复杂岩性裂缝— 孔隙型储层

虚拟值） ，平均误差 ０ ．５３％ 。 泥云岩岩心分析孔隙度 与神经网络计算孔隙度之间也有较好的一致性 ，但 平均误差比砂砾岩的大 ，为 １ ．３２％ ，造成的原因除岩 心分析可能是出现误差外 ，主要受常规测井分辨率 的限制 ，常规测井资料不能较好地反映微细储集空 间（微裂缝 、微孔隙）的发育情况 。
参 考 资 料
１ Ｋｏｓｋｏ Ｂ ．Ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｎｄ ｆｕｚｚｙ ｓｙｓｔｅｍｓ ．Ｐｒｅｎｔｉｃｅ Ｈａｌｌ ，１９９２
２ 罗利 ．神经网络在测井解释中的应用 ．天然气工业 ，１９９７ ；
１７ （５ ） ３ 马国福等 ．酒西盆地青西地区油气藏裂缝研究 ．新疆石油
地质 ，２００２ ；２３（１） ４ 谭廷栋 ．裂缝性油气藏测井解释模型与评价方法 ．北京 ：
（收稿日期 ２００５‐０２‐２２ 编辑 韩晓渝 ）
·３·
图 ３ ＬＯＮＧ１０５ 井测井曲线及孔隙度处理成果图
果神经网络计算孔隙度与 ＥＬＡ Ｎ 处理孔隙度 、岩心
第 ２５ 卷第 ５ 期 天 然 气 工 业 地质与勘探
作者简介 ：范铭涛 ，１９６４ 年生 ，高级工程师 ；１９８４ 年毕业于原华东石油学院地球物理勘探专业 ；２０００ 年获西南石油学院石 油与天然气工程领域工程硕士学位 ；现任玉门油田分公司总经理助理 、勘探事业部经理 。 地址 ：（７３５２００）甘肃省玉门市玉门油 田分公司勘探事业部 。 电话 ：（０９３７）３９２１０２９ 。 Ｅ‐ｍａｉｌ ：ｌｚｐ３３７２＠ ｓｉｎａ ．ｃｏｍ
和裂缝的响应 ；录井岩屑荧光 、气测异常段与高产层 位相关性低 。 这些因素造成了测井识别储层不准 确 、储层流体性质判别困难 、储层参数计算精度低等 不利局面 ，使得该区成为全国测井解释难度最大的 地区之一 。 面对众多难题 ，笔者仅对柳沟庄 — 窟窿 山构造下 沟 组 裂 缝 型 储 层 孔 隙 度 的 计 算 方 法 做 探 讨。
为提高孔隙度的计算精度 ，尝试使用了回归分 析方法和 ＢＰ 神经网络技术分别建立孔隙度的计算 模型 。 经比较 ，在输入相同测井信息的情况下 ，ＢＰ 神经网络模型效果更好 。 ＢＰ 神经网络建模过程是 ： ① 根据岩心孔隙度与测井资料的相关系数和裂缝型 储层的特点 ，选用声波时差（Ａ Ｃ） 、补偿中子（ＣＮ Ｌ ） 、 补偿密度 （Ｄ Ｅ Ｎ ） 、深浅侧向电阻率 （Ｒｔ 、Ｒｘｏ ）５ 条测 井曲线与岩心分析孔隙度组成砂砾岩和泥云岩的孔 隙度样本 ；② 输入样本数据进行 ３ 层 ＢＰ 网络学习训 练 ，在系统误差小于允许误差时网络训练结束 ，得到 用测井资 料 计 算 砂 砾 岩 和 泥 云 岩 孔 隙 度 的 模 型 参 数 ，建模结束 。 建模结果显示 ，砂砾岩岩心分析孔隙度与神经 网络计算孔隙度有很好的一致性 （图 ２ ，图中深度为
第 ２５ 卷第 ５ 期 天 然 气 工 业 地质与勘探
复杂岩性裂缝 — 孔隙型储层 孔隙度计算方法研究
范铭涛１ 沈全意１ 吴 辉１ 罗 利２ 刘子平２
石油工业出版社 ，１９８７ ５ 宋惠珍 ，贾承造等著 ．裂缝性储集层研究理论与方法 ———
塔里木盆地碳酸盐岩储集层裂缝预测 ．北京 ：石油工业出 版社 ，２００１ ６ 谭廷栋 ．裂缝性油气藏测井解释模型与评价方法 ．北京 ： 石油工业出版社 ，１９８７ ７ 罗利 ．低孔砂岩孔隙度计算方法及裂缝识别技术 ．测井技 术 ，１９９９
（１ ．玉门油田分公司勘探事业部 ２ ．四川石油管理局测井公司）
范铭涛等 ．复杂岩性裂缝 — 孔隙型储层孔隙度计算方法研究 ．天然气工业 ，２００５ ；２５（５） ：２９ ～ ３０ 摘 要 酒泉盆地青西坳陷青南凹陷柳沟庄 — 窟窿山构造下沟组储层岩性主要为低孔 、低渗砂砾岩类和泥云 岩类 ，岩石矿物成分复杂 、泥质含量高 、黄铁矿富集 、裂缝类型及组合形式复杂 ，属典型复杂岩性裂缝 — 孔隙型储 层 。 在这类复杂岩性裂缝 — 孔隙型储层中 ，自然伽马等测井曲线不能很好指示地层中的泥质含量 ，常规测井资料 难以准确识别地层的岩石矿物成分 ，单条测井曲线与岩心孔隙度之间的关联度低 ，采用常规的孔隙度测井计算方 法存在明显的缺陷 ，孔隙度计算精度远远不能满足储层评价和储量计算要求 。 文章利用岩心分析数据和测井信息 等资料 ，采用 ３ 层 ＢＰ 神经网络进行学习训练 ，得到砂砾岩岩类和泥云岩岩类的孔隙度计算模型 。 利用该模型计算 储层孔隙度 ，其结果与岩心分析孔隙度比较 ，平均误差小于 １ ．５％ ，能满足储量计算要求 。 在实际应用中见到良好 效果 ，孔隙度计算精度明显得到提高 。 主题词 储集层 复杂岩性 裂缝（岩石） 孔隙度 计算 神经网络
图 ２ 砂砾岩取心段测井曲线及孔隙度对比图
三 、应用实例
图 １ 砂砾岩岩心分析孔隙度与 Ａ Ｃ 、ＣＮ Ｌ 交会图
表 １ 测井响应与岩心分析孔隙度之间的关联度表
测井响应 Ａ Ｃ Ｃ Ｎ Ｌ Ｄ ＥＮ Ｒｔ
Ｒｘｏ
ＧＲ
关联度 ０ ．２６５ ０ ．２２１ ０ ．２３７ ０ ．２０１ ０ ．２１７ ０ ．１１６
·１·
地质与勘探 天 然 气 工 业 ２００５ 年 ５ 月
与岩心孔隙度相差较大 ，已不能满足储层评价和储 量计算要求 。 因而 ，有必要尝试其他数字处理方法 以提高孔隙度的计算精度 。 交会图显示该区砂砾岩岩心分析孔隙度与声波 时差（Ａ Ｃ） 、补偿中子 （ＣＮ Ｌ ）呈散乱的对应关系 （图 １） 。 将岩心分析孔隙度作为母数列 ，测井数据作为 子数列 ，经关联度分析后得到测井资料与岩心分析 孔隙度之间的关联度 （见表 １ ） ，关联度越高 ，它们之 间的关联程度越好 。 从表 １ 中看出 ，单条测井曲线 与岩心分析孔隙度之间的关联程度低 。 造成这种现 象的原因主要有两点 ：一是储层段裂缝是主要的储 集空间和渗滤通道 ，而常规测井资料受分辨率影响 不能较好的指示裂缝的发育程度 ，造成岩心孔隙度 高而声波时差 、补偿中子值低 ；二是复杂岩性而非孔 隙度造成了部分交会点的声波时差 、补偿中子值增 高 。 泥云岩岩心孔隙度与常规测井资料之间也呈散 乱的对应关系 。
分析孔隙度三者进行了对比 ，对比结果显示三者有 较好 的 可 比 性 ，但 神 经 网 络 计 算 孔 隙 度 精 度 比 ＥＬＡ Ｎ 处理孔隙度精度更高 。
四 、结束语
实际资料处理证实 ，孔隙度精细计算方法提高 了柳沟庄 — 窟窿山构造下沟组复杂裂缝型储层孔隙 度的计算精度 ，有利于提高现场解释和储层综合评 价质量 。
·２·
在计算储层孔隙度时 ，输入所需的测井数据 ，结 合地质录井确定的岩性 ，选用砂砾岩或泥云岩的孔 隙度模型参数就能得出神经网络计算孔隙度 。 图 ３ 是 ＬＯＮＧ１０５ 井 测 井 曲 线 及 孔 隙 度 处 理 成 果 图 。 ４４４５ ～ ４４７０ ｍ 神经网络计算孔隙度 、ＥＬＡ Ｎ 处理孔 隙度与岩心分析孔隙度的一致性较好 ，但 ＥＬＡ Ｎ 处 理孔隙度的误差更大 。 ４５４０ ～ ４５５０ ｍ 计算孔隙度 神经网络计算孔隙度与岩心分析孔隙度的一致性较 好 ，但 ＥＬＡ Ｎ 处理孔隙度值则明显偏低 。 对近２０口井的孔隙度进行了处理 ，并将处理结
一 、地质简况
柳沟庄 — 窟窿山构造位于酒泉盆地祁连山逆掩 推覆体之下的青西坳陷青南凹陷的中西部 。 下白垩 统下沟组（Ｋ１ ｇ）为主要的钻探目的层 ，产层埋深一般 在 ４１００ ～ ４７００ ｍ 。 根据岩石成分以及各类岩性对 储层的贡献程度等 ，将下沟组地层岩类划分为白云 岩类 、泥质岩类以及砂砾岩类 ３ 类 。 储层储集岩性 主要为白云岩类（包括泥质白云岩 、白云质泥岩） 、砂 砾岩类（包括含砾砂岩 、砂质砾岩 、砾岩）两大类 。 储 层的储集空间有孔和缝两大类 。 孔洞主要包括溶蚀 孔洞和微孔隙 （如晶间微孔及粒间微孔隙等 ）两类 。 溶蚀孔洞分为粒间溶孔 、粒内溶孔 、晶间溶孔及溶 洞 ，裂缝包括构造缝 、构造 — 溶蚀缝 、压溶缝及微裂 缝等 。 储集类型以裂缝 — 孔隙型为主 。 近年来的勘探开发表明 ，柳沟庄 — 窟窿山构造 下沟组储层基块孔隙度低 ，储层非均质性强 ，裂缝类 型及裂缝组合形式复杂且对产能贡献的大小不一 ； 产层段横向变化大 ，地层邻井对比困难 ；地层泥质含 量高 ，岩性复杂 ；黄铁矿富集并顺层或顺裂缝发育 ， 泥质与黄铁矿对双侧向的影响往往掩盖了储层流体
二 、孔隙度精细计算方法
孔隙度的计算通常依据岩石物理体积模型建立起测井响应的计算方程 ，解方程或方程组得到孔隙 度的计算结果 。 然而 ，在柳沟庄 — 窟窿山构造下沟 组中 ，对比测井资料和取心 、录井资料发现 ，自然伽 马 （Ｇ Ｒ ）等测 井曲 线不 能 很 好 指 示 地 层 中 的 泥 质 含 量 ；声波时差（Ａ Ｃ） — 补偿中子（ＣＮ Ｌ ）交会图等显示 取心分析的泥质白云岩和砂砾岩分布在相同的区域 内 ，常规测井资料已不能准确识别地层的岩石成分 ， 因而不能准确选取骨架解释参数 ，由此必然会影响 孔隙度的计算精度 。 实际资料处理也证实 ，因泥质 参数和岩性骨架参数选取不准 ，单条测井曲线与岩 心孔隙度之间的关联度低 ，常规模型计算的孔隙度