川中-川南过渡带低孔致密砂岩孔隙度测井解释研究

川中-川南过渡带低孔致密砂岩孔隙度测井解释研究

四川盆地四川-四川-川南过渡带上三叠系徐家河群二环（t3x2）储层岩石性质主要为中、细、细砂岩。孔隙类型以残余粒间孔、粒内溶孔为主,砂岩石英含量、岩石成分成熟度较高,属特低孔致密砂岩。其中以H地区T3x2砂岩最为典型。H地区自20世纪70年代开始开采以来,陆续打了不少新井,产量不断上升,尤其是T3x2更是本地区的主产区。但由于储层岩性及物性的特殊性,传统的物性测井解释模型难以达到较高的解释精度,孔隙度的确定一直是储量估算及储层评价工作的重点与难点。1储层的基本特征1.1石英砂岩胶结物薄片鉴定资料统计分析表明:H地区T3x2储层岩石类型主要为岩屑长石砂岩、长石岩屑砂岩为主,次为岩屑石英砂岩和长石石英砂岩,岩屑砂岩和长石砂岩较少(如图1)。储集岩石英含量高,而长石、岩屑含量低,成分成熟度和结构成熟度较高,成分成熟度指数(石英/长石+岩屑)一般在2.5～3.0之间;胶结物以灰质、硅质为主,次为黏土,胶结物的质量分数一般在6%～8%之间;主要以中粒、细-中粒砂岩为主,少量为粉砂岩;成岩作用以压实作用和胶结作用最为显著。1.2孔隙度分布H地区T3x2砂岩储层孔隙类型主要为残余粒间孔、粒内溶孔。取心资料表明T3x2储层段(705个样品)孔隙度值最低为0.16%,最大为16.54%,平均为6.3%。孔隙度主要分布在4%～6%之间,其中大于4%的占90.5%。渗透率总体较低,据698个样品分析表明,渗透率最高为674×10-3μm2,最低为0.0007×10-3μm2,平均为2.006×10-3μm2,主要分布在(0.01～0.1)×10-3μm2区间,大于0.01×10-3μm2的占85.96%。2影响井误差的因素分析2.1储质孔隙度分析由于声波时差和密度测井在测量孔隙度时是基于岩石骨架和流体的性质是不变的,测井值的变化只是因为占满孔隙的流体相对于岩石总体积的变化,即孔隙度的变化。而实际并非如此,声波在泥质含量高的岩石中传播速度变慢而使声波时差变大,计算孔隙度结果往往偏大;反之偏小。由于泥质含量高,测得密度偏小,计算结果偏大。研究区T3x2岩性非均质性严重,泥质含量变化大,所以计算孔隙度时必须考虑泥质的影响。2.2微相砂体地震地表分析岩层厚度的大小是相对于测井仪的间距而言的,厚度大于间距称为厚层,反之称为薄层。由于沉积期间,湖盆多次进退,湖面反复波动,形成多期的三角洲平原分流河道-三角洲前缘分流河道-河口坝等微相砂体叠置,岩层纵向上突变性接触较为普遍,薄层较多。薄层对声波时差测井的影响是相当显著的。由于声波时差测井的接收探头间距为0.5m,测量值为0.5m范围内的声波时差的平均值,而记录在0.25m的点上。因此,薄层易受上下围岩的影响而使测量值偏大或偏小。薄层越薄,偏差越大。但薄层对于补偿中子的影响不大。2.3密度和波时差曲线当井径没有变化,井眼比较规则时,井径对测井没有影响。但是井径扩大时,在扩大井段的上、下界面处,声波时差曲线会出现假的异常。对于密度测井则会使测量密度值偏小,得到过于乐观的结果。研究区T3x2砂岩颗粒较粗,压实作用、胶结作用强烈,属于典型的低孔渗致密砂岩;因此,在钻井过程中很少发生井眼坍塌,甚至扩径现象。井径曲线表现为平直的直线,与钻头直径相差不大;因此,研究区内可以不考虑井径对测井响应的影响。2.4“挖掘效应”与“声波和密度测井”残余天然气对测井曲线的影响是非常大的。中子测井实质上是测量地层的含氢指数。由于残余天然气的存在而产生“挖掘效应”,使得测量值远比实际值偏小。而声波和密度测井则误认为岩石饱和水而使孔隙度测量值偏大。低孔渗致密砂岩由于孔喉小且分选差,加上裂缝的存在,钻井滤液无法整体推进。孔隙度测井的探测深度较小,一般在冲洗带范围内,因而受残余天然气的影响很大。3储层孔隙度回归模型通常在孔隙度解释中,普遍运用声波时差(或经过泥质或压实等校正后)与岩心分析孔隙度作一元线性拟合而求得孔隙度解释模型;但这些常规的分析方法对于低孔渗致密砂岩并没有达到预期效果。经以上分析,确定岩性、薄层、流体性质是引起研究区储层孔隙度测井响应误差的主要因素。通常只靠一条曲线是没有办法消除或减弱这种误差给计算结果带来的影响。而岩性、薄层、流体性质等因素对各类测井的影响效果和程度是不同的,因此可以综合运用几条曲线作线性回归对孔隙度进行预测以减小误差。与简单的直线拟合相比,多元线性回归代表着一种更为复杂的评估技术,一元线性拟合只是多元线性回归的一个特例。考虑到本区岩性的特殊性,除选取三孔隙度测井曲线外,还增加了反映岩性的自然伽马测井曲线,用四元线性回归模型解释孔隙度。3.1补偿密度因子选取了测井曲线变量之后,就可以建立以下线性回归方程:ΡΟR=β0+β1×GR+β2×AC+β3×DEΝ+β4×CΝL+ε(1)POR=β0+β1×GR+β2×AC+β3×DEN+β4×CNL+ε(1)式中:POR为孔隙度;GR为自然伽马;AC为声波时差;DEN为补偿密度;CNL为补偿中子;β0,β1,β2,β3,β4称为回归系数;ε为随机误差,它可理解为POR无法用测井曲线变量来表示的其他各种随机因素造成的误差。设有n个数据测量点,于是有:ΡΟR1=β0+β1×GR1+β2×AC1+β3×DEΝ1+β4×CΝL1+ε1ΡΟR2=β0+β1×GR2+β2×AC2+β3×DEΝ2+β4×CΝL2+ε2⋯⋯ΡΟRn=β0+β1×GRn+β2×ACn+β3×DEΝn+β4×CΝLn+εn(2)POR1=β0+β1×GR1+β2×AC1+β3×DEN1+β4×CNL1+ε1POR2=β0+β1×GR2+β2×AC2+β3×DEN2+β4×CNL2+ε2⋯⋯PORn=β0+β1×GRn+β2×ACn+β3×DENn+β4×CNLn+εn(2)3.2b0b3b3显然,核心问题是回归系数的求取。为了便于标识,分别设POR,GR,AC,DEN,CNL为y,x1,x2,x3,x4;设b0,b1,b2,b3,b4分别是β0,β1,β2,β3,β4的最小二乘估算值,于是有y′=b0+b1x1+b2x2+b3x3+b4x4(3)y′=b0+b1x1+b2x2+b3x3+b4x4(3)式中:y′是y中的一个最小二乘估计。对于每一组测量数据(xi1,xi2,xi3,xi4),(i=1,2,…,n),由式(3)可得一个实际值yi的回归值y′i。我们当然希望yi与y′i值偏离程度越小越好,于是对于全部测量值,有minn∑i=1(yi-y′i)2=minn∑i=1(yi-b0-b1xi1-b2xi2-b3xi3-b4xi4)2(4)应用微分学中求极值的原理来确定b0,b1,b2,b3,b4,经整理化简得到正规方程组:(s11s12s13s14s21s22s23s24s31s32s33s34s41s42s43s44)×(b1b2b3b4)=(s1ys2ys3ys4y)(5)式中:sij=n∑k=1(xki-E(xi))(xkj-E(xj))‚siy=n∑k=1(xki-E(xi))(xk-E(y))‚E(xi)为第i类测井曲线平均值,E(y)为岩心分析孔隙度平均值。由方程组求得b1,b2,b3,b4后,代入下式b0=E(y)-b1E(x1)-b2E(x2)-b3E(x3)-b4E(x4)(6)即可求得b0。4岩心分析孔隙度经岩心归位后,以岩心深度为参照,将测井曲线作线性插值,使测井值与岩心分析孔隙度在同一深度;运用Excel的函数功能算出公式(5)中的参数sij及siy。最后运用Matlab求解b0,b1,b2,b3,b4。最终求得多元线性回归方程:ΡΟR=-36.947-0.0332GR-0.2369×AC+9.9134×DEΝ+0.7435×CΝL为了检验多元回归方程的判别能力,随机选取了247个数据点作岩心分析孔隙度,并与多元回归计算的孔隙度做交会图,结果如图2所示。a.相关系数R2达到了0.8668,说明计算值与岩心分析值有很好的一致性。b.岩心分析孔隙度小于10%的数据点比较均匀地落在直线y=x的两侧,但大于10%的点则普遍落在y=x的下方,说明对于孔隙度大于10%的点,计算值偏低。这也是造成斜率略小于1的主要原因。从整体上看,由于研究区储层孔隙度大于10%的值占8.9%,因而此多元线性回归数学模型对低孔致密砂岩有较强的预测能力。如果对孔隙度大于10%的点进行适当的校正,将会得到更好的应用效果。5孔隙度测井解释模型建立a.四川盆地川中-川南过渡带T3x2砂岩虽然颗粒较粗,但成熟度高,成岩作用是引起低孔致密的主要原因。b.引起测井响应误差的因素是多方面的,要综合考虑各方面的影响因素以及测井响应特征,才能建立适合本地区的