CN105487136A - 基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法 - Google Patents

Abstract

本发明公开了一种基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法，该方法从露头和岩心资料出发将碳酸盐岩储集体类型划分为溶洞型储集体、岩溶缝洞复合型储集体和微孔隙型储集体三类，明确了不同储集体的微宏观特征。用岩心资料、成像测井和阵列声波测井资料对单井储集体进行了标定，定性描述了不同储集体的典型测井响应特征。提出基于测井资料经验模态分解和能量熵判别分析的储集体自动识别方法，有效地提高了储集体识别的符合率。该方法摒弃了以往大都依靠单层取值的不确定性，更加细致地提取了层内测井响应的变化规律，有效地解决了碳酸盐岩油藏开发中储集体类型难以识别的难题。

Description

基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法

技术领域

本发明涉及一种测井方法，具体地说是涉及一种基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法。

背景技术

碳酸盐岩油气藏在世界范围内广泛发育，油气产量已占全球油气总产量的60％。但碳酸盐岩油气藏非均质性强，储集空间类型多样，且不同地区、不同层系差异较大，除不整合面和古岩溶发育的溶洞带、断裂及其伴生的裂缝发育带是前人油气勘探和开发的优选区带外，受原生、次生成因控制的微孔隙微裂缝含油也是近几年致密油研究的热点。如何准确的识别不同尺度的有效储集体类型，是后期勘探开发的基础。目前国内外学者主要利用常规测井资料通过多重分形聚类、测井最优化处理、自适应有效元法、曲边单位造型技术、多重分形理论和二维有效元数值模拟、熵函数动态模糊判别等算法对碳酸盐岩的储层识别和定量表征进行了研究，但是常规测井资料精度有限，单层计算误差较大。随着探测方法的不断改进，利用成像测井、斯通利波测井、远探测测井、CT扫描三维成像、核磁共振测井等对储层及其流体进行可视化识别标定成为测井研究的新方向，但新方法测井毕竟成本较高，普及较困难，实际运用较为困难。此外学者们还从缝洞储层的响应特征模拟入手对测井资料进行标定，但数值模拟受模型条件约束较为理想化，无法满足复杂的实际地质需求。

发明内容

基于上述技术问题，本发明提供一种基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法。

本发明所采用的技术解决方案是：

一种基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法，包括以下步骤：

a储集体划分及基本特征

将碳酸盐岩储集体划分为溶洞型储集体、缝洞复合型储集体和微孔隙型储集体，研究不同储集体的测井响应特征；

b储集体测井识别标准的建立

b1测井信号的经验模态分解：

b11首先将地层进行分类,确定储集层；对地层从上到下分别处理，确定需要进行分析的井段后,找出该井段原始测井曲线s(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m₁(t)，得到第一个本征模态函数为：

h₁(t)＝s(t)-m₁(t)(1)

b12对第一个本征模态函数h₁(t)重复进行上述过程k次，直到h_1k(t)的平均值为0；这样，就得到了第1个本征模态函数分量c₁(t)，它代表原始信号s(t)中最高频率的分量

h_1(k-1)(t)-m_1k(t)＝h_1k(t)(2)

c₁(t)＝h_1k(t)

b13将c₁(t)从s(t)中分离出来，即得到一个去掉高频分量的差值信号r₁(t)，可得到残余函数

r₁(t)＝s(t)-c₁(t)(3)

b14将r₁(t)作为原始信号，重复步骤(1)、(2)和(3)，得到第2个本征模态函数分量c₂(t)，重复n次，得到n个本征模态函数分量c_n(t)，这样就有

$\left\{\begin{array}{c}{r}_1\left(t\right)-c_2\left(t\right)=r_2\left(t\right)\\ M\\ r_{n-1}\left(t\right)-c_n\left(t\right)=r_n\left(t\right)\end{array}\right\}---\left(4\right)$

b15当c_n(t)或r_n(t)满足终止条件时，循环结束，由式(3)和式(4)可得到

$s\left(t\right)=\underset{j=1}{\overset{n}{\Σ}}{c}_j\left(t\right)-r_n\left(t\right)---\left(5\right)$

其中，r_n(t)为残余函数，而各个本征模态函数分量c₁(t)，c₂(t)，…，c_n(t)分别包含了信号不同时间特征尺度大小的成分；

b2测井参数选取以及能量熵的计算：

b21首先选取能有效反应储层变化的敏感测井曲线：深侧向电阻率(RD)、浅侧向电阻率(RS)、自然伽马(GR)、密度(DEN)、中子孔隙度(CNL)、声波时差(AC)；对各测井信号分别进行经验模态分解后可得到一系列本征模态函数，每个本征模态函数包括一个残余函数r_n(t)和n个本征模态函数分量c₁(t)，c₂(t)，…，c_n(t)；本征模态函数的能量E_i可由式(6)计算，

E_i＝∫|c_i(t)|²dt,i＝1,2,L,n(6)

b22通过本征模态函数计算的能量E_i可以构成向量E＝[E₁,E₂,L,E_n]，对其进行归一化处理可得：

E′＝[p₁,p₂,L,p_n](7)

其中p_i＝E_i/E,i＝1,2,L,n；该测井信号的能量熵可写为：

$H_{EN}=-\underset{i=1}{\overset{n}{\Σ}}{p}_i{\mathrm{logp}}_i---\left(8\right)$

b23选取测井数据进行计算，得到自然伽马(GR)、中子孔隙度(CNL)、深侧向电阻率(RD)、浅侧向电阻率(RS)、声波时差(AC)和密度(DEN)的能量熵，分别表示为H_ENGR、H_ENCNL、H_ENRD、H_ENRS、H_ENAC和H_ENDEN；

c基于Fisher判别的储集体类型划分

采用Fisher方法对能量熵矩阵X＝[H_ENGR,H_ENCNL,H_ENRD,H_ENRS,H_ENAC,H_ENDEN]进行判别分析，得到每类储集体的判别公式：

y_{溶洞型储集体}＝29.285×H_ENRS+12.201×H_ENRD+20.288×H_ENGR+27.426×H_ENDEN(9)

+12.309×H_ENCNL+15.66×H_ENAC-9.829

y_{缝洞复合型储集体}＝77.226×H_ENRS+30.819×H_ENRD+36.891×H_ENGR+21.766×H_ENDEN(10)

+28.818×H_ENCNL+26.115×H_ENAC-31.909

y_{微孔隙型储集体}＝114.053×H_ENRS+47.13×H_ENRD+47.938×H_ENGR+48.093×H_ENDEN(11)

+36.612×H_ENCNL+45.675×H_ENAC-72.256

在实际操作过程中，对每个储层段分别处理，得到能量熵并应用式(9)至式(11)计算到y_{溶洞型储集体}、y_{溶洞复合型储集体}和y_{微孔隙型储集体}，最大值所对应的类型就是所判别的储集体类型。

优选的，步骤b15中：所述终止条件是使r_n(t)成为1个单调函数。

本发明的有益技术效果是：

与常规测井识别方法相比，本发明摒弃了单层取典型测井值的不确定性，有效提高了解释精度，识别效果较好，整体符合率高。

附图说明

图1为基于经验模态分解和能量熵判别分析的储集体类型识别流程图。

图2a-图2f示出经验模态分解法能量熵计算结果。其中，图2a为伽马和中子交会图；图2b为深浅侧向电阻率交会图；图2c为密度和声波交会图；图2d为伽马和中子经验模态能量熵交会图；图2e为深浅侧向电阻率经验模态能量熵交会图；图2f为密度和声波经验模态能量熵交会图。

具体实施方式

下面以塔河油田为例，对本发明作详细说明。

塔河油田位于塔里木盆地，是我国最大的海相油气田，其寒武—奥陶系碳酸盐岩受多期构造作用改造，具有沉积类型多样、埋藏深度大、埋藏-成岩历史漫长而复杂等特点，且不同尺度的碳酸盐岩储集体垂向上呈多层楼房式叠置发育，储集空间差异较大，油气富集规律不同，造成不同井组不同层位开发规律认识不清，产量变化较大，含水上升快，水淹严重，稳产较困难。

本发明针对塔河油田碳酸盐岩储集体类型复杂、常规测井识别难度大等问题，首先通过岩心、薄片等资料将储集体进行精细刻画与分类，应用成像和阵列声波测井资料对单井储集体进行标定，提取典型储集体的测井响应特征。引入经验模态分解算法将常规测井资料转换为多个频带的本征模态函数集。计算每类测井参数的经验模态函数的能量熵，研究不同储集体的能量熵特征，应用Fisher判别算法实现碳酸盐岩储集体的精确识别。

一种基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法，包括以下步骤：

a储集体划分依据

将碳酸盐岩储集体划分为溶洞型储集体、缝洞复合型储集体和微孔隙型储集体，研究不同储集体的测井响应特征。

塔河油田孔-缝-洞等多种类型的储集体呈多成因、多期次、多层楼房式叠置发育，且不同类型储集体侧向上相互交替，垂向上相互叠加。塔河油田常见的储集体类型主要为溶蚀孔洞、裂缝和基质孔隙。在前人研究的基础上，通过对35口取心井1759.6m岩心观察、2145张普通薄片、248张显微荧光和1357张铸体薄片，并结合测井、地震和录井资料的研究，将该区优势储集体类型依次划分为溶洞型储集体、岩溶缝洞复合型储集体和微孔隙型储集体三类。

b储集体测井识别标准的建立

b1测井信号的经验模态分解：经验模态分解法(EMD)是一种新型自适应信号时频处理方法，依据数据自身的时间尺度特征将复杂信号分解成一系列表征时间尺度的分量，得到具有明显物理意义的瞬时频率。该方法与小波变换、傅里叶变换具有本质差别，在处理非平稳随机信号上具有独特优势，已广泛应用于地震、机械、航空遥感等学科。由于不同储集体的常规测井响应差异小，单层选取测井值时误差较大，因此常用的交会图法、判别分析法难以精细区分储集体类型。本发明引入经验模态分解算法对测井曲线进行处理，以期得到对储集类型敏感的信号。

b11首先找出原始信号s(t)所有的极大值和极小值点，用三次样条函数拟合出原始信号的包络线，并计算包络线的均值，记为m₁(t)，那么原始信号的第1个本征模态函数(IMF)可写为：

h₁(t)＝s(t)-m₁(t)(1)

b12理论上，h₁(t)是1个IMF，一般不满足IMF分量条件。为此，对h₁(t)重复进行上述过程k次，直到h₁(t)符合本征模态函数的定义要求，所得到的均值趋于零为止，这样就得到了第1个本征模态函数分量c₁(t)，它代表原始信号s(t)中最高频率的分量

h_1(k-1)(t)-m_1k(t)＝h_1k(t)(2)

c₁(t)＝h_1k(t)

b13将c₁(t)从s(t)中分离出来，即得到一个去掉高频分量的差值信号r₁(t)，即有

r₁(t)＝s(t)-c₁(t)(3)

b14将r₁(t)作为原始信号，重复步骤(1)、(2)和(3)，得到第2个本征模态函数分量c₂(t)，重复n次，得到n个本征模态函数分量，这样就有

$\left\{\begin{array}{c}{r}_1\left(t\right)-c_2\left(t\right)=r_2\left(t\right)\\ M\\ r_{n-1}\left(t\right)-c_n\left(t\right)=r_n\left(t\right)\end{array}\right\}---\left(4\right)$

b15当c_n(t)或r_n(t)满足终止条件(通常使r_n(t)成为1个单调函数)时，循环结束，由式(3)和式(4)可得到

$s\left(t\right)=\underset{j=1}{\overset{n}{\Σ}}{c}_j\left(t\right)-r_n\left(t\right)---\left(5\right)$

其中，r_n(t)为残余函数，代表信号的平均趋势，而各个本征模态函数分量c₁(t)，c₂(t)，…，c_n(t)分别包含了信号不同时间特征尺度大小的成分，其尺度依次由小到大。因此，各分量也就相应地包含了从高到低不同频率段的成分，每一个频率段所包含的频率成分都是不同的，且随信号本身的变化而变化。

构建EMD分解流程图如图1所示，可以看出模态函数必须满足极值点数目和过0点数目相等或相差1且在任意点处最大最小包络线的均值为0。该条件既保证了数据局部最大值为正，最小值为负，同时也剔除了瞬时频率中波形不对称引起的震荡。

b2测井参数选取以及能量熵的计算：

b21首先选取能有效反应储层变化的敏感测井曲线：RD、RS、GR、DEN、CNL、AC；对各测井信号s(t)分别进行上述经验模态分解后，可得到一系列的固有模态函数(IMF)，且每个IMF包括一个残余函数r_n(t)和n个IMF分量c₁(t)，c₂(t)，…，c_n(t)。那么本征模态函数分量的能量E_i则可以由式(6)计算得到，

E_i＝∫|c_i(t)|²dt,i＝1,2_,L,n(6)

b22由于经验模态分解法分解的正交性，因此在忽略残余量r_n(t)的情况下，n个本征模态函数的分量能量之和等于原始信号s(t)的总能量。n个本征模态函数分量分别包含了不同的频率成分，即本征模态函数的能量向量E＝[E₁,E₂,L,E_n]是单一测井信号能量在频率域的一种自动划分。将上面的能量向量做归一化处理，可以得到：

E′＝[p₁,p₂,L,p_n](7)

其中p_i＝E_i/E,i＝1,2,L,n，p_i反应了每一个本征模态函数在总能量中所占的权重。

即可以将该测井信号的模态能量熵定义为：

$H_{EN}=-\underset{i=1}{\overset{n}{\Σ}}{p}_i{\mathrm{logp}}_i---\left(8\right)$

b23在岩心刻度测井的基础上，选取工区158个典型储层段(溶洞型储集体样本数为45，岩溶缝洞复合型储集体样本数为60，微孔隙型储集体样本数为53)的测井数据进行计算，得到自然伽马、中子、深侧向电阻率、浅侧向电阻率、声波和密度的模态能量熵，分别表示为：H_ENGR、H_ENCNL、H_ENRD、H_ENRS、H_ENAC和H_ENDEN。

图2a-图2f示出经验模态分解法能量熵计算结果。图2a、图2b、图2c是三种储集体的测井响应交会图，图2d、图2e、图2f是它们的对应能量熵交会图。具体的：图2a为伽马和中子交会图；图2b为深浅侧向电阻率交会图；图2c为密度和声波交会图；图2d为伽马和中子经验模态能量熵交会图；图2e为深浅侧向电阻率经验模态能量熵交会图；图2f为密度和声波经验模态能量熵交会图。对比可知，不同储集体在能量熵交会图中的分布特征较为明显，说明所提取的能量熵对储集体类型具有较好的表征能力。不同类型的储集体的能量熵分布如表1所示。

表1

c基于Fisher判别的储集体类型划分

采用均等的先验概率，构建三类储集体的判别公式为：

y_{溶洞型储集体}＝29.285×H_ENRS+12.201×H_ENRD+20.288×H_ENGR+27.426×H_ENDEN(13)

+12.309×H_ENCNL+15.66×H_ENAC-9.829

y_{缝洞复合型储集体}＝77.226×H_ENRS+30.819×H_ENRD+36.891×H_ENGR+21.766×H_ENDEN(14)

+28.818×H_ENCNL+26.115×H_ENAC-31.909

y_{微孔隙型储集体}＝114.053×H_ENRS+47.13×H_ENRD+47.938×H_ENGR+48.093×H_ENDEN(15)

+36.612×H_ENCNL+45.675×H_ENAC-72.256

将参与建模的样本数据代入判别公式进行交叉检验回判，其符合率为98.1％；将未参与建模的另外55个样本点进行判别分析，仅有2个样本点判断错误，整体符合率为96.4％；将所有样本的判别结果进行统计，整体符合率为97.7％。研究结果表明，应用能量熵判别分析的方法来识别碳酸盐岩储集体类型效果较好。

综上所述，本发明在前人研究的基础上，从露头和岩心资料出发将碳酸盐岩储集体类型划分为溶洞型储集体、岩溶缝洞复合型储集体和微孔隙型储集体三类，明确了不同储集体的微宏观特征。用岩心资料、成像测井和阵列声波测井资料对单井储集体进行了标定，定性描述了不同储集体的典型测井响应特征。提出基于测井资料经验模态分解和能量熵判别分析的储集体自动识别方法，有效地提高了储集体识别的符合率。该方法摒弃了以往大都依靠单层取值的不确定性，更加细致地提取了层内测井响应的变化规律，有效地解决了碳酸盐岩油藏开发中储集体类型难以识别的难题。

Claims (2)

1.一种基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法，其特征在于包括以下步骤：

a储集体划分及基本特征

将碳酸盐岩储集体划分为溶洞型储集体、缝洞复合型储集体和微孔隙型储集体，研究不同储集体的测井响应特征；

b储集体测井识别标准的建立

b1测井信号的经验模态分解：

b11首先将地层进行分类,确定储集层；对地层从上到下分别处理，确定需要进行分析的井段后,找出该井段原始测井曲线s(t)的极大值和极小值点，拟合原始包络线并计算其均值，记为m₁(t)，得到第一个本征模态函数为：

h₁(t)＝s(t)-m₁(t)(1)

b12对第一个本征模态函数h₁(t)重复进行上述过程k次，直到h_1k(t)的平均值为0；这样，就得到了第1个本征模态函数分量c₁(t)，它代表原始信号s(t)中最高频率的分量

h_1(k-1)(t)-m_1k(t)＝h_1k(t)(2)

c₁(t)＝h_1k(t)

b13将c₁(t)从s(t)中分离出来，即得到一个去掉高频分量的差值信号r₁(t)，可得到残余函数

r₁(t)＝s(t)-c₁(t)(3)

b14将r₁(t)作为原始信号，重复步骤(1)、(2)和(3)，得到第2个本征模态函数分量c₂(t)，重复n次，得到n个本征模态函数分量c_n(t)，这样就有

$\left\{\begin{array}{c}{r}_1\left(t\right)-c_2\left(t\right)=r_2\left(t\right)\\ M\\ r_{n-1}\left(t\right)-c_n\left(t\right)=r_n\left(t\right)\end{array}\right\}---\left(4\right)$

b15当c_n(t)或r_n(t)满足终止条件时，循环结束，由式(3)和式(4)可得到

$s\left(t\right)=\underset{j=1}{\overset{n}{\Σ}}{c}_j\left(t\right)-r_n\left(t\right)---\left(5\right)$

其中，r_n(t)为残余函数，而各个本征模态函数分量c₁(t)，c₂(t)，…，c_n(t)分别包含了信号不同时间特征尺度大小的成分；

b2测井参数选取以及能量熵的计算：

b21首先选取能有效反应储层变化的敏感测井曲线：深侧向电阻率、浅侧向电阻率、自然伽马、密度、中子孔隙度、声波时差；对各测井信号分别进行经验模态分解后可得到一系列本征模态函数，每个本征模态函数包括一个残余函数r_n(t)和n个本征模态函数分量c₁(t)，c₂(t)，…，c_n(t)；本征模态函数的能量E_i可由式(6)计算，

E_i＝∫|c_i(t)|²dt,i＝1,2,L,n(6)

b22通过本征模态函数计算的能量E_i可以构成向量E＝[E₁,E₂,L,E_n]，对其进行归一化处理可得：

E′＝[p₁,p₂,L,p_n](7)

其中p_i＝E_i/E,i＝1,2,L,n；该测井信号的能量熵可写为：

$H_{EN}=-\underset{i=1}{\overset{n}{\Σ}}{p}_i\log p_i---\left(8\right)$

b23选取测井数据进行计算，得到自然伽马、中子孔隙度、深侧向电阻率、浅侧向电阻率、声波时差和密度的能量熵，分别表示为H_ENGR、H_ENCNL、H_ENRD、H_ENRS、H_ENAC和H_ENDEN；c基于Fisher判别的储集体类型划分

采用Fisher方法对能量熵矩阵X＝[H_ENGR,H_ENCNL,H_ENRD,H_ENRS,H_ENAC,H_ENDEN]进行判别分析，得到每类储集体的判别公式：

y_{溶洞型储集体}＝29.285×H_ENRS+12.201×H_ENRD+20.288×H_ENGR+27.426×H_ENDEN(9)

+12.309×H_ENCNL+15.66×H_ENAC-9.829

y_{缝洞复合型储集体}＝77.226×H_ENRS+30.819×H_ENRD+36.891×H_ENGR+21.766×H_ENDEN(10)

+28.818×H_ENCNL+26.115×H_ENAC-31.909

y_{微孔隙型储集体}＝114.053×H_ENRS+47.13×H_ENRD+47.938×H_ENGR+48.093×H_ENDEN(11)

+36.612×H_ENCNL+45.675×H_ENAC-72.256

在实际操作过程中，对每个储层段分别处理，得到能量熵并应用式(9)至式(11)计算到y_{溶洞型储集体}、y_{溶洞复合型储集体}和y_{微孔隙型储集体}，最大值所对应的类型就是所判别的储集体类型。

2.根据权利要求1所述的一种基于经验模态分解和能量熵判别的碳酸盐岩储集体测井识别方法，其特征在于，步骤b15中：所述终止条件是使r_n(t)成为1个单调函数。