趙元良,樊兆亞,葛盛權(quán),陳輯超

(1.中國石油塔里木油田分公司,新疆庫爾勒841000;2.斯倫貝謝公司,北京100020)

0 引 言

庫車山前區(qū)域白堊系巴什基奇克組模塊化電纜地層測試器(MDT)作業(yè)取樣成功率不足5%,既有低孔隙度特低滲透率儲層致密性原因,也有MDT作業(yè)前儀器模塊優(yōu)化不當(dāng)?shù)脑?。為了提高M(jìn)DT在復(fù)雜環(huán)境下的取樣成功率,需要從3個(gè)方面入手:①測前可行性分析,通過測前流度的定量預(yù)判,來分析作業(yè)的可行性;②基于流度預(yù)測模塊優(yōu)化組合,MDT應(yīng)用模塊多,不同的組合方式具有不同的適應(yīng)條件及工作效率;③擬泵抽體積預(yù)判提高作業(yè)效率。

MDT所測流度受儲層各向異性及工具面朝向影響,即使在同一深度,所測流度也可能有較大差異[1]。巖石物理測井受流體性質(zhì),鉆井液、井筒環(huán)境及儀器自身刻度的影響,即使在相同巖石物理屬性下,所測得結(jié)果也可能不同[2]。

傳統(tǒng)儲層滲透性評價(jià)方法是基于孔滲關(guān)系,不同的孔滲關(guān)系會產(chǎn)生不同的解釋結(jié)果,且最終的結(jié)果校正要依賴于巖心實(shí)驗(yàn)結(jié)果。同時(shí),滲透性的解釋也有賴于測井解釋方面的專業(yè)經(jīng)驗(yàn)。

通過大數(shù)據(jù)分析的方法,旨在剝離異常樣本點(diǎn),尋求流度與測井結(jié)果間的本質(zhì)相關(guān)性。通過大數(shù)據(jù)分析流程,直接建立流度與常規(guī)測井結(jié)果之間的相關(guān)性,可以及時(shí)有效預(yù)測流度,指導(dǎo)優(yōu)化MDT作業(yè)。

1 基于大數(shù)據(jù)分析的流度預(yù)測

1.1 大數(shù)據(jù)流度預(yù)測

通過對所有MDT測壓點(diǎn)樣本進(jìn)行致密與否的監(jiān)督學(xué)習(xí),形成決策樹致密預(yù)測模型,可以在作業(yè)前對設(shè)計(jì)測試點(diǎn)進(jìn)行致密性判斷,分析作業(yè)成功率。對有效點(diǎn)的流度值和巖石物理測井結(jié)果進(jìn)行單變量相關(guān)性分析,優(yōu)選參數(shù)進(jìn)行多元回歸分析,同時(shí)采用神經(jīng)網(wǎng)絡(luò)的方法,形成流度預(yù)測模型(見圖1)。

1.2 決策樹致密性預(yù)測模型(DTA)

決策樹是一種決策支持工具,它使用類似于樹的決策模型及其可能的結(jié)果,包括機(jī)會事件結(jié)果、資源成本和效用。決策樹通常用于運(yùn)籌學(xué)研究,特別是決策分析,以便幫助確定最有可能實(shí)現(xiàn)目標(biāo)的策略[3]。

圖1 流度預(yù)測大數(shù)據(jù)分析流程圖

把目標(biāo)標(biāo)量分為有效點(diǎn)與致密點(diǎn),把自變量定義為巖石物理測井結(jié)果(見圖2)。模型首先根據(jù)各變量卡方值的大小,選擇補(bǔ)償中子孔隙度作為第1級子節(jié)點(diǎn)進(jìn)行分類,每1個(gè)葉節(jié)點(diǎn)就是1個(gè)分類結(jié)果。在補(bǔ)償中子小于7.297%時(shí),進(jìn)一步選擇體積密度進(jìn)行分類,依次類推,最終形成了優(yōu)化后的決策樹分類訓(xùn)練模型。

1.3 單元回歸分析(ULR)

為表述簡單,進(jìn)行如下定義:f(xi)為以流度為因變量,巖石物理測井結(jié)果為自變量的函數(shù)關(guān)系,mD/cP(1)非法定計(jì)量單位,1 cP=0.001 Pa·s;1 mD=9.87×10-4 μm2;1 ft=12 in=0.304 8 m,下同;x1為補(bǔ)償中子孔隙度,%;x2為聲波時(shí)差,μs/ft;x3為體積密度,g/cm3;x4為自然伽馬,gAPI;x5為電阻率,Ω·m。

圖2 不同測井結(jié)果與流度之間的關(guān)系圖

流度與補(bǔ)償中子孔隙度,聲波時(shí)差和體積密度具有明顯的相關(guān)性,回歸公式見式(1)、式(2)和式(3)。流度與淺電阻具有一定程度相關(guān),但不夠明顯。流度與自然伽馬之間沒有相關(guān)性。流度與深淺電阻比與沒有明顯相關(guān)性(見圖2)。

f(x1)=0.0014e0.5489x1,R2=0.6732

(1)

f(x2)=1E-10e0.334x2,R2=0.5864

(2)

f(x3)=8E+10e-30.25x3,R2=0.7694

(3)

1.4 多元回歸分析(MLR)

從單一流度因變量與測井自變量的相關(guān)關(guān)系可以看出,流度在對數(shù)坐標(biāo)下與測井三孔隙結(jié)果呈現(xiàn)線性相關(guān),因此可以進(jìn)行多元線性相關(guān)性回歸分析。通過建立流度與測井三孔隙綜合相關(guān)式,建立起了簡潔的流度表征式,或可以稱之為建立在靜態(tài)測井結(jié)果上的動態(tài)滲透率響應(yīng)數(shù)。多元回歸分析,可以一定程度消除但某一測井結(jié)果異常導(dǎo)致的誤差。

多元回歸分析結(jié)果

f(x1,x2)=0.000537e0.45x1+0.027x2,R2=0.63

(4)

f(x2,x3)=105.64e0.16x2-6.616x3,R2=0.58

(5)

f(x1,x3)=11.94e0.42x1-3.1x3,R2=0.66

(6)

f(x1,x2,x3)=e0.43x+0.0048x2-2.298x3,R2=0.67

(7)

實(shí)測流度與多元回歸分析預(yù)測流度對比見圖3。

圖3 多元回歸分析結(jié)果,實(shí)測流度與預(yù)測流度對比圖

1.5 神經(jīng)網(wǎng)絡(luò)分析(NNA)

之所以可以使用多元回歸分析,是因?yàn)樵趯?shù)坐標(biāo)下目標(biāo)的因變量流度與獨(dú)立的中子補(bǔ)償孔隙度、聲波時(shí)差和體密度變量呈線性相關(guān)。然而,自然伽馬和電阻率與流度間并沒有很強(qiáng)的線性關(guān)系,但這是否意味著它們與流度沒有任何關(guān)系?在此,筆者討論了與目標(biāo)變量線性關(guān)系不強(qiáng)的自變量是否會在某些不可見維度上影響神經(jīng)網(wǎng)絡(luò)的結(jié)果。

人工神經(jīng)網(wǎng)絡(luò)(NN)或連接系統(tǒng)是構(gòu)成動物大腦的生物神經(jīng)網(wǎng)絡(luò)模糊啟發(fā)的計(jì)算系統(tǒng)。神經(jīng)網(wǎng)絡(luò)本身不是一種算法,而是許多不同機(jī)器學(xué)習(xí)算法共同工作和處理復(fù)雜數(shù)據(jù)輸入的框架。通過這種思路,可以評價(jià)某些非線性關(guān)系[4]。

從圖4(a)可見,NNA并不能很好通過預(yù)測自然伽馬和淺層電阻率預(yù)測流度。與MLR結(jié)果相似,NNA通過中子孔隙度、聲波時(shí)差和體積密度很好地預(yù)測了流度[見圖4(b)]。圖4(c)至圖4(e)為輸入不同變量的NNA。圖4(f)是MLR與NNA的比較,表明在該數(shù)據(jù)集下,MLR的預(yù)測結(jié)果優(yōu)于NNA的預(yù)測結(jié)果。

圖4 神經(jīng)網(wǎng)絡(luò)分析結(jié)果

自然伽馬與淺層電阻率的參與并沒有改善實(shí)際流度與預(yù)測流度之間的相關(guān)性。

2 應(yīng)用實(shí)例

近期完鉆的ZQX井、BZX井與KS××井是塔里木庫車山前區(qū)域的重點(diǎn)風(fēng)險(xiǎn)探井,儲層埋深6 085～7 832 m,MDT作業(yè)前,根據(jù)設(shè)計(jì)點(diǎn)位的巖石物理測井結(jié)果,通過決策樹預(yù)判,3口井致密點(diǎn)占比分別達(dá)到41%、85%和81%。對于BZX井和KS××井,雖然致密點(diǎn)占比超過了80%,但是也有20%概率獲得有效流度點(diǎn),MDT作業(yè)具備可行性。通過流度預(yù)判,優(yōu)化了各井作業(yè)用MDT模塊。

表1為ZQX井、BZX井與KSX井這3口井實(shí)測與預(yù)測流度對比結(jié)果。雖然不同的預(yù)測公式與方法之間預(yù)測結(jié)果有差異,但是整體流度預(yù)測率符合度很高,達(dá)到了流度預(yù)測的目的。這3口井MDT作業(yè)取樣成功率100%,較之前的50%有顯著提升。

表1 ZQX,BZX與KSX井實(shí)測流度與預(yù)測流度對比表

3 結(jié) 論

(1)首次提出了建立流度與測井結(jié)果的直接關(guān)系式,從而跳過了依賴孔隙度滲透率關(guān)系、巖心實(shí)驗(yàn)結(jié)果及解釋經(jīng)驗(yàn)的滲透率解釋評價(jià)流程。

(2)流度預(yù)測是進(jìn)行MDT儀器串作業(yè)優(yōu)化的基礎(chǔ),準(zhǔn)確的流度預(yù)測不僅可以節(jié)約MDT作業(yè)時(shí)間,也可以提高M(jìn)DT取樣成功率。

(3)采用決策樹、神經(jīng)網(wǎng)絡(luò)及多元回歸分析等大數(shù)據(jù)分析方法,建立了適用于庫車山前區(qū)域的流度預(yù)測流程,簡便易操作,具有很高的時(shí)效性。大數(shù)據(jù)分析處理過程有助于剝離異常點(diǎn)、異常測井響應(yīng),通過大數(shù)據(jù)樣本形成規(guī)律性的相關(guān)關(guān)系式。

(4)在最新完鉆的幾口井的驗(yàn)證中,確認(rèn)了該流度預(yù)測方法及公式的有效性。研究區(qū)域流度與巖石物理測井間的相關(guān)性分析,提供了MDT作業(yè)可行性依據(jù),為提前優(yōu)化儀器結(jié)構(gòu)提供了可能。

(5)儲層流度預(yù)測方法及流程不僅可以應(yīng)用于庫車山前區(qū)域,還可以推廣到其他的高難度MDT作業(yè)區(qū)域。