岩石物理相的研究及应用.ppt

1、岩石物理相研究及应用,西南石油大学国家重点实验室 2006年8月17日,主讲: 刘红歧,主要内容,1、岩石物理相的概念 2、研究进展 3、岩石物理相研究内容 4、岩石物理相的表征方法 5、岩石物理相的划分 6、用模糊聚类方法划分岩石物理相 7、MRIL测井的应用 8、小结,1、岩石物理相的概念（Petrophysical Facies),1.1概念的提出,上世纪70年代由Schlumberger国际服务公司率先提出以测井精细解释为主导技术的油藏描述技术（Resevoir Description Technology)。这一技术首次将地质、测井、地震、生产测试等油田技术紧密地结合起来，以油藏地质

2、体为研究对象，综合运用以上技术，对油藏的几何形态、储层的地质特征、流体的性质以及油藏的空间展布进行多学科综合研究，最终给出油藏的三维可视化模型。,1、基本概念,1、岩石物理相的概念（Petrophysical Facies),1.1概念的提出,油藏描述概念的提出和油藏描述技术应用不仅提高了油田勘探和开发的水平，提高了油田的经济效益，也同时为油田工程师和油田科研人员提供了系统化的研究思路；此外随着油藏描述技术的应用与不断发展，也极大地加速了相关学科的发展和应用，也催生了新的概念和学科。 图1给出了油藏描述技术流程图,1、基本概念,引自熊绮华等现代油藏描述技术及其应用石油学报（1994）增刊,岩石

3、物理相,从这个流程图中可以看出，岩石物理相是岩相、储集相以及成岩模型的综合反映，是油藏描述中不可缺少的一个环节。,1、基本概念,1、岩石物理相的概念（Petrophysical Facies),1.2岩石物理相,通过油藏描述技术的研究发现，储层属性的好坏往往不决定于单一的因素，并且也不是一成不变的，而是各种地质条件，包括沉积作用、成岩作用、后期构造改造作用等因素综合作用的结果，同时还将随着油田开发程度的提高而不断地变化。而储层属性的变化最直接的反映在岩石物性的变化，可以说岩石物性是宏观储层属性的基本单元。,1、基本概念,1、岩石物理相的概念（Petrophysical Facies),1.2岩

4、石物理相,正是认识到了这一点，石油大学熊绮华教授提出了“岩石物理相”的概念。熊教授认为： 岩石物理相是多种地质作用形成的成因单元，它是沉积微相、成岩储集相、后期构造改造等作用的综合效应，它最终表征为现今的孔隙几何学特征孔隙模型。,1、基本概念,2、国内外研究现状,1992年，美国学者D.R.Spain等人在对Texas沃克县樱桃组的砂岩相和粉砂岩相的研究中提出在单井剖面上划分岩石物理岩类，并将其中的砂岩相和粉砂岩相分为三种岩石物理岩类，进行储集评价； 1990年，石油天然气总公司的徐建山将岩相（Lithofacies)称之为岩石物理相，并指出由单纯的沉积环境分析向沉积相与岩石物理相结合的分析将

5、是（未来在储层研究中）值得注意的发展趋势。,2、国内外研究现状,1994年，石油大学熊绮华教授等将岩石物理相定义为：岩石物理相是沉积作用、成岩作用和后期构造作用的综合效应，它最终表现为现今的孔隙几何学特征孔隙模型。 熊教授同时详细阐明了岩石物理相研究中的两大要素、表征参数和相应的研究思路和研究方法。 姚光庆等（1995)、吕晓光等（1997)、戴厚柱（1998)、郭燕华等（2000)、程会明等（2002) 、代金友等（2003) 等也都相继开展了这方面的研究。,3、岩石物理相的表征方法,岩石物理相的表征参数（包括4种类型的参数）： 1、岩石骨架参数：矿物成份，颗粒大小与分布，分选，磨圆度，胶结

6、等结构特征参数 2、孔隙网络特征：孔隙类型，孔喉大小、孔喉配位数、迂曲度以及毛管压力曲线特征等表征孔喉网络的参数 3、孔隙内黏土矿物敏感性特征：黏土矿物成份，产状，组合类型、含量以及流体通过时引起的储层孔隙结构变化的敏感性 4、孔隙表面特征：粗糙度、润湿性等,4、岩石物理相的研究内容,主要涉及以下内容： 沉积相和沉积微相的研究 成岩储集相的研究 微观孔隙结构 孔隙表面特征：粗糙度、润湿性等 岩石骨架参数：矿物成份，颗粒大小与分布，分选，磨圆度，胶结等结构特征参数,4、岩石物理相的研究内容,孔隙网络特征：孔隙类型，孔喉大小、孔喉配位数、迂曲度以及毛管压力曲线特征等表征孔喉网络的参数 孔隙内黏土矿

7、物敏感性特征：黏土矿物成份，产状，组合类型、含量以及流体通过时引起的储层孔隙结构变化的敏感性 岩石物理相的分类 岩石物理相的平面展布,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究 沉积相和沉积微相的研究是地质研究的基础，沉积微相研究的方法也由原先的定性向半定量，定量化，自动化的方向发展。要实现沉积微相定量自动化的划分就必须借助于测井资料。,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究 实际上，早在1979 年，O Serra 就提出了电相(electro-face) 的概念，从而在测井和地质这个学科间架起了一座相互沟通的桥梁，使得利用测井资料研究沉积相和沉积微相成为可能

8、。随着计算机技术的迅速发展，沉积微相的研究逐渐定量化。利用测井资料划分沉积微相属于人工智能的范畴，从大的分类来看，可以分为2 种:一种是无监督信号的模式识别方法，如马世忠等人，提出的定量自动识别测井微相的数学方法； 另一种是有监督信号的模式识别方法，如冉启全等人，提出的利用神经网络模式识别测井微相的方法。大量的油田资料表明，最能反映沉积微相特征的常规测井资料是自然电位(SP) 、自然伽马( GR) 和微电阻率曲线。,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究 定量自动化划分沉积微相可参考的最新的文献主要有： 冉启全，李仕伦，李元元. 用神经网络模式识别沉积微相. 石油勘探与开发，

9、1995 ，22 (2) 文政，雍世和，王中文. 应用测井资料定量识别沉积微相.沉积学报 1996；14(1) 马世忠，黄孝特，张太斌.定量自动识别测井微相的数学方法.石油地球物理勘探，2001；35(5) 刘红歧，彭仕宓，夏宏泉等 测井曲线元数学特性及沉积微相定量识别 中国海上油气，2004；16(6),4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究沉积微相的自动判别,常见的测井曲线形态通常分为钟形、箱形、漏斗形、指形，齿化及复合形。可以通过一些参数描述各分层内曲线（主要是岩性曲线）的形态特征，再根据其沉积相和沉积亚相类型判断微相，这些参数主要是：岩性 、曲线的比幅度、曲线的方差、

10、曲线的斜率等参数,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究测井曲线形态特征分析,1. 岩性 岩性是划分沉积微相的主要依据，因此首先要初步地估算岩性类型。通常根据GR或SP曲线，按照常规的计算泥质含量的方法，确定岩性，当然这样确定的岩性并不是很准确，只是起到指示沉积微相的作用。,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究测井曲线形态特征分析,2. 曲线的比幅度 是指曲线的幅度与其厚度的比，显然指形曲线的比幅度应该较大，其它形态相对较小。此外比幅度也在一定程度上反映岩性的变化。实际计算时，分别寻找层内最大和最小值，以是GR曲线为例，最小值与厚度的比定义为左比幅度，最大

11、值与厚度的比定义为右比幅度。显然左比幅度越大，粒度越粗；相反，粒度变细。,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究测井曲线形态特征分析,3. 曲线的方差 曲线的实际上反映了粒度的分选性。如果粒度分选好，物性变化不大，测井曲线则近似为直线，测井数据的均值主要集中在曲线元的中部，只有顶底数据与均值偏差大一些，因此方差较小。这种情形对应了箱形曲线元。如果粒度分选性差，说明物性变化较大，反映到测井曲线上，则有一定的起伏，曲线元可能为漏斗形、钟形或者指形，其测井数据相对分散，有相当一部分数据点远离均值，必然导致方差较大。实际的计算表明，大段的泥岩层，其方差是各种沉积环境中最小的，对应于河

12、道间、支流间湾或三角洲泥的沉积。,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究测井曲线形态特征分析,4. 曲线的斜率 曲线的斜率识别曲线形态最重要的参数，表1给出了钟形、漏斗形、箱形和指形的斜率特征。斜率分为上斜率，上斜率是从本段内起始点到中点，这段曲线内，连续递减或递增变化最大的一段曲线的斜率。这一变化反映了曲线整体的变化趋势，斜率并不是局限于两个点之间的变化，而是反映指示曲线的总体变化规律。同理，下斜率则从中点到最后一个点开始计算。,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究沉积微相的自动判别,表1是以GR曲线为例，对于几种常见的曲线形态，计算以上参数。对于钟形，

13、上段曲线变化平缓，下部变化剧烈。漏斗形则恰恰相反，箱形和指形曲线两个斜率近似相等。表1中曲线的共同特征是上斜率都是负值，下斜率都是正值。如果曲线为GR曲线，斜率负值表示岩性变粗，正韵律，如果曲线为电阻率曲线则相反。,4、岩石物理相的研究内容,4.1 沉积相和沉积微相的研究自动化分沉积微相,5. 自动划分沉积单元和沉积微相的步骤 根据以上的研究，自动划分沉积微相的步骤是： 选择分层的曲线，一般选择GR、SP或微电极曲线； 给定分层的一些初始参数； 自动分层； 分层深度调整；（如果有小层分层数据则以上几步省略） 曲线形态特征刻画； 估算岩性； 划分沉积微相。,4、岩石物理相的研究内容,4.1 沉积

14、相和沉积微相的研究自动化分沉积微相实例,6. 自动划分沉积微相的实例 苏里格气田主要产气层段位于二叠系的石盒子组和山西组。其中山西组和石盒子。其沉积特征如下： 山西组是一套以分流河道为主的砂泥岩沉积，夹煤层。岩性为细砂岩、中砂岩，泥质常含不规则条带及保存完好的化石，厚度在40m左右。 下石盒子组主要为一套河流三角洲相沉积，岩性为浅灰色含砾粗砂岩、灰灰白色中粗砂岩及灰绿色长石砂岩。厚度为140160m左右。,4、岩石物理相的研究内容,4.2 成岩储集相研究,成岩储集相是指影响储层性质的某种或几种成岩作用和其特有的储集空间（缝、孔、洞）的组合。成岩储集相的研究包括对成岩作用、成岩阶段划分、成岩序列

15、以及成岩模式的研究，最后再根据成岩参数，如视胶结率（pc)，微孔隙率（mp)，成岩系数以及孔隙度（）和渗透率( k)等参数对成岩储集相进行划分。主要是以下三项内容：,成岩作用类型 成岩作用阶段划分 储集空间类型及演化,成岩作用类型,成岩作用类型,压实作用（中等压实为主，次为强压实）,胶结作用（中等胶结为主，次为弱胶结）,溶解作用（形成粒间溶孔、粒内溶孔、铸模孔）,使储层物性变差,碳酸盐胶结、硅质胶结、自生粘土矿物胶结、其它自生矿物胶结,长石溶解、方解石胶结物溶解、岩屑溶解、粘土杂基溶解,使储层物性变好,成岩作用阶段划分,4、岩石物理相的研究内容,储集空间类型及演化,粒间溶孔、粒间孔、粒内溶孔、

16、铸模孔等,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构,前面已经说明岩石物理相是沉积作用、成岩作用以及成岩后期构造作用的综合反映，因此现今的孔隙结构的几何特征就是以上要素综合效应的具体体现。 应该根据岩心和露头的观察结果，划分储层的孔隙类型，吼道类型及其组合类型。一般根据毛管压力曲线可以计算出16项孔隙结构参数。主要是以下几种： 4.3.1 反映孔喉大小的参数 排驱压力、中值压力、最大进汞饱和度、最大连通孔喉半径、平均孔喉半径 4.3.2 放映吼道分选的参数 粒度分选系数、相对分选系数、歪度、孔喉配位数,4、岩石物理相的研究内容,4.3 岩石物理相的微观

17、孔隙结构,成岩储集相是指影响储层性质的某种或几种成岩作用和其特有的储集空间（缝、孔、洞）的组合。成岩储集相的研究包括对成岩作用、成岩阶段划分、成岩序列以及成岩模式的研究，最后再根据成岩参数，如视胶结率（pc)，微孔隙率（mp)，成岩系数以及孔隙度（）和渗透率( k)等参数对成岩储集相进行划分,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,苏里格气田苏6区块砂岩储层主要为水下分流河道微相、河口坝微相和远砂坝微相。储层的沉积环境决定了其孔、渗性能的好坏，所以利用沉积相对储层孔隙结构参数进行定量表征进行约束，则更能够反映储层孔隙结构的真实空间

18、展布规律。 把渗透率与毛管压力曲线特征参数分别进行非线性单相关分析，结果表明孔喉大小和喉道分选程度是影响苏里格气田储层孔渗性的主要因素，包括排驱压力(Pd)、最大孔喉半径(Rd)，平均孔喉半径(Rm)，孔喉半径均值(Dm)和分选系数(Sp)等参数，分析结果见表2。,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,4、岩石物理相的研究内

19、容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,4、岩石物理相的研究内容,4.3 岩石物理相的微观孔隙结构 基于相控建模的微观孔隙结构参数测井解释模型,利用GridStat三维建模软件，对上述微观参数的空间分布特征进行了研究。首先根据相控模型计算了工区内

20、所有井的微观参数值，构成基本的三维数据体，采用Kriging方法进行井间参数预测，然后绘制了各参数的三维模型和各个方向的剖面图,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,图6-15 苏里格气田孔隙类型分布图,4、岩石物理相的研究内容,根据储层砂岩的压汞法测定的微观孔喉参数特征及压汞典线特征，将工区储层微观孔隙结构分为4类。,4、岩石物理相的研究内容,岩石物理相表征的参数 主要参数包括： 1 泥质含量( V sh ) ， 粒度中值( Md) 泥质含量和粒度中值主要反映储层的岩石相特征

21、 2 孔隙度() ， 渗透率( k) 孔隙度、渗透率反映储层的物性特征 3 FZI (流动带指标) 值 反映储层的微观孔隙结构特征。FZI 的确定方法及地质意义如下：（根据Kozeny Carman 关系式 ）,4、岩石物理相的研究内容,式中k ：渗透率，m2 ； ：有效孔隙度； Fs：形状因子； t ：弯曲度； ：单位颗粒的比表面。 令,Gc 为一表征孔隙结构的参数,4、岩石物理相的研究内容,研究结果表明，束缚水饱和度Swi 、比表面Sgv与FZI 关系密切， FZI (m) 是把结构和矿物地质特征结合起来判定不同孔隙几何特征的一个参数。,将上面的算式整理就可以得到如下的FZI与渗透率和有效

22、孔隙度的关系式：,4、岩石物理相的研究内容,岩石物理相表征的参数 泥质含量、粒度中值、孔隙度、渗透率等宏观参数的测井解释相控测井解释模型 对岩心分析的孔隙度和渗透率资料统计表明，发现工区孔渗参数分区分带性很强，物性分布是受沉积相控制的，因此，可对于孔渗参数，在完成测井资料标准化、岩心测井资料归位的基础上，将岩芯分析孔隙度与补偿中子，岩性密度，声波时差三条曲线分别按照综合和分沉积微相的思路建立孔隙度解释模型。,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩石物理相的研究内容,4、岩

23、石物理相的研究内容,5.1 岩石物理相的命名采用沉积微相、成岩储集相及孔喉大小综合命名法 5.2 岩石物理相的分类多采用模糊数学和聚类分析的方法,5、岩石物理相的划分,设有m 个评价参数， aij为j 个单元的第i 个评价因素的指标特征量。表征岩石物理相的参数可以分为越大越好型和越小越好型两类，对于k， FZI ， Md 等越大越好型参数应用以下相对隶属度公式来描述,5、岩石物理相的划分,式中rij j 个单元的第i 个评价因素的指标隶属度； max aij 为第i 个指标特征量的最大值。 对于Vsh等越小越好型参数可先取其倒数，然后再用下 面的式子计算其对于优的隶属度。即 式中aij为aij

24、的倒数。各项指标的权重向量为： W = ( W1 ， W2 ， ， Wm) T (9) Wi 为第i 项指标(参数) 的权重， i = 1 ，2 ， ， m 。,5、岩石物理相的划分,上式即为求得的模糊优化综合指标，以此可以进行储层岩石物理相的划分。 5.3 应用实例 苏里格气田为扇三角洲产物。储层孔隙度10%23 %； 渗透率最低0.015 10 - 3m2，最高达几千毫达西 研究结果表明，相同的岩性相对应于较大范围的物性参数值，存在不同的岩石物理相。 以后钻的16口取心检查井资料进行研究，对岩心进行归位处理后，统计530 多个自然层或层内相对均质段的,5、岩石物理相的划分,各项参数平均值，

25、并对照岩心分析其主要岩石类型，计算各自然层或层内相对均质段的FZI 值。在此基础上，采用模糊优化理论进行储层岩石物理相的综合划分。考虑不同参数贡献大小不同，对标准化处理后的k，FZI，Md，Vsh，分别赋予权值0.3，0.3，0.1，0. 1 和0. 2 。在微机上编程计算，计算结果结合储层岩石相分析划分为5 类岩石物理相。,5、岩石物理相的划分,储层岩石物理相是沉积作用，成岩作用和后期构造改造等作用的综合反映。储层岩石物理相研究是储层精细表征的必然结果和要求。孔隙度() ， 渗透率( k) ， 泥质含量( V sh ) ， 粒度中值( Md) 及FZI (流动带指标) 值等都是描述岩石物理相

26、的重要参数，例如FZI值是把结构和矿物地质特征结合起来判定不同孔隙几何相的一个参数。根据FZI 及其它岩性物性参数，采用最优化综合评判的方法可以定量划分岩石物理相。,5、岩石物理相的划分,岩石物理相是指具有一定岩石物理特性的储层成因单元，是沉积作用、成岩作用和后期构造作用的综合效应，它最终表现为现今的储层孔隙网络特征。,6. 用模糊聚类方法划分岩石物理相,2. 岩石物理相两个原理和研究方法 岩石物理相的研究以叠加和延展原理为基础。 延展原理： 岩石物理相首先是储层沉积微相、成岩储集相和裂缝相从点(井点或控制点) 到面(单砂层、砂层组) 上的延拓，即延展到平面上的三种相带,6. 用模糊聚类方法划

27、分岩石物理相,2. 岩石物理相两个原理和研究方法 叠加原理： 平面上三种相带的有机叠合形成了现今的孔隙网络特征 。 岩石物理相的划分方法： 主要有叠加法，加权平均法，对应分析法，主因素法，模糊判别，神经网络，聚类分析等方法。,6. 用模糊聚类方法划分岩石物理相,岩石物理相作为一种新的储集层质量评价技术。具体研究流程可概括为： （1）在储集层精细划分对比基础上，利用研究区实验室分析化验资料、多井评价成果和沉积相、成岩储集相、裂缝研究成果，研究岩石微相、成岩储集相、裂缝平面划分与展布。,6. 用模糊聚类方法划分岩石物理相,（2）将岩石微相、成岩储集相、裂缝有机叠加划分出岩心储集层岩石物理相类型。

28、（3）充分利用测井信息、地震信息，分别表征出地震、测井储集层岩石物理相。,6. 用模糊聚类方法划分岩石物理相,（4）以岩心储集层岩石物理相刻度测井岩石物理相，以测井岩石物理相刻度地震岩石物理相，最终确定油田规模、油组规模、小层规模、单砂体规模储集层岩石物理相。 （5）对不同规模储集层进行质量评价，以指导油田勘探与开发。,6. 用模糊聚类方法划分岩石物理相,叠加法 指将沉积微相、成岩相、裂缝平面图进行叠加，以其交集作为岩石物理相分类依据。这种方法思路清晰，但在实际操作中工作量大，容易受人为因素的影响。 加权平均法 是指选择沉积微相、成岩相、裂缝的各井点、各层位的归一化数值及权系数值，根据选定的综

29、合评判函数: 来计算Pf值。,6. 用模糊聚类方法划分岩石物理相,其中： Pf 为岩石物理相系数 xi 为表征岩石物理相特性的参数 ai 为加权系数 n 为参数个数。 这种方法操作简单，但对各种因素所占的权系数值很难确定，因此存在人为误差。,6. 用模糊聚类方法划分岩石物理相,对应分析法 指将通过因子分析方法，将变量和样品反应到同一因子平面上，以揭示样品和变量间的关系，可以从因子载荷图上对样品进行直观的分类。这种方法虽然能把地质解释样品特征变量的重要程度反映出来，并对样品进行分类，但实际应用中，它一般分多步进行，操作复杂，容易产生误差传导。,6. 用模糊聚类方法划分岩石物理相,主因素法 指由一

30、系列反映储层岩石物理特征的参数，包括沉积、物性、孔喉大小、孔喉的均质和连通状况、成岩作用程度等来划分岩石物理相。首先利用因子分析把数量较多的因子归结为几个综合因子，然后用主成分判别分析方法对多种影响因素进行综合评价，最终得到一个综合评判系数，据此进行岩石物理相分类。此方法实现过程工作量大，操作烦杂。另外，如加入物性等因素则与储层岩石物理相强调从储层成因出发来表征储层成因机理的含义不符。,6. 用模糊聚类方法划分岩石物理相,此外，聚类分析，模糊聚类，神经网络等方法都属于模式判别的范畴，他们都是先要有一定的标准样本，经过学习，然后采用一定的分类标准，对未知样板进行判别。关于神经网络要做单独介绍，这

31、里先不讲。下面通过一个实例，讲述模糊聚类分析的研究方法。,6. 用模糊聚类方法划分岩石物理相,以枣南油田为例，讲述模糊聚类划分岩石物理相的方法。这一方法能较好地反映储层储集性能的成因特征。 油田概况 枣南油田位于河北省沧县境内，是一个典型的陆相湖泊冲积扇沉积形成的复式断块油藏。它处于黄骅凹陷孔店构造带中部孔西主断层的南侧，风化店构造的南翼。,6. 用模糊聚类方法划分岩石物理相,油田概况 枣南断块新生界孔店组孔一段油组油藏是油田的主力油藏，沉积环境为冲积扇扇中亚相。该油组砂泥互层，储层以细砂岩为主，平均孔隙度为22. 5 % ，渗透率为168 10- 3m2 。油组共分13 小层，小层平均厚度为

32、20 m。,6. 用模糊聚类方法划分岩石物理相,模糊聚类划分岩石物理相方法 直接从储层岩石物理相的概念出发或利用因子分析划分岩石物理相都存在一些缺点。采用模糊聚类方法进行岩石物理相划分时，把样品看作是欧氏空间的点，用样品隶属度进行分类。这种方法避免了多步法的复杂，防止了误差的传递。在参数一定的情况下，不存在人为因素的影响，类间特征明显。,6. 用模糊聚类方法划分岩石物理相,设对于m 维总体U 的一个样本A ，样本长度为 n (已知) ，由于样品m 个特征(已知) 的物理量量纲 不同，所以先对其进行规格化。公式如下:,6. 用模糊聚类方法划分岩石物理相,聚阵R 经规格化后变换为元素在 0 ，1

33、区间的 模糊特征聚阵: m为特征值的个数，n为样本数,6. 用模糊聚类方法划分岩石物理相,将容量为n 的样本A 分为c 类，样品的每一类都有一个中心位置，称为聚类中心，描述该聚类中心的矩阵表示为：,式中， Sih 表示第h 类聚类中心特征i 的聚类中心值，由聚类过程中按照给定类别数多次迭代确定。,6. 用模糊聚类方法划分岩石物理相,样品隶属度矩阵为：,把表征样品特征的权值记为wi ，满足,6. 用模糊聚类方法划分岩石物理相,隶属度： 是模糊数学中基本概念，他是指一个模糊量隶属于一个（模糊）集合的程度。例如模糊量c，他的定义空间是0，1，c=0.2，那么他的隶属度是0.2/(1-0)0.2。 隶

34、属函数： 是模糊集合论中最基本的概念之一，也是模糊集合理论应用于实际问题的基础和桥梁，一个模糊对象，只有给出符合实际的隶属度函数，才能应用模糊数学得方法进行分析计算。,6. 用模糊聚类方法划分岩石物理相,在聚类中心确定后， 可用样品j 距中心模式h的隶属度矩阵来判断样品的类别。表示如下:,聚类过程是采用区域搜索的迭代过程实现的， 即确定聚类中心和隶属度矩阵。,6. 用模糊聚类方法划分岩石物理相,聚类参数的选择 用反映沉积作用和成岩作用的参数来表征样品 的沉积微相和成岩相的叠加特征，对于孔一段油 组，设n = 220 ， m = 6 ， c = 5 。该聚类基于小层内砂 岩平均参数。反映沉积作用

35、的参数包括: 声波时差 t 、砂岩厚度h 、小层中砂岩比例Sb、砂岩中泥质含量Vsh 。反映成岩作用程度的参数有视压实率和 视胶结率。,6. 用模糊聚类方法划分岩石物理相,聚类类型特征 选取上述参数对孔一段油组进行聚类，结果见表1,6. 用模糊聚类方法划分岩石物理相,从表中可以看出: (1) 随着岩石物理相由差变好，和均由高变低，说明使储层储集物性变差的压实、胶结作用减弱，而使储层储集物性变好的溶解作用增强。 (2) 随着岩石物理相由差变好， 表征沉积的参数变化不一，t 和S b 增高， V sh 降低， h 对物理相的响应不明显。 (3) PF1 相相对较高，压实率中等，胶结率中等偏弱，表明

36、使储层储集性能变差的成岩作用弱，储集性能好。统计表明，此类岩石物理相有效孔隙度均值为23. 462 ，渗透率均值为314. 80410- 3m2 。PF2 相有效孔隙度均值为22. 935 ，渗透率均值为263. 548 103m2 。,6. 用模糊聚类方法划分岩石物理相,PF3 相有效孔隙度均值为21. 661 ， 渗透率均值为154. 271 10- 3m2 。PF4 相有效孔隙度均值为18. 781 ， 渗透率均值为52.961 10- 3 m2 。PF5 相有效孔隙度均值为101335，渗透率均值为9. 121 8 10- 3m2 。 (4) 岩石物理相是沉积微相和成岩储集相的交集，好

37、的岩石物理相储层对应好的岩性、物性和储集性能。其中PF5 相为致密砂岩，在合注合采的情况下很难动用。 (5) PF3 相尽管砂岩比例低、砂岩中泥质含量较高，但由于其成岩作用中等，所以储集物性中等。,6. 用模糊聚类方法划分岩石物理相,开展储层岩石物理相研究的目的在于对油气储集层进行质量分类、预测高产、低产区。由于孔一段油组小层多为合注合采，不易进行产量劈分，所以采用综合单井产层的产能资料和小层物理相信息，对单井进行物理相划分和产能评估。对应4 类有效物理相储层分了4 类单井物理相。表2 是利用182口井单井物理相与用井史计算的产油指标的对应关系。,岩石物理相的应用,6. 用模糊聚类方法划分岩石

38、物理相,6. 用模糊聚类方法划分岩石物理相,其中： PF 类型是指单井生产层段的物理相类型 累积生产时间是指生产井的生产天数 累积产油量是指生产井未报废或转注前的总产油量 日均产油量是指单井生产井段的累积产油量与生产时间的比值 每米每日平均产油量是指生产井所有生产月份的月产油/ (月生产天数当月有效厚度) 的均值,6. 用模糊聚类方法划分岩石物理相,其中： 有效厚度是指生产井所有月份的有效厚度的均值； 井数是某一物理相类型井的数目； 均值、最大值、最小值是同一物理相类型井中产能参数的均值、最大值、最小值。,6. 用模糊聚类方法划分岩石物理相,从表2 可以看出，从PF1 相变化到PF4 相，各项

39、指标均变差，特别是日均产油量和单井每米每日平均产油量。由于单井中储层质量有差别，所以物理相类型只是从整体上标度井的好坏。,6. 用模糊聚类方法划分岩石物理相,对于PF1类井，差的物理相储层会使上述指标降低。对于PF4 类井，好的物理相储层会使上述指标升高。 因此，用模糊聚类方法划分的小层物理相的各项指标在不同的相类型下产能会有明显的差异,(1) 储层岩石物理相的评价方法较多，但都不同程度地存在其局限性。模糊聚类技术可以减少多步法的误差传导，其思路清晰，运算快捷，是进行储层岩石物理相研究的理想方法。 (2) 储层岩石物理相的模糊聚类划分结果与物性统计结果相一致，与储层的产能状况相符，说明此方法划

40、分的岩石物理相类型能较好地反映储层储集性能的成因特征。其对储层的分类评价，可以作为油田开发措施调整和合理储层管理的依据。,小结,6. 用模糊聚类方法划分岩石物理相,岩石物理相主要研究流程,6. 用模糊聚类方法划分岩石物理相,利用自组织神经网络进行储集层岩石物理相分析，不需要对输入的地震属性数据进行统计，不必建立各种储集层岩石物理相的对应地震属性数据库，只要将网络自动分类号与相应的井岩石物理相对应，即可在全区实现自动岩石物理相分类，具有方便快速的特点。因此在本研究中采用自组织神经网络对地震属性进行自动分类，划分出不同的岩石物理相。,6. 用自组织神经网络方法划分岩石物理相,自组织神经网络,6. 用自组织神经网络划分岩石物理相,根据地震属性参数，利用自组织（SOM）神经网络对塔中16塔中161 井区奥陶系碳酸盐岩（距顶50ms）储集层岩石物理相的评价,6. 用自组织神经网络划分岩石