毕文毅 张劲扬

摘要：岩性识别是测井解释储层评价中的一个重要环节，致密砂砾岩地层岩性复杂，非均质性强，利用常规测井曲线交会的方法识别精度较低。本文采用主成分分析法将多个测井曲线变量提取为主成分Z1和Z2，累计贡献率达85.58%，能准确地反映出原变量的真实信息。根据研究结果可得，主成分分析法能有效的将致密砂砾岩划分为中细砂岩、含砾粗砂岩、细砾岩、含砂小砾岩和含砂中砾岩5种岩性，与常规交会图比其精度更高。

关键词：测井曲线;交会图法;主成分分析;岩性识别;致密砂砾岩

1 绪论

岩性识别一直是储层评价的重要工作之一，是求解储层参数的基础[1]。测井信息可以确定储层岩性，储层流体性质和储层参数[2]。致密砂砾岩单层厚度普遍较大，层内岩性变化较快[4]，利用常规测井曲线交会识别法在研究区内精度低，本文采用主成分分析法对研究区内岩性进行识别。

2 主成分分析法原理

将原来多个变量重新组合成一组新的互相无关的综合变量来反映原来变量的主要信息的统计方法叫做主成分分析法。

主成分主要求解步骤如下[4-6]：

3 实例应用

3.1 交会图法

通过对研究区内岩心进行观察并结合实验室的岩石薄片分析资料，我们选取其中100个样本点作为研究区内岩性识别研究的判别依据，首先我们采用传统的交会图法进行岩性识别，选取对岩性较为敏感的密度（DEN）及电阻率（RT）分别与自然伽马（GR）曲线做交会图。结果见图1与图2。

3.2 主成分分析法

根据不同岩性常规测井曲线的响应特征及统计取芯井段的测井数据（见表1），致密砂砾岩测井响应特征较为明显，选取对岩性较为敏感的电阻率（RT）、声波时差（AC）、密度（DEN）、自然伽马（GR）四条测井曲线作为主成分分析的四个变量，通过计算得到不同主成分特征向量的特征值、特征向量及不同特征值的方差贡献率。

主成分分析在进行数据处理之前，必须对原始数据进行标准化，即让每一个变量的均值都为0且方差为1，以此来消除变量之间量纲和数量级的不同，避免给计算结果造成系统误差。根据公式（1）对数据进行标准化，标准化后的数据根据公式（2）计算出相关系数矩阵R，得到相关系数矩阵R后再利用雅克比法[公式（3）]求解相关系数矩阵，从而得到相关系数矩阵R的所有特征值及特征向量，最后再通过公式（4）求得各个单位化特征向量所对应的方差贡献率（表2）。

根據计算结果，主成分Z1，Z2的累计方差贡献率占总贡献率的85.58%。因此我们可以得出用Z1，Z2代替原来的4个变量，可以表征原始样本的主要信息。根据表2的计算结果我们可以得到主成分计算公式：

根据上述公式对原有的100个样本进行主成分计算，利用算出来的主成分Z1和Z2进行交会图分析（图3）。

从主成分Z1和Z2的交会图上我们可以看到，主成分分析法能有效地将岩性区分为泥岩、中细砂岩、含砾粗砂岩、细砾岩、含砂小砾岩、含砂中砾岩。图4为研究区内S井处理结果。

4 结论

（1）利用主成分分析法识别岩性时，应选择对不同岩性测井响应较为敏感的曲线作为变量，然后将多个变量转换为2个主成分变量。

（2）主成分分析法能够将致密砂砾岩有效的识别为中细砂岩、含砾粗砂岩、细砾岩、含砂小砾岩、含砂中砾岩等多种岩性，与取芯岩性及岩石薄片分析结果有较好的一致性。

参考文献：

[1]张涛，莫修文.基于交会图与模糊聚类算法的复杂岩性识别[J].吉林大学学报（地球科学版），2007（S1）：109-113.

[2]赵军，王淼，闫爽，李华纬.自然电位测井在低阻油气层识别中的应用——以塔里木盆地吉拉克地区三叠系低阻油气层为例[J].石油与天然气地质，2011，32（02）：245-250.

[3]潘拓，马鑫，谢安，高子阳.利用主成分分析法优化BP神经网络模型在砂砾岩岩性识别中的应用[J].新疆地质，2020，38（03）：417-420.

[4]胡红，曾恒英，梁海波，罗静，王剑波.基于主成分分析和学习矢量化的神经网络岩性识别方法[J].测井技术，2015，39（05）：586-590.

[5]马峥，张春雷，高世臣.主成分分析与模糊识别在岩性识别中的应用[J].岩性油气藏，2017，29（05）：127-133.

[6]刘毅，陆正元，吕晶，谢润成.主成分分析法在泥页岩地层岩性识别中的应用[J].断块油气田，2017，24（03）：360-363.