CN101078775A - 脉冲中子双谱饱和度测井方法 - Google Patents

Abstract

本发明涉及脉冲中子双谱饱和度测井方法，包括以下步骤：1.采集测井数据，2.对热中子时间谱、俘获伽马时间谱进行深度－时间二维滤波，对俘获伽马能谱和自然伽马能谱做深度－能量二维滤波，3.对滤波后的数据进行归一化处理，4.对归一化处理后的数据进行多尺度分解，5.对分解后的数据进行重构和融合，6.显示测井图像和测井曲线，7.进行地质解释；具有一次下井在相同环境下可同时采集热中子时间谱、俘获伽马时间谱，使两种中子寿命测井方法优势互补，扩大了对环境的适应范围，对双谱做综合处理可得到更精确的计算结果，提高了对油气水层的识别能力的优点。

Description

脉冲中子双谱饱和度测井方法

技术领域

本发明涉及一种脉冲中子寿命测井方法。

背景技术

中子寿命测井，是在井眼中用脉冲中子发生器按设定的时序发射能量为14MeV的中子束，能量高的快中子先经非弹性散射失去部分能量而转化为中等能量的中子并伴随非弹伽马辐射，再经弹性散射进一步慢化转变为热中子，热中子逐渐被俘获并产生俘获伽马辐射。热中子在地层里的平均寿命τ与地层岩性、地层水矿化度、孔隙度及含水饱和度相关。当地层岩性、地层水矿化度和孔隙度已知或可测时，测定中子寿命即可求出储集层的油、气、水饱和度。

当前测量地层中子寿命的主要方法是在离中子源适当距离处安装一个或两个伽马探测器，记录俘获伽马射线在各时间道的计数，即伽马时间谱。由时间道计数随时间变化的斜率求出地层的中子寿命τ或与其成反比的宏观俘获截面∑。测量地层中子寿命的另一种方法是用中子探测器测量热中子计数时间谱，由时间道计数衰减率求地层的热中子寿命或宏观俘获截面。

发明内容

本发明提出一种脉冲中子双谱饱和度测井方法，用一套装有热中子探测器、俘获伽马探测器和自然伽马探测器的下井仪器，同步或选择测量热中子时间谱、俘获伽马时间谱、俘获伽马能谱和自然伽马能谱。其中双谱是指热中子时间谱和俘获伽马时间谱，构成本方法的核心信息，其它为辅助信息。

热中子时间谱只反映快中子慢化和热中子被俘获的过程，不包含与自然伽马、中子活化和俘获伽马的产额及伽马射线与周围介质相互作用过程的信息，而俘获伽马时间谱却包含中子和伽马与周围介质相互作用全过程的所有信息。用多尺度分析和数据融合方法使两类数据携带的信息在优选的尺度上优势互补，对地层做全面描述，能更全面地反映地层的特性，更准确地识别油、气、水层。

一种脉冲中子双谱饱和度测井方法，其特殊之处在于，其包括以下步骤：

1]采集测井数据：

在套管井中用脉冲中子双谱饱和度测井仪连续采集测井数据；所述的测井数据包括热中子时间谱、俘获伽马时间谱、热中子总计数率、俘获伽马总计数率、自然伽马总计数率。

2]对热中子时间谱、俘获伽马时间谱进行深度-时间二维滤波，对俘获伽马能谱和自然伽马能谱做深度-能量二维滤波：

所述深度-时间二维滤波包括深度域的纵向滤波和在时间域的横向滤波；所述深度-能量二维滤波包括深度域的纵向滤波和在能量域的横向滤波；所述纵向滤波和横向滤波的方法包括Kalman滤波、多点平滑滤波或多尺度滤波；滤波后在每个深度点获得一对光滑的随时间衰减的多指数曲线，在深度-时间域中获得两个二维数组，构成反映地层性质随深度变化的两帧数字图像；而在深度-能量域中获得两个二维数组，构成反映地层性质随深度变化的两帧数字图像；

3]对滤波后的数据进行归一化处理：

所述归一化处理的步骤包括计算每个采样点的归一化测井值：

$f^{\′}=\frac{f-f_{\min }}{f_{\max }-f_{\min }}\×100$

式中f_min为测井曲线的最小值，f_max为测井曲线的最大值，f为测井曲线的采样点数据；

4]对归一化处理后的数据进行多尺度分解：

所述横向时间轴时间谱多尺度分解的方法包括多指数拟合法和小波分解法，所述纵向深度轴多尺度分解的方法主要指小波分解法；

5]对分解后的数据进行重构和融合：

所述对测井数据进行重构和融合包括在原始数据、参数、决策三个层次上分别进行时间谱、寿命谱、∑谱、能谱和同类及非同类测井曲线的重构和融合，具体步骤包括：

5.1]以小波模极大重构算法为基础，选用低频系数加权、高频系数取绝对值较大的融合规则，对同类或多类测井数据进行小波重构得到融合小波金字塔；

5.2]对融合后的小波金字塔进行小波逆变换实现各个层次的数据重构；

5.3]采用熵、均值和方差作为评判标准，对融合数据进行定量评价：均值、方差数据反映峰值信息；信息熵数据反映空间细节信息；峰值信噪比、相关系数反映频谱信息；

6]显示测井图像和测井曲线

所述的测井图像和测井曲线包括以下图像和曲线中的至少一组：

①深度-时间彩色图像：滤波后在每个深度点上得一条平滑的多指数衰减曲线，在被测剖面上得到一幅深度-时间二维平面上的数字图像；对该数组进行可视化处理，用色柱标定信号幅度，得到一幅反映地层深度-时间特征的彩色图像；

②深度-寿命或深度-∑彩色图像：中子寿命τ与热中子宏观俘获截面∑成反比，τ分布很容易转变为∑分布；经时间-寿命或时间-截面域的转换，在每个采样点上都得到一条τ或∑分布曲线，在被测剖面上得到一幅深度-寿命或深度-∑二维平面上的数字图像；用色柱标定信号幅度，得到一幅反映地层特性随深度变化的τ或∑分布彩色图像；

③所述的测井曲线包括：热中子和俘获伽马总计数率、特征时间门和能窗计数率及其比值、热中子寿命和宏观俘获截面；经标准井检验选定的，由多尺度分解得到的对含油饱和度或岩性分辨能力好的分量曲线；经标准井检验选定的，由多尺度数据重建和融合得到的对含油饱和度或岩性分辨能力好的重建和融合曲线；裸眼井和实时油、气、水饱和度曲线；

上述脉冲中子双谱饱和度测井方法还包括进行地质解释的步骤：

所述进行地质解释的步骤包括以下图像和曲线中的至少一种：

①深度-时间谱：中子和俘获伽马计数率在不同深度点上随时间的衰减曲线可分为井眼、过度、地层三个时段，地层段计数率的衰减率越高则热中子寿命越短，含油饱和度越低；

②利用寿命谱或∑谱作为区分低矿化度水层和剩余油气层的依据：寿命τ分布比单一的τ值更能反映地层的全貌，用τ分布特征峰或选定的门宽Δτ内的平均值求地层中子寿命更能反映地层核参数的统计特性；用测井解释通用的体积模型，由∑分布可得到含水饱和度S_W的分布图，含水饱和度S_W的分布图能更确切地描绘出油水分布。

上述的多尺度滤波的步骤包括：

1]选取具有一定的紧支撑性、对称性和平滑性的正交小波基；

2]选择小波并确定其分解层次N，然后对数据进行N层小波分解，即：

在某尺度i上，对给定的核测井信号序列x(i，k)∈V_il²(Z)(k∈Z)，通过一个脉冲响应为h(k)的低通滤波器，获得粗尺度上(低频段)的平滑信号

x_V(i-1，k)∈V_i-1

$x_V(i-1,l)=\underset{k}{\mathrm{\Σ}}h(2l-k)x(i,k)$

信号x(i，k)在低通滤波器中丢失的“细节信号”，由x(i，k)通过一个脉冲响应是g(k)的高通滤波器得到细尺度上(高频段)的细节信号

x_D(i-1，k)∈D_i-1

$x_D(i-1,l)=\underset{k}{\mathrm{\Σ}}g(2l-k)x(i,k)$

下标D表示x(i，k)在细节信号空间D_i-1上的投影；

3]逐次进行上述步骤可实现N层的多尺度分解，得到2N个不同的频带，包含N个高频信号和N个低频信号；

4]对第1层到第N层的每一层高频系数选择一个阈值进行软阈值量化处理；由小波分解的第N层低频系数和经过量化处理后的第1层到第N层的高频系数，进行测井数据的重构，重构信号中只包含有用信息。

上述的小波模极大重构算法的步骤包括：

1]设测井仪器接收到的信号为f(x)，Morlet连续小波变换定义为：

$W_f(a,b)=<f,{\mathrm{\&psi;}}_{\mathrm{ab}}>=\frac{1}{\sqrt{\left|a\right|}}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}f\left(x\right)\mathrm{\&psi;}\left(\frac{x-b}{a}\right)\mathrm{dx}$

式中：Morlet小波基函数为

$\mathrm{\&psi;}\left(x\right)=e^{-x^2/2}\&CenterDot;e^{i{\mathrm{\&omega;}}_{0}x}$

a和b分别为尺度因子和位移因子；

2]对信号进行小波分析，可以得到不同尺度a的评估信号在不同空间段的大量系数，即相应的小波系数W_f(a，b)；并用色谱图的方式表示，在色谱图中，用颜色的变化来表示系数的大小；

3]得到某一尺度a时的小波系数曲线，这条曲线能够直观显示小波系数与被分析信号之间的相似程度，且可以通过控制a的大小，使小波系数曲线和某些参数具有一定的相关性。

上述的测井数据还包括俘获伽马能谱、自然伽马能谱和井温、压力及套管接箍数据。

上述的脉冲中子双谱饱和度测井仪，包括测井仪壳体5和在壳体内的脉冲中子发生器1、热中子探测器2、俘获伽马探测器3及自然伽马探测器4；其中热中子探测器2与脉冲中子发生器1之间的距离为300-400mm；俘获伽马探测器3与脉冲中子发生器1之间的距离为450-550mm；自然伽马探测器4与脉冲中子发生器1之间的距离为700-1000mm。

上述脉冲中子双谱饱和度测井仪可工作在NTS模式、CTS模式、DTS模式三种测量模式下，所述NTS模式只采集热中子时间谱；所述CTS模式-只采集俘获伽马时间谱；所述DTS模式可同时采集热中子时间谱和俘获伽马时间谱。

上述热中子探测器2与脉冲中子发生器1之间的距离为350mm；俘获伽马探测器3与脉冲中子发生器1之间的距离为500mm；自然伽马探测器4与脉冲中子发生器1之间的距离为900mm。

上述热中子探测器2为³He计数管；所述俘获伽马探测器3为闪烁谱仪；所述自然伽马探测器4为闪烁谱仪。

上述的脉冲中子双谱饱和度测井仪包括温度计、压力计和套管接箍定位器。

本发明方法的优点是：一次下井在相同环境下可同时采集热中子时间谱、俘获伽马时间谱，使两种中子寿命测井方法优势互补，扩大了对环境的适应范围，对双谱做综合处理可得到更精确的计算结果，提高了对油气水层的识别能力。

附图说明

图1是实现本发明方法的一种脉冲中子双谱流体饱和度测井仪结构示意图，其中：1-脉冲中子发生器，2-热中子探测器，3-俘获伽马探测器，4-自然伽马探测器，5-测井仪壳体。

图2为多尺度分解-融合-重建示意图，给出从两个探测器得到的数据尺度分解、融合和重建过程。

图3是大港板桥地区生产井的热中子计数率色谱图、中子寿命曲线(τ)和宏观俘获截面曲线。研究井段为3050-3120m深度段，井下为钢套管，该井砂岩水层孔隙度为18-23％，地层水矿化度为7.091g/l。图中给出热中子计数率色谱图，以及中子寿命曲线(τ)和宏观俘获俘获截面曲线(SIGMA)，色谱图中颜色从右往左的变化代表热中子计数率从低值到高值。从色谱图可以看出，3101-3106m井段，热中子计数率随时间的衰减最慢，3059-3061m井段和3072-3074m井段，热中子衰减缓慢。与图中GR(自然伽马)和SP(自然电位)曲线对比，可以看出23号层和25号层为储集层。第28号层SP无反应，但GR显示为低值。从色谱图可以看出，上述3个地层为储集层，热中子计数率随时间衰减缓慢。而泥岩层对热中子的俘获能力强，热中子衰减快，在色谱图上显示颜色变化快，如3098-3100m井段。此外，通过色谱图和SIGMA曲线相对比，可判断储集层含油性。含油饱和度越高，热中子随时间的衰减越慢，在色谱图上表现为反映地层特性的热中子计数率向后延伸，因此判定28号层含油饱和度较高，与解释结论相符合。

图4是大港-Y井热中子计数率经多指数拟合后得到的中子寿命谱，采样点的深度依次为3103.5m、3057m和3088.8m。根据解释结论，这些深度点分别与油层，含油水层和泥岩层相对应，用选定的时间门计算得到地层宏观俘获截面依次为10.29c.u.，19.8c.u.和31c.u.。在进行多指数拟合时，选取时间道为300-1170μs，即主要反映地层信息的热中子计数率进行拟合。在三个采样点上得到的热中子寿命谱的形态明显不同，深度点3103.5m、3057m和3088.8m的寿命谱主峰对应的中子寿命分别为316.2278μs、227.5846μs和163.7894μs；相应的地层宏观俘获截面分别为14.3884c.u.，19.9926c.u.和27.7796c.u.，与前面计算所得的∑值基本相符。油层的热中子寿命最长，泥岩的热中子寿命最短，油水同层的热中子寿命介于二者之间。这说明根据中子寿命谱可以判别泥岩层、油水层以及油层。

具体实施方式

本发明的核心技术是用脉冲中子双谱饱和度测井仪在套管井中采集热中子和俘获伽马双时间谱，经综合处理得到精确度高的剩余油气和含水饱和度。具体包括：

1、数据采集

根据井眼、地质条件和测井目的制定施工方案，选择测井模式。脉冲中子双谱饱和度测井仪可选用三种测量模式：NTS模式-只采集热中子时间谱；CTS模式-只采集俘获伽马时间谱；DTS模式-同时采集热中子时间谱和俘获伽马时间谱，即双谱采集模式。用脉冲中子双谱饱和度测井仪在套管井中采集热中子时间谱、俘获伽马时间谱、俘获伽马能谱、自然伽马能谱和井温、压力及套管接箍等辅助数据。还可包括热中子总计数率、俘获伽马总计数率、自然伽马总计数率，下井仪器在每一深度点上，当中子发射停息后，用仪器串中安装的氦-3热中子探测器，按设定的时序记录各时间道的热中子计数，即热中子时间谱。时间道的道宽，即采样间隔的隐含值为30μs，可依据被测剖面地层的热中子寿命变化范围自动调节或人工设定。在采集热中子时间谱的同时，安装在同一仪器串中的闪烁伽马探测器，以相同的时序记录俘获伽马时间谱。热中子时间谱和俘获伽马时间谱的采样间隔相同，但伽马探测器源距较长在空域中尺度较粗。同时采集的俘获伽马能谱和自然伽马能谱，可用以划分地层、识别岩性、做简单元素分析和与裸眼井测井曲线进行对比等，为时间谱的处理与解释提供辅助信息。脉冲中子双谱饱和度测井仪，包括附图1所示的测井仪壳体5和在壳体内的脉冲中子发生器1、热中子探测器2、俘获伽马探测器3及自然伽马探测器4。其中：热中子探测器2与脉冲中子发生器1之间的距离为300-400mm；俘获伽马探测器3与脉冲中子发生器1之间的距离为450-550mm；自然伽马探测器4与脉冲中子发生器1之间的距离为700-1000mm。热中子探测器2为³He计数管；俘获伽马探测器3为闪烁谱仪；自然伽马探测器4为闪烁谱仪。仪器中还安装了温度、压力计和套管接箍定位器。

2、数据滤波和转换

下井仪器在井眼中移动，在每个深度点采集到一组热中子时间谱和俘获伽马时间谱。对整个测量井段，每个时间谱都是一个深度-时间两维数组，数组中的每个元素即直接测到的每个原始数据都包含统计误差。采集到的初始谱要经过处理和转换才能消除误差并从中得到地层的物理和储集参数。

(1)对每一时间谱做深度-时间二维滤波，对俘获伽马能谱和自然伽马能谱做能量-深度二维-滤波。滤波的方法包括Kalman滤波、多点拟合滤波、多点平滑滤波或多尺度滤波。

离散卡尔曼估计状态方程、探测方程和变量的初始统计特性分别为：

X(k+1)＝A(k+1，k)X(k)+G(k+1，k)U(k)+Γ(k+1，k)W(k)        (7)

Z(k)＝C(k)X(k)+Y(k)+V(k)                      (8)

$\left\{\begin{array}{c}E\left[X\left(t_0\right)\right]=m_0\\ P\left(t_0\right)=E\left\{\right[X\left(t_0\right)-m_0\left]{[X\left(t_0\right)-m_0]}^T\right\}\end{array}\right.---\left(9\right)$

式中，X(k)为控制过程的n维状态向量，U(k)为r维控制向量，W(k)是均值为零的P维白噪声向量，A(k)为n×n矩阵，B(k)为n×r矩阵，F(k)为n×p矩阵，Z(k)为m维矩阵。

卡尔曼估计就是按规定的准则，从观测系列Z(0)，Z(1)，…，Z(k)找出X(j)的线性最优估计

使得估值

与X(j)之间误差的方差为最小。

卡尔曼估计分为三类：j＞k称为预测(或外推)问题，即从观测系列Z(0)，Z(1)，…，Z(k)找出X(k+1)的线性最优估计

j＝k称为滤波(或估计)问题，即从观测系列Z(0)，Z(1)，…，Z(k)找出X(k)的线性最优估计

j＜k称为平滑(或内插)问题，即从观测系列Z(0)，Z(1)，…，Z(k)找出X(k-1)的线性最优估计

离散系统卡尔曼最优预测估计方程为

$\hat{X}(k+1|k)=A(k+1,k)\hat{X}\left(k\right|k-1)+G(k+1,k)U\left(k\right)+K\left(k\right)[Z\left(k\right)-C\left(k\right)\hat{X}\left(k\right|k-1)-Y\left(k\right)]---\left(10\right)$

而卡尔曼最优滤波估计方程为

$\hat{X}(k+1|k+1)=\hat{X}(k+1|k)+K(k+1)\&times;[Z(k+1)-C(k+1)\hat{X}(k+1|k)-Y\left(k\right)]---\left(11\right)$

即先求出最优预测估计值

再把实际观测到的Z(k+1)与它到来前得到的观测值的预测值

进行比较，若两者不相等则对

进行修正，以获得最优滤波估计

在任一深度点采集的热中子时间谱和俘获伽马时间谱中第i个时间道的计数，包含着中子寿命不同的j＝1，…，n种介质的贡献和统计误差，可表示为多指数函数(12)。测井时在每个深度点测得的时间谱可做实时卡尔曼滤波，以压制每个时间道的计数中包含的统计误差。同一时间道在不同深度点的数据之间也包含统计误差，经低通滤波可在纵向上获得一组光滑曲线。经过时间-深度域二维卡尔曼滤波，在每个深度点的时间谱描绘的将是一条光滑的多指数曲线，而在时间-深度域平面上看，是一个二维数组，可描绘出一组光滑的随地层性质而变化的时间门曲线。在一个深度点上采集到的第i个时窗计数，在滤波前表示为(12)式，而滤波后变为(13)式。

$N_i=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j\exp [-\frac{t}{{\mathrm{\&tau;}}_j}]+{\mathrm{\&epsiv;}}_i---\left(12\right)$

$N_i=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j\exp [-\frac{t}{{\mathrm{\&tau;}}_j}]---\left(13\right)$

式中，衰减时间t＝iΔt，i＝1，...，m为道址，Δt为道宽。τ_j是第j种介质的中子寿命，a_j是j种分量在起始道的幅度，ε_i是道计数中的统计误差。

在均匀无限介质中，(13)式可简化为

        N(t)＝a exp(-t/τ)                     (14)

两边取对数得一直线方程，由直线的斜率则可求出热中子寿命τ的倒数。

当前测井界使用的公式为以下的双指数式

        N(t)＝a₁exp(-t/τ₁)+a₂exp(-t/τ₂)      (15)

当井眼介质中子寿命τ₁＜＜τ₂时，在时域的后段可求出地层的中子寿命τ₂。

滤波后的数据经归一化处理，以便于信息的尺度分解和重构。

(2)对滤波后的时间谱做从时域到寿命域的转换

由(13)式表示的时间道计数构成的时间谱数据，可写成矩阵方程：

       Y＝AP                                  (16)

式中，

       Y_m×1＝(N₁，N₂，Λ，N_m)^T               (17)

       P_n×1＝(p₁，p₂，ΛΛp_n)^T               (18)

矩阵(17)为道计数矩阵；矩阵(18)为所要反演计算的各个寿命值所对应的计数分量的起始道计数，由此得到各分量所占的份额，即τ分布。寿命谱中的τ值是预先指定的寿命布点系列，可在地层热中子最小-最大寿命区间内均匀选点，也可采用2的幂次方布点。矩阵(16)可能是超定的、正定的或是欠定的，这取决于测量求得的道计数的个数与寿命谱布点数的多少。求解式(16)也就实现了寿命谱的多指数反演。这在数学上是一个非适定问题，可采用迭代的方法求解。

τ分布比单一的τ值更能反映地层的全貌，用τ分布特征峰或选定的门宽Δτ内的平均值求地层中子寿命更能反映地层核参数的统计特性。

(3)对滤波后的信号做多尺度分析

对核测井曲线做小波分析，可将时间或深度一维函数转变为尺度-时间或尺度-深度二维函数，将信号分解为尺度不同的分量。

在某尺度i上，对给定的测井信号序列x(i，k)∈V_il²(Z)(k∈Z)，通过一个脉冲响应为h(k)的低通滤波器可以获得粗尺度上的平滑信号

         x_V(i-1，k)∈V_i-1                             (20)

$x_V(i-1,l)=\underset{k}{\mathrm{\&Sigma;}}h(2l-k)x(i,k)---\left(21\right)$

信号x(i，k)在低通滤波器中丢失的“细节信号”可以由x(i，k)通过一个脉冲响应是g(k)的高通滤波器得到

         x_D(i-1，k)∈D_i-1                             (22)

$x_D(i-1,l)=\underset{k}{\mathrm{\&Sigma;}}g(2l-k)x(i,k)---\left(23\right)$

下标D表示x(i，k)在细节信号空间D_i-1上的投影。

这样，在尺度i上的信号x(i，k)就被分解为高频和低频两个分量。对核测井数据进行N层的多尺度分解，可得到2N个不同的频带，其中包含N个高频带和N个低频带。对各种尺度上的低频和高频信号进行观察、分析和比较，可确定各个尺度的信号与地层空间和物理参数的相关性，低频信号能够较好地反映测井曲线中包含的地层概貌信息，而高频信号能反映地层的细节。

时间谱、τ分布、总计数、时间段计数、各种核参数和储层参数随深度的变化曲线，都可进行尺度分解。如对时间谱和τ分布做多尺度分解，可选出受井眼环境影响最小而最能反映地层中子寿命变化的尺度。

3]对滤波后的数据进行归一化处理

所述归一化处理的步骤包括计算每个采样点的归一化测井值：

$f^{\&prime;}=\frac{f-f_{\min }}{f_{\max }-f_{\min }}\&times;100---\left(5\right)$

式中f_min为测井曲线的最小值，f_max为测井曲线的最大值，f为测井曲线的采样点数据。

4]对归一化处理后的数据进行多尺度分解，横向时间轴时间谱多尺度分解的方法包括多指数拟合法和小波分解法，纵向深度轴多尺度分解的方法主要指小波分解法。

5]对核测井双谱数据做多尺度信息融合

信息融合是指利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、优化综合，以完成所需的决策和估计任务而进行的信息处理过程。信息融合的核心是指对来自多个传感器的数据进行多级别、多方面、多层次的处理，从而产生新的有意义的信息，而这种新信息是任何单一传感器所无法获得的。系统中采用的所有传感器都必须在采样速率、观测领域和范围等方面兼容，它们还必须提供互补的信息以改善推论的质量。传感器的重复观测信号通过冗余信息可提高系统的可靠性。

多尺度数据融合，如选定分量的线性组合，可在原始数据、物理参数和储层参数、决策三个层次上进行。从同类探测器采集的数据可在各个层次上融合，非同类探测器采集的数据可在参数和决策层次上融合。

脉冲中子双谱饱和度测井仪可测得热中子和俘获伽马两个时间谱，分别记做数据N1和数据N2，见图2。对时间谱，热中子和俘获伽马探测器可看成是同类的。对这两列数据进行尺度分解，即对原始数据分别进行低、高通滤波，分解为含有不同频率成分的两个子数据。a为低频逼近信号，d为高频细节信息。再根据需要，对低频子数据重复上面的过程，逐步实现这两列数据的小波塔形分解。然后在各个分解层进行融合处理，得到融合小波金字塔，再对融合后的小波金字塔进行小波逆变换就可得到所需的重构数据N3。

中子寿命测井、碳氧比能谱测井、电阻率测井得到的含水饱和度S_w1、S_w2和S_w3可在参数级做多尺度分解和融合。

数据融合效果可采用三类统计参数来进行分析与评价：第一类反映峰值信息，如均值、方差；第二类反映空间细节信息，如信息熵；第三类反映频谱信息，如峰值信噪比、相关系数。信噪比越高，说明融合效果越好。

重构和融合的步骤包括：

5.1]以小波模极大重构算法为基础，选用低频系数加权、高频系数取绝对值较大的融合规则，对同类或多类测井数据进行小波重构得到融合小波金字塔。

所述小波模极大重构算法的步骤包括：

5.1.1]设测井仪器接收到的信号为f(x)，Morlet连续小波变换定义为：

$W_f(a,b)=<f,{\mathrm{\&psi;}}_{\mathrm{ab}}>=\frac{1}{\sqrt{\left|a\right|}}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}f\left(x\right)\mathrm{\&psi;}\left(\frac{x-b}{a}\right)\mathrm{dx}---\left(6\right)$

式中：Morlet小波基函数为

$\mathrm{\&psi;}\left(x\right)=e^{-x^2/2}\&CenterDot;e^{i{\mathrm{\&omega;}}_{0}x}---\left(7\right)$

a和b分别为尺度因子和位移因子。

5.1.2]对信号进行小波分析，可以得到不同尺度a的评估信号在不同空间段的大量系数，即相应的小波系数W_f(a，b)；并用色谱图的方式表示，在色谱图中，用颜色的变化来表示系数的大小；

5.1.3]得到某一尺度a时的小波系数曲线，这条曲线能够直观显示小波系数与被分析信号之间的相似程度，且可以通过控制a的大小，使小波系数曲线和某些参数具有一定的相关性。

5.2]对融合后的小波金字塔进行小波逆变换实现各个层次的数据重构。

5.3]采用熵、均值和方差作为评判标准，对融合数据进行定量评价：均值、方差数据反映峰值信息；信息熵数据反映空间细节信息；峰值信噪比、相关系数反映频谱信息。

6]数据后处理成果显示和解释

6.1]深度-时间彩色图像：滤波后在每个深度点上得一条平滑的多指数衰减曲线，在被测剖面上得到一幅深度-时间二维平面上的数字图像。对该数组进行可视化处理，用色柱标定信号幅度，得到一幅反映地层深度-时间特征的彩色图像，作为定性识别水层和剩余油层的依据。同样，寿命谱和能谱也是二维平面上的数字图像，也可显示为彩色图像。

6.2]深度-寿命或深度-∑彩色图像：中子寿命τ与热中子宏观俘获截面∑成反比，τ分布很容易转变为∑分布。经时间-寿命或时间-截面域的转换，在每个采样点上都得到一条τ或∑分布曲线，在被测剖面上得到一幅深度-寿命或深度-∑二维平面上的数字图像。用色柱标定信号幅度，得到一幅反映地层特性随深度变化的τ或∑分布彩色图像。用测井解释通用的体积模型，由∑分布可得到含水饱和度S_W的分布图。含水饱和度S_W的分布图能更确切地描绘出油水分布。

6.3]所述的测井曲线包括：热中子和俘获伽马总计数率、特征时间门和能窗计数率及其比值、热中子寿命和宏观俘获截面；经标准井检验选定的，由多尺度分解得到的对含油饱和度或岩性分辨能力好的分量曲线；经标准井检验选定的，由多尺度数据重建和融合得到的对含油饱和度或岩性分辨能力好的重建和融合曲线；裸眼井和实时油、气、水饱和度曲线。

进行地质解释的方法包括：

7.1]深度-时间谱：中子和俘获伽马计数率在不同深度点上随时间的衰减曲线可分为井眼、过度、地层三个时段，地层段计数率的衰减率越高则热中子寿命越短，含油饱和度越低。

7.2]利用寿命谱或∑谱作为区分低矿化度水层和剩余油气层的依据：寿命τ分布比单一的τ值更能反映地层的全貌，用τ分布特征峰或选定的门宽Δτ内的平均值求地层中子寿命更能反映地层核参数的统计特性；用测井解释通用的体积模型，由∑分布可得到含水饱和度S_W的分布图，含水饱和度S_W的分布图能更确切地描绘出油水分布。

Claims (10)

1、一种脉冲中子双谱饱和度测井方法，其特征在于，其包括以下步骤：

1]采集测井数据：

在套管井中用脉冲中子双谱饱和度测井仪连续采集测井数据；所述的测井数据包括热中子时间谱、俘获伽马时间谱、热中子总计数率、俘获伽马总计数率、自然伽马总计数率；

2]对热中子时间谱、俘获伽马时间谱进行深度-时间二维滤波，对俘获伽马能谱和自然伽马能谱做深度-能量二维滤波：

所述深度-时间二维滤波包括深度域的纵向滤波和在时间域的横向滤波；所述深度-能量二维滤波包括深度域的纵向滤波和在能量域的横向滤波；所述纵向滤波和横向滤波的方法包括Kalman滤波、多点平滑滤波或多尺度滤波；滤波后在每个深度点获得一对光滑的随时间衰减的多指数曲线，在深度-时间域中获得两个二维数组，构成反映地层性质随深度变化的两帧数字图像；而在深度-能量域中获得两个二维数组，构成反映地层性质随深度变化的两帧数字图像；

3]对滤波后的数据进行归一化处理：

所述归一化处理的步骤包括计算每个采样点的归一化测井值：

$f^{\&prime;}=\frac{f-f_{\min }}{f_{\max }-f_{\min }}\&times;100$

式中f_min为测井曲线的最小值，f_max为测井曲线的最大值，f为测井曲线的采样点数据；

4]对归一化处理后的数据进行多尺度分解：

所述横向时间轴时间谱多尺度分解的方法包括多指数拟合法和小波分解法，所述纵向深度轴多尺度分解的方法主要指小波分解法；

5]对分解后的数据进行重构和融合：

所述对测井数据进行重构和融合包括在原始数据、参数、决策三个层次上分别进行时间谱、寿命谱、∑谱、能谱和同类及非同类测井曲线的重构和融合，具体步骤包括：

5.1]以小波模极大重构算法为基础，选用低频系数加权、高频系数取绝对值较大的融合规则，对同类或多类测井数据进行小波重构得到融合小波金字塔；

5.2]对融合后的小波金字塔进行小波逆变换实现各个层次的数据重构；

5.3]采用熵、均值和方差作为评判标准，对融合数据进行定量评价：均值、方差数据反映峰值信息；信息熵数据反映空间细节信息；峰值信噪比、相关系数反映频谱信息；

6]显示测井图像和测井曲线

所述的测井图像和测井曲线包括以下图像和曲线中的至少一组：

①深度-时间彩色图像：滤波后在每个深度点上得一条平滑的多指数衰减曲线，在被测剖面上得到一幅深度-时间二维平面上的数字图像；对该数组进行可视化处理，用色柱标定信号幅度，得到一幅反映地层深度-时间特征的彩色图像；

②深度-寿命或深度-∑彩色图像：中子寿命τ与热中子宏观俘获截面∑成反比，τ分布很容易转变为∑分布；经时间-寿命或时间-截面域的转换，在每个采样点上都得到一条τ或∑分布曲线，在被测剖面上得到一幅深度-寿命或深度-∑二维平面上的数字图像；用色柱标定信号幅度，得到一幅反映地层特性随深度变化的τ或∑分布彩色图像；

③所述的测井曲线包括：热中子和俘获伽马总计数率、特征时间门和能窗计数率及其比值、热中子寿命和宏观俘获截面；经标准井检验选定的，由多尺度分解得到的对含油饱和度或岩性分辨能力好的分量曲线；经标准井检验选定的，由多尺度数据重建和融合得到的对含油饱和度或岩性分辨能力好的重建和融合曲线；裸眼井和实时油、气、水饱和度曲线。

2、根据权利要求1所述的脉冲中子双谱饱和度测井方法，其特征在于：所述脉冲中子双谱饱和度测井方法包括进行地质解释的步骤：

所述进行地质解释的步骤包括以下图像和曲线中的至少一种：

①深度-时间谱：中子和俘获伽马计数率在不同深度点上随时间的衰减曲线可分为井眼、过度、地层三个时段，地层段计数率的衰减率越高则热中子寿命越短，含油饱和度越低；

②利用寿命谱或∑谱作为区分低矿化度水层和剩余油气层的依据：寿命τ分布比单一的τ值更能反映地层的全貌，用τ分布特征峰或选定的门宽Δτ内的平均值求地层中子寿命更能反映地层核参数的统计特性；用测井解释通用的体积模型，由∑分布可得到含水饱和度SW的分布图，含水饱和度SW的分布图能更确切地描绘出油水分布。

3、根据权利要求1或2所述的脉冲中子双谱饱和度测井方法，其特征在于：所述的多尺度滤波的步骤包括：

1]选取具有一定的紧支撑性、对称性和平滑性的正交小波基；

2]选择小波并确定其分解层次N，然后对数据进行N层小波分解，即：

在某尺度i上，对给定的核测井信号序列x(i，k)∈V_il²(Z)(k∈Z)，通过一个脉冲响应为h(k)的低通滤波器，获得粗尺度上(低频段)的平滑信号

x_V(i-1，k)∈V_i-1

$x_V(i-1,l)=\underset{k}{\mathrm{\&Sigma;}}h(2l-k)x(i,k)$

信号x(i，k)在低通滤波器中丢失的“细节信号”，由x(i，k)通过一个脉冲响应是g(k)的高通滤波器得到细尺度上(高频段)的细节信号

x_D(i-1，k)∈D_i-1

$x_D(i-1,l)=\underset{k}{\mathrm{\&Sigma;}}g(2l-k)x(i,k)$

下标D表示x(i，k)在细节信号空间D_i-1上的投影；

3]逐次进行上述步骤可实现N层的多尺度分解，得到2N个不同的频带，包含N个高频信号和N个低频信号；

4]对第1层到第N层的每一层高频系数选择一个阈值进行软阈值量化处理；由小波分解的第N层低频系数和经过量化处理后的第1层到第N层的高频系数，进行测井数据的重构，重构信号中只包含有用信息。

4、根据权利要求1或2所述的脉冲中子双谱饱和度测井方法，其特征在于：所述的小波模极大重构算法的步骤包括：

1]设测井仪器接收到的信号为f(x)，Morlet连续小波变换定义为：

$W_f(a,b)=\&lang;f,{\mathrm{\&psi;}}_{\mathrm{ab}}\&rang;=\frac{1}{\sqrt{\left|a\right|}}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}f\left(x\right)\mathrm{\&psi;}\left(\frac{x-b}{a}\right)\mathrm{dx}$

式中：Morlet小波基函数为

$\mathrm{\&psi;}\left(x\right)=e^{-x^2/2}\&CenterDot;e^{i{\mathrm{\&omega;}}_{0}x}$

a和b分别为尺度因子和位移因子；

2]对信号进行小波分析，可以得到不同尺度a的评估信号在不同空间段的大量系数，即相应的小波系数W_f(a，b)；并用色谱图的方式表示，在色谱图中，用颜色的变化来表示系数的大小；

3]得到某一尺度a时的小波系数曲线，这条曲线能够直观显示小波系数与被分析信号之间的相似程度，且可以通过控制a的大小，使小波系数曲线和某些参数具有一定的相关性。

5、根据权利要求1或2所述的脉冲中子双谱饱和度测井方法，其特征在于：所述的测井数据还包括俘获伽马能谱、自然伽马能谱和井温、压力及套管接箍数据。

6、根据权利要求1或2所述的脉冲中子双谱饱和度测井方法，其特征在于：所述的脉冲中子双谱饱和度测井仪，包括测井仪壳体5和在壳体内的脉冲中子发生器1、热中子探测器2、俘获伽马探测器3及自然伽马探测器4；其中热中子探测器2与脉冲中子发生器1之间的距离为300-400mm；俘获伽马探测器3与脉冲中子发生器1之间的距离为450-550mm；自然伽马探测器4与脉冲中子发生器1之间的距离为700-1000mm。

7、根据权利要求6所述的脉冲中子双谱流体饱和度测井仪，其特征在于：所述脉冲中子双谱饱和度测井仪可工作在NTS模式、CTS模式、DTS模式三种测量模式下，所述NTS模式只采集热中子时间谱；所述CTS模式-只采集俘获伽马时间谱；所述DTS模式可同时采集热中子时间谱和俘获伽马时间谱。

8、根据权利要求6所述的脉冲中子双谱流体饱和度测井仪，其特征在于：所述热中子探测器2与脉冲中子发生器1之间的距离为350mm；俘获伽马探测器3与脉冲中子发生器1之间的距离为500mm；自然伽马探测器4与脉冲中子发生器1之间的距离为900mm。

9、根据权利要求8所述的脉冲中子双谱流体饱和度测井仪，其特征在于：所述热中子探测器2为³He计数管；所述俘获伽马探测器3为闪烁谱仪；所述自然伽马探测器4为闪烁谱仪。

10、根据权利要求9所述的脉冲中子双谱流体饱和度测井仪，其特征在于：所述的脉冲中子双谱饱和度测井仪包括温度计、压力计和套管接箍定位器。

Images