CN116070147A - 一种基于灰度相分析页岩岩相和结构的方法 - Google Patents

Abstract

本发明公开了一种基于灰度相分析页岩岩相和结构的方法。方法包括如下步骤：基于岩心照片提取灰度值，得到灰度曲线，计算相邻深度的灰度值的差值，明确绝对灰度范围和页岩岩相的对应关系，以及绝对灰度分界值范围；确定纹层状结构和块状结构的相对幅度的范围，以及相对幅度分界值范围；对绝对灰度数据序列和相对幅度数据序列进行聚类分析，得到绝对灰度分界值和相对幅度分界值，划分灰度相；判断各个深度的绝对灰度和相对幅度位于哪个灰度相即可得页岩岩相和结构；本发明基于灰度曲线分析，提出了灰度相的概念，以绝对灰度和相对幅度两个参数在纵向上分别对页岩岩相和结构进行快速识别，该方法具有连续性好、精度高且成本低的特点。

Description

一种基于灰度相分析页岩岩相和结构的方法

技术领域

本发明涉及非常规页岩油勘探技术领域，尤其涉及一种基于灰度相分析页岩岩相和结构的方法。

背景技术

近年来，国内外很多学者对页岩岩相的划分提出了多种方案，总体趋势是综合考虑页岩的矿物组分、颜色、层理构造、有机碳含量等等。其中，页岩矿物组分是划分页岩岩相的基础。前人主要基于全岩衍射分析，以黏土矿物、碳酸盐矿物和长英质矿物组分为三端元划分出黏土质页岩、钙质页岩、长英质页岩和混合质页岩4种岩相。页岩结构的识别主要是通过岩心和薄片观察等方法，以确定页岩层理结构是否发育。

以上对页岩岩相和结构的识别均是通过间隔采样的方法进行分析，不具备连续性，且采样的间隔一般处于米级尺度，因此会存在以下问题：①纵向上对页岩岩相和纹层识别是间断的，采样点位之间间隔距离中的页岩岩相和结构不明确，且需要对每个样品进行观察分析。②明确纵向上纹层最发育的层段，需要对纹层数量进行人工统计，然而纹层厚度极小，一般处于微米尺度，统计工作较为繁琐。

发明内容

本发明的目的在于，针对现有技术的上述不足，提出一种基于灰度相分析页岩岩相和结构的方法，本发明基于灰度曲线分析，以绝对灰度和相对幅度两个参数在纵向上分别对页岩岩相和结构进行快速识别，相比以往的方法，该方法具有连续性好、精度高且成本低的特点，具有普遍的参考价值。

本发明的一种基于灰度相分析页岩岩相和结构的方法，包括如下步骤：

步骤S1：采集岩心，将采集的岩心进行拍摄照片，并基于岩心照片通过Image-J软件进行提取灰度值，得到坐标分别为岩心深度和灰度值的灰度曲线，计算相邻深度的灰度值的差值，将灰度值和相邻灰度值的差值分别定义为绝对灰度和相对幅度；

步骤S2：选取照片颜色具有代表性的岩心照片进行分析，照片颜色由浅到深，得到其绝对灰度，并对每个岩心照片对应的页岩进行矿物组成分析确定其岩相，明确绝对灰度范围和页岩岩相的对应关系，以及区分各个页岩岩相的绝对灰度分界值范围；

步骤S3：选取呈纹层状结构和块状结构的岩心照片进行分析，计算纹层状结构和块状结构的相对幅度，确定纹层状结构和块状结构的相对幅度的范围，以及区分纹层状结构和块状结构的相对幅度分界值范围；

步骤S4：对步骤S1中得到的绝对灰度数据序列和相对幅度数据序列进行聚类分析，根据页岩岩相和结构的类别确定聚类类别，得到绝对灰度分界值X和相对幅度分界值Y，并判断其是否处于步骤S2和步骤S3确定的绝对灰度分界值范围和相对幅度分界值范围之间，若处于，则采用这个绝对灰度分界值X区分页岩岩相，相对幅度分界值Y区分纹层状结构和块状结构；若不处于，再修改聚类类别，重新进行聚类分析，直至绝对灰度分界值和相对幅度分界值处于步骤S2和步骤S3确定的绝对灰度分界值范围和相对幅度分界值范围之间；

步骤S5：将绝对灰度和相对幅度及其特征的总和定义为灰度相，根据步骤S4确定的绝对灰度分界值X和相对幅度分界值Y对灰度相进行划分，每一种灰度相即对应一种页岩的具体岩相和结构；

步骤S6：通过判断岩心照片中各个深度的绝对灰度和相对幅度位于步骤S5划分的哪个灰度相中，即可得到各个深度的岩层的岩相和结构；

步骤S2和步骤S3无先后顺序。

进一步的，根据相对幅度判断纹层发育数量，相对幅度越大，纹层发育数量越多。

进一步的，步骤S2中，以采样点位为中心，计算1cm时窗内所有灰度值的平均值作为采样点位的绝对灰度。

进一步的，步骤S3中，以采样点位为中心，选择了3种不同大小时窗窗口：0.6cm、1cm、2cm，计算出时窗内所有相对幅度的平均值，以此降低数据本身带来的误差。

进一步的，采用SPSS软件聚类分析。

本发明基于灰度曲线分析，以绝对灰度和相对幅度两个参数在纵向上分别对页岩岩相和结构进行快速识别，相比以往的方法，该方法具有连续性好、精度高且成本低的特点，具有普遍的参考价值，便捷、经济的在纵向上明确页岩的岩相和结构，为进一步评估页岩油勘探开发的有利层段提供参考。

本发明为了验证相对幅度和页岩纹层是否发育对应的合理性，量化了各点位相对幅度和纹层发育数量的关系，结果显示：二者总体上成正相关关系，表明相对幅度越大，纹层越发育，综上，相对幅度不仅能有效的判断页岩纹层发育段，还能进一步对比两个区间纹层发育数量的多寡。

附图说明

图1为岩心扫描照片和与之对应的灰度曲线；

图2为岩相照片采样点位对应的岩相；

图3为钙质页岩和混合质页岩的绝对灰度值分布；

图4为纹层状结构和块状结构的相对幅度分布；

图5为沾化凹陷罗69井岩相三角图；

图6为灰度相图版；

图7为绝对灰度值和页岩矿物组分关系图；

图8为纹层数量和相对幅度关系；

图9为相对幅度值纵向分布和岩心照片对应。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

本发明在渤海湾盆地沾化凹陷罗家地区沙三下亚段页岩岩相和结构的识别获得了成功应用。以罗69井为例，通过检测，页岩岩相主要以混合岩相和钙质岩相为主(图5)。

首先，对全井段的灰度数据进行连续提取建立灰度数据库。依据连续取芯的岩心扫描照片显示，页岩纹层发育段主要集中在井段下部，从灰度数据库提取各采样点位的绝对灰度值和相对幅度值，建立岩心扫描照片和与之对应的灰度曲线，如图1所示。

黏土矿物含量(陆源输入)增加，有利于TOC的吸附，沉积的页岩颜色一般较深；黏土矿物含量(陆源输入)减少，TOC的吸附量大大减少，一般形成的页岩颜色较浅。因此，页岩的颜色与其各矿物含量占比(岩相)具有相关性。同时，通过Image-J软件提取的灰度值中，灰度高值对应页岩颜色较浅的区域，灰度低值对应页岩颜色较深的区域。

选取照片颜色具有代表性的岩心照片进行分析，照片颜色由浅到深，得到其绝对灰度(以采样点位为中心，计算1cm时窗内所有灰度值的平均值作为采样点位的绝对灰度)，并对每个岩心照片对应的页岩进行矿物组成分析确定其岩相，明确绝对灰度范围和页岩岩相的对应关系，以及区分各个页岩岩相的绝对灰度分界值范围；明确钙质岩相和混合质岩相的绝对灰度分布区间。

图2为岩相照片采样点位对应的岩相。浅色区域一般为钙质页岩，深色区域一般为混合质页岩。

图3为钙质页岩和混合质页岩的绝对灰度值分布图。定量化表征钙质页岩和混合质页岩的绝对灰度值大小，并明确二者绝对灰度分界值范围。

如图3所示，混合岩相的绝对灰度值分布在区间[40，50]，钙质岩相绝对灰度值分布在区间[60，80],那么绝对灰度分界值范围为[50，60]。

选取呈纹层状结构和块状结构的岩心照片进行分析，以采样点位为中心，选择了3种不同大小时窗窗口：0.6cm、1cm、2cm，计算出3种时窗内相对幅度的平均值，以此降低数据本身带来的误差，图4为纹层状结构和块状结构的相对幅度分布。定量化表征纹层状结构和块状结构的相对幅度大小，并明确二者相对幅度分界值范围；计算纹层状结构和块状结构的相对幅度，确定纹层状结构和块状结构的相对幅度的范围，相对幅度大值对应纹层状页岩，相对幅度小值对应于块状页岩，区分纹层状结构和块状结构的相对幅度分界值范围为[1，2]。

综合考虑岩心照片上“裂缝”和采样点位的距离以及数据误差的存在，时窗不宜过大也不宜过小，最后以时窗为1cm内的灰度平均值衡量采样点位的绝对灰度和相对幅度水平，此过程在Matlab软件编程能够快速实现。

对绝对灰度序列数据和相对幅度数据序列分别进行聚类分析，因为已确定页岩岩相主要是混合岩相和钙质岩相两种岩相，纹层状结构和块状结构也是两种结构，所以聚类类别选择2类。绝对灰度值数据序列的聚类中心分别为47和65，相对幅度数据序列的聚类中心分别为1.39和3.99，将两列数据重新排序后得出分界值为56和2.3。依据上述得到的绝对灰度分界值范围和相对幅度分界值范围的合理性进行判别，绝对灰度分界值在绝对灰度分界值范围内，而相对幅度分界值不在相对幅度分界值范围内，且明显偏高。因此，将相对幅度数据系列重新聚类成3个类别，分界值分别为1.7和3.4，将1.7解释为纹层状结构和块状结构的分界值。

将绝对灰度和相对幅度及其特征的总和定义为灰度相，同一种灰度相内绝对灰度和相对幅度均具有相同或相似的特征。上述确定的绝对灰度分界值56和相对幅度分界值1.7对灰度相进行划分，每一种灰度相即对应一种页岩的具体岩相和结构，将小于56的绝对灰度和小于1.7的定义为低值小幅度相，将小于56的绝对灰度和大于1.7的定义为低值大幅度相，将大于56的绝对灰度和小于1.7的定义为高值小幅度相，将大于56的绝对灰度和大于1.7的定义为高值大幅度相，其中，低值小幅度相对应块状混合质页岩、低值大幅度相对应纹层状混合质页岩、高值小幅度相对应块状钙质页岩和高值大幅度相对应纹层状钙质页岩。

最后，基于两个参数的数据序列和与之对应的分界值建立灰度相图版，据绝对灰度值和相对幅度纵向上分布划分页岩的岩相和结构(图6)。

为了验证绝对灰度值和页岩岩相对应的合理性，进一步分析了页岩各组分随绝对灰度值的变化趋势，绝对灰度值与TOC、长英质矿物、黏土矿物均成负相关关系，与碳酸盐矿物组分成正相关关系(图7)，符合一般地质规律。

为了验证相对幅度和页岩纹层是否发育对应的合理性，量化了各点位相对幅度和纹层发育数量的关系，结果显示：二者总体上成正相关关系(图8)，表明相对幅度越大，纹层越发育。随后统计了全井段315个点位的相对幅度大小与岩心照片上纹层是否发育的对应结果，发现有15个异常值，300个数值对应良好，正确率为95.24％，图9展示了部分岩心照片上采样点位(16个)附近纹层发育情况和对应的相对幅度，岩心照片上采样点位纹层是否发育和相对幅度大小对应良好。该图表明了此参数对页岩纹层发育段具有良好的指示作用。

由于取芯过程中“刮痕”的存在，同样造成了“深浅色”间隔分布而纹层并不发育的人为误差。因此，理论上来说，只要保证了岩心表面的洁净，正确率还会有相应的提高。综上所述：相对幅度不仅能有效的判断页岩纹层发育段，还能进一步对比两个区间纹层发育数量的多寡。

以上未涉及之处，适用于现有技术。

虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围，本发明所属技术领域的技术人员可以对所描述的具体实施例来做出各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的方向或者超越所附权利要求书所定义的范围。本领域的技术人员应该理解，凡是依据本发明的技术实质对以上实施方式所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。

Claims (5)

1.一种基于灰度相分析页岩岩相和结构的方法，其特征在于：包括如下步骤：

步骤S1：采集岩心，将采集的岩心进行拍摄照片，并基于岩心照片通过Image-J软件进行提取灰度值，得到坐标分别为岩心深度和灰度值的灰度曲线，计算相邻深度的灰度值的差值，将灰度值和相邻灰度值的差值分别定义为绝对灰度和相对幅度；

步骤S2：选取照片颜色具有代表性的岩心照片进行分析，照片颜色由浅到深，得到其绝对灰度，并对每个岩心照片对应的页岩进行矿物组成分析确定其岩相，明确绝对灰度范围和页岩岩相的对应关系，以及区分各个页岩岩相的绝对灰度分界值范围；

步骤S3：选取呈纹层状结构和块状结构的岩心照片进行分析，计算纹层状结构和块状结构的相对幅度，确定纹层状结构和块状结构的相对幅度的范围，以及区分纹层状结构和块状结构的相对幅度分界值范围；

步骤S4：对步骤S1中得到的绝对灰度数据序列和相对幅度数据序列进行聚类分析，根据页岩岩相和结构的类别确定聚类类别，得到绝对灰度分界值X和相对幅度分界值Y，并判断其是否处于步骤S2和步骤S3确定的绝对灰度分界值范围和相对幅度分界值范围之间，若处于，则采用这个绝对灰度分界值X区分页岩岩相，相对幅度分界值Y区分纹层状结构和块状结构；若不处于，再修改聚类类别，重新进行聚类分析，直至绝对灰度分界值和相对幅度分界值处于步骤S2和步骤S3确定的绝对灰度分界值范围和相对幅度分界值范围之间；

步骤S5：将绝对灰度和相对幅度及其特征的总和定义为灰度相，根据步骤S4确定的绝对灰度分界值X和相对幅度分界值Y对灰度相进行划分，每一种灰度相即对应一种页岩的具体岩相和结构；

步骤S6：通过判断岩心照片中各个深度的绝对灰度和相对幅度位于步骤S5划分的哪个灰度相中，即可得到各个深度的岩层的岩相和结构；

步骤S2和步骤S3无先后顺序。

2.如权利要求1所述的一种基于灰度相分析页岩岩相和结构的方法，其特征在于：根据相对幅度判断纹层发育数量，相对幅度越大，纹层发育数量越多。

3.如权利要求1所述的一种基于灰度相分析页岩岩相和结构的方法，其特征在于：步骤S2中，以采样点位为中心，计算1cm时窗内所有灰度值的平均值作为采样点位的绝对灰度。

4.如权利要求1所述的一种基于灰度相分析页岩岩相和结构的方法，其特征在于：步骤S3中，以采样点位为中心，选择了3种不同大小时窗窗口：0.6cm、1cm、2cm，计算出时窗内所有相对幅度的平均值，以此降低数据本身带来的误差。

5.如权利要求1所述的一种基于灰度相分析页岩岩相和结构的方法，其特征在于：采用SPSS软件聚类分析。

Images