0 引言

近年来，火山岩储层裂缝识别一直是勘探开发研究的热门。由于火山岩岩性复杂，矿物种类多，该储层裂缝的精确识别一直是一个难点^[1-2]。裂缝识别的方法有很多种，如常规测井识别、成像测井识别和岩心识别等。岩心识别资料较少；常规测井裂缝识别方法有曲线异常响应法^[3-9]、Q聚类分析法^[10]、小波多尺度变换^[11]、小波变换提取测井曲线高频信息法^[12]、电阻率差比法、三孔隙度比值法和交叉偶极声波测井法^[13]、重构测井曲线法^[14]、地层因子比值法^[15]、遗传算法和BP神经网络结合法^[16]、最大熵预测误差法^[17]、综合概率法^[18]等；成像测井裂缝识别方法有有效提取条纹背景噪声的算法^[19]、hough变换及改进的hough变换自动识别裂缝^[20-21]、基于小波多尺度分析和去噪的剩余曲线变化率进行裂缝识别^[22]、利用垂向和横向小波变换组合全面识别裂缝^[10]、基于蚁群聚类算法的裂缝识别^[23]等。

常规测井资料容易获得，处理方便，识别裂缝为有效缝，但纵向采样点间隔较大(一般为0.125 m)，纵向分辨率低，造成裂缝识别准确率低；上述各常规测井裂缝识别方法在裂缝识别准确率上均做了努力，但无法解决分辨率低的问题。成像测井资料纵向分辨率高，储层裂缝识别直观、准确，但需要人工拾取裂缝，费时费力，不利于全井或多井应用；上述各成像测井裂缝识别方法在自动识别裂缝方面进行了研究，但无法去除无效缝干扰。目前，常规和成像测井相结合识别裂缝的方法主要应用常规和成像测井资料的井建立预测模型，然后对无成像测井资料井进行预测；该方法无法解决分辨率低的问题。本文分别利用经处理后的常规测井数据资料和电成像微电导率数据资料建立常规测井裂缝综合识别因子Y₁和电成像储层裂缝识别因子Y₂，然后综合利用两个因子建立储层裂缝识别因子Y₃。该方法结合了常规和成像测井识别裂缝的优点，能自动识别裂缝，解决了成像测井人工拾取裂缝费时费力的缺点；可以剔除无效裂缝干扰，识别出有效裂缝，提高了裂缝识别的准确度。最后将其应用到王府地区，以验证应用效果。

1 火山岩储层裂缝测井响应特征 1.1 常规测井

常规测井曲线对火山岩储层裂缝有一定的响应。三孔隙度测井响应为“两高一低”，即中子孔隙度高、声波时差高(有时出现周波跳跃现象)、密度值低；自然伽马曲线为铀沉积造成的放射性异常；当双井径曲线中一条的井径大于钻头直径而另一条等于或小于钻头直径时，指示有裂缝；双侧向电阻率测井曲线响应为深侧向电阻率与浅侧向电阻率曲线的幅度差，微球电阻率测井响应为明显的电阻率降低^[24]。图 1展示了研究区某井裂缝发育层段除井径曲线外主要曲线的响应特征。从图 1可见，深浅侧向电阻率曲线存在幅度差，三孔隙度测井有“两高一低”的特征。

1.2 电成像测井

电成像测井资料是通过地层微电阻率扫描测井仪测得的。地层微电阻率扫描测井仪是一种极板型聚焦微电阻率测井装置，利用组合的电极阵列，经过密集采样，测量井壁附近地层的电阻率并进行图像处理，从而得到井壁的电性图像。这里应用由覆盖井壁范围更广的斯伦贝谢公司研制的全井眼地层微电阻率扫描成像测井仪(FMI)所测得的图像进行电成像测井响应特征描述。在成像图中，不同类型的裂缝表现形式不尽相同，常见如图 2所示的4种^[7]：高导缝、高阻缝、压裂缝和应力释放缝^[25]。其中，高导缝为有效缝，高阻缝和应力释放缝为无效裂缝。通常在成像测井图上靠人工方法逐条识别并追踪出裂缝的轨迹，然后由计算机自动计算出裂缝参数。人工识别裂缝包括筛选有效缝和剔除无效缝。

本次在对裂缝进行识别研究时，充分利用研究区的成像测井和常规测井资料，包括样本选取、参数选择、裂缝识别模型有效性判别以及识别成果检验。

2 裂缝识别模型建立 2.1 裂缝识别参数选取

常规测井主要响应有效裂缝，但纵向分辨率低；电成像测井纵向分辨率高，可以较准确地确定裂缝位置、方位和倾角；所以将两者相结合，构建储层裂缝识别因子，既能识别有效裂缝，又能较准确地确定裂缝位置。参数选取涉及两个方面，一是常规测井裂缝综合识别因子Y₁所用参数，二是电成像测井裂缝识别因子Y₂所用参数。

2.1.1 常规测井

原始常规测井曲线在裂缝处有一定的变化，曲线变化率法和幅度差法都能扩大裂缝的响应特征，因此选取重构测井曲线法中的曲线变化率法和深浅侧向电阻率幅度差法来建立裂缝综合识别因子。利用曲线变化率法处理声波曲线，得到声波时差曲线变化率：

式中，AC_i为采样点i的声波时差。同理得到深侧向电阻率曲线变化率公式为

式中，R_LLDi为采样点i的深侧向电阻率。深浅侧向电阻率幅度差公式为

经过处理，得到声波时差曲线变化率参数ΔAC(μs/m)、深侧向电阻率曲线变化率参数ΔR_LLD(Ω·m)和深浅侧向电阻率相对幅度参数ΔR(Ω·m)，3个参数纵向两点间隔为0.125 m。图 3为ΔAC和ΔR_LLD曲线与常规曲线的对比及裂缝段成像图，可以明显看出变化率曲线突出了裂缝响应，能更好地识别出裂缝。

2.1.2 电成像测井

本文首先对电成像(FMI)微电导率测井数据进行预处理，包括加速度校正、数据均衡化、异常电极校正、电压校正和电扣深度对齐^[21]，得到192条微电导率曲线；然后，将192条微电导率曲线对应的电阻率取平均，得到新的微电阻率均值曲线R′(Ω·m)，纵向两点间隔为0.002 54 m。利用曲线变化率法，得到

式中：Δx_i为采样点i处的微电阻率曲线变化率；R_i′为采样点i处的微电阻率均值。因为常规测井的纵向分辨率为0.5 m(移动歩长为0.125 m)，于是对Δx以0.5 m为窗长进行平滑处理，得到移动步长为0.002 54 m的电成像裂缝识别参数Δx；Δx的移动歩长远小于常规测井的移动歩长。电成像测井资料纵向分辨率高，加上本文处理后的Δx采样间隔小，则识别出的裂缝位置更为精确。

2.2 样本选取

以电成像资料为根据进行储层裂缝样本选取。由于在实际生产中，有效储层裂缝(高导缝)才具有开发应用意义，故选取王府地区XX井的15个高导缝为样本(表 1)。样本层段厚度为0.5 m，依据电成像测井识别出的裂缝, 统计每个层段的裂缝密度D(条/m)；依据D的大小给定裂缝指示因子Y。表 2为D与Y的对应关系。

2.3 储层裂缝识别因子构建

采用回归分析的方法^[26]建立数学模型，得到常规测井裂缝综合识别因子Y₁和电成像裂缝识别因子Y₂，然后利用Y₁和Y₂建立储层裂缝识别因子Y₃。

2.3.1 常规测井裂缝综合识别因子

利用回归分析方法建立Y₁与ΔAC、ΔR_LLD和ΔR之间的关系模型(ΔAC、ΔR_LLD和ΔR未作归一化处理)，得到Y₁的计算公式：

表 3为Y₁与ΔAC、ΔR_LLD和ΔR的回归统计参数表。其中，决定系数和校正决定系数越大、标准误差和弃真概率越小，说明回归拟合效果越好。分析表 3可知，决定系数和校正决定系数较大、标准误差较小、弃真概率很小，说明Y₁与ΔAC、ΔR_LLD和ΔR之间的关系模型拟合效果很好。由于常规测井曲线的纵向分辨率低，Y₁识别裂缝的分辨率也较低。

2.3.2 电成像测井裂缝识别因子

利用回归分析方法^[26]建立Y₂与Δx之间的关系模型，得到Y₂的计算公式：

表 4为Y₂与Δx的回归统计参数表，分析可得，决定系数和校正决定系数较大、标准误差较小、弃真概率很小，说明Y₂与Δx之间的关系模型拟合效果很好。

由于Δx是经过平滑处理的电阻率，分辨率较低，因此式(6)获得的Y₂是低分辨率的。在实际应用中，采用

Δx是高分辨率的，因此Y₂′高分辨率，所以用Y₂′代替Y₂来建立Y₃。因为电成像中孔洞、压裂缝、应力释放缝和层理面与裂缝特征相似，因此Y₂′会受上述几个因素的影响。

2.3.3 储层裂缝识别因子

鉴于常规测井与成像测井储层裂缝识别干扰信息较多，对裂缝识别因子截止值如果设定得太小，会识别出一些非储层裂缝，影响识别效果；如果设定太大，又会漏掉储层裂缝信息，识别不全。考虑到以上因素，设定Y₁、Y₂′的裂缝识别截止值为0.5，即当裂缝识别因子大于或等于0.5时，认为裂缝存在。

结合常规测井裂缝综合识别因子Y₁和电成像测井裂缝识别因子Y₂′的优点，建立裂缝识别因子Y₃为

Y₃=1指示有裂缝，Y₃=0指示无裂缝。Y₃与Y₁和Y₂′对比，既能更为准确地识别出储层裂缝，又能给出更为精确的储层裂缝地层段深度。

3 可靠性检验与实际应用分析

为了检验该模型的可靠性，用建立的识别模型来对这15个样本进行回判识别。表 5为识别结果，有3个样本识别错误，准确率达到80%。

应用此识别模型对王府地区XX井进行识别，除作为样本的15处储层裂缝外，电成像资料识别出18条裂缝，裂缝识别模型识别出16处裂缝(其中14处正确识别，2处识别错误)；裂缝识别准确率为77.77%。图 4为储层裂缝识别成果图，Y₃识别出两段有效裂缝段Ⅰ和Ⅲ，裂缝段Ⅱ为无效裂缝。

图 4中，裂缝段Ⅰ深度为2 449.382~2 449.935 m，未参加建立裂缝识别模型，右侧对应位置电成像图上有明显的裂缝特征，由于Y₂′的控制，识别出的裂缝层段深度位置精确；裂缝段Ⅱ深度为2 450.222~2 451.621 m，为诱导裂缝，Y₂′识别为裂缝，Y₁识别为非裂缝，验证了Y₁的控制可以去除无效裂缝影响；裂缝段Ⅲ深度2 452.128~2 453.179 m为裂缝样本之一，同样电成像图上有明显的裂缝特征。可以看出，Y₃结合了Y₁和Y₂′优点，不但能识别有效裂缝，而且识别出裂缝层段深度位置精确。所以利用Y₃识别裂缝是可行的，并且识别效果较好。

4 结论与展望

利用经预处理后的电成像测井电阻率资料和常规测井资料建立电成像储层裂缝识别因子和常规储层测井裂缝综合识别因子，然后综合利用两个因子建立储层裂缝识别模型，为储层裂缝的识别提供了一种新的方法。该裂缝识别方法解决了电成像图像储层裂缝识别费时费力的缺点，可以较为准确地识别出储层裂缝，还可以较精确地确定裂缝深度。该方法不仅适用于研究井储层裂缝的识别，还可以应用到邻井的储层裂缝识别中，对油田勘探开发有极其重要的作用。

本文提出的储层裂缝识别方法在裂缝识别中会产生裂缝识别不全以及个别识别错误的现象。在下一步的研究中：第一，加入更多的裂缝指示信息进入到识别模型中，进一步提高裂缝识别准确率；第二，在电成像信息提取时尽量剔除无用信息，保留裂缝信息，提高方法的准确度。