复杂碎屑岩粒度测井反演方法及在岩性精细识别中的应用

摘要

南海西部Y盆地L地区中新统地层呈高温、超高压特征，钻井难度大、取心资料少，岩屑录井反映岩性的精度较低，难以满足岩性精细识别的要求。以Y盆地L地区黄流组二段深层复杂碎屑岩为例，首先，利用有限的壁心粒度分析、录井、测井等资料，优选出表征岩性的粒度参数：粒度中值Md和对粒度变化敏感的自然伽马、密度、中子、声波时差、电阻率5条测井曲线，构建粒度中值Md-测井5变量数据集；其次，采用K-MEANS聚类方法，将数据集根据“误差平方和与聚类数”最优关系划分成了4类(简称“粒度分类”),分类后优化了粒度中值Md与测井响应的相关性，且获得不同类别的测井响应特征和相应岩性类型；然后，在实际井资料处理过程中，应用Fisher判别方程来判别未知深度点所属的粒度分类类型；最后，建立粒度分类下基于XGBoost算法的粒度中值测井智能计算模型，依据不同岩性对应粒度中值的数值范围，实现了井筒剖面上根据测井反演粒度中值Md曲线进而达到岩性精细识别的目的。研究结果表明：L地区黄流组二段考虑粒径的差异将砂岩岩性划分为：粉砂岩、细砂岩、中砂岩、粗砂岩，其中细砂岩和中砂岩是最主体发育的岩性，粒度中值Md与不同粒径岩性的关系最密切，是最能反映不同粒径岩性的粒度参数；粒度分类后基于XGBoost算法的粒度中值测井智能计算模型预测效果优于多元回归预测模型，计算粒度中值与实测值的相关系数达0.9397,平均绝对误差MAE为0.0195 mm,平均相对误差MRE为17.52%。该模型是一种有效实现深层复杂碎屑岩岩性精细识别的方法，也为纵向剖面上沉积粒序分析和储层构型精细解释、有效性评价奠定了基础。

关键词

南海 / 中新统 / 复杂岩性 / 粒度中值 / 测井 / 反演 / 机器学习 / XGBoost算法