成熟的測井技術體系。對斯通利波滲透率評價而言，盡管近年來在基礎理論、實驗技術及處理軟件等方面取得了長足進展，但斯通利波滲透率評價的“Archie”公式的應用效果尚有待進一步驗證、不同儲層斯通利波滲透率評價方法以及井下斯通利波高精度測量儀器等正在研發。因此，斯通利波滲透率測井評價技術體系尚未建立，這是滲透率測井評價面臨的最大困難。

3 發展方向

基于上述對滲透率測井評價現狀的認識，為了提高滲透率測井評價精度，亟需進一步加強對斯通利波滲透率評價理論、方法和技術的研究，提出并建立以測井滲透率評價為核心的全新技術體系。

3.1 加強理論研究，提出滲透率計算的“Archie”公式

經典的威利時間平均公式、著名的Archie公式是測井孔隙度、飽和度定量計算的理論基礎。盡管目前提出了眾多滲透率計算的公式，但大多是基于實驗或測試數據的擬合公式或者區域性的經驗公式，而真正基于地層巖石物理響應、能夠反映滲透率物理本質的計算公式至今仍未建立。斯通利波在儲層滲透率評價中具有巨大優勢，本文作者率先提出了斯通利波相對幅度與裂縫寬度之間的定量關系(式17)，目前正對關系式中參數的物理意義、影響因素以及參數的確定方法等做深入研究，尋找并確立滲透率計算的“Archie”公式是滲透率評價理論研究的核心。

3.2 加強方法研究，形成斯通利波井下探測及數據處理方法

如前所述，目前孔隙度、飽和度測井系列已日益完善，但針對滲透率的測井方法還未形成。斯通利波屬于低頻模式波(低于5 kHz)，而聲源頻率與其體積呈反比，因此在數千乃至萬米井下有限的井眼空間中，高精度低頻斯通利波的激勵非常困難。目前僅斯倫貝謝SonicScanner、哈里伯頓Xaminer電纜測井儀器附帶有斯通利波測量模式，而國產聲波測井探測器激發頻率高(10~15 kHz)，無單獨的斯通利波測量模式。因此深入研究斯通利波井下探測及數據處理方法是新一代滲透率測井技術發展的重點。

3.3 加強技術研究，形成滲透率井下高精度探測裝備及處理軟件

在理論、方法研究基礎之上，井下高精度測井裝備研制及地面快速處理分析軟件研發是滲透率測井發展的另一重要方面。目前深層、超深儲層已經成為油氣勘探開發的重要領域，井下惡劣測量環境給斯通利波滲透率測井儀器研制和高精度數據處理帶來了嚴峻挑戰。為了建立完整的滲透率評價技術體系，需進一步加強以下幾個方面的研究：井下耐高溫高壓新型低頻換能器優化設計及制造技術；井下耐高溫高壓低頻激勵電路設計及封裝技術；復雜井眼條件下斯通利波數據處理、高精度刻度及滲透率計算軟件模塊等。

需要指出的是，不同的測井方法反映了儲層不同的屬性及特征，為了提高復雜儲層測井滲透率評價精度，需要充分利用多種測井信息對儲層巖性、物性、孔隙結構、流體性質等進行綜合評價，進而提升儲層滲透率測井評價精度。因此，新一代滲透率測井是以滲透率評價為核心的測井技術系列，在該系列中斯通利波測井是核心。除此之外，也需同步發展其它測井及測試技術，如陣列化的常規測井、高精度成像測井(如核磁、電成像和元素測井等)、智能化的地層測試器和高精度的井場近原位巖心分析技術等。這些新的測井、測試及巖心分析技術，能夠提供更多、更準確的地層信息，可為復雜儲層滲透率測井評價提供重要支撐。

4 結論

(1)利用測井資料進行滲透率計算具有資料豐富、深度連續等優點，是儲層滲透率評價的重要方法；基于孔滲關系、核磁共振測井、斯通利波測量以及大數據與人工智能的滲透率計算是目前滲透率測井評價的主要方法。

(2)滲透率影響因素多，而目前油氣勘探對象日益復雜，儲層物性變差，非均質性增強，再加之沒有以滲透率評價為核心的測井裝備，使得滲透率測井高精度評價面臨巨大挑戰。

(3)斯通利波在滲透率評價中具有明顯優勢。加強斯通利波滲透率評價理論、方法和技術研究，構建以斯通利波測井為核心，高精度成像測井、智能化地層測試和井場近原位巖心分析等技術同步發展的滲透率測井評價技術體系是提高滲透率評價精度的關鍵，是新一代測井技術發展的方向。