多源数据与地质逻辑融合的深层页岩储层构造裂缝测井智能识别

摘要

深层页岩储层构造裂缝对页岩气富集高产控制作用明显，其准确识别对页岩气高效勘探开发具有重要指导意义。基于川东南龙马溪组页岩气藏钻井、录井、测井、生产等全链条数据，采用机器学习驱动与裂缝响应信息相融合的方法，查明了多源数据对天然裂缝的响应特征，构建了构造裂缝发育特征的智能识别模型，形成了构造裂缝网络有.效性测井定量评价方法。结果表明：川东南龙马溪组页岩发育4类构造裂缝，以高角度-垂直的张性缝和剪切缝为主。当富有机质页岩和含有机质页岩岩心裂缝密度分别在12条/米和8条/米以上时，钻时与气测响应更加明显。采用测井交会图法和皮尔逊相关系数分析法，认为声波时差、中子孔隙度、深浅双侧向电阻率比、纵波、横波及斯通利波等对页岩储层构造裂缝规模和产状响应更加敏感。通过优选表格数据深度学习网络架构模型，分别实现了富有机质页岩构造裂缝规模与产状识别精度在93%和80%以上，且龙一段下部高角度-垂直张性缝和剪切缝识别效果最好。考虑裂缝几何参数与物性参数，建立了裂缝网络有效性的定量评价指数，认为裂缝网络有效性越好，页岩气富集程度相对更高，经改造后越易形成复杂缝网。该成果可进一步推动深层页岩储层甜点精细评价和压裂改造优化设计。

关键词

构造裂缝 / 测井识别 / 智能算法 / 深层页岩储层 / 龙马溪组 / 川东南