地球物理学进展  2015, Vol. 30 Issue (5): 2342-2348   PDF    
基于ECS测井的岩性识别方法
赵军1, 杨阳1, 陈伟中2, 李进福2    
1. 西南石油大学, 地球科学与技术学院, 成都 610500;
2. 中国石油塔里木油田公司研究院, 库尔勒 843000
摘要: 地球化学元素测井(ECS测井)可以定量地提供地层中的 Si、Ca、Fe、S、Ti、Gd 等化学元素的含量,利用这些元素与地层矿物之间的关系可以分析岩石矿物含量.在研究区利用ECS测井对岩石矿物含量进行定量评价时,由于矿物组合类型选择有误,导致矿物解释结果与岩心和录井资料分析结果存在偏差.针对这一问题,本文基于ECS测井岩性识别常规方法,提出两点改进:1),利用岩石薄片资料对ECS测井所选矿物组合进行校正;2)利用矿物和指示元素相关关系建立方解石和石膏的快速评价模型,模型相关系数分别0.99、0.96.应用表明,建立的快速评价模型计算更简洁,并且具有和矿物闭合模型相同的精度,此外,其解释结果与录井、岩心分析结果吻合度更高,说明该方法的可靠性.该方法可为测井识别岩性提供一种新的选择.
关键词: ECS测井     岩石薄片     校正     快速评价模型     矿物闭合模型    
New method for well logging lithologic identification based on elemental capture spectroscopy
ZHAO Jun1, YANG Yang1, CHEN Wei-zhong2, LI Jin-fu2    
1. Southwest Petroleum University, School of Geoscience and Technology, Chengdu 610500, China;
2. Research Institute of Tarim Oilfield Company, CNPC, Kurele 843000, China
Abstract: Element capture service(ECS) can be used to quantitative determination of the contents of Si,Ca,Fe,S,Ti,Gd in stratum.The correlation of these elements and lithology can be used for distinct lithology. However,when using the ECS to quantitatively evaluate the mineral content, due to the incorrectly choose of mineral kinds,there is a big deviation between the result from ECS interpretation and the result from coring and logging data analysis.To solve this problem,This paper puts forward two improvements based on ECS logging interpretation methods:Firstly,using the data of rock flakes to correct the mineral kinds which were choosed to build mineral calculation model.Secondly,the rapid assessment model was built by analyzing the relationship between the choosed mines and elements, the correlation coefficients were 0.99 and 0.96 respectively.The processing of some practical data was used to illustrate the effect of this new method,and the result shows that a good accordance between ECS's lithology and core-describe lithology and logging's lithology is gained.Above all,this new method provides a new option for logging to identify lithology.
Key words: ECS logging     rock flakes     correction     the rapid assessment model     mineral closure model    
 0 引 言

岩性识别是储层评价的首要工作,准确识别岩性是精确计算孔隙度和含油饱和度等储层参数的前提,也是储层综合评价与预测、储量计算和地质建模以及油藏描述的基础(范宜仁等,2012匡朝阳等,2009).目前对储层进行岩性识别,常用的测井方法有:交会图法(张晓峰和范晓敏,2007陶宏根等,2011徐德龙等;2012)、成像测井(张莹等,2007)以及各种数学判别分析方法(张学工等,1997田玉昆等,2013),其中神经网络法(刘争平和何永富,1995张治国等,2005)、支持向量机法(张尔华等,2011韩学辉等,2013)和K近邻方法(王淑盛等,2004)较为常用,这些方法各有其优势和局限性.

元素俘获测井(Elemental CaptureSpectroscopy,简称ECS)是斯伦贝谢公司推出的一种地层元素测井仪器(袁祖贵等,2003刘绪纲等,2005程华国和袁祖贵,2005龚劲松等,2014),它利用中子与地层各元素作用发生辐射俘获核反应时瞬发的伽马射线能量和数量不同,这些不同取决于特定的核,每一种核具有与众不同的俘获伽马射线谱特征,因此,通过测量和分析俘获伽马能谱,来确定地层的主要元素和含量(Grau and Schweitzer,1989程希和任战利,2008).ECS测井也是唯一能从岩石成分角度解决岩性识别问题的测井方法,对识别那些成分差异较大而颜色、结构、构造差异不明显的复杂岩性具有极其重要的意义(程希和任战利,2008张小莉等,2010).

对研究区采用ECS测井进行储层岩性识别时,发现ECS测井解释的矿物类型与录井、岩石心分析结果差异较大,这是由于在确定主要矿物组分时,利用的是主成分分析方法,该数理统计方法受解释人员经验影响较大,容易造成解释中认识的矿物特征与实际地质特征不吻合情况.

针对这一问题,本文提出利用岩石薄片资料所选矿物组分进行校正,在此基础上再对岩石矿物组分进行重新解释和评价.此外,在建立元素与矿物转换关系时,常用的是Herron矿物闭合模型(程希和任战利,2008张峰等,2011),但该模型计算过程十分复杂,在实际资料研究和应用中受到很大限制,故本文提出利用矿物指示元素与矿物相关关系,建立矿物快速评价模型,以满足生产现场应用需要.

1 ECS测井进行岩性识别效果分析 1.1 ECS测井矿物定量计算步骤

利用ECS测井进行储层岩性定量计算时,需要确定三个方面的内容,其一是利用ECS测井探测岩石中Si、Ca、Fe、S、Ti、Cl、Cr、Gd等重要元素含量(袁祖贵等,2003张峰等,2011),该测井不受岩石孔隙流体的影响,仅研究在岩石骨架中存在的元素;其二是利用主成分分析法,选取4种或6种因子成分大的矿物,作为该区的主要矿物类型;其三是建立矿物闭合模型,确定所选元素和矿物的转换关系.Schlumberger公司Herron采用数理统计中的因子分析法对取自世界各地的岩心的元素和矿物资料进行分析研究,归纳出元素与矿物含量的转换关系,转换关系如下:

其中i=1,2,3….n.Ei为第i种元素的含量;Mj为第j种矿物的含量;系数Cij为第j种矿物中第i种元素的含量,其转换系数可以查有关参考文献(Herror and Herron,1990Ramamoorthy,2001程希和任战利,2008).

1.2 原ECS测井进行岩性识别的应用效果分析

应用ECS测井对研究区D102井进行测井解释,解释结果如下图所示(图 1).该段录井中显示多个层段的泥膏岩地层(如5268~5278 m、5291~5293 m、5316~5323 m段),但ECS测井解释出碳酸盐岩、黄铁矿含量高,而无石膏组分,这与岩层的实际特征和岩屑录井信息明显不吻合.经分析表明,因矿物定量计算时所选矿物组分与实际地层不符,导致属于石膏组分的那部分钙元素闭合到方解石中,同时,属于石膏组分的那部分硫元素含量闭合入黄铁矿中,故导致解释结果无石膏显示.因此,矿物组合的选择对解释结果有直接的影响,故有必要对所选矿物组分进行校正.

图 1 D102井ECS测井资料与录井剖面对比 Fig. 1 The comparition chart between ECS logging and logging profile of D102
2 利用岩石薄片资料对所选矿物组分进行校正

研究区域主要为砂砾岩储集层,胶结物、充填物质涉及黏土、方解石、石膏、黄铁矿等组分.该区9口井岩石薄片及全岩矿物分析矿物含量统计表表明(表 1),除D201井、D22井局部层段见到明显黄铁矿矿物,其他各井黄铁矿并不明显,或者含量较低.此外,对比分析9口井的薄片资料,除黏土外,特殊胶结物组分中,方解石组分是主要类型;石膏在岩屑录井中普遍观察到,在岩石薄片中也比较常见,是比较重要的特殊组分;黄铁矿仅在部分井局部出现,且很多时候主要伴生在泥岩和泥质粉砂岩层段,如D22井薄片资料表明,粉砂岩、细砂岩样品少量见到黄铁矿,平均含量低于1%;泥岩和砂质泥岩样品中含黄铁矿明显,平均含量6.8%.

针对砂砾岩储集层,由上述统计分析可知,应将石英、黏土、方解石和石膏列为主要矿物组分进行分析,而黄铁矿主要存在于泥岩和泥质粉砂岩层段,在研究区不做重点研究.在实际处理过程中可利用FORWARD软件编程排除泥岩和泥质粉砂岩层段黄铁矿的干扰.

表 1 研究区9口井岩石薄片及全岩矿物分析矿物含量统计表(矿物含量单位:%) Table 1 The mineral content analysis of nine wells in the study zone(The unit of Mineral content:%)
3 矿物快速评价模型的建立 3.1 矿物指示元素的确定

ECS测井主要提供Si、Ca、Fe、S、Ti、Gd等元素的含量,其中Si 与石英密切相关,Ca 与方解石密切相关,S可以指示石膏含量,Fe 与黄铁矿有关,Al和黏土含量密切相关(吕复苏等,2006李保华和卢颖忠,2006袁祖贵等,2004).

由D22井(4706~4738 m)的原ECS测井解释结果可以看到(图 2),计算的黏土、石英长石比例可能存在系统偏差;但计算的石膏、方解石含量符合取心和岩屑薄片的分析结果;且由岩性测井曲线可知,在粗岩性层段,出现钙元素、硫元素含量上升的情况较多,同时,石膏和方解石也相应较高,说明这些层段应以钙质、膏质胶结为主,这与前述岩心薄片统计结果相符.由于硫元素、钙元素分别与石膏、方解石变化趋势相同,故选择将硫元素、钙元素作为石膏、方解石的指示元素,这是认识胶结物特征的重要信息.

图 2 D22井原ECS测井原解释成果图 Fig. 2 The result chart of ECS logging in well D22
3.2 快速评价模型的建立

由上可知,由于D22井原ECS测井解释的石膏和方解石含量精度较高,故可以利用该解释结果与ECS测井探测的S、Ca元素含量做单相关分析(如图 3),可知,当硫元素仅 来自石膏组分贡献时,石膏含量(VCAS)与硫含量(S)关系为

图 3 D22井ECS解释石膏与硫元素含量(a)和方解石与钙元素含量(b)关系图 Fig. 3 The relationship between gypsum and sulfur(a),as well as the relationship between calcite and calcium(b)explained by ECS in d22

当钙元素仅来自含碳酸盐岩组分贡献时,方解石含量(VCA)与钙含量(Ca)的关系为

为提高模型的相关性,对D201、D202、D203、Db104等4口井,利用ECS测井提供的硫元素(S)与钙元素(Ca)含量,以及对应井岩心薄片分析获得的石膏(VCAS)与方解石(VCA)含量分别进行多元回归分析,建立计算石膏(VCAS)与方解石(VCA)含量的快速评价模型,公式为

(3)、(4)的相关系数均超过了0.95,相关性较好,说明模型精度较高.

3.3 两种计算模型的对比

图 4为D22井4650~4910 m段,分别运用快速评价模型和矿物闭合模型计算的石膏和方解石含量的对比图,由图可知,两种模型计算的石膏和方解石含量基本位于对角线上,说明两种模型计算结果具有较好的一致性,均可以用于储层矿物定量评价.

4 模型的应用与分析

利用ECS测井资料对D102井5440~5520 m段进行重新处理(图 4),原解释结果为黄铁矿和方解石,无石膏组分.但是利用岩石薄片资料将矿物组合校正后,运用建立的快速评价模型重新处理,解释结果为石膏、方解石,与录井描述情况吻合.且在不存在石膏的层段,运用快速评价模型重新解释,计算的方解石含量与矿物闭合模型(ECS原解释)以及岩心分析方解石含量一致(5504~5522 m),表明快速评价模型对于整个研究区域都具有都一定的实用性.

图 4 快速评价模型和矿物评价模型计算的石膏(a)和方解石(b)含量对比图 Fig. 4 The gypsum(a) and calcite(b)content comparison chart calculated through rapid assessment model and mineral closure model
5 模型精度检验

对Db202、Db102、Db103、D22、D102等井,对比分析了经矿物组合校正后建立的快速评价模型计算的方解石含量与岩石薄片分析的方解石含量(见图 5),两种方解石含量均位于对角线两侧,表明计算的方解石含量与岩心薄片分析情况吻合.统计上述5口井岩石薄片141块,划分的38个岩性段,薄片分析方解石含量为4.2~22.7%,平均13.78%;快速计算模型解释方解石含量为2.5~24.3%,平均13.70%,二者的一致性较好.表明利用岩石薄片资料对矿物组分校正后建立的快速评价模型,在研究区进行岩性识别以及岩石矿物定量评价具有一定的可靠性.

图 5 D102井ECS快速评价模型重新解释成果图 Fig. 5 The reinterpret outcome diagram of regression model in D102

图 6 校正后快速计算模型计算方解石与薄片分析方解石含量对比图 Fig. 6 The comparison chart of calcite content between reinterpretation and core analysis
6 结 论

6.1  岩石薄片更能反映地层真实情况,利用岩石薄片资料以及全岩矿物分析资料,可对ECS测井选择的矿物组合进行校正,以保证储层岩性评价结果的准确性.

6.2  Schlumberger公司的Herron矿物闭合模型精度较高,但是计算较复杂,并且在研究区运用时容易受现场条件的限制,本文利用研究区矿物指示元素与矿物相关关系,建立了矿物快速评价模型,该模型计算起来快速简洁,且与矿物闭合模型具有相同的精度,同时与岩石薄片和录井分析结果符合性也较好,可以满足该区生产现场应用需要.

致 谢 感谢审稿专家提出的宝贵修改意见和编辑部的大力支持!

参考文献
[1] Cheng H G, Yuan Z G. 2005. Evaluation of formation lithology changes using elemental capture spectroscopy (ECS) logging [J]. Nuclear Electronics & Detection Technology (in Chinese), 25(3): 233-238.
[2] Cheng X, Ren Z L. 2008. Identification of Ganchaigou group rock lithology in the GS Oilfield by Relationship between elements and minerals using geochemical logging technology [J]. Progress in Geophysics (in Chinese), 23(6): 1903-1908.
[3] Fan Y R, Zhu X J, Deng S G, et al. 2012. Research on the technology of lithology identification of volcanic rock in Nanpu 5th structure[J]. Progress in Geophys. (in Chinese), 27(4): 1640-1647, doi: 10.6038/j.issn.1004-2903.2012.04.042.
[4] Gong J S, Yang M Y, Wang J, et al. 2014. Application of ESC logging technology in unconventional reservoir evaluation [J]. Reservoir Evaluation and Development (in Chinese), 4(2): 76-80.
[5] Grau J A, Schweitzer J S. 1989. Elemental concentration from thermal capture gamma ray spectra in geological formation[J]. Nuclear Geophysics, 2(3): 1-9.
[6] Han X H, Zhi L F, Liu R, et al. 2013. A lithologic identification method in Es4 reservoir of Guangli oilfield with Least square support vector machine[J]. Progress in Geophysics (in Chinese), 28(4): 1886-1892, doi: 10.6038/pg20130430.
[7] Herron M M. 1986. Mineralogy from geochemical well logging[J]. Clays and Clay Minerals, 34(2): 204-213.
[8] Herror M M, Herron S L. 1990. Geological applications of geochemical well logging[C]./ Hurst A, Lovell M A, Morton A C, eds. Geological Application of Wireline Logs. Geological Society London Special Publications, 48(1): 165-175.
[9] Hertzog R, Colson L, Seeman O, et al. 1989. Geochemical logging with spectrometry tools[J]. SPE Formation Evaluation, 4(2): 153-162.
[10] Kuang Z Y, He R Z, Gao R, et al. 2009. A technique of forecasting and exploring volcanic reservoirs-an example of Changling Fault-depression in Songliao Basin[J]. Progress in Geophysics (in Chinese), 24(2): 602-608, doi: 10.3969/j.issn.1004-2903.2009.02.031.
[11] Li B H, Lu Y Z. 2006. Application of element capture spectrum logging in the Yongjin Area, the Junggar Basin[J]. West China Petroleum Geosciences (in Chinese), 2(2): 219-226.
[12] Liu X G, Sun J M, Guo Y F. 2005. Application of elemental capture spectroscopy to reservoir evaluation[J]. Well Logging Technology (in Chinese), 29(3): 236-239.
[13] Liu Z P, He Y F. 1995. Application of artificial neural networks in log analysis[J]. Acta Geophysica Sinica (in Chinese), 38(S1): 323-330.
[14] Lü F S, Han J, Miao H S, et al. 2006. Application of ECS logging data to Wellblock Cai-31 in Cainan oilfield [J]. Xinjiang Petroleum Geology (in Chinese), 27(2): 236-238.
[15] Ramamoorthy R. 2001. A look at spectroscopy[J]. Formation Evaluation Review, 2(6): 1-3.
[16] Tao H G, Cheng R H, Zhao X Q, et al. 2011. Well logging response to the volcaniclastic rocks of Hailar basin and application[J]. Chinese Journal of Geophysics (in Chinese), 54(2): 534-544, doi: 10.3969/j.issn.0001-5733.2011.02.033.
[17] Tian Y K, Zhou H, Yuan S Y. 2013. Lithologic discrimination method based on Markov random-field[J]. Chinese Journal of Geophysics (in Chinese), 56(4): 1360-1368, doi: 10.6038/cjg20130430.
[18] Wang S S, Xu Z G, Liu H W, et al. 2004. The advanced k-nearest neighborhood method used in the recognition of lithology[J]. Progress in Geophysics (in Chinese), 19(2): 478-480.
[19] Xu D L, Li T, Huang B H, et al. 2012. Research on the identification of the lithology and fluid type of foreign M oilfield by using the crossplot method[J]. Progress in Geophysics (in Chinese), 27(3): 1123-1132, doi: 10.6038/j.issn.1004-2903.2012.03.037.
[20] Yuan Z G, Chu Z H. 2003. The application of elemental capture spectroscopy (ECS) logging in Wangzhuang heavy oil reservoirs [J]. Nuclear Electronics & Detection Technology (in Chinese), 23(5): 417-423.
[21] Yuan Z G, Chu Z H, Ji Y M. 2003. The principle and geological application of element capture spectroscopy(ECS)[C]. Beijing. the Fourth Nuclear Instrument and its Application Conference Symposium,Beijing.
[22] Yuan Z G, Cheng X N, Sun J. 2004. ECS——new well-logging technique for completely evaluating the reservior[J]. Nuclear Electronics & Detection Technology (in Chinese), 38(Suppl.): 208-213.
[23] Zhang E H, Guan X W, Zhang Y G. 2011. Support vector machine in volcanic reservoir forecast: East slope in Xujiaweizi depression[J]. Chinese J. Geophys. (in Chinese), 54(2): 428-432, doi: 10.3969/j.issn.0001-5733.2011.02.020.
[24] Zhang F, Liu J T, Ji X W, et al. 2011. Development of formation element logging technique and its application [J]. Journal of Isotopes (in Chinese), 24(Suppl.): 21-28.
[25] Zhang X F, Fan X M. 2007. Application of crossplot and carbon software to recognition of pyroclastic rock[J]. Journal of Jilin University (Earth Science Edition) (in Chinese), 37(Suppl.): 102-104.
[26] Zhang X G, Li Y D, Sheng S. 1997. Application of some modern information processing and computer network techniques in exploration geophysics[J]. Acta Geophysica Sinica (in Chinese), 40(Suppl.): 275-287.
[27] Zhang X L, Feng Q, Sun P, et al. 2010. Characteristics of high gamma ray reservoir of Yanchang formation in Ordos basin[J]. Chinese J. Geophys. (in Chinese), 53(1): 205-213, doi: 10.3969/j.issn.0001-5733.2010.01.023.
[28] Zhang Y, Pan B Z, Yin C H, et al. 2007. Application of imaging logging maps in lithologic identification of volcanics [J]. Geophysical Prospecting for Petroleum (in Chinese), 46(3): 288-293.
[29] Zhang Z G, Yang Y H, Xia L X. 2005. The application of self-organizing feature map neural network to logging lithological identification[J]. Progress in Geophysics (in Chinese), 20(2): 332-336.
[30] 程华国, 袁祖贵. 2005. 用地层元素测井(ECS)资料评价复杂地层岩性变化[J]. 核电子学与探测技术, 25(3): 233-238.
[31] 程希, 任战利. 2008. 利用地球化学元素与矿物关系识别GS油田下干柴沟组地层岩性[J]. 地球物理学进展, 23(6): 1903-1908.
[32] 范宜仁, 朱学娟, 邓少贵,等. 2012. 南堡5号构造火山岩岩性识别技术研究[J]. 地球物理学进展, 27(4): 1640-1647, doi: 10.6038/j.issn.1004-2903.2012.04.042.
[33] 龚劲松, 杨鸣宇, 王静,等. 2014. ECS元素测井技术在非常规储层评价中的应用[J]. 油气藏评价与开发, 4(2): 76-80.
[34] 韩学辉, 支乐菲, 刘荣,等. 2013. 应用最小二乘支持向量机识别广利油田沙四段储层岩性[J]. 地球物理学进展, 28(4): 1886-1892, doi: 10.6038/pg20130430.
[35] 匡朝阳, 贺日政, 高锐,等. 2009. 火成岩气藏储层预测及勘探技术——以松辽盆地长岭断陷为例[J]. 地球物理学进展, 24(2): 602-608, doi: 10.3969/j.issn.1004-2903.2009.02.031.
[36] 李保华, 卢颖忠. 2006. 元素俘获谱测井在永进地区的应用[J]. 中国西部油气地质, 2(2): 219-226.
[37] 刘绪纲, 孙建孟, 郭云峰. 2005. 元素俘获谱测井在储层综合评价中的应用[J]. 测井技术, 29(3): 236-239.
[38] 刘争平, 何永富. 1995. 人工神经网络在测井解释中的应用[J]. 地球物理学报, 38(S1): 323-330.
[39] 吕复苏, 韩军, 苗红升,等. 2006. 元素俘获测井(ECS)资料在彩31井区的应用[J]. 新疆石油地质, 27(2): 236-238.
[40] 陶宏根, 程日辉, 赵小青,等. 2011. 海拉尔盆地火山碎屑岩的测井响应与应用[J]. 地球物理学报, 54(2): 534-544, doi: 10.3969/j.issn.0001-5733.2011.02.033.
[41] 田玉昆, 周辉, 袁三一. 2013. 基于马尔科夫随机场的岩性识别方法[J]. 地球物理学报, 56(4): 1360-1368, doi: 10.6038/cjg20130430.
[42] 王淑盛, 徐正光, 刘黄伟,等. 2004. 改进的K近邻方法在岩性识别中的应用[J]. 地球物理学进展, 19(2): 478-480.
[43] 徐德龙, 李涛, 黄宝华,等. 2012. 利用交会图法识别国外M油田岩性与流体类型的研究[J]. 地球物理学进展, 27(3): 1123-1132, doi: 10.6038/j.issn.1004-2903.2012.03.037.
[44] 袁祖贵, 楚泽涵. 2003. 一种新的测井方法(ECS)在王庄稠油油藏中的应用[J]. 核电子学与探测技术, 23(5): 417-423.
[45] 袁祖贵, 楚泽涵, 纪玉民. 2003. 地层元素测井(ECS)的原理及地质应用[C].// 全国第四届核仪器及其应用学术会议论文集. 北京.
[46] 袁祖贵, 成晓宁, 孙娟. 2004. 地层元素测井(ECS)—一种全面评价储层的测井新技术[J]. 原子能科学技术, 38(Suppl.): 208-213.
[47] 张尔华, 关晓巍, 张元高. 2011. 支持向量机模型在火山岩储层预测中的应用—以徐家围子断陷徐东斜坡带为例[J]. 地球物理学报, 54(2): 428-432, doi: 10.3969/j.issn.0001-5733.2011.02.020.
[48] 张峰, 刘军涛, 冀秀文,等. 2011. 地层元素测井技术最新进展及其应用[J]. 同位素, 24(Suppl.): 21-28.
[49] 张晓峰, 范晓敏. 2007. 交会图和Carbon软件在火山碎屑岩识别中的应用[J]. 吉林大学学报(地球科学版), 37(增刊): 102-104.
[50] 张学工, 李衍达, 盛硕. 1997. 几种现代信息处理技术和计算机网络在勘探地球物理中的应用[J]. 地球物理学报, 40(Suppl.): 275-287.
[51] 张小莉, 冯乔, 孙佩,等. 2010. 鄂尔多斯盆地延长组高自然伽马砂岩储层特征[J]. 地球物理学报, 53(1): 205-213, doi: 10.3969/j.issn.0001-5733.2010.01.023.
[52] 张莹, 潘保芝, 印长海,等. 2007. 成像测井图像在火山岩岩性识别中的应用[J]. 石油物探, 46(3): 288-293.
[53] 张治国, 杨毅恒, 夏立显. 2005. 自组织特征映射神经网络在测井岩性识别中的应用[J]. 地球物理学进展, 20(2): 332-336.