CN112526107A - 裂缝型致密砂岩储层甜点识别与定量表征的方法 - Google Patents

Abstract

本发明实施例提供一种裂缝型致密砂岩储层甜点识别与定量表征的方法，该方法包括：裂缝型致密砂岩储层甜点识别与定量表征的方法，其特征在于，包括：根据优选出的关键敏感参数构建致密砂岩储层甜点预测模型；根据所述预测模型计算出的甜点值对裂缝型致密砂岩储层进行分类。本发明实施例使用常规测井资料识别和表征致密砂岩储层“甜点”，并进行操作流程的规范化和表征参数的量化，极大的提高了测井解释的效率、降低了测井解释的成本；使用常规测井资料实现了对致密砂岩储层岩性、物性、含气性的定量表征，实现了对裂缝型致密砂岩储层中裂缝的识别和表征，形成了一套参数反演方法技术，为进一步的研究和解释提供了依据。

Description

裂缝型致密砂岩储层甜点识别与定量表征的方法

技术领域

本发明涉及油气勘探开发领域，更具体地，涉及一种裂缝型致密砂岩储层甜点识别与定量表征的方法。

背景技术

对于致密砂岩储层来说，“甜点”是指致密储层中钻井能获得高产油气的位置或区域。在致密储层裂缝发育区内，能够形成油气运移通道，极大地提高储层渗透率，表现出低产背景下的异常高产区(段)，即为裂缝型“甜点”。

目前，针对致密砂岩储层“甜点”的识别大致有三类方法：一种是利用常规测井曲线识别甜点，优点在于方法简单且常规测井数据丰富易获取，但通常单一使用该方法会使其识别结果精度较低；另一种是基于灰色中心点三角聚类的相对优质储层过程性立体评价方法，根据储层优劣的综合评价目的，对常规测井数据加权，基于灰色聚类分层通过计算所有指标的综合效果，判断聚类对象所属类型，优点是能够较准确的对储层“甜点”做出定性的识别，主要问题是评价过程中的权重或分类标准是人为划定的，主观因素的影响很大且难以定量探讨控制储层储集性能和影响气藏富集高产的因素；最后一种是基于核Fisher方法的致密储层含气性识别，利用核Fisher技术将低维线性空间内的非线性问题，转化为高维核空间的线性投影问题，该技术对于非线性不可分问题具有很强的区分能力，但由于实际地质条件的复杂当局部拟合度高时可能导致整体拟合度降低，因此无法实现对储层“甜点”高精度的定量表征。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的裂缝型致密砂岩储层甜点识别与定量表征的方法。

根据本发明实施例，提供一种裂缝型致密砂岩储层甜点识别与定量表征的方法，该方法包括：裂缝型致密砂岩储层甜点识别与定量表征的方法，其特征在于，包括：根据优选出的关键敏感参数构建致密砂岩储层甜点预测模型，所述预测模型为：

式中，TD2为甜点值，q为岩性指数，POR1为孔隙度，Sg1为含气饱和度，LLD为深侧向电阻率，PERM1为渗透率，PORf为裂缝孔隙度；

根据所述预测模型计算出的甜点值对裂缝型致密砂岩储层进行分类。

本发明实施例提供的裂缝型致密砂岩储层甜点识别与定量表征的方法，至少具有如下有益效果：

1、使用常规测井资料识别和表征致密砂岩储层“甜点”，并进行操作流程的规范化和表征参数的量化，极大的提高了测井解释的效率、降低了测井解释的成本；

2、使用常规测井资料实现了对致密砂岩储层岩性、物性(孔隙度、渗透率)、含气性的定量表征，实现了对裂缝型致密砂岩储层中裂缝的识别和表征，形成了一套参数反演方法技术，为进一步的研究和解释提供了依据；

3、融合了致密砂岩储层岩性、电性、物性、含气性和裂缝孔隙度等参数，建立储层“甜点”预测模型，定量识别表征出致密砂岩储层“甜点”，与测井资料、岩心资料、实际生产资料匹配程度高，吻合性好。为解释结论的划分和实际的开发与测试提供了可靠的理论依据，并指明了开发层段与方向；

4、应用前景广阔，储层“甜点”的识别和表征方法可以很好的应用在泥页岩、致密砂岩等致密储层的解释评价中。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些图获得其他的附图。

图1为本发明实施例提供的致密砂岩储层岩心岩性标定测井响应图；其基于岩心资料标定测井数据，确定致密砂岩储层岩性特征；

图2为本发明实施例提供的致密砂岩储层各岩性的测井响应特征识别交会图；其中，不同的灰度点分别对应了砂砾岩、含砾粗砂岩、粗砂岩、中砂岩、粉细砂岩、砂质泥岩、泥岩与炭质泥岩，不同岩性对应的测井响应值有重叠但也有区分，测井响应中心值不同。

图3为本发明实施例提供的致密砂岩储层岩性识别模型与岩心岩性对比图。

图4为本发明实施例提供的致密砂岩储层岩心分析孔隙度(POR)与测井响应数据交会图版。

图5为本发明实施例提供的致密砂岩储层岩心分析渗透率(PERM)与岩心分析孔隙度(POR)、模型计算孔隙度(POR1)的交会图版。

图6为本发明实施例提供的致密砂岩储层各产气层和水层的含气饱和度与电阻率的交会图。

图7为本发明实施例提供的致密砂岩储层各参数(岩性、物性、含气性、电性、裂缝孔隙度)与每米产气量的关系图版。

图8为本发明实施例提供的裂缝型致密砂岩储层甜点识别及定量表征甜点发育程度实例图。

图9为本发明实施例提供的裂缝型致密砂岩储层甜点识别与定量表征的方法的流程示意图。

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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，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。基于本发明中的实施例，本领域普通技术人员在没有做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。

近几年来，“甜点”一词在煤层气、致密油气及页岩油气等非常规油气中被广泛应用，“甜点”是在致密砂岩整体物性较差背景下的局部高孔高渗区，并且能够提供较高油气日产量和持久经济产量的致密砂岩油气发育区。由于“甜点”具有发育范围、发育层段、发育厚度随机，规模有限的特点，所以致密砂岩“甜点”的勘探、识别、预测方面都存在着巨大的困难。同时，致密砂岩储层“甜点”的识别和表征与储层参数有密不可分的联系，然而致密储层岩性及矿物成分十分复杂、储集空间类型多样且非均质性强，导致了致密储层骨架的多变性，从而使致密储层参数(孔隙度)求取困难，即常规储层参数的求取方法不在适用于致密储层，给测井精确解释和致密砂岩储层“甜点”预测带来了极大的困难和挑战。此外，裂缝型致密砂岩储层的裂缝发育是决定裂缝型“甜点”分布及其能否高产的关键。因此，急需用新方法与新模型对致密储层参数进行准确的计算，并对裂缝进行精细识别与解释，进而实现对裂缝型致密砂岩储层“甜点”识别与定量表征。

基于以上各方法的不适用性，在综合致密储层岩性、电性、物性、含气性和裂缝孔隙度等参数的基础上，建立了一种裂缝型致密砂岩储层“甜点”识别与定量表征的方法。

本发明实施例提供一种裂缝型致密砂岩储层甜点识别与定量表征的方法，参见附图9，包括但不限于如下步骤：

步骤101、根据优选出的关键敏感参数构建致密砂岩储层甜点预测模型，所述预测模型为：

式中，TD2为甜点值，q为岩性指数，POR1为孔隙度，Sg1为含气饱和度，LLD为深侧向电阻率，PERM1为渗透率，PORf为裂缝孔隙度；

步骤102、根据所述预测模型计算出的甜点值对裂缝型致密砂岩储层进行分类。

具体地，可通过如下步骤建立上述预测模型：

(1)为了消除各井之间的测量误差及井眼垮塌的影响，对原始测井响应数据进行了井径校正处理，将钻头直径22cm作为井径曲线的标准值，针对扩径(井径曲线CAL>22cm)和缩径(井径曲线CAL<22cm)分别对自然伽马(GR)、声波时差(AC)、补偿密度(DEN)、补偿中子(CNL)和深侧向电阻率(LLD)测井数据进行井径校正：

A₀＝A+λ×ΔCAL (1)

其中，A分别为自然伽马、声波时差、补偿密度、补偿中子和深侧向电阻率原始数据，API、μs/m、g/cm³、％、Ω·m；A₀为井径校正后的各测井响应数据；λ为井径校正系数，无量纲，一般扩径时为负，缩径时为正，且各井数值大小略有不同；ΔCAL＝CAL大22。

通过式(1)对原始测井数据进行校正，有效消除各井之间的测量误差和井眼垮塌的影响后进行下一步处理。

(2)根据岩心薄片分析岩性刻度测井数据(图1)，优选岩性敏感曲线GR、AC、DEN、CNL、LLD，建立岩性识别测井响应图版(图2)，图2中将岩性主要分为砂砾岩、含砾粗砂岩、粗砂岩、中砂岩、粉细砂岩、砂质泥岩、泥岩和炭质泥岩，GR、AC、DEN、CNL、LLD对各岩性相对比较敏感，各岩性在测井响应交会图上有明显的响应规律，从砂砾岩到炭质泥岩，每种岩性的测井响应交会图既有重叠，又有相对独立的响应区间，每种岩性分布区间明显，且从砂砾岩到粉细砂岩，随着自然伽马的增大，声波时差有降低趋势、密度基本不变、中子略有增大，从砂质泥岩、泥岩到炭质泥岩，随着自然伽马的增大，声波时差增大、密度降低、中子呈现增大的趋势，每种岩性自身也呈现同样的响应规律。

针对致密储层岩性复杂、非均质性强，不同岩性的测井响应关系复杂，与常规储层有明显的差异，难以用单一测井曲线判断区分岩性。优选五条敏感曲线GR、AC、DEN、CNL和LLD对不同岩性有不同的响应区间(其中GR最能代表不同岩性的区分)，根据响应差异及不同岩性的AC、DEN、CNL、LLD与GR的响应关系，通过数学算法，构建出储层岩性的识别模型q(式2)，可对岩性实现较好的区分，即岩性指数q数值的大小代表了地层不同岩性，q值越小，其倒数值越大，代表地层砂质含量越高，是较纯的砂岩地层，q值越大，其倒数值越小，代表地层泥质含量越高，是较纯的泥岩地层。

其中0.27、0.11、0.44、0.18分别为各项加权系数，由各曲线同GR的相关性决定，无量纲；GR_n＝GR/GR_max，AC_n＝AC/AC_max，DEN_n＝DEN/DEN_max，CNL_n＝CNL/CNL_max，LLD_n＝LOG₁₀LLD/LOG₁₀LLD_max，GR_max为处理井段自然伽马的最大值，AC_max为处理井段声波时差的最大值，DEN_max为处理井段补偿密度的最大值，CNL_max为处理井段补偿中子的最大值，LLD_max为处理井段深侧向电阻率的最大值。

岩性识别模型的实际处理应用效果如图3、图8所示(图8中左数第1列)，利用该模型得到的数值越小，其倒数值越大，则代表地层砂岩含量越高，是较纯的砂岩地层，具有成为储层的潜力。对比图3与图2，通过模型计算的岩性识别参数表征致密储层岩性更具区分度，且实现了致密砂岩储层岩性的定量表征。图中通过对整井段数据的处理，得到各个深度对应的岩性指数q，并以镜像谱图的形式将岩性指数q的倒数显示出来，镜像谱的大小、形态及颜色代表了不同的岩性，直观定量地反映了地层岩性，且与常规测井曲线吻合程度高，从而实现了致密砂岩储层岩性的识别与表征。

(3)以致密砂岩储层岩心分析孔隙度(POR)为标准，建立致密砂岩储层岩心分析孔隙度与测井响应的关系(图4)，图4表明自然伽马(GR)、声波时差(AC)、补偿密度(DEN)等三条曲线对致密砂岩储层孔隙度相对敏感，其中岩心分析孔隙度与自然伽马的响应关系呈负相关，岩心分析孔隙度与声波时差的响应关系呈正相关，岩心分析孔隙度与补偿密度的响应关系呈负相关。因此，优选三条敏感曲线GR、AC、DEN，根据各敏感曲线与岩心分析孔隙度的响应关系，提取敏感曲线对致密砂岩储层孔隙度的敏感属性，并根据复杂岩性地层物性参数由多属性参数共同作用的结果，通过数学算法，建立致密砂岩储层孔隙度多元回归计算模型POR1(式3)。

式中，AC′、DEN′为杂基干扰信号；AC′＝(AC-AC_ma)×0.33，μs/m；DEN′＝(DEN_ma-DEN)×0.33，g/cm³。

孔隙度计算模型的实际处理应用效果如图8所示(图8中左数第6列实线)，利用该模型得到的孔隙度数值与测井数据关系一致，与岩性识别模型判断的砂岩储层关系一致，与岩心分析数据(图8中左数第6列黑色横杠)趋势相同、吻合性好。该模型计算致密砂岩储层孔隙度解释结果有效、可靠。

(4)以致密砂岩储层岩心分析渗透率(PERM)为标准，建立致密砂岩储层岩心分析渗透率与岩心分析孔隙度(POR)、模型计算孔隙度(POR1)的关系(图5)，图5表明在致密砂岩储层中孔隙度对渗透率相对敏感，岩心分析渗透率与岩心分析孔隙度、模型计算孔隙度的响应关系成指数相关。因此，基于Timur模型与孔隙度计算模型建立致密砂岩储层渗透率计算模型PERM1(式4)。

PERM1＝0.2336×POR1^3.8/Swi²+0.005 (4)

式中，POR1为孔隙度模型计算的孔隙度，％；Swi为地层束缚水饱和度，％；

其应用效果如图8所示(图8中左数第7列实线)，利用该模型得到的渗透率数值与测井数据关系一致，与岩性识别模型判断的砂岩储层关系一致，与模型计算的孔隙度关系一致，与岩心分析数据(图8中左数第7列黑色横杠)趋势相同、吻合性好。该模型计算致密砂岩储层渗透率解释结果有效、可靠。

(5)致密砂岩储层中富含有机质，特别是泥页岩有机质丰度高，针对致密储层富含有机质的特征，把致密储层根据单位体积模型分为有机部分和无机部分。无机部分符合常规储层的特征，采用阿尔奇公式进行含气性的计算，即用阿尔奇公式计算无机部分的含气饱和度。而有机部分，采用ΔlogR(基于声波时差AC和深侧向电阻率LLD进行刻度)表征有机质丰度的多少，通过回归，得到有机部分含气饱和度的大小，即求出有机部分的含气饱和度。再将无机部分和有机部分的饱和度叠加，并通过电阻率进行一定的校正(图6)，建立致密砂岩储层含气饱和度非线性(有机-无机)计算模型Sg1(式5)。

式中，n＝m＝2；a＝b＝1；Rw＝0.02；LLD为深侧向电阻率，Ω·m；

为模型计算孔隙度，％；ΔlogR＝log(LLD)-log(LLD_min)+(AC-AC_min)×0.0034+0.5，LLD_min为处理井段深侧向电阻率的最小值，AC_min为处理井段声波时差的最小值。

含气饱和度方法模型的应用效果如图8所示(图8中左数第8列实线)，利用该模型得到的含气饱和度数值与测井数据关系一致，与岩性识别模型判断的砂岩储层关系一致，与模型计算的孔隙度、渗透率关系一致，与试气结论深度匹配吻合性好(图8中右数第1列)。该模型计算致密砂岩储层含气饱和度解释结果有效、可靠。

(6)裂缝型致密砂岩储层不仅岩性复杂、骨架多变，而且裂缝发育，不同类型的裂缝发育明显，裂缝不仅是重要的储集空间，更是提高油气产量的重要因素。研究表明，在裂缝发育的位置，声波时差增大，补偿密度减小，所以声波时差和补偿密度在一定程度上反映了裂缝发育程度与裂缝参数的大小。构建出裂缝型致密砂岩储层裂缝孔隙度模型PORf(式6)，其数值的大小反映了裂缝发育程度的高低，及其对储层物性和油气产量的影响。该模型计算数值越大，则地层裂缝发育程度越高，对储层物性及油气产量影响越大，该模型计算数值越小，则地层裂缝发育程度越低，对储层物性及油气产量影响越小。

式中，AC、AC_ma、AC_por、AC_sh分别为处理井段测井、砂岩骨架、孔隙流体、泥质的声波时差值，μs/m；DEN、DEN_ma、DEN_por、DEN_sh分别为处理井段测井、砂岩骨架、孔隙流体、泥质的补偿密度值，g/cm³；

GR为处理井段自然伽马，API,GR_min为处理井段自然伽马的最小值，GR_max为处理井段自然伽马的最大值。

其应用效果如图8所示(图8中左数第9列)，利用该模型得到的裂缝孔隙度实现了对裂缝的识别与表征，其数值与测井数据关系一致，与岩性识别模型判断的砂岩储层关系一致，与模型计算的孔隙度、渗透率关系一致，与试气结论深度匹配吻合性好(图8中右数第1列)。该模型计算的裂缝孔隙度参数数值的大小反映了致密砂岩储层中裂缝发育程度的高低，进而对改变储层物性，提高油气产量做出贡献。

(7)根据试气结论刻度测井数据，以每米日产气量为统一标准，优选敏感参数：岩性指数(1/q)、孔隙度(POR1)、渗透率(PERM1)、含气饱和度(Sg1)、深侧向电阻率(LLD)和裂缝孔隙度(PORf)，建立致密砂岩储层每米日产气量与各参数响应图版(图7)。图7表明岩性指数(1/q)、孔隙度(POR1)、渗透率(PERM1)、含气饱和度(Sg1)、深侧向电阻率(LLD)、和裂缝孔隙度(PORf)等六条曲线对致密砂岩储层产气量相对敏感，与致密砂岩储层每米日产气量的响应关系均呈正相关，与“甜点”是在“砂岩整体物性较差背景下的局部高孔高渗区，并且能够提供较高天然气日产量和持久经济产量的致密砂岩气发育区”这一定义相符。

根据优选出的能够表征致密储层“甜点”的关键敏感参数：岩性、物性(孔隙度、渗透率)、含气性、电性、裂缝孔隙度，构建多属性融合模型，把储层中的微小差异进行放大，划分储层的优劣性，挖掘出致密储层的优质层，即找出储层“甜点”，从而直观、有效地综合评价致密储层。因此，基于“岩石×岩石属性”建立了致密砂岩储层“甜点”预测模型(式7)。同时根据试气结论和每米日产气量的产能大小及对应的各参数大小进行分类，然后刻度到储层“甜点”值，对储层“甜点”进行分类(表1)，将储层“甜点”分为三类，一类对应高产气层，二类对应中产气层，三类对应低产气层，即以产能大小为标准划分三种类型，再确定各参数的划分界限，进而确定“甜点”类型的划分界限。

其应用效果如图8所示(图8中左数第10、11列)，利用致密砂岩储层“甜点”预测模型实现了对裂缝型致密砂岩储层“甜点”的识别与定量表征，其数值大小与岩性、物性关系一致，且都是在致密砂岩物性整体较差背景下的局部高孔、高渗区，与试气结论匹配吻合性好(图8中右数第1列)。该模型预测的致密砂岩储层“甜点”是致密砂岩储层中能够提供较高天然气日产量和持久经济产量的富含气区，其数值的大小更是能定量表征储层“甜点”的级别和天然气日产量，从而为寻找和开发致密砂岩储层中具有工业价值的天然气储层，提高油气产量指明了方向。

表1致密气储层“甜点”分类标准

以下提供一具体实施例对本发明实施例提供的方法进行说明：

将致密砂岩储层的常规测井数据进行相应的处理，按照各参数模型计算储层岩性(1/q)、物性(POR1、PERM1)、含气性(Sg1)、裂缝孔隙度(PORf)等参数，利用储层“甜点”预测模型进一步计算可获得致密砂岩储层“甜点”发育情况，如图8所示，图中：第1列为岩性识别模型计算的岩性指数图谱，即通过对整井段数据的处理，可得到各个深度对应的岩性指数，并以镜像谱图的形式将岩性参数q的倒数显示出来，镜像谱的大小、形态及颜色代表了不同的岩性，直观定量地反映了地层岩性，且与常规测井曲线吻合程度高；第6、7列分别为模型计算的致密砂岩孔隙度(POR1)和渗透率(PERM1)，与岩心分析数据(POR、PERM)趋势相同、吻合性好；第8列为含气饱和度模型计算的致密砂岩含气饱和度(Sg1)，其数值与测井数据、岩性、孔隙度、渗透率关系一致，与试气结论匹配吻合性好(图8中右数第1列)；第9列为裂缝孔隙度模型计算的裂缝孔隙度，其数值与测井数据、岩性、孔隙度、渗透率关系一致，与试气结论匹配吻合性好(图8中右数第1列)，该模型计算的裂缝孔隙度数值大小反映了致密砂岩储层裂缝发育程度的高低。第10、11列为模型预测“甜点”镜像谱图和单边谱图，预测“甜点”值TD2>2.4即为一类甜点，对应高产气层；预测“甜点”值2.4>TD2>1.8即为二类甜点，对应中产气层；预测“甜点”值1.8>TD2>0.6即为三类甜点，对应低产气层；而水层或干层处的预测TD2<0.6为非“甜点”，其识别结果与试气结论匹配度高、吻合性好。

综上所述，本发明实施例是基于常规测井资料对裂缝型致密砂岩储层“甜点”进行识别和表征的一种方法。首先，针对致密储层复杂岩性变化，以岩心分析岩性刻度测井，找出对岩性敏感的测井数据，建立复杂岩性的测井响应识别图版，进而构架出岩性识别模型，形成定量直观识别表征岩性的岩性谱方法。其次，分析了岩心分析孔渗与测井数据的关系，建立了致密储层物性参数多元回归反演方法模型，并构建出含气饱和度的有机-无机分离模型，形成一套适合致密砂岩储层参数反演的方法与技术。同时，优选出对裂缝敏感的测井数据，建立了表征裂缝发育程度的裂缝孔隙度方法模型。然后，以每米日产气量为标准，优选出表征致密储层“甜点”的敏感参数，最终融合岩性数据、物性数据、含气性数据、电性数据、裂缝发育数据，构建出预测致密砂岩储层“甜点”方法模型，并建立了致密砂岩储层“甜点”分类标准，实现了定量直观预测不同级次“甜点”谱。为泥页岩等致密复杂储层解释结论的划分和实际开发与测试提供了可靠的理论依据，并指明了方向与目标层段。

本发明实施例至少具有如下有益效果：

1、使用常规测井资料识别和表征致密砂岩储层“甜点”，并进行操作流程的规范化和表征参数的量化，极大的提高了测井解释的效率、降低了测井解释的成本；

2、使用常规测井资料实现了对致密砂岩储层岩性、物性(孔隙度、渗透率)、含气性的定量表征，实现了对裂缝型致密砂岩储层中裂缝的识别和表征，形成了一套参数反演方法技术，为进一步的研究和解释提供了依据；

3、融合了致密砂岩储层岩性、电性、物性、含气性和裂缝孔隙度等参数，建立储层“甜点”预测模型，定量识别表征出致密砂岩储层“甜点”，与测井资料、岩心资料、实际生产资料匹配程度高，吻合性好。为解释结论的划分和实际的开发与测试提供了可靠的理论依据，并指明了开发层段与方向；

4、应用前景广阔，储层“甜点”的识别和表征方法可以很好的应用在泥页岩、致密砂岩等致密储层的解释评价中。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种裂缝型致密砂岩储层甜点识别与定量表征的方法，其特征在于，包括：

根据优选出的关键敏感参数构建致密砂岩储层甜点预测模型，所述预测模型为：

式中，TD2为甜点值，q为岩性指数，POR1为孔隙度，Sg1为含气饱和度，LLD为深侧向电阻率，PERM1为渗透率，PORf为裂缝孔隙度；

根据所述预测模型计算出的甜点值对裂缝型致密砂岩储层进行分类。

2.根据权利要求1所述的方法，其特征在于：

式中，GR_n＝GR/GR_max，AC_n＝AC/AC_max，DEN_n＝DEN/DEN_max，CNL_n＝CNL/CNL_max，LLD_n＝LOG₁₀LLD/LOG₁₀LLD_max，GR_max为处理井段自然伽马的最大值，AC_max为处理井段声波时差的最大值，DEN_max为处理井段补偿密度的最大值，CNL_max为处理井段补偿中子的最大值，LLD_max为处理井段深侧向电阻率的最大值。

3.根据权利要求1所述的方法，其特征在于：

式中，AC′、DEN′为杂基干扰信号，AC′＝(AC-AC_ma)×0.33，DEN′＝(DEN_ma-DEN)×0.33。

4.根据权利要求1所述的方法，其特征在于：

式中，n＝m＝2；a＝b＝1；Rw＝0.02；LLD为深侧向电阻率；

为模型计算孔隙度；ΔlogR＝log(LLD)-log(LLD_min)+(AC-AC_min)×0.0034+0.5，LLD_min为处理井段深侧向电阻率的最小值，AC_min为处理井段声波时差的最小值。

5.根据权利要求1所述的方法，其特征在于：

PERM1＝0.2336×POR1^3.8/Swi²+0.005

式中，POR1为孔隙度模型计算的孔隙度，Swi为地层束缚水饱和度。

6.根据权利要求1所述的方法，其特征在于：

式中，AC、AC_ma、AC_por、AC_sh分别为处理井段测井、砂岩骨架、孔隙流体、泥质的声波时差值；DEN、DEN_ma、DEN_por、DEN_sh分别为处理井段测井、砂岩骨架、孔隙流体、泥质的补偿密度值；

GR为处理井段自然伽马，API，GR_min为处理井段自然伽马的最小值，GR_max为处理井段自然伽马的最大值。

7.根据权利要求1所述的方法，其特征在于，所述根据优选出的关键敏感参数构建致密砂岩储层甜点预测模型之前，还包括：

对原始测井响应数据进行了井径校正处理，将钻头直径22cm作为井径曲线的标准值，针对扩径和缩径分别对自然伽马GR、声波时差AC、补偿密度DEN、补偿中子CNL和深侧向电阻率LLD测井数据进行井径校正，其中，扩径为井径曲线CAL＞22cm，缩径为井径曲线CAL＜22cm：

A₀＝A+λ×ΔCAL

其中，A分别为自然伽马、声波时差、补偿密度、补偿中子和深侧向电阻率原始数据；A₀为井径校正后的各测井响应数据；λ为井径校正系数；ΔCAL＝CAL-22。

8.根据权利要求1所述的方法，其特征在于，根据所述预测模型计算出的甜点值对裂缝型致密砂岩储层进行分类，包括：

预测甜点值TD2＞2.4为一类甜点，对应高产气层；

预测甜点值2.4＞TD2＞1.8为二类甜点，对应中产气层；

预测甜点值1.8＞TD2＞0.6为三类甜点，对应低产气层；

预测TD2＜0.6为非“甜点”，对应水层或干层。

Images