CN113625358A - 判别岩石组分对致密砂岩储层物性影响程度的方法 - Google Patents

Abstract

本申请提供一种判别岩石组分对致密砂岩储层物性影响程度的方法。所述方法包括：在待检区块内选取n个致密砂岩样品，并确定出该待检区块内致密砂岩的岩石组分种类，记为m种；获取每个致密砂岩样品的孔隙度Φ，并构建致密砂岩孔隙度分级模型；建立物性分级下各岩石组分的物理模型；利用灰色关联法计算各岩石组分与孔隙度的关联度；根据关联度判定各岩石组分对致密砂岩储层物性的影响程度。本申请以孔隙度为基准构建致密砂岩孔隙度分级模型，基于物性分级构建静态岩石物理模型。同时利用灰色关联法定量探究致密砂岩储层中不同岩石组分对物性的影响程度。该方法相较于现有致密砂岩储层所涉及的线性相关等方法，具有误差小、可信度高的优点。

Description

判别岩石组分对致密砂岩储层物性影响程度的方法

技术领域

本申请涉及地球物理勘探技术领域，具体而言，涉及一种判别岩石组分对致密砂岩储层物性影响程度的方法。

背景技术

致密砂岩以低孔低渗的特性区别于常规砂岩储层，其成因在于沉积作用、构造作用、成岩作用三者的共同叠加，其演化过程为在原始沉积的基础之上，后期构造应力叠加和后期成岩改造，形成了具有特殊渗流机理和复杂孔喉结构的致密砂岩。对于致密砂岩的研究，可以追溯到20世纪80年代美国能源联邦规划局的官方定义，将致密砂岩的定义为渗透率小于0.1mD的砂岩。而目前，通常将致密砂岩界定为：孔隙度小于或等于10％；覆压渗透率小于或等于0.1mD；具有复杂的孔喉结构；具有强烈的非均质性。

对于完整的岩石物理模型，主要包括三个基本单元：骨架、流体和孔隙。骨架和流体的变化及其之间的相互作用，对于孔隙的类型、大小、结构、连通性等方面有着重要的影响。对于致密砂岩而言，骨架指代是碎屑颗粒和填隙物。因此，探讨致密砂岩的矿物组成，对砂岩储层致密化的认识具有重要的意义。然而，不同类型矿物对致密砂岩储层物性的影响程度，前人对此的研究很少，对此进行的量化研究更是几乎缺失。

现有对于不同类型矿物对致密砂岩储层物性的影响程度，一般以矿物含量为自变量，以孔隙度为因变量，建立两者中间的线性相关关系。采用比较斜率的方法进行比较，斜率大者表示矿物含量对孔隙度的影响程度大，斜率小者表示矿物含量对孔隙度的影响程度小。然而，在实际研究过程中，对于致密砂岩储层而言，该方法存在许多问题：(1)不同矿物与孔隙度之间不都具有线性相关；(2)在相关系数非常低的情况下建立线性函数和指数函数，误差很大，可信度非常差，对比结果也就没有意义；(3)矿物含量采取不同统计区间，拟合的公式具有不同的斜率；(4)在相同斜率的情况下，有的变化区间大，有的变化区间小，对致密储层物性的影响显然是不同的，而这一影响无法在斜率上体现出来。

因此有必要提供一种可信度好、误差小的判别方法用于判别岩石组分对致密砂岩储层物性影响程度。

发明内容

本申请实施例的目的在于提供一种判别岩石组分对致密砂岩储层物性影响程度的方法，其具有可信度好、误差小的特点。

本申请提供了一种判别岩石组分对致密砂岩储层物性影响程度的方法，包括：

在待检区块内选取n个致密砂岩样品，并确定出该待检区块内致密砂岩的岩石组分种类，记为m种；其中，n为大于等于2的自然数，m为大于1的自然数；

获取每个致密砂岩样品的孔隙度Φ，并构建致密砂岩孔隙度分级模型；

建立物性分级下各岩石组分的物理模型；

利用灰色关联法计算各岩石组分与孔隙度的关联度；根据所述关联度判定各岩石组分对致密砂岩储层物性的影响程度。

在一种实施方案中，所述构建致密砂岩孔隙度分级模型包括：

确定出所述致密砂岩样品中的最小孔隙度，以及最大孔隙度；

以预设数值为采样间隔将致密砂岩孔隙度划分为预定数量的孔隙度区间；所述预定数量的孔隙度区间构成所述孔隙度的分级模型。

在一种实施方案中，所述建立物性分级下各岩石组分的物理模型包括：

统计在每个致密砂岩样品中，每种岩石组分在各孔隙度区间的含量；

计算每个所述孔隙度区间内每种岩石组分的平均含量，得到每个所述孔隙度区间内各岩石组分的模型。

在一种实施方案中，所述利用灰色关联法计算各岩石组分与孔隙度的关联度包括：

分别在每一个所述孔隙度区间中选取一个孔隙度值建立孔隙度母序列；

将每种岩石组分在各个所述孔隙度区间的平均含量作为子序列；

合并所述母序列与所述子序列合并，建立孔隙度原始数据矩阵；

将所述原始数据矩阵进行标准化和归一化处理；

计算各岩石组分与孔隙度的关联系数；

计算各岩石组分与孔隙度的关联度。

在一种实施方案中，所述分别在每一个所述孔隙度区间中选取一个孔隙度值建立孔隙度母序列包括：

选取每个孔隙度区间的中值构成所述孔隙度母序列。

在一种实施方案中，所述建立孔隙度原始数据矩阵包括：

所述孔隙度母序列记为：Φ⁽⁰⁾(0)＝{Φ₁ ⁽⁰⁾(0)，Φ₂ ⁽⁰⁾(0)，Φ₃ ⁽⁰⁾(0)，Φ₄ ⁽⁰⁾(0)，……Φ_k ⁽⁰⁾(0)}；其中，k为孔隙度区间的个数；

第1种岩石组分在各个所述孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(1)＝{Φ₁ ⁽⁰⁾(1)，Φ₂ ⁽⁰⁾(1)，Φ₃ ⁽⁰⁾(1)，Φ₄ ⁽⁰⁾(1)，……Φ_k ⁽⁰⁾(1)}；

第2种岩石组分在各个所述孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(2)＝{Φ₁ ⁽⁰⁾(2)，Φ₂ ⁽⁰⁾(2)，Φ₃ ⁽⁰⁾(2)，Φ₄ ⁽⁰⁾(2)，……Φ_k ⁽⁰⁾(2)}；

以此类推，第m种岩石组分在各个所述孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(m)＝{Φ₁ ⁽⁰⁾(m)，Φ_m ⁽⁰⁾(m)，Φ₃ ⁽⁰⁾(m)，Φ₄ ⁽⁰⁾(m)，……Φ_k ⁽⁰⁾(m)}；

所述孔隙度原始数据矩阵记为

在一种实施方案中，所述将所述原始数据矩阵进行标准化和归一化处理包括：

以所述孔隙度原始数据矩阵中的第一列为基准，将其他所有列标准化，两者的比值记为标准化后数据；

标准化后的母序列记为Φt⁽¹⁾(0)，标准化后的子序列记为Φt⁽¹⁾(i)。

在一种实施方案中，所述计算各岩石组分与孔隙度的关联系数包括：

第m个岩组分因子与母序列之间的绝对差值记为：ΔΦ_t(m，0)＝|Φ_t ⁽¹⁾(m)-Φ_t ⁽¹⁾(0)；绝对差值的最大值记为ΔΦ_max，绝对差值的最小值记为ΔΦ_min；

第m个岩石组分因子与与母序列的关联系数记为：Φt(m，0)＝(ΔΦ_min+ρΔΦ_max)/(ΔΦ_t(m，0)+ρΔΦ_max)，其中，ρ为分辨系数。

在一种实施方案中，所述计算各岩石组分与孔隙度的关联度包括：

利用关联度计算公式：

得到第m种岩石组分与孔隙度的关联度。

在一种实施方案中，所述岩石组分包括石英、长石、粘土矿物和碳酸盐胶结物。

本申请中的判别岩石组分对致密砂岩储层物性影响程度的方法具有的有益效果：本申请以孔隙度为基准构建致密砂岩孔隙度分级模型，基于物性分级构建静态岩石物理模型。同时利用灰色关联法定量探究致密砂岩储层中不同岩石组分对物性的影响程度。由于通过致密砂岩孔隙度分级模型确定灰色关联法中的母序列，利用物性分级下各岩石组分的物理模型确定灰色关联法中的子序列，并通过原始数据列的无量纲处理、关联系数的计算、关联度的厘定、关联程度的比较进而得到岩石组分对致密砂岩储层物性的影响程度，该方法相较于现有致密砂岩储层所涉及的线性相关等方法，具有误差小、可信度高的优点。

附图说明

为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，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为根据本申请实施例示出的一种判别岩石组分对致密砂岩储层物性影响程度的方法的流程图；

图2为根据本申请实施例示出的利用灰色关联法计算各岩石组分与孔隙度的关联度的流程图；

图3为根据本申请一实施例示出的致密砂岩储层不同孔隙度静态岩石物理模型图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

目前基础地质研究的内容主要为沉积微相类型、砂体展布特征和储层特征。对于每项研究内容，逐渐由定性向定量化发展，研究的因素逐渐增多，评价研究方法也在向多因素综合分析发展。对于致密砂岩储层的物性分级研究，目前尚未开展相关研究。本申请发明人以致密砂岩储层为研究对象，提供了一套方法，用于揭示致密砂岩储层的相关岩石组分对致密砂岩储层物性的影响程度。

图1为根据本申请实施例示出的一种判别岩石组分对致密砂岩储层物性影响程度的方法的流程图。参见图1，判别岩石组分对致密砂岩储层物性影响程度的方法包括如下步骤：

S101：在待检区块内选取n个致密砂岩样品，并确定出该待检区块内致密砂岩的岩石组分种类，记为m种；其中，n为大于等于2的自然数，m为大于1的自然数。

对于本申请实施例中所选待检区的岩石组分分析可知，具体包括石英、长石、粘土矿物、碳酸盐胶结物四种岩石组分，其中，石英对应压实作用，长石对应溶蚀作用，粘土矿物和碳酸盐矿物对应胶结作用。

故在本申请实施例中，选取岩石组分的种类为石英、长石、粘土矿物、碳酸盐胶结物。

S102：获取每个致密砂岩样品的孔隙度Φ，并构建致密砂岩孔隙度分级模型。

获取每个致密砂岩样品的孔隙度Φ，发现致密砂岩样品的孔隙度Φ是否满足致密砂岩的要求，其需满足的至少一个条件为：孔隙度Φ小于或等于10％。

在本申请的实施例中，构建致密砂岩孔隙度分级模型包括：

首先确定出致密砂岩样品中的最小孔隙度，以及最大孔隙度。然后以预设数值为采样间隔将致密砂岩孔隙度划分为预定数量的孔隙度区间。预定数量的孔隙度区间构成孔隙度的分级模型。

以最小孔隙度0、最大孔隙度10、2％为采样间隔进行举例说明，将致密砂岩孔隙度划分为0～2％、2％～4％、4％～6％、6％～8％、8％～10％五个孔隙度区间，则五个孔隙度区间构成孔隙度的五级模型。

S103：建立物性分级下各岩石组分的物理模型。

在该步骤中，统计在每个致密砂岩样品中，每种岩石组分在各孔隙度区间的含量。以及计算每个孔隙度区间内每种岩石组分的平均含量，得到每个孔隙度区间内各岩石组分的模型。

对应具体的实施例，分别统计石英、长石、粘土矿物、碳酸盐胶结物在0～2％、2％～4％、4％～6％、6％～8％、8％～10％五个孔隙度区间内的含量。

统计结果为：石英在五个孔隙度区间内的含量为[42.67，59.66，68.53，72.75，75.75]；

长石在五个孔隙度区间内的含量为[9.5，10.78，8.8，6.17，6.0]；

粘土矿物在五个孔隙度区间内的含量为[36.67，22.18，16.41，15.32，12.25]；

碳酸盐胶结物在五个孔隙度区间内的含量为[10.33，6.5，5.49，4.56，5.04]。

参见图3，为根据上述实施例示出的致密砂岩储层不同孔隙度静态岩石物理模型。

S104：利用灰色关联法计算各岩石组分与孔隙度的关联度。根据关联度判定各岩石组分对致密砂岩储层物性的影响程度。

在该步骤中，参见图2，利用灰色关联法计算各岩石组分与孔隙度的关联度包括如下流程：

S201：分别在每一个孔隙度区间中选取一个孔隙度值建立孔隙度母序列。将孔隙度母序列记为：Φ⁽⁰⁾(0)＝{Φ₁ ⁽⁰⁾(0)，Φ₂ ⁽⁰⁾(0)，Φ₃ ⁽⁰⁾(0)，Φ₄ ⁽⁰⁾(0)，……Φ_k ⁽⁰⁾(0)}；其中，k为孔隙度区间的个数。

作为其中一种实施方式，选取五个孔隙度区间的中值构成孔隙度母序列。记为Φ⁽⁰⁾(0)＝{Φ₁ ⁽⁰⁾(0)，Φ₂ ⁽⁰⁾(0)，Φ₃ ⁽⁰⁾(0)，Φ₄ ⁽⁰⁾(0)，Φ₅ ⁽⁰⁾(0)}，

即：Φ⁽⁰⁾(0)＝{1，3，5，7，9}。

S202：将每种岩石组分在各个孔隙度区间的平均含量作为子序列。

第1种岩石组分在各个孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(1)＝{Φ₁ ⁽⁰⁾(1)，Φ₂ ⁽⁰⁾(1)，Φ₃ ⁽⁰⁾(1)，Φ₄ ⁽⁰⁾(1)，……Φ_k ⁽⁰⁾(1)}；

第2种岩石组分在各个孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(2)＝{Φ₁ ⁽⁰⁾(2)，Φ₂ ⁽⁰⁾(2)，Φ₃ ⁽⁰⁾(2)，Φ₄ ⁽⁰⁾(2)，……Φ_k ⁽⁰⁾(2)}；

以此类推，第m种岩石组分在各个孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(m)＝{Φ₁ ⁽⁰⁾(m)，Φ_m ⁽⁰⁾(m)，Φ₃ ⁽⁰⁾(m)，Φ₄ ⁽⁰⁾(m)，……Φ_k ⁽⁰⁾(m)}。

根据S103步骤中获取的数据，将石英、长石、粘土矿物、碳酸盐胶结物四个岩石组分在五个孔隙度区间内的含量分别记为Φ⁽⁰⁾(1)、Φ⁽⁰⁾(2)、Φ⁽⁰⁾(3)、Φ⁽⁰⁾(4)，组成子序列。

即石英含量子序列Φ⁽⁰⁾(1)＝{42.67，59.66，68.53，72.75，75.75}；

长石含量子序列Φ⁽⁰⁾(2)＝{9.5，10.78，8.8，6.17，6.0}；

粘土矿物含量子序列Φ⁽⁰⁾(3)＝{36.67，22.18，16.41，15.32，12.25}；

碳酸盐胶结物含量子序列Φ⁽⁰⁾(4)＝{10.33，6.5，5.49，4.56，5.04}。

S203：合并母序列与子序列合并，建立孔隙度原始数据矩阵。

孔隙度原始数据矩阵记为

在一种实施例中，根据S103步骤中获取的数据，获取的原始数据矩阵为：

S204：将原始数据矩阵进行标准化和归一化处理。

将原始数据矩阵进行标准化和归一化处理包括：以孔隙度原始数据矩阵中的第一列为基准，将其他所有列标准化，两者的比值记为标准化后数据。标准化后的母序列记为Φt⁽¹⁾(0)，标准化后的子序列记为Φt⁽¹⁾(i)。

在一种实现方式中，以第一列为基准，将所有列标准化，两者的比值记为标准化后数据。标准化后的数据矩阵为：

S205：计算各岩石组分与孔隙度的关联系数。

第m个岩组分因子与母序列之间的绝对差值记为：ΔΦ_t(m，0)＝|Φ_t ⁽¹⁾(m)-Φ_t ⁽¹⁾(0)；绝对差值的最大值记为ΔΦ_max，绝对差值的最小值记为ΔΦ_min；

第m个岩石组分因子与与母序列的关联系数记为：Φt(m，0)＝(ΔΦ_min+ρΔΦ_max)/(ΔΦ_t(m，0)+ρΔΦ_max)，其中，ρ为分辨系数。

在具体的实施例中，得出结果矩阵为：

根据公式Φt(m，0)＝(ΔΦ_min+ρΔΦ_max)/(ΔΦ_t(m，0)+ρΔΦ_max)计算岩石组分含量与孔隙度的关联系数，计算结果矩阵为：

S206：计算各岩石组分与孔隙度的关联度。

利用关联度计算公式：

得到第m种岩石组分与孔隙度的关联度。

对应地，石英含量与孔隙度的关联度为：

R₁＝(1+0.730+0.561+0.450+0.375)/5＝0.623

长石含量与孔隙度的关联度为：

R₂＝(1+0.699+0.515+0.406+0.344)/5＝0.592

粘土矿物含量与孔隙度的关联度为：

R₃＝(1+0.644+0.488+0.397+0.333)/5＝0.572

碳酸盐矿物含量与孔隙度的关联度为：

R₄＝(1+0.646+0.492+0.398+0.337)/5＝0.575

根据关联度判定各岩石组分对致密砂岩储层物性的影响程度。根据结果来看，待检区致密砂岩储层各矿物含量对孔隙度的影响程度顺序为：石英＞长石＞碳酸盐矿物＞粘土矿物。

由以上技术方案可知，本申请以孔隙度为基准构建致密砂岩孔隙度分级模型，基于物性分级构建静态岩石物理模型。同时利用灰色关联法定量探究致密砂岩储层中不同岩石组分对物性的影响程度。由于通过致密砂岩孔隙度分级模型确定灰色关联法中的母序列，利用物性分级下各岩石组分的物理模型确定灰色关联法中的子序列，并通过原始数据列的无量纲处理、关联系数的计算、关联度的厘定、关联程度的比较进而得到岩石组分对致密砂岩储层物性的影响程度，该方法相较于现有致密砂岩储层所涉及的线性相关等方法，具有误差小、可信度高的优点。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种判别岩石组分对致密砂岩储层物性影响程度的方法，其特征在于，包括：

在待检区块内选取n个致密砂岩样品，并确定出该待检区块内致密砂岩的岩石组分种类，记为m种；其中，n为大于等于2的自然数，m为大于1的自然数；

获取每个致密砂岩样品的孔隙度Φ，并构建致密砂岩孔隙度分级模型；

建立物性分级下各岩石组分的物理模型；

利用灰色关联法计算各岩石组分与孔隙度的关联度；根据所述关联度判定各岩石组分对致密砂岩储层物性的影响程度。

2.根据权利要求1所述的方法，其特征在于，所述构建致密砂岩孔隙度分级模型包括：

确定出所述致密砂岩样品中的最小孔隙度，以及最大孔隙度；

以预设数值为采样间隔将致密砂岩孔隙度划分为预定数量的孔隙度区间；所述预定数量的孔隙度区间构成所述孔隙度的分级模型。

3.根据权利要求2所述的方法，其特征在于，所述建立物性分级下各岩石组分的物理模型包括：

统计在每个致密砂岩样品中，每种岩石组分在各孔隙度区间的含量；

计算每个所述孔隙度区间内每种岩石组分的平均含量，得到每个所述孔隙度区间内各岩石组分的模型。

4.根据权利要求3所述的方法，其特征在于，所述利用灰色关联法计算各岩石组分与孔隙度的关联度包括：

分别在每一个所述孔隙度区间中选取一个孔隙度值建立孔隙度母序列；

将每种岩石组分在各个所述孔隙度区间的平均含量作为子序列；

合并所述母序列与所述子序列合并，建立孔隙度原始数据矩阵；

将所述原始数据矩阵进行标准化和归一化处理；

计算各岩石组分与孔隙度的关联系数；

计算各岩石组分与孔隙度的关联度。

5.根据权利要求4所述的方法，其特征在于，所述分别在每一个所述孔隙度区间中选取一个孔隙度值建立孔隙度母序列包括：

选取每个孔隙度区间的中值构成所述孔隙度母序列。

6.根据权利要求4所述的方法，其特征在于，所述建立孔隙度原始数据矩阵包括：

所述孔隙度母序列记为：Φ⁽⁰⁾(0)＝{Φ₁ ⁽⁰⁾(0)，Φ₂ ⁽⁰⁾(0)，Φ₃ ⁽⁰⁾(0)，Φ₄ ⁽⁰⁾(0)，……Φ_k ⁽⁰⁾(0)}；其中，k为孔隙度区间的个数；

第1种岩石组分在各个所述孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(1)＝{Φ₁ ⁽⁰⁾(1)，Φ₂ ⁽⁰⁾(1)，Φ₃ ⁽⁰⁾(1)，Φ₄ ⁽⁰⁾(1)，……Φ_k ⁽⁰⁾(1)}；

第2种岩石组分在各个所述孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(2)＝{Φ₁ ⁽⁰⁾(2)，Φ₂ ⁽⁰⁾(2)，Φ₃ ⁽⁰⁾(2)，Φ₄ ⁽⁰⁾(2)，……Φ_k ⁽⁰⁾(2)}；

以此类推，第m种岩石组分在各个所述孔隙度区间的平均含量组成的子序列，记为Φ⁽⁰⁾(m)＝{Φ₁ ⁽⁰⁾(m)，Φ_m ⁽⁰⁾(m)，Φ₃ ⁽⁰⁾(m)，Φ₄ ⁽⁰⁾(m)，……Φ_k ⁽⁰⁾(m)}；

所述孔隙度原始数据矩阵记为

7.根据权利要求6所述的方法，其特征在于，所述将所述原始数据矩阵进行标准化和归一化处理包括：

以所述孔隙度原始数据矩阵中的第一列为基准，将其他所有列标准化，两者的比值记为标准化后数据；

标准化后的母序列记为Φt⁽¹⁾(0)，标准化后的子序列记为Φt⁽¹⁾(i)。

8.根据权利要求7所述的方法，其特征在于，所述计算各岩石组分与孔隙度的关联系数包括：

第m个岩组分因子与母序列之间的绝对差值记为：ΔΦ_t(m，0)＝|Φ_t ⁽¹⁾(m)-Φ_t ⁽¹⁾(0)；绝对差值的最大值记为ΔΦ_max，绝对差值的最小值记为ΔΦ_min；

第m个岩石组分因子与与母序列的关联系数记为：Φt(m，0)＝(ΔΦ_min+ρΔΦ_max)/(ΔΦ_t(m，0)+ρΔΦ_max)，其中，ρ为分辨系数。

9.根据权利要求8所述的方法，其特征在于，所述计算各岩石组分与孔隙度的关联度包括：

利用关联度计算公式：

得到第m种岩石组分与孔隙度的关联度。

10.根据权利要求1所述的方法，其特征在于，所述岩石组分包括石英、长石、粘土矿物和碳酸盐胶结物。

Images