[发明专利]泥页岩储层矿物成分含量解析与岩相识别表征方法

说明书

本发明实施例提供一种泥页岩储层矿物成分含量解析与岩相识别表征方法，该方法包括：建立泥页岩储层矿物成分含量的反演解析模型，并对所述反演解析模型求解，获得各矿物的解析计算结果；基于各矿物的所述解析计算结果，通过矿物组分决策树获得岩相识别结果。本发明实施例使用常规测井资料建立泥页岩储层矿物成分含量反演解析模型，对“盲源”模拟退火方法实现程序编译进行匹配迭代求解，解析出各矿物的相对体积含量，与岩心分析结果对比，该方法不仅有效且准确，极大的提高了测井解释的效率、降低了测井解释的成本。

技术领域

本发明涉及油气勘探开发领域，更具体地，涉及一种泥页岩储层矿物成分含量解析与岩相识别表征方法。

背景技术

对于泥页岩储层来说，矿物成分含量解析不仅能帮助划分岩性，而且可以识别好的储层及油气层，判断储层脆性，是寻找储层“甜点”的有效方法。岩相的识别表征，判断储层发育层段和制定有效的采油方案。

目前，针对矿物成分含量解析大致有三类方法：一类是利用多元统计回归方法，构建研究区矿物成分含量测井多参数计算模型，但对于地层非均质性较强的储层，用测井数据多参数值来表征某一种矿物难免会带来较大误差，相关性较差；另一类是基于研究区主要矿物类型，利用测井数据建立三种主要矿物的体积模型，利用最优化数学方法对其进行求解，进而得出研究区的矿物含量，目前该方法解析的矿物成分有限；最后一类是利用实验方法，主要利用X射线衍射测量矿物含量，该方法只适用于有岩心层段，适用性差。

而针对岩相识别划分的方法主要有三类：一类是根据岩心资料刻画岩相，该方法仅适用于岩心段，适用性差；另一类是通过测井曲线划分各种沉积相，即根据测井相识别划分岩相；最后一类是以已知岩相的测井响应值为样本数据，进行神经网络岩相训练，进行岩相识别划分，该方法受样本数据的限制，有很大的局限性。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的泥页岩储层矿物成分含量解析与岩相识别表征方法，该方法包括：建立泥页岩储层矿物成分含量的反演解析模型，并对所述反演解析模型求解，获得各矿物的解析计算结果；基于各矿物的所述解析计算结果，通过矿物组分决策树获得岩相识别结果。

其中，所述建立泥页岩储层矿物成分含量的反演解析模型，包括：选取敏感测井曲线建立泥页岩储层矿物成分含量的反演解析模型；其中，所述敏感测井曲线包括声波时差AC、补偿密度DEN和补偿中子CNL。

其中，对所述反演解析模型求解，包括：根据构建的目标函数，采用“盲源”模拟退火方法进行匹配迭代求解。

其中，所述目标函数为：

式中，F(v)为误差指数曲线；P_j为权重因子系数；K为范数；A_ji为各矿物骨架及孔隙流体的测井响应值；Y_j为测得实际地层的测井值；V_i为各矿物及孔隙的相对体积百分比，即要解析出的各矿物体积含量及孔隙度。

其中，所述采用“盲源”模拟退火方法进行匹配迭代求解，还包括：针对每种矿物的测井响应值，在所述迭代求解时增加最大值与最小值的限制条件。

其中，所述基于各矿物的所述解析计算结果之前，还包括：基于各矿物的体积含量，统计黏土矿物体积相对含量、长英质体积相对含量、灰质体积相对含量的最大值、最小值和平均值，同时统计出各矿物含量分布区间的频数，以构建所述矿物组分决策树。