基于数值模拟的水淹储层原始电阻率反演方法

谭锋奇，许长福，韦雅，于晓禾，罗刚，谭伟

(1. 中国石油大学(北京)地球物理与信息工程学院，北京，102249；2. 新疆油田公司勘探开发研究院，新疆 克拉玛依，834000；3. 新疆油田公司开发处，新疆 克拉玛依，834000)

砾岩油藏由于特殊的沉积环境导致储层岩性复杂多变、非均质性严重等特点，水淹层的评价必须消除以上2个影响因素，因此，准确计算储层的原始含油饱和度，在相同的岩性平台上利用原油体积减少的相对值定量评价水淹级别，成为提高砾岩油藏水淹层解释精度的关键。目前原始含油饱和度的计算方法主要有2种，一是基于储层水淹后物性特征的变化规律建立的区域经验公式，如耿长喜等[1]利用油藏水淹后泥质含量和孔隙度的变化估算原始含油饱和度的方法，建立的公式在大庆油田取得了一定的评价效果，但是方法缺少理论推理，适用性不是很广；二是利用毛管压力曲线计算原始含油饱和度，如潘和平等[2]利用岩心分析数据建立了实验室毛管压力和地层毛管压力的转换关系，然后把地层压力转换成油藏高度，进而依据毛管压力图版查出储层的原始含油饱和度，该方法需要大量的实验室分析数据，并且针对特定的油气藏才具有很好的计算精度。另一方面，电阻率的各种影响因素和反演模型已经做过系统全面的研究[3-6]，但是水淹储层的原始电阻率恢复缺少理论模型和严格推导，各种影响电阻率变化的因素和机理需要系统的总结。基于上述原因，本次作者研究依据地层的纵向侵入模式建立了储层水淹的理论模型，并且对电阻率变化的公式进行了严格的理论推导，分析了各种因素影响储层电阻率变化的机理和趋势，结合岩心数据建立了各种影响因素的计算模型，可以准确地恢复水淹储层的原始电阻率，进而计算原始含油饱和度，方法的理论性强，适用性广，可以在其他油田的水淹层评价中有效的推广和应用，准确评价水淹级别，提高油藏的注水驱油效率。

1 水淹储层的电性模型建立

储层水淹以后，注入水对泥质的冲刷以及与原始地层水离子的交换和平衡都会影响储层的导电性，进而改变电阻率的测量值。克拉玛依油田砾岩油藏由于近物源、多水系和快速多变的沉积环境导致储层非均质性严重，泥质主要以分散黏土的形式存在。因此，依据钻井过程中地层的纵向侵入模式建立储层未水淹和水淹2种情况下的岩石物理体积模型(图1)。从图1可以看出，未水淹储层由于保持油藏原始状态，孔隙流体性质由束缚水和储层原油组成，因此原状地层的导电性由分散黏土、砾岩骨架和束缚水3部分并联组成，其物质平衡方程见式(1)；水淹储层由于注入水对孔隙结构和流体性质的影响，原状地层的导电性由水淹后的分散黏土、砾岩骨架、束缚水和注入水4部分并联组成，其物质平衡方程见式(2)。

图1 储层纵向侵入的岩石物理体积模型Fig.1 Geophysical volume model of reservoir with longitudinal invasion

式中：Vsh和Vma分别代表分散黏土和砾岩骨架的含量(体积分数，下同)；φwi，φh和φ分别代表束缚水孔隙度、油气孔隙度和有效孔隙度。

式中：Vsh′ 为水淹后分散黏土含量；φ′h和φ′分别代表水淹后油气孔隙度和水淹后有效孔隙度。

依据储层未水淹和水淹2种模式下的岩石物理体积模型和储层并联导电的理论基础[7-9]，借鉴经验公式分别建立原状地层的导电模型，未水淹原状地层的电阻率模型为：

式中：Rt，Rsh，Rma和Rwi分别代表原状地层、分散黏土、砾岩骨架和束缚水的电阻率，Ω·m。

式(4)为水淹原状地层的电阻率模型，与未水淹的模型相比，一方面由于注入水的冲刷，分散泥质的含量发生变化；另一方面注入水对孔隙中油气的驱替导致流体性质发生变化，2个因素共同影响地层电阻率的变化。

当储层水淹以后，由于注入水矿化度与原始储层中的束缚水矿化度不同，导致两者之间进行离子交换和平衡，最终影响储层的含水孔隙度和地层水矿化度，进而影响孔隙流体性质对整个储层电阻率的贡献值。由于油田开发中地层水电阻率是由原始储层的束缚水电阻率和注入水电阻率共同组成，并且束缚水饱和度和注入水饱和度构成了储层水淹以后的含水饱和度，因此，用地层水代替束缚水和注入水对储层电阻率的贡献，式(4)可表示为：

式中：φws为地层水孔隙度；为水淹地层的电阻率，Ω·m。

用未水淹地层的电阻率模型减去水淹地层的电阻率模型，得到：

依据式(6)可以看出，水淹以后储层电阻率的变化值由2个因素决定，一是注入水对泥质的冲刷导致分散黏土的含量不断减少，泥质附加导电对整个储层导电性的贡献减弱，因此，电阻率随分散黏土含量的减小呈指数增加；二是注入水进入储层后驱替孔隙中的油气，导致含水饱和度增加，储层的导电性增强，电阻率呈现非线性的下降趋势，另外注入水与原始地层水由于矿化度的差异进行导电离子的交换和平衡，淡化作用导致储层电阻率线性上升，在油藏的注水开发过程中，2种作用同时存在并影响电阻率的变化，使其呈现不规则的“U”形趋势。因此，水淹储层原始电阻率的恢复以目前电阻率为基础，依据地质测井、岩石物理和生产动态等资料定量评价2个影响因素，准确反演原始储层的电阻率，为高含水油田中后期水淹层的评价提供技术支撑。

2 电阻率模型的分析和反演

2.1 砾岩油藏岩性识别

克拉玛依砾岩油藏属于一套正旋回的山麓洪积扇沉积，近物源、多水系和快速多变的沉积环境导致储层岩性和含油性复杂多变(图 2)，为了提高反演的精度，原始储层电阻率的恢复必须在细分岩性的基础上进行。针对砾岩油藏复杂的岩性，传统的数理统计方法难以准确地刻度测井资料与砾岩岩性的非线性映射关系，而具有自组织、自学习、推理思维能力和高精度非线性建模的数据挖掘能够很好地解决这个问题[10]。数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含的、事先未知的、但又是潜在有用的信息和知识的过程[11]，主要的方法有神经网络、支持向量机、贝叶斯网络和决策树等，考虑到建立模型的精度和建模结果对地球物理研究的指导作用，选择决策树(Decision Tree)方法进行砾岩岩性的识别，因为决策树是一种“白盒”模型，可以清楚地了解到分类器是如何工作以及各种参数的相对重要性[12-13]。数据挖掘过程是一个不断循环、优化的过程，基于决策树的数据挖掘包括数据预处理、数据选择、数据变换、数据挖掘、模式评价、知识表现等6个步骤[14]。

砾岩油藏岩性识别的数据整理选择密闭取心井为研究对象，依据层序地层学的理论建立密闭取心井段的岩性剖面，读取不同岩性的测井响应特征值，建立砾岩岩性与测井数据的对应关系。挖掘的岩性按其粒度分为砾岩、砂质砾岩、砂砾岩、含砾粗砂岩、细砂岩、含砾泥岩、粉砂质泥岩和泥岩等8种，挖掘字段选择自然电位、井径、原状地层电阻率、自然伽马、声波时差、中子孔隙度和补偿密度共7个测井参数来指示岩性，基于决策树方法的砾岩岩性数据挖掘结果见图3。从图3可以看出：决策树方法首先从7个挖掘字段中提取出3个岩性敏感参数，然后利用树形结构自上而下分层次识别岩性，树的每个枝代表一类岩性的识别规则，枝的节点代表识别规则的属性参数和数值区间，决策树模型清晰的展示了岩性识别的参数组合和具体过程，综合识别准确率达到90%以上。

由于克拉玛依砾岩油藏主力含油储层的岩性包括含砾粗砂岩、砂砾岩和砾岩3类，因此，原始储层电阻率反演中各种因素的分析和计算都是在这3类岩性的基础上进行，以便消除岩性的影响，进一步提高反演的精度。

2.2 泥质因素的分析和反演

2.2.1 黏土变化体积模型的反演

图2 砾岩油藏岩性和含油性变化Fig.2 Change of lithology and oil-bearing property of conglomerate reservoir

图3 砾岩岩性的决策树识别模型Fig.3 Identification model of conglomerate lithology based on decision tree method

注入水对泥质的冲刷主要受注水量和储层孔隙结构2方面因素的影响，为了研究黏土变化量随注入水的变化规律，在实验室中设计了不同岩性和相同岩性不同孔隙结构2种样品的驱替实验。图4所示为砾岩油藏含砾粗砂岩、砂砾岩和砾岩3种岩性黏土变化量随含水饱和度(注水量)增加的变化趋势图。从图 4可以看出：随着注水量的增加，3种岩性的黏土变化量都在增多，当注入水达到中强水淹级别以后，虽然两者的增长关系还是正相关，但是增长趋势相对于中弱水淹明显变缓，总体的趋势呈现两段式的变化，样品在中强水淹处出现拐点值，而且3种岩性都具有这样的变化趋势。图5所示为含砾粗砂岩不同孔隙结构样品黏土变化量随含水饱和度增加的变化趋势图，利用储层品质因子来刻度孔隙结构，其中，φ′为水淹储层的有效孔隙度；K为水淹储层的渗透率。从图5可以看出，随着注水量的增加，不同孔隙结构样品的黏土变化量都在上升。对于相同的注水量，由于孔隙结构好的样品非均质性弱，黏土分布均匀，因此，黏土受注入水的冲刷比较强，变化量比孔隙结构差的样品大，而且4个样品黏土变化量的总体趋势也呈现两段式变化，当进入中强水淹以后，变化量出现拐点。

图4 不同岩性黏土变化量与含水饱和度交会曲线Fig.4 Crossplot of clay variation amount and water saturation for samples with different lithology

图5 不同孔隙结构黏土变化量与含水饱和度交会曲线Fig.5 Crossplot of clay variation amount and water saturation for samples with different pore structure

通过研究发现，拐点代表的岩石物理含义是储层中注入水形成主力流动网络时的黏土减小量。岩石中的孔隙和喉道形成一个整体的渗流网络，由于受毛管力和非均质性的影响，注水过程中有些孔道中的流体是不流动的，有些孔道中的流体是受限流动的，另外一些孔道中的流体是优先流动的，而黏土在这些孔道周围都有分布。在水驱过程中，优先流动孔道周围的黏土首先被冲刷，随着注入水的增加黏土变化量呈单一变化趋势，当水驱到一定程度以后(中强水淹)，主力流动网络中的水成为连续相，连续的水相在储层中形成高渗通道，这时随着注入水量的增加，对分散黏土的冲刷作用减弱。因此，黏土变化量呈现更缓的变化趋势。

从以上分析可以看出，黏土体积变化量的模型在分岩性的基础上，利用含水饱和度和储层品质因子 2个参数进行多元拟和，并且要考虑不同水淹时期的变化趋势。式(7)和式(8)分别为含砾粗砂岩中弱水淹期和中强水淹期黏土变化量的计算公式，样本数为113个，其他岩性的计算参数和系数见表1。

式中：ΔVsh为水淹前后黏土含量变化量；Sw为水淹储层的含水饱和度。

2.2.2 黏土电阻率模型的反演

黏土矿物的导电性主要由黏土的阳离子交换吸附作用形成[15-16]，由于黏土颗粒表面带负电，当与水溶液接触时，黏土颗粒吸附溶液中的阳离子以达到离子平衡，结果在颗粒表面形成吸附层和扩散层的双电层模式。研究发现，由于吸附层离子无法移动，所以对导电无贡献，黏土矿物的导电性主要来自扩散层，通常利用阳离子交换能力(E)来定量刻度黏土矿物的导电能力[17]。为了研究黏土电阻率(Rsh)与E的关系，选取黏土矿物样品，在实验室中利用光度分析法测量阳离子交换能力，建立克拉玛依砾岩油藏黏土电阻率与阳离子交换能力的关系(图6)。从图6可以看出：黏土矿物阳离子交换能力的变化范围在 28～75 mmol/(100 g)之间，随着阳离子交换能力的增强，黏土电阻率逐渐下降，两者之间有着很好的相关性。因此，可以利用黏土矿物的阳离子交换能力来计算其电阻率，电阻率与阳离子交换能力的相关关系如式(9)所示：

表1 不同岩性黏土变化量计算模型参数表Table 1 Model parameters of clay variation amount for different lithology

图6 黏土电阻率与阳离子交换能力的关系Fig.6 Relationship between clay resistivity and cation exchange capacity

式中：Rsh为黏土电阻率，Ω·m；E为阳离子交换能力，mmol/(100 g)。

综上所述，黏土电阻率与阳离子交换能力有关，而影响阳离子交换能力的本质因素则是黏土矿物的类型和含量[18]，为了准确计算阳离子交换能力，首先必须研究克拉玛依油田黏土矿物的类型。克拉玛依油田属于一套正旋回的山麓洪积扇沉积，在温暖、湿润的古气候环境下，陆源碎屑中的长石、云母等铝硅酸盐矿物经风化脱钾形成大量伊利石。而碎屑颗粒中的辉石、角闪石和黑云母等在化学风化不彻底的情况下形成蒙脱石，但研究区未见分布，主要原因是在油藏后期的成岩过程中，由于地层水性质的差异黏土矿物发生转化形成自生黏土矿物[19-21]，蒙脱石形成条件是pH=6～8，属膨胀性黏土矿物，随着地层碱性的增强发生脱水作用，向非膨胀性的黏土矿物伊利石(pH=7～8)或绿泥石(pH=8～9)转化，由于研究区的水型以NaHCO3为主，pH平均值为 7.8，所以陆源碎屑形成的蒙脱石在碱性环境下都转化为伊利石或伊蒙混层。另外酸性介质对铝硅酸盐矿物风化淋滤而形成高岭石，但由于研究区属于碱性环境，因此，高岭石在个别井分布，含量较少。综上所述，研究区黏土矿物的类型以伊利石和伊蒙混层为主，少量高岭石。

在区域黏土矿物类型确定的基础上，需要建立相应的模型来计算各种黏土矿物的含量。克拉玛依砾岩油藏不同类型黏土矿物的基本特性表如表2所示。从表2可以看出，3类黏土矿物在自然伽马、密度、中子和声波时差等数值上差异比较大，因此，结合砾岩储层的4条测井曲线依据多元线性回归的方法建立黏土矿物含量的计算模型。为了减小回归分析中因数据属性不同而产生的误差，首先对原始数据进行归一化处理，得到中子孔隙度(φN)、声波孔隙度(φS)、密度孔隙度(φD)和泥质含量(Vsh)，然后将3种孔隙度值无量纲化，构造变量参数φS/φD，φS/φN和φN/φD，再结合泥质含量建立黏土矿物含量的计算模型，式(10)是伊利石含量的计算公式，样本数据为136个，伊蒙混层和高岭石含量的计算参数和系数见表2。

在黏土矿物含量准确计算的基础上，应用岩石物理体积模型计算储层分散黏土总的阳离子交换能力，模型见式(11)：

式中：EI，EK和EI+M分别代表伊利石、高岭石和伊蒙混层的阳离子交换能力，mmol/(100 g)；VI，VK和VI+M分别代表伊利石、高岭石和伊蒙混层体积。

基于以上研究结果，水淹储层的黏土矿物变化量和黏土电阻率可以利用丰富的测井资料准确计算，黏土因素的变化对储层电阻率的贡献可以有效的恢复。

2.3 束缚水因素的分析和反演

储层原始状态下的束缚水饱和度由岩性、孔隙度、渗透率、粒度中值和孔隙结构等因素共同决定[22-23]，因此，水淹储层原始电阻率的准确反演就必须对以上因素进行研究，进而建立精度高、适用性强的计算模型。砾岩油藏由于特殊的沉积环境导致岩性复杂多变，不同的岩性之间物性、渗流性和孔隙结构差异很大，含砾粗砂岩、砂砾岩和砾岩的非均质性逐渐增强，导致束缚水饱和度增加，因此，对于砾岩油藏分岩性建立束缚水饱和度模型是非常必要的。对于孔隙度和渗透率2个影响因素，通过密闭取心井的岩心分析资料可以看出，随着孔隙度和渗透率参数的增大，束缚水饱和度逐渐降低，其中与孔隙度呈线性下降关系，而与渗透率呈指数下降关系。孔隙结构对束缚水饱和度的影响由微细孔喉峰值的高低决定，其频率越高，束缚水饱和度越大。粒度中值对束缚水的影响主要表现在 2个方面：(1)粒度的粗细影响喉道尺寸，粒度越细，毛管压力越高，束缚水饱和度越大；(2)颗粒的尺寸决定岩石与水的接触面积，在相同体积下，颗粒越细，与水的接触面积越大，薄膜束缚水越多。

表2 克拉玛依油田不同黏土矿物特性参数和含量计算模型Table 2 Characteristic parameters and content calculation models of different clay minerals in Karamay Oilfield

式中：Swi为束缚水饱和度；Md为粒度中值，mm。地层水矿化度和地层温度是影响地层水电阻率(Rws)的2个主要因素，依据研究区水化验资料和地温数据，制作了不同地层温度下矿化度与电阻率的交会曲线(图7)。从图7可以看出：相同地层温度下，随着矿化度的升高，地层水电阻率逐渐降低；而对于相同的地层水矿化度，随着地层温度的升高，地层水电阻率呈现下降趋势。根据区域历史矿化度资料和图7可确定束缚水电阻率(Rwi)，克拉玛依油田砾岩油藏原始状态下的束缚水矿化度为6 158×10-6，结合研究区的地温梯度(3.2 ℃/100 m)可以计算不同深度储层的束缚水电阻率。综上分析，束缚水孔隙度模型分岩性建立束缚水电阻率根据图版可以查询，因此，束缚水对水淹储层电阻率的贡献可以有效恢复。

图7 不同温度下地层水电阻率和矿化度交会曲线Fig.7 Crossplot of formation water resistivity and salinity at different reservoir temperatures

2.4 地层水因素的分析和反演

注入水进入储层后一方面驱替孔隙中的原油，导致含水饱和度上升；另一方面由于矿化度的差异改变原始地层水的电阻率，以上2个因素的变化对水淹储层电阻率的影响最大，因此，原始储层电阻率准确反演的前提是建立适用于砾岩油藏的饱和度计算模型。基于岩心分析数据和测井曲线资料，对目前各种饱和度模型(Archie、校正Archie、西门杜、三水导电和多元线性回归等)在砾岩油藏中的计算精度进行综合分析，最终优选出多元线性回归公式作为砾岩油藏饱和度计算的公式。多元回归模型是基于Archie公式的变形，用原状地层电阻率、有效孔隙度和自然电位归一化值3个变量回归拟合含水饱和度公式。因为所有的饱和度模型都涉及求取地层水电阻率的问题，而地层水电阻率的影响因素比较多也比较复杂，准确求取的难度比较大，多元回归模型避开了这个问题，用连续的自然电位曲线归一化值代替地层水电阻率，提高了饱和度模型的计算精度。含砾粗砂岩的饱和度计算公式见式(13)，样本数为 125个，其他岩性的模型见表3。

表3 不同岩性饱和度模型计算参数表Table 3 Saturation model parameters of different lithologies

式中：Sw为含水饱和度，%；Rt′为水淹储层原状地层电阻率，Ω·m；ΔP为自然电位归一化值。

影响地层水矿化度的因素主要有2个，一是注入水性质；二是地层水对岩石骨架中可溶性离子的溶解，当地层水淹以后，2种作用是同时存在并影响地层水矿化度的变化。依据克拉玛依油田历年地层水化验资料制作了随油藏开发年代变化的地层水矿化度趋势图(图8)，整体上变化趋势呈现“W”形，可以细分为A，B，C，D4个阶段。A阶段为淡化过程，开发初期随着淡水的注入，地层水矿化度不断降低；B阶段为地层水回注和溶解过程，当地层水和注入水矿化度基本相等时，矿化度不再降低，这时岩石骨架里的可溶离子不断溶解，地层水矿化度不断升高，而且地层水回注也导致矿化度升高；C阶段主要是由于20世纪90年代以后油田进入重点调整阶段，大量开发井的投产，淡化过程又占主导地位，矿化度再次下降；D阶段为油田后期的污水回注，导致矿化度回升。结合图 7，可以准确计算不同年代的地层水电阻率。因此，地层水变化对水淹储层电阻率的贡献可以有效地恢复。

图8 矿化度随开发年代变化趋势Fig.8 Changeable trend of salinity with production years

3 原始含油饱和度的计算及应用

3.1 砾岩油藏水淹敏感参数的构造

砾岩油藏由于特殊的沉积环境导致储层岩性复杂多变，非均质性严重等特点，含水饱和度和产水率 2个传统的水淹层评价参数在砾岩油藏水淹层定量解释中适用性比较差，达不到实际解释的精度。因此，砾岩油藏水淹敏感参数的构造必须消除岩性和非均质性的影响，考虑到以上2个方面，定义原始含油饱和度和目前含油饱和度的差值与原始含油饱和度的比值为储层的采出指数。

式中：Fow为采出指数；So为原始含油饱和度；So′为目前油藏含油饱和度。

采出指数表征的是油层动态水淹的一个参数，可以反映目前油层的水淹程度，采出指数利用相对值的原理一方面消除了砾岩岩性的影响，避免了单一利用目前含油饱和度定量评价水淹级别的不足；另一方面由于产水率模型要涉及到求取储层的油水相对渗透率和油水黏度的问题，而实际中这2方面的资料都比较有限，模型的应用效率和精度都很难达到要求。采出指数则能有效地避开这些问题进而准确地评价水淹级别，在砾岩油藏中有很好的适用性。

3.2 原始含油饱和度的计算

图9 水淹级别定量解释成果图Fig.9 Quantitative interpretation result graph of flooded levels

前面基于水淹储层的纵向侵入模型，依据岩石物理体积模型建立了原始储层电阻率与目前电阻率的理论关系，在对各种电阻率影响因素分析的基础上分岩性建立了其计算模型，实现了储层原始电阻率的准确反演和计算。另外注入水对储层泥质的冲刷导致孔隙度增大，孔隙体积增大的部分等于被冲刷的泥质体积，因此，原始储层的有效孔隙度就可以用目前储层有效孔隙度减去黏土变化量来计算(φ=φ′-ΔVsh)。综上分析，储层的原始电阻率和原始有效孔隙度可以依据目前油藏的各种资料准确计算，然后应用建立的多元线性回归模型计算储层原始状态下的含油饱和度，结合目前含油饱和度就可以得出储层的采出指数，进而定量评价水淹级别。图9所示为克拉玛依砾岩油藏X油井的水淹级别定量解释成果图，在含油饱和度评价道中，储层原始含油饱和度与目前含油饱和度所示为差值代表储层水淹以后孔隙中被驱替的原油体积，与原始含油饱和度的比值即为采出指数。采出指数的应用大大提高了砾岩油藏水淹层定量解释的精度，通过对22口取心井共计146个层位进行水淹级别评价，并且与试油结论对比，采出指数可以定量解释121层的水淹级别，精度达到82%，饱和度和产水率的精度分别为57%和63%，由于受砾岩非均质性影响，精度较低。

4 结论

(1)影响水淹储层电阻率变化的因素主要有 2个方面，一是注入水对泥质的冲刷导致黏土体积减小，影响储层电阻率的变化；二是注入水对孔隙中原油的驱替，导致储层含水体积增加，另外由于矿化度的差异注入水会与原始地层水进行离子交换和平衡，进而影响储层电阻率的变化。

(2)黏土体积的变化量与注水量和孔隙结构有关，随着注水量的增加，不同岩性和不同孔隙结构的储层黏土变化量呈现不同斜率的增加，进入中强水淹以后由于岩石中的主力渗流网络形成，注入水对泥质的冲刷作用减弱，黏土变化量出现拐点值。

(3)黏土电阻率与阳离子交换能力有关，而影响阳离子交换能力的本质因素则是黏土矿物的类型和含量，由于研究区的水型以NaHCO3为主，平均pH为7.8，所以陆源碎屑形成的蒙脱石在碱性环境下都转化为伊利石或伊蒙混层，另外酸性介质对铝硅酸盐矿物风化淋滤而形成高岭石。因此，研究区黏土矿物的类型以伊利石和伊蒙混层为主，少量高岭石。

(4)采出指数利用相对值的原理消除了砾岩岩性和非均质对水淹层定量评价的影响，大幅度提高了水淹层解释的精度，在高含水油田中后期的二次调整开发中取得了很好的应用效果，为避射强水淹层和提高油藏采收率提供了技术支撑。

[1]耿长喜, 赵晨颖, 马德华, 等. 水淹层原始含油饱和度的估算方法探讨[J]. 大庆石油地质与开发, 2005, 24(增刊): 67-69.GENG Chang-xi, ZHAO Chen-ying, MA De-hua, et al. Method for estimating original oil saturation of watered out layers[J].Daqing Petroleum Geology and Development, 2005, 24(Suppl):67-69.

[2]潘和平, 王兴, 樊政军, 等. 储层原始含油饱和度计算方法研究[J]. 现代地质, 2000, 14(4): 451-453.PAN He-ping, WANG Xing, FAN Zheng-jun, et al. Computing method of reservoir originality oil saturation[J]. Geoscience,2000, 14(4): 451-453.

[3]张凌云, 刘鸿福. ABP法在高密度电阻率法反演中的应用[J].地球物理学报, 2011, 54(1): 227-233.ZHANG Ling-yun, LIU Hong-fu. The application of ABP method in high-density resistivity method inversion[J]. Chinese J Geophys, 2011, 54(1): 227-233.

[4]杨海燕, 邓居智, 张华, 等. 矿井瞬变电磁法全空间视电阻率解释方法研究[J]. 地球物理学报, 2010, 53(3): 651-656.YANG Hai-yan, DENG Ju-zhi, ZHANG Hua, et al. Research on full apparent resistivity interpretation technique in mine transient electromagnetic method[J]. Chinese J Geophys, 2010, 53(3):651-656.

[5]鲁晶津, 吴小平, Klaus S. 直流电阻率三维正演的代数多变网格方法[J]. 地球物理学报, 2010, 53(3): 700-707.LU Jing-jin, WU Xian-ping, Klaus S. Algebraic multigrid method for 3D DC resistivity modeling[J]. Chinese J Geophys,2010, 53(3): 700-707.

[6]谢进庄, 杨景海, 刘福平, 等. 过套管地层电阻率曲线环境影响校正方法研究[J]. 地球物理学进展, 2010, 25(1): 258-265.XIE Jin-zhuang, YANG Jing-hai, LIU Fu-ping, et al. Study on the environment effect and its correction method for the formation resistivity logging data through casing[J]. Progress in Geophysics, 2010, 25(1): 258-265.

[7]雍世和, 张超谟. 测井数据处理与综合解释[M]. 北京: 中国石油大学出版社, 2007: 16-24.YONG Shi-he, ZHANG Chao-mo. Logging data processing and comprehensive interpretation[M]. Beijing: China University of Petroleum Press, 2007: 16-24.

[8]陈峰, 安金珍, 廖椿庭. 原始电阻率各向异性岩石电阻率变化的方向性[J]. 地球物理学报, 2003, 46(2): 271-280.CHEN Feng, AN Jin-zhen, LIAO Chun-ting. Directional characteristic of resistivity changes in rock of original resistivity anisotropy[J]. Chinese J Geophys, 2003, 46(2): 271-280.

[9]宋延杰, 唐晓敏. 低阻油层通用有效介质电阻率模型[J]. 中国科学D辑: 地球科学, 2008, 38(7): 896-909.SONG Yan-jie, TANG Xiao-min. Resistivity model of current effective medium of low-resistivity oil layers[J]. Edition D of China Science: Earth Science, 2008, 38(7): 896-909.

[10]TAN Feng-qi, LI Hong-qi, XU Chang-fu, et al. Quantitative evaluation methods for water-flooded layers of conglomerate reservoir based on well logging data[J]. Petroleum Science, 2010,7(4): 485-493.

[11]Usama F, Gregory P S, Padhraic S. Knowledge discovery and data mining: Towards a unifying framework[M]. Portland,Oregon: AAAI Press, 1996: 82-88.

[12]李洪奇, 谭锋奇, 许长福, 等. 基于决策树方法的砾岩油藏岩性识别[J]. 石油天然气学报, 2010, 32(3): 73-79.LI Hong-qi, TAN Feng-qi, XU Chang-fu, et al. Lithology identification of conglomerate reservoir base on decision tree method[J]. Journal of Oil and Gas Technology, 2010, 32(3):73-79.

[13]Han J, Kamber M, Data Mining: Concepts and Techniques (The Morgan Kaufmann Series in Data Management Systems)[M].Second Edition, Morgan Kaufmann Press, 2006: 137-152.

[14]谭锋奇, 李洪奇, 孟照旭, 等. 数据挖掘方法在石油勘探开发中的应用研究[J]. 石油地球物理勘探, 2010, 45(1): 91-97.TAN Feng-qi, LI Hong-qi, MENG Zhao-xu, et al. Research on application of data mining method in petroleum exploration and development[J]. Oil Geophysical Prospecting, 2010, 45(1):91-97.

[15]Winsaure W O, McCardell W M. Ionic double–layer conductivity in reservoir rock[J]. Trans, AIME, 1956, 198:129-134.

[16]孙德明. 油田开发后期储层岩石导电机理的实验研究[J]. 地球物理学进展, 1993, 8(4): 167-172.SUN De-ming. An experimental study of electric conductivity of oil-bearing formation in late stage of oil field development[J].Progress in Geophysics, 1993, 8(4): 167-172.

[17]Waxman M, Smits L J M. Electrical conductivities in oil bearing shaly sand[J]. Soc Pet Eng, 1968, 42(3): 107-121.

[18]孙建孟, 张丽艳, 张磊. 基于矿物组分模型的阳离子交换容量评价新方法[J]. 测井技术, 2010, 34(5): 415-418.SUN Jian-meng, ZHANG Li-yan, ZHANG Lei. A new method of cation exchange capacity evaluation based on mineral composition model[J]. Well Logging Technology, 2010, 34(5):415-418.

[19]伏万军. 黏土矿物成因及对砂岩储集性能的影响[J]. 古地理学报, 2000, 2(3): 59-68.FU Wan-jun. Influence of clay minerals on sandstone reservoir properties[J]. Journal of Palaeogeography, 2000, 2(3): 59-68.

[20]TAN Feng-qi, LI Hong-qi, LIU Hong-tao, et al.Micro-geological causes and macro-geological controlling factors of low-resistivity oil layers in the Puao Oilfield[J].Petroleum Science, 2009, 6(3): 246-253.

[21]赵澄林, 朱筱敏. 沉积岩石学[M]. 北京: 石油工业出版社,2001: 132-147.ZHAO Chen-lin, ZHU Xiao-min. Sedimentary petrography[M].Beijing: Petroleum Industry Press, 2001: 132-147.

[22]孙怡. 成藏动力对束缚水饱和度的影响[J]. 油气地质采收率与, 2007, 14(2): 64-66.SUN Yi. Influence of reservoir forming dynamic on irreducible water saturation[J]. Petroleum Geology and Recovery Efficiency,2007, 14(2): 64-66.

[23]高华, 高楚桥, 胡向阳. 莺歌海盆地束缚水饱和度影响因素研究[J]. 石油物探, 2005, 44(2): 158-160.GAO Hua, GAO Chu-qiao, HU Xiang-yang. Influential factors of irreducible water saturation in Yingge-hai[J]. Geophysical Prospecting for Petroleum, 2005, 44(2): 158-160.