油气层录井测井结合评价中多元判别分析与应用

0 引 言

准确评价油气层是录、测井工作的目标,投入的人力物力较多,评价手段种类繁多,在录井领域有气测、热解分析、定量荧光、轻烃分析等,在测井领域则有电阻率测井、声波测井、成像测井等^[1],每种方法能够直接检测并派生出众多参数,在油气层评价中发挥各自的作用^[2]。任何一种技术既有某些方面的优势也存在特殊的盲区,如低气油比层是气测解释的盲点,而热解气相色谱在评价生物降解油方面具有优势^[3],声波测井、孔隙度测井适用于储层物性评价,而自然电位测井和感应测井则能判断地层含水情况,这些技术既有一致性又有矛盾性、互补性。目前的油气层解释评价多是以单项资料为主,如气测资料解释、测井解释、地化解释等,虽然每个单项解释也都参考其他资料,但多是凭经验和认知程度,综合应用程度因人而异^[4],数学统计方法成为多参数综合分析的必要手段。近年来,很多学者在这方面做过一些研究,如西南石油大学张书远等采用Fisher判别法对气测参数进行判别评价油气层^[5],中海油胡云等应用热解参数进行函数判别分析^[6],中国地质大学顾伟欣等基于测井数据判别分析以评价储层物性^[7]。这些研究奠定了油气层多元判别分析的基础,但这些研究都是基于单项测井数据或者录井数据,有一定的局限性。笔者以饶阳凹陷肃宁地区的资料为基础开展录井的气测、热解、定量荧光和测井声波、电阻率等多参数相结合的函数判别分析探索,用函数判别方法,形成判别公式和判别准则,并利用判别函数建立二维坐标图板,从而进行油气层评价。

1 地质背景

肃宁构造位于饶阳凹陷中部,紧邻河间、窝北生油洼槽,是饶阳凹陷油气较富集的中央隆起复式油气聚集带,油气资源丰富,开发潜力大。

该构造带在Nm-Es₁储集层发育,纵向分布多套储盖组合,油质虽然以中质原油为主,但由于成因与埋深不同,造成录井参数响应特征差异大,油气生成后在运移过程中烃组分构成会发生一些变化,尤其是在纵向运移时,由于埋深逐渐变浅,所受上覆地层压力减小,其中的轻质烃类会不断解析出来而散失掉,纵向运移距离越长轻质烃类散失的越严重,轻质烃类主要是C₁,成藏后的油层纵向上由深至浅C₁相对百分含量会逐渐降低。如该区的烃源岩为沙一下亚段油页岩,其C₁相对百分含量在85%90%之间,而运移到明化镇组后则降低到10%20%,增加了油气层评价难度。

单一参数正确认识地层流体性质困难,故有必要对该区进行多参数综合分析评价。

2 判别模型的建立

2.1 判别分析基本原理

判别分析是一种常用的判别和分类的多元统计方法^[8,9]。它的基本原理是利用已知分类样本的数据信息,找出该样本的客观分类规律,将待判别的对象与已知类型进行类比,根据最大隶属原则确定待判对象应归属于哪一类^[10,11],用在油气层解释中就是寻找各类解释层的数据分类规律,再将待解释层和已有试油数据的储集层进行类比,以确定待解释层归属哪一类。该方法的目标是用图形或更少的数据方法来描述已知类别的差异性,再根据这些数据或图形进行分类,追求的是组间差异和组内差异的比值最大化,即依据类间距离最大而类内离散最小原则建立判别准则。

2.2 判别模型的建立

2.2.1 数据收集

肃宁构造带是2017年油气勘探的重点区带,通过开展研究,以前期应用资料较多、数据较全的16口井44个试油层作为数据来源,其中包括油层18层、差油层9层、油水同层10层、含油水层3层、干层4层。收集了气测(包括全烃T_g、C₁、C₂、C₃、iC₄、nC₄、iC₅、nC₅)、测井(声波时差AC、地层电阻率R、泥质含量N、孔隙度ϕ、渗透率K)、岩石热解(P_g、S₀、S₁、S₂、TPI)、定量荧光(相当油含量C、油性指数Z)共4个项目20个参数的数据,其中气测数据与测井数据为连续测量数据,定量荧光与岩石热解数据为点测数据。

2.2.2 参数选取

使用SPSS 19.0对44个已试油层的20个参数进行判别分析。通过检验识别出显著性变量,对判别能力强、贡献大的参数予以保留,同时将贡献小的因子删除,最终保留了T_g、C₁、C₂、C₃、AC、ϕ 6个参数。这6个参数均为连续测量参数,相对于点测数据更具判别优势。 利用软件得出非标准化的判别函数系数,分析结果见表1。

根据表1得到以下判别函数:

F₁=0.278C₁-0.02T_g-0.187C₂+0.487C₃-0.068ϕ+0.042AC-33.044

F₂=0.162C₁-0.02T_g-0.044C₂+0.232C₃-0.101ϕ-0.037AC-3.164

F₃=0.001C₁+0.024T_g+0.355C₂-0.355C₃+0.014ϕ+0.002AC-0.765

F₄=0.005C₁+0.078T_g-0.144C₂+0.046C₃+0.144ϕ-0.047AC+9.409

利用软件得出函数的特征值如表2所示。可以看出F₁的特征值为4.231,方差为63.4%,F₂的特征值为1.942,方差为29.1%,两个函数累积方差贡献率为92.5%,大于80%,说明这两个函数特征值的特征向量可以代表该类函数的分类信息。

2.2.3 图板建立

将44个试油层的数据代入函数F₁和F₂,得到这44个试油层的F₁和F₂值,再利用F₁和F₂建立二维坐标,将前述数据投影到坐标上,得到函数判别解释图板(图1)。从图中可以看出,尽管图板上油水同层中的个别层与油层、差油层有重叠,但是整体样品的分区还是比较理想的。

3 Fisher线性判别

3.1 建立判别函数

有时图板上分类不理想,不能明确待评价层的具体分类,就要应用Fisher准则进行分类。Fisher判别的基本思路是:针对P维空间中的某点x=(x₁,x₂,x₃,…,x_p)寻找一个能使它降为一维数值的线性函数y(x)= ∑C_jx_j,然后应用该线性函数把P维空间中的已知类别总体以及求知类别归属的样本都投影到该一维线性函数上。该线性函数应该能够最大限度地缩小同类中各个样本点之间的差异,又能最大限度地扩大不同类别中各个样本点间的差异,根据该函数对样品进行分类^[10,11]。

将饶阳凹陷肃宁构造带16口井44层的6个参数(T_g、C₁、C₂、C₃、AC、ϕ)采用Fisher 判别获取5类储集层含油性分类函数。不同类型储集层分类函数的各参数的系数及常量也不尽相同,将数据分别代入这5类分类函数模型(油层、差油层、干层、油水同层、含油水层),根据最大隶属原则,将其中得分最大者归入相应解释结论,可得到以下Fisher线性判别函数:

油层=14.09C₁-0.533T_g-2.339C₂+30.774C₃-11.317ϕ+2.898AC-945.224

差油层=14.093C₁-0.556T_g-2.445C₂+30.897C₃-11.464ϕ+2.715AC-899.071

干层=12.759C₁-0.478T_g-1.035C₂+28.109C₃-11.152ϕ+2.632AC-781.605

油水同层=14.827C₁-0.658T_g-2.638C₂+31.996C₃-11.735ϕ+2.894AC-1003.156

含油水层=13.218C₁-0.566T_g-2.349C₂+29.911C₃-11.188ϕ+2.853AC-867.973

3.2 模型回判验证

将建立模型所用44组数据代入上列判别模型中,对判别函数进行验证分析可知:油层符合层数为17层,判准率为94.4%;油水同层符合层数为9层,判准率为90.0%;差油层符合层数为8层,判准率为77.8%;整体判准率93.2% 。显示Fisher线性判别分析的识别准确率较高,说明该模型可靠。

4 应用实例

4.1 N 97x井

N 97x井是N 68西构造-岩性圈闭上的一口预探井(图2),设计井深3 650 m(垂深),目的层Ed₃、E s1上、E s1下,完钻井深3 570 m。

该井显示较好,录井解释的6号层,井段3 2603 263 m,为油迹显示。全烃由0.49%升至1.08%,C₁ 75.00%,C₂ 7.78%,C₃ 5.36%,iC₄ 9.44%,nC₄ 3.32%,iC₅ 2.55%,nC₅ 3.32%,全烃峰型饱满,呈爬坡型;壁心热解TPI0.33,P_g0.65 mg/g;测井有效孔隙度13.7%,声波时差252.9 μs/m。计算F₁、F₂,图板交会落于油层区(图1),综合解释为油层。

录井解释的7号层,井段3 2653 271 m,为油迹显示。全烃由1.06%升至1.81%,C₁ 68.25%,C₂ 7.94%,C₃ 12.84%,iC₄ 1.15%,nC₄ 4.47%,iC₅ 2.45%,nC₅ 2.89%,全烃峰型饱满;壁心热解TPI 0.24,P_g 1.28 mg/g;测井有效孔隙度15.0%,声波时差261 μs/m。计算F₁、F₂,图板交会落于油层区(图1),综合解释为油层。

在图板上6号层处于油层区域,7号层处于油层与油水同层中间,有含水迹象,而Fisher线性判别结果两个层的油层得分最高(表3),综合解释6、7号层均为油层(图2)。

对井段3 260.83 271.2 m试油、抽汲,产油18.2 m³/d,乳化水5.87 m³/d,水2.65 m³/d,多元判别分析解释与试油结果基本吻合。

4.2 N 87x井

N 87x井是N 75东构造-岩性圈闭上的一口预探井,整体显示较活跃(图3),设计井深3 200 m(垂深),目的层Ed,完钻井深3 617 m。。

录井解释的6号层,井段3 3123 316 m,为油迹显示。全烃由1.053%升至9.767%,C₁ 75.47%,C₂ 7.78%,C₃ 8.66%,iC₄ 0.91%,nC₄ 4.53%,iC₅ 1.20%,nC₅ 1.47%,全烃峰型饱满;壁心热解TPI 0.7470.778,P_g 7.2810.70 mg/g;测井有效孔隙度20.2%,声波时差280 μs/m。

计算F₁、F₂,图板交会落于油层区(图1),综合解释为油层。

录井解释的7号层,井段3 3193 321 m,为油迹显示。全烃由4.846%升至9.118%,C₁ 74.66%,C₂ 7.99%,C₃ 8.89%,iC₄ 0.92%,nC₄ 4.74%,iC₅ 1.24%,nC₅ 1.56%,全烃峰型饱满;壁心热解TPI0.7410.810,P_g 9.0413.00 mg/g;测井有效孔隙度14.6%,声波时差246 μs/m。计算F₁、F₂,图板交会落于油层区(图1),综合解释为油层。

由Fisher线性判别可知,两个层的油层得分最高(表3),综合解释6、7号层均为油层。

对井段3 273.83 321.6 m试油、抽汲,产油25.59 m³/d,与录井解释相符。

5 结束语

通过在肃宁构造带的应用可以看出,多元判别方法克服了单一参数进行油气层解释评价的局限性。由于采用逐步判别的方法,将20个参数筛选保留为6个,又建立2个判别函数取代20个变量进行评价,而且其中包含原变量的大部分信息,达到了降维的目的,据此建立图板,各类储层分区明显。传统的图板对解释人员的专业水平要求较高,在各参数存在矛盾的地层中应用时局限性较大,利用多元判别分析,则能较好地识别各参数间隐含的规律,具有较好的效果。而Fisher线性判别函数,数据整体分类准确率为93.2%,在肃宁构造带的油气层评价中取得了一定的效果,值得在其他地区推广。

---

参考文献

文献选项

• 原文顺序
• 文献年度倒序
• 文中引用次数倒序
• 被引期刊影响因子

[1]	梁丛军,王本奇. 测井与地质录井结合准确判断油气层 [J]. 天然气工业,2003,23(增刊1):52-56. [本文引用: 1]      LIANG Congjun,WANG Benqi. Logging combined with geological logging to accurately judge oil and gas layers [J]. Natural Gas Industry,2003,23(S1):52-56. [本文引用: 1]
[2]	郭素杰,马友生,蔡军,等. 基于灰色关联分析的产能指数在储集层评价中的应用 [J]. 录井工程,2016,27(4):40-44. [本文引用: 1]      GUO Sujie,MA Yousheng,CAI Jun,et al. Application of productivity index based on grey correlation analysis in reservoir evaluation [J]. Mud Logging Engineering,2016,27(4):40-44. [本文引用: 1]
[3]	宋义民,李毅逵,刘淑侠,等. 冀中探区大柳泉地区生物降解油气层综合解释评价方法 [J]. 录井工程,2015,26(3):46-50. [本文引用: 1]      SONG Yimin,LI Yikui,LIU Shuxia,et al. Comprehensive interpretation and evaluation method for biodegradable oil and gas reservoirs in Daliuquan area,Jizhong exploration area [J]. Mud Logging Engineering,2015,26(3):46-50. [本文引用: 1]
[4]	方锡贤,王旭波,吴振强,等. 不同录井资料在储集层物性和含油气性上的反映 [J]. 录井工程,2015,26(1):40-45. [本文引用: 1]      FANG Xixian,WANG Xubo,WU Zhenqiang,et al. The reflection of different logging data on reservoir physical properties and oil-bearing properties [J]. Mud Logging Engineering,2015,26(1):40-45. [本文引用: 1]
[5]	张书远,赵建伟,耿安然,等. 气测录井判别地层流体性质的两种方法 [J]. 石油天然气学报(江汉石油学院学报),2010,32(1):278-280. [本文引用: 1]      ZHANG Shuyuan,ZHAO Jianwei,GENG Anran,et al. Two methods for identifying the properties of formation fluids by gas logging [J]. Journal of Oil and Gas Technology,2010,32(1):278-280. [本文引用: 1]
[6]	胡云,尚锁贵,吴昊晟,等. 基于SPSS的岩石热解储集层流体判别方法 [J]. 录井工程,2016,27(2):7-11. [本文引用: 1]      HU Yun,SHANG Suogui,WU Haosheng,et al. SPSS-based rock pyrolysis reservoir fluid discrimination method [J]. Mud Logging Engineering,2016,27(2):7-11. [本文引用: 1]
[7]	顾伟欣,周红,耿锋. 多元统计方法在储层孔隙度模型建立中的应用 [J]. 断块油气田,2008,15(3):58-61. [本文引用: 1]      GU Weixin,ZHOU Hong,GENG Feng. Application of multivariate statistics in establishment of porosity model [J]. Fault-Block Oil and Gas Field,2008,15(3):58-61. [本文引用: 1]
[8]	刘绍平,汤军,许晓宏. 数学地质方法及应用[M]. 北京:石油工业出版社,2011:72. [本文引用: 1]      LIU Shaoping,TANG Jun,XU Xiaohong.Mathematical geological methods and application[M]. Beijing:Petroleum Industry Press,2011:72. [本文引用: 1]
[9]	张文彤,董伟. SPSS统计分析高级教程[M]. 北京:高等教育出版社,2013:308-309. [本文引用: 1]      ZHANG Wentong,DONG Wei.SPSS statistical analysis advanced tutorial[M]. Beijing:Higher Education Press:2013:308-309. [本文引用: 1]
[10]	何晓群. 多元统计分析[M]. 4版.北京:中国人民大学出版社,2015:88-92. [本文引用: 2]      HE Xiaoqun.Multivariate statistical analysis(fourth edition)[M]. Beijing:China Renmin University Press:2015:88-92. [本文引用: 2]
[11]	Johnson R A,Wichern D W.实用多元统计分析[M].陆璇,译.北京:清华大学出版社,2008:449-452. [本文引用: 2]      Johnson R A,Wichern D W.Practical multivariate statistical analysis[M]. LU Xuan. Beijing:Tsinghua University Press,2008:449-452. [本文引用: 2]