CN105221141A - 一种泥页岩脆性指数预测方法 - Google Patents

Abstract

本发明提供了一种泥页岩脆性指数预测方法，属于石油天然气勘探领域。本方法包括：(1)地质、测井、地震数据准备；(2)利用泥页岩岩石矿物组分分析资料中的石英、粘土、碳酸盐岩的含量计算脆性矿物含量与总矿物含量之比，即岩矿脆性指数；(3)利用偶极子声波测井资料中的纵波速度、横波速度、密度曲线计算岩石力学特征参数；(4)在井点位置处建立岩矿脆性指数曲线与岩石力学特征参数曲线之间的多元回归模型；(5)开展叠前反演获得纵波速度、横波速度和密度数据体，然后计算岩石力学特征参数数据体；(6)利用步骤(4)得到的多元回归模型和步骤(5)得到的岩石力学特征参数数据体，计算得到脆性指数数据体。

Description

一种泥页岩脆性指数预测方法

技术领域

本发明属于石油天然气勘探领域，具体涉及一种泥页岩脆性指数预测方法。

背景技术

页岩本身具有低孔隙度、低渗透率的特点，一般而言需对页岩储层进行大规模压裂改造，在压裂过程中不断产生各种形式的裂缝，形成裂缝网络才能获得较高的商业产能。页岩中裂缝网络的形成除了与地应力大小及其分布有关外，岩石的脆性也是影响压裂效果的重要影响因素。因此，近些年国内外开展了一些关于页岩脆性方面的研究，比如Rickman等(2008年)在《APracticalUseofShalePetrophysicsforStimulationDesignOptimization：AllShalePlaysAreNotClonesoftheBarnettShale》一文中通过分析Barnett页岩实验室测试数据提出高脆性的泥页岩拥有高杨氏模量和低泊松比的特点，并基于实验室测量的静态杨氏模量和泊松比数据提出脆性指数(归一化后的杨氏模量和泊松比之和除以2)的概念。但结合北美页岩气勘探经验来看，大多数是定性地描述泥页岩脆性，且描述方式较多，包括单独使用杨氏模量、泊松比、拉梅系数×密度(λρ)、剪切模量×密度(μρ)等方法。同时，Rickman脆性公式中使用的是静态岩石弹性参数，而反演结果属于动态参数数据体，利用反演结果计算脆性指数数据体前需要做动、静态弹性参数的转换，而这种转换往往会带来一定的误差，并且还存在缺乏实验室力学测试数据的情况。国内方面，申请号为201310036314.2的专利公开了一种非常规泥页岩油气藏有效压裂层段的检测方法及装置，实现了利用矿物含量及矿物泊松比计算脆性指数的方法，但矿物的泊松比计算存在较大难度，并且只利用了泊松比这一种弹性参数，计算结果可能存在较大误差。目前来看，结合现有实验室力学测试分析、地震及测井上的认识，认为泥页岩脆性预测方面主要存在如下几个问题：

(1)岩矿脆性指数的定义多种多样，没有统一的标准，在实际勘探生产中大多数情况下仅进行定性地描述；

(2)基于实验室力学测试数据得到的是岩石静态弹性参数，而通过测井资料计算的是动态弹性参数，其中在动、静态弹性参数转换过程中会存在一定误差；

(3)实验室力学测试数据多数只能给出井点位置处取样点岩石的脆性指数，难以反映平面上岩石脆性指数的变化。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种泥页岩脆性指数预测方法，能够预测泥页岩脆性指数纵横向变化情况，指导页岩气水平井井轨迹设计和压裂方案设计。

本发明是通过以下技术方案实现的：

一种泥页岩脆性指数预测方法，包括：

(1)地质、测井、地震数据准备；

(2)利用泥页岩岩石矿物组分分析资料中的石英、粘土、碳酸盐岩的含量计算脆性矿物含量与总矿物含量之比，即岩矿脆性指数；

(3)利用偶极子声波测井资料中的纵波速度、横波速度、密度曲线计算岩石力学特征参数；

(4)在井点位置处建立岩矿脆性指数曲线与岩石力学特征参数曲线之间的多元回归模型；

(5)开展叠前反演获得纵波速度、横波速度和密度数据体，然后计算岩石力学特征参数数据体；

(6)利用步骤(4)得到的多元回归模型和步骤(5)得到的岩石力学特征参数数据体，计算得到脆性指数数据体。

所述步骤(1)中的地质、测井、地震数据具体如下：

地质数据包括录井、试气以及泥页岩岩心矿物组分分析数据；

测井数据包括偶极子声波测井或全波列声波测井资料，至少包括纵波时差、横波时差、密度测井曲线以及泥页岩矿物组分含量测井解释曲线；

地震数据包括经叠后或叠前偏移处理的成果数据以及经过随机噪音衰减、同相轴拉平、AVO特征补偿等面向叠前地震反演的处理手段处理后的叠前地震道集数据。

所述步骤(2)中的岩矿脆性指数BI_min的计算公式为：

${\mathrm{BI}}_{\min }=\frac{V_{\mathrm{quartz}}}{V_{\mathrm{quartz}}+V_{\mathrm{clay}}+V_{\mathrm{carbonate}}}\×100\%---\left(1\right)$

式中，V_quartz、V_clay、V_carbonate分别为石英、粘土、碳酸盐岩(方解石+白云石)矿物含量。

所述步骤(3)和步骤(5)中的所述岩石力学特征参数包括动态杨氏模量、泊松比、拉梅系数×密度和剪切模量×密度；

步骤(3)和步骤(5)均是利用下面的公式计算岩石力学特征参数：

$E=\mathrm{\ρ}\frac{{3V}_P^2-{4V}_S^2}{{(V_P/V_S)}^2-1}---\left(3\right)$

$v=\frac{V_p^2-{2V}_s^2}{2(V_p^2-V_s^2)}---\left(5\right)$

$\mathrm{\λ\ρ}=\frac{E\×v}{(1+v)(1-2v)}\×\mathrm{\ρ}---\left(6\right)$

$\mathrm{\μ\ρ}=\frac{E}{2+2v}\×\mathrm{\ρ}---\left(7\right)$

E为动态杨氏模量，v为泊松比，λ为拉梅系数，μ为剪切模量，V_p、V_s和ρ分别为纵波速度、横波速度和密度。

所述步骤(4)是这样实现的：

在井点位置处建立岩矿脆性指数曲线与岩石力学特征参数曲线之间的多元回归模型：

BI_min＝a×E+b×v+c×λρ+d×μρ+e(8)

式中，BI_min为步骤(2)得到的岩矿脆性指数曲线；a、b、c、d、e为常数参数，利用多元线性回归求出这些参数的数值。

所述步骤(6)是这样实现的：

将步骤(5)得到的岩石力学特征参数数据体和步骤(4)得到的a、b、c、d、e的值代入到式(8)中，得到脆性指数数据体。

与现有技术相比，本发明的有益效果是：本发明通过建立泥页岩岩石矿物分析资料计算的脆性指数与杨氏模量、泊松比、拉梅系数×密度、剪切模量×密度之间的多元回归模型，提出了一种可以利用地震技术进行预测的脆性指数计算方法。利用该方法可得到泥页岩脆性指数在纵向上和横向上的变化情况，为泥页岩水平井井轨迹设计以及压裂方案设计提供依据，进而减少了钻井工程风险，提升了页岩气勘探开发经济效益。

附图说明

图1为本发明方法的步骤框图

图2为泥页岩段岩石力学特征曲线与脆性指数曲线

图3-1为泊松比反演结果

图3-2为杨氏模量反演结果

图3-3为拉梅系数×密度反演结果

图3-4为剪切模量×密度反演结果

图4为本发明计算得到的脆性指数剖面

图5为本发明预测的脆性指数平面图

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明原理上是以利用矿物组分计算的脆性指数为标准，建立其与反映岩石力学特征参数之间的多元回归模型，并综合利用地震资料、测井资料开展叠前地震反演预测岩石力学特征参数，进而完成脆性指数的预测。

具体实现方法为：

(1)地质、测井、地震数据准备：地质数据包括录井、试气以及泥页岩岩心矿物组分分析数据；测井数据包括偶极子声波测井或全波列声波测井资料，至少包括纵波时差、横波时差、密度测井曲线以及泥页岩矿物组分含量测井解释曲线(包括石英、粘土、碳酸盐岩等)；地震资料包括经叠后或叠前偏移处理的成果数据以及经过随机噪音衰减、同相轴拉平、AVO特征补偿等面向叠前地震反演的处理手段处理后的叠前地震道集数据；

(2)利用岩石矿物分析资料获取岩石不同矿物组分含量的数据，然后计算脆性矿物含量与总矿物含量之比，即岩矿脆性指数BImin，其计算公式为：

${\mathrm{BI}}_{\min }=\frac{V_{\mathrm{quartz}}}{V_{\mathrm{quartz}}+V_{\mathrm{clay}}+V_{\mathrm{carbonate}}}\×100\%---\left(1\right)$

式中，V_quartz、V_clay、V_carbonate分别为石英、粘土、碳酸盐岩(方解石+白云石)含量。

(3)计算岩石力学特征参数：

岩石物理学中将岩石的脆性定义为描述岩石本构关系的一种性质，岩石的本构关系即岩石的应变或应变率依赖于应力、温度、时间等变化的关系。如果岩石受力达到一定程度发生破裂时不伴有或者仅有少量的永久变形，则称岩石或材料是脆性的，反之则称岩石或材料是韧性的。杨氏模量(E)、泊松比(v)、拉梅系数×密度(λρ)与剪切模量×密度(μρ)是描述岩石应力-应变关系的弹性参数，因此常用这些岩石弹性参数来表征岩石的力学性质，也称这些参数为岩石力学特征参数。杨氏模量定义为张应力与张应变在单一轴向应力状态之比，据此可知在相同应力状态下，岩石杨氏模量越大，则应变越小，因此通常用杨氏模量反映泥页岩被压裂后保持裂缝的能力。实验室及利用测井曲线计算杨氏模量的方法如式2(静态杨氏模量)、式3(动态杨氏模量)所示。泊松比定义为径向应变与轴向应变在单一应力状态下的比的负值，据此可知在柱状岩样临近破裂应力时，岩石泊松比越小则岩石在破裂前的变形越小。实验室及利用测井曲线计算泊松比的方法如式4(静态泊松比)、式5(动态泊松比)所示。λρ(拉梅系数×密度)与材料的压缩性有关，表征岩石的不可压缩性；μρ(剪切模量×密度数据体)与杨氏模量类似。λρ、μρ与E、υ之间的关系如式6、式7所示。

$E=\frac{\mathrm{\Δ\σ}\×L}{A\×\mathrm{\ΔL}}---\left(2\right)$

式中，E为杨氏模量，Δσ为载荷增量，L为岩样高度，ΔL为轴向应变量，A为试样面积。

$E=\mathrm{\ρ}\frac{{3V}_P^2-{4V}_S^2}{{(V_P/V_S)}^2-1}---\left(3\right)$

式中，V_p、V_s和ρ分别为纵波速度、横波速度和密度。

$v=\frac{L\×\mathrm{\ΔD}}{\mathrm{\ΔL}\×D}---\left(4\right)$

式中，D、ΔD分别为岩样直径以及径向应变，L为岩样高度，ΔL为轴向应变量

$v=\frac{V_p^2-{2V}_s^2}{2(V_p^2-V_s^2)}---\left(5\right)$

$\mathrm{\λ\ρ}=\frac{E\×v}{(1+v)(1-2v)}\×\mathrm{\ρ}---\left(6\right)$

$\mathrm{\μ\ρ}=\frac{E}{2+2v}\×\mathrm{\ρ}---\left(7\right)$

(4)建立多元回归模型：

由于实验室在模拟真实地层压力、温度以及应力作用时间方面存在局限性，为了避免动、静态岩石力学特征参数转换的误差以及缺少实验室力学测试数据的问题，本发明以岩石矿物分析资料为标准，直接建立岩矿脆性指数与岩石力学特征参数——杨氏模量、泊松比、拉梅系数×密度、剪切模量×密度之间的方程式：

BI_min＝a×E+b×v+c×λρ+d×μρ+e(8)

式中，BI_min为式1计算结果；a、b、c、d、e为常数参数，利用多元线性回归可求出这些参数的数值。

(5)利用叠前地震反演技术获得纵波阻抗、横波阻抗、密度数据体，进而根据式3、式5、式6、式7计算得到杨氏模量、泊松比、拉梅系数×密度、剪切模量×密度数据体，

(6)将步骤(5)得到的岩石力学特征参数数据体和步骤(4)得到的a、b、c、d、e的值代入到式(8)中，得到脆性指数数据体。

由图1可知，本发明包括以下步骤：

①地质、测井、地震数据准备：地质数据包括录井、试气以及泥页岩岩心矿物组分分析数据；测井数据包括偶极子声波测井或全波列声波测井资料，至少包括纵波时差、横波时差、密度测井曲线以及泥页岩矿物组分含量测井解释曲线(包括石英、粘土、碳酸盐岩等)；地震资料包括经叠后或叠前偏移处理的成果数据以及经过随机噪音衰减、同相轴拉平、AVO特征补偿等面向叠前地震反演的处理手段处理后的叠前地震道集数据；

②利用岩石矿物组分分析资料中的石英、粘土、碳酸盐岩(方解石+白云石)含量以及式1计算岩矿脆性指数；

③利用偶极子声波测井资料中的纵波速度、横波速度、密度曲线以及式3、式5、式6、式7计算得到岩石力学特征参数动态杨氏模量、泊松比、拉梅系数和剪切模量；

④建立岩矿脆性指数与岩石力学特征之间的多元回归模型(即公式(8))，计算式8中的参数a、b、c、d、e；

⑤开展叠前反演获得纵波速度、横波速度、密度数据体，同样可根据式3、式5、式6、式7计算得到杨氏模量、泊松比、拉梅系数×密度、剪切模量×密度反演数据体；

⑥将步骤④中井点位置处获得的多元回归模型、参数以及步骤⑤中的岩石力学特征参数反演数据体代入式8，便可计算得到脆性指数数据体。

图2为泥页岩段岩石力学特征曲线与脆性指数曲线，图中曲线自左至右依次为泊松比(v)、杨氏模量(E)、拉梅系数×密度(λρ)、剪切模量×密度、有机碳含量(TOC)及脆性指数(BI)；

其中本发明所述利用岩石力学特征参数计算脆性指数的公式为：

BI＝11.525*E-8.609*μρ-64.816*v-0.635*λρ+0.0315(9)

式中杨氏模量单位为Gpa，剪切模量×密度单位为Gpa×g/cm³，拉梅系数×密度单位为Gpa×g/cm³，泊松比无量纲。由图中最左侧显示道可知，Rickman脆性指数公式计算结果(点线)与岩矿脆性指数(虚线)存在一定差异，相关系数仅为0.54；利用岩石力学特征参数(实线)与岩矿脆性指数(虚线)相关程度较高，相关系数可达0.90；对比可知，本发明大幅提升了可应用于地震预测的脆性指数方法与岩矿脆性指数之间的相关性。图3-1为利用叠前地震反演技术得到的泊松比(无量纲)，图3-2为利用叠前地震反演技术得到的杨氏模量(10GPa)，图3-3为利用叠前地震反演技术得到的拉梅系数×密度(Gpa×g/cm³)，图3-4为利用叠前地震反演技术得到的剪切模量×密度数据体。(Gpa×g/cm³)。

图4为本发明计算得到的脆性指数剖面，可见五峰组-龙马溪组一段(TS₁l²-TS)脆性指数较高，尤其是底部的优质泥页岩更是达到了60％左右。

图5为本发明预测的五峰组-龙马溪组一段(TS₁l²-TS)泥页岩脆性指数平面图，可见由JY1井、JY2井、JY3井、JY4井所控制的构造主体部位脆性指数均大于50％，有利于页岩水平压裂改造。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (6)

1.一种泥页岩脆性指数预测方法，其特征在于：所述方法包括：

(1)地质、测井、地震数据准备；

(2)利用泥页岩岩石矿物组分分析资料中的石英、粘土、碳酸盐岩的含量计算脆性矿物含量与总矿物含量之比，即岩矿脆性指数；

(3)利用偶极子声波测井资料中的纵波速度、横波速度、密度曲线计算岩石力学特征参数；

(4)在井点位置处建立岩矿脆性指数曲线与岩石力学特征参数曲线之间的多元回归模型；

(5)开展叠前反演获得纵波速度、横波速度和密度数据体，然后计算岩石力学特征参数数据体；

(6)利用步骤(4)得到的多元回归模型和步骤(5)得到的岩石力学特征参数数据体，计算得到脆性指数数据体。

2.根据权利要求1所述的泥页岩脆性指数预测方法，其特征在于：所述步骤(1)中的地质、测井、地震数据具体如下：

地质数据包括录井、试气以及泥页岩岩心矿物组分分析数据；

测井数据包括偶极子声波测井或全波列声波测井资料，至少包括纵波时差、横波时差、密度测井曲线以及泥页岩矿物组分含量测井解释曲线；

地震数据包括经叠后或叠前偏移处理的成果数据以及经过随机噪音衰减、同相轴拉平、AVO特征补偿等面向叠前地震反演的处理手段处理后的叠前地震道集数据。

3.根据权利要求1所述的泥页岩脆性指数预测方法，其特征在于：所述步骤(2)中的岩矿脆性指数BI_min的计算公式为：

${\mathrm{BI}}_{\min }=\frac{V_{\mathrm{quartz}}}{V_{\mathrm{quartz}}+V_{\mathrm{clay}}+V_{\mathrm{carbonate}}}\×100\%---\left(1\right)$

式中，V_quarta、V_clay、V_carbonate分别为石英、粘土、碳酸盐岩矿物含量。

4.根据权利要求1所述的泥页岩脆性指数预测方法，其特征在于：所述步骤(3)和步骤(5)中的所述岩石力学特征参数包括动态杨氏模量、泊松比、拉梅系数×密度和剪切模量×密度；

步骤(3)和步骤(5)均是利用下面的公式计算岩石力学特征参数：

$E=\mathrm{\ρ}\frac{{3V}_P^2-{4V}_S^2}{{(V_P/V_S)}^2-1}---\left(3\right)$

$v=\frac{V_p^2-{2V}_s^2}{2(V_p^2-V_s^2)}---\left(5\right)$

$\mathrm{\λ\ρ}=\frac{E\×v}{(1+v)(1-2v)}\×\mathrm{\ρ}---\left(6\right)$

$\mathrm{\μ\ρ}=\frac{E}{2+2v}\×\mathrm{\ρ}---\left(7\right)$

E为动态杨氏模量，v为泊松比，λ为拉梅系数，μ为剪切模量，V_p、V_s和ρ分别为纵波速度、横波速度和密度。

5.根据权利要求1所述的泥页岩脆性指数预测方法，其特征在于：所述步骤(4)是这样实现的：

在井点位置处建立岩矿脆性指数曲线与岩石力学特征参数曲线之间的多元回归模型：

BI_min＝a×E+b×v+c×λρ+d×μρ+e(8)

式中，BI_min为步骤(2)得到的岩矿脆性指数曲线；a、b、c、d、e为常数参数，利用多元线性回归求出这些参数的数值。

6.根据权利要求5所述的泥页岩脆性指数预测方法，其特征在于：所述步骤(6)是这样实现的：

将步骤(5)得到的岩石力学特征参数数据体和步骤(4)得到的a、b、c、d、e的值代入到式(8)中，得到脆性指数数据体。