引言

储层作为油气赋存的场所，是油气勘探开发的直接目的层。储层研究是油藏研究的核心，其最终目的是对储层做出符合地质实际的分类和评价，进而指导油气勘探开发^[1-2]。目前，在低油价背景下，寻找优势勘探区、挖掘优质储层潜力、提高单井产能成为各大石油公司降本增效的一大举措，故储层分类评价越来越受到学者们的重视。

储层分类评价是在优选储层评价参数的基础上，选择合理的评价方法，量化各个参数对储层的影响，最终实现储层分类^[3]。储层评价的方法有多种，且定性、定量的方法均有涵盖，目前，这些方法在碎屑岩储层中的应用已非常广泛^[4-7]。但相对碎屑岩而言，碳酸盐岩的沉积过程受成岩作用影响更加强烈，成岩作用加剧了碳酸盐岩储层的复杂程度，进而导致储层控制因素复杂、非均质性强、渗透率参数解释不准^[8-11]等，使得储层分类评价在碳酸盐岩储层中的应用存在不确定性。近年来，国内外学者针对碳酸盐岩储层评价也开展了相应的工作，如采用灰色模糊理论^[12-13]、测井储层品质综合评价指数^[14]、核磁共振^[15]及流动单元法^[16-17]等，应用效果较好，但总体上缺乏地质思维的指导。

伊拉克B油田位于伊拉克东南部，毗邻伊朗边界，在构造区划上位于波斯湾盆地北部美索不达米亚带与扎格罗斯山前拗陷中部，为一NW—SE向的狭长背斜^[18]。白垩系M组碳酸盐岩是B油田主要含油层系，地层厚度约340 m，沉积环境为缓坡碳酸盐岩台地。M组自下而上可以划分为MC段、MB段及MA段，进而可细分为6个油组及对应的6个亚油组。隶属于MB段下部的B₂¹亚油组是主力生产层，岩性主要为灰岩，孔隙类型多样，孔渗相关性差，孔隙结构复杂^[19]。因此，定量评价储层类别，分析不同类别储层的平面展布对新井部署具有重要的指导意义。鉴于此，以M组碳酸盐岩储层为例，综合分析主力生产层段B₂¹储层的主控因素，基于流动带指数对渗透率精细解释，借助灰色关联分析法确定储层评价参数权重，最终采用“拐点”法将综合评价值划分为4类。评价方法解决了以往储层评价过程中出现的评价参数相互交叉的问题，使结果更趋近于地下地质真实情况，进而为油藏研究和井位部署提供较为可靠的依据。

1 流动带指数法渗透率精细解释 1.1 储层流动带指数

碳酸盐岩储层孔隙类型多样，孔隙结构复杂，进而导致储层在孔隙度相近的情况下，渗透率却存在巨大差异，复杂的孔—渗关系严重制约着渗透率的精细解释。对开发阶段储层评价而言，作为影响储层渗流能力的重要因素，渗透率是储层评价中不可缺的一个参数，因此，渗透率的精细解释是储层分类评价的基础。

针对碳酸盐岩渗透率精细解释，前人开展了大量研究，如基于岩性和核磁共振等^[20-21]，但均受实际工区资料丰富程度的限制，很难在研究区推广。1983年，Amaefule根据Kozeny–Carman方程，充分考虑孔隙结构对储层非均质性的影响，将孔隙弯曲度和颗粒比表面积等参数引入，提出了孔隙度和渗透率的关系式。后来，为了更有效地应用Kozeny–Carman方程，引入了流动带指数($ I_{\rm{FZ}} $)来描述储层孔隙结构，认为相近的$ I_{\rm{FZ}} $具有相似的孔喉特征。隶属于同一种类型的储层，其表达式为

${I_{{\rm{FZ}}}} = 0.0316\frac{{1 - \phi }}{\phi }\sqrt {\frac{K}{\phi }} $

(1)

式中：$ K $—渗透率，D；

$ \phi $—有效孔隙度，%；

$ I_{\rm{FZ}} $—储层流动带指数，无因次。

研究区有58条毛管压力曲线。首先，验证了储层流动带指数是否可以反映本区储层的孔隙结构特征，系统分析了储层流动带指数与排驱压力和中值孔喉半径之间的关系(图 1)。从图 1可以看出，随着排驱压力减小、中值孔喉半径增大，$ I_{\rm{FZ}} $也相应增大，且储层流动带指数与两者存在较好的相关性，表明$ I_{\rm{FZ}} $可以有效地反映研究区碳酸盐岩储层的孔隙结构特征。

1.2 流动带指数分类

采用流动带指数进行分类，进而指导渗透率解释，需要确定合理的分类个数。本文根据研究区取芯井毛管压力曲线特征及可操作性，将研究区流动带划分为6类，并分别建立了每一类流动带的孔隙度—渗透率关系(图 2，表 1)。

表 1显示，各类流动带的孔隙度—渗透率关系较好，能够满足渗透率精细解释的要求。此外，由于研究区取芯井有限，为了实现取芯井到非取芯井的推广，通过“决策树”建立了各类流动带与测井曲线的关系，最终实现了所有非取芯井的渗透率精细解释，为储层综合定量评价奠定了基础。

2 储层主控因素分析 2.1 沉积相带与海平面升降

大量研究和勘探实践表明，在海相碳酸盐岩地层中，有利的沉积相带是形成优质储层的物质基础，不仅形成了层厚、质纯且原生孔隙发育的有利储集岩，而且为后期建设性成岩作用改造提供了有利条件^[22]。

研究区白垩系M组碳酸盐岩发育缓坡碳酸盐岩台地，通过对不同微相岩芯孔隙度与渗透率统计发现(表 2)，生物礁和生屑滩是研究区主要的储集相带，滩间海和瀉湖尽管整体物性较差，但局部同样发育优质储层，这表明沉积相带虽然为优质储层的发育提供了物质基础，但沉积后的成岩作用对储层同样具有重要影响。

对碳酸盐岩而言，海平面的升降对储层成岩作用和孔隙演化起到了重要的控制作用^[23-24]。以研究区为例，海平面的升降对储层的控制体现在3个方面(图 3)：(1)海平面上升期，随着水体变深，沉积物中泥质含量增加，储层物性变差，对应生产井产能较低；(2)海平面控制准同生阶段溶蚀强度，具体表现为，海平面下降阶段台内滩或生物礁出露水体，接受大气淡水淋滤溶蚀，发育大量溶蚀孔(洞)；(3)海平面控制着海底胶结的发育程度，表现在储层发育1~2期胶结物，进而影响储渗性能。

2.2 沉积古地貌

沉积古地貌不仅控制了高能相带的展布，还有利于后期溶蚀作用的发生^[25]。通过三维地震资料的精细解释，采用残厚法恢复了研究区B₂¹亚油组的沉积古地貌(图 4)，并据此将其划分为岩溶高地(厚度大于140 m)、岩溶斜坡(120~140 m)和岩溶洼地(厚度小于120 m)3个地貌单元。

从图 4可以看出，B₂¹亚油组古地貌整体表现为“S”型，在W42、W37及W34井区古地貌最高，在W10—W50及W3—W41井区古地貌最低。古地貌高地及斜坡地带利于滩相发育，原始沉积的颗粒灰岩质纯、泥质含量低，原生粒间孔十分发育。这种滩相发育的古地貌高地，在同生期—准同生期受海平面升降影响更易出露水体，接受大气淡水淋滤溶蚀，形成孔隙发育带，为优质储层的发育提供基础。而在沉积古地貌洼地，水体能量弱，以浅开阔海沉积为主，岩性主要为泥晶颗粒灰岩，相对高能滩相而言，泥质含量较高，尽管仍能构成有效储层，但储层物性相对较差。

3 储层综合定量评价 3.1 综合评价方法

影响储层质量差异的因素有很多，且各参数对储层影响的“比重”也不尽相同。因此，为了综合表征各参数对储层的影响，本文选用综合评价指标法对储层进行定量评价，其公式如下

${I_{{\rm{RE}}}} = \sum\limits_{i = 1}^n {{a_i}} {X_i}$

(2)

式中：$ I_{\rm{RE}} $—综合评价指标；

$ n $—参与储层评价的参数个数；

$ X_{i} $—储层评价参数；

$ a_{i} $—各评价参数的权重。

采用综合评价指标对储层进行评价时，确定各参数的权重是关键，该系数直接决定了对应的评价参数在总评价指标中的重要程度。目前，权重确定方法有很多种，经过对比分析，采用最常用的灰色关联分析法来确定各个参数的权重。

3.2 参数优选

储层评价应尽量在地质思维的控制下，优选典型评价参数对储层进行分类，进而确定不同井—相同层段或相同井—不同层段储层之间的相对差异，使评价结果与地下真实情况更加接近，进而达到储层综合定量评价的最终目的^[26]。前文已述，影响研究区储层的主控因素包括沉积相、海平面升降、古地貌及其综合作用下的成岩作用，对以上因素而言，直接量化其对储层的影响相对较难，但可以间接地选择其他参数来表征其对储层的贡献。

结合研究区开发阶段的需求及实际资料，优选储层厚度、渗透率非均质系数、电阻率、孔隙度、泥质含量及古地貌等6个参数对储层进行综合评价。其中，孔隙度和储层厚度反映储层的宏观特征，且储层厚度直接影响单井产能；泥质含量间接反映了海平面变化对碳酸盐岩储层的影响，同时，可以直接影响储层的渗流能力；古地貌作为优质储层发育的基础，亦为后期成岩作用提供了条件，最终影响储层的物性。

对碳酸盐岩储层而言，储层受成岩作用影响，渗透率差异较大。因此，直接选取渗透率参数进行综合评价必定会带来不确定性，故本文选取渗透率非均质系数来替代渗透率。渗透率非均质系数由洛伦兹系数计算而来，洛伦兹系数原是经济学判断收入分配是否均衡的指标，后来被石油地质学者用来定量描述储层非均质性^[27]。洛伦兹系数为0~1的数值，数值计算有界且可以弱化极个别渗透率“异常点”带来的不确定性，故可以作为评价储层渗透率非均质程度的指标。

碳酸盐岩储层孔隙结构复杂，不同尺度的孔隙所占比例也不尽相同。通常碳酸盐岩颗粒表面都是亲油的^[28]，最初孔隙被水充填，随后油气进入，由于大孔隙毛细管入口压力最低，油气首先进入大孔隙，之后进入中孔隙，而微孔隙仍然保持水充填状态，在电阻率曲线上表现为被油气充注的储层，若大孔和中孔发育，则束缚水饱和度低，对应的电阻率较高，如图 5中B40井与B39井；若被油气充注的储层小孔和微孔发育，则束缚水饱和度高，对应的电阻率较低，如图 5中B38井。

因此，可根据电阻率大小来表征不同尺度的孔隙，进而评价储层质量。

3.3 权重系数确定

实际应用中，灰色关联分析法包括以下几个步骤：首先，选定母序列和子序列；然后，计算关联系数、关联度及权系数；最后，确定综合评价因子^[26]。

为了分析各评价参数对储层的贡献，即储层特征与影响因素之间的相互关系，可以选取某个特征参数将其按照一定顺序排列作为关联分析的母序列，记为

$\left\{ {X_t^0\left( 0 \right)} \right\}, \;\;t = 1{\rm{, }}2{\rm{, }} \cdots {\rm{, }}n$

一定程度上影响被评判事物性质的其他因素数据的有序排列称为子序列，记为

$\left\{ {X_t^0\left( i \right)} \right\}, \;\;\;\;i = 1{\rm{, }}2{\rm{, }} \cdots {\rm{, }}m;t = 1{\rm{, }}2{\rm{, }} \cdots {\rm{, }}n$

母序列和子序列共同构成原始数据矩阵，记为

$ \begin{equation} X^{\rm{(0)}} = \left [ \begin{array}{cccc} X_{1}^{0} \left (0 \right) & X_{1}^{0} \left (1 \right) & \cdots & X_{1}^{0} \left (m \right)\\ X_{2}^{0} \left (0 \right) & X_{2}^{0} \left (1 \right) & \cdots & X_{2}^{0} \left (m \right)\\ \vdots & \vdots & \cdots & \vdots \\ X_{n}^{0} \left (0 \right) & X_{n}^{0} \left (1 \right) & \cdots & X_{n}^{0} \left (m \right) \end{array} \right ] \end{equation} $

(3)

在选择的所有评价参数中，由于各参数所反映的储层性质不同，对应的量纲也不一样。因此，为了比较各参数对评价指标的影响权重，必须对原始评价参数进行标准化处理，而不同类型的参数采用的标准化方法也不相同。

本文根据评价参数与产能的关系分别进行处理，其中，与产能成正相关的参数，采用单个参数除以本指标最大值；与产能成负相关的参数，采用该评价参数的最大值与单个参数之差再除以最大值。在评价指标标准化并确定母序列和子序列后，利用式(4)计算母序列与各子序列的灰色关联系数

${\theta _{i, 0}} = \frac{{{\Delta _{\min }} + \rho {\Delta _{\max }}}}{{{\Delta _t}\left( {i, 0} \right) + \rho {\Delta _{\max }}}}, \;\;i = 1, 2, \cdots , n$

(4)

式中：$ \Delta_t \left (i, 0\right) $—某参数相对比较序列的绝对差，且$ \Delta_t \left (i, 0\right) = \left \vert X_t^{1} \left (i\right)-X_t^{1} \left (0\right)\right\vert $；

$ \Delta_{\max} $—所有比较序列中的最大值，且$ \Delta_{\max} = \max_t\max_{i} \left\vert X_t^{1} \left (i\right)-X_t^{1} \left (0\right)\right\vert $；

$ \Delta_{\min} $—所有比较序列中的最小值，且$ \Delta_{\min} = \min_t\min_{i} \left\vert X_t^{1} \left (i\right)-X_t^{1} \left (0\right)\right\vert $；

$ \rho $—分辨系数，主要用来提高关联系数之间的差异，同时削弱最大绝对差数值太大而带来的失真现象，范围在0~1.0，通常取0.5。

各子序列对母序列的关联度计算公式为

${r_{i, 0}} = \frac{1}{f}\sum\limits_{i = 1}^f {{\theta _{i, 0}}} $

(5)

式中：$ f $—子序列长度，即每个参数包含的数据个数。

关联度是一个有界数，其取值在0.1~1.0。子因素与主因素之间的关联度越接近1.0，则表明该子因素对主因素的影响越大，反之亦然^[26]。每个子序列相对母序列的关联度按照式(6)求取

${r_{i, 0}} = {r_{i, 0}}/\sum\limits_{i = 1}^n {{r_{i, 0}}} $

(6)

对研究区碳酸盐岩储层而言，主力生产层均为储层，相对其他评价参数而言，渗透率是影响单井产能的重要因素，故将渗透率作为母序列，而上文所提到的6个参数分别从某一侧面反映储层质量的好坏，可以作为子序列。通过上述计算，最终确定B₂¹亚油组主力生产层储层评价参数的关联系数及各指标的权重(表 3)。

按照权重大小对各个指标进行排序，可以得到不同参数之间的相关关联序，关联序为：电阻率 > 渗透率非均质系数 > 古地貌 > 孔隙度 > 泥质含量 > 储层厚度。储层厚度关联序相对靠后的主要原因是研究区B₂¹亚油组主力生产层的储层厚度变化不大，这点从每口井储层厚度的关联系数可以看出，除极个别外，一般都维持在0.4左右；而电阻率和渗透率非均质系数这两个参数在每口井上的差别较大，对应的关联系数差异也较大，其权重也较大。这说明，对于一组数值变化不大的子序列对母序列的影响占比也不会太高，但对整体评价的事物而言又是不可或缺的一部分。

3.4 储层综合评价

根据各参数的权重，采用式(2)计算了各井的储层综合评价指标，绘制单井综合评价值与采油指数交会图如图 6 (1 bbl = 0.137 t，1 psi = 6.895 kPa)所示，可以看出，储层综合评价值与单井采油指数呈正相关，即综合评价值越高，单井采油指数值越大，对应的储层越好。通过“拐点法”划分了各类储层的阈值(图 7)，进而将储层划分为4类：综合评价值≥ 25为Ⅰ类储层；18≤综合评价值< 25为Ⅱ类储层；14≤综合评价值< 18为Ⅲ类储层；综合评价值< 14为Ⅳ类储层，各井的储层类别见表 3。

Ⅰ类和Ⅱ类为优质储层，占总井数的58.6%，储层孔隙以中—大孔为主，处在溶蚀作用较强的古地貌高地或斜坡带、泥质含量低、渗透率非均质程度弱；Ⅲ类储层为中等储层，占总井数的27.6%，储层以中孔为主，受泥质含量影响，渗透性相对于Ⅰ类和Ⅱ类较差，但优于Ⅳ类储层；Ⅳ类储层为研究区较差的储层，占总井数的13.8%，储层以中—小孔为主，物性相对较差。整体来看，优质和中等储层在研究区主力生产层段占比较高，这也是目前生产井均在该层段射开的主要原因。

4 结论

(1) 建立了不同岩石类型的孔隙度—渗透率关系，提高了强非均质性碳酸盐岩储层渗透率解释精度，为储层综合定量评价提供基础。

(2) 明确了储层主控因素，优选表征储层特征的6个关键参数，利用灰色关联分析法确定储层评价参数的权重，进而采用“综合评价指标”对储层进行定量分类评价，该方法可以解决单因素储层评价过程中出现的结果相互交叉问题，使结果更趋近于地下地质真实情况。

(3) 单井综合评价值与采油指数具有较好的正相关性，与研究区地质认识基本一致，说明综合利用流动带指标法进行渗透率精细解释、灰色关联法确定指标权重和综合评价指标进行分类评价具有较高可靠性。