劉倩茹，薛林福，潘保芝，白燁，張程恩

（1.吉林大學地球科學學院，吉林 長春 130026；2.吉林大學地球探測科學與技術學院，吉林 長春 130026）

0 引 言

梨樹斷陷下白堊統(tǒng)營城組、沙河子組砂礫巖儲集體為快速沉積的產物，具有成分成熟度低、結構成熟度低、巖性縱橫向變化大、非均質性強的特點，部分砂礫巖、砂巖和粉砂巖無論從電測井還是放射性測井曲線上均較難區(qū)分［1－2］。傳統(tǒng)利用測井信息進行巖性識別的方法較多，常用交會圖版法識別巖性。神經網絡、模糊聚類、主成分分析等方法也已在巖性識別中得到了廣泛應用。孟凡順等［3］運用基于主成分分析的距離判別分析對砂巖、礫巖和泥巖進行了劃分，準確率較高，但所選取的樣本數(shù)量較少。魯國明［4］運用巖性識別指數(shù)對東營凹陷的砂礫巖巖性進行了判別，建立了巖性識別曲線LIC，取得了很好的應用效果。

本文通過對梨樹斷陷砂礫巖儲層特征的認識，結合常規(guī)測井資料建立了該區(qū)砂礫巖巖性與測井響應的關系，提出了主因子（F）結合巖性識別指數(shù)（L）進行巖性識別的方法。該方法充分利用各種測井信息及其組合，使得礫質、砂質和泥質類巖石巖性識別符合率得到了有效提高，滿足了實際生產需求。

1 梨樹斷陷砂礫巖特征

根據(jù)研究區(qū)薄片資料分析，該區(qū)主要發(fā)育砂礫巖、細礫巖、含礫砂巖、中砂巖、細砂巖、粉砂巖和泥巖等多種巖性。為建立測井信息與砂礫巖巖性之間的關系，提取研究區(qū)13口井165個薄片對應的自然伽馬（GR）、電阻率（Rt）、密度（DEN）、補償中子（CNL）、聲波時差（AC）、光電吸收截面指數(shù)（Pe）等7種測井信息，剔除部分受井眼影響或含油性影響數(shù)據(jù)點，其余154個薄片數(shù)據(jù)點主要歸為3大類巖性——礫質類（砂礫巖、細礫巖）、砂質類（含礫砂巖、中砂巖、細砂巖、粉砂巖）和泥質類（粉砂質泥巖、泥巖）。

由于巖心是巖性最原始最直接的表征，而EMI成像測井縱向分辨率很高，能夠直觀反映礫石大小及形態(tài)，因此在巖性識別過程中結合巖心、EMI成像圖和地質資料總結了松遼盆地梨樹斷陷幾種主要巖性的基本特征（見表1）。

表1 梨樹斷陷主要巖性特征總結

通過交會圖對比發(fā)現(xiàn)，GR、Rt、AC和CNL與巖性關聯(lián)性較強（見圖1、圖2）。泥質類巖石具有高自然伽馬、高補償中子、高聲波時差、低電阻率的特點，成像圖上表現(xiàn)為暗色條帶狀；砂質類巖石和礫質類巖石具有中自然伽馬、中聲波時差的特點，成像圖上表現(xiàn)為淺黃色—白色層理狀，含礫石時可在成像圖上看到清晰的礫狀亮斑，且礫質類巖石電阻率相對更高一些。表2給出了154個薄片數(shù)據(jù)經統(tǒng)計得到的自然伽馬、聲波時差、中子及電阻率的曲線特征值。

表2 各類巖性測井值統(tǒng)計表

2 巖性識別主因子

表3為所有主成分總方差解釋。第1主成分F1對應特征值為3.329 3，累計方差貢獻率為83.23%；第2主成分F2對應特征值為0.381 44，累計方差貢獻率為92.77%。圖3為第1主成分F1和第2主成分F2的交會圖，其中

式中，x1、x2、x3、x4分別為將樣本點的自然伽馬GR、電阻率對數(shù)值lgRt、補償中子CNL、聲波時差AC標準化后的數(shù)據(jù)。結合主成分F1和F2形成了主因子F

式中，λ1和λ2分別為主成分F1和F2對應的特征根。

表3 主成分的總方差解釋

3 巖性識別指數(shù)結合主因子識別巖性

常規(guī)測井曲線中自然伽馬、聲波時差及巖性參數(shù)N均能較好地反映巖性。由于受巖石結構和成分復雜性的影響，用單條曲線不能有效區(qū)分巖性。綜合利用這三者形成了巖性識別指數(shù)L，結合F和L進行巖性識別［8－10］。

式中，φNf為水的中子孔隙度，%；φNma為中子骨架值，%；φN為中子測井值，%；ρf為水的密度值，g／cm3；ρma為密度骨架值，g／cm3；ρb為密度測井值，g／cm3；d為GR—AC交會圖上的點到參考點（0，150）的距離（參考點顯示的是測井數(shù)據(jù)基礎值）；N為在中子測井值和密度測井值交會圖上，如果把某一單礦物骨架點（φ＝0）和水點（φ＝100%）引1條直線，由這種礦物組成的各種孔隙度的巖石按照體積模型的概念都將落在這條直線上，N就是這條直線的斜率。

圖4為主因子F及巖性識別指數(shù)L的交會圖，礫質類、砂質類、泥質類數(shù)據(jù)點更為集中，能夠有效地對三大類巖性進行區(qū)分。

圖3 主成分分析F1—F2交會圖

在該地區(qū)同時利用了自組織神經網絡、模糊聚類及主成分分析算法進行了巖性識別，4種方法回判符合率對比結果見表4。顯然，主因子F結合巖性識別指數(shù)L進行識別符合率更高，其中礫質類的符合率達到90%，砂質類的符合率達到88.89%，泥質類的符合率為94.23%，整體符合率為90.91%，符合實際生產的需要。

圖4 主因子F及巖性識別指數(shù)L交會圖

圖5為梨樹斷陷×井巖性識別綜合解釋圖。剖面上出現(xiàn)了3類主要的巖性：礫質類、砂質類和泥質類。圖5中第7道為F—L巖性識別結果，第8道為EMI成像測井圖，可以看出F—L巖性識別結果與EMI圖像顯示及錄井巖性符合良好，與測井曲線特征也具有很好的一致性，證明了該方法的實用性及有效性。準確識別巖性為進一步研究儲層“四性”關系及含油氣性打下了堅實的基礎，對油氣田開發(fā)及評價具有重要的意義。

表4 4種方法回判正確率統(tǒng)計表

圖5 梨樹斷陷×井巖性識別綜合解釋圖

4 結 論

（1）針對砂礫巖儲層的特殊性，根據(jù)巖心及EMI成像測井分析巖性，總結了松遼盆地梨樹斷陷主要巖性的特征。

（2）以主成分分析方法為基礎，通過主因子F結合巖性識別指數(shù)L進行巖性識別，區(qū)分出了礫質類、砂質類和泥質類巖石。

（3）與自組織神經網絡、模糊聚類及主成分分析方法進行對比，該方法具有較高的識別符合率，能夠滿足實際生產需求。

［1］周波，李舟波，潘保芝.火山巖巖性識別方法研究［J］.吉林大學學報：地球科學版，2005，35（3）：394-397.

［2］毛慶，張德峰，吳春文，等.東營凹陷北部陡坡帶深層砂礫巖體巖性測井識別 ［J］.油氣地質與采收率，2010，17（3）：57-58.

［3］孟凡順，徐會君，朱焱，等.基于主成分分析的距離判別分析方法在巖性識別中的應用 ［J］.石油工業(yè)計算機應用，2011（1）：24-28.

［4］魯國明.東營凹陷深層砂礫巖巖性測井綜合識別技術［J］.測井技術，2010，34（2）：168-171.

［5］張晉言，孫建孟，劉海河，等.鹽家油田深層砂礫巖儲層巖性自動識別新技術 ［J］.測井技術，2011，35（5）：447-448.

［6］黃布宙，潘保芝.松遼盆地北部深層火成巖測井響應特征及巖性劃分 ［J］.石油物探，2001，40（3）：42-47.

［7］韓科龍.測井自動分層方法研究及其在巖性識別中的應用 ［D］.成都：成都理工大學，2011.

［8］張國英，王娜娜，張潤生，等.基于主成分分析的BP神經網絡在巖性識別中的應用 ［J］.北京石油化工學院學報，2008，16（3）：43-44.

［9］畢廣武.測井資料在塔里木格盆地查干組地層巖性識別中的應用 ［J］.國外測井技術，2008，23（5）：17-19.

［10］李祖兵，羅明高，王建偉，等.利用測井資料識別火山巖巖性的方法探討 ［J］.天然氣地球科學，2009，20（1）：114-115.