本站小編為你精心準備了泥質烴源巖有機碳含量預測方法探析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《復雜油氣藏雜志》2016年第3期

摘要:

通過對ΔlogR技術、多元回歸預測模型、顏色預測模型的原理、方法、特點展開分析，對這三種方法的適用性和約束條件進行總結，認為ΔlogR技術需對目的層分段處理并要求泥質巖處于低成熟—成熟階段(0.6%＜Ro＜1.2%);多元回歸預測模型具有區域局限性;顏色預測模型要求樣品為暗色非均質泥質巖。TOC測井評價的方法能夠提供縱向上TOC分布曲線，克服取心不足的困難，解決分析測試的經濟問題。結合鄂爾多斯盆地中東部地區二疊系山西組泥質巖的地質特征進行TOC預測，結果顯示運用五元回歸的方法預測效果最好，相關系數為0.8978。

關鍵詞:

有機質豐度；ΔlogR技術；定量預測模型；泥質巖烴源巖

有機質是烴源巖生烴的物質基礎，也是非常規天然氣(如頁巖氣)吸附的重要載體［1－3］。豐富的有機質是油氣生成的基礎，而其在生烴過程中形成的微孔隙及微裂隙為天然氣的賦存提供重要的儲存空間［4］。有機碳含量是指示有機質豐度最重要的指標，泥質巖中有機碳含量越高，其烴源巖和非常規儲層的品質就越好，有利于氣體的生成和吸附［3］，因此預測有機碳含量對于泥質巖生烴性能評價和頁巖氣勘探評價具有重要意義。近些年來，通過豐富的地球物理信息和地球化學實驗數據對比綜合研究泥質巖有機碳含量的方法已經在國內外廣泛開展［5－7］，這種方法具有成本低，縱向連續性好，地質信息豐富等優點，彌補了傳統方法的不足。研究泥質烴源巖有機碳含量預測方法的原理、過程、特點，明確其適用性和局限性，進而為解決地質問題提供依據。

1有機碳含量預測的理論基礎

理論假設非烴源巖由巖石骨架和充填孔隙的流體2部分組成(圖1a)，烴源巖由巖石骨架、固體有機質和充填孔隙的流體3個部分組成(圖1b)，成熟烴源巖由巖石骨架、固體有機質、充填孔隙的水和烴類組成(圖1c)。有機質由于具有吸附性、低密度、低聲速、不導電、氫元素含量高的特點致使其具有獨特的響應特征，這使得富有機質泥質巖與貧有機質泥質巖測井曲線上的異常值，在一定程度上可以作為有機質含量的量度，即利用異常值可以計算有機碳的含量，這是根據地球物理信息和地球化學實驗數據對比綜合研究泥質巖有機質豐度的理論基礎。

2泥質烴源巖有機碳含量預測

目前國內外用于烴源巖有機碳含量預測的方法主要有多元回歸預測模型和ΔlogR技術，顏色預測模型目前在國內還沒有相關研究，下面就這三種方法進行詳細闡述。

2.1ΔlogR技術

目前ΔlogR技術最常用的測井曲線為聲波時差和電阻率曲線，基本原理為:非滲透性巖層中低密度低聲速有機質導致聲波時差增大;烴源巖進入成熟階段或生成的烴類流體充填孔隙時，對應的電阻率升高，因此這兩條測井曲線的組合特征可以反映有機質含量和烴源巖生烴階段。首先根據自然伽馬曲線特征劃分滲透性巖層與非滲透性巖層，其次將聲波時差測井曲線和電阻率曲線進行反方向重疊(即聲波時差與電阻率坐標向相反方向增大)，聲波時差采用算術坐標，電阻率采用對數坐標。當兩條曲線在“一定深度”內一致時(通常為干層)為基線，基線確定后，兩條曲線間的間距在對數電阻率坐標上的讀數ΔlogR可以根據公式(1)計算。利用這種方法可以定性識別油層、水層等，并在已知烴源巖成熟度的情況下能精確地計算烴源巖有機碳含量，如公式(2)。ΔlogR技術的數學模型如下:ΔlogR=lgRR()基線+0．0061(Δt－Δt基線)(1)式中:R和Δt分別代表實測電阻率(Ω•m)和聲波時差(μs•m－1);R基線和Δt基線分別代表基線對應地電阻率(Ω•m)和聲波時差(μs•m－1)。ΔlogR為電阻率曲線與聲波時差曲線分離的間距值。根據ΔlogR計算TOC的模型:TOC=ΔlogR×10(2．297－0．168×LOM)(2)式中:TOC為計算的有機碳含量;LOM為有機質熱變程度，可以根據實測鏡質體反射率資料或埋藏史確定。ΔlogR技術操作過程繁瑣、受主觀因素影響大、縱向上需對目標層分段處理，僅在LOM為6～9(Ro為0.6%～1.2%)的范圍內以及低△logR時較準確，其他范圍內得到的結果為外推的經驗值。

2.2多元回歸預測模型

多元回歸預測模型是以TOC為因變量，以自然伽馬、密度、中子孔隙度、聲波時差、電阻率等n個測井參數為自變量的n元回歸方程(n為正整數)，實現步驟主要包括相關性分析、選擇參數、建立模型、優選模型四個過程。

(1)相關系分析:做樣品實測TOC與對測井參數的相關性分析圖，相關系數越大，說明該參數對TOC值的影響越大。

(2)選擇參數:選擇與TOC相關性好的n個參數。

(3)建立模型:利用統計分析軟件根據選擇的n個參數及對應的實測TOC建立n元回歸方程。

(4)按照以上步驟，嘗試利用不同的參數組合建立數學模型，優選相關系數接近1，標準誤差盡可能小的模型為最佳模型。該模型具有一定的區域局限性。

2.3顏色定量預測模型

相關學者［8］認為，顏色主要由TOC值和Fe3+/Fe2+比值決定。一般泥質巖的顏色在紅色—綠色—灰色—黑色的范圍內變化，紅色是由于含有赤鐵礦(含Fe3+)，綠色是由于含有綠泥石和伊利石(海相環境下海綠石，含Fe2+)，而暗色泥質巖的顏色受控于有機質含量。即暗色泥質巖的TOC越高，顏色越深。Varma.A.Ketal.［9］提出針對Raniganj盆地Raniganj組煤系地層暗色非均質、條帶狀泥質巖的TOC定量預測方法。基本原理是:暗色泥質巖的顏色主要受TOC影響，建立顏色量度和TOC的關系式，在具有巖石樣品的情況下，可根據顏色初步估計巖石的TOC值。

2.3.1確定顏色量度TCA

首先，通過手標本觀察將巖性條帶劃分為粉砂巖，灰色泥質巖，深色泥質巖和煤4個類型。然后肉眼判別巖石色度(參照標準的地質巖石蒙賽爾色卡，圖2)，粉砂巖色度為N9;灰色泥質巖和深色泥質巖色度分別為N8—N5和N4—N2;煤色度為N1。其次對這4個類型賦予色級，色級呈等比數列或等差數列，例如粉砂巖、灰色泥質巖、深色泥質巖、和煤的色級分別為1，2，4，8(首項a=1，公比r=2的等比數列)。最后將色級與樣品條帶長度相乘，加權平均，進而計算出中間變量TCA。TCA=∑(條帶長度×色級)/∑條帶長度(3)

2.3.2實驗測定

樣品TOC將樣品清洗、烘干、碎成粉末樣。篩選60目以下的樣品，應用RockEval－VI儀器對巖石樣品進行巖石熱解并對有機碳含量進行分析。

2.3.3顏色預測模型建立

在上述基礎上，建立以TOC為因變量，TCA為自變量的線性、對數或指數及其他數學形式的關系式，必要時調整色級，使公式的相關系數接近于1，標準估計誤差盡可能小。優選出最吻合的關系式，即為所求。AtulKumarVarma［10］指出，三次多項式(首項a=1，公比r=2，色級為1、2、4、8)為中二疊統Raniganj組煤系烴源巖有機碳含量的最佳顏色預測模型(圖3)。顏色定量預測TOC時，應當注意:①四種巖性條帶僅適用于Raniganj盆地，在應用時應根據目標層的巖性組合特征建立適用標準;②在選取巖性條帶測量長度時，煤線厚度不得小于1mm;非煤層厚度不得小于2mm，任何巖性條帶順層方向的長度應大于等于1cm;③巖性識別是該方法的基礎，如果粉砂質或砂質的含量大于粘土質含量，樣品應該歸為粉砂級別。在統計巖性時排除方解石和石英脈體等的干擾;④應保證樣品的干燥清潔。該方法操作簡便可行，受主觀因素影響大，要求樣品為暗色非均質條帶狀泥質巖，在泥質巖研究早期可利用該方法按有機碳含量初步篩選或分類。

3實例分析

鄂爾多斯盆地中東部地區二疊系山西組沉積時期以濱淺海—三角洲前緣—間灣沼澤—湖泊環境為主，山西組巖性為大套暗色泥巖、灰黑色粉砂質泥巖、淺灰色泥質粉砂巖、細砂巖、砂巖礫巖的韻律互層，偶夾煤層。地層埋深為2935～3631m，厚度在98.0～126.5m之間，其中泥質巖厚度為43.0～96.1m，顏色相對較深，以黑色、灰黑色、深灰色為主，該區為二疊系山西組頁巖氣勘探區，建立合適的泥質巖TOC預測模型非常迫切。本區泥質巖多成塊狀，鏡質體反射Ro在1.76%～3.76%之間，指示有機質進入高成熟—過成熟熱演化階段，因此ΔlogR技術和顏色定量模型已不適用。巖心觀察結果顯示，泥質巖顏色隨TOC增大而變深。以ZD1井二疊系山西組泥質巖為區內典型代表，將實測TOC數據分別與同井段的聲波時差(Δt)、補償中子(•N)、自然伽馬(γ)、電阻率(R)和密度(ρ)測井參數進行相關性分析(圖4)，得知相關系數大小相近，說明這五個參數對TOC的影響比較均衡。運用多元分析軟件(SPSS)，將實測TOC設為因變量，對應地的Δt、•N、γ、ρ和R五個參數設為自變量，建立多種模型并進行比較，優選過程及結果見表1。結果表明，TOC與測井參數之間的擬合效果隨測井參數增多而逐漸提高，五元回歸方程的相關系數最高(0.8978)、回歸估計標準誤差最小(1.586)，代表最佳的定量預測模型。圖5為ZD1井TOC預測結果，與實測結果對比后，發現TOC預測值與實測值具有較好的一致性，說明可以利用預測值進行烴源巖評價及其他相關分析。

4結論

(1)與傳統的樣品地球化學實驗分析方法相比，TOC測井評價的方法能夠在縱向上觀察TOC變化特征，突破泥質巖分布非均質性及取樣隨機性等因素帶來的統計誤差，克服取心不足的困難，同時也解決了分析測試的經濟問題。

(2)ΔlogR技術適用于成熟度低介于0.6%～1.2%的泥質巖，目標層需分段處理;基于TOC實測數據的多元回歸定量預測模型具有區域局限性或者井的限制性;僅適用于巖石樣品的顏色預測模型也要以實驗分析數據為基礎，受主觀因素影響較大。

(3)鄂爾多斯盆地中東部地區測井曲線與實測TOC數據的相關性分析表明，五參數非線性回歸模型為最佳TOC定量預測模型。

參考文獻:

［1］張金川，金之鈞，袁明生.頁巖氣成藏機理和分布［J］．天然氣工業，2004，24(7):15－18.

［2］李延鈞，張烈輝，馮媛媛，等.頁巖有機碳含量測井評價方法及其應用［J］．天然氣地球科學，2013，24(1):169－175.

［3］王香增.陸相頁巖氣［M］．北京:石油工業出版社，2014:158－160.

［4］聶海寬，唐玄，邊瑞康.頁巖氣成藏控制因素及中國南方頁巖氣發育有利區預測［J］．石油學報，2009，30(4):484－491.

［5］曲彥勝，鐘寧寧，劉巖.烴源巖有機質豐度的測井計算方法及影響因素探討［J］．巖性油氣藏，2011，23(2)80－85.

［6］朱定偉，王香增，丁文龍.測井資料在優質頁巖氣儲層識別中的應用———以鄂爾多斯盆地東南部長7段黑色頁巖為例［J］．西安石油大學學報(自然科學版)，2007，28(4):473－475.

［7］楊濤濤，范國章，呂福亮，等.烴源巖測井響應特征及識別評價方法［J］．天然氣地球科學，2013，24(2):414－422.

作者:王寧 張艷妮 吝路軍 熊志 馬佳虹 單位:中國石化勘探分公司 核工業西藏地質調查院 無錫鉆探工具廠有限公司