尚锁贵;谭忠健;阚留杰;胡云;单敬福;吴昊晟
【摘 要】随着渤海油田勘探领域的扩大和钻井新工艺的应用,钻遇岩性复杂、录井岩屑细小、钻井速度快,给传统的录井岩性识别带来了挑战.建立了渤海油田元素录井岩性判别函数,首先利用统计学方法对典型碎屑岩、碳酸盐岩和岩浆岩的X射线荧光(XRF)录井元素组合参数进行定量化分析,筛选出对各类岩性较为敏感的元素变量组合;然后将敏感元素变量输入软件进行训练,求取不同元素变量参数的系数,建立岩性判别函数;最后根据Fisher判别准则,代入某一深度点对应的元素序列值,岩性判别函数值最大者为该深度点对应的真实岩性.在渤海油田秦皇岛区块的实例应用表明,利用本文建立的XRF元素录井岩性判别函数识别岩性准确率达80％以上,对确保海上快速钻井安全和提高钻井成功率有重要的促进和应用价值. 【期刊名称】《中国海上油气》 【年(卷),期】2016(028)004 【总页数】5页(P30-34)
【关键词】X射线荧光;元素;录井;岩性判别函数;渤海油田 【作 者】尚锁贵;谭忠健;阚留杰;胡云;单敬福;吴昊晟
【作者单位】中海石油(中国)有限公司天津分公司 天津300452;中海石油(中国)有限公司天津分公司 天津300452;中海油能源发展股份有限公司工程技术分公司 天津300452;中海石油(中国)有限公司天津分公司 天津300452;长江大学油气资源与勘探技术教育部重点实验室 湖北武汉430100;中法渤海地质服务有限公司 天津300452
【正文语种】中 文 【中图分类】TE142
在油气现场钻井施工过程中，及时准确地识别地层岩性是确保钻井安全、提高油气勘探效率的重要保障。由于钻井工艺的改进，特别是PDC钻头[1]、涡轮钻具组合、气体钻井[2]等工艺的推广应用，使得录井岩屑细小、混杂，从而加大常规录井过程中岩性识别与地层划分的难度。随着渤海油田勘探的深入，钻遇的岩性越来越复杂，加之海上钻井速度快，更给岩性快速识别带来了挑战。
X射线荧光(简称XRF)录井技术是近几年蓬勃发展的一项新技术，是解决岩性识别问题的有效方法之一，其理论基础是岩石地球化学理论，应用基础是岩石X射线荧光分析试验[3]。国内学者在利用XRF技术识别岩性研究方面取得了一定进展[4-5]，解决了部分岩性识别的难题，但实施过程较为繁杂。笔者应用数理统计学的分析方法，针对渤海油田各类岩性的元素组合定量参数，建立了岩性识别数学模型，从而达到了快速识别岩性的目的。 1.1 不同类型岩石元素差异
渤海油田钻遇的岩性以碎屑岩为主，其次是碳酸盐岩和岩浆岩，而变质岩最少(变质岩的识别不是本次研究的重点，暂不讨论)。对于碳酸盐岩，Ca、Mg元素含量明显偏高，较容易区分；碎屑岩与岩浆岩重叠区较大，区分小类较为困难；岩浆岩中从酸性到超基性，Si和K元素含量呈递减规律，而Fe、Mg元素含量则呈递增规律[6-7]。 1.2 敏感元素筛选
为了有效识别岩性，在元素校正基础上，结合已知岩性录井等资料，在明确具体岩性的条件下，筛选出对岩性反应较为敏感的元素，以便后续挑选主力敏感元素进行判别函数的建立。通过对13种常见造岩元素(Na、Mg、Al、Si、P、S、Cl、K、
Ca、Ti、Mn、Fe、Ba)的筛选，表明Si、 Al、 Fe、Mg为筛选碎屑岩的敏感元素； 而Ca和Mg对碳酸盐岩岩性最为敏感，Si、 Al、 Fe次之，最终选定Si、 Al、 Fe、Mg、Ca作为碳酸盐岩主力敏感元素；相对于酸性岩浆岩而言，超基性岩浆岩中Mg、Al、Na、K元素含量高，而Si、Fe、Ca元素含量低，因此确定Si、Al、Fe、Mg、Ca、Na、K作为岩浆岩岩性识别关键敏感元素。 1.3 岩性判别函数的建立
不同岩性的敏感元素组合不同，因此在试图建立不同元素变量的线性判别函数时，不同变量参数系数便是判别函数训练时重点求取的。假定已有多种不同深度的样品，每组样品都有相同的元素变量Xi(i=1，2，3，…，m)，则在岩性识别时根据不同地层单元预知岩性的不同，其敏感元素组合也有所不同，从而构成不同判别函数的变量，即
式(1)中:m代表敏感元素变量的个数；Ci为判别函数中各元素变量的系数，反映的是各变量参数的作用方向、分辨能力以及贡献的大小;然后利用Fisher判别准则，使类间均差与类内离差平方和比值最大，即异类聚类中心尽可能远，同类内部则尽可能集中，由极值原理列出Ci必须满足方程组，最终求得判别函数。由此，根据不同层位可能出现的岩性种类数，分别建立相对应的不同岩性的判别函数，即F岩性1、F岩性2…;再根据Fisher判别准则，将某一深度敏感元素组合值代入，函数值最大者就是其对应的岩性[8]。
基础元素数据来自渤海油田秦皇岛区块，钻遇地层从上往下分别是新生界(第四系平原组，新近系明化镇组、馆陶组，古近系东营组、沙河街组等)、中生界、古生界、元古界、太古界，其中新生界东营组及以上地层以碎屑岩为主，沙河街组主要为碎屑岩和碳酸盐岩，中生界主要为碎屑岩、碳酸盐岩、岩浆岩(喷出岩)和火山碎屑岩，古生界主要为碎屑岩、碳酸盐岩、岩浆岩，而元古界、太古界则主要为岩浆岩(侵入岩、侵入后变质岩)。该区块岩性种类相对较全，有利于岩性判别函数的建
立和训练。 2.1 碎屑岩识别 2.1.1 判别函数的建立
1) 判别函数检验。Wilks统计量λ表示组间差异性，λ值越小则组间差异性越大，只有组均值不等时，判别分析才有意义。由对该区块碎屑岩岩性判别函数的显著性检验结果(表1)可以看出，不同岩性的类内均值检验的显著性概率值均小于0.05，说明岩性类内均值都存在显著差异，因此判别分析是可行的[9]。
2) 分类统计。根据Fisher线性判别函数系数建立的结果(表2)，并据此建立线性判别模型： 0.219XFe-565.44 25.458XFe-844.459
对于碎屑岩，Wilks统计量λ值都较小，检验结果显著，说明Si、Al、Fe和Mg元素可以用来构建岩性判别函数，这是建立线性判别模型的基础。根据建立的不同岩性的判别函数，分别将某一深度点的Si、 Al、 Fe、Mg元素值代入式(2)～(4)，函数值最大者，则判断此深度的岩性为该判别函数代表的岩性,其中F值的求取关键在于利用其判断岩性类型，不涉及具体应用图件。
3) 结构分析。如表3所示，该区块新生界结构矩阵揭示元素变量与判别函数之间的合并类内相关系数，指示变量和函数之间的相关性，相关性由大到小依次为Fe、Al、Si和Mg。 2.1.2 判别结果分析
应用Fisher线性判别函数式(2)～(4)对该区块新生界63个样品进行判别统计(表4)，砂岩、泥岩和泥质砂岩判断准确率均达90%以上，交叉验证准确率也均达80%以上，说明本文建立的碎屑岩判别函数是比较可靠的。 2.2 碳酸盐岩识别
2.2.1 判别函数的建立
碳酸盐岩判别函数的显著性检验、分类统计与结构分析等过程与碎屑岩相同。预先将秦皇岛区块新生界沙河街组一段富含碳酸盐岩层段的Si、 Al、 Fe、Mg、Ca等5种对碳酸盐岩敏感的元素输入到软件中进行训练，建立岩性判别函数系数(表5)，并据此建立线性判别模型： 15.4XCa+63.229XFe-762.673 14.466XCa+37.301XFe-957.799 10.19XCa+33.412XFe-262.505 2.548XCa-0.093XFe-181.381
分别将某一深度点的Si、 Al、 Fe、Mg、Ca元素值代入式(5)～(8)，比较各自函数值的大小并判断岩性。 2.2.2 判别结果分析
应用Fisher线性判别函数式(5)～(8)对该区块古生界513个样品进行判别统计(表6)，碎屑岩和碳酸盐岩判断准确率和交叉验证准确率均达80%以上，说明本文建立的碳酸盐岩判别函数是合理可信的。 2.3 岩浆岩识别 2.3.1 判别函数的建立
岩浆岩判别函数的显著性检验、分类统计与结构分析等过程与碎屑岩相同。预先将秦皇岛区块中生界富含岩浆岩层段的Si、 Al、 Fe、Mg、Ca、Na、K等7种对岩浆岩敏感的元素输入到软件中进行训练，建立岩性判别函数系数(表7)，并据此建立线性判别模型：
19.81XCa-1 473.79XNa+53.75XK+ 23.52XFe-593.32
31.00XCa-2 352.34XNa+106.36XK+
0.78XFe-1 215.46
24.58XCa-1 758.74XNa+91.05XK+ 12.44XFe-759.46
28.21XCa-2 900.41XNa+102.55XK+ 2.98XFe-1 468.18
19.21XCa-1 791.78XNa+30.66XK+ 39.56XFe-889.29
分别将某一深度点的Si、 Al、 Fe、Mg、Ca、Na、K元素值代入式(9)～(13)，然后比较各自函数值的大小并判断岩性。 2.3.2 判别结果分析
应用Fisher线性判别函数式(9)～(13)对该区块中生界227个样品进行判别统计(表8)，碎屑岩和岩浆岩判断准确率和交叉验证准确率均达80%以上，说明本文建立的岩浆岩判别函数是合理可信的。
通过对渤海油田不同岩性敏感元素的筛选，选择Si、 Al、 Fe、Mg作为碎屑岩岩性判别函数主力敏感元素，Si、 Al、 Fe、Mg、Ca作为碳酸盐岩岩性判别函数主力敏感元素，Si、 Al、 Fe、Mg、Ca、Na、K作为岩浆岩岩性判别函数主力敏感元素。以秦皇岛区块为应用对象，把该区块不同岩性敏感元素变量输入到软件中进行训练，得到了相应的岩性判别函数的系数，最终建立了碎屑岩、碳酸盐岩和岩浆岩的岩性判断函数模型，并进行了判别结果的应用分析,结果表明本文建立的XRF元素录井岩性判别函数识别岩性准确率达80%以上。
【相关文献】
[1] 李功权,曹代勇,陈恭洋,等.PDC钻头条件下随钻岩性识别方法研究[J].石油钻采工艺,2006，28(2):25-27.Li Gongquan，Cao Daiyong,Chen Gongyang,et al.Research of lithology
identification method while drilling with PDC bit[J].Oil Drilling & Production Technology，2006，28(2):25-27.
[2] 张汉林,李季.PDC钻头在普光10井空气钻井中的应用[J].石油钻采工艺,2007,29(1):25-27. Zhang Hanlin,Li Ji.Application of PDC bits in air drilling of Puguang-10 well[J].Oil Drilling & Production Technology，2007，29(1):25-27.
[3] 李春山.X射线荧光岩屑识别技术研究[D].西安：西北大学,2010. Li Chunshan.Research on cuttings identification technology of X-ray fluorescence[D].Xi’an:Northwest University,2010.
[4] 柯梽全,王阳恩,王绍龙,等.基于7种主要元素特征谱线的LIBS岩性识别[J].中国科学:物理学 力学 天文学,2015,45(8):31-38.Ke Zhiquan,Wang Yangen,Wang Shaolong,et al.LIBS identification of lithology based on spectral lines of 7 kinds of main elements[J].Sci Sin-Phys Mech Astron,2015,45(8):31-38.
[5] 张国田,赵宏明,刘新华,等.元素录井技术在兴古X断块古潜山岩性识别和界面卡取中的应用[J].录井工程,2014,25(2):64-69.Zhang Guotian,Zhao Hongming,Liu Xinhua,et al.Application of element logging technology of identifying lithology and interface in buried hill of X fault Xinggu[J].Mud Logging Engineering,2014,25(2):64-69.
[6] 王晓阳.X射线元素录井的岩性解释图版[J].西安石油大学学报(自然科学版),2014,29(3):1-7. Wang Xiaoyang.The lithology interpretation chart of X-ray element logging[J].Xi'an Petroleum University(Natural Science Edition),2014,29(3):1-7.
[7] 朱根庆,何国贤,康永贵.X射线荧光录井资料基本解释方法[J].录井工程,2008,19(4):6-11. Zhu Genqing,He Guoxian,Kang Yonggui.The basic interpretation way for X ray fluorescence logging data[J].Mud Logging Engineering,2008,19(4):6-11.
[8] 张平,宋春晖,杨用彪,等.稳定湖相沉积物和风成黄土粒度判别函数的建立及其意义[J].沉积学报,2008,26(3):501-507.
Zhang Ping,Song Chunhui,Yang Yongbiao,et al.The significance and establishment of discrimination function with grain size of stable lacustrine sediment and aeolian loess[J].Acta Sedimentologica Sinica,2008,26(3):501-507.
[9] 林春,邓继新.SPSS统计分析软件在气、水层识别中的应用[J].微计算机信息,2009,25(9-1):56-57，72.Lin Chun,Deng Jixin.Application of SPSS to identify the gas zone and water layer[J].Microcomputer Information,2009,25(9-1):56-57,72.
因篇幅问题不能全部显示，请点此查看更多更全内容