一种基于多尺度信息的致密储层成岩相预测方法

摘要

本发明涉及一种基于多尺度信息的致密储层成岩相预测方法，包括以下步骤：分析每一样本岩心薄片的成岩相，确定其成岩定量三参数(视压实率、视胶结率和视溶蚀率)；读取每一薄片的成岩定量三参数和该深度测井值；每个样本的测井值和成岩定量三参数组成学习样本，利用BP神经网络预测全井段的成岩定量三参数；利用成岩定量三参数确定全井段测井成岩相；利用岩心数据分别建立地震弹性参数与成岩定量三参数的定量关系；利用建立的上述定量关系，用地震弹性参数反演结果分别预测成岩定量三参数平面分布；根据成岩定量参数平面分布确定成岩相平面分布。本发明实现了致密储层井间成岩相定量预测。

说明书

技术领域

本发明涉及致密储层的地质技术领域，尤其涉及一种基于多尺 度信息的致密储层成岩相预测方法。

背景技术

致密油气藏是近年来油气勘探开发的新领域，也是今后油气 开发新的增长点，但是对于致密油气储层来说，如何寻找相对优 质储层是最大的难题。对于裂缝不发育的致密储层来说，其物性 主要受控于两方面因素：沉积和成岩作用。其中，沉积控制储层 的原始物性，而成岩作用则控制了储层后期的物性变化，同时， 这两方面因素也是相互联系的，沉积是成岩作用的基础。成岩相 是沉积物在特定的沉积和成岩环境中，受到流体变化、构造运动 等作用，经历复杂的成岩作用和成岩演化的产物，包含岩石组分、 颗粒接触关系、胶结物、孔隙特征、裂缝等综合特征，能较宏观 的反映不同成岩作用及成岩作用组合对储层物性的影响。目前对 于油气储层的成岩作用研究和成岩相划分主要是根据能够反映岩 心样品微观特征的扫描电镜、铸体薄片、阴极发光资料的分析来 完成。然而，基于取样困难和节约成本的考虑，岩心薄片资料有 限，利用薄片分析资料只能确定某个深度点的成岩相，而不能连 续地反映整段地层的成岩相。

长期以来，对储层沉积作用和沉积特征的研究开展较多，但 是对成岩作用的研究主要还是局限在取心段薄片分析的基础上， 对于非取心段或者井间的成岩相，缺乏有效的研究方法。基于岩 心样品分析的成岩相研究已经比较成熟，最直接的方法就是薄片 观察。通过岩石薄片观察，确定样品中的主要成岩作用类型，进 而确定成岩相类型。但是这种研究方法是依赖于岩石样品的薄片 分析，对于非取心段来说，只有测井资料，没有岩心薄片，不能 确定其成岩相，而对于井间地层更是如此。因此，目前成岩相研 究的最大难点是井点的非取心段和井间地层。

前人研究中也有部分学者探索过利用测井资料解释成岩相的 方法，这些方法主要有以下几类：一是建立成岩相与特定测井曲 线之间的关系，利用单一测井曲线解释储层成岩相，但是实践效 果均不理想，究其原因，单一测井曲线都是对储层某一种物理性 质的反映，没有一种测井信息是与成岩相有直接的、良好的对应 关系的，因此单一测井曲线解释成岩相的效果不好；二是利用测 井相定性解释成岩相，这一方法的缺点是定量化程度不够，不便 于不同储层之间成岩强度的比较；三是利用蜘蛛网图等分析方法， 采用多测井参数解释成岩相，这类方法的缺点在于其是一种定性 化的成岩相解释方法，判别结果不便于不同储层的比较，而且主 观性较强，不便于大规模的工业化解释。对于井间成岩相的预测 来说，难度就更大了。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种 基于多尺度信息的致密储层成岩相预测方法。

一种基于多尺度信息的致密储层成岩相预测方法，包括如下 步骤：

(a)使用偏光显微镜分析目标地层的岩心薄片，观察每片薄 片中储层成岩作用类型，确定该薄片所对应样品点的储层成岩相 类型；

(b)通过薄片分析，确定每一片薄片所对应样品点处储层的 成岩定量参数，所述成岩定量参数包括视压实率、视胶结率和视 溶蚀率；

(c)对岩心深度进行测井深度归位，读取深度归位后岩心薄 片所在深度位置的测井曲线值和成岩定量参数，第一个深度点的 岩心薄片对应的数据为

[dep₁,log1₁,log2₁,…，logi₁,Comp₁,Res₁,Cem₁]，

其中dep₁为第一个样本点的深度；

Log1₁为第一个样本点的第一条测井曲线的测井值；

Log2₁为第一个样本点的第二条测井曲线的测井值；

logi₁为第一个样本点的第i条测井曲线的测井值，i＝1,2，…；

Comp₁为第一个样本点薄片观察确定的视压实率；

Res₁为第一个样本点薄片观察确定的视溶蚀率；

Cem₁为第一个样本点薄片观察确定的视胶结率。

每个样本点薄片得到一组样本数据，依次编号，第j (j＝1,2,3…)个深度点的薄片对应的数据为

[dep_j,log1_j,log2_j,…,logi_j,Comp_j,Res_j,Cem_j]，

其中dep_j为第j个样本点的深度；

Log1_j为第j个样本点的第一条测井曲线的测井值；

Log2_j为第j个样本点的第二条测井曲线的测井值；

logi_j为第j个样本点的第i条测井曲线的测井值；

Comp_j为第j个样本点薄片观察确定的视压实率；

Res_j为第j个样本点薄片观察确定的视溶蚀率；

Cem_j为第j个样本点薄片观察确定的视胶结率。

(d)以步骤(c)中建立的岩心薄片样本点数据为学习样本， 利用BP神经网络预测全井段的成岩定量参数，分别得到全井段的 成岩定量参数曲线；

(e)按照不同成岩相类型的定量标准，利用测井解释的成岩 定量参数曲线解释全井段成岩相；所述定量标准为：视压实率、 视胶结率和视溶蚀率标准；

(f)在井点位置的地震弹性参数反演结果上，统计每个深度 点的地震弹性参数值，利用井点数据分别建立地震弹性参数与每 个成岩定量参数之间的定量关系；

(g)利用地震弹性参数反演结果和步骤(f)建立的定量关 系，将地震弹性参数反演数据体转化为成岩定量参数数据，得到 井间的成岩定量参数分布；

(h)根据不同成岩相的定量标准，利用井间的成岩定量参数 预测结果，解释井间成岩相分布。

本发明综合岩心、测井和三维地震资料三类不同尺度的信息， 联合预测不同尺度上的储层成岩相，实现成岩相空间分布的预测， 解决了致密储层研究中的井间成岩相预测难题。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发 明中的技术方案进行清楚、完整地描述，显然，所描述的实施例 是本发明一部分实施例，而不是全部的实施例。基于本发明中的 实施例，本领域普通技术人员在没有作出创造性劳动前提下所获 得的所有其他实施例，都属于本发明保护的范围。

本发明的具体实施步骤如下：

(a)使用偏光显微镜分析目标地层的岩心薄片，观察每片薄 片中储层成岩作用类型，确定该薄片所对应样品点的储层成岩相 类型；

(b)通过薄片分析，确定每一片薄片所对应样品点处储层的 成岩定量参数，包括视压实率、视胶结率和视溶蚀率；

(c)对岩心深度进行测井深度归位，读取深度归位后岩心薄 片所在深度位置的测井曲线值和成岩定量参数，第一个深度点的 岩心薄片对应的数据为

[dep₁,log1₁,log2₁,…，logi₁,Comp₁,Res₁,Cem₁]，

其中dep₁为第一个样本点的深度；

Log1₁为第一个样本点的第一条测井曲线的测井值；

Log2₁为第一个样本点的第二条测井曲线的测井值；

logi₁为第一个样本点的第i条测井曲线的测井值，i＝1,2，…；

Comp₁为第一个样本点薄片观察确定的视压实率；

Res₁为第一个样本点薄片观察确定的视溶蚀率；

Cem₁为第一个样本点薄片观察确定的视胶结率。

每个样本点薄片得到一组样本数据，依次编号，第j (j＝1,2,3…)个深度点的薄片对应的数据为

[dep_j,log1_j,log2_j,…,logi_j,Comp_j,Res_j,Cem_j]，

其中dep_j为第j个样本点的深度；

Log1_j为第j个样本点的第一条测井曲线的测井值；

Log2_j为第j个样本点的第二条测井曲线的测井值；

logi_j为第j个样本点的第i条测井曲线的测井值；

Comp_j为第j个样本点薄片观察确定的视压实率；

Res_j为第j个样本点薄片观察确定的视溶蚀率；

Cem_j为第j个样本点薄片观察确定的视胶结率。

(d)以步骤(c)中建立的岩心薄片样本点数据为学习样本， 利用BP神经网络预测全井段的成岩定量参数，分别得到全井段的 成岩定量参数曲线(视压实率曲线、视胶结率曲线和视溶蚀率曲 线)；

(e)按照不同成岩相类型的定量标准(视压实率、视胶结率 和视溶蚀率标准)，利用测井解释的成岩定量参数曲线解释全井 段成岩相；

(f)在井点位置的地震弹性参数反演结果上，统计每个深度 点的地震弹性参数值，利用井点数据分别建立地震弹性参数与每 个成岩定量参数之间的定量关系；

(g)利用地震弹性参数反演结果和步骤(f)建立的定量关 系，将地震弹性参数反演数据体转化为成岩定量参数数据，得到 井间的成岩定量参数分布；

(h)根据不同成岩相的定量标准，利用井间的成岩定量参数 预测结果，解释井间成岩相分布。

本发明综合岩心、测井和三维地震资料三类不同尺度的信息， 联合预测不同尺度上的储层成岩相，实现成岩相空间分布的预测， 解决了致密储层研究中的井间成岩相预测难题。

应用实例

我国东海盆地A气田面积140km²，仅有钻井3口，主要的天 然气产层属于深层致密砂岩储层，裂缝不发育，其中的D5段气层 中相对优质储层(“甜点”储层)的发育主要受成岩作用控制， 有利的成岩相类型为中压实中溶蚀成岩相，需要开展成岩相分布 预测，得到中压实中溶蚀成岩相的平面分布，从而预测“甜点” 储层的分布，指导下一步气藏的钻探开发。在该实例中按照以下 步骤开展工作：

(a)利用偏光显微镜分析目标地层的岩心薄片，对3口井D5 段地层的210个岩石薄片样品进行观察分析，确定每片薄片中储 层成岩作用类型，确定了研究区发育4种成岩相类型，包括中溶 蚀-中压实成岩相、中溶蚀-中强压实成岩相、强溶蚀-强压实成岩 相、中强溶蚀-强压实成岩相。

(b)通过薄片分析，确定每一片薄片所对应样品点处储层的 成岩定量参数，包括视压实率、视胶结率和视溶蚀率，得到研究 区210个样品点的成岩定量参数数据；

(c)对岩心深度进行测井深度归位，读取深度归位后岩心薄 片所在深度位置的测井曲线值和成岩定量参数。本研究区选取的 测井曲线包括声波时差、补偿中子、自然伽马、电阻率和密度测 井。

(d)以步骤(c)中建立的岩心薄片样本点数据为学习样本， 利用三层BP神经网络预测全井段的成岩定量三参数，分别得到全 井段的成岩定量参数曲线(视压实率曲线、视胶结率曲线和视溶 蚀率曲线)；

(e)按照下表(表1)的不同成岩相定量标准(视压实率、 视胶结率和视溶蚀率标准)，利用测井解释的成岩定量参数曲线 解释全井段成岩相。

表1成岩相参数的定量标准

(f)在研究区井点位置的地震弹性参数(纵横波速度比、纵 波阻抗、横波阻抗)反演结果上，统计目的层段每个深度点的地 震弹性参数值(纵横波速度比、纵波阻抗、横波阻抗)，利用步 骤(e)解释的井点成岩定量参数数据分别建立地震弹性参数值与 每个成岩定量参数之间的定量关系，研究区的成岩相类型中只涉 及到溶蚀作用和压实作用，所以本研究实例中建立的成岩定量参 数与地震反演参数间的关系式，没有对视胶结率进行预测：

Comp＝-1.68126e-6Ip+3.83944e-5Is-204.3903488Vp/Vs+103.14 788

Res＝4.07672e-6Ip+3.84935e-5Is-244.484517Vp/Vs+80.169368 78

其中,Comp为视压实率，Res为视溶蚀率，Ip为纵波阻抗，Is 为横波阻抗，Vp/Vs为纵横波速度比

(g)根据步骤(f)建立的定量关系，利用地震反演的纵横 波速度比、横波阻抗、纵波阻抗三个反演数据体，转换得到视溶 蚀率和视压实率参数数据体，得到井间的视溶蚀率和视压实率参 数分布；

(h)按照表1中不同成岩相的定量标准，根据步骤(g)得 到的井间成岩定量参数预测结果，解释井间成岩相分布。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而 非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领 域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技 术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修 改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方 案的精神和范围。