引用本文
张文平, 胡洋, 姜维寨, 于伟高, 田思思, 许铁成. 录井定量化解释评价方法在河套盆地扎格构造临河组储层的应用[J]. 录井工程, 2025,36(1): 98-105.
ZHANG Wenping, HU Yang, JIANG Weizhai, YU Weigao, TIAN Sisi, XU Tiecheng. Application of mud logging quantitative interpretation and evaluation method for reservoirs in Linhe Formation of Zhage Structure,Hetao Basin[J]. Mud Logging Engineering, 2025,36(1): 98-105.
Doi:10.3969/j.issn.1672-9803.2025.01.015  
Permissions
Copyright©2025, 《录井工程》杂志社
《录井工程》杂志社 所有
录井定量化解释评价方法在河套盆地扎格构造临河组储层的应用
张文平①, 胡洋②, 姜维寨①, 于伟高②, 田思思③, 许铁成①
①中国石油渤海钻探第二录井公司
②中国石油华北油田公司勘探事业部
③中国石油华北油田公司勘探开发研究院
通讯作者：胡洋 工程师,1986年生,2018年毕业于西安石油大学石油与天然气工程专业,现在中国石油华北油田公司勘探事业部从事录测井管理工作。通信地址：062552 河北省任丘市华北油田公司勘探事业部。E-mail：ktb_hy@petrochina.com.cn

作者简介：张文平 双序列工程师,1990年生,2017年毕业于中国地质大学（北京）地质工程专业,现在中国石油渤海钻探第二录井公司从事录井地质综合解释评价工作。通信地址：062552 河北省任丘市渤海钻探第二录井公司。E-mail：zhangwping@cnpc.com.cn

收稿日期: 2025-01-06
摘要

录井数据蕴含了丰富的油气藏地质信息,包括储层特征、含油丰度、流体性质、产能状况等。然而,传统录井解释评价方法的准确性和可靠性受人为因素影响较大,难以满足定量准确评价的需求。基于统计学多元线性回归模型和熵值法,通过综合分析研究气测录井、元素录井、岩矿录井和地化录井数据,建立储层物性指数 Mi和含油丰度综合评价得分 Fi,以此构建定量评价图板及标准,实现了对录井数据的定量解释评价。在河套盆地扎格构造5口井的解释评价中,随钻解释符合率由80.00%提高至92.50%,有效降低了录井解释评价过程中的人为误差,为区域储层勘探开发提供了有力的技术支持。

关键词: 定量化解释评价; 多元线性回归; 熵值法; 物性指数; 含油丰度综合评价得分
中图分类号:TE132.1 文献标志码:A
Application of mud logging quantitative interpretation and evaluation method for reservoirs in Linhe Formation of Zhage Structure,Hetao Basin
ZHANG Wenping①, HU Yang②, JIANG Weizhai①, YU Weigao②, TIAN Sisi③, XU Tiecheng①
①No.2 Mud Logging Company,BHDC,CNPC,Renqiu,Hebei 062552,China
②Exploration Department of PetroChina Huabei Oilfield Company,Renqiu,Hebei 062552,China
③Exploration and Development Research Institute of PetroChina Huabei Oilfield Company,Renqiu,Hebei 062552,China
Abstract

Mud logging data contains rich geologic information of hydrocarbon reservoirs,including reservoir characteristics,oil-bearing abundance,fluid properties,productivity status,etc. However,the accuracy and reliability of traditional mud logging interpretation and evaluation methods are greatly affected by human factors,making them difficult to meet the needs of quantitative and accurate evaluation. Based on the statistical multiple linear regression model and entropy method,a comprehensive analytic research was conducted on gas logging,element logging,rock-mineral logging and geochemical logging data. The reservoir physical property index（ Mi） and oil-bearing abundance comprehensive evaluation score（ Fi）were established,and a quantitative evaluation chart and criteria were constructed to achieve quantitative interpretation and evaluation of mud logging data. In the interpretation and evaluation of five wells in Zhage structure of Hetao Basin,the coincidence rate of interpretation while drilling is increased from 80.00% to 92.50%,which effectively reduces the human errors in the process of mud logging interpretation and evaluation,and provides a strong technical support for regional reservoir exploration and development.

Keyword: quantitative interpretation and evaluation; multiple linear regression; entropy method; physical property index; oil-bearing abundance comprehensive evaluation score
0 引言

在油气勘探开发过程中, 录井是钻井现场获取第一手实物、数据及影像等资料, 提供地质、工程、信息一体化服务的技术, 是“ 勘探开发的眼睛、石油工程的参谋、井场信息的中枢” [1]。录井数据作为油气藏地质特征的重要载体, 蕴含了丰富的地质信息, 包括储层特征、含油丰度、流体性质、产能状况等。这些信息对指导油气藏的勘探开发和优化生产过程具有重要意义[2]。然而, 录井数据具有复杂性和多解性, 不同类型的录井数据可能存在关联性较差、一致性较低的问题, 导致传统录井解释评价方法的准确性和可靠性受到人为因素影响较大, 难以满足定量准确评价需求。随着油田勘探开发程度的不断提高, 对录井精细化解释水平的要求也越来越高, 定性或半定量的录井评价手段已无法满足现代石油工业对解释评价高效、准确的需求[3]。因此, 亟需探索一种基于录井参数的定量化解释评价新方法, 以期在勘探开发过程中能够快速、准确地定量评价储层物性和含油性特征, 为随钻地层评价、试油层位优选和开发产能建设提供决策依据。

1 区域地质特征

扎格构造位于河套盆地临河坳陷巴彦淖尔凹陷中部, 是纳林湖与兴隆两大构造带之间的转换区。古近系临河组发育大型远源浅水三角洲沉积, 主力砂组沉积相带主要为辫状河三角洲前缘水下分流河道, 广覆发育, 非主力砂组存在多个间湾, 河道水流方向主要为北北西向。垂向岩屑特征表现为厚层泥岩与中厚层、薄层砂岩储层呈不等厚互层, 空间上具备良好的生储盖组合关系。临洼区具“ 源-储-盖-势” 高效耦合成藏优势和形成规模富集油藏的条件, 油源条件优越, 古近系临河组是主要含油层段[4]。临河组渗透性储层孔隙度为9.76%~26.44%, 平均值16.3%; 渗透率为1.22~2 428.26 mD, 平均值103.4 mD, 整体为中孔中渗储层, 储层物性好。扎格构造临河组油层气测全烃Tg为1.506%~28.688%, 平均值6.962%; 组分烃总量TZ（TZ=C1+C2+C3+C4+C5）为0.836%~26.341%, 平均值4.667%; 岩石热解Pg为6.22~25.33 mg/g, 平均值12.38 mg/g; 液态烃含量S1为2.96~18.91 mg/g, 平均值6.64 mg/g; 气相色谱相对峰面积为1 008 082~6 568 990 mAU· min, 平均值2 519 062 mAU· min; 三维定量荧光相当油含量C为27.3~1 109.9 mg/L, 平均值197.0 mg/L。各项参数均反映出油藏具有物性好、含油丰度高、圈闭保存条件好的特点, 是勘探开发的有利地区。

本次研究以扎格构造临河组储层为对象, 将统计学中的多元线性回归模型和熵值法计算权重得分方法引入录井定量化解释评价工作中。通过分析各项录井数据间的关系, 从中选择对油气藏特征描述最为重要的变量, 有效解决了多种数据间复杂性和多解性的难题。基于录井数据的综合处理分析, 探索建立一套适用于河套盆地扎格构造的录井定量化解释评价方法, 在区域解释评价中取得了较好效果。

2 储层物性定量化评价方法

储层物性是决定油气产量的关键因素之一, 储层的物性条件越好, 流体通过能力就越强。现场综合录井采集处理得到的钻井参数, 在一定程度上反映储层物性条件[5], 因此常采用微钻时、功指数、机械比能[6]等方法对储层物性进行定性评价。但随着近年来大规模钻井提速工具的使用, 不同物性储层的钻井参数差异越来越小, 导致利用钻井参数评价储层物性的准确度明显降低。因此, 本文将元素录井技术引入储层物性评价中, 结合储层元素特征与取心实物常规物性、测井计算有效孔隙度及渗透率的关系, 建立了储层物性的定量化评价方法。

2.1 敏感参数优选

扎格构造临河组储层以长石石英砂岩、岩屑长石砂岩和长石岩屑砂岩为主。石英颗粒占碎屑成分的60%~72%（平均为65%）, 长石含量占比14%~25%（平均为20%）, 岩屑占比3%~11%, 储层成分成熟度高。填隙物总占比一般小于5%, 以泥杂基、方解石及少量白云石为主, 占填隙物总含量的95%以上。储集空间以粒间孔为主, 发育少量粒内溶孔及铸模孔。受“ 晚深埋、弱压实、弱胶结” 的沉积特征影响, 扎格构造临河组具“ 弱成岩保孔” 的碎屑岩储层特征, 有效孔隙度是评价储层物性的关键参数。矿物含量与储层物性关系（表1）显示, 填隙物含量是影响储层有效孔隙度的关键因素之一, 随着填隙物含量减小, 储层的有效孔隙度明显升高, 两者呈明显的负相关。

表1 矿物含量与储层物性关系

元素录井技术以X射线荧光分析理论、岩石地球化学理论为基础, 能够连续分析样品所含36种元素的质量百分含量。大量的地球化学实验和研究成果表明[7, 8, 9], 岩石化学成分与岩石颗粒的含量和粒度、杂基和胶结物的含量及种类有关, 因此元素录井能够对储层的物性进行定性评价。在区域和层位约束条件下, 采用多元线性回归方法, 建立元素与有效孔隙度的回归模型, 即可实现储层物性的定量评价。通过对80个岩石样品的主量元素与储层有效孔隙度相关性分析可知（图1）, 不同元素与有效孔隙度存在不同程度的相关性。Ca、Fe元素与有效孔隙度呈高度负相关, 相关系数r分别为-0.87、-0.85, 表明随着Ca、Fe元素含量的增加, 有效孔隙度显著减小。其他元素与有效孔隙度相关性整体偏低, Si、Na元素与有效孔隙度呈中-低度正相关, 相关系数r分别为0.56、0.50; Mg、Al、Ti元素与有效孔隙度呈中度负相关, 相关系数r分别为-0.79、-0.63、-0.76。Ca元素是方解石的主要特征元素, Ca元素含量大小决定了岩石中方解石的含量; Fe元素在黏土矿物中含量较高, 是评价泥杂基含量的主要特征元素。研究表明, 元素的相关性分析结果与岩矿资料一致, 说明填隙物中代表方解石含量的Ca元素与代表泥杂基含量的Fe元素是评价扎格构造临河组储层物性的敏感参数。

图1 主量元素与储层有效孔隙度相关性分析图

2.2 有效孔隙度与元素的回归分析

通过逐步回归分析, 从所有可供选择的自变量中逐步加入或剔除某个自变量, 直到建立最优回归方程模型为止（表2）。由表2可知, 模型2为Ca、Fe元素回归模型, 决定系数0.818, 能更好地解释因变量变化。

表2 回归方程模型概述输出结果

在模型2中, Ca元素对储层有效孔隙度的影响最大, 其标准回归系数β =-0.519, Fe元素标准回归系数β =-0.431（表3）。因此, 与相关性分析结果一致, Ca、Fe元素对有效孔隙度具有最直接的影响。以有效孔隙度（y）为因变量, 以Ca元素（x1）和Fe元素（x2）为自变量, 建立最优线性回归方程。

y=28.533-1.859x1-3.363x2

表3 储层有效孔隙度和元素的多元标准回归分析

当Ca元素（x1）每增加1个质量百分含量, Fe元素取值固定在某一水平时, 有效孔隙度减少1.859%; 同理, 当Fe元素（x2）每增加1个质量百分含量, 有效孔隙度减少3.363%。

2.3 回归模型结果分析

通过F检验评估回归模型的拟合效果及自变量统计的显著性, 结果显示, 模型的F统计量为245.25, 对应P值< 0.001, 表明采用Ca、Fe元素回归有效孔隙度是合理的。模型调整系数越接近1, 表明预测值误差越小, 本研究的调整系数为0.811, 表明此模型的预测结果具有很高的准确性。为了验证模型的预测能力, 将不同储层有效孔隙度的实测值与预测值进行了比较（图2）。结果显示, 该模型对有效孔隙度的预测最大误差为15.90%, 平均误差为6.30%。根据以上分析, 证实基于Ca、Fe元素回归建立的有效孔隙度模型能够较好地反映储层物性条件, 据此构建了基于元素数据的储层物性指数计算公式：

Mi=28.533-1.859WCa-3.363WFe

式中：Mi为第i个含油丰度评价层位的储层物性指数; WCa为Ca元素含量; WFe为Fe元素含量。

图2 孔隙度实测值与预测值结果对比

3 含油丰度定量化评价方法

依据录井数据评价含油丰度的方法多种多样, 目前常用的有：（1）通过岩心、壁心、岩屑的实物观察判断含油性; （2）通过钻井过程中产生的烃类气体的含量和组成评估储层的含油性; （3）对储层的岩石样品进行岩石热解、岩石热解气相色谱、定量荧光分析, 以此获取储层含油情况。分析方法和数据的多样化导致含油丰度评价的复杂性, 评价过程中往往存在多个数据相互矛盾和变化趋势不一致的问题, 使数据解释和定量化评价变得困难。因此, 本文采用熵值法构建评价模型, 明确各含油丰度指标的权重, 建立了含油丰度定量化评价方法, 为多指标综合评价提供了依据。

3.1 熵值法计算步骤

评价方法和模型是综合评价体系的重要组成部分, 对评价结果的准确性和科学性有直接影响[10, 11]。熵值法是一种客观赋权法, 通过计算各项指标观测值所蕴含信息量大小来确定指标权重, 避免了人为因素带来的偏差[12]。相对主观赋值法, 熵值法具有精度高、客观性强的优势, 能够更好地解释所得到的结果。本文结合含油丰度指标实际情况, 共计挑选了36个不同含油丰度层位和6个含油丰度评价指标。选取气测全烃、组分烃总量、岩石热解产烃潜量、液态烃含量、气相色谱相对峰面积、定量荧光相当油含量评价指标, 利用熵值法计算出各含油丰度指标的权重, 具体步骤如下。

第一步：构建矩阵。

根据选取后的数据, 构建原始数据矩阵如下：

X=x11x12⋯x1nx21x22⋯x2n⋮⋮⋯⋮xm1xm2⋯xmn

其中：m为含油丰度评价层位数; n为含油丰度评价指标数。

第二步：数据的标准化处理。

由于各项指标的计量单位并不统一, 在用它们计算综合指标前, 先要进行标准化处理, 解决各项指标量纲不同的问题, 使之均在[0, 1]区间内, 从而具有可比性。在指标体系中, 指标分为正向指标与逆向指标两类, 值越大越好的指标即为正向指标, 相反则为逆向指标。本文选取的6个含油丰度评价指标, 均按正向指标进行处理, 处理公式为：

yij=xij-min（xij）max（xij）-min（xij）

式中：xij为第i个含油丰度评价层位的第j个评价指标所对应的数据（其中：i=1, 2, …, m; j=1, 2, …, n）; yij为第i个含油丰度评价层位的第j个评价指标标准化值。

计算第i个含油丰度评价层位第j个含油丰度评价指标的比重sij如下：

sij=yij∑i=1myij

第三步：计算第j项指标熵值ej和差异系数dj。

熵值计算公式如下：

ej=-1lnm∑i=1msijlnsij

式中：ln为自然对数, 且有0≤ ej≤ 1。

dj是衡量各指标之间的差异系数, 熵值 ej越小, 指标间差异系数dj越大, 则指标就越重要。dj的计算公式如下：

dj=1-ej

第四步：计算第j项指标的权重wj。

计算公式如下：

wj=dj∑j=1ndj

最后, 基于权重指标 wj的计算结果, 得出第i个评价层位的含油丰度综合评价得分Fi。

Fi=∑j=1nwjyij

3.2 熵值法计算结果分析

从表4可以看出, 在6个含油丰度评价指标中, 定量荧光相当油含量的权重最高, 为0.234 5; 其次为组分烃总量、气相色谱相对峰面积、气测全烃, 其权重分别为0.177 8、0.172 5、0.148 9; 液态烃含量、岩石热解产烃潜量的权重最低, 其权重分别为0.148 6、0.116 8。

表4 指标熵值、差异系数、权重

根据含油丰度指标体系中求得的指标权重, 可以计算出扎格构造36个储层的含油丰度综合评价得分（表5）。含油丰度综合评价得分与解释结论具有良好的对应关系：油层评价得分介于0.106 1~0.769 9之间, 平均为0.255 4; 差油层评价得分介于0.068 8~0.270 6之间, 平均为0.152 8; 含油水层评价得分介于0.003 1~0.012 0之间, 平均为0.008 3; 干层评价得分介于0.003 9~0.017 1之间, 平均为0.010 8。油层和差油层的含油丰度综合评价得分明显高于含油水层和干层, 含油丰度的区分性良好。

表5 扎格构造36个储层含油丰度综合评价得分

从表5可知, 5号解释层为本区域综合得分最高的层位, 其含油丰度综合评价得分可达0.769 9, 该层试油获日产377.65 m3的高产工业油流, 是目前区域产量最高的层位, 两者对应关系良好, 证实了含油丰度综合评价得分Fi能够较好地反映储层含油性特征, 满足定量化评价需求。

4 定量化解释评价方法建立

以含油丰度综合评价得分Fi为横坐标, 储层物性指数Mi为纵坐标, 利用研究区6口井36个数据点建立了录井定量化解释评价图板（图3）。该图板中油层、差油层、含油水层、干层具有良好的分区效果, 其中油层的含油丰度综合评价得分Fi≥ 0.106 1, 储层物性指数Mi≥ 13.42; 差油层的含油丰度综合评价得分Fi介于0.068 8~0.270 6之间, 储层物性指数Mi≤ 9.52; 含油水层的含油丰度综合评价得分Fi≤ 0.033 1, 储层物性指数Mi≥ 12.66; 干层的含油丰度综合评价得分Fi≤ 0.017 1, 储层物性指数Mi≤ 9.90。

图3 录井定量化解释评价图板

5 应用效果

在扎格构造5口新钻井中对录井定量化解释评价方法进行了应用验证, 解释符合率由80.00%提高至92.50%。现以ZG 1-1X1井为例说明。

ZG 1-1X1井是扎格构造ZG 1区块的一口评价井, 在临河组5 623~5 627 m井段钻遇显示层（图4）, 岩性为灰色油迹细砂岩, 荧光湿照暗黄色, 滴照褐黄色。利用录井定量化解释评价方法, 该层含油丰度综合评价得分Fi=0.187 2, 储层物性指数Mi=16.66。在录井定量化解释评价图板中投点位于油层区间（图3）, 定量化综合解释为油层。后期试油, 该层获日产157.86 m³ 的高产工业油流, 定量化解释评价结果与试油结论一致。

图4 ZG 1-1X1井录井综合图

6 结论

（1）建立了储层定量化评价物性指数Mi。运用岩矿资料明确了泥杂基、方解石及少量白云石等填隙物含量是影响扎格构造临河组储层物性的关键参数。挖掘元素录井数据, 选取的储层物性敏感元素Ca、Fe分别代表方解石和泥杂基的矿物含量, 验证了统计学结果与岩石学特征的一致性。储层定量化评价物性指数Mi调整系数为0.811, 预测平均误差为6.30%, 能够准确地定量化评价储层物性。

（2）建立了含油丰度综合评价得分Fi。综合应用气测全烃、组分烃总量、岩石热解产烃潜量、液态烃含量、气相色谱相对峰面积、定量荧光相当油含量6个评价指标, 利用熵值法计算出扎格构造36个层位的定量化含油丰度综合评价得分Fi, 能够准确地定量化评价不同含油丰度储层的含油特征。

（3）构建了录井定量化解释评价图板, 通过含油丰度综合评价得分Fi及储层物性指数Mi明确了扎格构造油层、差油层、含油水层、干层的评价标准, 其应用验证效果良好。

（编辑 卜丽媛）

参考文献
[1] 王志战. 中国石化录井技术新进展与发展方向思考[J]. 石油钻探技术, 2023, 51(4): 124-133.
WANG Zhizhan. Thoughts for new progress and development directions of Sinopec′s surface logging technology[J]. Petroleum Drilling Techniques, 2023, 51(4): 124-133. [本文引用:1]
[2] 刘凡, 刘裕双, 张震, 等. 基于机器学习的堵漏颗粒粒径推荐方法[J]. 新疆石油天然气, 2024, 20(1): 13-20.
LIU Fan, LIU Yushuang, ZHANG Zhen, et al. A machine learning-based bridging particle size recommendation method for lost circulation control[J]. Xinjiang Oil & Gas, 2024, 20(1): 13-20. [本文引用:1]
[3] 耿长喜, 刘丽萍, 夏峥寒. 录井解释评价技术面临的困难与挑战[J]. 录井工程, 2006, 17(1): 18-20, 24.
GENG Changxi, LIU Liping, XIA Zhenghan. Difficulties and challenges faced by mud logging interpretation and evaluation techniques[J]. Mud Logging Engineering, 2006, 2006, 17(1): 18-20, 24. [本文引用:1]
[4] 史原鹏, 刘占国, 王少春, 等. 深层-超深层优质碎屑岩储层成因及主控因素: 以河套盆地临河坳陷古近系渐新统临河组为例[J]. 石油勘探与开发, 2024, 51(3): 478-489.
SHI Yuanpeng, LIU Zhanguo, WANG Shaochun, et al. Genetic mechanism and main controlling factors of high-quality clastic rock reservoirs in deep and ultra-deep layers: A case study of Oligocene Linhe Formation in Linhe Depression, Hetao Basin, NW China[J]. Petroleum Exploration and Development, 2024, 51(3): 478-489. [本文引用:1]
[5] 李戈东. 录井参数定量判别油水层方法研究及应用[J]. 录井工程, 2023, 34(4): 16-19.
LI Gedong. Study and application of quantitative discrimination method for oil-water layers by mud logging parameters[J]. Mud Logging Engineering, 2023, 34(4): 16-19. [本文引用:1]
[6] 耿长喜, 胡宗敏, 钱文博, 等. 随钻录井物性评价技术应用研究[J]. 录井工程, 2017, 28(3): 27-32, 47.
GENG Changxi, HU Zongmin, QIAN Wenbo, et al. Study on application of the technology of physical property evaluation by mud logging while drilling[J]. Mud Logging Engineering, 2017, 28(3): 27-32, 47. [本文引用:1]
[7] 王晓阳. X射线荧光元素录井技术在地质上的应用及新进展[J]. 录井工程, 2014, 25(2): 39-42.
WANG Xiaoyang. Application and new progress of X-ray fluorescence element logging technology in geology[J]. Mud Logging Engineering, 2014, 25(2): 39-42. [本文引用:1]
[8] 李春山. X射线荧光岩屑识别技术研究[D]. 西安: 西北大学, 2010.
LI Chunshan. Study on X-ray fluorescence cuttings identification technique[D]. Xi′an: Northwest University, 2010. [本文引用:1]
[9] 谭伟雄, 阚留杰, 李文元, 等. X射线荧光元素录井技术在油气勘探开发中的应用[J]. 天津科技, 2023, 50(11): 33-36.
TAN Weixiong, KAN Liujie, LI Wenyuan, et al. Application of X-ray fluorescence element logging technology in oil-gas exploration and development[J]. Tianjin Science & Technology, 2023, 50(11): 33-36. [本文引用:1]
[10] 张晓艳, 王晓楠, 曹焜, 等. 5个工业大麻品种(系)纤维产量及产量构成因素的相关性分析[J]. 作物杂志, 2020(4): 121-126.
ZHANG Xiaoyan, WANG Xiaonan, CAO Kun, et al. Correlation analysis of fiber yield and yield components in five industrial hemp varieties(lines)[J]. Crops, 2020(4): 121-126. [本文引用:1]
[11] 赵耀, 刘闯, 刘振翼, 等. 基于事故树-层次分析法的原油储罐泄漏风险识别[J]. 新疆石油天然气, 2023, 19(3): 80-85.
ZHAO Yao, LIU Chuang, LIU Zhenyi, et al. Indentification for leakage risks of crude oil tanks based on fault tree-analytic hierarchy process[J]. Xinjiang Oil & Gas, 2023, 19(3): 80-85. [本文引用:1]
[12] 蒋昀成, 娄燚, 李英祥. 基于熵值法的地方财政状况实证研究: 以S省为例[J]. 开发性金融研究, 2023(3): 51-63.
JIANG Yuncheng, LOU Yi, LI Yingxiang. An empirical study on local fiscal sustainability based on entropy method: Take S Province, for example[J]. Development Finance Research, 2023(3): 51-63. [本文引用:1]