CN104749651A - 相控多级重构测井定量识别泥页岩甜点方法 - Google Patents

Abstract

本发明提供一种相控多级重构测井定量识别泥页岩甜点方法，该方法包括精细划分泥页岩的不同岩相，明确各类岩相的测井响应特征；以及相控约束下，通过测井多级重构融合，建立泥页岩不同岩相中甜点的定量识别模型，并验证推广至全区。该相控多级重构测井定量识别泥页岩甜点方法充分考虑了泥页岩甜点在空间分布上的非均质性，明确了不同岩相中甜点的测井响应差异，通过多级重构减少了测井参数众多、互相关性高导致的多解性，同时在融合多种测井信息的基础上，完成了泥页岩不同岩相中甜点的测井定量识别，为泥页岩油藏的高效勘探开发提供重要参考依据。

Description

相控多级重构测井定量识别泥页岩甜点方法

技术领域

本发明涉及非常规油气地质勘探资料处理方法领域，特别是涉及到一种相控多级重构测井定量识别泥页岩甜点方法。

背景技术

大量的国内外勘探实践证明，泥页岩油藏勘探的关键是寻找有利的油气富集区，即甜点。泥页岩甜点中既包含裂缝因素，又涵盖各种非裂缝成因导致的油气聚集。目前，在测井定量识别裂缝方面研究较为深入，已建立起单一或多条测井曲线融合定量识别裂缝的技术和方法。但在将泥页岩甜点作为整体进行测井定量识别方面的分析和研究还较为缺乏。泥页岩甜点在测井响应特征上与裂缝有所不同，因此决定了两者在测井定量识别方法上也有差异，不能单纯借鉴测井定量识别裂缝方面的研究和成果。同时，泥页岩在空间分布上具有较强的非均质性，不同岩相中发育的甜点的测井响应特征也有差异，需要进行相控约束下的泥页岩甜点测井定量识别方法研究。

在相控测井解释方面，研究多局限于不同沉积相下各类测井参数标准的识别建立，并未进行相控约束下多曲线重构定量识别储层的研究。如《近源砂岩原生孔隙储集层岩石相控建模及其应用》（周灿灿等，《石油勘探与开发》，2006年10月第33卷第5期），《苏里格中部地区盒8段储层沉积相控测井解释分析》（刘行军等，《测井技术》，2008年6月第32卷第3期）。而在测井曲线重构方面，现有文献仅限于声波和密度等少数几条测井曲线的重构融合，为储层的地震反演工作服务，并未融入其他反映储层发育情况的测井曲线，进行不同沉积相带下储层的定量识别研究。如《基于多测井数据的重构技术在约束反演中的应用》（贺懿等，《天然气工业》，2008年12月第28卷第12期），《测井曲线重构技术在储层反演中的应用》（余瀚熠等，《物探化探计算技术》，2009年11月第31卷第6期）。

发明内容

本发明的目的是针对现有技术存在的问题，将测井定量识别裂缝方面和相控测井解释方面的相关技术方法有机结合，提供一种综合多种测井信息评价泥页岩甜点发育程度，提高测井识别泥页岩甜点定量化水平的相控多级重构测井定量识别泥页岩甜点方法。

本发明通过如下技术措施来实现：

相控多级重构测井定量识别泥页岩甜点方法包括:

步骤1，精细划分泥页岩的不同岩相，明确各类岩相甜点的测井响应特征；

步骤2，相控约束下，多种测井参数重构降维，构建互相关性低、数量较少的因子参数；

步骤3，分岩相进行测井多级重构融合，建立泥页岩不同岩相中甜点的定量识别模型；

步骤4，进行泥页岩甜点的测井定量识别。

上述的相控多级重构测井定量识别泥页岩甜点方法优化方案是：

在步骤1中，以岩心、薄片观察、成像测井与扫描电镜资料为基础，按泥页岩中碳酸盐矿物含量50%为界以及具有纹层状、块状和层状三种结构构造的特点，将泥页岩精细划分为五类岩相：纹层状灰质泥岩、纹层状泥质灰岩、块状灰质泥岩、块状泥质灰岩、层状泥页岩，并明确了各类岩相甜点的测井响应特征。

在步骤2中，采用因子分析技术，根据各个测井参数之间相关性的大小将选取的典型样本集合进行分组，使得同组内的测井参数之间相关性较高，而不同组的参数之间相关性较低。将每一组测井参数定义为一个公共因子，以反映影响泥页岩甜点发育的某一方面的特征。最后，通过几个公共因子的方差贡献率来构造一个综合指示函数，从而简化原始测井参数并有效处理各个参数之间的重复信息，即：

$\left\{\begin{array}{c}{f}_1={\mathrm{\μ}}_{11}{w}_1+{\mathrm{\μ}}_{12}{w}_2+...+{\mathrm{\μ}}_{1p}{w}_p\\ f_2={\mathrm{\μ}}_{21}{w}_1+{\mathrm{\μ}}_{22}{w}_2+...+{\mathrm{\μ}}_{2p}{w}_p\\ ...\\ f_n={\mathrm{\μ}}_{n1}{w}_1+{\mathrm{\μ}}_{n2}{w}_2+...+{\mathrm{\μ}}_{\mathrm{np}}{w}_p\end{array}\right.$

式中，f_n为降维后重构的因子参数，w_p为原始的测井参数，μ_pi为各个因子的待定系数，n为重构后的因子参数个数，p为原始的测井参数个数，且n＜p。

在步骤3中，分岩相重构融合，建立泥页岩不同岩相中甜点的定量识别模型。将降维重构后的典型样本集合进行分类赋值，采用判别分析技术把原来的自变量组合投影到维度较低的空间，然后在维度较低的空间中进行分类。具体实现方法是使每一类内的离差尽可能小，而不同类间的离差尽可能大。最终，建立了适用于本实施例的泥页岩各类岩相甜点的定量识别模型，即：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{k}_i{f}_i+\mathrm{\ϵ}$

式中，S为构建的泥页岩甜点指数，f_i为降维后重构的因子参数，k_i为各个因子的待定系数，n为重构后的因子参数个数，ε为常数项。

在步骤4中，根据建立的各类岩相甜点定量识别模型，经验证后，推广至全区各类泥页岩岩相甜点的测井定量识别中，为泥页岩油藏的高效勘探开发提供重要参考依据。

本发明的有益效果：

本发明中的相控多级重构测井定量识别泥页岩甜点方法，充分考虑了泥页岩甜点在空间分布上的非均质性，明确了不同岩相中甜点的测井响应差异，通过多级重构减少了测井参数众多、互相关性高导致的多解性，同时在融合多种测井信息的基础上，完成了泥页岩不同岩相中甜点的测井定量识别，为泥页岩油藏的高效勘探开发提供重要参考依据。该方法具有良好的应用效果和推广前景。

附图说明

图1为本发明一种具体实施例的流程图；

图2是泥页岩不同岩相的测井响应特征差异示意图；

图3是泥页岩不同岩相甜点在深侧向（LLD）和双侧向差异（R_ds）曲线的特征图；

图4是泥页岩不同岩相甜点在三孔隙度（AC、DEN、CNL）和次生孔隙（PORf）曲线的特征图；

图5是泥页岩不同岩相甜点在自然电位（SP）曲线的特征图；

图6是经降维重构后的三个因子参数在三维空间中的分布图；

图7是样本层段中泥页岩甜点指数S的平面分布图；

图8是L69井中计算的泥页岩甜点指数S与成像测井的对比效果图。

具体实施方式

下文特举出较佳实施例，并配合附图，作详细说明如下。

实施例1

如图1所示，图1为本发明的相控多级重构测井定量识别泥页岩甜点方法的流程图。

在步骤101，以岩心、薄片观察、成像测井与扫描电镜资料为基础，进行泥页岩岩相的精细划分。按泥页岩中碳酸盐矿物含量50%为界以及具有纹层状、块状和层状三种结构构造的特点，将泥页岩精细划分为五类岩相：纹层状灰质泥岩、纹层状泥质灰岩、块状灰质泥岩、块状泥质灰岩、层状泥页岩。本实施例中，纹层状灰质泥岩在常规测井曲线上具有：高电阻（LLD）、中高声波时差（AC）、中高中子（CNL）、低密度（DEN）、自然电位负异常不明显（SP）的特征。此外，深浅侧向差异（R_ds）和次生孔隙（PORf）的大小与甜点的发育程度呈正比。其中，定义深浅侧向电阻率差异曲线Rds为深浅侧向电阻率之差的绝对值与深侧向电阻率的比值，即：

R_ds＝|R_LLD-R_LLS|/R_LLD

式中，R_ds为深浅侧向的电阻率差异值，R_LLS为浅侧向电阻率，R_LLD为深侧向电阻率。定义次生孔隙PORf为总孔隙度POR_DEN、CNL与原生孔隙度POR_AC的差值，即

${\mathrm{POR}}_{\mathrm{DEN},\mathrm{CNL}}=\sqrt{\frac{{\mathrm{POR}}_{\mathrm{DEN}}^2+{\mathrm{POR}}_{\mathrm{CNL}}^2}{2}}$

PORf＝POR_DEN、CNL-POR_AC

式中，PORf为次生孔隙，POR_DEN、CNL为总孔隙度，POR_AC为声波孔隙度，POR_DEN为中子密度孔隙度，POR_CNL为补偿中子孔隙度。

在步骤102，相控约束下，多种测井参数重构降维，构建互相关性低、数量较少的因子参数。选取纹层状灰质泥岩中甜点和非甜点的典型层段的测井数据建立样本集合，采用因子分析技术，根据各个测井参数之间相关性的大小将选取的典型样本集合进行分组，使得同组内的测井参数之间相关性较高，而不同组的参数之间相关性较低。将每一组测井参数定义为一个公共因子，以反映影响泥页岩甜点发育的某一方面的特征。最后，通过几个公共因子的方差贡献率来构造一个综合指示函数，从而简化原始测井参数并有效处理各个参数之间的重复信息，即：

$\left\{\begin{array}{c}{f}_1={\mathrm{\μ}}_{11}{w}_1+{\mathrm{\μ}}_{12}{w}_2+...+{\mathrm{\μ}}_{1p}{w}_p\\ f_2={\mathrm{\μ}}_{21}{w}_1+{\mathrm{\μ}}_{22}{w}_2+...+{\mathrm{\μ}}_{2p}{w}_p\\ ...\\ f_n={\mathrm{\μ}}_{n1}{w}_1+{\mathrm{\μ}}_{n2}{w}_2+...+{\mathrm{\μ}}_{\mathrm{np}}{w}_p\end{array}\right.$

式中，f_n为降维后重构的因子参数，w_p为原始的测井参数，μ_pi为各个因子的待定系数，n为重构后的因子参数个数，p为原始的测井参数个数，且n＜p。

降维得到的因子数量由选取的典型样本集合而定，本实施例纹层状灰质泥岩甜点中，多种测井参数在降维后构建了3个非相关因子，分别是岩石物理因子f1、储集能力因子f2和储集空间因子f3。流程进入到步骤103。

在步骤103，分岩相重构融合，建立泥页岩不同岩相中甜点的定量识别模型。将降维重构后的典型样本集合进行分类赋值，采用判别分析技术把原来的自变量组合投影到维度较低的空间，然后在维度较低的空间中进行分类。具体实现方法是使每一类内的离差尽可能小，而不同类间的离差尽可能大。最终，建立了适用于本实施例的纹层状灰质泥岩甜点的定量识别模型，即：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{k}_i{f}_i+\mathrm{\ϵ}$

式中，S为构建的泥页岩甜点指数，f_i为降维后重构的因子参数，k_i为各个因子的待定系数，n为重构后的因子参数个数，ε为常数项。

在步骤104，根据建立的纹层状灰质泥岩甜点定量识别模型，经验证后，推广至全区同类泥页岩岩相甜点的测井定量识别中，为泥页岩油藏的高效勘探开发提供重要参考依据。

实施例2

如图1所示，图1为本发明的相控多级重构测井定量识别泥页岩甜点方法的流程图。

在步骤101，以岩心、薄片观察、成像测井与扫描电镜资料为基础，进行泥页岩岩相的精细划分。按泥页岩中碳酸盐矿物含量50%为界以及具有纹层状、块状和层状三种结构构造的特点，将泥页岩精细划分为五类岩相：纹层状灰质泥岩、纹层状泥质灰岩、块状灰质泥岩、块状泥质灰岩、层状泥页岩。本实施例中，纹层状泥质灰岩在常规测井曲线上具有：高电阻（LLD）、高声波时差（AC）、高中子（CNL）、低密度（DEN）、自然电位负异常明显（SP）的特征。此外，深浅侧向差异（R_ds）和次生孔隙（PORf）的大小与甜点的发育程度呈正比。其中，定义深浅侧向电阻率差异曲线Rds为深浅侧向电阻率之差的绝对值与深侧向电阻率的比值，即：

R_ds＝|R_LLD-R_LLS|/R_LLD

式中，R_ds为深浅侧向的电阻率差异值，R_LLS为浅侧向电阻率，R_LLD为深侧向电阻率。定义次生孔隙PORf为总孔隙度POR_DEN、CNL与原生孔隙度POR_AC的差值，即

${\mathrm{POR}}_{\mathrm{DEN},\mathrm{CNL}}=\sqrt{\frac{{\mathrm{POR}}_{\mathrm{DEN}}^2+{\mathrm{POR}}_{\mathrm{CNL}}^2}{2}}$

PORf＝POR_DEN、CNL-POR_AC

式中，PORf为次生孔隙，POR_DEN、CNL为总孔隙度，POR_AC为声波孔隙度，POR_DEN为中子密度孔隙度，POR_CNL为补偿中子孔隙度。

在步骤102，相控约束下，多种测井参数重构降维，构建互相关性低、数量较少的因子参数。选取纹层状泥质灰岩中甜点和非甜点的典型层段的测井数据建立样本集合，采用因子分析技术，根据各个测井参数之间相关性的大小将选取的典型样本集合进行分组，使得同组内的测井参数之间相关性较高，而不同组的参数之间相关性较低。将每一组测井参数定义为一个公共因子，以反映影响泥页岩甜点发育的某一方面的特征。最后，通过几个公共因子的方差贡献率来构造一个综合指示函数，从而简化原始测井参数并有效处理各个参数之间的重复信息，即：

$\left\{\begin{array}{c}{f}_1={\mathrm{\μ}}_{11}{w}_1+{\mathrm{\μ}}_{12}{w}_2+...+{\mathrm{\μ}}_{1p}{w}_p\\ f_2={\mathrm{\μ}}_{21}{w}_1+{\mathrm{\μ}}_{22}{w}_2+...+{\mathrm{\μ}}_{2p}{w}_p\\ ...\\ f_n={\mathrm{\μ}}_{n1}{w}_1+{\mathrm{\μ}}_{n2}{w}_2+...+{\mathrm{\μ}}_{\mathrm{np}}{w}_p\end{array}\right.$

式中，f_n为降维后重构的因子参数，w_p为原始的测井参数，μ_pi为各个因子的待定系数，n为重构后的因子参数个数，p为原始的测井参数个数，且n＜p。

降维得到的因子数量由选取的典型样本集合而定，本实施例纹层状泥质灰岩甜点中，多种测井参数在降维后构建了3个非相关因子，分别是岩石物理因子f1、储集能力因子f2和储集空间因子f3。流程进入到步骤103。

在步骤103，分岩相重构融合，建立泥页岩不同岩相中甜点的定量识别模型。将降维重构后的典型样本集合进行分类赋值，采用判别分析技术把原来的自变量组合投影到维度较低的空间，然后在维度较低的空间中进行分类。具体实现方法是使每一类内的离差尽可能小，而不同类间的离差尽可能大。最终，建立了适用于本实施例的纹层状泥质灰岩甜点的定量识别模型，即：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{k}_i{f}_i+\mathrm{\ϵ}$

式中，S为构建的泥页岩甜点指数，f_i为降维后重构的因子参数，k_i为各个因子的待定系数，n为重构后的因子参数个数，ε为常数项。

在步骤104，根据建立的纹层状泥质灰岩甜点定量识别模型，经验证后，推广至全区同类泥页岩岩相甜点的测井定量识别中，为泥页岩油藏的高效勘探开发提供重要参考依据。

实施例3

如图1所示，图1为本发明的相控多级重构测井定量识别泥页岩甜点方法的流程图。

在步骤101，以岩心、薄片观察、成像测井与扫描电镜资料为基础，进行泥页岩岩相的精细划分。按泥页岩中碳酸盐矿物含量50%为界以及具有纹层状、块状和层状三种结构构造的特点，将泥页岩精细划分为五类岩相：纹层状灰质泥岩、纹层状泥质灰岩、块状灰质泥岩、块状泥质灰岩、层状泥页岩。本实施例中，块状灰质泥岩在常规测井曲线上具有：中高电阻（LLD）、中高声波时差（AC）、中高中子（CNL）、低密度（DEN）、自然电位负异常不明显（SP）的特征。此外，深浅侧向差异（R_ds）和次生孔隙（PORf）的大小与甜点的发育程度呈正比。其中，定义深浅侧向电阻率差异曲线Rds为深浅侧向电阻率之差的绝对值与深侧向电阻率的比值，即：

R_ds＝|R_LLD-R_LLS|/R_LLD

式中，R_ds为深浅侧向的电阻率差异值，R_LLS为浅侧向电阻率，R_LLD为深侧向电阻率。定义次生孔隙PORf为总孔隙度POR_DEN、CNL与原生孔隙度POR_AC的差值，即

${\mathrm{POR}}_{\mathrm{DEN},\mathrm{CNL}}=\sqrt{\frac{{\mathrm{POR}}_{\mathrm{DEN}}^2+{\mathrm{POR}}_{\mathrm{CNL}}^2}{2}}$

PORf＝POR_DEN、CNL-POR_AC

式中，PORf为次生孔隙，POR_DEN、CNL为总孔隙度，POR_AC为声波孔隙度，POR_DEN为中子密度孔隙度，POR_CNL为补偿中子孔隙度。

在步骤102，相控约束下，多种测井参数重构降维，构建互相关性低、数量较少的因子参数。选取块状灰质泥岩中甜点和非甜点的典型层段的测井数据建立样本集合，采用因子分析技术，根据各个测井参数之间相关性的大小将选取的典型样本集合进行分组，使得同组内的测井参数之间相关性较高，而不同组的参数之间相关性较低。将每一组测井参数定义为一个公共因子，以反映影响泥页岩甜点发育的某一方面的特征。最后，通过几个公共因子的方差贡献率来构造一个综合指示函数，从而简化原始测井参数并有效处理各个参数之间的重复信息，即：

$\left\{\begin{array}{c}{f}_1={\mathrm{\μ}}_{11}{w}_1+{\mathrm{\μ}}_{12}{w}_2+...+{\mathrm{\μ}}_{1p}{w}_p\\ f_2={\mathrm{\μ}}_{21}{w}_1+{\mathrm{\μ}}_{22}{w}_2+...+{\mathrm{\μ}}_{2p}{w}_p\\ ...\\ f_n={\mathrm{\μ}}_{n1}{w}_1+{\mathrm{\μ}}_{n2}{w}_2+...+{\mathrm{\μ}}_{\mathrm{np}}{w}_p\end{array}\right.$

式中，f_n为降维后重构的因子参数，w_p为原始的测井参数，μ_pi为各个因子的待定系数，n为重构后的因子参数个数，p为原始的测井参数个数，且n＜p。

降维得到的因子数量由选取的典型样本集合而定，本实施例块状灰质泥岩甜点中，多种测井参数在降维后构建了3个非相关因子，分别是岩石物理因子f1、储集能力因子f2和储集空间因子f3。流程进入到步骤103。

在步骤103，分岩相重构融合，建立泥页岩不同岩相中甜点的定量识别模型。将降维重构后的典型样本集合进行分类赋值，采用判别分析技术把原来的自变量组合投影到维度较低的空间，然后在维度较低的空间中进行分类。具体实现方法是使每一类内的离差尽可能小，而不同类间的离差尽可能大。最终，建立了适用于本实施例的块状灰质泥岩甜点的定量识别模型，即：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{k}_i{f}_i+\mathrm{\ϵ}$

式中，S为构建的泥页岩甜点指数，f_i为降维后重构的因子参数，k_i为各个因子的待定系数，n为重构后的因子参数个数，ε为常数项。

在步骤104，根据建立的块状灰质泥岩甜点定量识别模型，经验证后，推广至全区同类泥页岩岩相甜点的测井定量识别中，为泥页岩油藏的高效勘探开发提供重要参考依据。

实施例4

如图1所示，图1为本发明的相控多级重构测井定量识别泥页岩甜点方法的流程图。

在步骤101，以岩心、薄片观察、成像测井与扫描电镜资料为基础，进行泥页岩岩相的精细划分。按泥页岩中碳酸盐矿物含量50%为界以及具有纹层状、块状和层状三种结构构造的特点，将泥页岩精细划分为五类岩相：纹层状灰质泥岩、纹层状泥质灰岩、块状灰质泥岩、块状泥质灰岩、层状泥页岩。本实施例中，块状泥质灰岩在常规测井曲线上具有：高电阻（LLD）、中高声波时差（AC）、中高中子（CNL）、中低密度（DEN）、自然电位负异常明显（SP）的特征。此外，深浅侧向差异（R_ds）和次生孔隙（PORf）的大小与甜点的发育程度呈正比。其中，定义深浅侧向电阻率差异曲线Rds为深浅侧向电阻率之差的绝对值与深侧向电阻率的比值，即：

R_ds＝|R_LLD-R_LLS|/R_LLD

式中，R_ds为深浅侧向的电阻率差异值，R_LLS为浅侧向电阻率，R_LLD为深侧向电阻率。定义次生孔隙PORf为总孔隙度POR_DEN、CNL与原生孔隙度POR_AC的差值，即

${\mathrm{POR}}_{\mathrm{DEN},\mathrm{CNL}}=\sqrt{\frac{{\mathrm{POR}}_{\mathrm{DEN}}^2+{\mathrm{POR}}_{\mathrm{CNL}}^2}{2}}$

PORf＝POR_DEN、CNL-POR_AC

式中，PORf为次生孔隙，POR_DEN、CNL为总孔隙度，POR_AC为声波孔隙度，POR_DEN为中子密度孔隙度，POR_CNL为补偿中子孔隙度。

在步骤102，相控约束下，多种测井参数重构降维，构建互相关性低、数量较少的因子参数。选取块状泥质灰岩中甜点和非甜点的典型层段的测井数据建立样本集合，采用因子分析技术，根据各个测井参数之间相关性的大小将选取的典型样本集合进行分组，使得同组内的测井参数之间相关性较高，而不同组的参数之间相关性较低。将每一组测井参数定义为一个公共因子，以反映影响泥页岩甜点发育的某一方面的特征。最后，通过几个公共因子的方差贡献率来构造一个综合指示函数，从而简化原始测井参数并有效处理各个参数之间的重复信息，即：

$\left\{\begin{array}{c}{f}_1={\mathrm{\μ}}_{11}{w}_1+{\mathrm{\μ}}_{12}{w}_2+...+{\mathrm{\μ}}_{1p}{w}_p\\ f_2={\mathrm{\μ}}_{21}{w}_1+{\mathrm{\μ}}_{22}{w}_2+...+{\mathrm{\μ}}_{2p}{w}_p\\ ...\\ f_n={\mathrm{\μ}}_{n1}{w}_1+{\mathrm{\μ}}_{n2}{w}_2+...+{\mathrm{\μ}}_{\mathrm{np}}{w}_p\end{array}\right.$

式中，f_n为降维后重构的因子参数，w_p为原始的测井参数，μ_pi为各个因子的待定系数，n为重构后的因子参数个数，p为原始的测井参数个数，且n＜p。

降维得到的因子数量由选取的典型样本集合而定，本实施例块状泥质灰岩甜点中，多种测井参数在降维后构建了3个非相关因子，分别是岩石物理因子f1、储集能力因子f2和储集空间因子f3。流程进入到步骤103。

在步骤103，分岩相重构融合，建立泥页岩不同岩相中甜点的定量识别模型。将降维重构后的典型样本集合进行分类赋值，采用判别分析技术把原来的自变量组合投影到维度较低的空间，然后在维度较低的空间中进行分类。具体实现方法是使每一类内的离差尽可能小，而不同类间的离差尽可能大。最终，建立了适用于本实施例的块状泥质灰岩的定量识别模型，即：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{k}_i{f}_i+\mathrm{\ϵ}$

式中，S为构建的泥页岩甜点指数，f_i为降维后重构的因子参数，k_i为各个因子的待定系数，n为重构后的因子参数个数，ε为常数项。

在步骤104，根据建立的块状泥质灰岩甜点定量识别模型，经验证后，推广至全区同类泥页岩岩相甜点的测井定量识别中，为泥页岩油藏的高效勘探开发提供重要参考依据。

实施例5

如图1所示，图1为本发明的相控多级重构测井定量识别泥页岩甜点方法的流程图。

在步骤101，以岩心、薄片观察、成像测井与扫描电镜资料为基础，进行泥页岩岩相的精细划分。按泥页岩中碳酸盐矿物含量50%为界以及具有纹层状、块状和层状三种结构构造的特点，将泥页岩精细划分为五类岩相：纹层状灰质泥岩、纹层状泥质灰岩、块状灰质泥岩、块状泥质灰岩、层状泥页岩。本实施例中，层状泥页岩在常规测井曲线上具有：中高电阻（LLD）、中等声波时差（AC）、中等中子（CNL）、中等密度（DEN）、自然电位负异常不明显（SP）的特征。此外，深浅侧向差异（R_ds）和次生孔隙（PORf）的大小与甜点的发育程度呈正比。其中，定义深浅侧向电阻率差异曲线Rds为深浅侧向电阻率之差的绝对值与深侧向电阻率的比值，即：

R_ds＝|R_LLD-R_LLS|/R_LLD

式中，R_ds为深浅侧向的电阻率差异值，R_LLS为浅侧向电阻率，R_LLD为深侧向电阻率。定义次生孔隙PORf为总孔隙度POR_DEN、CNL与原生孔隙度POR_AC的差值，即

${\mathrm{POR}}_{\mathrm{DEN},\mathrm{CNL}}=\sqrt{\frac{{\mathrm{POR}}_{\mathrm{DEN}}^2+{\mathrm{POR}}_{\mathrm{CNL}}^2}{2}}$

PORf＝POR_DEN、CNL-POR_AC

式中，PORf为次生孔隙，POR_DEN、CNL为总孔隙度，POR_AC为声波孔隙度，POR_DEN为中子密度孔隙度，POR_CNL为补偿中子孔隙度。

在步骤102，相控约束下，多种测井参数重构降维，构建互相关性低、数量较少的因子参数。选取层状泥页岩中甜点和非甜点的典型层段的测井数据建立样本集合，采用因子分析技术，根据各个测井参数之间相关性的大小将选取的典型样本集合进行分组，使得同组内的测井参数之间相关性较高，而不同组的参数之间相关性较低。将每一组测井参数定义为一个公共因子，以反映影响泥页岩甜点发育的某一方面的特征。最后，通过几个公共因子的方差贡献率来构造一个综合指示函数，从而简化原始测井参数并有效处理各个参数之间的重复信息，即：

$\left\{\begin{array}{c}{f}_1={\mathrm{\μ}}_{11}{w}_1+{\mathrm{\μ}}_{12}{w}_2+...+{\mathrm{\μ}}_{1p}{w}_p\\ f_2={\mathrm{\μ}}_{21}{w}_1+{\mathrm{\μ}}_{22}{w}_2+...+{\mathrm{\μ}}_{2p}{w}_p\\ ...\\ f_n={\mathrm{\μ}}_{n1}{w}_1+{\mathrm{\μ}}_{n2}{w}_2+...+{\mathrm{\μ}}_{\mathrm{np}}{w}_p\end{array}\right.$

式中，f_n为降维后重构的因子参数，w_p为原始的测井参数，μ_pi为各个因子的待定系数，n为重构后的因子参数个数，p为原始的测井参数个数，且n＜p。

降维得到的因子数量由选取的典型样本集合而定，本实施例层状泥页岩甜点中，多种测井参数在降维后构建了3个非相关因子，分别是岩石物理因子f1、储集能力因子f2和储集空间因子f3。流程进入到步骤103。

在步骤103，分岩相重构融合，建立泥页岩不同岩相中甜点的定量识别模型。将降维重构后的典型样本集合进行分类赋值，采用判别分析技术把原来的自变量组合投影到维度较低的空间，然后在维度较低的空间中进行分类。具体实现方法是使每一类内的离差尽可能小，而不同类间的离差尽可能大。最终，建立了适用于本实施例的层状泥页岩的定量识别模型，即：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{k}_i{f}_i+\mathrm{\ϵ}$

式中，S为构建的泥页岩甜点指数，f_i为降维后重构的因子参数，k_i为各个因子的待定系数，n为重构后的因子参数个数，ε为常数项。

在步骤104，根据建立的层状泥页岩甜点定量识别模型，经验证后，推广至全区同类泥页岩岩相甜点的测井定量识别中，为泥页岩油藏的高效勘探开发提供重要参考依据。

图2是泥页岩不同岩相的测井响应特征差异示意图，是进行相控多级重构测井定量识别泥页岩甜点的基础。图3是泥页岩不同岩相甜点在深侧向（LLD）和双侧向差异（R_ds）曲线的特征图，图4是泥页岩不同岩相甜点在三孔隙度（AC、DEN、CNL）和次生孔隙（PORf）曲线的特征图，图5是泥页岩不同岩相甜点在自然电位（SP）曲线的特征图。图3至图5为泥页岩不同岩相甜点在常规测井曲线的响应特征，是定性判别泥页岩不同岩相甜点发育程度和建立典型样本集合的主要依据。图6是经降维重构后的三个因子参数在三维空间中的分布图，可以看出AC、DEN、CNL、Rds等组成的岩石物理因子、LLD和SP组成的储集能力因子和PORf组成的储集空间因子在三维空间中分布明显不同，而因子内部的各变量载荷分布类似，具有集聚性。由此，将7个测井参数降维减少到只有3个因子参数。图7是样本层段中泥页岩甜点指数S的平面分布图，图8是L69井中计算的泥页岩甜点指数S与成像测井的对比效果图。图7表明泥页岩甜点定量识别模型应用于样本层段后，可以较为有效地区分甜点段和非甜点段，判别正确率较高，达到了87.8%。图8表明泥页岩甜点定量识别模型计算的甜点指数S与成像测井中的裂缝发育程度、层段的产油情况成正比，具有较好的实际应用效果。

Claims (4)

1.相控多级重构测井定量识别泥页岩甜点方法，其特征在于包括：

步骤1，划分泥页岩的不同岩相，明确各类岩相甜点的测井响应特征；

步骤2，相控约束下，多种测井参数重构降维，构建互相关性低、数量较少的因子参数；

步骤3，分岩相进行测井多级重构融合，建立泥页岩不同岩相中甜点的定量识别模型；

步骤4，进行泥页岩甜点的测井定量识别。

2.根据权利要求1所述的相控多级重构测井定量识别泥页岩甜点方法，其特征在于：

在步骤1中，以岩心、薄片观察、成像测井与扫描电镜资料为基础，按泥页岩中碳酸盐矿物含量50%为界以及具有纹层状、块状和层状三种结构构造的特点，将泥页岩精细划分为五类岩相：纹层状灰质泥岩、纹层状泥质灰岩、块状灰质泥岩、块状泥质灰岩、层状泥页岩，并明确了各类岩相甜点的测井响应特征；

在步骤2中，采用因子分析技术，根据各个测井参数之间相关性的大小将选取的典型样本集合进行分组，使得同组内的测井参数之间相关性较高，而不同组的参数之间相关性较低；将每一组测井参数定义为一个公共因子，以反映影响泥页岩甜点发育的某一方面的特征；最后，通过几个公共因子的方差贡献率来构造一个综合指示函数，从而简化原始测井参数并有效处理各个参数之间的重复信息，即：

$\left\{\begin{array}{c}{f}_1={\mathrm{\μ}}_{11}{w}_1+{\mathrm{\μ}}_{12}{w}_2+...+{\mathrm{\μ}}_{1p}{w}_p\\ f_2={\mathrm{\μ}}_{21}{w}_1+{\mathrm{\μ}}_{22}{w}_2+...+{\mathrm{\μ}}_{2p}{w}_p\\ ...\\ f_n={\mathrm{\μ}}_{n1}{w}_1+{\mathrm{\μ}}_{n2}{w}_2+...+{\mathrm{\μ}}_{\mathrm{np}}{w}_p\end{array}\right.$

式中，f_n为降维后重构的因子参数，w_p为原始的测井参数，μ_pi为各个因子的待定系数，n为重构后的因子参数个数，p为原始的测井参数个数，且n＜p；

在步骤3中，将降维重构后的典型样本集合进行分类赋值，采用判别分析方法把原来的自变量组合投影到维度较低的空间，然后在维度较低的空间中进行分类，最终，建立了适用于本实施例的泥页岩各类岩相甜点的定量识别模型，即：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{k}_i{f}_i+\mathrm{\ϵ}$

式中，S为构建的泥页岩甜点指数，f_i为降维后重构的因子参数，k_i为各个因子的待定系数，n为重构后的因子参数个数，ε为常数项；

在步骤4中，根据建立的各类岩相甜点定量识别模型，经验证后，推广至全区各类泥页岩岩相甜点的测井定量识别中，为泥页岩油藏的高效勘探开发提供重要参考依据。

3.根据权利要求2所述的相控多级重构测井定量识别泥页岩甜点方法，其特征在于，在步骤2中，不同泥页岩岩相的甜点中，多种测井参数在降维后均构建了3个非相关因子，分别是岩石物理因子f1、储集能力因子f2和储集空间因子f3。

4.根据权利要求2或3所述的相控多级重构测井定量识别泥页岩甜点方法，其特征在于，在步骤3中在维度较低的空间中进行分类的具体实现方法是使每一类内的离差尽可能小，而不同类间的离差尽可能大。