测井相

１ 、２ 的数据对［ｘ（ｉ） ，ｘ （ｉ ＋ １ ）］ 、［ ｘ （ｉ） ，ｘ （ｉ ＋ ２ ）］的数
目。
２ ．３ ．３ 微相段测井平均值（ｘａ ） 主要反映曲线幅度大小 。 即
Ｎ
∑ ｘａ
＝
１ Ｎ
ｉ＝ １
ｘ（ｉ）
（４ ）
２ ．３ ．４ 微相段中粒度均值（Ｍｄ ）
主要反映沉积环境能量的高低 。 即
来自百度文库
２ ．９４２ Ｓ Ｈ ＋ １ ．１０７ ＰＯＲ － ２８５ ．３８３ 中砂岩层 ：
Ｙ２ ＝ ２ ．９８１ ＧＲ － ０ ．４３６ ＩＬ Ｄ ＋ １４８ ．４８２ Ｄ Ｅ Ｎ －
２ ．２５７ Ｓ Ｈ ＋ １ ．０９２ ＰＯＲ － ２３６ ．０４８
细砂岩层 ：
３ ．９４３ Ｓ Ｈ ＋ ０ ．９９１ ＰＯＲ － ３６０ ．４ 式中 ：Ｓ Ｈ 为泥质含量值 ；ＧＲ 为自然伽马测井值 ；Ｉ Ｌ Ｄ 为深感应测井值 ；Ｄ Ｅ Ｎ 为密度测井值 ；ＰＯＲ 为孔隙
度 ；Ｙ １ 、Ｙ２ 、Ｙ ３ 、Ｙ４ 分别为粗砂岩 、中砂岩 、细砂岩 、粉砂 岩的概率值 。
０ 引言
以往的岩性和沉积环境的研究工作［１‐２］ 都是主要 通过岩心观察或者综合分析岩屑录井资料 ，但取心及 岩屑录井资料都有限 。 而事实上 ，每口井的各种测井 资料所提供的丰富的地质信息并未得到充分的利用 ， 高效利用测井资料中丰富地质信息已成为沉积相的研 究工作从定性解释向定量解释发展的方向了 。 近年 来 ，于民凤等［３］ 通过蜘蛛网图和梯形图的方法 ，展示了 不同沉积相的特征 ；唐洪等［４］ 应用直方图或频率交会 图等方法 ，从测井相等展示了不同沉积相的特征 ；严科 等［５］ 实现了沉积微相的人机交互识别 ，应用 Ｂａｙｅｓ 统 计方法 ，建立测井相 — 沉积微相线性判别模型 ，取得了 明显的成效 。 测井相研究的目的是通过其测井响应 ，客观地描 述探测得到的穿过层系 ，并识别出现有的不同的基本 测井相 ，用以研究它的垂直序列的排列 ，由此推断侧向 演变 ，并达到重建沉积环境的目的 。 该研究需要结合 研究区的地质特征和测井曲线响应特征 ，但实际往往 受到研究区地质特征和测井响应特征的约束 。 因此 ， 建立适应研究区域的分析方法及判别模型 ，用测井资
岩性 粒度大小
表 １ 粒度大小划分岩性对照表
ｍｍ
粗砂岩 中砂岩 细砂岩 粉砂岩 泥岩
１ ～ ０ ．５ ０ ．５ ～ ０ ．２５ ０ ．２５ ～ ０ ．１ ０ ．１ ～ ０ ．０１ ＜ ０ ．０１
图 １ 不同粒度砂岩测井值雷达图
泥岩层 ：Ｓ Ｈ ＞ ５０ ％ 粗砂岩层 ：
Ｙ１ ＝ ３ ．８５３ ＧＲ － ０ ．５６６ ＩＬ Ｄ ＋ １５２ ．２６ Ｄ Ｅ Ｎ －
作者简介 ：常文会 ，１９６６ 年生 ，高级工程师 ，博士研究生 ；现任中国石化集团华北石油局测井公司经理 ，从事测井解释方法研究 及管理工作 。 地址 ：（４５３７００）河南省新乡市洪门 。 电话 ：（０３７３）５７９５６０１ 。 Ｅ‐ｍａｉｌ ：ｈｂｓｊｃｈａｎｇｗ ｈ＠ ｖｉｐ ．１６３ ．ｃｏｍ
ＲＭ ＞ ０ ．５ ；漏斗形的重心偏上方 ，ＲＭ ＜ ０ ．５ ；箱形的重
心居中 ，ＲＭ ＝ ０ ．５ 。
Ｎ
∑ ｉｘ （ｉ）
ＲＭ ＝
ｉ＝ １ Ｎ
（２ ）
（ Ｎ ＋ １） ∑ ｉｘ （ｉ） ｉ＝ １
式中 ：Ｎ 为微相段内数据点数 ；ｘ（ｉ）为测井曲线值 。
２ ．３ ．２ 变差方差根（Ｇ Ｓ）
综合反映微相段内曲线段整体波动性程度和锯齿
Ｘｍｉｎ 为测井曲线最小值 ；Ｘｍａｘ 为测井曲线最大值 。
第 ３０ 卷第 ２ 期 地 质 勘 探
·３·
２ ．３ 特征参数 ２ ．３ ．１ 相对重心（ＲＭ ） 主要反映曲线形态的变化 ，钟形的重心偏下方 ，
常文会等 ．曲流河环境沉积微相和测井相特征分析 ．天然气工业 ，２０１０ ，３０（２） ：４８‐５１ ． 摘 要 在钻井过程中 ，取心及岩屑录井资料都十分有限 ，以往通过岩心观察或者综合分析岩屑录井资料来进行岩 性和沉积环境研究的方法受到很大限制 ，而利用各种测井资料所提供的丰富信息来进行沉积相研究已成为发展趋势 。 通过研究曲流河沉积相中各沉积微相的特征及在测井曲线上的响应特征 ，提取各不同沉积微相的测井相特征参数 ，建立 曲流河沉积环境的各沉积微相的测井相模式及特征参数样本 ，利用 ＢＰ 神经网络技术反馈学习 ，获得一套适合研究区曲 流河沉积微相的判别系数 ，并对其他实际测井资料进行沉积微相自动识别 ，所得结果与地质专家解释结果吻合率在 ８４％ 以上 ，效果显著 。 由此表明在油气勘探进程中采用该方法进行沉积微相自动识别是切实可行的 ，可大大提高储层解 释的速度和精度 。 关键词 曲流河 沉积微相 测井相 模糊数学 特征 解释 ＤＯＩ ：１０ ．３７８７ ／ｊ ．ｉｓｓｎ ．１０００‐０９７６ ．２０１０ ．０２ ．０１０
第 ３０ 卷第 ２ 期 地 质 勘 探
·１·
曲流河环境沉积微相和测井相特征分析
常文会１ ，２ 赵永刚２ 卢 松１
１ ．中国地质大学地球物理与空间信息学院 ２ ．中国石化集团华北石油局测井公司
４ 实际井资料处理
Ｎ
∑ Ｍｄ ＝
１ Ｎ
ｉ＝ １
Ｍｄ （ｉ）
（５ ）
式中 ：Ｍｄ （ｉ）为岩石粒度值 。
３ ＢＰ 网络识别沉积微相
ＢＰ 网络是一种多层前馈神经网络 ，其神经元的 变换函数是 Ｓ 型函数 。 因此输出量为 ０ ～ １ 之间的连 续量 ，可以实现从输入到输出的任意非线形映射 ，权值 调整采用的是反向传播的学习算法 。 在确定了 ＢＰ 网 络结构之后 ，利用输出 、输入样本集对其进行训练 ，即 对网络的权值和阈值进行学习和调整 ，以使网络实现 给定的输入 、输出的映射关系 。 经过训练的 ＢＰ 网络 ， 对于不是样本集中的输入就能给出合适的输出 。 但 是 ，样本集所包含的信息必须与样本集所包含的信息 类似 ，否则 ，需重新训练寻找合适的权重 ，才能做出精 确预测（图 ２） 。 通过对几口关键井的详细研究以及地质专家解释
Ｙ３ ＝ ４ ．７３１ ＧＲ － ０ ．５５５ ＩＬ Ｄ ＋ １４９ ．５６７ Ｄ Ｅ Ｎ －
３ ．２９１ Ｓ Ｈ ＋ １ ．２１３ ＰＯＲ － ３３４ ．９３１ 粉砂岩层 ：
Ｙ４ ＝ ４ ．８２９ ＧＲ － ０ ．３６８ ＩＬ Ｄ ＋ １４９ ．６０９ Ｄ Ｅ Ｎ －
２ 测井特征参数提取
测井相分析利用自然伽马 （ＧＲ） 、自然电位 （Ｓ Ｐ） 等能够表征沉积环境的测井曲线定性特征以及定量计 算出的各种测井参数值来描述地层的沉积相 。 由于测 井资料具有间接性导致测井解释不可避免地具有多解 性 。 这种多解性可以由测井系统的完善 ，测井资料质 量的提高以及地质资料的约束来克服 。 应用高质量的 测井资料 ，可以从中提取出反演地层沉积环境的相关 信息 。 ２ ．１ 岩性自动划分 根据地层岩性［８］ 粒度大小进行层段划分 ，主要可 分为粗砂层 ，中砂层 ，细砂层 ，粉砂层 ，泥岩层 （含碳质 泥岩）５ 种岩性地层（表 １） ，不同的岩性对应的各曲线 的测井值不同（图 １） ，结合研究区域录井资料 ，选取各 不同粒度岩性测井响应样本 ，运用 Ｂａｙｅｓ 判别方法［９］ ， 得出概率分布函数 。
料信息接合人工智能技术直接转换成地质信息是一项 新的探索 。
１ 曲流河环境沉积微相及测井相特征
该研究区域发育为曲流河沉积［１ ，６］ ，主要亚相有 河道亚相 、堤岸亚相 、河漫亚相以及牛轭湖亚相 。 其中 牛轭湖亚相在该区不发育 。 １ ．１ 曲流河沉积亚相类型及其沉积特征 １ ．１ ．１ 河道亚相 岩石类型以砂岩为主 ，次为砾岩 ，碎屑粒度是河流 相中最粗的 。 层理发育 ，类型丰富多彩 。 缺少动植物 化石 ，仅见破的植物枝 、干等残体 ，岩体形态多具有透 镜状 ，底部具有明显的冲刷界面 。 学者们又把河道亚 相分为河床滞留和边滩两个微相 。 １ ．１ ．２ 堤岸亚相 堤岸亚相在垂向上发育在河床沉积的上部 ，属河 流相的顶层沉积 。 与河道沉积相比 ，其岩石类型简单 ， 粒度较细 ，浊型交错层理为主 。 主要由天然堤和决口 扇两个微相组成 。 １ ．１ ．３ 河漫沉积 河漫沉积类型很简单 ，主要为粉砂岩和黏土岩 。
运用各岩性的概率分布函数对各原始样本的回判
验证中 ，正确率在 ９５ ％ 以上 ，效果明显 。
２ ．２ 测井曲线归一化
为了使各特征参数有利于对比 ，对测井曲线进行
归一化［１０‐１２］ 处理 ，即
Ｙ
＝
（Ｘ － Ｘｍｉｎ ） （ Ｘｍａｘ － Ｘｍｉｎ ）
（１ ）
式中 ：Ｙ 为归一化后的测井数据 ；Ｘ 为原始测井数据 ；
资料 ，选取若干沉积微相层段作为神经网络学习样本 ， 建立曲流河环境 ７ 种微相的测井相判别模式 。 其 ＢＰ 训练误差见图 ３ 。
图 ２ 带权重的神经网络示意图
图 ３ ＢＰ 训练误差图
结合曲流河环境的测井曲线特征 ，测井特征参数 主要有自然伽马曲线和自然电位曲线的重心 、幅值 、波 动及锯齿大小 、岩性粒度平均值作为 ＢＰ 神经网络的 输入层 ，中间节点数为 １８ ，隐含层学习率为 ０ ．１ ，输出 层学习率为 ０ ．０５ 。 训练所得训练误差达到 ０ ．０１１ ４ ， 原始数据的回判效果达到 １００％ ，效果显著 。
·２·
天 然 气 工 业 ２０１０ 年 ２ 月
粒度是河流沉积中最细的 ，层理类型单调 ，主要为波状 层理和水平层理 。 平面上位于堤岸亚相外侧 ，分布面 积广泛 ；垂向上位于河床或堤岸亚相之上 ，以下为河漫 沉积的 ３ 个沉积微相（河漫滩 、河漫湖泊 、河漫沼泽） 。 １ ．２ 测井相特征 沉积环境和岩石粒度的不同 ，使得测井曲线的形 态特征［４‐８］ 上也不同 ，主要表现在以下几方面 。 河床滞留沉积 ：自然电位曲线常为光滑的箱形或 钟形曲线 ，曲线顶 、底部常为突变 ，但顶部有时可能为 渐变 ，电阻率曲线的异常则可能很小 ，泥质含量较低 。 边滩沉积 ：自然电位曲线上常为钟形或齿化钟形 ， 也有时会出现钟形或齿化钟形的叠加 ；电阻率偏高 ，泥 质含量较低 。 天然堤 ：岩性主要为薄的砂泥岩薄互层 ，自然电位 和自然伽马曲线为中 — 低幅度的指形或锯齿状 。 决口扇 ：自然电位和自然伽马曲线为中 — 低幅度 扁钟形 ，顶 、底界面通常为突变型 ，但也存在底部突变 型和顶部渐变型 。 河漫滩 ：自然电位和自然伽马常为中 — 低幅度齿 化箱形 ，电阻率异常较小 。 河漫湖泊 ：主要为黏土岩沉积 ，夹有粉砂岩 ，测井 曲线一般表现为平直型（夹有小尖峰） 。 河漫沼泽 ：测井曲线形态常为平直型（夹有齿化小 尖峰） ，当有碳质泥岩沉积时 ，自然伽马曲线出现低值 ， 形态表现为指状 。
的多少 ，波动大锯齿多 ，则 ＧＳ 值大 ；反之 ＧＳ 小 。 即
１
ＧＳ ＝ ［Ｇ（１） ＋ Ｇ（２）］２
（３ ）
Ｍ（１ ）
其中 ：Ｇ（１）
＝
∑ １
２ Ｍ（１）
ｉ＝
１
［ ｘ （ ｉ）
－
ｘ（ｉ ＋
１ ）］２
Ｍ（２ ）
∑ Ｇ（２）
＝
１ ２ Ｍ（２）
ｉ＝
１
［ ｘ （ ｉ）
－
ｘ（ｉ ＋
２ ）］２
式中 ：ｘ（ｉ）为测井曲线值 ；Ｍ （１） 、Ｍ （２ ）分别是间隔为