李功权,吴东胜,陈恭洋

(长江大学地球科学学院，湖北 荆州 434023)

空间数据挖掘在储层表征中的应用实践

李功权,吴东胜,陈恭洋

(长江大学地球科学学院，湖北 荆州 434023)

储层表征的过程可以看成是尽可能地整合多种数据源形成储层地质知识库的过程。在储层表征过程中应用数据挖掘方法应按照原始数据及研究成果收集、数据预处理、储层知识获取、储层知识质量评估和储层知识入库等5个步骤进行。按照这5个步骤，在吐哈油田温西一区块的研究过程中应用空间叠加分析和统计学方法研究了其沉积微相与生产动态的对应关系，采用地质统计学方法定量地获取了三间房组第二砂层组的沉积微相分布知识，应用可视化方法检查了该储层模型的准确性。实践表明，应用数据挖掘方法不仅可以提高储层表征工作效率，而且可以交互验证各个阶段的储层知识，保证储层知识的完整性和正确性。

储层表征；数据挖掘；叠加分析；可视化

储层表征的过程实际上是储层地质研究结果定量化的过程，也就是尽可能地整合多种数据源，综合和概括多项研究成果，形成储层地质知识库的过程[1～3]。获取储层知识的方法有成熟区井网的精细解剖、沉积过程模拟和现代地质考查3种方法[4]，其中以成熟区井网的精细解剖最为适用[5]。无论哪一种方法，如果仅仅依赖人工的方式进行研究，都是费时、费力的研究工作。而空间数据挖掘技术[6]的出现，可以为各项储层地质专项研究提供辅助，但由于地质过程的复杂性，研究方法的多样性和地质数据的不确定性，还需要研究各种空间数据挖掘算法的适用条件，获取储层知识的基本步骤等。基于以上认识，笔者以成熟区井网的精细解剖为例，探讨了其在储层表征中的获取储层知识的一般步骤及其实际应用效果。

1 数据挖掘方法获取储层知识的基本步骤

图1 数据挖掘辅助储层表征的一般步骤

数据挖掘技术是在统计学、人工智能(特别是机器学习)和数据库技术等多种技术的基础上发展起来的，其常用的数据挖掘方法包括统计分析方法、空间分析方法、聚类与分类方法、神经网络方法、 数据可视化方法、粗集方法及云理论等[7]。由于每一种数据挖掘方法都有其自身的特点，在实际应用过程中并不能随意地挑选一种挖掘方法就能得到满意的结果，因此，根据储层地质研究的数据特点和研究流程，可以将空间数据挖掘方法辅助获取储层知识的整个过程划分为5个环节(图1)，即原始数据及研究中间成果收集、数据预处理、储层知识获取、储层知识评估和解释阶段以及储层知识入库。

1)原始数据及研究成果收集 储层建模的数据挖掘有别于一般的空间数据挖掘，因为其挖掘的对象除原始数据以外，还可能包括储层精细地质研究成果、测井解释成果和地震解释成果等。数据挖掘所需数据的抽取相对容易，关键是怎么为某项数据挖掘专题研究提供有效数据，如挖掘沉积微相与电性曲线之间的知识关系时，选择哪几条测井曲线能代表工区内沉积微相的特征，则往往由于地质条件的多变，需要研究人员的决策，因而在数据抽取时应提供对应的提示信息。

2)数据预处理 由于储层数据的类型较多、量纲也不尽相同以及可能存在误差等，直接将其用于数据挖掘是不合适的。为此，在使用数据挖掘算法开始前，应对提取的数据进行预处理，如沉积微相合并及编码、物性数据正态分布处理和其他研究成果的质量检查等。

3)储层知识获取 这是数据挖掘过程中最关键的一步，也是技术难点所在，主要是根据准备获取的储层知识类型选择哪一种数据挖掘算法。数据挖掘算法的选择主要是根据数据的特点和储层知识类型2个方面的因素进行。例如，要统计各沉积微相的百分含量，则需选择一般的统计学方法。

4)储层知识质量评估 数据挖掘用于储层表征的目的是获得对储层地质知识。然而，经数据挖掘方法所获的知识，可能存在不完全正确的知识，这就需要根据实际地质情况进行综合分析。例如，直接根据单井解释成果统计各沉积微相的百分含量，由于钻井位置的人为性以及工区的覆盖程度等因素，就有可能致使统计的各沉积微相的百分含量存在误差甚至错误。也有可能所发现的知识不满足实际需要，这就要求重新返回到数据挖掘阶段之前，重新分析数据对象的特点，甚至更换一种挖掘算法，不同的方法可能具有不同的挖掘效果。如在获取波阻抗与微相、孔隙度等参数的相关关系时常常需要进行多次反复。作为储层表征的最终结果，储层模型建立后，也可以利用空间数据挖掘方法获取储层知识，以便和前期研究获得的储层知识进行比较和分析。

5)储层知识入库 作为储层知识获取的最后一个环节，可以采用数据库的管理方法来管理储层知识，因为采用数据挖掘方法得到的并且被评估为可利用的储层知识，一方面还要在以后的生产实践中进行检验，另一方面，随着对储层认识的不断加深，还需进一步补充和完善。

2 实际应用效果分析

吐哈油田温西一区块位于台北凹陷Ⅰ级构造带内的温吉桑Ⅱ级构造带中带，是一个走向北东的短轴断背斜，闭合面积5.8km2。工区内完钻47口井，较均匀地分布在工区范围内，是一个很好地实例研究区块(图2)。在储层地质研究、储层建模过程中,笔者应用数据挖掘方法进行了尝试。

图小层注水产液剖面与沉积微相关系图

2)在储层建模过程中的应用 在储层建模开始之前，首先根据储层精细地质研究成果来确定沉积微相类型及展布特点，然后采用空间分析方法中地质统计学方法获取定量的储层分布知识。由于沉积微相的分布受基准面变化的影响和控制，相应地，储层砂体也表现出在纵向和横向上有规律的分布特征。该区储层的成因类型主要可划为水下分流河道、河口坝和前缘席状砂3种沉积砂体和支流间湾。在该研究过程中，由于井距在400m左右，且位置分布均匀，首先按每30°计算实验变差函数，然后做出各个方向的实验变差函数图，最终得到各层的变差函数参数。表1为S2的各沉积微相的变差函数参数，展布方向以北偏东30°为主要展布方向，支流间湾占主导作用，达到了近70%，各水下分流河道和支流间湾微相呈条带状展布。

表1 各旋回平面沉积微相指示变差函数参数

图3 WX1-73～ WX1-35井沉积微相剖面

3)储层模型建立后的应用 可视化的数据挖掘方法是在统一的空间坐标系下，采用三维显示、三维交互技术，实现多维数据、多属性的综合可视化，可以形象直观地查看变量的空间分布。在储层研究过程中既可以在三维空间中检查数据质量，又可以在储层模型建立完毕以后，通过多种切片技术查看属性的空间分布，根据储层地质研究获得的地质认识判断储层模型的可靠性。沉积微相剖面图如图3所示。由图3可以看出各沉积微相在空间中的变化，如在井WX1-54和WX1-405之间，河口坝砂体在空间中的尖灭位置清楚可见。

3 结 语

虽然以前的储层表征过程中也采用了一些与空间数据挖掘类似的方法，但没有在一个完整的框架下去归纳统一。通过在吐哈油田温西一区块储层表征中的实践应用，在储层表征中整合空间数据挖掘方法，不仅可以提高储层表征工作效率，而且可以交互验证各个阶段的储层知识，保证储层知识的完整性和正确性。

[1]裘亦楠.储层地质模型[J].石油学报,1991,12(4): 55～62.

[2]陈恭洋. 碎屑岩油气储层随机建模[M]. 北京:地质出版社,2000.

[3]林克湘,张昌民.地面-地下对比建立储层精细地质模型[M].北京:石油工业出版社,1995.

[4]李少华, 张昌民, 林克湘，等. 储层建模中几种原型模型的建立[J]. 沉积与特提斯地质, 2004,24(3): 102～106.

[5]尹太举,张昌民.双河油田井下地质知识库的建立[J] .石油勘探与开发,1997,24 (6):95～98.

[6]LI Deren, WANG Shuling, Shi Wenzhong,etal.On Spatial Data Mining and Knowledge Discovery [J]. Geomatic and Information Science of Wuhan University，2001,26 (6):491～499.

[7]邸凯昌. 空间数据挖掘和知识发现的理论与方法[D]. 武汉: 武汉测绘科技大学,1999.

[编辑] 易国华

2009-08-01

李功权(1971-)，男，1994年大学毕业，博士，副教授，现主要从事油藏描述、空间数据分析和可视化方法方面的研究工作。

TE34

A

1673-1409(2009)04-N047-03