引用本文
李戈东. 基于地化录井的含油饱和度计算模型的建立与应用[J]. 录井工程, 2025,36(2): 99-103.
LI Gedong. Establishment and application of oil saturation calculation model based on geochemical logging[J]. Mud Logging Engineering, 2025,36(2): 99-103.
Doi:10.3969/j.issn.1672-9803.2025.02.015  
Permissions
Copyright©2025, 《录井工程》杂志社
《录井工程》杂志社 所有
基于地化录井的含油饱和度计算模型的建立与应用
李戈东
中海油能源发展股份有限公司工程技术分公司

作者简介：李戈东 工程师,1989年生,2008年毕业于东北石油大学资源勘查工程专业,现在中海油能源发展股份有限公司工程技术分公司从事海上油气田勘探开发随钻地层评价研究工作。通信地址：300452 天津市滨海新区海川路2121号C座419室。E-mail：ligd14@cnooc.com.cn

收稿日期: 2025-04-07
基金: 中海油能源发展股份有限公司工程技术分公司“深湖相元素地层划分及岩性识别研究——以黄河口地区为例”（编号：GCJSXMHT-2420）
摘要

渤海油田的勘探目标正在转向地质条件复杂的油藏带,这显著增大了油水层解释评价难度。传统的录井与测井技术结合的综合评价方法,因测井技术存在滞后性在一定程度上制约了作业效率,为此建立了基于地化录井的含油饱和度定量计算模型。该模型综合考虑储层孔隙中油、气、水三相流体的分布规律及岩石物性（原油密度、储层孔隙度、岩石骨架密度等）对含油饱和度的影响,为储层流体性质的准确评估提供了新的视角和工具,实现了储层流体性质的实时评价。通过渤海油田X区块新钻井的数据验证,模型解释准确率达86.67%,该含油饱和度计算模型能够为渤海油田的油气勘探开发提供有力支持。

关键词: 含油饱和度; 地化录井; 定量评价; 油水层识别; 计算模型; 渤海油田
中图分类号:TE132.1 文献标志码:A
Establishment and application of oil saturation calculation model based on geochemical logging
LI Gedong
CNOOC Ener Tech-Drilling & Production Co.,Tianjin 300452,China
Abstract

The exploration targets of Bohai Oilfield are shifting towards oil reservoir zones with complex geologic conditions, resulting in a significant increase in the difficulty of oil-water layer interpretation and evaluation. The traditional comprehensive evaluation method combining mud logging and well logging technologies restricts the operation efficiency to a certain extent due to the hysteresis of well logging technology. Therefore, a quantitative calculation model of oil saturation based on geochemical logging was established. This model comprehensively considers the distribution laws of oil-gas-water three-phase flow in reservoir pores and the influence of petrophysical properties （crude oil density, reservoir porosity, matrix density, etc.） on oil saturation, providing a new angle of view and tool for accurate assessment of reservoir fluid properties and realizing the real-time evaluation of reservoir fluid properties. Verified by the data of the wells newly drilled in X block of Bohai Oilfield, the accuracy rate of model interpretation was 86.67%.The oil saturation calculation model can provide strong support for oil-gas exploration and development in Bohai Oilfield.

Keyword: oil saturation; geochemical logging; quantitative evaluation; oil-water layer identification; calculation model; Bohai Oilfield
0 引言

随着全球油气资源勘探开发的持续推进, 海上油气田勘探目标正逐渐从构造简单区域转向地质条件更为复杂的油藏带[1, 2, 3], 在拓展资源潜力的同时, 也显著提高了油水层识别与评价的技术难度。以渤海油田为例, 油水层的准确识别与评价已成为影响油气勘探开发效率的关键技术瓶颈。

长期以来, 渤海油田的油水层主要采用录井与测井解释相结合的综合评价方法[4, 5, 6]。该方法在过去取得了较好的应用效果, 但随着勘探目标转向复杂油藏, 其技术局限性逐渐凸显：一方面, 测井技术作为油藏评价的重要手段, 虽然能够较为准确地识别储层流体性质, 但其数据采集必须在钻井作业结束后进行, 存在显著的时效滞后性; 另一方面, 这种滞后性导致无法在随钻过程中及时提供勘探决策依据, 不仅会降低作业效率（据统计平均延长作业周期1~3 d）, 还可能因未及时调整钻井轨迹增加作业成本, 难以满足复杂油藏高效勘探开发的需求。

针对现有解释方法时效性差、准确性不足的问题, 亟需建立一种适用于现场快速决策的新型随钻录井定量解释方法, 以便在钻井过程中实时完成流体性质的定量解释评价, 为后续工作提供技术支撑。其技术价值主要体现在：为测井项目优选提供前置数据支持, 指导井身结构动态调整, 实现地质风险早期预警, 优化完井方案设计等, 从而显著提升勘探开发全流程的决策效率和科学性。

本文旨在深入探讨如何利用地化录井参数来精确计算含油饱和度, 通过建立定量计算模型, 为储层流体性质的准确评估提供新的视角和工具, 为渤海油田高效勘探开发提供关键技术支撑。

1 含油饱和度计算模型

在油气勘探开发中, 含油饱和度是评价储层流体性质的重要参数之一。它反映了储层孔隙中油所占的体积百分数, 对于确定储层的油气含量、评估油气资源潜力具有重要意义。

1.1 含油饱和度计算原理

含油饱和度的计算原理基于储层孔隙中油、气、水三相流体的分布规律。在实际储层中, 三相流体共同占据孔隙空间, 含油饱和度即表征油相体积在孔隙总体积中的百分比。根据原油密度、储层孔隙度以及岩石骨架密度等参数, 可以通过一定的换算关系求出含油饱和度[7, 8]。

1.2 原油密度的计算

原油密度是含油饱和度计算模型中的重要参数之一。它反映原油的物理性质, 对于确定含油饱和度具有重要影响。为了准确计算原油密度, 需要利用地化热解参数进行回归分析。

地化热解参数是反映储层中烃类组分含量和性质的重要参数。其中, 气体产生指数（GPI）、重质烃产生指数（OPI）、总烃产生指数（TPI）等参数能够有效反映储层中、轻、重烃的含量和分布特征。因此, 这些参数与原油密度之间存在一定的相关性。

通过对渤海油田X区块近几年使用过地化录井项目并进行测试的9口井不同层位的原油密度进行统计（表1）, 并与地化热解参数进行回归分析, 可以得出原油密度与地化热解参数之间的函数关系（图1-图3）。通过对比发现原油密度与TPI拟合较好, 根据原油密度与TPI的回归分析结果, 可以建立原油密度的计算模型。该模型以TPI为自变量, 原油密度为因变量, 通过二次回归方程得出原油密度（ρ o）预测公式：

ρ o=0.3014TPI2-0.8563TPI+1.3148

R² =0.842

表1 渤海油田X区块9口测试井原油密度统计

图1 GPI与原油密度回归曲线

图2 OPI与原油密度回归曲线

图3 TPI与原油密度回归曲线

经过验证, 该模型具有较高的准确性和可靠性, 能够为后续含油饱和度的计算提供有力支持。

1.3 储层孔隙度的计算

1.3.1 参数优选

储层孔隙度是含油饱和度计算模型中的另一个重要参数。它反映储层岩石中孔隙空间的体积百分数, 对于评估储层的储集能力和流体性质具有重要意义。为了准确计算储层孔隙度, 需要综合考虑多种因素的影响。一方面, 储层孔隙度受到岩石物理性质的影响, 不同岩石类型的孔隙度存在差异, 需要根据岩石类型选择合适的计算方法; 另一方面, 储层孔隙度还受到地质作用的影响, 如压实作用、胶结作用等都会使储层孔隙度发生变化。因此, 在计算储层孔隙度时, 需要充分考虑这些因素的综合作用。

本文利用综合录井参数计算砂岩储层孔隙度, 但因综合录井参数与砂岩孔隙度之间的定量关系非常复杂, 用常规的回归计算方法很难对其进行准确表达, 而支持向量回归（SVR）算法可以处理复杂的回归问题, 正适合这一定量关系的建立[9]。

与砂岩储层物性相关的综合录井参数主要有深度、钻头尺寸、钻井液密度、钻井工程参数（钻压、转速、扭矩、泵压、机械钻速、排量）, 其中有些与孔隙度的关系较为密切, 有些则相反。为了建立较为合理的回归模型, 也为了降低计算的复杂程度, 本研究采用计算样本层各参数与孔隙度相关系数的方法筛选自变量, 计算结果如图4所示。

图4 各综合录井参数与测井孔隙度相关性统计柱状图

从图4可以看出, 钻压、扭矩、泵压的相关系数绝对值小于0.3, 与孔隙度为微弱相关, 并且它们的显著性明显高于其他参数, 因此剔除这3个参数。最终优选出深度、钻头尺寸、钻井液密度、转速、机械钻速、排量6个参数用于回归模型的建立。

1.3.2 模型建立

本文共整理出202个具有代表性的样本数据, 训练样本和测试样本按照4∶ 1的比例进行划分。利用Libsvm软件包, 选择常用的高斯径向基函数作为核函数, 通过交叉验证法确定最佳回归参数C、σ 和ε , 各回归参数的搜索区间设定为[2-5, 25], 步长为1, 搜索结果如表2所示。回归模型的好坏用决定系数（R2）进行评价, 该值越接近1说明模型对样本数据的拟合程度越好, 其预测结果越准确。经过参数筛选和回归计算, R2高达0.85, 说明本回归模型拟合程度较好, 可以使用。

表2 孔隙度回归结果

选取31个测试样本数据对模型进行验证, 结果如图5所示。模型计算孔隙度与测井孔隙度的平均误差绝对值为2.86%, 两类孔隙度非常接近。由此确定建立的基于SVR的孔隙度计算模型可以较好地用于该区域砂岩储层的孔隙度计算。

图5 孔隙度计算模型验证结果对比

1.4 砂岩储层岩石骨架密度的计算

砂岩储层岩石骨架密度是砂岩成岩作用、矿物成分、孔隙结构、胶结物类型及含量, 以及孔隙度数据等特征的综合体现。

通过统计渤海油田X区块主要含油构造上20多口井的岩心分析数据, 总结出该区块砂岩储层有效孔隙度（ϕ ）和砂岩储层岩石骨架密度（ρ 岩石）的关系, 奠定了随钻油气储层评价中进行储层物性预测的基础。区域统计数据表明, 渤海油田X区块砂岩储层岩石骨架密度与砂岩储层有效孔隙度有良好的线性函数关系, 具体方程为：

ρ 岩石=2.6931-0.0313ϕ

R2=0.8754

式中：ρ 岩石为渤海油田X区块砂岩储层的岩石骨架密度, g/cm3; ϕ 为砂岩储层有效孔隙度, %。

1.5 含油饱和度计算模型建立

采用岩石热解分析所得的储层含油气总量及原油密度, 结合砂岩储层有效孔隙度和砂岩储层岩石骨架密度, 可以建立含油饱和度的定量计算模型：

Sh=（ST×ρ岩石）（1000×ϕ×ρo）×100%

式中：Sh为储层的含油饱和度, %; ST为经过烃类损失补偿后的含油气总量, mg/g。

该模型综合考虑了储层孔隙中油、气、水三相流体的分布规律以及岩石物性对含油饱和度的影响, 具有较高的准确性和可靠性。通过该模型可以计算出储层中油的体积百分数, 为后续的油气资源评价和勘探开发提供有力支持。

需要注意的是, 由于不同区域、不同地层储层有效孔隙度与原油密度均不相同, 在实际应用中要根据具体情况对模型进行修正和调整, 同时还要结合其他地质资料和测井信息对计算结果进行检验和校正, 以确保含油饱和度计算的准确性和可靠性。

1.6 结果对比与验证

为了验证含油饱和度计算模型的准确性和可靠性, 选取不同井的25个层位进行了计算含油饱和度与测井含油饱和度的对比（图6）。通过对比发现, 计算含油饱和度与测井含油饱和度之间的平均误差为8.10%, 表明该模型具有较高的计算精度和可靠性。

图6 含油饱和度计算模型验证结果对比

2 应用实例

首先根据研究区块已钻井得到的含油饱和度, 总结出各类流体类型与含油饱和度的对应关系（表3）, 然后将待判别层含油饱和度计算结果与其对照, 即可确定储层类型。

表3 流体类型与含油饱和度对应关系

选取渤海油田X区块的4口井15个层位进行了实例应用分析（表4）。通过对比计算含油饱和度与实际钻井结果之间的差异, 来评估该模型的准确性和可靠性。通过与实际钻井结果的对比发现, 该模型的识别准确率为86.67%, 进一步验证了其准确性和可靠性。6号层与12号层由于迟到时间计算有误, 地化采集岩屑样品受到影响, 计算所得数值偏高, 因而定量模型解释结论较测井结论级别偏高。上述验证结果表明, 该含油饱和度计算模型能够为渤海油田的油气勘探开发提供有力支持。

表4 各层位解释结论对比
3 结论

本文基于地化录井参数建立的含油饱和度计算模型, 实现了复杂油藏流体性质的实时定量评价。该模型综合考虑原油密度、储层孔隙度及岩石骨架密度等关键参数, 通过实际数据的验证, 能够准确计算储层中的含油饱和度。在渤海油田X区块应用中解释准确率达86.67%, 平均误差仅8.10%, 显著提升了油水层识别的时效性和准确性。该模型有效克服了传统测井技术的滞后性, 为油气勘探开发提供更加精确的数据支持, 不仅适用于渤海油田, 对于其他具有复杂地质条件的油藏也具有指导意义, 有助于推动油气勘探开发向更高效率、更高精度迈进。

（编辑 卜丽媛）

参考文献
[1] 马英文, 曹砚锋, 邱浩, 等. 中国海油中深层油气田完井技术现状及展望[J]. 中国海上油气, 2024, 36(5): 146-156.
MA Yingwen, CAO Yanfeng, QIU Hao, et al. Status and prospects of well completion technologies for middle-to-deep oil and gas fields of CNOOC[J]. China Offshore Oil and Gas, 2024, 36(5): 146-156. [本文引用:1]
[2] 李茂林. 海上油田开发特征数据挖掘研究[D]. 武汉: 长江大学, 2024.
LI Maolin. Study on offshore oilfield development characteristic data mining[D]. Wuhan: Yangtze University, 2024. [本文引用:1]
[3] 赖维成. 中国海上油气勘探历程与资源驱动型勘探模式探索[J]. 中国海上油气, 2024, 36(5): 14-21.
LAI Weicheng. Exploration history and resource-driven exploration model of China's offshore oil and gas[J]. China Offshore Oil and Gas, 2024, 36(5): 14-21. [本文引用:1]
[4] 胡文亮. 利用测录井资料计算气油比定量识别低孔渗储层流体性质[J]. 海洋石油, 2023, 43(2): 48-51.
HU Wenliang. Calculating gas oil ratio with logging data and quantitatively identify fluid properties of low porosity and permeability reservoirs[J]. Offshore Oil, 2023, 43(2): 48-51. [本文引用:1]
[5] 谭伟雄, 谭忠健, 张志虎, 等. 渤中凹陷深层油气勘探录井技术进展及展望[J]. 世界石油工业, 2023, 30(4): 40-47.
TAN Weixiong, TAN Zhongjian, ZHANG Zhihu, et al. Progress and prospects of mud logging in deep oil & gas exploration in Bozhong Sag[J]. World Petroleum Industry, 2023, 30(4): 40-47. [本文引用:1]
[6] 黄金富, 王啊丽, 夏国朝, 等. 风化店地区低阻油层成因分析及识别[J]. 海洋石油, 2024, 44(3): 99-104.
HUANG Jinfu, WANG Ali, XIA Guochao, et al. Genesis analysis and identification of low resistivity oil layers in Fenghuadian area[J]. Offshore Oil, 2024, 44(3): 99-104. [本文引用:1]
[7] 马猛, 李戈东, 李辉, 等. 基于SVR和工程录井参数的砂岩储层孔隙度计算方法研究[J]. 广东石油化工学院学报, 2022, 32(4): 28-31.
MA Meng, LI Gedong, LI Hui, et al. Study on porosity calculation method of sand stone reservoirs based on SVR and engineering well log parameters[J]. Journal of Guangdong University of Petrochemical Technology, 2022, 32(4): 28-31. [本文引用:1]
[8] 夏峥寒. 录井资料处理技术研究[J]. 大庆石油地质与开发, 2005, 24(增刊1): 35-38.
XIA Zhenghan. Study on mud logging data processing technology[J]. Petroleum Geology & Oilfield Development in Daqing, 2005, 24(S1): 35-38. [本文引用:1]
[9] 李一超, 余明发, 程晓东, 等. 随钻热解地球化学录井含油饱和度的计算和应用[J]. 物探化探计算技术, 2007, 29(2): 143-147.
LI Yichao, YU Mingfa, CHENG Xiaodong, et al. Calculation of oil saturation for pyrolysis geochemical logging while drilling and its application[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2007, 29(2): 143-147. [本文引用:1]