涪陵地区页岩总孔隙度测井预测

2022-06-15 来源：知库网

第38卷第5期

石油学报

Vol.38 May

No.5

2017 年 5 月 ACTA PETROLEI SINICA

2017

文章编号：

0253-2697(2017)05-055? DOI：10. 7623/syxb201705006

涪陵地区页岩总孔隙度测井预测

徐壮

石万忠1 翟刚毅3包书景3彭女佳1 张晓明1王超1 徐清海1王任

中国地质大学资源学院湖北武汉430074; 2.构造和油气资源教育部重点实验室湖北武汉430074;

3.中国地质调查局油气资源调查中心北京100029)

摘要：页岩孔隙度是决定页岩储层含气性的关键因素，对页岩孔隙度进行定量化表征是实现利用地震资料进行孔隙度预测的前提

条件，也是开展页岩气评价的基础。涪陵地区是中国页岩气勘探与开发的重点区块，以涪陵地区测井、测试资料为基础，探讨利用测井资料预测孔隙度的方法。基于研究区测试资料和测井资料，建立起孔隙度的测井识别及其响应模型，研究区孔隙度与声波时

差具有很好的相关性，相关系数达到，以此确定了声波时差作为孔隙度的地球物理响应参数。随后结合人造岩心的声

AC83. 4%

波等测试数据，建立起单参数（孔隙度、矿物组分、围压、孔隙流体）影响的地层速度预测方程，通过分析单参数对地层速度的影响率，建立起单参数影响的孔隙度预测方程。结合涪陵地区八井的实测数据，构建起适合涪陵地区的孔隙度定量化表征方程。将涪陵地区

B井的测井数据等代入方程，对方程进行检验。通过计算出的孔隙度与实测孔隙度进行对比，发现计算的孔隙度与研究区

TE122.2

文献标识码：八

实测孔隙度吻合度高，相关性好，孔隙度预测的结果与实际情况吻合。

关键词：页岩；人造岩心；孔隙度；测井；涪陵地区中图分类号：

Well logging prediction for total porosity of shale in Fuling area

Xu Zhuang1 Shi Wanzhong1，2 Zhai Gangyi3 Bao Shujing3

Peng Nujia1 Zhang Xiaoming1

Wang Chao1 Xu Qinghai1 Wang Ren1

430074, China 3. Oil and Grs Survey Center，China Geological Survey，

Beijing 11^029, China)Abstract：Shale porosity is a critical factor for determining shale reservoir gas-bearing property； quantitative representation of shale porosity is not only the prerequisite for porosity prediction based on seismic data, but also the basis of shale gas evaluation. Since Fuling area is the focus of shale gas exploration and development in China. Based on Fuling well logging and testing data, this paper explores the method for predicting porosity based on well logging data. On this basis, porosity logging recognition is achieved and its response model is constructed； it is discovered through analysis that a good correlation exists between porosity and interval transit time (AC) , and the correlation coefficient is up to 83. 4 %〇 , so internal transit time is determined as the geophysical response parameter of porosity. In combination with testing data such as the acoustic wave of artificial core, this paper also establishes a prediction equation for stratal velocity under the single parameter (porosity, mineral composition, confining pressure，and pore fluid) influence； by analyzing the influence rate of single parameter to stratal velocity, the porosity prediction equation is established in case of single-parameter influence. Then an applicable quantitative representation equation for porosity is created based on the actual measured data of Fuling Well A. The equation can be verified by substituting logging data of Fuling Well B in the equation. Though comparison between the actually measured porosity and calculated results, it is found the actually measured porosity has high conformity and good correlation with the calculated results in research region, and the porosity prediction results are in coincidence with the actual situation.Key words：shale； artificial core； porosity； well logging； Fuling area

Tectonics and Petroleum Resources，Hubei Wuhan；(1. Faculty of Earth Resources，China University of Geosciences，Hubei Wuhan 430074, China 2.

；MOE Key 引用：徐壮，石万忠，翟刚毅，包书景，彭女佳，张晓明，王超，徐清海，王任涪陵地区页岩总孔隙度测井预测

38(5)：533-543.

.[J].石油学报，2017,

基金项目：国家重大油气专项子课题“页岩气区域选区评价方法研究”（216X503002-003)、国家基础地质调查项目“南方页岩气综合评价参数优

选及地球物理表征方法”（（120114055801)、1引智项目“沉积盆地动力学与油气富集机理”总孔隙度的定量化表征及预测”(No. 47213)资助。

第-作者：徐壮，男，1989年10月生，210年获中国石油大学(华东）学士学位，现为中国地质大学（武汉）博士研究生，主要从事页岩气储层评价研

究。Email: xuzhuang@cug. edu. cn

通信作者：石万忠，男，1973年1月生，19%年获中国地质大学（武汉）学士学位，210年获中国地质大学（武汉）博士学位，现为中国地质大学（武汉）

教授，主要从事层序地层，成藏动力学及页岩气研究。Email:shiwz@cug. edu. cn

14031)及国家自然科学基金“页岩气储层

534石油学报2017年第38卷

Cite :XU Zhuang，SHI Wanzhong，ZHAI Gangyi，BAO Shujing，PENG NUjia，ZHANG Xiaoming，WANG Chao,XU Qinghai，WANG

Ren. Well logging prediction for total porosity of shale in Fuling area[J].八eta Petrolei Sinica，2017,38(5) :533-543.

页岩气赋存方式与常规天然气藏的主要差异在于储层特征及储气机理上，其中页岩孔隙特征是页岩储层评价的关键要素，而页岩孔隙一般以纳米孔隙为主，用常规储层孔隙的表征方法很难解释高产页岩气评价体系[14]。因此，页岩纳米孔隙的表征成为制约页岩气资源评价的关键因素[7]。

国内外对页岩孔隙度表征方法的研究有很多，其真实、准确预测孔隙度的目的。

1区域概况

涪陵区块位于四川盆地川东南构造区的川东

褶皱带，万县复向斜的南部与方斗山背斜带西侧的交汇区域基子政上隶属重庆市忠县、垫江和梁平3 个县管辖，属亚热带气候。其主体平缓、边缘为被中Luffel等[综合利用测井资料和岩心分析资料，计算了 Appalachma盆地泥盆纪页岩气储层的孔隙度。

Ro等[综合利用测井资料和岩心资料计算了加拿

大西部盆地泥盆纪-密西西比纪页岩储层总孔隙度，但是通过这2种方法计算孔隙度时，页岩样品的含水饱和度、含气饱和度等数据都是基于岩心测试获得，测试条件严格，需要多个实验室测试结果对比分析，校正后才能使用，因此这2种孔隙度计算方法不具有实用性。LeCompte等1利用核磁共振测井资料（NMR)计算了页岩孔隙度，但是在计算过程中，未考虑储层含气体状态，且计算过程中含气饱和度的计算必须首先获取地层真实孔隙度值，因此利用单一核磁共振测井资料无法准确计算页岩孔隙度[-]。李军等1在岩心和测井响应特征分析基础上，基于体积模型，利用密度测井资料和声波测井资料计算出了页岩储层总孔隙度。王玉满、董大忠1等在页岩钻井资料的基础上，通过建立储层岩石物理模型和孔隙度数学模型，对富有机质页岩段基质孔隙进行了定量评价，计算出了碎屑岩储层总孔隙，但是这2种页岩总孔隙度的计算方法都是将总孔隙细分为有机孔隙、黏土矿物晶间孔、碎屑孔隙、微裂缝等，通过每一亚类孔隙的计算，最终得到总孔隙度，需要进行大量的分析测试，花费成本高，且要求每一亚类孔隙度的计算结果高度准确，否则会导致最终孔隙度预测结果存在较大误差。

笔者总结了前人的研究成果，采用多参数优选，交会分析的方法，优选出与孔隙度相关性最好的响应参数——

声波时差，并基于人造岩心测试数据，建立起单

一变量(孔隙度、矿物组分、围压、孔隙流体）控制下的声波速度预测模型，随后结合涪陵地区A井的测井资料、测试资料，构建了涪陵地区的孔隙度的定量化表征模型，并利用该定量化模型对涪陵地区B井孔隙度进行了准确的预测。该方法消除了矿物组分含量、孔隙压力、孔隙流体类型、地层应力等因素对地层速度产生的影响，构建了单个参数与孔隙度的影响模板，实现了

大耳山西、石门、吊水岩、天台场等断层夹持的断背斜构造。NE和SW向边界有略微弯曲，且具备菱形边框，NW是主要方向，但EW方向发生偏转基条边界相互对应，轮廓明显。研究区断裂多呈NE 向，比较整齐，相互平行，在SW和NE方向2条边界处发育横断阻隔式断裂（图1)。滇黔川鄂台褶皱带在研究区外围SE和SW向一侧，娄山断裙带、峨眉山凉山块断带和八面山断裙带等低一级构造单元是自E向W来划分的；龙门山、大巴山台缘断褶带位于NW和NE —侧，秦岭地槽褶皱系和松潘一甘孜地槽褶皱系是依次向外过渡的。龙门山、大巴山

台缘断褶带和滇黔川鄂台褶带在构造和地形上构成了研究区周缘的山地，并且也属于扬子准地台上的次一级构造单元[1—]。

区域资料显示，川东南涪陵地区发育上震旦统至三叠系地层，除中晚志留系到石炭系外，各时代地层发育齐全，中寒武统平井组至三叠系嘉陵江组厚约4 000 m22 (图1)。页岩气勘探主要集中在海相含油气系统上奥陶统五峰组至下志留统龙马溪组下部页岩地层，总体勘探程度低，其奥陶系五峰组页岩地层主要是一套深水陆棚相沉积，地层沉积厚度相对均匀[22];志留系龙马溪组是一套浅水一深水陆棚相沉积，发育有大套灰黑色泥岩、含粉砂泥岩，在研究区东北部最大将近110m，这里也是页岩气主产区；在西南部存在地层尖灭，厚度约60m。目的层页岩埋深在2 327〜2415 m,在研究区内分布面积 443. 3 km223—2。

从A井目的层综合柱状图可以看出，纵向上岩性、电性三分变化较为明显（图2)。在三分方案的基础上，结合钻、测、录井资料及取心观察，将龙马溪组一五峰组89 m产气层段进一步细分为9个岩性、电性小层，自上而下基井显示伽马、声波、中子及铀含量整体上呈递增趋势，密度值整体上呈递减趋势；中第1、2、4、5小层表现为高伽马、高铀、低密度，为页岩气水平井穿行的有利层段。

第5期徐壮等：涪陵地区页岩总孔隙度测井预测535

研究区侏罗系三叠系二叠系泥盆系志留系奥陶系寒武系基底大断裂

图

涪陵地区构造位置（据文献

Fig. 1

[26]修改）

Location of Fuling area

地层

系统

三九

层分分位方方案案

三段

志留系

下统~龙马溪

二组段

I段

奥陶系

上

统涧草

沟组|组

页岩

泥质灰岩碳质页岩碳质泥岩粉砂质泥岩粉砂岩图

井目的层段综合柱状剖面

Fig. 2 Synthesis columnar section of target stratum in the Well A

536石油学报2017年第38卷

22.1

井1

页岩气储层总孔隙度的测井响应特征

页岩气储层总孔隙度纵向分布特征

的特点（图2)。通过九分方案的9小段的孔隙度分布直方图同样可以看出，第13、4、5小层（第2小层未取样测试），孔隙度多分布在3%〜6%,而第6小层，孔隙度多只是分布在33〜5%，第7小层孔隙度多只分布在33〜4%，孔隙度明显减小，到第8、9小层，孔隙度多分布在4 %〜7 %，孔隙度又明显增大，因此可以看出，孔隙度在纵向上的分布特点是顶层和底层高，中间低，这也就说明在目的层段，高孔隙度的1〜 5小层的页岩物性明显比其他层段的物性好，为优质泥页岩层。

为了解孔隙度的分布特征，纵向选取研究区A 块钻井岩心，在室温条件下，利用CMS-300自

动岩心测量系统，测量了 A井孔隙度实际数值。孔隙度测试数据统计显示A井孔隙度分布范围为1. 17% 〜7. 98% ,平均值为 4. 61% [图 3(a)],从 A 井主要取心段可以发现，总孔隙度主要集中在3 %〜 6 %，孔隙度的分布总体呈现出顶层和底层高，中间低

3 A井孔隙度分布

Fig. 3 Porosity distribution of Well A

图

2. 2

孔隙度测井识别响应模型井曲线的随机误差。依据这样的思路，统计了 A井实测孔隙度与声波时差、自然伽马、浅双侧向电阻率含量、深双侧向电阻率含量、中子含量、铀含量、钾含量、钍含量、密度和自然电位的关系（图％，其中与孔隙度相关性由高到低依次为：声波时差、自然伽马、浅侧向电阻率、深侧向电阻率等参数（图4)，其中孔隙度与声波时差的相关性最高，相关性可以达到83. 4%，这表明在研究区与页岩储层孔隙度响应最好的参数为声波时差，而声波时差的倒数为地层层速度，也就是说，页岩储层孔隙度也与地层速度有良好的响应关系。有关岩石孔隙度与地层速度的关系，在岩石物理学中建立了许多相关的经验公式，这说明页岩储层的孔隙度也能够参照前人的研究成果进行修正，并进行预测_。

建立页岩孔隙度的测井识别响应模型是进行孔隙度定量化表征的基础，在分析测试资料和测井数据的基础上，依据页岩的实测氦气孔隙度，分析不同类型测井曲线与不同孔隙度的响应关系，优选出与孔隙度有较好响应关系的测井曲线类型，建立涪陵地区孔隙度与测井曲线的识别模型[273。

为了减小测井曲线的随机误差，首先在每一个对应测试孔隙度值深度处上下各取〇. 2 m、0. 5 m和1. 0

m的测井曲线值分别进行平均并作为该点处的测井

参数值，统计这3种取值情况下孔隙度与各项测井曲线的相关性，统计结果显示以〇. 5 m间隔作为测井曲线的平均值与孔隙度的相关性最大，这表明取孔隙度深度处上下〇. 5 m的间隔进行平均能够有效地减小测

第5期徐壮等：涪陵地区页岩总孔隙度测井预测537

y=0.0222x + 0.868 5 R=40.4%

135155

()

GR/API

175 195233243 253

孔隙度与伽马响应关系

(b)孔隙度与声波时差响应关系

AC / ( |xs-m-1)

263273283

10 20 30

(c)孔隙度与深侧向电阻率响应关系

LLD/ ( O.m)

40 50 60 70 8020 30

(d)孔隙度与浅侧向电阻率响应关系

y=-0.974 5a: + 9.7424

LLS/ ( n-rn)

40 50

y=-0.002 6xa: ++ 4.790 7 R= 4.9 %▲ ▲▲ 2 - ■

(e)孔隙度与自然电位响应关系

SP/mV

100

2.4 2.45 2.50 2.55 2.60 2.65

(f)孔隙度与测井密度响应关系

DEN / (g.cm-3)

2.70 2.75

▲ ^ ▲

y=0.1262x + 2.5904

▲

12 14 16

(g)孔隙度与测井中子响应关系

CNL/%

R=35.1°/〇

2 ■ ▲ ^ ▲

▲ ▲

20 22 24

y=0.081 x + 3.8285*^

R=23.3 %

7 9 11

U/10'6

(h)孔隙度与铀值响应关系

A A

11 13

(i)孔隙度与钍值响应关系

图

15 17Th/10-6

1.7 2.2 2.7

(j)孔隙度与钾值响应关系

3.2

/°/〇v=0.493a3.1319yx: + + 3.1319 R=19.9%

4 A井孔隙度与测井曲线关系

Fig. 4 Relationship between porosity and well logging curves of Well A

33.1

页岩气储层孔隙度的定量化表征

单一变量控制下的声波速度预测模型

图4显示涪陵地区页岩总孔隙度与声波时差（或

速度）的响应关系最好，因此需要建立速度与孔隙度的表征方程来预测总孔隙度的分布。由于总孔隙度并不是影响地层速度的唯一因素，矿物组分含量、孔隙压力、孔隙流体类型、地层应力等因素都会影响地层速度的变化_

。利用速度（或声波时差）来准确预测孔隙

度的前提条件是构建速度与其影响因素（总孔隙度、矿物组分含量、孔隙压力、孔隙流体类型、地层应力）的综合模型和方程，而构建该综合模型的关键在于测定单个参数与速度的影响模板。由于天然岩心孔隙度、矿物组分及含量、应力、孔隙流体类型等都不一样，无法利用天然岩心测试建立单参数与速度的响应模板_

。故本次研究以人造岩心为手段，通过建立总

孔隙度、矿物组分含量、孔隙压力、孔隙流体类型、地层应力与速度的响应关系，来分析单一参数对地层速度

538石油学报2017年第38卷

的影响关系，进而建立地层速度与总孔隙度的方程来预测总孔隙度的分布。

随着人造岩心技术的逐渐提高，能够在实验室制作出不同矿物组分含量、不同孔隙度的人造心来代替天然岩心开展实验研究[4〇4]。本次研究人造岩心样品，以矿物组分、孔隙度、围压、孔隙流体类型、孔隙压力等为变量，制作出3组矿物组分不同的岩心，每组制备岩心1块，共计42块岩心样品，岩心样品规格为直径25 mm,长度50 mm的圆柱体（图5)。

岩心制作过程中，控制温度、压力等条件，保证孔隙度约在33，正负误差不超过16%均匀变化(表1

，并且控制有机质含量介于

1 %〜9 %均匀变化，其他成分(如胶结剂等)介于1 %〜

C组样品有机质含量44、其他成

分（胶结剂等介％，在C组岩心制作过程中，控制温度、压力等条件，保证孔隙度约33,正负误差不超过 %/。，并且控制石英含量由％%〜80%均匀变化，对应的黏土矿物含量由80%〜％%均匀变化(表％。

Table 1 Artificial core samples

样品

ABC

表

人造岩心样品

石英

含量/Q%

4542%〜80

黏土矿物

含量/%

454380〜％

有机质含量/%

4194

其他成分含量/%

6%〜66

孔隙度

/%2〜％33

在获取了人造岩心样品以后，需要对人造岩心样品实际孔隙度值进行确认，因此，利用CMS-300自动岩心测量系统在温度2CTC，覆压5 MPa、％MPa、％

MPa的条件下对人造岩心样品进行了覆压孔隙度测

试，分别测得3组人造岩心在不同围压条件下的实际孔隙度值，为接下来建立单参数（如围压，矿物组分、孔隙流体等）对孔隙度的响应模板提供了数据支持。在得到人造岩心实际孔隙度数据以后，利用SCMS-E型高温高压岩心多参数仪对样品进行覆压声波测试，在正常温度，饱和盐水状态和饱和气体2种状态下，控制围压在5 MPa、％ MPa、％ MPa的条件下对3个系列岩心样品进行了声波测试，得到实测声波数据（表2为

其中3个系列的人造岩心矿物组分各不相同，A 组样品石英含量45%、黏土矿物含量45%、有机质含量4%,其他成分(如胶结剂等）含量6%,其中A组样品制作过程中通过控制围压、温度等条件使人造岩心的孔隙度介于2%〜15%由小到大均匀增加（表1

B组样品石英含量42%、黏土矿物含量43 %，在B组

表

5人造岩心样品

Fig. 5 Artificial core samples

图

部分数据）。同时在3个系列中分别选取一个孔隙度分布在均值的样品，将样品在正常温度，相同孔隙压力 (% MPa)，不同围压（％ MPa、％ %Pa、％ MPa、20

MPa、22MPa、24 MPa、26 MPa)条件下，进行声波测

试，最终得到声波数据（表3 )，并对数据进行整理分析，建立起单参数影响下的地层速度的响应模板。

2人造岩心样品不同孔隙流体状态下声波测试数据

Table 2 Acoustic test data of artificial core samples under different pore fluid

声波（MPa)

样品

A1-1A2-1A3-%B1-1B2-%B3-2C%-%C2-%C3-%

声波（10 MPa)

纵波(饱水)/

(m* s~1)4 266. 3403.13972.74325.94 248. 63434.04112. 53891.03 644. 0

声波（MPa)

纵波(饱水)/纵波(饱气）/

(m* s ~1)4 273. 64057.13979.04341.84 255. 9347.14204.84012.53721.8

(m* s ~1)4215.53949.73907.74302.3420.03 262. 73849.2329.33098.0

纵波(饱水）/

(m* s~ 1)4 262. 64 022. 93 966. 14314. 04 237. 93 335. 73920.53 73% 13520.4

纵波(饱气)/

(m* s ~1)4162. 33872.73851.04248.34177. 83132.13 669. 43094.72791.4

纵波(饱气）/

(m* s~ 1)41943923.73 876. 04 286. 74205.8319.23 777. 53202.22975.2

第5期徐壮等：涪陵地区页岩总孔隙度测井预测539

表

3人造岩心样品不同围压状态下声波测试数据

Table 3 Acoustic test data of artificial core samples under

different pressure

样口围压样口口/

孔隙压力/

纵波饱水、广声波

纵波饱气

MPa MPa 纵波（饱水w）/\" 纵波（饱~气/7

(m* s ~1)

(m* s~1)

A4-1 1 〜26 12 3788. 6〜3991. 2 3513. 1 〜3670. 1B3-2 14〜26 12 3 463. 9〜3 525. 3 3 157. 0〜3 247. 2C4-2

14〜26

3 327. 4〜;3 489. 5 2 802. 9〜;3 025. 7

由于在人造岩心制作过程中，石英含量与黏土矿物含量是此消彼长的关系，因此没有办法简单的只控制石英和黏土矿物中的一个参数变化，为此，笔者只能尽可能控制石英含量或者黏土矿物含量，使其中一种矿物起主导作用。如图6所示，石英含量、黏土矿物含量与纵波速度的关系具有一定的规律，在石英含量较高的区间（6 0 %。〜8 0 % )或黏土矿物含量较高的区间 (6 0 %。〜8 0 % )，纵波速度随着两者的变化表现出较慢的变化趋势，而在两者含量相差不大的区间（30%〜 60% )，纵波速度随着两者的变化表现出较快的变化趋势，这说明在石英或黏土矿物含量相差较大时，两者中含量较高的矿物对纵波速度起到了主导作用，可以看作是单-矿物的改变影响了纵波速度。

。/o/o0///¥初

#„梂TF哞

鐮

3 900 4 000 4100 4 200 4 300 4 400 4 500

纵波速度/(m.，）

图6 声波速度与石英含量、黏土矿物含量响应关系 Fig. 6 6

Relationship of acoustic velocity and quartz content;,

clay mineral content

同时可以看出波速随石英含量的曾加而逐渐

增大，随黏土矿物含量的减少而逐渐增加，这是因为石英的密度比黏土的密度大所导致的。通过以上分析，可以根据拟合曲线分别建立起单-变量石英含量和单 -变量黏土矿物对纵波速度的影响率，其中力是石英含量与纵波速度的拟合方程,

是黏土矿物含量与纵

波速度的拟合方程。通过拟合方程计算得出单-变量石英含量对纵波速度的影响率为0.18%，乘以基准纵波速度，得到单一变量石英含量对纵波速度的影响因子为8. 21。通过拟合方程计算得出单一变量黏土矿物含量对纵波速度的影响率为〇. 22%，乘以基准纵波

速度，得到单一变量黏土矿物含量对纵波速度的影响因子为8. 23,而根据图6可以看出黏土矿物含量与纵波速度成反比关系，因此最终确定黏土矿物含量对纵波速度的影响因子为-8. 23。

根据对人造岩心进行的声波测试，得到了在单参数控制下的声波速度与孔隙度、有机质、孔隙流体类型、围压的响应关系（图7)。图7(a)是在相同的温度，相同的围压，相同的孔隙流体类型，相同的矿物组分状态下，人造岩心样品纵波速度与孔隙度的响应模板，通过图7(a)可以看出3组岩心样品的纵波速度都是随着孔隙度增大而逐渐减小，且呈非常好的线性关系。由于A组样品的矿物组分含量是完全相同的，只有孔隙度不同，A组岩心样品的纵波数据都是在单一变量孔隙度变化的情况下变化的，因此就可以计算得出单一变量孔隙度对纵波速度的影响率。根据A组样品拟合出的线性方程，计算出孔隙度变化1 %时对纵波速度的影响率，通过计算得出影响率为16%,因此把1. 1%作为单一变量孔隙度对纵波速度的影响率，同时取测试数据中纵波速度的均值作为基准纵波速

度，将基准速度与孔隙度对纵波速度的影响率相乘，从而得到孔隙度对纵波速度的影响因子为49. 66，而根据图7(a)可以看出孔隙度与纵波速度成反比关系，因此最终确定孔隙度对纵波速度的影响因子为-49. 66。

图7(b)是在相同的温度、围压、孔隙流体、孔隙

度、石英含量与黏土矿物含量状态下，人造岩心样品纵波速度与有机质的响应模板。通过图7(b)可以看出在围压、孔隙流体、孔隙度、石英含量、黏土矿物含量都相同的情况下，纵波速度随着有机质含量的增加逐渐减小，且两者之间有非常好的相关性。因此，通过纵波速度与有机质含量的拟合曲线就可以计算出单-变量有机质对纵波速度的影响率为1. 74%，乘以基准纵波速度，得到单一变量有机质对纵波速度的影响因子为 79. 22,而根据图7(b)可以看出有机质与纵波速度成反比关系，因此最终确定孔隙度对纵波速度的影响因子为-79. 22。

图7(c)是在相同的温度，相同的孔隙流体，相同的孔隙压力，相同的矿物组分状态下，人造岩心样品纵波速度与围压的响应模板，通过图7(c)可以看出不同孔隙流体状态下纵波速度随着围压的增加而增大，当围压相同的情况下，根据两条拟合曲线，就可以计算得出单一变量孔隙流体对纵波速度的影响率为6. 47°/。，乘以基准纵波速度，得到单一变量孔隙流体对纵波速度的影响因子为361. 35。

图7(d)是在相同的温度、孔隙流体、矿物组分，不同的围压状态下，人造岩心样品纵波速度与孔隙度的

540石油学报2017年第38卷

(7?日)鹋概舆赛

4400 4 200 4 000 3 800 3 600 3 400 3 200

(a)相同矿物组分纵波速度与孔隙度响应关系

4000 3 900 3 800 3 700 3 600 3 500 3 400 3 300 3 200

—

i4400 4 300 7\" m4 200^ 4100 J 4000 姻 3 900 驽 3 800 3 700 3 600

(b)相同矿物组分纵波速度与有机质响应关系

(，_?日趔姻餺漆

4240383634323000

olo(olololololAI

响应模板，通过图7(d)可以看出不同围压状态下纵波速麵着孔隙度的增加而减小，当孔隙度相同的情况下，根据3条拟合曲线，就可以计算得出单一变量围压对纵波速度的影响率，通过计算得出围压从5〜1 MPa 对纵波速度的影响率为〇. 1%，围压从1〜1 MPa对纵波速度的影响率为〇. 33%，围压从5〜1 MPa对纵波速度的影响率为〇. 48%，取均值乘以基准纵波速度，得到单参数围压对纵波速度的影响因子为26 9。

通过以上数据分析，分别选取孔隙度、有机质、石英含量、黏土矿物含量、围压和孔隙流体作为单一变量，分别计算得到它们对纵波速度的影响因子，并计算得出基准纵波速度，最终得到单参数影响的声波速度预测方程：

Vp = 149. 664 + 8. 21Y + 20. 9Z- 79. 22U +

/)/4

----*

'«

(.日埘概每漆

►-*----______-4

)/______iy = -0.575 3 2+ 40.485 + 3 330.5

只 2=0.9912y = 0.693 7x2-13.598 x + 3 560.8

*饱气

R2= 0.976 9

—

*饱水

14 16 18 20 22 24 26围压/MPa

(d)不同围压纵波速度与孔隙度响应关系(c)不同孔隙流体纵波速度与围压响应关系

图7声波速度与孔隙度、有机质、孔隙流体类型、围压响应关系

Fig. 7 The relationship of acoustic velocity and porosity,organic matter,tj^pe of pore fluid,pressure

vp、石英含量Y、有机质含量U、黏土矿物含量V及涪

陵地区经验常数C有关，而有机质可以根据干酪根类型、热演化阶段的不同，通过转换系数换算成有机碳含量[45—47]。由测试分析可知涪陵地区页岩干酪根类型主要为I型，演化程度在成熟一过成熟阶段[48]，因此根据^心等的研究，将有机质转换有机碳的系数定为 1.2。同时，根据图8可以看出，研究区有机碳含量与测井密度有非常好的相关性，因此有机碳含量又可以进-步通过测井密度转换获得，因此可以将式⑵进- 步修改，如下：

V = - 49. 6654 + 8. 21Y + 941JV- 8. 23V- 2 603 + C

⑵

361. 35W-8. 23V + 4357. 26 ⑵

3. 2

页岩气储层孔隙度预测模型

根据建立的单参数影响的声波速度预测模型，结合涪陵地区的测井资料、测试资料等，建立起涪陵地区页岩气储层孔隙度预测模型。由于涪陵地区无法获得围压、孔隙流体类型等变量参数，而同一地区储层的围压、孔隙流体类型等相差不大，因此需要对之前建立的声波速度预测模型进行修改，如下：

Vp2.40 2.45

图

2.50 2.55

DEN / ( g-cm~3)

2.60 2.65 2.70 2.75

8有机碳与密度响应关系

Fig. 8 The relationship between TOC and DEN

而测井密度和纵波速度都可以通过常规测井获得，石英含量、黏土矿物含量也可以通过x衍射获得，

— — 49. 664 8. 21Y— 79. 22U — 8. 23V

C⑵

通过式⑵可以看出，孔隙度的计算与纵波速度

只有涪陵地区经验常数C无法直接获得，而C可以看作是涪陵地区的一个经验常数，因此C可以通过涪陵

第5期徐壮等：涪陵地区页岩总孔隙度测井预测541

地区的常规测井资料和测试资料拟合得出。将涪陵地区A井的纵波速度、测井密度测孔隙度、黏土矿物含量及石英含量带人式⑶，计算得出一系列C的值，取其均值作为涪陵地区经验常数，通过计算，得出涪陵地区经验常数C是4 465。因此得到了涪陵地区孔隙度的预测方程：

必=37. 49 + 0. 1+18. 95犖-0. 1-0. 02犞

⑶

为了检验建立的涪陵地区的孔隙度预测方程是否准确有效，现在将涪陵地区另- 口测井B井的测井数据和测试数据带人式⑶，计算得出B井孔隙度，并将计算出的孔隙度与测井解释孔隙度、实测孔隙度进行对比（图9)。通过图9可以看出，运用式⑷计算出的

B井的孔隙度无论是在变化趋势还是数值大小上，都

比测井解释的孔隙度更加接近于实际测试的孔隙度，这就说明建立的涪陵地区孔隙度的预测方程是准确有效的。

地层

深度

层

位

九分厚度(g-cm\"3)

测井解释孔隙度

方案

测井密度

2.4 ---------2.8

2 500 - 2510 - 2 520 - 924

2 530 - 2 540 - 820.5

2 550 - 龙马2 560 - 溪7

组

65.510.5

2 570 - 5102 580 - 410.52 590 - 14.52 600 -

2 610 -6.5

图

B井综合柱状图

Fig. 9 Synthesis columnar section of Well B

4结论

⑴通过多参数优选、交会分析等手段，结合研究

区实测孔隙度与测井资料，分析得出孔隙度与各测井参数的响应关系，建立起了孔隙度的测井识别模型，确定了孔隙度定量化表征的岩石物理学响应参数_

声

波时差（地层速度），为建立单参数影响的地层速度预

测模型提供了理论依据。

⑷以制备出的人造岩心为样品，结合覆压孔隙度、覆压声波测试数据，分别建立起了声波速度与单参数孔隙度、有机质、石英含量、黏土矿物含量、孔隙流体类型、围压的响应模型，依据建立起的响应模型分别计算出了单参数孔隙度、有机质、石英含量、黏土矿物含量、孔隙流体类型、围压对声波速度的影响因子，并最终建立起了单参数影响的声波速度预测模型。

⑷利用所建立的声波速度预测模型，结合涪陵地区A井测井资料、测试资料，构建了适合涪陵地区的孔隙度表征方程，并运用该地区B井测井资料对方程进行了检验，结果显示运用建立起的孔隙度表征方程所计算出的孔隙度与实际测试孔隙度吻合度高，误差小，说明所建立的孔隙度表征方程能够真实、准确地对孔隙度进行预测。

⑷在孔隙度表征方程建立过程中也发现了-些不足，在人造岩心制备过程中，没有对黏土矿物类型进行精细划分，未来会增加不同黏土矿物类型的样品，分

析不同类型黏土矿物对孔隙度的影响规律；对于有机碳含量低于1

，孔隙度低于1.5%的页岩样品，利用

该方法计算出的孔隙度与实测孔隙度误差较大，分析原因可能是人造岩心样品制备过程中，对于有机质含量较低、孔隙度低值的区间所制备的样品数不足，导致有机碳与孔隙度较低区间的影响规律不准确。未来会增加样品个数，准确划分出不同区间各参数与声波速度的影响规律，实现分区间对页岩孔隙度进行精确表征的目的。

符号注释:犞一纵波速度，m/s;卜孔隙度;Y—石英含量；Z-围压，MPa;— 有机质含量；W—孔隙流体类型；犞一黏土矿物含量；C一涪陵地区经验常数;犖—测井密度，g/cm3。

参

考文献

[1]

JAR VIE D M, HILL R J, RUBLE T E, et al. Unconventional shale-gas systems：The Mississippian Barnett Shale of north-central Texas as one model for thermogenic shale-gas assessment [J]. AAPG Bulletin,2007,91 (4) :475-499.

[2] LOUCKS R G,REED R M,RUPPEL S C,et al. Morphology， genesis» and distribution of nanometer-scale pores in siliceous

mudstones of the Mississippian Barnett Shale[J]. Journal of Sedimentary Research, 2009,79(12) ： 848-861.

[3]

ROSS D J K,BUSTIN R M. The importance of shale composition and pore structure upon gas storage potential of shale gas reservoirs [J]. Marine and Petroleum Geology，2009,26(6) : 916-927.

[

纪文明，宋岩，姜振学，等.四川盆地东南部龙马溪组页岩微-纳米孔隙结构特征及控制因素[

石油学报，20,(2) :182-195.

JI Wenming,SONG Yan,JIANG Zhenxue,et al. Micro-nano pore

542石油structure characteristics and its control factors of shale in Long- maxi Formation^ southeastern Sichuan Basin[J]. Acta PetrolriSinica，2016,37(2) :182-195.

[

焦堃，姚素平，吴浩，等.页岩气储层孔隙系统表征方法研究进展

[].髙校地质学报，2014,20(1):151—1.

JIAO kun»YAO Suping»WU IIao»et al. Advances in characterization of pore system of gas shale[J]. Geological Journal of China Universities,2014,20(1) ； 151-161.

[6]陈一鸣，魏秀丽，徐欢.北美页岩气储层孔隙类型研究的启示

[

复杂油气藏,12,5(4):19-22.

CHEN Yiming^WEI Xiuli^XU Iluan. Suggestions from the re- sarch of pore types of shale gas reservoir in North America[J]. Complex Hydrocarbon Reservoirs^ 2012 ,(4) ：19-22.

[陈尚斌，夏筱红，秦勇，等.川南富集区龙马溪组页岩气储层孔隙结构分类[

煤炭学报，2038(5) :76765.

CHEN Shangbin^XIA Xiaohong^QIN Yong^et al. Classification of pore structures in shale gas reservoir at the Longmaxi Formation in the south of Sichuan Basin[J]. Journal of China Coal Soci- ety，2013,38(5):760-765.

[8]

LUFFEL D L, GUIDRY F K. New core analysis methods for measuring reservoir rock properties of Devonian shale[J]. Jour- i^al of Petroleum Technology, 1989^44(H) ：1184-H90.

[9]

ROSS D J K4USTIN R M. Characterizing the shale gas resource potential of Devonian-Mississippian strata in the Western Canada sedimentary basin：application of an integrated formation evaluation[J]. AAPG Bulletin,2008,92(1) ； 87-125.

[10]

LECOMPTE B,IIURSAN G. Quantifying source rock maturity from logs： how w get more than TOC from delta log R[R]. SPE- 133128-MS，2010.

[H]

QUIIIEIN J，GALFOI ID J，WITKOWSKY J，etal. Formation- valuation and characterization of shale-gas reservoirs by means of core and wireline data integration[J]. The Leading Edge，2013, 32(12):1486-1492.

[12]

吴逸豪，卢双舫，陈方文，等.泥页岩储层有机孔隙定量评价研[J].特种油气藏，2015,22(5):58.

WU Yihao»LU Shuangfang»CIIEN Fangwen»et al. Quantitative characterization of organic pores in muddy shale reservoirs[J]. Special Oil &- Gas Reservoirs^2015,22(5) ： 65-68.

[13]

王道富，王玉满，董大忠，等.川南下寒武统筇竹寺组页岩储集间定量表征[

天然气工业，2013,(7):1-10.

WANG Daofu^WANG Yuman,ONG Dazhong,t al. Quantitative characterization of reservoir space in the Lower Cambrian Qiongzhusi Shale» Southern Sichuan Basin[J]. Natural Gas Industry, 2013 ,33(7) : 1-10.

[14] 李军，路菁，李争，等.页岩气储层“四孔隙”模型建立及测井定量

表征方法[.石油与天然气地质，20145(2)2-271.

LI Jun» LU Jing» LI Zheng» et al. Four-pore’ modeling and its quantitative logging description of shale gas reservoir[J]. Oil &Gas Geology,2014,35(2) :266-271.

[]王玉满，董大忠，杨桦，等.川南下志留统龙马溪组页岩储集空间定量表征[J].地球科学，2014,(6) :138-1356.

WANG Yuman^DONG Dazhong^YANG Ilua^et al. Quantitative characterization of reservoir space in the lower Silurian Longmaxi Shale»southern Sichuan»China[J]. Science China Earth Sciences, 2014,7(2) :313-322.

[16]王玉满，董大忠，李建忠，等.川南下志留统龙马溪组页岩气储层

学报

2017年第38卷

特征[J].石油学报，2014,⑷：551-561.

WANG Yuman，DONG Dazhong，LI Jianzhong，et al. Reservoir characteristics of shale gas in Longmaxi Formation of the Lower Silurian,southern Sichuan[J]. Acta Petrolei Sinica»2014»33(4)：551-561.

[17]李廷钧，冯媛媛，刘欢，等.四川盆地湖相页岩气地质特征与资源

潜力[J].石油勘探与开发，201,(4) 4-428.

LI Tingjun»FENG Yuanyuan»LIU IIuan»et al. Geological characteristics and resource potential of lacustrine shale gas in the Sichuan Basin»SW China[J]. Petroleum Exploration and Develop- ment,2013,40(4):423-428.

刘树根，马文辛，LUBA J，等.四川盆地东部地区下志留统龙马溪组页岩储层特征[J].岩石学报，2011，27(8) : 2232252.

LIU Shugen»MA Wenxin»LUBA J»et al. Characteristics of the shale gas reservoir rocks in the Lower Silurian Longmaxi Formation » East Sichuan basin，China [ J ]. Acta Petrologica Sinica， 2011,27(8)：2239-2252.

[

]

李伟，刘静江，邓胜徽，等.四川盆地及邻区震旦纪末-寒武纪早期构造运动性质与作用[J].石油学报，205,⑷5-556.

LI Wei»LIU Jingjiang»DENG Shenghui»et al. The nature and role of Late Sinian-Early Cambrian tectonic movement in Sichuan Basin and its adjacent areas[J]. Acta Petrolei Sinica，2015,36(5) : 546-556.

2程克明，王世谦，董大忠，等.上扬子区下寒武统筇竹寺组页岩气成藏条件[J].天然气工业,09,29(5)：-44.

CHENG Keming^WANG Shiqian,ONG Dazhong，t al. Accumulation conditions of shale gas reservoirs in the Lower Cambrian Qiongzhusi Formation,the Upper Yangtze region[J]. Natural Gas Industry,2009,29(5) :40-44.

[

]刘树根，王世玉，孙玮，等.四川盆地及其周缘五峰组-龙马溪组黑色页岩特征[J].成都理工大学学报：自然科学版，2013, (6)：

621-639.

LIU Shugen^WANG Shiyu^SUN Wei，t al. Characteristics of black shale in Wufeng Formation and Longmaxi Formation in Sichuan Basin and its peripheral areas[J]. Journal of Chengdu University of Tech- nlogy ：Science &- Technology Eition,2013,40(6) ：621-639.

[22]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[石油学报，2010,(2) :225-230.

PU Boling，JIANG Youlu，WANG Yi，et al. Reservoir-forming conditions and favorable exploration zones of shale gas in Lower Silurian Longmaxi Formation of Sichuan Basin[J]. Acta Petrolri Sinica,2010,1(2) :225-230.

梁超，姜在兴，杨镱婷，等.四川盆地五峰组-龙马溪组页岩岩相及储集空间特征[J].石油勘探与开发，2012,⑷）9198.

LIANG Chao,JIANG Zaixing,YANG Yiting,et al. Characteristics of shale lithofacies and reservoir space of the Wufeng-Long- maxi Formation，Sichuan Basin [J ]. Petroleum Exploration and Development,2012,39(6) ：691-698.

赵建华，金之钧，金振奎，等.四川盆地五峰组-龙马溪组页岩岩相类型与沉积环境[J].石油学报，20167(5):572-586.

ZHAO Jianhua»JIN Zhijun»JIN Zhenkui»et al. Lithofacies types and sedimentary environment of shale in Wufeng-Longmaxi Formation， Sichuan Basin[J]. Acta Petrolei Sinica, 2016 «37 (5) ：572-586.

[25]王秀平，牟传龙，葛详英，等.川南及邻区龙马溪组黑色岩系矿物

组分特征及评价[J].石油学报,15,(2): 150-12.

WANG Xiuping^MOU Chuanlong^GE Xiangying^et al. Mineral component characteristics and evaluation of black rock series of

究

空

第5期徐壮等：涪陵地区页岩总孔隙度测井预测543

Longmaxi Formation in Southern Sichuan and its periphery[J]. Acta Petrolei Sinica，2015,36(2) :150-162.

[26] 郭旭升.南方海相页岩气“二元富集”规律一一四川盆地及周缘龙马

XIE Yue!ang,ZIIANG Ji. Application of rock physical model in S-wave velocity estimation[J]. Geophysical Prospecting for Pe-troleum，2012,51(l) :65-70.

[38]

AVSETH P, JOHANSEN T A, BAKIIORJI A, et al. Rock- physics modeling guided by depositional and burial history in low-to-intermediate-porosity sandstones [J]. Geophysics» 2014, 79(2) :D115-D121.

溪组页岩气勘探实践认识[地质学报，20588(7) :121IM218.

GUO Xusheng. Rules of two-factor enrichiment for marine shalegas in southern China-------understanding from the LongmaxiFormation shale gas in Sichuan basin and its surrounding area [J]. Acta Geologica Sinica，2014,88(7) : 1210-1218.

[27]

孙春岩，章明昱，牛滨华，等.天然气水合物微观模式及其速度参数估算方法研究[

地学前缘，2103,5(1): 191-198.

张晋言.三大类储层参数测井评价技术及其应用[测井技术，

2013,37(6):587-593.

ZHANG Jinyan. Application and development of reservoir quality evaluation technology based on three kinds of logging parame- ters[J]. Well Logging Technology,2013,37(6) ：587-593.

[28]

张丽华，潘保芝，单刚义.应用三重孔隙模型评价火成岩储层[

测井技术，2008,32(1):3740.

ZHANG Lihua^PAN Baozhi^SIIAN Gangyi. Tri-porosity model and its application in igneous reservoir[J]. Well Logging Technology, 2008,32(1) :37-40.

[29]

曹毅民，章成广，杨维英，等.裂缝性储层电成像测井孔隙度定量评价方法研究[

测井技术，210 8

⑶：237-239.

CAO Yimin,ZIIANG Chengguang, YANG Weiying,et al. Fractured reservoir porosity quantitative evaluation using electric im- aing logging data[J]. Well Logging Technology» 2006» 30 (3)：237-239.

[30]

杨泽皓，董明哲，宫厚健，等.测量页岩径向渗透率和孔隙度的新方法[石油学报，2015 8

⑷52-489.

YANG Zehao, DONG Mingzhe, GONG Houji^n, et al. A new method to measure radial permeability and porosity of shale[J]. Acta Petrolei Sinica，2015,36(4) :482-489.

[31]

WYLLIE M R J, GREGORY A R, GARDNER G H F. An experimental investigation of factors affecting elastic wave velocities in porous media[J]. Geophysics»1958»23(3) ：459-493.

[32]

GassmannF.Elasticwavesthroughapackingofspheres[J].Ge- ophysics，1951，16(4) :673-685.

[33]

Mavko G, Mukerji T, Dvorkin J. The rock physics handbook - Tools fr seismic analysis in porous media[M]. Cambridge: Cambridge University Press, 2009 ： 78-89.

[34]

LEE J S，YOON N K. Porosity estimation based on seismic wave velocity at shallow depths[】]. Journal of Applied Geophysics, 2014,105:185-190.

[35]

AWADALKARIM A^FABRICIUS I L. Porosity and sonic velocity depth trends of Eocene chalk in Atlantic Ocean： influence of elTective stress and temperature[J. Journal。1 Petroleum Science and Engineering,2014,122；216-229.

[36]

Kuila U»Dewhurst D N»Siggins A F»et al. Stress anisotropy and velocity anisotropy in low porosity shale [J]. Tectonophysics, 2011,503(1/2):34-44.

[37]

谢月芳，张纪.岩石物理模型在横波速度估算中的应用[石油物探，2012,51(1):5-70.SUN Chunyan,ZHANG Mingyu,NIU Binghua,et al. Micromodels of gas hydrate and their velocity estimation methods [J]. Earth Science Frontiers，2003，10(1) : 191-198.

[40]

IIUM B W. Process for making artificial rocks:United States Patent 4043826[P]. 1977-08-23.

[41]

SIMANDOUX P. Dielectric measurements on porous media： application to the measurement of water saturation： study of the behavior of argillaceous formations[】]. Revue de L Institu: Fran- cais du Petrole，1963，18(Si) : 193-215.

皮彦夫.石英砂环氧树脂胶结人造岩心的技术与应用[科学

技术与工程，2010,10(28) : 6998-7000.

PI Yanfu. Technology and application of making artificial cores by the cementation of quartzite and colophony[J]. Science Technology and Engineering,2010,10(28) ：

6998-7000.4

徐洪波，李建阁，胡景新.砂岩人造岩心与天然岩心基本特性对比[

大庆石油地质开发，2012,31⑶：2-105.

XU IIongbo»LI Jiange»IIU Jingxin. Contrast of the basic characteristics between the artificial and native cores of sandstone[J]. Petroleum Geology &- Oilfield Development in Daqing,2012,31 (3)： 102-10 .

[44] 熊钰，王帅，耿站立，等.弱胶结髙渗疏松砂岩人造岩心制作新技

术[J].地球物理学进展，20 ,⑶：1474-1479.

XIONG Yu^WANG Shuai^GENG Zhanli^et al. A new technology of making weakly cemented and hypertonic artificial cores of unconsolidated sandstone[J]. Progress in Geophysics» 2015 »30 (3)：1474-1479.

[45]

TISSOT P B P^WELTE D II. Petroleum formation and occur- rence[M]. Berlin Heidelberg：Springer-Verlag, 1984：643-644.[46] CIIALMERS G R L，BUSTIN R M. The organic matter distribution and methane capacity of the Lower Cretaceous strata of Northeastern British Columbia»Canada[J]. International Journal of Coal Geology,2007,70(1/3) :223-239.

[47] NELSON P II. Pore-throat sizes in sandstones,tight sandstones, and shales [J]. AAPG Bulletin, 2009 «93 (3) ： 329-340.

4张晓明，石万忠，徐清海，等.四川盆地焦石坝地区页岩气储层特征及控制因素[J].石油学报，2015 38) :926-939,953.

ZHANG Xaoming, SHI Wanzhong, XU Qinghai, et al. Reservoir characteristics and controlling factors of shale gas in Jiaoshiba area,

Sichuan Basin[J. Acta Petrolei Sinica,2015,36(8) : 926-939，953.

⑶稿日期2016-12-05改回日期2017-03-18 责任编辑张怡)

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文

全部栏目

涪陵地区页岩总孔隙度测井预测