碳酸盐岩储层微观非均质性分类评价——以普光气田飞仙关组储层为例.pdf

《碳酸盐岩储层微观非均质性分类评价——以普光气田飞仙关组储层为例.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第39卷第4期天然气勘探与开发碳酸盐岩储层微观非均质性分类评价——以普光气田飞仙关组储层为例张纪喜·陈岑2成群31．中国石化中原油田勘探开发研究院2．重庆科技学院3．中国石油大庆油田采油三厂摘要以普光气田下三叠统飞仙关组碳酸盐岩储层为例，为了研究影响储层微观非均质性，通过收集所有可以用来表征储层非均质性的参数．引入因子分析法优选出孔隙度、渗透率、排驱压力、相对分选系数、偏度系数及平均喉道半径等6项参数来表征储层非均质性。在此基础上，进一步对优选储层参数的样品进行聚类分析，确定飞仙关组碳酸盐岩储层存在强非均质性、较强非均质性、中等非均质性和弱非均质性等四种类型，其中54

2、％的样品表现为中等非均质性；同时，采用判别分析建立了储层微观非均质性判别函数，得到研究区储层微观非均质性定量评价结果，该结果与聚类分析成果一致，即：普光气田飞仙关组碳酸盐岩储层存在强、较强、中等和弱非均质性四种类型，其中以中等到强非均质性为主。该分类评价方法为碳酸盐岩储层评价提供了参考作用。关键词普光气田碳酸盐岩微观非均质性表征参数因子分析聚类分析分类评价普光气田下三叠统飞仙关组储层主要为台地边缘相带，储层的微观非均质性特征主要受沉积作用、成岩作用两大因素的影响。目前，针对普光气田碳酸盐岩储层，使用单一参数判别非均质性强弱方法存在局限性，常表现为选取不同的参数表征有可

3、能得到相反的结果。因此，有必要综合选取多种参数，综合分析其微观非均质程度【11。通过对影响储层微观非均质性的因素进行定性分析，确定非均质性特征表征参数优选原则，引入因子分析法进行表征参数优选。在微观非均质性评价样品和参数选择的基础上，综合运用聚类分析的方法，对所选的37个样本点数据进行聚类分类研究。通过判别分析获得标准化系数判别函数。对聚类分析的分类结果进行检验．也可以通过计算其他井、其他样本点的判别指标。确定其微观非均质性类型。1微观非均质性表征参数优选1．1参数优选原则对于储层微观非均质性而言，可以表征其特征的参数很多，包括反映储层孔喉大小及其分布的参数和反映孔喉

4、连通性以及渗流特征的参数。由于影响储层微观非均质性的因素主要为沉积和成岩因素。参数的选取是准确定量表征微观非均质性的基础【2]。在表征非均质性时，希望能尽可能地准确、全面，但真正完全提取所有参数来进行表征，是不太可能也没有必要。一方面，目前表征微观非均质性的参数有上百个．在表征过程中完全使用这些参数是不可能的；另一方面，表征非均质性的若干参数虽然来源于不同的资料和分析手段，但各参数之间存在很大程度的相关性。因此，只需要选择其中少数代表储层微观非均质性的参数即可。参数优选原则如下：1)选取的参数具有合理性，即选取的参数能在很大程度上表征出微观非均质性特征：2)尽可能全面

5、选取表征非均质性的各种特征参数；3)选取的参数易于求取和统计分析；4)选取的参数在空间上具有一定的可比性。1．2参数优选实际研究中，多参数不一定可以全部发挥作用。收集到的变量数据通常之间存在一定的相关性【31．同时还可能加大计算工作量，变量问的信息高度重叠和高度相关给统计方法带来困难。例如，在多元线性回归分析中，若变量之间有较强的相关性，则会对回归方程参数估计带来困难，致使参数不准确。模型不可基金项目：国家科技重大专项“高含硫碳酸盐岩精细描述及开发规律研究”(编号：2016ZX05017—001)。作者简介：张纪喜，198451z垡5．，工程师，硕士；主要从事气田开发

6、地质研究工作。地址：(450000)'浔1南省郑州市郑东新区金水东路49号绿地原盛国际。电话：13461787030。E-mail：254862757@qq．com·5·天然气勘探与开发2016年12月出版用。所以引入因子分析方法来进行参数优选[4]。因子分析要求提取的公因子应具有实际地质意义口-司，并且匹配沉积、成岩因素对微观非均质性的影响。但是大部分因子分析的结果中．各因子和原始变量之间的关系并不明显，为了使因子载荷矩阵中系数更加显著，可以对初始因子载荷矩阵进行旋转，使因子和原始变量间的关系进行重新分配，相关系数向O或1分化。用全部收集到的可以用来定量表征储层微观

7、非均质性参数(颗粒岩密度、进汞饱和度、渗透率、孔隙度、喉道均质系数、特征系数、相对分选系数、峰态、偏度、平均喉道半径、排驱压力、退出效率、比表面积、平均孔喉比、平均配位数等共15个)来进行因子分析。因子分析中KMO(Kaiser—Meyer—Olkin)值检测的统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时。KMO值接近1。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析：当所有变量间的简单相关系数平方和接近0时．删D值接近0。KMO值越接近于0，意味着变量间的相关性越弱。为了优选非均质性表