渤海灣盆地渤中凹陷西南部深層烴源巖有機相預測

王 祥，馬勁風，王飛龍，王震亮，陳容濤，閆昕宇

1.西北大學 地質(zhì)學系，西安 710069；2.二氧化碳捕集與封存技術(shù)國家地方聯(lián)合工程研究中心，西安 710069；3.大陸動力學國家重點實驗室，西安 710069；4.中海石油(中國)有限公司 天津分公司 勘探開發(fā)研究院，天津 300452

烴源巖的研究一直以來均是勘探家們關(guān)注的熱點問題，伴隨著勘探程度逐漸加深，如何對烴源巖進行較為精細的刻畫也一直困擾著各位學者[1-4]。有機相的概念最早由ROGERS等[5]提出，后來迅速推廣到烴源巖的研究工作中。有機相是從有機成因角度研究烴源巖形成環(huán)境、有機質(zhì)類型、展布特征等的重要分析方法，經(jīng)過多年的發(fā)展，有機相已成為烴源巖評價的有力工具[6-11]。我國學者對有機相的概念、內(nèi)涵和發(fā)展及其在盆地分析中的意義均做了詳細的論述[8,10]，郝芳等[8]將有機相定義為：有機相是具有一定豐度和特定成因類型的有機質(zhì)的地層單元。前人的工作已證實有機相研究需要以地球化學、沉積學、層序地層學等多學科為基礎(chǔ)進行綜合分析[11-14]。因此為了快速針對不同有機相的烴源巖進行分類評價，需要一套操作較為簡易的分類手段，其中總有機碳含量(TOC)和氫指數(shù)(IH)是有機相分析必不可少的指標之一[5-7,15-17]。趙志剛等[15]根據(jù)大量熱解參數(shù)對二連盆地的烴源巖有機相進行了劃分，并結(jié)合生物標志化合物等其他地化參數(shù)對烴源灶進行了評價；孫哲等[16]基于有機相劃分，結(jié)合地震相等研究了渤海灣盆地廟西中南洼烴源巖分布特征；楊海風等[17]建立了有機相和沉積相之間的關(guān)系，進而預測了渤海灣盆地萊州灣凹陷烴源巖的平面展布。

近年來，渤海海域渤中凹陷的油氣勘探取得了重要突破，相繼發(fā)現(xiàn)了以渤中19-6、渤中13-2等為代表的一系列大中型油氣田[18-21]，顯示了渤海海域具有巨大的油氣勘探潛力。但是，由于凹陷深部樣品稀少，缺少地化分析測試數(shù)據(jù)，且烴源巖具有較強的非均質(zhì)性，因而難以針對深部烴源巖展開有機相的分析和烴源巖平面上的精細化研究。地球物理測井在TOC含量、可溶烴含量(S1)、裂解烴含量(S2)預測等方面具有無可替代的作用，是對傳統(tǒng)地球化學測試的重要補充，其中衍生了ΔlogR系列方法[22-24]、多元線性回歸法[25]、機器學習法[26-31]等預測方法。ΔlogR方法因其使用過程中需確定基線值而顯得較為繁瑣，且在國內(nèi)非均質(zhì)性較強的陸相地層應(yīng)用效果不佳。有學者針對其進行了諸多改進，相繼出現(xiàn)了變系數(shù)ΔlogR方法[23]、廣義ΔlogR方法[32]、優(yōu)化ΔlogR方法[33]等。多元回歸法雖操作簡便，但其針對新數(shù)據(jù)的預測效果不甚理想，因此以神經(jīng)網(wǎng)絡(luò)為代表的方法逐漸成為主流。學者們針對神經(jīng)網(wǎng)絡(luò)方法做了一定程度的改進，并且與ΔlogR方法進行對比，顯示其在預測TOC、S1、S2等地化參數(shù)方面的巨大優(yōu)勢[27-30]。

前人已針對渤海灣盆地的烴源巖有機相做了大量的研究工作，但是其主要還是依靠地化數(shù)據(jù)，使得烴源巖的橫向研究較為困難，而且海上鉆井的烴源巖樣品獲取較為困難，難以針對每口井進行大量取樣進行烴源巖的地化分析測試，因此樣品稀少的研究區(qū)仍需依靠地球物理方法結(jié)合地化分析進行預測[16-17,34-35]。

本文在歸納整理前人方法的基礎(chǔ)上，以渤中凹陷西南部東營組和沙河街組深層烴源巖的巖石熱解、元素分析、干酪根顯微組分、氣相色譜、測井曲線等資料為基礎(chǔ)，在沉積相的約束下，對比ΔlogR系列方法、多元回歸法，優(yōu)選BP神經(jīng)網(wǎng)絡(luò)法預測烴源巖TOC含量、S2含量，進而計算得到測井尺度的氫指數(shù)，結(jié)合TOC含量預測結(jié)果，定量研究各層系烴源巖的有機相，評價烴源巖的展布規(guī)律和品質(zhì)，以期為渤中凹陷下一步的深層油氣勘探提供依據(jù)。

1 區(qū)域地質(zhì)概況

圖1 渤海灣盆地渤中凹陷區(qū)域概況(a)、研究區(qū)位置(b)及地層綜合柱狀圖(c)據(jù)文獻[19，37]修改。

研究區(qū)受大型走滑斷層的影響，長期多走向的活動斷層較多，溝通了烴源巖層與孔店組(E1-2k)、太古界潛山變質(zhì)巖儲層，并與不整合面和砂體組成了復式的油氣輸導體系，主要發(fā)育了南部的渤中19-6暴露型潛山和北部的渤中13-2覆蓋型潛山，具有良好的油氣聚集和保存能力[36-37]。研究區(qū)部分鉆井缺少烴源巖地化分析測試數(shù)據(jù)，從而加大了對該區(qū)烴源巖精細研究的難度。

2 有機相分析

2.1 有機質(zhì)類型與有機質(zhì)豐度

圖2 渤海灣盆地渤中凹陷西南部烴源巖干酪根顯微組分(a)、干酪根H/C原子比和O/C原子比(b)、TOC含量(c)和Pr/nC17和Ph/nC18值相關(guān)圖(d)

2.2 有機相分類

本文采用JONES的有機相分類方法，其依據(jù)烴源巖中干酪根的無定形含量、AOM熒光強度、浮游生物含量、氫指數(shù)(IH)、干酪根類型、總有機碳含量等指標，將有機相分為A、AB、B、BC、C、CD、D七種(表1)[6,17]。其中A相IH≥850 mg/g，TOC為5%～20%或更高，有機質(zhì)類型為Ⅰ型，形成于缺氧的還原環(huán)境中；AB相IH為650～850 mg/g，B相IH為400～650 mg/g，AB相、B相的TOC為3%～10%或更高，有機質(zhì)類型為Ⅰ—Ⅱ型，形成于缺氧—乏氧環(huán)境；BC相IH為250～400 mg/g，TOC為3%或更高，有機質(zhì)類型為Ⅱ—Ⅲ型，也形成于缺氧—乏氧環(huán)境，水體相較于B相更淺；C相IH為125～250 mg/g，TOC一般小于等于3%，有機質(zhì)類型為Ⅲ型，形成于偏氧化環(huán)境中；CD相IH為50～125 mg/g，TOC一般小于0.5%，有機質(zhì)類型為Ⅲ—Ⅳ型，形成于氧化環(huán)境中，D相IH和TOC含量均較低。

表1 有機相分類

根據(jù)研究區(qū)巖石熱解的S1+S2、TOC、IH的三維交會圖(圖3)，結(jié)合前文中的烴源巖有機質(zhì)類型、豐度和發(fā)育環(huán)境等參數(shù)(圖2)劃分有機相。

圖3 渤海灣盆地渤中凹陷西南部烴源巖巖石熱解氫指數(shù)、總有機碳含量、生烴潛力交會圖

3 TOC和S2的測井預測

根據(jù)IH、TOC的交會圖僅能定性判斷各層系烴源巖的有機相類型，難以對其進行定量化研究，因此需要通過測井資料建立和有機質(zhì)豐度參數(shù)(TOC、S2)的關(guān)系，進而優(yōu)選對TOC、S2的測井參數(shù)，建立其與測井參數(shù)對應(yīng)的數(shù)學模型，對全井有效烴源巖的TOC和S2進行測井尺度的拓展，進而轉(zhuǎn)化得到IH曲線[IH=S2/ω(TOC)]，并結(jié)合TOC曲線進行有機相的定量分析。

通過分析發(fā)現(xiàn)，測井參數(shù)聲波時差(DT)、密度(DEN)、深電阻率(RD)、自然伽馬(GR)和TOC、S2具有一定的相關(guān)性(圖4)。根據(jù)前人研究，烴源巖中含有的有機質(zhì)，會導致聲波時差(DT)增大；且有機質(zhì)的密度相較于巖石骨架的密度較低，會導致測井密度(DEN)降低；而且，有機質(zhì)本身屬于電阻率較高的成分，且其中含有的U、Th、K等放射性元素，均會不同程度影響電阻率(RD)和自然伽馬(GR)[25]。

3.1 ΔlogR系列方法

目前TOC預測的主流方法為ΔlogR系列方法[22-25]。該方法由PASSEY等[22]根據(jù)阿爾奇公式等推導得出，電阻率曲線和孔隙度曲線(一般選取聲波時差)反向疊合后即為ΔlogR。該公式在烴源巖評價方面起到了至關(guān)重要的作用，但是該系列方法需要確定基線值而顯得較為繁瑣，后續(xù)也有許多學者對該方法進行了改進[23,25,32-33,38]。其原始公式為：

ΔlogR=lg(R/R基線)+0.02(Δt-Δt基線)

(1)

ω(TOC)=ΔlogR×102.297-0.168 8LOM

(2)

因上述方法未考慮陸相深層烴源巖自然伽馬(GR)與密度(DEN)測井曲線與有機質(zhì)豐度良好的相關(guān)性，因此建立模型時，可引入GR和DEN，得到廣義ΔlogR方法[24,32]：

ΔlogR=lg(R/R基線)+0.02(Δt-Δt基線)

(3)

ω(TOC)=ΔlogR×(a+bDEN+clgGR)+d

(4)

式中：R基線、Δt基線分別為深電阻率曲線和聲波時差曲線在非烴源巖的值，R、Δt分別為深電阻率和聲波時差測井曲線的讀值，LOM為熱成熟度參數(shù)，可根據(jù)鏡質(zhì)體反射率(Ro)獲得；a、b、c為擬合系數(shù)，d為常數(shù)。

3.2 多元線性回歸法

優(yōu)選與研究區(qū)TOC相關(guān)系數(shù)最高的測井參數(shù)(圖4)——聲波時差(DT)、密度(DEN)、深電阻率(RD)、自然伽馬(GR)，以上述測井參數(shù)為自變量，實測TOC為因變量，建立多元回歸模型：

圖4 渤海灣盆地渤中凹陷西南部烴源巖測井參數(shù)與TOC、S2交會圖

ω(TOC)=mDT+nDEN+pRD+qGR+k

(5)

式中：m、n、p、q為擬合系數(shù)，k為常數(shù)。

3.3 BP神經(jīng)網(wǎng)絡(luò)法

BP神經(jīng)網(wǎng)絡(luò)法是一種多層前向傳遞網(wǎng)絡(luò)，在數(shù)據(jù)預測方面的應(yīng)用極為廣泛，可以有效針對工程計算中的非線性問題進行預測、分類等；主要結(jié)構(gòu)包括輸入層、隱含層和輸出層(圖5)，其算法本質(zhì)為梯度下降法，經(jīng)過多次的訓練，各個神經(jīng)元之間進行正向與反向傳播，把誤差信息傳遞給上一層神經(jīng)元，進而調(diào)整權(quán)值和閾值，使得訓練網(wǎng)絡(luò)的期望輸出和實際輸出誤差最小[39]?？赏ㄟ^調(diào)整隱含層的數(shù)量和隱含層神經(jīng)元(節(jié)點)數(shù)量，提高網(wǎng)絡(luò)訓練的效果。已有研究表明，當原始數(shù)據(jù)為非線性分離時才需要隱含層，單隱含層的神經(jīng)網(wǎng)絡(luò)模型可以有效逼近任意連續(xù)函數(shù)[39]。為了簡化運算步驟，提高預測的效率，本文采用單隱含層的三層BP神經(jīng)網(wǎng)絡(luò)模型。

圖5 三層BP神經(jīng)網(wǎng)絡(luò)預測TOC、S2原理

3.4 模型的對比優(yōu)選和應(yīng)用

根據(jù)各沉積相模型的判定系數(shù)R2對比(表2)可以發(fā)現(xiàn)，傳統(tǒng)ΔlogR法各沉積相的模型判定系數(shù)R2主體介于0.22～0.78之間；廣義ΔlogR法和多元回歸法各沉積相的模型判定系數(shù)R2差異不大，主體介于0.32～0.82之間，但都高于傳統(tǒng)ΔlogR法；BP神經(jīng)網(wǎng)絡(luò)法各沉積相的模型判定系數(shù)R2在0.80以上，相比于前三種方法優(yōu)勢明顯。

表2 渤海灣盆地渤中凹陷西南部各TOC預測方法判定系數(shù)R2對比

由圖6可以看出，傳統(tǒng)ΔlogR法、廣義ΔlogR法、多元回歸法、BP神經(jīng)網(wǎng)絡(luò)法判定系數(shù)R2分別為0.798 7，0.852 1，0.843 6，0.918 0，平均相對誤差分別為26.46%，21.69%，21.88%，12.79%。由此可見，廣義ΔlogR法相比于傳統(tǒng)ΔlogR法精度有了顯著提高，且略高于多元回歸法，BP神經(jīng)網(wǎng)絡(luò)方法的判定系數(shù)R2和平均相對誤差遠優(yōu)于其他三種方法。

圖6 四種方法預測TOC判定系數(shù)R2、平均相對誤差分析

因此，S2的預測也相應(yīng)采取BP神經(jīng)網(wǎng)絡(luò)方法。以Q3井為例，可以看出BP神經(jīng)網(wǎng)絡(luò)法對TOC和S2取得了較好的預測效果(圖7)，計算得到的IH預測曲線與實測值的吻合度也較高。

圖7 渤海灣盆地渤中凹陷西南部Q3井TOC、S2、IH預測與實測綜合地球化學剖面

4 有機相平面預測及分析

得到單井的IH預測曲線后，每口井按照表1和圖3的有機相分類標準，分層篩選泥巖的各有機相測井尺度的厚度，進而繪制各烴源巖層的有機相分布圖(圖8)。

E3d3沉積時期，渤中凹陷斷裂活動加劇，沉積速率增加，湖盆范圍達到最大，沉積了渤中凹陷一套厚層的優(yōu)質(zhì)烴源巖。研究區(qū)北部主要發(fā)育半深湖—深湖、南部主要為濱淺湖沉積，烴源巖有機相主要為B相和BC相；西北部Y1、Y2、Y3、Q10、Q11井區(qū)烴源巖廣泛發(fā)育，中南部Q2、Q3、Q4、Q12、Q13、P1井區(qū)烴源巖發(fā)育局限，與沉積相圖吻合(圖8)。

E2s1+2沉積時期，渤中凹陷重新發(fā)生沉降，廣泛發(fā)育濱淺湖沉積，水體較淺，烴源巖有機相主要為B相和BC相；研究區(qū)北部、東部B、BC相烴源巖發(fā)育廣泛，西部烴源巖發(fā)育局限(圖8)。

E2s3沉積時期，渤中凹陷發(fā)育了大量斷裂，形成了多個沉積中心；研究區(qū)主要發(fā)育半深湖—深湖、湖底扇沉積，E2s3烴源巖是研究區(qū)的主力烴源巖，烴源巖有機相主要為B相和BC相。研究區(qū)中南部Q3、Q6井區(qū)烴源巖廣泛發(fā)育；北部、東北部Y1、Q1井區(qū)烴源巖發(fā)育局限，與沉積相圖較為吻合(圖8)。

5 結(jié)論

(2)研究區(qū)BP神經(jīng)網(wǎng)絡(luò)法預測總有機碳含量的判定系數(shù)R2相比ΔlogR系列方法、多元回歸法更高，為0.918 0，平均相對誤差最小，為12.79%；通過BP神經(jīng)網(wǎng)絡(luò)法預測總有機碳含量和裂解烴含量，間接獲得的氫指數(shù)預測結(jié)果精度較高。