谭伏霖,王志章,隆 山,董彦喜

(1.中国石油大学资源与信息学院,北京 102249;2.西部钻探测井公司,新疆克拉玛依 834000)

样品扩充法识别火成岩

谭伏霖1,王志章1,隆 山2,董彦喜2

(1.中国石油大学资源与信息学院,北京 102249;2.西部钻探测井公司,新疆克拉玛依 834000)

以准噶尔盆地滴西地区火成岩为例,采用样品扩充法识别火成岩。首先挑选岩性稳定的深度段内的样品,然后将其扩充为岩性亚类样本,再利用正态分布函数、R型因子分析和层次分析法联合建立岩性亚类的模糊数学隶属函数,最后遵照最大隶属度原则进行岩性识别,并将识别结果与岩心薄片鉴定资料进行比较。结果表明:各种岩性平均解释符合率为 82.77%;相同岩性的岩性亚类之间的误识对最终结果没有影响,误识的岩性主要为凝灰岩和火山角砾岩。该方法可应用于岩层厚度较大、测井曲线值相对稳定的复杂岩性识别中,其缺点是样品扩充时会舍弃部分岩性样品。

火成岩;岩性识别;样品扩充;模糊数学;层次分析

火成岩作为一种特殊的油气储集岩,正受到越来越多的关注[1-3]。岩性识别是火成岩油气藏研究的基础[4-5]。测井数据交会图法识别火成岩误差较大[6],而数学定量识别时常要根据测井信息的分布函数构造识别函数,如模糊数学识别时,常基于“研究区同一种岩性的测井信息在样点足够多时近似符合正态分布[7]”来构造。火山角砾岩和凝灰岩的测井曲线值不符合正态分布,且其分布函数难以确定;玄武岩、花岗斑岩虽符合正态分布,但其分布范围较大,识别误差较大;霏细岩样品数量少,难以构建识别函数。经分析发现,前两种情况是由于岩石破碎、蚀变等使每种岩性存在多个岩性亚类引起的,若要提高识别精度则须构造每个岩性亚类的识别函数,但各种岩性存在多少岩性亚类难以确定,且如何将每个岩性样品划分到岩性亚类也是一个问题。对于第三种情况通常的做法是增加该种岩性的取心资料,这无疑会大大增加成本。为此,笔者提出样品扩充法识别准噶尔盆地滴西地区火成岩。

1 样品扩充法

样品扩充法就是通过样品挑选与扩充形成新的岩性识别样本库,然后利用该库选择合适的数学方法进行岩性识别的一种方法。该方法的核心就是样品的挑选和扩充,它首先将收集到的岩心岩性准确定名,进行深度归位和奇异值剔除,建立岩性识别基本样本库,每个岩心成为一个岩性样品,然后挑选出大段相同岩性深度段内 (以保证扩充后的岩性亚类样本有足够多的样品数)的岩性样品,在该深度段随机采样扩充成一个符合正态分布的岩性亚类样本,最后是选择合适的数学方法进行岩性识别。

样品扩充应该遵循以下原则:扩充后的岩性样本应该与原用于扩充的样品的岩性一致,测井响应特征也应基本一致;扩充后的岩心样本库与原始基础样本库中各岩性的测井信息的分布特征基本一致;用于扩充的样品应尽量包含原始样本库中各种岩性及其各种状态下的岩性样品。

样品扩充法的一个优点是能够识别出样品数量少的岩性。通常情况下,岩性样品的数量较少时,不能有效构造出合适的岩性识别函数,样品扩充法增加了该种岩性的样品数,进而可以建立该种岩性的识别函数。

样品扩充法的另一个优点就是能够将复杂岩性识别问题分解为一些较易实现的岩性亚类的识别。通过扩充,挑选出的每个岩性样品成为一个岩性亚类样本,它们岩性简单,便于构造识别函数,虽容易发生同一岩性下各种岩性亚类之间的误识,但是由于它们同属于一种岩性大类,故对最终识别结果没有影响。

样品扩充法的最大缺点就是样本挑选的过程中会因为样品的删减而丢失一部分岩性信息,严重时可能丢失某种岩性样本。为了避免这种情况发生,挑选出的样品应尽量包含研究区各种岩性及其各种状态下的岩性样品,即要具有代表性。检查挑选出的样品的代表性主要有两种方法:一种是通过交会图、直方图检查岩性样本库挑选前后各种岩性的分布范围是否大致相同;另一种办法就是利用样本库识别未参与建库的岩心样品,如果对于某种岩性的错误率较高,则说明该种岩性的样本不具备全面代表性。

准噶尔盆地滴西地区的火成岩岩层厚度大,测井曲线值相对稳定,成像测井资料、元素测井资料、取心资料丰富,借助这些资料能确定某深度段内的岩性是否相同,因此可利用样品扩充法进行火成岩岩性识别。

1.1 基础样本库的建立

1.1.1 岩心薄片定名

岩心岩性的准确定名是岩性识别的基础。本次研究采用较为准确的岩心薄片定名。研究中共收集到研究区 21口井 243块岩心薄片,由于有的薄片资料早,定名可能不准确。本次研究将所有收集到的薄片资料全部在镜下观察,并按照地质学的火成岩岩性成分分类标准统一重新定名。该区石炭系发育火成岩和沉积岩两大类岩石,火成岩是该区主要储层构成岩石,包括熔岩类和火山碎屑岩,依据产状,主要分为喷出型和浅成侵入型两种。研究区火成岩主要以凝灰岩为主,其次为玄武岩、流纹岩、火山角砾岩、珍珠岩,安山岩、花岗斑岩、闪长玢岩和霏细岩所占比例相对较少。

1.1.2 岩性与测井信息关系

通过研究岩性与测井信息的关系,为岩心归位提供理论基础。采用数理统计方法,统计酸性、中性、基性火成岩的测井电性特征,并分析岩石破碎、蚀变对测井信息的影响,结果发现,由基性到中性,再到酸性,测井密度值和中子测井值逐渐降低,自然伽马值和声波时差逐渐变大,岩石破碎、蚀变可造成电阻率和密度测井值降低、声波时差和中子测井值增大。

1.1.3 岩心归位与样品挑选

由于声波测井曲线、密度测井曲线和中子测井曲线与岩心分析孔隙度相关性较好,岩心深度归位时根据岩心分析孔隙度与测井曲线的变化趋势对测井曲线进行整体归位,同时利用成像资料和元素测井资料检查岩心归位的正确性。将这种易于归位、岩性段测井曲线值相对稳定、井眼相对平滑的样品挑选出来。收集到 243个火成岩岩心样品和 22个沉积岩样品。利用该方法从中挑选出 211块岩心样品,其中 199块火成岩样品,12个沉积岩样品。

1.1.4 样本库代表性的检验

由于删除了 54个岩心样品,其中 44个火成岩样品,需要检查挑选出来的样品是否能够代表原始样本库。通过对比挑选前后岩心样本库发现:①未丢失岩性样本,挑选后的岩性样本库包含了研究区所有岩性;②各岩性的测井曲线分布范围挑选前后基本一致。

1.2 样品扩充

样品扩充就是对挑选出的样品进行扩充,它是在样品所处的多种资料显示均为同一岩性的深度段内进行随机采样,形成一个新的样本,它代表某种岩性亚类,其测井信息符合分布范围较小的正态分布。新样本的命名为:井名 +岩性 +序号。由于存在岩心样品位于同一口井同一岩性段的情形,该岩性段扩充成多个岩性样本,应使这样的样本合并,合并后的岩性样本数应低于挑选出的样品数。本次研究中共形成 45个火成岩岩性亚类样本和 5个沉积岩岩性亚类样本。

1.3 岩性敏感信息重构

为了突出岩性、消除孔隙度的影响,构建了 4个测井参数M,N,P,E′(假杨氏模量)来辅助识别岩性。

(1)M,N和 P。按照岩石体积模型,在声波与密度、中子与密度、中子与声波交会图上,某种单矿物所组成的、孔隙度大小不等的岩石均应落到一条直线上,因此该直线的斜率能反映岩石的岩性。其具体定义为

式中,M为某种岩性在声波与密度交会图上的斜率,(μs·cm2)/g;N为某种岩性在中子与密度交会图上的斜率,cm3/g;P为某种岩性在中子与声波交会图上的斜率,cm/μs;Δtf和Δt分别为流体与地层的声波时差,μs/m;ρb和ρf分别为流体与地层的密度,g/cm3;φNf和 φN分别为流体与地层的中子孔隙度,%。

显然,对于某一种矿物或纯岩石,其M,N和 P为一固定值。对于多矿物岩石来说,M,N和 P是一定变化范围的相对固定值。

(2)E′(假杨氏模量)。杨氏模量反映的是岩石在压缩或拉伸时的形变。纵波速度与杨氏模量有如下关系:

式中,E为杨氏模量,Pa;ρ为介质的密度,kg/m3;υ为泊松比,无因次;vp为纵波速度,m/s。

大多数岩石的泊松比υ可近似为一常数,杨氏模量与密度、纵波速度的平方成正比,可构造测井参数假杨氏模量 E′来辅助识别,即

式中,E′为构造的假杨氏模量,g/(μs2·cm);Δt为地层的声波时差,μs/m;ρb为地层的密度,g/cm3。

1.4 测井资料归一化

由于不同测井数据值的量纲不同,直接使用原始数据计算会突出数量级大的测井信息的作用,削弱数量级小、敏感性高的测井信息的作用,因此需要对原始测井数据进行归一化处理。归一化的公式为

式中,xij和 x′ij分别表示归一化前后第 i个岩性样品第 j种测井信息值;n为样本容量。

同时,由于电阻率曲线与其他测井曲线值之间为指数关系,故电阻率曲线取对数后再进行归一化。

1.5 火成岩识别

由于各种岩性亚类间的界限存在模糊性,研究中采用模糊数学来处理各岩性之间的渐变关系和模糊关系。各岩性亚类的隶属函数根据其测井信息的分布函数 (正态分布函数)来构建,即

式中,m为岩性序号;¯xmj和σmj分别为第m种岩性j种测井信息的数学期望与标准方差;Bj为第 j种测井信息权重系数。

权重系数Bj主要反映各种测井信息对岩性识别的贡献,而各种测井信息间是相互制约、相互影响的,通常利用交会图或其他方法和经验给出研究区哪些测井信息反映岩性更为敏感,但这种孰重孰轻无法用定量的方式来描述,此时需要将半定性、半定量的问题转化为定量计算问题,层次分析法[8-10]是解决这类问题的行之有效的方法。它是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上,利用较少的定量信息使决策的思维过程数学化,从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法,可以分为 4步。

(1)构造判断矩阵。判断矩阵可针对上一层次中的某元素评定该层次中与各有关元素相对重要性的状况、各有关元素两两比较量化得到。由于 R型因子分析[11]中变量的因子载荷反应了各变量对研究问题的贡献,故可利用 R型因子分析的结果来量化两种测井信息间的相对重要性,具体做法为:首先得到各测井信息的主因子载荷,然后乘以各主因子的贡献率取绝对值求和,得到各测井信息的得分。衡量并量化两测井信息相对重要性的办法就是将用于比较的测井信息得分除以被比较的测井信息得分,建立层次分析的判断矩阵 (表 1,其中行为被比较的测井信息,列为用于比较的测井信息)。

表 1 层次分析判别矩阵Table 1 D iscr im inantmatrix of AHP

(2)参数的求解,即计算判断矩阵的特征值λmax及特征向量W(W1,W2,…,W9)。本次研究采用合积法计算,首先将判断矩阵按列归一化,所得矩阵按行相加,再按行进行归一化,转置得排序向量W,计算结果为

判断矩阵具有完全一致性,所获得的权值合理。

(4)确定权重。计算所得最大特征值的特征向量W即为各测井信息所对应的权值。

隶属函数确定后,计算待识别样品属于各种岩性的隶属度,依据最大隶属度原则,隶属度最大的那个对应的岩性即为待识别样品的岩性,识别完毕将各岩性亚类合并输出最终识别结果。

2 应用效果

为检查扩充后的岩性识别样本库是否代表了研究区所有的岩性样本和岩性识别的准确率,选择了研究区 267块未用于建立样本库的岩心样品 (包括213块新井的岩心样品)进行识别结果检查 (表 2)。

表 2 岩性识别结果Table 2 Results of lithologic identification

从表中可以看出,平均解释符合率为 82.77%。误识的绝大多数是各种凝灰岩和火山角砾岩。经分析发现这是由于火山碎屑岩与其他火成岩成分相似,它们的差别主要体现在岩石结构上,而常规曲线很难反映岩石的结构,如要提高识别率,可借助成像测井资料辅助识别。对于只有 4个样品的霏细岩,建库的 2个样品自我识别时未发生误识,未参与建库的 2个中有 1个误识成同为酸性火成岩的流纹岩。闪长玢岩和珍珠岩岩性样品少,全部参与了建库,它们自我识别时均未发生误识。由此可以说明扩充后的岩性识别样本库很好地代表了原始岩心样本库,样品扩充法可应用于本地区的火成岩岩性识别。

利用样品扩充法,在准噶尔盆地滴西地区共识别出 15种火成岩和 2种沉积岩,分别为:玄武岩、闪长玢岩、安山岩、霏细岩、花岗斑岩、珍珠岩、流纹岩、熔结凝灰岩、玻屑凝灰岩、安山质凝灰岩、玄武质凝灰岩、沉凝灰岩、流纹质火山角砾岩、安山质火山角砾岩、沉火山角砾岩、砂岩、泥岩,平均解释符合率为82.77%。

3 结 论

(1)样品扩充法解决了火成岩的各测井信息的分布函数复杂、个别岩性的样品少而引起的识别函数难以构造的难题。该方法也可应用于其他复杂岩性的识别。

(2)样品挑选的过程中会因为个别样品的删减而丢失一部分信息,严重时甚至会丢失个别岩性样本。为准确识别,挑选出的样品应能代表研究区的所有岩性样本。

(3)样品扩充法的使用前提是研究区的岩层厚度大,测井曲线值相对稳定,利用其他相关资料可以确定样品所处深度段的岩性为同一种岩性。

(4)扩充后同一种岩性的岩性亚类之间会存在误识,比如“某井玄武岩 1”误识为“某井玄武岩 2”,但这种误识对于最终的识别结果没有影响。

(5)凝灰岩、火山角砾岩与其他火成岩之间误识几率较大,但它们在结构上有很大差别,借助电成像测井可以进一步提高岩性识别率。

[1] 金强.裂谷盆地火山活动与油气藏的形成[J].石油大学学报:自然科学版,2001,25(1):27-29.

JIN Qiang.Volcanic activities and oil/gas accumulation in the rift basins of the eastern China[J].Journal of the University of Petroleum,China(Edition of Natural Science),2001,25(1):27-29.

[2] 操应长,姜在兴,邱隆伟,等.渤海湾盆地第三系火成岩油气藏成藏条件探讨[J].石油大学学报:自然科学版,2002,26(3):6-10.

CAO Ying-chang,JIANG Zai-xing,Q IU Long-wei,et al.Study on for ming conditions for oil and gas reservoir of tertiary igneous rock in Bohai bay basin[J].Journal of the University of Petroleum,China(Edition of Natural Science),2002,26(3):6-10.

[3] 武恒志,康仁华,徐福刚.罗 151井区火成岩储层的地震信息研究[J].石油大学学报:自然科学版,2001,25(1):77-79.

WU Heng-zhi,KANG Ren-hua,XU Fu-gang.Seis mic attributesof igneous rock reservoir nearLuo-151 well[J].Journal of the University of Petroleum,China(Edition of Natural Science),2001,25(1):77-79.

[4] 刘展,班丽,魏巍,等.济阳坳陷花沟地区火成岩重磁成像解释方法[J].中国石油大学学报:自然科学版,2007,31(1):30-34.

L IU Zhan,BAN Li,WEIWei,et al.A method of inversing igneous rock by gravity and magnetic imaging in Huagou area of Jiyang depression[J].Journal of China University of Petroleum(Edition of Natural Science),2007,31(1):30-34.

[5] 宋占东,查明,赵卫卫,等.惠民凹陷阳信洼陷火成岩及其对油气成藏的影响[J].中国石油大学学报:自然科学版,2007,31(2):1-8.

SONG Zhan-dong,ZHA Ming,ZHAO Wei-wei,et al.Characteristics of igneous rocks and their effectson hydrocarbonaccumulation in Yangxin subsag of Hu imin sag[J].Journal of China University of Petroleum(Edition of Natural Science),2007,31(2):1-8.

[6] 赵建,高福红.测井资料交会图法在火山岩岩性识别中的应用[J].世界地质,2003,22(2):136-140.

ZHAO Jian,GAO Fu-hong.Application of crossplots based on well log data in identifying volcanic lithology[J].Global Geology,2003,22(2):136-140.

[7] 潘宝芝,薛林福,李舟波,等.裂缝性火成岩储层测井评价方法与应用[M].北京:石油工业出版社,2003.

[8] SAATY Thomas L,VARGAS Luis G.Uncertainty and rank order in the analytic hierarchy process[J].European Journal ofOperational Research,1987,32(1):107-117.

[9] 岳大力,吴胜和,程会明,等.基于三维储层构型模型的油藏数值模拟及剩余油分布模式[J].中国石油大学学报:自然科学版,2008,32(2):21-27.

YUE Da-li,WU Sheng-he,CHENG Hui-ming,et al.Numerical reservoir simulation and remaining oilDistribution patterns based on 3D reservoir architecturemodel[J].Journal of China University of Petroleum(Edition ofNatural Science),2008,32(2):21-27.

[10] 徐树柏.实用决策方法——层次分析法原理 [M].天津:天津大学出版社,1988.

[11] 李汉林,赵永军.石油数学地质 [M].山东东营:石油大学出版社,1998.

(修荣荣)

Igneous rock identification based on sample expansion method

TAN Fu-lin1,WANG Zhi-zhang1,LONG Shan2,DONG Yan-xi2

(1.School of Resource and Infor m ation Technology in China University of Petroleum,Beijing102249,China;2.W ell Logging Company of CNPC Xibu D rilling Engineering Com pany L im ited,Karam ay834000,China)

Sample expansion method was provided for lithologic identification of igneous rock in Dixi area,Jungger Basin.Firstly,the sample located in the thick formation which has the same lithologywas picked up.Secondly,itwas expanded in a specimen which represented an suborder of igneous rocks.Thirdly,the membership function was developed by means of normal distribution function,R-mode factor analysis and analytic hierarchy process.Finally,the igneous rock was identified by the principle ofmaximalmembership grade based on fuzzy.The comparison between the identification results and the thin section analysis shows that the coincidence rate is 82.77%.However,error identification of suborderswith the same lithology does not influence the final result,and the error rates of volcanic tuff and volcanic breccia are relatively high.Despite of the shortcoming ofwasting some samples,thismethod can be used inmixed lithologic identification,especiallywhen the layers are thick and the well logs are stable.

igneous rock;lithologic identification;sample expansionmethod;fuzzymathematics;analytic hierarchy process

TE 122

A >

10.3969/j.issn.1673-5005.2010.06.008

1673-5005(2010)06-0045-05

2010-02-10

中石油科技攻关项目

谭伏霖 (1980-),男 (汉族),四川广安人,博士研究生,从事油气田开发地质学研究工作。