CN111460725A - 基于多层次模糊识别的页岩气甜点预测 - Google Patents

Abstract

本发明提供一种基于多层次模糊识别的页岩气甜点预测方法，涉及页岩气领域。其包括：将沉积条件、储集条件和保存条件列为准则层，将沉积条件的参数、储集条件的参数和保存条件的参数分别列为指标层，将同层次的指标的进行两两比较构成多个判别矩阵，计算得到各指标层中各参数相对于对应准则层的权重，根据各参数的实测值及其对应的权重确认页岩气甜点。通过系统分析沉积条件、储集条件和保存条件中各项地质参数对页岩含气量的影响，结合多层次模糊识别方法，明确不同构造区甜点的地质参数的权重并结合各个参数的量化平面分布图，加权求和预测页岩气甜点区的分布。

Description

基于多层次模糊识别的页岩气甜点预测

技术领域

本发明涉及页岩气领域，且特别涉及一种基于多层次模糊识别的页岩气甜点预测方法。

背景技术

页岩气资源丰富，有望缓解面临的能源危机。然而，由于页岩地层复杂，其勘探开发难度大、且页岩气钻井成本远高于常规石油钻井。这就需要在对页岩气储层进行开发时，准确预测并识别未来勘探的“甜点”潜力区。

目前存在的这种甜点地质参数评价与优选甜点区的方法均存在以定性描述为主、简单主观赋值打分、多参数综合评价仅是通过简单叠加、保存条件指标评价单一难以量化等问题。这就导致预测过程中，难以对地质特征参数进行量化，叠加法预测的结果可比较性差；同时，没有考虑各个地质特征参数对含气量影响的权重，叠加法得到的预测平面图也无法判断研究区内的甜点区域或趋势的变化。

有鉴于此，提出本发明。

发明内容

本发明的目的在于提供一种基于多层次模糊识别的页岩气甜点预测方法，通过系统分析沉积条件、储集条件以及保存条件中各项地质参数对页岩含气量的影响，结合多层次模糊识别方法，明确不同构造区甜点的地质参数的权重并结合各个参数的量化平面分布图，加权求和预测页岩气甜点区的分布。

本发明解决其技术问题是采用以下技术方案来实现的。

本发明提出一种基于多层次模糊识别的页岩气甜点预测方法，包括：将沉积条件、储集条件和保存条件列为准则层，将沉积条件的参数、储集条件的参数和保存条件的参数分别列为指标层，将同层次的指标的进行两两比较构成多个判别矩阵，计算得到各指标层中各参数相对于对应准则层的权重，根据各参数的实测值及其对应的权重，加权求和确认页岩气甜点。

在本发明较佳实施例中，上述沉积条件的参数包括沉积相、总有机碳、厚度和热演化程度。

在本发明较佳实施例中，上述储集条件的参数包括孔隙度、渗透率、脆性矿物含量、力学参数和比表面。

在本发明较佳实施例中，上述保存条件的参数包括埋藏深度、距露头距离、构造形态和压力系数。

在本发明较佳实施例中，上述页岩气甜点的计算模型如下：

Sweet spot＝p₁×Pressure+p₂×Facies+p₃×Depth+p₄×TOC+p₅×Dip+p₆×Gas+p₇× Thickness+p₈×φ+p₉×Dist.+p₁₀×Ro+p₁₁×BM+p₁₂×SA.+p₁₃×K；其中，Sweet spot为甜点， Pressure和p₁分别为压力系数及其权重，Facies和p₂分别为沉积相及其权重，Depth和 p₃分别为埋藏深度及其权重，TOC和p₄分别为总有机碳及其权重，Dip和p₅分别为构造形态及其权重，Gas和p₆分别为含气量及其权重，Thickness和p₇分别为厚度及其权重，φ和p₈分别为孔隙度及其权重，Dist.和p₉分别为距露头距离及其权重，Ro和p₁₀分别为热演化程度及其权重，BM和p₁₁分别为脆性矿物含量及其权重，SA.和p₁₂分别为比表面数及其权重，K和p₁₃分别为渗透率及其权重。

在本发明较佳实施例中，计算出每个判别矩阵的最大特征根及其对应的特征向量，从而分别得到各指标层各参数和准则层的判断矩阵及相对重要性系数，通过指标层中各参数的重要性系数与准则层对应的重要性系数的加权综合，得到所述权重。

在本发明较佳实施例中，对各判断矩阵进行一致性检验：

计算一致性指标C.I.＝(λ_max-n)/(n-1)，其中，n为判断矩阵阶数；

计算平均随机一致性指标R.I.，对多次重复随机判断矩阵特征值的计算后取算数平均数得到的R.I.；

计算一致性比率C.R.：C.R.＝C.I./R.I.，当C.R.<0.1时，判断矩阵的一致性合格。

在本发明较佳实施例中，对所有参数的权重进行排序，即得指标层相对于目标层的所述权重。

在本发明较佳实施例中，各个参数包括正指标、负指标和非定量指标；其中，对所述正指标和所述负指标分别进行无量纲化处理。

在本发明较佳实施例中，对于非定量指标，按照其对页岩气有利区块的影响程度，按照好、较好、中等、较差和差5个层次分别赋值1、0.8、0.6、0.4和0.2。

本发明实施例的有益效果是：

本发明实施例的基于多层次模糊识别的页岩气甜点预测方法，通过系统分析沉积条件、储集条件和保存条件中各项地质参数对页岩含气量的影响，结合多层次模糊识别方法，明确不同构造区甜点的地质参数的权重并结合各个参数的量化平面分布图，加权求和预测页岩气甜点区的分布。对甜点区分布位置的预测更加细化和准确，能够有效预测研究区内甜点位置的变化，由此，也有助于在成熟探区内寻找遗漏的甜点区域。进一步的，由于方法需要数据量相对较少，还能够有助于对低勘探程度下的构造复杂区页岩气甜点进行量化选区。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的研究区龙马溪组沉积相分布定量分布图。

图2为本发明实施例提供的研究区含气量与龙马溪组页岩厚度关系图。

图3为本发明实施例提供的研究区龙马溪组富有机质泥岩厚度分布图。

图4为本发明实施例提供的研究区含气量与龙马溪组页岩有机碳含量关系图。

图5为本发明实施例提供的研究区龙马溪组有机碳含量分布图。

图6为本发明实施例提供的研究区含气量与龙马溪组页岩热演化程度关系图。

图7为本发明实施例提供的研究区龙马溪组热演化程度图。

图8为本发明实施例提供的研究区含气量与孔隙度关系图。

图9为本发明实施例提供的研究区龙马溪组孔隙度分布图。

图10为本发明实施例提供的研究区含气量与比表面关系图。

图11为本发明实施例提供的研究区含气量与渗透率关系图。

图12为本发明实施例提供的研究区矿物成分三角关系图。

图13为本发明实施例提供的研究区生物成因硅质含量与有机碳含量关系图。

图14为本发明实施例提供的研究区龙马溪组脆性矿物分布图。

图15为本发明实施例提供的四川盆地盆缘残余向斜龙马溪组距离露头距离图。

图16为本发明实施例提供的研究区含气量与页岩露头出露距离关系图。

图17为本发明实施例提供的研究区龙马溪组埋深等值线图。

图18为本发明实施例提供的研究区龙马溪组地层构造斜率分布图。

图19为本发明实施例提供的研究区龙马溪组埋深等值线图。

图20为本发明实施例提供的多层次模糊识别方法预测甜点分布图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。

下面对本发明实施例的基于多层次模糊识别的页岩气甜点预测方法进行具体说明。

本发明一种基于多层次模糊识别的页岩气甜点预测方法。

由于现有技术中对“甜点”的定义多为定型化描述、无法定量，且不同学者对“甜点”的定义不同。在本发明中，“甜点”指油气富集的、在当前经济技术条件下可有效开发的层段和区域，考虑广泛适用性，以含气量>2m³/t作为参考指标。

此外，选取四川盆地及周缘区域为研究区作为本发明实施例的方法的应用区，对本发明的方法进行详细说明。换言之，本发明实施例的方法可以应用到其它页岩气有利区的甜点预测。

这种基于多层次模糊识别的页岩气甜点预测方法，主要包括以下步骤：

步骤1：将沉积条件、储集条件和保存条件列为准则层，将沉积条件的参数、储集条件的参数和保存条件的参数分别列为指标层。选取沉积条件的参数、储集条件的参数和保存条件的参数对页岩气含气量具有相关性的参数，量化成平面分布图(即得到对应参数的实测值)。

其中，沉积条件的参数包括沉积相、有机质丰度(TOC)、厚度和热演化程度(R_o)。

请参照图1和图2，研究区四川盆地及周缘区域沉积特征、地层分布特征等方面具有以下特征：海相优质烃源岩的发育受水体中生物生产率、沉积速率、海底深部流体活动、沉积环境和水体环境等多方面因素控制，沉积环境还可以综合反映原始生产力、沉积速率及有机质保存条件等因素。其中，深水陆棚沉积物主要形成缺氧、滞留环境沉积，有利页岩有机质保存，故对页岩气生成有利；向滨岸过度时有机质减少，页岩生成物质基础减弱。

此外，由于沉积相具有多种类型，其为非定量指标。非定量指标，按照其对页岩气有利区块的影响程度，按照好、较好、中等、较差和差5个层次分别赋值1、0.8、0.6、0.4 和0.2。因此，在对研究区内沉积相分布及厚度分布等值线图进行数值化处理中，将沉积相按深水陆棚、浅水陆棚及滨岸体系分别赋值>2、>1和<0。

结合沉积相对页岩甜点区影响的相关性以及沉积相的量化平面图(即实测值)，即可判断沉积相对甜点区的影响。

研究区内的龙马溪组页岩厚度在深水陆棚区较厚、向古陆或隆起区逐渐减薄。通过统计研究区四川盆地及周缘构造复杂去页岩钻井资料，可知，含气量与富有机质泥岩厚度有明显正相关关系。承上述，页岩气甜点含气量的下限是2m³/t。

请参照图3，可知，研究区四川盆地五峰-龙马溪组黑色页岩分布稳定，厚度较大，对页岩甜点区形成提供有利支撑。

请参照图4，通过统计研究区四川盆地十余口钻井TOC与含气量呈正相关关系。

请参照图5，若以含气量2m³/t为甜点下限，TOC甜点下限约为2.5％，在区内高值区主要为附图中灰度较深处，可以看出分布于长宁、涪陵-武隆、巫溪一带。

结合厚度、有机质丰度对页岩甜点区影响的相关性以及厚度、有机质丰度的量化平面图(即实测值)，即可分别判断厚度、有机质丰度对甜点区的影响。

请结合图6和图7，沉积岩中有机质的丰度和类型是生成油气的物质基础，但有机质只有一定量的有机物质并达到一定的热演化程度才能开始大量生烃。统计研究区盆内与盆外钻井热演化程度与含气量关系，可知，受盆地埋藏史及热演化阶段影响，生油气强度不同发育孔隙类型不同，相关性各有不同。盆内页岩埋藏深时间长，热演化程度更高，处于干气阶段大量有机质孔隙发育并逐渐开始坍塌，影响储集空间，故含气量有一定程度降低；盆外因抬升早，主体仍处于高-过成熟演化阶段，较盆内热演化程度低，故在热演化较低和适中的区域含气量更高，在高演化区间含气量同样逐步降低。通过对热演化程度与含气量关系进行分析表明，最有利于页岩气形成与富集的热演化程度(Ro)为1.1～3.0％。

结合热演化程度对页岩甜点区影响的相关性以及热演化程度的量化平面图(即实测值)，即可判断热演化程度对甜点区的影响。

其中，储集条件的参数包括孔隙度、渗透率、总含气量、脆性矿物含量、力学参数和比表面。

请参照图8和图9，页岩气主要以吸附态和游离态赋存于泥页岩中。对研究区志留系龙马溪组的孔隙度与含气量进行统计，总孔隙度范围为0.5～7.5％，相关性分析结果表明含气量随孔隙度增大而线性增加。此外，孔隙度与含气量关系出现分区特征：盆外复杂区：两低(低孔隙度低含气量)；盆内高陡带：两高(高孔隙度高含气量)。

请参照图10，盆内纳米级孔隙以2～50nm的中孔为主；盆外纳米级孔隙以>50nm的宏孔为主。比表面积中孔大于宏孔，可知，一方面比表面积和含气量正相关关系；另一方面，盆内孔隙吸附能力更强，含气量更大。

请参照图11和图12，对志留系龙马溪组含气量和渗透率数据进行相关性分析，可知四川盆地及周缘龙马溪组页岩含气量与渗透率相关性不甚明显。在盆内外相关系数分别为负相关性和正相关性，说明其控制因素可能存在较大差异：如盆内保存条件好，裂缝相对不发育，渗透率越低含气性经改造后越高，而盆外总体含气量较低，相关性不明显，弱正相关性可能反映出储层孔隙间连通性较差，受裂缝沟通使含气量稍微增加的可能。

请参照图12、图13和图14，脆性矿物含量与含气量密切相关，直接影响页岩气后期压裂。研究区内脆性矿物含量总体大于40％，主要以生物成因硅为主，与含气量有一定正相关性，说明随着生物含量的增加，生气物质基础增加、保存条件变好，进而含气量增加。平面上，硅质矿物含量呈现由盆内西南向盆外东南增加的趋势，是天然缝及后期开发压裂造缝的基础。

对于力学参数，其是包含多个参数的复合体系(包括多项构造、加载途径、时间效应、温度效应、胶结性质、结理裂缝和各向异性等)，虽然其对甜点区域具有一定影响，具备一定比重，但在页岩气储层对含气量的相关性较低，视为趋近于零。

同样的，结合储集条件的各个参数对页岩甜点区影响的相关性以及对应的量化平面图 (即实测值)，即可判断储集条件的各个参数对甜点区的影响。

其中，保存条件的参数包括埋藏深度、距露头距离、构造形态和压力系数。

总体上，盆内保存条件较好，仅高陡构造及川南长宁背斜主体附近保存条件中等，主要考虑埋深或者局部深大断裂影响；而盆外褶皱区则需要考虑褶皱宽度、倾角、埋深及断裂分布，产状高陡(或曲率较大)曲率较大部位通常构造变形较强，断裂和裂缝较发育，影响页岩含气性。

请参照图15，盆内构造演化相对简单，但埋深变化大，存在隐伏断裂，故断裂分布和埋深影响更甚；盆外复杂区向斜单元形态各异，构造演化复杂，多期断裂叠加，埋深变化大，故露头距离、构造曲率(倾角)、断裂分布与埋深均对构造演化存在影响。

请结合图16和表1，结合钻井离露头出露距离与含气量的关系，钻井含气量越远离钻井，含气量越高，对保存条件有明显的指示意义。

表1四川盆地页岩气钻井统计表

可知，距离露头远近与含气量正相关关系。盆内距离露头10～30km；盆外距离露头2～8km。

请参照图17、图18和图19，研究区盆内川西南与川东高陡褶皱带地层倾角变化相对较大，其余区域产状总体平缓，地层埋藏深度除高陡向斜埋深较浅外其余总体埋深较大；盆外背斜分布区断裂发育，龙马溪组地层被断层、褶皱破坏、地层埋深较小、地层连续连片分布的面积较小，而向斜发育区，地层埋藏深度变化较大、连续连片分布地层面积整体呈现褶皱核部地层较缓、两翼产状陡峭特征。

断层主要考虑一级、二级断裂，分布主要位于盆缘及盆外部位，距一级断裂10km以上保存条件较好；距二级走滑断裂3～5km以上保存条件较好；距三级断裂1～3km以上保存条件较好。

对于压力系数，其是保存条件的综合反映。其中，盆缘复杂去<1，盆内高陡带1～1.5，盆内稳定区>2。

同样的，保存条件的各个参数对页岩甜点区影响的相关性以及对应的量化平面图(即实测值)，即可判断保存条件的各个参数对甜点区的影响。

步骤2：将同层次的指标的进行两两比较构成多个判别矩阵，计算得到各指标层中各参数相对于对应准则层的权重。

将同层次的指标的进行两两比较构成多个判别矩阵，计算出每个判别矩阵的最大特征根及其对应的特征向量，从而分别得到各指标层各参数和准则层的判断矩阵及相对重要性系数，通过指标层中各参数的重要性系数与准则层对应的重要性系数的加权综合，并对所有参数的权重进行排序，即得指标层各参数相对于规则层的权重。

具体地，请参照表2，其评价指标如下：

表2评价体系

由此，其分层结果为：B₁、B₂和B₃即为准则层，C₁₁、C₁₂、C₁₃和C₁₄为B1对应的指标层，C₂₁、C₂₂、C₂₃、C₂₄、C₂₅和C₂₆为B2对应的指标层，C₃₁、C₃₂、C₃₃和C₃₄为B₃对应的指标层。

请参见表3，形成多个判别矩阵：

表3判别矩阵

其中，对各判断矩阵进行一致性检验，计算过程如下：

计算一致性指标C.I.＝(λ_max-n)/(n-1)，其中，n为判断矩阵阶数；

计算平均随机一致性指标R.I.，对多次重复随机判断矩阵特征值的计算后取算数平均数得到的R.I.；

计算一致性比率C.R.：C.R.＝C.I./R.I.。

请参见表4，得到各甜点因素权重赋值结果与排序图：

由此，得到指标层各参数相对于规则层的权重。

需要特殊说明的是，在计算过程中各个参数的指标包括正指标、负指标和非定量指标情形。正指标和负指标分别进行无量纲化处理，得到可用参数。

进一步地，对于非定量指标(即沉积相)，按照其对页岩气有利区块的影响程度，按照好、较好、中等、较差、差5个层次分别赋值1、0.8、0.6、0.4、0.2。

步骤3：根据各参数的实测值及其对应的权重，加权求和确认页岩气甜点分布模型。

其中，页岩气甜点的计算模型如下：

Sweet spot＝p₁×Pressure+p₂×Facies+p₃×Depth+p₄×TOC+p₅×Dip+p₆×Gas+p₇× Thickness+p₈×φ+p₉×Dist.+p₁₀×Ro+p₁₁×BM+p₁₂×SA.+p₁₃×K

其中，Sweet spot为甜点，Pressure和p₁分别为压力系数及其权重，Facies和p₂分别为沉积相及其权重，Depth和p₃分别为埋藏深度及其权重，TOC和p₄分别为有机质丰度及其权重，Dip和p₅分别为构造形态及其权重，Gas和p₆分别为含气量及其权重， Thickness和p₇分别为厚度及其权重，φ和p₈分别为孔隙度及其权重，Dist.和p₉分别为距露头距离及其权重，Ro和p₁₀分别为热演化程度及其权重，BM和p₁₁分别为脆性矿物含量及其权重，SA.和p₁₂分别为比表面数及其权重，K和p₁₃分别为渗透率及其权重。亦即，基于多层次模糊识别方法甜点的预测结果为：

Sweet spot＝0.23×Pressure+0.15×Facies+0.11×Depth+0.10×TOC+0.08×Dip+0.07×Gas+0.06×Thickness+0.05×φ+0.04×Dist.+0.04×Ro+0.03×BM+0.02×SA.+0.01×K

结合量化参数平面图(即参数的实测值)获得四川盆地及周缘海相页岩复杂区甜点，其结果见图20。

从图20可以看出，在整个研究区内，靠近四川盆地内灰度较深的部分以及盆内和盆外分裂带灰度变化的部分为页岩气甜点预测位置。并且，能够有效预测到盆地内甜点的位置的变化趋势，有助于在低勘探区进行页岩气的开发。一方面，通过对页岩气甜点影响参数的量化，使得预测的结果具备较高的可比较性，能够直观地判断有利区块内甜点区域和非甜点区域；另一方面，通过数学方法考虑各个影响参数的权重，通过加权求和最终预测页岩气甜点区域以及优化排序，对未开采的有利区块内甜点区域具有明确指导意义。

综上，本发明提供的这种基于多层模糊识别的页岩气甜点预测方法，对甜点区分布位置的预测更加细化和准确，能够有效预测研究区内甜点位置的变化，由此，也有助于在成熟探区内寻找遗漏的甜点区域。进一步的，由于方法需要数据量相对较少，还能够有助于对低勘探程度下的构造复杂区页岩气甜点进行量化选区。

以上所描述的实施例是本发明一部分实施例，而不是全部的实施例。本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

Claims (10)

1.一种基于多层次模糊识别的页岩气甜点预测方法，其特征在于，包括：

将沉积甜点、储集条件和保存条件列为准则层，将沉积条件的参数、储集条件的参数和保存条件的参数分别列为指标层，将同层次的指标的进行两两比较构成多个判别矩阵，计算得到各指标层中各参数相对于对应准则层的权重，根据各参数的实测值及其对应的权重，加权求和确认页岩气甜点。

2.根据权利要求1所述的基于多层次模糊识别的页岩气甜点预测方法，其特征在于，所述沉积条件的参数包括沉积相、厚度和热演化程度。

3.根据权利要求2所述的基于多层次模糊识别的页岩气甜点预测方法，其特征在于，所述储集条件的参数包括孔隙度、渗透率、总含气量、脆性矿物含量、力学参数和比表面。

4.根据权利要求3所述的基于多层次模糊识别的页岩气甜点预测方法，其特征在于，所述保存条件的参数包括埋藏深度、距露头距离、构造形态和压力系数。

5.根据权利要求4所述的基于多层次模糊识别的页岩气甜点预测方法，其特征在于，所述页岩气甜点的计算模型如下：

Sweet spot＝p₁×Pressure+p₂×Facies+p₃×Depth+p₄×TOC+p₅×Dip+p₆×Gas+p₇×Thickness+p₈×φ+p₉×Dist.+p₁₀×Ro+p₁₁×BM+p₁₂×SA.+p₁₃×K

其中，Sweet spot为甜点，Pressure和p₁分别为压力系数及其权重，Facies和p₂分别为沉积相及其权重，Depth和p₃分别为埋藏深度及其权重，TOC和p₄分别为有机质丰度及其权重，Dip和p₅分别为构造形态及其权重，Gas和p₆分别为含气量及其权重，Thickness和p₇分别为厚度及其权重，φ和p₈分别为孔隙度及其权重，Dist.和p₉分别为距露头距离及其权重，Ro和p₁₀分别为热演化程度及其权重，BM和p₁₁分别为脆性矿物含量及其权重，SA.和p₁₂分别为比表面数及其权重，K和p₁₃分别为渗透率及其权重。

6.根据权利要求4所述的基于多层次模糊识别的页岩气甜点预测方法，其特征在于，计算出每个判别矩阵的最大特征根及其对应的特征向量，从而分别得到各指标层各参数和准则层的判断矩阵及相对重要性系数，通过指标层中各参数的重要性系数与准则层对应的重要性系数的加权综合，得到所述权重。

7.根据权利要求6所述的基于多层次模糊识别的页岩气甜点预测方法的制备方法，其特征在于，对各判断矩阵进行一致性检验：

计算一致性指标C.I.＝(λ_max-n)/(n-1)，其中，n为判断矩阵阶数；

计算平均随机一致性指标R.I.，对多次重复随机判断矩阵特征值的计算后取算数平均数得到的R.I.；

计算一致性比率C.R.：C.R.＝C.I./R.I.，当C.R.<0.1时，判断矩阵的一致性合格。

8.根据权利要求6所述的基于多层次模糊识别的页岩气甜点预测方法的制备方法，其特征在于，对所有参数的权重进行排序，即得指标层相对于目标层的所述权重。

9.根据权利要求8所述的基于多层次模糊识别的页岩气甜点预测方法的制备方法，其特征在于，各个参数包括正指标、负指标和非定量指标；其中，对所述正指标和所述负指标分别进行无量纲化处理。

10.根据权利要求9所述的基于多层次模糊识别的页岩气甜点预测方法的制备方法，其特征在于，对于非定量指标，按照其对页岩气有利区块的影响程度，按照好、较好、中等、较差和差5个层次分别赋值1、0.8、0.6、0.4和0.2。

Images