融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法.pdf

年 月第 卷第 期西安石油大学学报（自然科学版）（）收稿日期：基金项目：中海石油（中国）有限公司重大科技专项“渤海油田稳产 万吨，上产 万吨关键技术研究”（）。第一作者：孙康（），男，硕士研究生，研究方向：测井数据处理与综合解释。：通讯作者：张冲（），男，博士，教授，研究方向：复杂储层测井响应机理与评价。：中图分类号：文章编号：（）文献标识码：融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法孙 康，张 冲，崔云江，时新磊（长江大学 油气资源与勘探技术教育部重点实验室，湖北 武汉 ；长江大学 地球物理与石油资源学院，湖北 武汉 ；中海石油（中国）有限公司 天津分公司，天津 ）摘要：针对疏松砂岩常规物性、压汞实验难度大，岩心标定测井评价孔隙结构精度低的特点，通过随钻核磁共振测井 谱、铸体薄片分析资料，采用特征参数提取、主成分分析、高斯混合聚类算法，对研究区储层孔隙结构进行分类。研究结果表明：随钻核磁共振 谱中能够提取表征孔隙连通性、大小及分布的 个特征参数，经主成分分析、高斯混合聚类算法处理解释后，研究区储层孔隙结构分为共五类，谱逐渐向左偏移，小孔隙占比逐渐增大，岩性从粗砂岩过渡至细 中砂岩，孔隙类型从粒间孔过渡至粒间溶孔，孔隙结构逐渐变差。关键词：孔隙结构评价；随钻核磁共振；高斯混合模型；主成分分析；疏松砂岩 ，（，；，；，（），）：，：；孙康，张冲，崔云江，等 融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法 西安石油大学学报（自然科学版），（）：，（），（）：孙康等：融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法引言在我国渤海西部海域发育有大型疏松砂岩油气藏，由于埋藏深度浅、泥质含量高，岩石骨架颗粒之间胶结程度弱，加之矿物颗粒的粒径差异明显，岩石孔隙结构易受外界环境影响而发生变化，取芯实验结果难以代表储层岩石真实情况，给储层孔隙结构评价带来了极大的困难 。然而孔隙结构评价是储层物性解释和产能预测的关键依据 ，准确评价储层孔隙结构是一项十分重要的工作。通过岩心资料确定孔隙结构分类标签，将类别标签与测井曲线结合建立分类图版或判别函数 是常见的孔隙结构评价方法。例如：通过岩心物性划分储层流动单元 ，通过压汞曲线分形维数建立孔隙结构分类标准 等。在岩心数量丰富，且能够真实反映地层孔隙结构情况下，该方法可以取得较好的评价效果。但是疏松砂岩孔隙度偏高、胶结程度低，岩样从地层取出后，上覆压力减小、岩样预处理（洗油洗盐）等因素会导致孔隙结构发生变化，甚至在实验过程中发生破碎 ，岩心资料的不确定性高，使得该类方法在疏松砂岩孔隙结构评价中精度较低。随钻核磁共振测井在钻井时进行核磁共振测量，是评价孔隙结构最直观、有效的测井资料 。通过核磁共振测井评价孔隙结构的方法主要有两种。一是将核磁共振 谱转换为伪毛管压力曲线，进而实现孔隙结构的评价 ，该方法研究的重点在于伪毛管曲线转换公式的建立，这不可避免地需要利用岩心资料进行刻度。另一种是通过核磁共振谱提取表征孔隙结构的特征参数，利用特征参数评价孔隙结构，一些学者已经验证了这种评价方法的可靠性 。近年来，机器学习已经成为测井解释评价研究的热点，在储层分类 、岩性识别 、流体性质划分 ，定量参数评价 等方面广泛应用，大大提高了测井解释的精度。鉴于此，本文提出一种疏松砂岩储层孔隙结构评价的新方法，直接利用随钻核磁共振测井资料对储层孔隙结构进行评价，避免疏松砂岩岩心资料不确定性对评价结果的影响，同时引入机器学习算法，深入挖掘测井资料中的隐藏信息及规律，提高解释的精度。区域概况 油田群位于渤海西部海域，主要含油层系发育在弱水动力条件辫状河三角洲沉积前缘 。研究区岩性以中、粗砂岩为主，黏土矿物发育且分布不均匀，孔隙类型主要见粒间孔、粒间溶孔和粒内溶孔，受压实、胶结作用的影响，岩石微孔隙发育，孔喉连通性差，非均质性强。研究区取芯资料显示，储层孔隙度在 ，平均 ，渗透率在（），平均 ，属中高孔渗储层。研究区大面积推广使用随钻测井系列仪器，主要有随钻伽马、电阻率测井和随钻核磁共振测井。随 钻 核 磁 共 振 测 井 采 用 的 仪器，仪器最小回波间隔为 ，中心共振频率为 ，该仪器在测量过程中可有效克服钻井振动影响，提供准确可靠的地层信息资料。随钻核磁共振测井与机器学习结合的孔隙结构智能分类方法随钻核磁共振测井在描述孔隙分布形态、评价孔隙结构方面具有不可替代的优势。机器学习算法根据参数之间的特征差异，挖掘数据的潜在信息，广泛应用于分类、回归等问题。基于此，将机器学习应用在随钻核磁共振资料中，建立一套孔隙结构分类新方法，图 为分类模型流程图。第一步，从 谱的图形特征和数学特征出发，结合各特征与孔隙连通性、分布及大小之间的关系，量化拾取多个孔隙结构参数。第二步，考虑参数间共线性影响，利用主成分分析（）对多个特征参数进行降维，提取主成分。将主成分作为高斯混合模型（）的输入样本图 基于 算法的孔隙结构分类模型流程 西安石油大学学报（自然科学版）搭建孔隙结构分类模型，搭建过程中选用赤池信息准则（）确定最佳聚类数，期望最大化（）算法训练模型参数，从而自动实现孔隙结构分类，然后结合薄片资料和 谱形态界定不同类型孔隙结构的岩石物理特征，明确分类标准及意义。第三步，将孔隙结构分类模型应用到井资料处理中，实现连续井资料的孔隙结构分类。随钻核磁共振 谱孔隙结构参数拾取随钻核磁共振测量岩石不同孔隙中氢核的横向弛豫信号幅度和弛豫速率，当孔隙中流体为单相时，氢核的弛豫信号幅度与岩石孔隙度成正比，弛豫速率或横向弛豫时间与孔喉大小及流体性质相关。因此，利用随钻核磁共振测量反演得到的 谱可以表征岩石孔隙分布状态。谱中弛豫时间反映孔隙半径的大小，弛豫时间越长表示孔隙的半径越大，孔隙分量反映某半径孔隙的含量，即长弛豫时间下的孔隙分量越多，岩石中大孔隙含量越高。通过对 谱进行量化，拾取与孔隙连通性、大小及分布相关的孔隙结构参数（图 ）。前人从 谱图形特征和数学特征的角度出发提取多个参数。其中：基于图形特征的参数有区间孔隙分量（黏土水孔隙、束缚水孔隙、可动流体孔隙）、区间弛豫时间（、）、最大孔隙分量、谱峰弛豫时间，基于数学特征的参数有均值、几何均值、分选系数、变异系数、峰度。图 孔隙结构特征参数在 谱中的位置（据 修改）（）黏土水孔隙描述微孔隙发育下黏土吸附水的单位体积，束缚水孔隙描述流体被束缚的小孔隙的单位体积，可动流体孔隙描述大孔隙中流体的单位体积。、是基于 谱孔隙分量累积曲线提取的反映孔隙大小的参数，分别描述孔隙分量累计达 ，时的横向弛豫时间，表征岩石孔隙半径的大小和分布区间。最大孔隙分量和谱峰弛豫时间是描述 谱谱峰位置的参数，最大孔隙分量指谱峰的孔隙分量值，谱峰弛豫时间指谱峰的弛豫时间值，反映岩石中主体孔隙的特征。均值是计算 谱的平均位置。几何均值用于描述 谱孔隙分量平均增长率。分选系数是计算谱孔隙分量的分散程度，分选系数越小，孔隙分布越集中。变异系数是综合评价孔隙分布和平均位置的参数，在同一套地层中可用于评价孔隙结构的好坏。变异系数越大，孔隙结构越差。峰度是计算谱谱峰的尖度，反映曲线的陡缓程度。需要指出的是，标准差、变异系数和峰度表征孔隙分选特征。表 中给出了上述 个孔隙结构参数的计算方法。表 核磁共振 谱定量参数计算方法 孔隙结构参数计算方法几何均值 （）黏土水孔隙 束缚水孔隙 可动流体孔隙 ，均值珔 分选系数 （珔）槡 变异系数 珔峰度 （珔）最大孔隙分量 谱峰弛豫时间 ，注：计算公式中，为核磁布点序号为 时的孔隙分量，；为核磁布点序号为 时的弛豫时间，；为总孔隙度，；为核磁布点总数；为最小弛豫时间，；为最大弛豫时间，；为黏土截止值，研究区取 ；为截止值，研究区取 ；部分计算方法中含“，”，表意为“限制条件，该条件下对应值”。基于机器学习算法的孔隙结构智能分类 主成分分析从 谱中提取的孔隙结构参数之间存在一定的共线性，直接作为输入样本集会导致模型的鲁棒孙康等：融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法性差，解释评价精度低。主成分分析（）是一种高效的数据降维方法，广泛应用在高维数据的统计分析中 。通过 获得的主要成分保留原样本集的主要信息且主成分之间互不相关。其过程简述如下：对样本集做 标准化处理；计算样本集的相关系数矩阵；计算相关系数矩阵的特征值和成分矩阵；依据成分方差贡献率确定主成分个数；使用特征值、成分矩阵对标准化样本集做变换，计算主成分。在充分分析样本 谱是否能够反映研究区全部孔隙结构类型的前提下，将取芯井 井作为孔隙结构分类模型的建模井。考虑到不同类型流体的横向弛豫时间不同，同一孔隙结构下油层与水层的 谱会存在明显的差异，选取 井 个油层段，共计 ，个标准 谱作为模型的样本。对样本 谱中拾取的孔隙结构参数做 处理，得到主成分的特征值、方差贡献率（表 ）和成分矩阵（表 ）。表 中显示，主成分、的方差贡献率 分 别 是 、，累 计 贡 献 率 为 ，表明 得到的、可以保留样本集中绝大部分有效信息。主成分计算公式（式中孔隙结构参数全部经过 标准化处理）表 特征值及主成分累计贡献率 主成分特征值方差贡献率 累计贡献率 表 主成分矩阵 几何均值 黏土水孔隙 束缚水孔隙 可动流体孔隙 均值 分选系数 变异系数 峰度 最大孔隙分量 谱峰弛豫时间 珔 ，（）珔 。（）聚类高斯混合模型（）是一种由多个单高斯分布模型混合组成的概率聚类方法，通过建立最大化样本集概率的多个正态概率分布模型，使样本集在无标签情况下自动实现聚类 。本文采用 聚类方法对储层孔隙结构进行智能分类。单高斯分布的概率密度函数表达式为（；，）（）槡 （）（）。（）式中：为样本集维度；为高斯分布均值；为高斯分布协方差矩阵。的概率分布表示为 （）（；，）。（）式中：为单高斯分布数量；为混合权重系数，；（；，）为第 个单高斯分布的概率密度函数。的对数似然函数为 （）（）（；，）。（）式中：为样本数量；为高斯混合模型参数，（，）。聚类实现的关键有两点：一是采用最大期望化（）算法对式（）进行求解，获取模型参数，算法是一种通过迭代对含有隐变量概率模型的极大似然估计，是 参数求解的一种标准方法，算法的原理和方法可见相关文献 ；二是模型聚类数的选取，聚类数决定了模型的精度和复杂程度，而赤池信息准则（）能够有效衡量似然最大化类模型的精度与复杂程度之间的关系 ，采用 最小的模型聚类数作为最佳聚类数。计算式为 。（）式中：为模型参数的总数；为最大对数似然值，无量纲。采用不同聚类数，分别对样本集进行 聚类并计算 值，结果（图 ）显示，当聚类数为 时，取得最小值，确定模型最佳分类数为 类。表 为聚类数为 时，算法求解的 模型参数，分别代表 个单高斯分布模型。在模型应用时，西安石油大学学报（自然科学版）分别计算样本在不同单高斯分布中的概率值，概率最大的类别即为样本所属孔隙结构类型。图 聚类的 曲线 表 最佳聚类数时高斯混合模型的参数 孔隙结构类型类 类 类 类 类 孔隙结构分类标准及岩石物理特征分析根据 模型输入样本集（、）和表 中模型参数绘制孔隙结构分类标准图（图 ）。图 可见，不同孔隙结构类型的、具有明显的分布趋势，从类到类孔隙结构，、逐渐减小，且 为主控因素。图中五组同心椭圆代表五类单高斯分布模型概率密度等高线，从圆心向外扩散，概率密度逐渐降低，样本隶属于该类孔隙结构的概率越低，通图 井 聚类结果及孔隙结构分类标准 过比较样本隶属于五类孔隙结构的概率，取概率最大类作为样本分类结果。为明确 聚类后不同孔隙结构类型的岩石物理特征，利用同一类别的平均 谱和岩心铸体薄片资料进行标定分析，不同孔隙结构类型的平均 谱和岩心铸体薄片见图 。图 可见，从类至类孔隙结构的 谱形态逐渐向左偏移，大孔隙占比逐渐减少，铸体薄片资料显示岩石结构逐渐由粗砂结构过渡至细中砂结构。不同孔隙结构类型的岩石物理特征如下：类孔隙结构岩性以粗砂岩为主，孔隙类型主要为粒间孔和粒间溶孔，孔隙分布均匀、连通性好，孔隙分量集中在 ，呈双峰发育，谱峰弛豫时间为 ，大孔隙发育，该类孔隙结构储层渗流能力最好；类孔隙结构岩性以粗砂岩为主，含少量中砂岩，孔隙类型主要为粒间孔、粒间溶孔和粒内溶孔，孔隙分布均匀，连通性好，孔隙分量也集中在 ，但呈单峰发育，且谱峰弛豫时间小于类孔隙结构，为 ，该类孔隙结构储层渗流能力较好；类孔隙结构岩性以中、粗砂岩为主，孔隙类型主要为粒间溶孔和粒内溶孔，孔隙分布均匀，连通性较好，孔隙分量集中在 ，谱峰弛豫时间为 ，中等孔隙发育，该类孔隙结构储层渗流能力次于类孔隙结构储层；类孔隙结构岩性以细、中砂岩为主，含少量粗砂岩，孔隙类型主要为粒间溶孔，孔隙中见泥质填充，孔隙分量在 ，呈双峰发育，谱峰弛豫时间为 ，小孔隙较发育，该类孔隙结构储层渗流能力较差；类孔隙结构岩性以细、中砂岩为主，孔隙类型主要为粒间溶孔，孔隙中见明显泥质填充，相比类孔隙结构，孔隙分量更加集中，主要分布在 ，谱峰弛豫时间为 ，小孔隙最发育，该类孔隙结构储层渗流能力差。效果分析以研究区 口大斜度开发井 、井为例，验证上述孔隙结构分类模型的应用效果。利用随钻核磁共振 谱拾取孔隙结构参数后，采用与建模井 井样本集相同的均值和方差对 、井孔隙结构参数进行标准化处理，依据 建立的主成分计算公式（式（）、式（）提取孔隙结构参数的主要信息，并代入 分类模型，对主成分、进行划分，得到 、井连续井筒剖面的孔隙结构类型孙康等：融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法（图 、图 ）。图 不同孔隙结构类型的 谱和岩心铸体薄片 西安石油大学学报（自然科学版）图 井基于 分类模型的储层孔隙结构评价结果 井 解释结论为油层，由图 可知，该层段 谱呈单峰或双峰，大孔隙发育，以可动流体孔隙为主，孔隙半径大，分类结果显示储层以类孔隙结构为主，含少量类、类孔隙结构，储层孔隙结构好，产能测试结果显示，该井 油嘴下日产油 。井 解释结论为油层，由图 可知，该层段 谱多呈双峰发育，左峰为主，黏土水孔隙、束缚水孔隙和可动流体孔隙占比接近，孔隙半径分布不均匀，分类结果显示储层以类、类、类孔隙结构为主，储层孔隙结构差，该井 油嘴下日产油 。综上可知，、井孔隙结构类型预测结果与产能测试结果基本一致，说明 聚类算法在随钻核磁共振资料评价储层孔隙结构中取得良好的应用效果。结论（）随钻核磁共振 谱形态与岩石孔隙结构密切相关，通过数学和图形表征，可以从随钻核磁共振 谱中提取出 个与岩石孔隙大小、分布和连通性相关的特征参数。（）主成分分析能够对多维孔隙结构特征参数进行降维，避免参数共线性对模型鲁棒性的影响。高斯混合模型与赤池信息准则结合，在无监督情况下能够获取最有效的孔隙结构分类簇及分类结果，提高了孔隙结构评价的精度。孙康等：融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法图 井基于 分类模型的储层孔隙结构评价结果 参考文献（）：江尚昆，王德英，孙哲，等 渤海油田油气勘探阶段及储量增长潜力 海洋地质前沿，（）：，（）：张龙海，周灿灿，刘国强，等 孔隙结构对低孔低渗储集层电性及测井解释评价的影响 石油勘探与开发，（）：，（）：武鑫，吉林，吴伟，等 基于复杂孔隙结构分析的低渗砂岩储层分类与表征 西北大学学报（自然科学版），（）：，（），（）：，：（），马新仿，张士诚，郎兆新 用分段回归方法计算孔隙结构的分形维数 石油大学学报（自然科学版），（）：，（），（）：西安石油大学学报（自然科学版），马勇新，李文红，朱绍鹏 密闭取芯饱和度校正新模型 中国海上油气，（）：，（）：刘卫，肖忠祥，杨思玉，等 利用核磁共振（）测井资料评价储层孔隙结构方法的对比研究 石油地球物理勘探，（）：，（），（）：，（）：，王妍，王若谷，魏克颖，等 基于随机森林的致密储层分类：以延安气田东部盒 段为例 西安石油大学学报（自然科学版），（）：，：（），（）：程浩，王起琮，杨奕华，等 因子分析在海相石灰岩岩相识别中的应用：以塔里木盆地巴楚 塔中地区奥陶系石灰岩为例 西安石油大学学报（自然科学版），（）：，：（），（）：，周雪晴，张占松，朱林奇，等 基于双向长短期记忆网络的流体高精度识别新方法 中国石油大学学报（自然科学版），（）：，（），（）：杨旺旺，张冲，杨梦琼，等 基于长短期记忆循环神经网络的伊拉克 油田碳酸盐岩储层渗透率测井评价 大庆石油地质与开发，（）：，（）：解习农，叶茂松，徐长贵，等 渤海湾盆地渤中凹陷混积岩优质储层特征及成因机理 地球科学，（）：，（）：李新，肖立志，胡海涛 随钻核磁共振测井仪探测特性研究 波谱学杂志，（）：，（）：杨兆栓，林畅松，尹宏，等 主成分分析在塔中地区奥陶系鹰山组碳酸盐岩岩性识别中的应用 天然气地球科学，（）：，（）：，：岳佳，王士同 高斯混合模型聚类中 算法及初始化的研究 微计算机信息，（）：，（）：孙建彬，常雷雷，谭跃进，等 基于双层模型的置信规则库参数与结构联合优化方法 系统工程理论与实践，（）：，（）：责任编辑：王辉