CN106094052A - 一种致密白云岩储层的裂缝发育程度识别方法 - Google Patents

Abstract

本发明公开了一种致密白云岩储层的裂缝发育程度识别方法，包括：对致密白云岩储层的岩性精细划分，对不同岩性段的裂缝特征进行描述，建立不同岩性段与裂缝特征的对应关系图表；将不同岩性段的裂缝线密度特征值与各类测井参数利用散点法交会，从各类测井参数中筛选出多类敏感测井参数，建立所述多类敏感测井参数与不同岩性的裂缝线密度特征值之间的定量评价模型；根据建立的所述定量评价模型，计算得到每一个测井点的裂缝线密度值，并绘制裂缝线密度曲线，对致密白云岩储层的裂缝发育程度进行识别。应用该发明提出的方法可对致密白云岩类油藏中的裂缝发育程度进行有效评价，进而为致密白云岩油气藏的合理开发提供了科学依据。

Description

一种致密白云岩储层的裂缝发育程度识别方法

技术领域

本发明涉及石油勘探技术领域，具体涉及一种致密白云岩的裂缝发育程度识别方法。

背景技术

致密白云岩储层具有低孔致密的特征，白云岩由于脆性较大，因而裂缝发育程度高，即裂缝发育程度随白云质含量升高而增大。裂缝存在明显改善了储层的渗流能力，使该类储层油气藏的开采规模达到了工业价值，而致密白云岩储层裂缝线密度识别是该类油气藏勘探开发上的重点关注问题。

目前裂缝识别工作主要依凭岩心和测井两类资料完成。由于岩心资料获取成本较高，取心易碎和不完整，使得岩心裂缝识别难以大规模有效利用。常规测井资料识别裂缝主要有声波时差特征法、双侧向电阻率差异法、放射性测井法、成像测井法等，裂缝在各类测井资料上的响应特征和裂缝识别的缺陷主要表现为:

(1)声波时差特征法因声波幅度衰减大，横波幅度严重受低角度缝的影响，该方法能够识别水平裂缝和低角度裂缝，但对垂直裂缝没有反应；

(2)双侧向电阻率差异法利用深、浅电阻率的数值之间有差异对裂缝进行识别，差异性质和大小的影响因素较多，主要是受裂缝发育程度，裂缝角度，流体性质因素的影响较大；

(3)自然伽马测井法因裂缝处岩石渗透率较好，地层流体自由流动，沉积放射物质使在该测井数值增大。但对于致密储层这类变化差异较小，单一使用该测井数据识别裂缝效果不佳。

(4)成像测井虽然能够直观、形象的展现出井壁二维空间地质特征，但目前成像测井在应用中存在着服务成本高，模式信息不够丰富，地质特征识别的多解性等问题。

在利用现有技术方法识别致密白云岩储层裂缝线密度过程中，现有常规方法容易出现人为定性误差，单一测井数据识别容易出现地质现象多解性，精度较低，容易出现判断的缺陷，这些方法都不能高精度的准确表征储层裂缝的发育状况，给致密白云岩油气藏的有效开发带来障碍。

发明内容

为了克服现有技术的不足，本发明提供了一种致密白云岩储层的裂缝发育程度识别方法。

本发明解决上述技术问题的技术方案如下：

本发明提供了一种致密白云岩储层的裂缝发育程度识别方法，包括以下步骤：

S1、对致密白云岩储层的岩性进行精细划分，并对不同岩性段的裂缝特征进行描述，建立不同岩性段与裂缝特征的对应关系图表，其中，所述裂缝特征至少包括裂缝线密度值；

S2、将不同岩性段的裂缝线密度值与各类测井参数利用散点法交会，从各类测井参数中筛选出敏感测井参数，得到多类敏感测井参数；

S3、建立所述多类敏感测井参数与不同岩性的裂缝线密度特征值之间的定量评价模型；

S4、根据建立的所述定量评价模型，计算得到每一个测井点的裂缝线密度值，并绘制裂缝线密度曲线；

S5、根据裂缝线密度曲线，对致密白云岩储层的裂缝发育程度进行识别。

本发明的有益效果为：通过敏感测井参数筛选，选择最优敏感测井参数 自合，进而拟合裂缝线密度的定量评价模型，通过拟合的裂缝线密度的定量评价模型计算出岩性段的裂缝线密度值，通过岩性段的裂缝线密度值来识别裂缝的发育程度，该识别方法能够准确、可靠的识别出裂缝发育层段、裂缝发育强度，能够预测未知井段的裂缝线密度发育程度，为致密白云岩油气藏的开发提供合理有效的依据。

附图说明

图1为本发明实施例1的一种致密白云岩储层的裂缝发育程度识别方法流程图；

图2为裂缝发育程度测井相图版；

图3为裂缝线密度的预测图；

图4为实施例2的岩性段裂缝预测结果与岩性裂缝描述结果对比评价效果图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例1、一种致密白云岩储层的裂缝发育识别方法。

参见图1，本实施例提供的裂缝发育识别方法包括：

S1、对致密白云岩储层的岩性进行精细划分，并对不同岩性段的裂缝特征进行描述，建立不同岩性段与裂缝特征的对应关系图表，其中，所述裂缝特征至少包括裂缝线密度值。

具体的，对研究区域的致密白云岩储层进行精细划分，通常可以划分为白云岩、白云质泥岩和泥岩，每一个岩性段均对应有不同的地层厚度，对整个垂向测井进行岩心测量，可对每一个岩性段的裂缝特征进行描述，其中， 每一个岩性段的裂缝特征通常可以描述为裂缝倾角、裂缝与岩层夹角、裂缝长度、裂缝开度、裂缝充填情况以及裂缝线密度特征值。

其中，不同岩性段的裂缝线密度特征值是指与垂向测井的垂向方向的岩性段直线相交的裂缝条数与该岩性段直线长度的比值：

$Y=L_{fD}=\frac{n_f}{L_B};$

式中，Y＝L_fD为裂缝线密度特征，n_f为裂缝的条数，L_B为垂向测井方向直线的长度。

对于每一个岩性段，均可以通过上述公式计算得到该岩性段的裂缝线密度特征值，由于薄夹层的测井数据容易受上下围岩的影响而不准确，薄夹层通常具体地层厚度小于30cm的特点。因此，对于每一岩性段的测井数据和对应的裂缝线密度特征值，从中剔除掉地层厚度＜30cm的岩性段对应的所有测井数据以及裂缝线密度值。本实施例对薄夹层的数据进行剔除，提高了最终的识别精度。

S2、将不同岩性段的裂缝线密度特征值与各类测井参数利用散点法交会，从各类测井参数中筛选出敏感测井参数，得到多类敏感测井参数。

具体的，将每一个岩性段的裂缝线密度特征值与该岩性段的每一类测井参数值的平均值进行散点法交会分析，若该类测井参数与该岩性段的裂缝线密度特征的相关性达到预设阈值，则认为该类测井参数对裂缝响应敏感；综合每一个岩性段对应的敏感测井参数，得到多类敏感测井参数。在本实施例中，得到的多类敏感测井参数包括三类常规测井参数AC、DEN、CAL和两类组合测井参数AC/DEN和AC/GR，其中，AC为声波测井指数，CAL为井径测井值，DEN为地层密度测井值。

S3、、建立所述多类敏感测井参数与不同岩性的裂缝线密度特征值之间的定量评价模型。

具体的，通过上述步骤S2筛选出了5类敏感测井参数后，对这5类敏感测井参数进行归一化处理，具体的可通过以下方式对多种类型的敏感测井参数进行归一化的过程为：

$X=\frac{X^{*}-X_{\min }}{X_{max}-X_{min}};$

式中，X为归一化后的测井参数，X∈[0,1]，X^*为原始测井参数，X_max为该岩性段的该类测井参数的最大值，X_min为该岩性段的该类测井参数的最大值。

对筛选出的5类敏感测井参数进行了归一化处理后，对于每一个岩性段，根据该岩性段的裂缝线密度特征值以及该岩性段的每一个测井点的多类敏感测井参数值，采用多元线性回归方式建立多类敏感测井参数与裂缝线密度特征值之间的定量评价模型。具体为：对于每一个岩性段，选取80％的测井点的多类敏感测井参数值以及该岩性段的裂缝线密度特征值，建立定量评价模型：

$Y=\mathrm{\α}*AC+\mathrm{\β}*CAL+\mathrm{\γ}*DEN+\mathrm{\δ}*\frac{AC}{DEN}+\mathrm{\ϵ}*\frac{AC}{GR}+\mathrm{\τ};$

式中，α、β、γ、δ、ε、τ分别为裂缝线密度拟合系数，Y为裂缝线密度特征值，单位条/m；AC为声波测井指数，单位μs/m；CAL为井径测井值，单位cm；DEN为地层密度测井值，单位g/cm³；GR为自然伽马测井值，单位API，AC/DEN与AC/GR分别为一种测井组合数据。

拟合得到定量评价模型后，对于每一个岩性段，采用另外的20％的测井点的多类测井参数值来验证建立的所述定量评价模型的有效性。具体的验证定量评价模型有效性的方法为：根据每一个测井点的多类敏感测井参数值和建立的所述定量评价模型，计算得到每一个测井点所在位置的裂缝线密度值；将该计算得到的每一个测井点所在位置的裂缝线密度值Yi与描述的所述该岩性段的裂缝线密度特征值L_fD进行比较，如准确率达到预期，则确定 对应的裂缝线密度拟合参数，输出定量评价模型；若准确率未达到预期，则重新拟合，直到判别为有效为止，输出定量评价模型。根据有效的定量评价模型，可对未知岩性段的裂缝线密度进行预测，进而对该层段的裂缝发育程度进行识别。具体实现时，可根据建立的定量评价模型和岩性段每一个测井点的多类敏感测井参数，可计算得出每一个测井点所在位置的裂缝线密度值，进而得到所有的岩性段的每一个测井点的裂缝线密度值，并根据所有岩性段的每一个测井点的裂缝线密度值绘制成裂缝线密度曲线，可参见图3，为对未知井段的裂缝线密度预测曲线图。最后根据裂缝线密度曲线对致密白云岩储层的裂缝发育程度进行识别。具体的识别标准为：当0≤Y＜1.5裂缝不发育；当1.5≤Y＜3.0，裂缝低发育；当3.0≤Y＜5.0，裂缝中等发育；当Y≥5.0，裂缝高发育。

另外，通过前述步骤S2得到多类敏感测井参数后，对每一个岩性段的多类敏感测井参数进行归一化后，利用蜘蛛网图将归一化后的多类敏感测井参数映射到正五边形的数轴上，建立该岩性段的裂缝发育程度测井相图版，可参见图2所示，通过蜘蛛网相图版可定性识别不同岩性段的裂缝发育程度。

实施例2、

为了进一步加深对实施例1提供的裂缝发育程度识别方法的理解，本实施例以一个具体的例子来说明。

将大港油田塘沽地区致密白云岩储层岩性精细划分为白云岩、含泥白云岩、泥质白云岩、白云质泥岩、含白云泥岩、泥岩，通过岩心观察对不同岩性裂缝线密度值进行统计，建立不同厚度各层不同岩性岩石与裂缝线密度对应关系。

数据处理过程：因薄夹层测井数据易受上下围岩影响而不准确，剔除层厚＜30cm的数据点。

以单个岩性分层的裂缝线密度值(裂缝条数与层厚的比值)与各常规测 井类型均值为一组数据，以裂缝线密度为X轴，常规测井类型为Y轴，分岩性作散点交会图分析，筛选敏感测井曲线，提取最优测井响应组合参数。即AC、DEN、CAL、AC/DEN、AC/GR。

从敏感曲线筛选结果可得，不同岩性中的裂缝响应在不同类别的测井曲线中敏感性不一。为便于观察，利用蜘蛛网图对裂缝发育程度进行分析需要分岩性进行，建立不同岩性裂缝发育程度测井相模式图版。

根据岩心段裂缝线密度的分布聚类，分出“裂缝不发育”(裂缝线密度＜3条/m)和“裂缝高发育”(裂缝线密度≥10条/m)，将不同岩性层段进行裂缝不发育段、裂缝高发育段建立测井数据对应关系。

将目的层测井数据进行极差归一化处理，同时将六类岩性中特征图版相似的岩性合并，最终分三大类岩性(见附图2)。

以T12C井整个取心段作图，可以看出，不同岩性、不同裂缝发育程度在蜘蛛网图中的明显差异，但裂缝高发育测井相总体特征均为：AC、AC/DEN、AC/GR增大，DEN降低(与裂缝开度有关，泥质白云岩中增高)、CAL缩径(与裂缝开度有关，泥质白云岩中扩径)。

从敏感曲线筛选到裂缝发育程度与测井多参数分析，均体现出常规测井预测裂缝发育段的有效性。为方便利用常规测井对未知井进行裂缝线密度预测，建立裂缝识别的多参数数学模型。通过SPSS软件对数据分别对三个致密白云岩储层测井相进行多参数线性拟合。

多参数裂缝线密度Y指数数学回归判别公式如下：

图版Ⅰ：

$Y=9.566*DEN-63.348*AC+0.721*\frac{AC}{GR}+63.597*\frac{AC}{DEN}-3.072*CAL-4.802;$

图版Ⅱ：

$Y=2.121*DEN-0.813*\frac{AC}{GR}+2.319*\frac{AC}{DEN}-11.508*CAL+1.037;$

图版Ⅲ：

$Y=0.34*DEN+1.492*AC-0.869*\frac{AC}{GR}-0.23*CAL-0.275;$

利用该类储层裂缝线密度Y指数判别裂缝发育标准：

Y＜1.5，裂缝不发育；1.5≤Y＜3.0,裂缝低发育；3.0≤Y＜5.0，裂缝中等发育；Y≥5.0，裂缝高发育。

本发明提供的一种致密白云岩储层的裂缝发育程度识别的方法，通过敏感测井参数筛选，选择最优敏感测井参数自合，进而拟合裂缝线密度的定量评价模型，通过拟合的裂缝线密度的定量评价模型计算出岩性段的裂缝线密度值，通过岩性段的裂缝线密度值来识别裂缝的发育程度，该识别方法能够准确、可靠的识别出裂缝发育层段、裂缝发育强度，能够预测未知井段的裂缝线密度发育程度，为致密白云岩油气藏的开发提供合理有效的依据。

在本说明书的描述中，参考术语“实施例一”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体方法、装置或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、方法、装置或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种致密白云岩储层的裂缝发育程度识别方法，其特征在于，包括以下步骤：

S1、对致密白云岩储层的岩性进行精细划分，并对不同岩性段的裂缝特征进行描述，建立不同岩性段与裂缝特征的对应关系图表，其中，所述裂缝特征至少包括裂缝线密度值；

S2、将不同岩性段的裂缝线密度值与各类测井参数利用散点图进行相关关系分析，从各类测井参数中筛选出敏感测井参数，得到多类敏感测井参数；

S3、建立所述多类敏感测井参数与不同岩性的裂缝线密度值之间的定量评价模型；

S4、根据建立的所述定量评价模型，计算得到每一个测井点的裂缝线密度值，并绘制裂缝线密度曲线；

S5、根据裂缝线密度曲线，对致密白云岩储层的裂缝发育程度进行预测及评价。

2.如权利要求1所述的致密白云岩储层的裂缝发育程度识别方法，其特征在于，不同岩性段的裂缝线密度值是指与垂向测井的垂向方向的岩性段直线相交的裂缝条数与该岩性段直线长度的比值：

$Y=L_{fD}=\frac{n_f}{L_B};$

式中，Y＝L_fD为裂缝线密度值，n_f为裂缝的条数，L_B为垂向测井方向直线的长度。

3.如权利要求2所述的致密白云岩储层的裂缝发育程度识别方法，其特征在于，所述步骤S2具体包括：

S21、将每一个岩性段的裂缝线密度特征值与该岩性段的每一类测井参数值的平均值进行散点图交会分析，若该类测井参数与该岩性段的裂缝线密度值的相关性达到预设阈值，则认为该类测井参数对裂缝响应敏感；

S22、综合每一个岩性段对应的敏感测井参数，得到多类敏感测井参数。

4.如权利要求3所述的致密白云岩储层的裂缝发育程度识别方法，其特征在于，得到的多类敏感测井参数包括三类常规测井参数AC、DEN、CAL和两类组合测井参数AC/DEN和AC/GR；

其中，AC为声波测井指数，单位μs/m；CAL为井径测井值，单位cm；DEN为地层密度测井值，单位g/cm³；GR为自然伽马测井值，单位API。

5.如权利要求4所述的致密白云岩储层的裂缝发育程度识别方法，其特征在于，通过以下方式对每一个岩性段的多类敏感测井参数进行归一化：

$X=\frac{X^{*}-X_{\min }}{X_{max}-X_{min}};$

式中，X为归一化后的测井参数，X∈[0,1],X^*为原始测井参数，X_max为该岩性段的该类测井参数的最大值，X_min为该岩性段的该类测井参数的最大值。

6.如权利要求5所述的致密白云岩储层的裂缝发育识别方法，其特征在于，所述步骤S3具体包括：

对于每一个岩性段，根据该岩性段的裂缝线密度特征值以及该岩性段的每一个测井点的多类敏感测井参数值，采用多元线性回归方式建立多类敏感测井参数与裂缝线密度特征之间的定量评价模型；

具体为：

对于每一个岩性段，选取第一预定比例的测井点的多类敏感测井参数值以及该岩性段的裂缝线密度特征值，建立定量评价模型：

$Y=\mathrm{\α}*AC+\mathrm{\β}*CAL+\mathrm{\γ}*DEN+\mathrm{\δ}*\frac{AC}{DEN}+\mathrm{\ϵ}*\frac{AC}{GR}+\mathrm{\τ};$

式中，α、β、γ、δ和ε分别为裂缝线密度拟合系数，Y为裂缝线密度特征值，单位条/m；AC为声波测井指数，单位μs/m；CAL为井径测井值，单位cm；DEN为地层密度测井值，单位g/cm³；GR为自然伽马测井值，单位API，AC/DEN与AC/GR分别为一种测井组合数据。

7.如权利要求6所述的致密白云岩储层的裂缝发育识别方法，其特征在于，还包括：

对于每一个岩性段，采用第二预定比例的测井点的多类测井参数值来验证建立的所述定量评价模型的有效性，其中，第一预定比例与第二预定比例之和为100％。

8.如权利要求7所述的致密白云岩储层的裂缝发育程度识别方法，其特征在于，所述对于每一个岩性段，采用第二预定比例的测井点的多类敏感测井参数值来验证建立的所述定量评价模型的有效性具体包括：

根据每一个测井点的多类敏感测井参数值和建立的所述定量评价模型，计算得到每一个测井点所在位置的裂缝线密度值；

将该计算得到的每一个测井点所在位置的裂缝线密度值Yi与描述的所述该岩性段的裂缝线密度值L_fD进行比较，如准确率达到预期，则确定对应的裂缝线密度拟合参数，输出定量评价模型；若准确率未达到预期，则重新拟合，直到判别为有效为止，输出定量评价模型。

9.如权利要求8所述的致密白云岩储层的裂缝发育识别方法，其特征在于，所述步骤S5具体包括：

当0≤Y＜1.5，裂缝不发育；

当1.5≤Y＜3.0，裂缝低发育；

当3.0≤Y＜5.0，裂缝中等发育；

当Y≥5.0，裂缝高发育。

10.如权利要求4所述的致密白云岩储层的裂缝发育识别方法，其特征在于，在对每一个岩性段的多类敏感测井参数进行归一化后，所述步骤S2之后还包括：

对每一个岩性段的多类敏感测井参数进行归一化，并利用蜘蛛网图将归一化后的多类敏感测井参数映射到正五边形的数轴上，建立该岩性段的裂缝发育程度测井相图版。