一种微生物碳酸盐岩岩相的识别方法

摘要

本发明提供了一种微生物碳酸盐岩岩相的识别方法。该方法包括以下步骤：获取参考井的测井数据和岩心描述数据；根据所述岩芯描述数据，确定岩相类型；对所述测井数据进行处理，并构建相应的识别标记；基于所述岩相类型和所述识别标记，建立岩相的识别模型；基于所述识别模型，对目标井的岩相进行识别。本发明提供的技术方案能够对微生物成因的碳酸盐岩岩相进行有效识别，且识别准确度高，应用效果好，具有很好推广性。

权利要求

1.一种微生物碳酸盐岩岩相的识别方法，该方法包括以下步骤：获取参考井的测井数据和岩心描述数据；

根据所述岩心描述数据，确定岩相类型；

对所述测井数据进行处理，并构建相应的识别标记；

基于所述岩相类型和所述识别标记，建立岩相的识别模型；

基于所述识别模型，对目标井的岩相进行识别；

其中，对所述测井数据进行处理，并构建相应的识别标记包括以下过程：对所述测井数据进行归一化处理，以使所述测井数据的值位于0-1的范围内；

基于所述归一化处理后的测井数据，构建二维数组；

将所述二维数组划分为不同的数值范围，并设定不同的数值范围分别对应不同的识别标记；

其中，将所述二维数组划分为不同的数值范围，并设定不同的数值范围分别对应不同的识别标记包括以下过程：过程1：将所述二维数组划分为4个不同的数值范围，分别为[0-0.15]、[0.15-0.5]、[0.5-0.8]和[0.8-1.0]；

过程2：设定所述4个不同的数值范围分别对应4种不同的识别标记；

其中，所述岩相类型包括7类，分别为藻云岩相、泥晶藻云岩相，藻砂屑云岩相，砂屑云岩相、藻泥晶云岩相，泥晶云岩相和泥质泥晶云岩相。

2.根据权利要求1所述的方法，其中，基于所述岩相类型和所述识别标记，建立岩相的识别模型包括以下过程：将所述岩相类型与所述识别标记进行比对标定，确定不同岩相类型对应的识别模型。

3.根据权利要求1所述的方法，其中，按照式1所示的公式对所述测井数据进行归一化处理：式1中，Xn为归一化处理后的测井数据，X为归一化处理前的测井数据，Xmin为归一化处理前测井数据中的最小值，Xmax为归一化处理前测井数据中的最大值。

4.根据权利要求3所述的方法，其中，基于所述归一化处理后的测井数据，构建二维数组包括以下过程：将归一化处理后的自然伽马、声波时差和深侧向电阻率分别记为b1、b2和b3；

在横向上组合所述b1、b2和b3，得到二维数组BB＝[b1 b2 b3]。

5.根据权利要求1所述的方法，其中，所述测井数据包括自然伽马、声波时差和深侧向电阻率。

6.根据权利要求1所述的方法，其中，基于所述识别模型，对目标井的岩相进行识别包括以下过程：获取目标井的测井数据；

对所述目标井的测井数据进行处理，并构建相应的识别标记；

将构建得到的目标井的识别标记与所述岩相的识别模型进行比对，得到目标井的岩相识别结果。

7.根据权利要求1所述的方法，其中，在对所述测井数据进行归一化处理之前，该方法还包括对所述测井数据进行预处理，以除去异常值的步骤。

说明书

一种微生物碳酸盐岩岩相的识别方法

技术领域

[0001] 本发明涉及一种微生物碳酸盐岩岩相的识别方法，属于石油地质勘探领域。

背景技术

[0002] 目前碳酸盐岩岩相测井识别方法，主要分为定性和定量两类方法，包括定性交会图版识别法(L.Stowe等，1988)、定性电成像图版法(B.Tanwi，2002；Da-Li Wang 等，2008)，定量的神经网络(王硕儒等，1996；Tanwi Basu等，2002；张志国等，2005；Michael Stundner等，2004；Qi等，2006；Christian Perrin等，2007；Hong Tang 等，2009)、支持向量机(张翔等，2010)及模糊理论(S.J.Cuddy，2000；Lim等， 2004；范翔宇等，2005)等方法。在此基础上，通过数学算法的改进(罗伟平等，2008；钟仪华等，2009；Kiatichai等，2013)，或通过建立合成测井参数(Wong等，1998； Dull等，2004；Lucia等，2005；Hong Tang等，2009；王瑞等，2012；李昌等，2017)，进一步提高符合率。

[0003] 针对微生物碳酸盐岩测井识别研究，由于藻类灰岩发育叠层和纹层构造特征，在电成像测井图像上特征明显而容易识别(陈志勇等2005，李潮流等2006)。由于电成像资料相对较少，常规测井识别藻灰岩成为主要手段，对于单一测井交会图版不能较好识别藻灰岩情况，提出组合交会图版方法，先用ΔGR和ΔRT区分出泥岩类和藻灰岩类，然后用ΔRT和M参数区分砂岩类和泥晶灰岩类，在柴达木盆地小梁山地区狮子沟组和上油砂山组地层应用并有效区分了藻灰岩、泥晶灰岩、泥岩和砂岩(彭晓群等，2012)。花土沟地区下油砂山组和上干柴沟组地层藻灰岩在常规测井曲线上具有不同于其它岩性的特征，据此确定了7种测井参数，并利用F-Means快速聚类迭代算法优选样本，利用判别分析方法对花土沟油田某井段进行藻灰岩识别(孙振城等， 2005)。针对南翼山地区藻灰岩层多而薄，粉砂岩和藻灰岩混合沉积导致在测井上难于识别藻灰岩的问题，利用电成像图版、旋回分析、聚类分析等多种方法综合识别薄层藻灰岩(李昌等，2013)。上述方法在实际应用中均取得较好效果。

[0004] 与柴达木盆地藻灰岩不同，四川盆地灯影组藻白云岩，受成岩作用改造强烈，特别是白云化作用，藻类纹层及叠层特征在电成像测井已不明显，造成了电成像测井不能有效识别。另外微生物白云岩岩石类型达到8种以上，其中藻类成因白云岩岩石类型达到5种以上。由于岩石类型多样，且岩-电关系复杂，造成不同岩相测井特征难以定量化。

[0005] 因此迫切需要新的技术方法，能够有效地识别微生物白云岩岩石类型，尤其是对藻类白云岩岩相的识别。

发明内容

[0006] 为解决上述技术问题，本发明的目的在于提供一种微生物碳酸盐岩岩相的图版识别方法。本发明提供的技术方案可以对微生物成因的碳酸盐岩进行有效识别，且识别准确度高。

[0007] 为达到上述目的，本发明提供了一种微生物碳酸盐岩岩相的识别方法，该方法包括以下步骤：

[0008] 获取参考井的测井数据和岩心描述数据；

[0009] 根据所述岩心描述数据，确定岩相类型；

[0010] 对所述测井数据进行处理，并构建相应的识别标记；

[0011] 基于所述岩相类型和所述识别标记，建立岩相的识别模型；

[0012] 基于所述识别模型，对目标井的岩相进行识别。

[0013] 在上述方法中，优选地，对所述测井数据进行处理，并构建相应的识别标记包括以下过程：

[0014] 对所述测井数据进行归一化处理，以使所述测井数据的值位于0-1的范围内；

[0015] 基于所述归一化处理后的测井数据，构建二维数组；

[0016] 将所述二维数组划分为不同的数值范围，并设定不同的数值范围分别对应不同的识别标记。

[0017] 在上述方法中，优选地，将所述二维数组划分为不同的数值范围，并设定不同的数值范围分别对应不同的识别标记包括以下过程：

[0018] 过程1：将所述二维数组划分为4个不同的数值范围，分别为[0-0.15]、[0.15-0.5]、 [0.5-0.8]和[0.8-1.0]；

[0019] 过程2：设定所述4个不同的数值范围分别对应4种不同的识别标记。

[0020] 在上述方法中，优选地，基于所述岩相类型和所述识别标记，建立岩相的识别模型包括以下过程：将所述岩相类型与所述识别标记进行比对标定，确定不同岩相类型对应的识别模型。

[0021] 在上述方法中，可以以图案作为识别标记，将不同的数值范围对应不同的图案，例如，[0-0.15]为三角形、[0.15-0.5]为圆形、[0.5-0.8]为正方形、[0.8-1.0]为菱形；也可以以颜色作为识别标记，将不同的数值范围对应不同的颜色，例如，[0-0.15]为蓝色，[0.15-0.5]为黄色，[0.5-0.8]为红色，[0.8-1.0]为绿色；但不限于此。

[0022] 本发明研究发现：如果使用均分方案对二维数组进行划分(将其划分为四个均等的数值范围)，则无法区分藻云岩和泥质泥晶云岩，而采用本发明提供的技术方案，将上述二维数组划分为4个不同的数值范围，能够有效区分出不同的岩相类型。

[0023] 图6展示了取心井磨溪108井均分后的图案模式和调整后的图案模式，其中，均分后的图案模式是将二维数组均分为4组不同的数值范围，设定[0-0.25]为三角形， [0.25-0.5]为圆形，[0.5-0.75]为正方形，[0.75-1.0]为菱形；而调整后的图案模式则是采用本申请提供的划分方式，即设定[0-0.15]为三角形，[0.15-0.5]为圆形，[0.5-0.8]为正方形，[0.8-1.0]为菱形；从图中可以发现，如果使用均分方案，则对于取心井磨溪108 井a段和b段，无法区分藻云岩和泥质泥晶云岩，他们的图案都是三角-三角-三角，而对于调整后的方案则完全可以区分。

[0024] 在一个具体实施方式中，以图2中地层深度5312-5314m为例，基于所述岩相类型和所述识别标记，建立岩相的识别模型包括以下过程：

[0025] 获取参考井在地层深度5312-5314m处的测井数据和岩心描述数据；

[0026] 根据所述岩心描述数据，确定该处的岩相类型为藻云岩相；

[0027] 对所述测井数据进行归一化处理后构建二维数组；

[0028] 将所述二维数组划分为4个不同的数值范围，每一数值范围对应一个识别图案，其中[0-0.15]为三角形、[0.15-0.5]为圆形、[0.5-0.8]为正方形、[0.8-1.0]为菱形；

[0029] 将岩相类型与识别标记进行比对标定，确定该地层深度处藻云岩相有3种不同的识别模型，分别是三角-圆-三角、三角-正方形-三角和三角-菱形-三角；其中，每一个识别模型由3个识别图案构成。

[0030] 在本发明提供的技术方案中，每一种岩相对应的识别模型不限于一种，例如，藻云岩相，在图案图上出现三角形-正方形-三角形，或者三角形-圆形-三角形等，那么这2种模式就是藻云岩相得图案图版，具体以岩相类型与识别标记比对标定后的结果为准，每种识别模型可以包含多个识别标记。

[0031] 在上述方法中，优选地，按照式1所示的公式对所述测井数据进行归一化处理：

[0032]

[0033] 式1中，Xn为归一化处理后的测井数据，X为归一化处理前的测井数据，Xmin为归一化处理前测井数据中的最小值，Xmax为归一化处理前测井数据中的最大值。

[0034] 在上述方法中，优选地，基于所述归一化处理后的测井数据，构建二维数组包括以下过程：

[0035] 将归一化处理后的自然伽马、声波时差和深侧向电阻率分别记为b1、b2和b3；

[0036] 在横向上组合所述b1、b2和b3，得到二维数组B

[0037] B＝[b1 b2 b3]。

[0038] 在上述方法中，优选地，所述测井数据包括自然伽马、声波时差和深侧向电阻率。

[0039] 在上述方法中，优选地，所述岩相类型包括7类，分别为藻云岩相、泥晶藻云岩相，藻砂屑云岩相，砂屑云岩相、藻泥晶云岩相，泥晶云岩相和泥质泥晶云岩相。

[0040] 在上述方法中，优选地，基于所述识别模型，对目标井的岩相进行识别包括以下过程：

[0041] 获取目标井的测井数据；

[0042] 对所述目标井的测井数据进行归一化处理后构建相应的识别标记；

[0043] 将构建得到的目标井的识别标记与所述岩相的识别模型进行比对，得到目标井的岩相识别结果。

[0044] 在上述方法中，对所述目标井的测井数据进行归一化处理后构建相应的识别标记可以参照上述对参考井的测井数据进行处理并构建相应的识别标记的实施方式进行。

[0045] 在上述方法中，优选地，在对所述测井数据进行归一化处理之前，该方法还包括对所述测井数据进行预处理，以除去异常值的步骤。

[0046] 在上述方法中，优选地，该方法还包括构建岩相与岩性的对应关系的步骤。

[0047] 本发明的有益效果：

[0048] 1)藻云岩相是有利的优质储层，主要的产气层分布在藻云岩储层，本发明提供的技术方案可以对微生物成因的碳酸盐岩进行有效识别，且识别准确度高，这对于气层的勘探开发具有非常重要指导意义。

[0049] 2)与传统观察曲线定性识别的方法相比，本发明提供的技术方案实现了多条测井曲线在一个图像内展示，其不仅能用于微生物(藻类等)成因的碳酸盐岩岩相测井识别，对于其他类型的岩相测井识别同样适用，关键在于岩心岩相与图案图版对比，能够建立区分不同岩相的图案图版，就可以获得很好效果。

附图说明

[0050] 图1为本发明实施例提供的微生物碳酸盐岩岩相的识别方法的流程图；

[0051] 图2为磨溪105井部分取岩心段及图案图版图；

[0052] 图3为磨溪51井部分取岩心段及图案图版图；

[0053] 图4为不同岩相对应的测井图案图版；

[0054] 图5为磨溪108井部分取心段岩相测井识别结果图；

[0055] 图6为磨溪108井均分后的图案模式和调整后的图案模式的效果对比图。

具体实施方式

[0056] 为了对本发明的技术特征、目的和有益效果有更加清楚的理解，现对本发明的技术方案进行以下详细说明，但不能理解为对本发明的可实施范围的限定。

[0057] 以下实施例以四川盆地盆地磨溪-高石梯地区震旦系灯影沟组地层为例，对取心井磨溪108井进行岩相测井图案图版识别。其中，该地区的基本地质情况及地区参数情况如下：

[0058] 四川盆地震旦系灯影组优质储层受相控特征明显，台内砂屑滩相和藻丘相储集物性最好，尤其是两者叠合形成的“丘滩复合体”，因此测井识别岩相对于优质储层的预测具有重要意义。

[0059] 实施例1

[0060] 本实施例提供了一种微生物碳酸盐岩岩相的识别方法。该方法的流程如图1所示，其包括以下步骤：

[0061] 步骤S101：获取参考井的测井数据和岩心描述数据

[0062] 利用CLS-5700测井系列仪器测量地层自然伽马GR、声波时差DT和深侧向电阻率RD。

[0063] 步骤S102：根据所述岩心描述数据，确定岩相类型

[0064] 岩性的类型特别多，大概有10多种，是无法全部识别的，可以根据其物理性质进行归类，总共划分为7大类：

[0065] 表1划分岩相与岩性对应关系

[0066]

[0067] 四川盆地灯影组微生物岩岩石类型多样，泥质白云岩、粉-细晶白云岩、泥微晶白云岩、砂屑白云岩及与藻类微生物相关的白云岩等，岩石类型达到至少8种以上。以藻类(蓝细菌)参与的白云岩包括藻叠层白云岩、藻纹层白云岩、藻核形石白云岩、藻凝块白云岩等等。藻类成因白云岩岩石类型复杂多样，测井无法区分每一种类的藻白云，因此各种类型藻类成因白云岩统一归为藻云岩相。

[0068] 根据获得的岩心描述数据(不同类型岩性的物性特征)，同时参考前人的岩性划分方案，对灯影组微生物白岩划分为7大类岩相，具体详见表1。

[0069] 步骤S103：对所述测井数据进行处理，并构建相应的识别标记

[0070] 过程1：对测井数据进行预处理，以去除异常值；

[0071] 过程2：分别对预处理后的单个测井曲线进行归一化处理，归一化处理过程如下：

[0072]

[0073]

[0074]

[0075] 式中，GRmax为自然伽玛最大值，API；

[0076] GRmin为自然伽玛最小值，API；

[0077] DTmax为声波时差最大值，μs/f

[0078] DTmin为声波时差最小值，μs/f；

[0079] RDmax为深侧向电阻率最大值，欧姆米；

[0080] RDmin为深侧向电阻率最小值，欧姆米；

[0081] 对于四川盆地磨溪-高石梯地区岩相的测井特征，其测井参数确定如下：

[0082] 声波时差最大值DTmax＝55

[0083] 声波时差最小值DTmin＝43

[0084] 自然伽马最大值GRmax＝60

[0085] 自然伽马最小值GRmin＝6

[0086] 深侧向电阻率最大值RDmax＝99990

[0087] 深侧向电阻率最小值RDmin＝200

[0088] 过程3：在横向上组合b1，b2，b3，以组成二维数组B，如下：

[0089] B＝[b1 b2 b3]。

[0090] 过程4：将二维数组划分为4个不同的数值范围，分别为[0-0.15]、[0.15-0.5]、 [0.5-0.8]和[0.8-1.0]，设定[0-0.15]对应的识别标记为三角形、[0.15-0.5]对应的识别标记为圆形、[0.5-0.8]对应的识别标记为正方形、[0.8-1.0]对应的识别标记为菱形。

[0091] 步骤S104：基于所述岩相类型和所述识别标记，建立岩相的识别模型[0092] 以磨溪105井地层深度5310-5317m为例，该地层深度处的岩心描述数据，薄片鉴定结果，识别标记(即图2中的图案图)以及确定的岩相类型如图2所示，该处的岩相类型为藻云岩相，通过观察发现该处的识别标记可以划分为3类，分别是三角形 -圆形-三角形、三角形-正方形-三角形、三角形-菱形-三角形，因此，确定该地层深度处藻云岩相对应的识别模型(即图2中的图案图版)为三角形-圆形-三角形，三角形 -正方形-三角形，以及三角形-菱形-三角形。

[0093] 依此类推，其他不同地层深度处的岩相类型和不同岩相类型对应的识别模型如图 2和图3所示。图2对磨溪105井部分取心段进行测井数据处理并绘制成图案图，根据岩心岩相标定，在图2上标注了藻云岩相，藻砂屑云岩相，泥质泥晶云岩相的图案图版；图3对磨溪
51井部分取心段进行测井数据处理并绘制图案图，同样根据岩心岩相标定，建立了砂屑云岩相和藻云岩相，泥质泥晶云岩相图案图版。整个建立图案图版过程就是基于取心井岩相和其对应的图案图版进行总结。

[0094] 对于磨溪地区，基于上述2口取心井以外，还利用了其他5口取心井的取心资料，根据这些资料，对比岩心岩相和对于的图案图，总结了该工区的7种类型岩相的47 种图案图版，即不同岩相的识别模型，如图4所示。从图4中可以发现：每一类岩相类型都有对应的识别模型，且每一类岩相类型对应多个不同的识别模型，每一个识别模型由3个识别标记构成。

[0095] 步骤S105：基于所述识别模型，对目标井的岩相类型进行识别

[0096] 获取目标井(即的四川盆地磨溪-高石梯地区磨溪108井)的测井数据，参照步骤S103对目标井的测井数据进行处理，并构建相应的识别标记；

[0097] 将上述构建关于目标井的识别标记，与步骤S104中建立的7类岩相48种测井识别图案图版(图4)进行比对，确定每一种识别模型对应的岩相类型，如图5所示。

[0098] 为了验证上述识别结果的可靠性，获取了目标井的岩心描述数据和薄片鉴定结果 (如图5所示)，与确定的识别结果进行比较，发现符合率在80％以上，可见本发明提供的技术方案识别准确率高。