基于动态孔隙结构效率的核磁共振测井预测渗透率方法

基于动态孔隙结构效率的核磁共振测井预测渗透率方法
朱林奇;张冲;何小菊;陈雨龙;魏旸;袁少阳
【摘要】传统核磁共振测井预测渗透率模型对致密砂岩应用效果较差,提出了基于动态孔隙结构效率的核磁共振测井预测渗透率方法,并用29块岩样进行了建模.为提高模型中束缚水饱和度与孔隙结构效率2个参数的预测精度,提出利用T2几何均值与4～32 ms核磁共振孔隙度建立BP神经网络逐点预测T2截止值,以T2截止值为中间参数求取束缚水饱和度与孔隙结构效率的评价思路.通过对资料的处理,证明了本文模型计算精度高于SDR模型和Coates模型,可用于致密砂岩储集层的渗透率计算,对致密砂岩储集层的产能评价有一定指导作用.
【期刊名称】《新疆石油地质》
【年(卷),期】2015(036)005
【总页数】5页(P607-611)
【关键词】孔隙结构效率;致密砂岩;渗透率;核磁共振测井;动态T2截止值
【作者】朱林奇;张冲;何小菊;陈雨龙;魏旸;袁少阳
【作者单位】长江大学油气资源与勘探技术教育部重点实验室,湖北荆州434023;长江大学地球物理与石油资源学院,湖北荆州434023;中国石油集团测井有限公司长庆事业部,陕西高陵710201;长江大学油气资源与勘探技术教育部重点实验室,湖北荆州434023;长江大学地球物理与石油资源学院,湖北荆州434023;中国石油集团测井有限公司长庆事业部,陕西高陵710201;长江大学油气资源与勘探技术教育部重点实验室,湖北荆州434023;长江大学地球物理与石油资源学院,湖北荆州434023;中国石油集团测井有限公司长庆事业部,陕西高陵710201;长江大学油气
资源与勘探技术教育部重点实验室,湖北荆州434023;长江大学地球物理与石油资源学院,湖北荆州434023;中国石油集团测井有限公司长庆事业部,陕西高陵710201;长江大学油气资源与勘探技术教育部重点实验室,湖北荆州434023;长江大学地球物理与石油资源学院,湖北荆州434023;中国石油集团测井有限公司长庆事业部,陕西高陵710201;长江大学油气资源与勘探技术教育部重点实验室,湖北荆州434023;长江大学地球物理与石油资源学院,湖北荆州434023;中国石油集团测井有限公司长庆事业部,陕西高陵710201
【正文语种】中文
【中图分类】P631.823
随着国内油气勘探开发的深入，致密砂岩储集层受到了更多的关注。

致密砂岩的孔隙结构复杂，对渗透率的影响较大。

核磁共振测井能够测量孔隙度、孔隙结构等多种地层信息，被越来越多地运用于致密砂岩储集层渗透率的评价中。

经典核磁共振渗透率模型在致密砂岩储集层渗透率计算中的运用效果不甚理想，究其原因，一是难以逐点计算出动态的T2截止值，二是未充分考虑束缚水饱和度、孔隙结构等因素对渗透率带来的影响[1]。

本文提出基于动态孔隙结构效率的核磁共振测井预测渗透率方法，与其他模型进行对比后证明，本文模型计算精度高于其他模型，为致密砂岩储集层的产能评价提供更可靠的依据。

经典核磁共振测井渗透率模型主要依靠核磁共振具有弛豫特性和扩散特性，建立起统计性的关系式。

通过分析其参数与渗透率的相关性，得到最终的渗透率模型并运用其计算连续的渗透率曲线。

用核磁共振测井计算渗透率的经典模型有Coates模型和SDR模型。

Coates模型利用可动流体、束缚流体、核磁孔隙度建模[2]；SDR模型利用核磁孔隙度、T2几何均值建模[3]。

笔者利用这2种模型分别预测渗透率，比较预测值与实际值的差
别，分析模型实际应用效果。

对某油区28块致密砂岩样品与1块非致密砂岩样品进行核磁共振实验，通过实验数据确定地区经验参数，利用Coates模型与SDR模型计算出渗透率，与实验室测量的绝对渗透率进行对比（表1）。

表1加入1块非致密砂岩样品（岩样14）是为了验证模型在非致密砂岩储集层的预测效果。

由表1可知，经典的SDR模型和Coates模型计算精度均较低，SDR模型平均相对误差为113.86%，个别低渗透率岩样预测渗透率相对误差超过500.00%；Coates模型平均相对误差为85.27%.Coates模型计算精度略高于SDR模型，但误差仍大，不能满足实际应用需要。

可见，2种模型都不适用于致密砂岩储集层渗透率的计算。

造成精度不高的主要原因是致密砂岩的孔隙分布较常规储集层复杂。

经典模型虽利用了储集层微观孔隙特征对渗透率进行刻画，但未基于岩石微观孔隙进行理论研究，使得模型难以确保在致密砂岩储集层中的预测精度。

为此，笔者对影响渗透率模型的主要因素进行分析，试图提出一种新的核磁共振测井预测渗透率方法。

强成岩作用造成致密砂岩储集层微观非均质性较强，较强的微观非均质性使得储集层孔喉结构复杂、孔隙空间分布及孔隙比表面积变化较大，孔喉结构、孔隙空间分布、孔隙比表面积成为储集层渗透率的主控因素[4-6]。

致密砂岩储集层渗透率研究须充分考虑地层孔喉结构、孔隙空间分布、孔隙比表面积等造成的影响，据此，本文提出一种基于动态孔隙结构效率的核磁共振测井预测渗透率方法。

首先，基于等效岩石元素理论对渗透率公式进行推导；然后，用4~32ms核磁孔隙度、T2几何均值建立人工神经网络，逐点评价T2截止值，并计算束缚水饱和度与孔隙结构效率；最后，利用遗传算法优选公式参数。

该预测方法，可对渗透率进行逐点预测（图1）。

2.1 基于等效岩石组分理论的渗透率模型
等效岩石组分理论从孔隙结构入手，对岩石孔隙结构进行了假设，并基于假设对渗透率进行了推导[7-9]。

该理论首次提出孔隙结构效率（C）、有效流动孔隙度
（ϕef）的概念。

有效流动孔隙度公式为
文献［9］提出有效孔隙度等效于岩样直毛细管孔隙，应与渗透率的对数呈线性关系，即
等效岩石组分理论中，渗透率可由孔隙结构效率、束缚水饱和度和孔隙度三者共同确定。

而孔隙结构效率的求取方法为
该理论逐点评价有2个难点。

首先，地层因素目前还难以进行逐点连续评价，孔
隙结构效率只能通过实验室测量并在实际计算中取固定值，这影响了实际建模的精度；其次，束缚水饱和度需基于T2截止值进行确定，求准T2截止值是确定束缚
水饱和度的关键。

可见，T2截止值与孔隙结构效率评价准确与否直接决定预测渗透率的精度。

若能
利用核磁共振测井确定上述参数，就可实现对渗透率进行逐点预测的目的。

2.2 束缚水饱和度及动态孔隙结构效率预测
T2截止值是由实验室饱和水岩样离心前、后T2积分曲线对比分析得到，是核磁
共振实验确定束缚水饱和度的关键参数。

它与岩石孔隙的大小及分布、束缚水体积、岩性等多种因素均存在相关性。

由于相关性复杂，通常在实际计算时使用斯伦贝谢推荐的33ms固定值，其准确性难以保证，故尝试求取动态T2截止值。

对前人文献的分析后，确定了利用T2几何均值与4~32ms核磁共振孔隙度进行
求取的思路[10-11]。

T2几何均值的含义是给出T2弛豫时间平均值。

它与孔隙度、孔隙半径均存在正
比关系，可以用来表征这2种因素影响。

4~32ms区间流体孔隙度与束缚水饱和
度关系密切，而T2截止值的物理意义为区分储集层流体中的束缚流体与可动流体，随束缚水饱和度的增大而增大，故也可用来刻画T2截止值。

因常规的线性拟合难以准确表征相关性复杂的T2截止值，用可自我学习的BP神
经网络算法对其进行预测[12-14]。

设计2×4×1的BP神经网络，输入为T2几何均值与4~32ms核磁共振孔隙度，输出为T2截止值。

利用某地区20块致密砂岩储集层岩心进行网络自学习，并用另29块岩样对建立的网络进行验证。

由图2可看出，建立网络的计算精度较高。

对比岩心核磁共振实验数据与核磁共
振测井数据，岩心4~32ms核磁孔隙度1.442%~7.454%，解释层段4~ 32ms
核磁孔隙度为1.559%~7.418%；岩心T2几何均值为4.361~21.197ms，解释层段T2几何均值为6.319~ 22.918ms.两输入范围均包括核磁共振测井两参数相应
范围且岩心数据较多，说明结果可信。

利用此模型对束缚水饱和度进行求取。

求取公式为
由图3可知，利用BP神经网络方法求得的束缚水饱和度精度较高。

由于无法准确评价地层因素，考虑从孔隙结构效率物理意义进行分析。

假设孔隙空间被分为2个正交的元素，元素Pf平行于电势梯度，而元素Pp垂直于电势梯度。

对于每个单元体积，元素Pf的离子迁移效率远比Pp高，将孔隙结构效率定义为
Pf与Pp的体积比。

依照其物理意义可推知，元素Pf因平行于电势梯度，离子移
动速度必然远大于元素Pp.而研究孔隙结构又可知，束缚流体因无法在岩石中进行移动，其离子移动速度近乎为0.故束缚流体的体积可类比为元素Pf的体积，可动流体的体积可类比为元素Pp的体积，孔隙结构效率意义近似于束缚流体与可动流体的体积比。

核磁共振中利用T2截止值来划分束缚流体与可动流体（图4）。

横向弛豫时间小
于T2截止值的孔隙所对应的流体为束缚流体，横向弛豫时间大于T2截止值的孔
隙所对应的流体为可动流体。

而高束缚流体体积应对应大的T2截止值。

以此推论尝试利用T2截止值预测孔隙结构效率。

用上述29块岩样进行孔隙结构效率与T2截止值相关性分析。

由图5看出显示孔
隙结构效率与T2截止值呈良好的指数关系，相关系数达到了0.820 1（图5）。

最后，利用遗传算法对公式中的参数进行优选，求得a，d，b，v分别为9.053，-1.986，-0.006，-8.194.这样，就可以达到利用核磁共振测井基于动态孔隙结构效率对渗透率进行评价的目的。

为验证该模型的适用性，选取上述29块岩样，利用经典模型与岩石理论模型进行渗透率预测（表2，图6）。

由表2中可看出，本文提出的动态孔隙结构效率渗透率预测方法精度较高，在较高渗透率与较低渗透率处相对误差均远低于表1中SDR模型与Coates模型相对误差，平均相对误差为28.71%，可以满足实际应用需求。

图6各交会图中预测点越接近对角线，说明计算的渗透率越准确，渗透率模型预测效果越好；反之，各点越远离对角线，说明计算的越不准确，利用该模型计算的精度越低。

SDR模型与Coates模型已被证明均无法满足致密砂岩储集层渗透率计算。

基于等效岩石组分理论的渗透率模型由于充分考虑了孔喉结构、孔隙空间分布、孔隙比表面积对储集层渗透率带来的影响，故计算精度较经典模型有一定的提高。

需要指出的是，本文提出的方法，由于缺少特低渗透率样品，该方法在特低渗透率区域应用效果尚需加以验证。

（1）T2几何均值与4~32ms核磁孔隙度与T2截止值具有良好的相关性。

运用BP神经网络预测T2截止值，为T2截止值的评价提供了新的思路。

（2）孔隙结构效率与T2截止值具有良好的的指数关系。

在渗透率评价中，可基于此思路评价孔隙结构效率，并进行储集层渗透率预测。

（3）基于动态孔隙结构效率的核磁共振测井预测方法来计算渗透率，既缩小了常规测井无法连续评价孔隙结构效率及束缚水饱和度计算精度不高带来的计算误差，又通过逐点计算T2截止值以及动态孔隙结构效率的求取，解决了经典核磁共振方法计算渗透率精度不高的缺点，适用于致密砂岩储集层渗透率预测。

符号注释
a，b，d，v——经验参数，与地区实际情况有关，由遗传算法求得；
C——孔隙结构效率；
F——地层因素；
K——渗透率，mD；
Swi——束缚水饱和度，%；
ϕ——砂岩孔隙度，%；
ϕef——有效流动孔隙度，%；
ϕNMRB——束缚流体孔隙度，%；
ϕNMR——核磁总孔隙度，%.
【相关文献】
［1］邵维志，丁娱娇，肖斐，等.利用T2谱形态确定T2截止值的方法探索［J］.测井技术，2009，33（6）：430-435.
ShaoWeizhi，Ding Yujiao，Xiao Fei，etal.On themethod ofdeterm⁃ing T2cutoffvaluewith the T2spectrum characteristics［J］.Well Log⁃ging Technology，2009，33（6）：430-435. ［2］CoatesGR，Marschall D，Mardon D.A new characterization ofbulk⁃volume irreducible usingmagnetic resonance［R］.Houston，Texas：SPWLA 38th Annual Logging Symposium，1997.
［3］Kenyon W E，Day P I，Straley C，et al.A three⁃part study ofNMR longitudinal relaxation properties ofwater⁃saturated sandstones［R］. SPE 15643，1988.
［4］魏虎.低渗致密砂岩气藏储层微观结构及对产能的影响［D］.西安：西北大学，2011：4-8. Wei Hu.Micro⁃structure of the low permeability&tight sandstone gas reservoir and its influence on as production［D］.Xi'an：North⁃westUniversity，2011：4-8.
［5］范俊佳，周海民，柳少波.塔里木盆地库车坳陷致密砂岩储层孔隙结构与天然气运移特征［J］.中国科学院大学学报，2014，31（1）：108-116.
Fan Junjia，Zhou Haimin，Liu Shaobo.Pore structure and gasmigra⁃tion characterization
of tight sandstone in Kuqa depression ofTarim basin［J］.Journal of University of Chinese Academy of Sciences，2014，31（1）：108-116．
［6］刘向君，周改英，陈杰，等.基于岩石电阻率参数研究致密砂岩孔隙结构［J］.天然气工业，
2007，27（1）：41-43.
Liu Xiangjun，Zhou Gaiying，Chen Jie，etal.Study on pore structure oftight sand based
on resistivity［J］.Natural Gas Industry，2007，27（1）：41-43.
［7］Shang B Z，Jeffry G，Donald H.A physicalmodel to explain the first archie relationship and beyond［R］.SPE 84300，2003.
［8］Shang B Z，Hamman JG，Caldwell D H.Improved water saturation estimation using equivalent rock elementmodel and applicationsto differentrock types［R］.SPE 113342，2008.
［9］张冲，张占松，张超谟.基于等效岩石组分理论的渗透率解释模型［J］.测井技术，2014，38（6）：690-694.
Zhang Chong，Zhang Zhansong，Zhang Chaomo.A permeability in⁃terpretation model based on equivalent rock elements theory［J］. Well Logging Technology，2014，38（6）：690-694.
［10］苏俊磊，王艳，孙建孟.应用可变T2截止值确定束缚水饱和度［J］.吉林大学学报：地球科
学版，2010，40（6）：1 491-1 495.
Su Junlei，Wang Yan，Sun Jianmeng.Application ofvariable T2cut⁃offvalue to determine irreduciblewatersaturation［J］.JournalofJi⁃lin University：Earth Science Edition，2010，
40（6）：1 491-1 495.
［11］李艳.复杂储层岩石核磁共振特性实验分析与应用研究［D］.山东东营：中国石油大学，2007：65-71.
Li Yan.Research on the experimental analysis and application of the complex reservoir
rock NMR［D］.Dongying，Shandong：Chi⁃na University ofPetroleum，2007：65-71. ［12］胡向阳，熊琦华，王志章.人工神经网络技术在储集层参数预测中的应用［J］.新疆石油地质，2001，22（4）：340-341.
Hu Xiangyang，Xiong Qihua，Wang Zhizhang.Application ofartifi⁃cialneuralnetworks to reservoirsparameters prediction［J］.Xingji⁃ang Petroleum Geology，2001，22（4）：
340-341.
［13］夏宏泉，张贤辉，范翔宇，等.基于神经网络法的逐点渗透率测井解释研究［J］.西南石油学院学报，2001，23（1）：11-13.
Xia Hongquan，Zhang Xianhui，Fan Xiangyu，et al.The study on predicting each point’s permeability based on neural network and log data［J］.JournalofSouthwestPetroleum Institute，2001，23（1）：11-13.
［14］VanderBM，Jutten C.Neural networks in geophysical applications［J］.Geophysics，2000，65（4）：1 032-1 047.。