石油地质与工程
2011年3月PETROLEUM GEOLOGY AND ENGINEERING第25卷第2期文章编号:1673-8217(2011)02-0030-03
陈继华1,2，苏小军2
(1.中国石油大学(北京)，北京昌平102249;2.中国石化石油勘探开发研究院)
摘要：火成岩油气藏评价中，岩性识别是十分重要的部分，通过对准噶尔盆地北部石炭系火成岩地层的测井资料与岩心及地质录井资料对比分析，总结了不同岩性火成岩测井曲线特征，提取了各种岩性的测井特征参数。利用神经网络模式识别技术对火成岩岩性进行了识别，岩性判别符合率达到85%以上。 甘蔗去皮机关键词：准噶尔盆地；火成岩；岩性识别；神经网络
中图分类号:P631.842文献标识码:A
准噶尔盆地北缘石炭系地层火成岩储层发育，具有良好的储集性能,20世纪90年代以来，在该地区石炭系
地层发现储量丰富的火成岩油藏。火成岩由于成岩矿物较多，岩性复杂，对火成岩地层评价中，识别火成岩岩性是火成岩储层参数计算和火成岩描述的基础[1]。现在对火成岩识别的方法主要分2类，第一类是讨论特殊测井方法对火成岩岩性的识别[2-3]，如ECS测井、放射性测井、成像测井等特殊测井进行测井方法；第二类是利用常规测井资料组合分析方法，如测井交会图分析法[4]。由于不同的火成岩岩石在物理性质上的差异，使得利用多种测井信息划分岩性成分的方法成为可能。
1火成岩的测井响应特征
在油气勘探中，对火成岩岩性的认识主要来自于钻井取心和岩屑录井，钻井取心较为可靠，而岩屑录井资料可以供参考。测井识别火成岩岩性主要是根据测井曲线的形态特征及测井曲线值定性划分岩性，然后采用交会图技术和数理统计方法或模式识别技术划分岩性。这里包含两个主要内容：一是测井曲线特征分析，二是对火成岩岩性反映敏感的测井参数筛选。
谷氨酸发酵
对于准噶尔盆地北部石炭系地层火成岩储层，火成岩岩性类型主要有安山岩、玄武岩、流纹岩、凝灰岩4类。通过统计同一种岩性在不同井段测井响应值分布范围，通过分析，不同岩性的火成岩在自然电位、井径、微电位测井曲线上的特征上规律性弱，因此总结归纳了研究区各类火成岩岩性在GR、RT、、D N、N L测井曲线上的特征
安山岩是中酸性火成岩中分布较广泛的一种熔岩[5],SiO2介于52%~63%之间的亚碱性系列的火成岩，
主要矿物成分包括斜长石、角闪石、辉石、黑云母等。从测井曲线上看，安山岩具有低伽马(15~ 55API)、中等电阻率(10~500m)，较高中子和声波孔隙度的特征。
玄武岩属于基性岩火成岩类,SiO2含量在45% ~53%，矿物成分上以基性斜长石和辉石为主要组成，也常见橄榄石，副矿物可出现磁铁矿、磷灰石、锆石等。测井曲线特征是高电阻率(一般大于200 m)、低中子孔隙度(4%~13%)、低声波时差(50 ~65s/ft)、中低自然伽马(45~70API)特征。
流纹岩则是属于火成酸性喷出岩,SiO2含量大于69%，矿物成分以石英、碱性长石、及少量斜长石。测井特征是中等偏高自然伽马(55~85API)较高密度测井值(2.65~2.80g/cm3)、中等偏低电阻率的特征，测井曲线形态上变化幅度较小。
火山碎屑岩是各种火山碎屑堆积后经多种方式固结而成，其中可含少量的正常沉积物，是火山岩与沉积岩的过渡类型；火山凝灰岩是属于粒度介于2.0000~0.0625mm之间的火山碎屑岩，火山碎屑物含量一般大于50%，不少于1/3。在测井上特征是：高自然伽马(大部分在80~120API之间)、较高声波时差(55~90s/ft)，电阻率值相对较低。
根据表1可以看到，不同岩性在测井曲线值域分布范围上都存在一定的重叠，因而在利用单一参数来判别岩性时，判别准确率不尽如人意，由于不同
收稿日期；改回日期
作者简介陈继华，年生,3年硕士研究生毕业于石油大学(北京)，现从事测井资料处理解释技术研究工作。
AC E C::2010-08-04:2010-11-22 :1978200
陈继华等.准噶尔盆地火成岩岩性特征及神经网络识别方法
表1
研究区火成岩的测井响应特征
岩性GR/API 范围平均R T /(m)
范围平均AC/(s/ft)范围平均DEN /(g cm -3)
范围平均CN L,%范围平均安山岩15~5542.210~500194.050~7565.5 2.42~2.75 2.5948~3220.6流纹岩55~8575.110~10053.560~7568.1 2.65~2.80 2.72018~2622.1凝灰岩75~12085.95~500
229.0
55~9072.1 2.38~2.82 2.5708~2820.4玄武岩
45~70
55.2
100~100002317.0
50~65
57.3
2.44~2.75
2.640
4~13
9.8
的岩性岩石物理性质都有各自的特点，其测井参数组合也体现出了这种物理特性上的差别。因此在组合考虑多个岩石物理性质参数后，将会提高岩性判
别准确率。经过分析，优选了自然伽马、电阻率、声波、密度、中子曲线的组合来识别岩性，各类岩性测井组合特征如图1
所示。
图1归一化后不同岩性火成岩测井曲线组合特征
折叠式集装箱
2神经网络岩性识别方法
神经网络作为一种自适应的模式识别技术，并
不需要预先给出有关模式的经验知识和判别函数。它通过自身的学习机制自动形成所要求的决策区域。网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定。
基于神经网络的岩性判别过程分两步，首先，基于一定数量的训练样本集对神经网络进行训练，得到期望的岩性判别网络，其次，根据当前的测井组合参数对岩性进行判别，判别过程即为利用神经网络进行向前计算的过程。
在学习和判别之前，通常需要对判别原始数据和训练样本数据进行适当的处理，包括预处理和特征参
数提取，目的是为判别网络提供合适的判别输入和训练样本。一般来说，三层网络可以很好的解决岩性这类的问题。利用神经网络判别岩性的步骤如下。
2.1确定合理的网络结构和规模
神经网络确定时，网络各中间层的神经元个数选择是网络结构确定和网络性能的关键。在三层网络中，隐含层的神经元个数n 1和输入层神经元个数n 2之间有以下近似关系:
=+上式仅是一个近似的关系，最终隐含层的神经元个数并不是固定的，需要经过实际训练的检验来
不断调整。
神经网络输入的确定实际上是特征量的提取，对于特征量的选取，主要考虑是测井参数对不同的岩性是否有显著差异或一定的差异，如果对某一测井参数，不同岩性的该测井值基本重合交织在一起，说明这个测井参数不能识别岩性，这个测井参数就不能作为神经网络的输入。
分析研究区对于不同岩性岩石差异比较明显的测井曲线，经过筛选有GR 、RT 、CN L 、DEN 、AC，因此可以确定网络的输入层神经元个数为5个，需要判别的岩性有4种，因而输出神经元个数可以确定为4个。隐含层的神经个数并不是固定的，需要经过实际训练的检验来不断调整(如图2)。网络训练过程是一个不断修正权值和阈值的过程，使网络的输出误差达到最小,
满足实际应用要求。
图2BP 神经网络岩性识别结构
确定训练样本数据和测试数据
琉璃砖训练样本数据用于对网络进行训练，而测试数据用于检测网络的训练效果和推广能力。一般来说
31
n 12n 21
2.2
石油地质与工程2011年第2期
要求训练样本数据应该全面涵盖岩性所有的测井特
征参数组合数据，还要有一定的代表性，并保证学习
的有效性。
需要注意的是网络输入就是一个5维的向量。
这些数据具有不同的单位和量级，所以输入神经网
络之前应该首先进行归一化处理。
由于原始数据往往单位不一，取值范围不同，若
直接用原始数据计算，会突出那些绝对值大的因子,
而压低绝对值较小的因子的作用，影响处理的结果,
所以进入网络之前，无论是学习样本或预测数据，均
需要进行归一化处理:
x=
X-X m in X ma x-X mi n
防喷网
式中:x归一化后的数据,X[0,1];X原始数据;X m ax,X m in某条测井曲线的最大值、最小值。
原始测井参数组合数据输入模式为:
XX=[GR RT AC DE N CN]T
上式中GR、AC等测井参数都为归一化后测井参数。确定测井组合输入之后，岩性输入可以有以下输入来表示:
安山岩:[1000]凝灰岩:[0100]
玄武岩:[0010]流纹岩:[0001]
2.3根据训练样本数据对网络进行训练
经过测试的训练结果即为神经网络岩性判别知识库，即可利用网络进行岩性识别。
2.4应用
按以上步骤，运用神经网络模式识别方法对CA I25、D5、DX3井的火成岩岩性进行了判别，通过将判别结果与岩心分析及录井资料对比，解释结果如表2所示，从表2看出火成岩岩性判断比较准确的，符合率达到85%。从图3可以看到，神经网络岩性识别结果(第4栏)与实际岩性剖面(第5栏)基本一致，图中小毛刺通常表这个深度测井数据与岩性测井组合特征数据相关性稍低造成的。
3结论与认识
本文通过对准噶尔盆地北部地区石炭系不同岩性火成岩在常规测井曲线上的特征分析，总结该地区各类岩性火成岩的测井曲线特征，提取了测井曲线组合特征参数，通过建立合适的神经网络模型，利用神经网络模式识别技术对火成岩岩性进行了识别，判别准确率较高。
表2神经网络岩性判别与岩心及录井分析结果
井号井段
岩心
分析
判别
结果
符合
程度CAI253028.5~3039.2凝灰岩凝灰岩
CAI253041.7~3059.8安山岩安山岩
CAI253233.2~3237.9玄武岩安山岩
CAI253246.9~3256.3玄武岩玄武岩
CAI253257.4~3270.3安山岩安山岩
CAI253270.8~3280.1玄武岩玄武岩
D51312.1~1340.4凝灰岩凝灰岩
D51341.4~1353.2安山岩凝灰岩
D51354.4~1363.9安山岩安山岩
D51365.2~1393.7凝灰岩凝灰岩
D51396.6~1409.2安山岩安山岩
DX34260.1~4273.5流纹岩流纹岩
DX34201.5~4219.5流纹岩
流纹岩
图3岩性识别结果与实际岩性对比图(C井)
参考文献
[1]陈钢花，范宜仁，代诗华.火山岩储层测井评价技术
[J].中国海上油气(地质),2000,(6):422-428.
[2]王拥军，冉启全，童敏，等.ECS测井在火山岩岩性识别
中的应用[J].国外测井技术,2006,21(1):13-16. [3]张莹，潘保芝，印长海，等.成像测井图像在火山岩岩性
识别中的应用[J].石油物探,2007,46(3):288-293.
数据采集板
[4]赵建，高福红.测井资料交会图法在火山岩岩性识别中
的应用[J].世界地质,2003,22(2):136-140.
[5]路凤香，桑隆康，等.岩石学[M].北京：地质出版社,
556
编辑彭刚
32
2001:-0.
:
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议