页岩储层微裂缝常规测井综合识别研究
——以下寺湾油气田延长组长7段页岩为例

李锦锋，张春灌

(1.西安石油大学地球科学与工程学院，陕西西安710065；2.延长石油下寺湾采油厂勘探开发研究所，陕西延安716000)

页岩储层微裂缝常规测井综合识别研究
——以下寺湾油气田延长组长7段页岩为例

李锦锋1，2，张春灌1

(1.西安石油大学地球科学与工程学院，陕西西安710065；2.延长石油下寺湾采油厂勘探开发研究所，陕西延安716000)

鄂尔多斯盆地下寺湾油气田延长组长7段黑色油页岩分布面积广、厚度大，页岩储层内发育北东向65°～85°微裂缝。结合前人研究成果，选取声波时差(AC)、自然伽马(GR)和补偿中子(EN)等三条对储层微裂缝敏感度较高的常规测井曲线，运用人工神经网络和小波变换对下寺湾油气田长7段页岩储层的微裂缝进行识别，取得了较好的效果，为页岩储层微裂缝识别提供了一种较精确的方法。

下寺湾油气田；延长组；页岩；微裂缝

下寺湾油气田位于鄂尔多斯盆地南部洛河流域，总面积约2400 km2。鄂尔多斯盆地的晚三叠世长7期湖盆大幅度沉降，深湖区广泛发育，此时湖盆迅速扩大，湖盆面积达到整个中生代最大范围，发育了延长组最重要的一套生油岩—张家滩页岩，为陆相页岩气藏得形成提供了条件[1，4，7]。

我国第一口陆相页岩气井—LP177井和第一口陆相页岩气水平井—YYP1井都在鄂尔多斯盆地下寺湾油气田压裂试气成功，这不仅证实了我国陆相页岩气的存在，而且标志着延长石油在陆相页岩气藏勘探开发技术领域取得了重大突破。

然而目前我国的陆相页岩气勘探开发还处于初始阶段，对陆相页岩气藏的研究主要集中在页岩气成藏方面[1-6]，而对陆相页岩储层微裂缝发育特征及微裂缝识别研究相对较少。本文结合前人研究成果[2-4，6]，在分析了页岩储层微裂缝的发育特征的基础上，运用人工神经网络和小波变换方法对页岩储层微裂缝的识别做了进一步研究。

1 页岩储层微裂缝的发育特征

1.1 微裂缝产状

裂缝按产状可以分为高角度缝、斜交缝、低角度缝、水平缝和网状缝[8]。通过对YY3井长7段页岩岩心微裂缝观察，分析认为下寺湾油气田中生界延长组长7段页岩的构造微裂缝以剪切微裂缝为主，主要为北东65°～85°。从图1可以看出，研究区长7段页岩构造微裂缝以高角度微裂缝为主，约占76%，斜交缝相对较少，约占13%，偶有低角度缝及水平缝。

1.2 微裂缝开度

微裂缝的开度是反映微裂缝发育程度的重要参数之一[8]。通过对研究区长7段页岩岩心镜下薄片资料显示，下寺湾油气田长7段页岩微裂缝发育开度以1～10 μm为主，约占90%。小部分微裂缝开度达到10～20 μm，极少数裂缝开度大于20 μm。图2和图3为下寺湾油气田王坪区和柳洛峪区长7段页岩微裂缝开度频率分布图。

图1 微裂缝倾角频率分布图

图2 王坪区微裂缝开度频率分布图

图3 柳洛峪微裂缝开度频率分布图

1.3 微裂缝长度

通过对YYP1井及YY3井长7段岩心镜下薄片鉴定统计分析，认为研究区页岩储层微裂缝的连通性较好且微裂缝的长度相差较大，较短的微裂缝约3～5 mm，较长的约8～15 mm，其中大多数微裂缝穿透了整个薄片。并在多口井中均监测到有切穿若干层的一级微裂缝(YY1井等)和局限于单层内的二级微裂缝(YY3井等)的存在。这些微裂缝既是页岩气成藏的重要渗流通道，又是很好的储集空间。

1.4 微裂缝密度及间距

微裂缝的密度是又一个能够反映微裂缝发育程度的参数[8]。YY3井和LP172井的岩心镜下薄片和扫描电镜资料显示，YY3井长7段页岩的线密度平均值为7.8条/cm，微裂缝间距为1282.06 μm，LP172井长7段页岩的线密度均值为6.8条/cm，微裂缝间距为1470.59 μm。由此可以看出研究区长7段页岩储层微裂缝较为发育。

1.5 微裂缝的充填特征

微裂缝按裂缝破裂面的形态可分为开启缝、闭合缝和充填缝[8]。运用铸体薄片观察和扫描电镜观察方法对YY3井和LP172井岩心观察统计分析，约85%的微裂缝为充填缝，约10%的微裂缝为闭合缝，极少量为开启缝。充填缝中填充基质主要为泥质及石英、方解石等硅酸盐矿物。

2 页岩储层微裂缝常规测井综合识别研究

2.1 页岩储层微裂缝常规测井响应

常规测井方法种类众多，各种测井方法对微裂缝的敏感程度也各不相同，常规测井中对微裂缝响应比较敏感的测井方法主要有声波速度测井、中子测井、电阻率测井、密度测井、自然电位测井、自然伽马测井、井径测井等[9]，因此可以利用这些对储层微裂缝敏感度较高的测井方法来识别和评价页岩储层微裂缝。

图4 密度和中子交会图

图5 声波时差和电阻率交会图

根据下寺湾油气田YYP1井、YY3井和LP172井延长组长7段油页岩段的测井响应绘制出了声波时差和电阻率交会图及密度和中子交会图(图4，图5)。测井微裂缝的响应特征：有微裂缝发育的层段其声波时差(AC)增大(均大于270 μs·m-1)，常出现周波跳跃现象；补偿中子数值增大(均大于40 p·u)；地层电阻率值明显升高(均大于400 η·m)；密度曲线数值降低(均小于2.4 g/cm3)；自然电位(SP)曲线表现为负异常，并且在高角度微裂缝发育层段的负异常程度教斜交缝、低角度缝和水平缝的负异常程度更为明显；在微裂缝发育的绝大部分层段会表现为明显的扩井现象，但也有极少数微裂缝发育层段因泥饼的存在而表现为扩井现象。

2.2 人工神经网络识别方法

人工神经网络技术应用于测井微裂缝识别的算法主要是BP算法。BP算法将学习过程分解为正向传播和误差反向传播两个过程[9]，其具体步骤如下：

(1)选定m个样本，作为一个训练营；

(2)将权值和阈值初始化，初始值设为(-1，1)之间的随机值；

(3)将作为输入层的数据按照各个连接权重的大小加权输入至隐含层的激活函数，然后再得到新的值，按照各个连接权重的大小加权输入至输出层的激活函数，计算出输出层的输出结果；

(4)如果输出值和期望值有相对误差，则计算训练误差；

(5)进一步调整权值及阈值；

(6)按照新的权值和阈值再进行计算，直至训练营满足条件为止。

BP算法在测井资料识别裂缝的应用中，传递函数一般按下面方法构建[9]：

(1)

式中y为神经元的输出值；

xi=(i=1，2，…，m)为输入量，在微裂缝识别中为微裂缝敏感性参数，可以从常规测井资料中提取得到。

表1是运用人工神经网络处理下寺湾油气田YY3井延长组长7段页岩的微裂缝识别成果表，从该表中可以看出，长7段页岩储层微裂缝较为发育，以高角度微裂缝为主，斜交缝相对较少。裂缝发育方向为北东—西南向，与实际地质情况相符合。

2.3 小波变换识别方法

与傅里叶变换相似，小波变换是将一个连续的信号分解为一系列小波的组合，从而将时域信号变换到小波域，而在小波域则表现为用于组合的系数系列。小波变换包含正变换和逆变换两个步骤[9，10]。其处理流程是首先将时域信号变换到小波域，然后在小波域对组合系数进行修改，最后在进行逆变换从而达到对信号的处理目的。将小波变换应用于常规测井识别裂缝的实质就是通过小波分解、重构反映低频和高频成分能量信息系数，提取出测井曲线中反映裂缝发育情况的高频微弱信号，从而用来识别裂缝发育层段。

表1 YY3井人工神经网络识别裂缝成果表

Mallat小波基函数其快速算法为[9，10]：

正变换(分解算法)

(2)

逆变换(重构算法)

(3)

式中h0、h1为滤波器系数，可由小波函数计算得到。c和d为组合系数，其中c为时域信号中低频成分的能量信息，d为高频成分的能量信息。

表2 YY3井及LP172井中小波变换识别裂缝的验证结果数据表

图6是下寺湾油气田利用小波变换方法处理YY3井的结果。其中WLT-AC是对声波时差测井曲线采用小波变换处理的裂缝指示曲线，在岩心上发育的井段绝大部分在裂缝指示曲线上有显示。WLT为利用声波时差、自然伽马和补偿中子三条测井曲线的小波变换处理的综合裂缝指示曲线。从表2的对比数据可以看出，利用小波变换方法可以很好的识别页岩储层微裂缝，且综合曲线经小波变换以后的裂缝识别效果总是好于单条曲线经小波变换后的裂缝识别效果。

图6 声波速度测井曲线及综合测井曲线的小波变换识别裂缝成果图

3 结论

(1)下寺湾油气田延长组长7段页岩储层主要发育高角度微裂缝，常规测井曲线在长7段页岩储层响应特征差异明显，具有高伽马、高声波时差、高电阻率、高补偿中子、低密度的特性。

(2)运用人工神经网络及小波变换方法可以很好的识别出页岩储层微裂缝，且运用综合测井曲线经小波变换后的微裂缝识别效果比运用单曲线经小波变换以后的微裂缝识别效果要好。人工神经网络和小波变换的结合，实现了对页岩储层微裂缝较精确的识别。

[1]蒲泊伶，蒋有录，王毅，等.四川盆地下志留统龙马溪组页岩气成藏条件及有利地区分析[J].石油学报，2010;31(02)：225-230.

[2]蒲泊伶，包书景，王毅，等.页岩气成藏条件分析—以美国页岩气盆地为例[J].石油地质与工程，2008，22(3)：33-36.

[3]Bowker K A.Barnett Shalegas production,fort worth Basin;Issues and discussion[J].AAPG Bulletin,2007，91(4)：523-533.

[4]王社教，李登华，李建忠，等.鄂尔多斯盆地页岩气勘探潜力分析[J].天然气工业，2011，31(12)：40-46.

[5]张金川，徐波，聂海宽，等.中国页岩气资源勘探潜力[J].天然气工业，2008，28(6)：136-140.

[6]周文，苏瑗，王付斌，等.鄂尔多斯盆地富县区块中生界页岩气成藏条件与勘探方向[J].地质勘探，2011，31(2)：29-31.

[7]何自新.鄂尔多斯盆地演化与油气[M].石油工业出版，2003.

[8]王瑞飞.特低渗透砂岩油藏储层微观特征[M].石油工业出版社，2008.

[9]曾联波，柯式镇，刘洋.低渗透油气储层裂缝研究方法[M].石油工业出版社，2010.

[10]杨建，杨程博，张岩，等.基于改进神经网络的渗透率预测方法[J].岩性油气藏，2011，23(1)：98-102.

[责任编辑 李晓霞]

Micro-fractures Characterization and Identification by Conventional Logs of Shale Reservoirs
——Taking the Yanchang Formation Chang7 in Xiasiwan Oil and Gas Field for Example

LI Jin-feng1,2,ZHANG Chun-guan1

(1.School of Earth Sciences and Engineering,Xian ShiYou University,Xi′an 710065,China;2.Exploration and Production Research Institute of Yanchang Oilfield,Yan′an 716000,China)

The shale of the Mesozoic Yanchang formation Chang7 is widely developed in Xiasiwan oil and gas field.The results show that large numbers of 65～85 degrees North of east micro-fractures with high dip angles were developed, by using thin sections,blue epoxy resin-impregnated thin sections and SEM, which is not only the migration pathway of gas production,but also the shale gas accumulation space. With the results of previous researches,acoustic interval transit time, Gamma and compensated neutron logs are chosen to identify the micro-fractures by using artificial neural networks and wavelet transform，which provides a more accurate method to identify the micro-fractures.

Xiasiwan oil and gas field; Yanchang formation; shale gas reservoir; micro-fractures

2015-02-20

中国地质调查局资源调查与评价项目(12120113040300-03)和陕西省教育厅专项科研计划项目(14JK1579)

李锦锋(1987—)，男，陕西榆林人，延长石油助理工程师，西安石油大学在读硕士研究生。

TE122.1

A

1004-602X(2015)02-0014-04