留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

渤海海域沙南凹陷烃源岩TOC测井预测模型优选及应用

徐仕琨 叶加仁 杨宝林 赵牛斌

徐仕琨, 叶加仁, 杨宝林, 赵牛斌. 渤海海域沙南凹陷烃源岩TOC测井预测模型优选及应用[J]. 海洋地质与第四纪地质, 2020, 40(5): 182-191. doi: 10.16562/j.cnki.0256-1492.2019092901
引用本文: 徐仕琨, 叶加仁, 杨宝林, 赵牛斌. 渤海海域沙南凹陷烃源岩TOC测井预测模型优选及应用[J]. 海洋地质与第四纪地质, 2020, 40(5): 182-191. doi: 10.16562/j.cnki.0256-1492.2019092901
XU Shikun, YE Jiaren, YANG Baolin, ZHAO Niubin. Optimization of TOC well logging prediction models and their application to source rock evaluation in the Shanan Sag of Bohai Sea[J]. Marine Geology & Quaternary Geology, 2020, 40(5): 182-191. doi: 10.16562/j.cnki.0256-1492.2019092901
Citation: XU Shikun, YE Jiaren, YANG Baolin, ZHAO Niubin. Optimization of TOC well logging prediction models and their application to source rock evaluation in the Shanan Sag of Bohai Sea[J]. Marine Geology & Quaternary Geology, 2020, 40(5): 182-191. doi: 10.16562/j.cnki.0256-1492.2019092901

渤海海域沙南凹陷烃源岩TOC测井预测模型优选及应用


doi: 10.16562/j.cnki.0256-1492.2019092901
详细信息
    作者简介:

    徐仕琨(1997—),男,硕士研究生,主要从事中国近海潜在富烃凹陷烃源岩及资源评价方面的研究,E-mail:574641016@qq.com

    通讯作者: 叶加仁(1966—),男,博士,教授,博士生导师,主要从事油气成藏动力学及资源评价等方面的教学与研究,E-mail:jrye@cug.edu.cn
  • 基金项目:  国家科技重大专项“中国近海烃源岩地球生物学及凹陷分类研究”(2016ZX05024-002-003)
  • 中图分类号: TE132

Optimization of TOC well logging prediction models and their application to source rock evaluation in the Shanan Sag of Bohai Sea

More Information
  • 摘要: 针对渤海海域沙南凹陷油气勘探程度低,烃源岩样品取芯少,连续性差,烃源岩研究薄弱及勘探潜力争议较大等问题,基于沙南凹陷内6口单井的测井资料及泥岩样品实测TOC数据,分别应用多元线性回归法和改进的ΔlgR法分层段建立沙南凹陷东三段、沙一二段、沙三段烃源岩TOC定量预测模型,对比优选后发现改进的ΔlgR法和多元线性回归法中的四参数线性回归法可有效地预测沙南凹陷单井湖相烃源岩TOC纵向分布,并以改进的ΔlgR法最优;选取改进的ΔlgR法预测TOC曲线对两口代表性单井烃源岩进行评价,结果表明沙三段具有烃源岩占比地层厚度高、TOC高、好—优质烃源岩厚度大等特点,为凹陷主力烃源岩系,沙南凹陷勘探前景广阔。
  • 图  1  沙南凹陷构造位置(据参考文献[12]修改)

    Figure  1.  Tectonic location of the Shanan Sag (modified from reference [12])

    图  2  岩石组成示意图[15]

    Figure  2.  Diagram of rock composition

    图  3  沙南凹陷东三段烃源岩实测TOC与各测井参数交会图

    Figure  3.  Correlation of measured TOC and logging parameters of the E3d3 in Shanan Sag

    图  4  沙南凹陷沙一二段烃源岩实测TOC与各测井参数交会图

    Figure  4.  Correlation of measured TOC and logging parameters of the E3s1+2 in Shanan Sag

    图  5  沙南凹陷沙三段烃源岩实测TOC与各测井参数交会图

    Figure  5.  Correlation graphs of measured TOC and logging parameters of the E2s3 in Shanan Sag

    图  6  测井四参数预测模型计算TOC与实测TOC对比

    Figure  6.  Correlation of measured TOC and calculated TOC(Four-parameter method)

    图  7  测井ΔlgR法预测TOC与实测TOC对比

    Figure  7.  Correlation of measured TOC and calculated TOC (ΔlgR method)

    图  8  CFD23-1-1井、CFD16-3-1井烃源岩TOC测井预测图

    Figure  8.  The prediction of TOC of source rocks for Well CFD23-1-1 and Well CFD16-3-1

    表  1  沙南凹陷烃源岩TOC测井多元线性回归法定量预测模型优选

    Table  1.   Quantitative TOC logging prediction models by multivariate linear regression method for source rocks in Shanan Sag

    层位测井参数TOC定量预测模型相关系数
    东三段单参数声波时差(AC)TOC=0.063AC−4.3280.63
    电阻率(RT)TOC=0.003RT+2.2220.016
    密度(DEN)TOC=−6.56DEN+18.3090.502
    中子(CNL)TOC=0.105CNL−0.9530.465
    双参数AC, CNLTOC=0.076AC−0.037CNL−4.6040.636
    三参数AC, RT, CNLTOC=0.09AC+0.046RT−0.052CNL−5.7560.682
    四参数AC, RT, CNL, DENTOC=(0.214AC+0.091RT−0.183CNL−5.928)/DEN−2.4140.695
    沙一二段单参数声波时差(AC)TOC=0.161AC−13.4840.816
    电阻率(RT)TOC=0.726RT−0.2970.611
    密度(DEN)TOC=−8.487DEN+23.280.38
    中子(CNL)TOC=0.082CNL+0.1360.23
    双参数AC, RTTOC=0.134AC+0.381RT−12.2940.862
    三参数AC, RT, CNLTOC=0.141AC+0.373RT−0.031CNL−12.0690.864
    四参数AC, RT, CNL, DENTOC=(0.335AC+0.942RT−0.067CNL−36.258)/DEN+2.9920.865
    沙三段单参数声波时差(AC)TOC=0.084AC−5.3630.685
    电阻率(RT)TOC=0.154RT+1.4840.42
    密度(DEN)TOC=−17.185DEN+45.8940.686
    中子(CNL)TOC=0.162CNL−1.4580.625
    双参数AC, CNLTOC=0.06AC+0.068CNL−4.8060.708
    三参数AC, RT, CNLTOC=0.101AC+0.198RT−0.028CNL−7.6530.845
    四参数AC, RT, CNL, DENTOC=(0.243AC+0.489RT−0.068CNL−20.204)/DEN+0.770.847
    下载: 导出CSV

    表  2  沙南凹陷烃源岩TOC测井ΔlgR法定量预测模型

    Table  2.   Quantitative TOC logging prediction models by ΔlgR method of source rocks in Shanan Sag

    层位TOC定量预测模型相关系数
    东三段TOC=(0.206AC+3.795lgRT−17.645)/DEN0.767
    沙一二段TOC=(0.325AC+6.94lgRT−30.115)/DEN0.835
    沙三段TOC=(0.215AC+7.648lgRT−19.825)/DEN0.877
    下载: 导出CSV

    表  3  沙南凹陷烃源岩实测TOC值与测井计算TOC值误差对比分析

    Table  3.   Comparison of errors between measured TOC from coresand predicted TOC by different means

    预测方法层位平均TOC/%平均绝对误差*平均相对误差**/%数据点/个
    实测测井计算
    四参数线性回归法东三段2.2322.2210.56025.121
    沙一二段2.5992.6060.89834.613
    沙三段2.5352.5190.57922.821
    改进的ΔlgR东三段2.2322.2340.51623.121
    沙一二段2.5992.5801.04840.313
    沙三段2.5352.5450.49319.421
      *平均绝对误差=$ \left(\sum |{\simfont\text{测井预测}}\mathrm{T}\mathrm{O}\mathrm{C}-{\simfont\text{样品实测}}\mathrm{T}\mathrm{O}\mathrm{C}|\right) $/样品数;
    **平均相对误差=平均绝对误差/平均实测TOC。
    下载: 导出CSV

    表  4  CFD23-1-1井、CFD16-3-1井烃源岩评价结果统计

    Table  4.   Statistical table of source rock evaluation results of Well CFD23-1-1 and Well CFD16-3-1

    井号层位不同级别烃源岩厚度/m地层厚度/m烃源岩厚度占地层厚度百分比/%
    合计
    CFD23-1-1东三段4178206720625580.78
    沙一二段01220.586.511913389.47
    沙三段0127616825628390.46
    CFD16-3-1东三段097.5450142.529648.14
    沙一二段1237004917028.82
    沙三段495914896.5352.5551.563.92
    下载: 导出CSV
  • [1] 袁东山, 王国斌, 汤泽宁, 等. 测井资料评价烃源岩方法及其进展[J]. 石油天然气学报, 2009, 31(4):192-194. [YUAN Dongshan, WANG Guobin, TANG zening, et al. Methods for evaluating source rocks by well-logging data and its progress [J]. Journal of Oil and Gas Technology, 2009, 31(4): 192-194. doi: 10.3969/j.issn.1000-9752.2009.04.046
    [2] 李延钧, 张烈辉, 冯媛媛, 等. 页岩有机碳含量测井评价方法及其应用[J]. 天然气地球科学, 2013, 24(1):169-175. [LI Yanjun, ZHANG Liehui, FENG Yuanyuan, et al. Logging evaluation method and its application for measuring the total organic carbon content in shale gas [J]. Natural Gas Geoscience, 2013, 24(1): 169-175.
    [3] 刘超. 测井资料评价烃源岩方法改进及作用[D]. 大庆: 东北石油大学, 2011.

    LIU Chao. Evaluating source rock using logging data—Improvement and application [D]. Daqing: Northeast Petroleum University, 2011.
    [4] 袁彩萍, 徐思煌, 薛罗. 珠江口盆地惠州凹陷主力烃源岩测井预测及评价[J]. 石油实验地质, 2014, 36(1):110-116. [YUAN Caiping, XU Sihuang, XUE Luo. Prediction and evaluation with logging of main source rocks in Huizhou Sag, Pearl River Mouth Basin [J]. Petroleum Geology & Experiment, 2014, 36(1): 110-116. doi: 10.11781/sysydz201401110
    [5] 李松峰, 毕建霞, 曾正清, 等. 普光地区须家河组烃源岩地球物理预测[J]. 断块油气田, 2015, 22(6):705-710. [LI Songfeng, BI Jianxia, ZENG Zhengqing, et al. Geophysical prediction of source rock of Xujiahe Formation in Puguang area [J]. Fault-Block Oil & Gas Field, 2015, 22(6): 705-710.
    [6] 黄薇, 张小莉, 李浩, 等. 鄂尔多斯盆地中南部延长组7段页岩有机碳含量解释模型[J]. 石油学报, 2015, 36(12):1508-1515. [HUANG Wei, ZHANG Xiaoli, LI Hao, et al. Interpretation model of organic carbon content of shale in Member 7 of Yanchang Formation, central-southern Ordos Basin [J]. Acta Petrolei Sinica, 2015, 36(12): 1508-1515. doi: 10.7623/syxb201512005
    [7] Passey Q R, Creaney S. A practical model for organic richness from porosity and resistivity logs [J]. AAPG Bulletin, 1990, 74(12): 1777-1794.
    [8] Huang Z, Williamson M A. Artificial neural network modelling as an aid to source rock characterization [J]. Marine and Petroleum Geology, 1996, 13(2): 277-290. doi: 10.1016/0264-8172(95)00062-3
    [9] 孟召平, 郭彦省, 刘尉. 页岩气储层有机碳含量与测井参数的关系及预测模型[J]. 煤炭学报, 2015, 40(2):247-253. [MENG Zhaoping, GUO Yansheng, LIU Wei. Relationship between organic carbon content of shale gas reservoir and logging parameters and its prediction model [J]. Journal of China Coal Society, 2015, 40(2): 247-253.
    [10] 贺聪, 苏奥, 张明震, 等. 鄂尔多斯盆地延长组烃源岩有机碳含量测井预测方法优选及应用[J]. 天然气地球科学, 2016, 27(4):754-764. [HE Cong, SU Ao, ZHANG Mingzhen, et al. Optimal selection and application of prediction means for organic carbon content of source rocks based on logging data in Yanchang Formation, Ordos Basin [J]. Natural Gas Geoscience, 2016, 27(4): 754-764. doi: 10.11764/j.issn.1672-1926.2016.04.0754
    [11] Kamali M R, Mirshady A A. Total organic carbon content determined from well logs using delta log and neuro fuzzy techniques [J]. Journal of Petroleum Science and Engineering, 2004, 46(3): 141-148.
    [12] 陈丽祥, 周晓光, 付鑫, 等. 渤海湾盆地沙南凹陷东次洼孔店组生烃潜能评价[J]. 石油地质与工程, 2018, 32(4):42-45. [CHEN Lixiang, ZHOU Xiaoguang, FU Xin, et al. Hydrocarbon potential evaluation of Kongdian formation in Shannan sag, Bohaiwan basin [J]. Petroleum Geology and Engineering, 2018, 32(4): 42-45. doi: 10.3969/j.issn.1673-8217.2018.04.010
    [13] 李宏义, 吴克强, 刘丽芳, 等. 沙南凹陷构造演化的“跷跷板”效应与油气评价新认识[J]. 中国海上油气, 2011, 23(4):225-228. [LI Hongyi, WU Keqiang, LIU Lifang, et al. A "Seesaw" effect of structural evolution and some new cognition in hydrocarbon evaluation in Shanan sag, Bohai Sea [J]. China Offshore Oil and Gas, 2011, 23(4): 225-228. doi: 10.3969/j.issn.1673-1506.2011.04.003
    [14] 石文龙, 李慧勇, 茆利, 等. 沙南凹陷西洼成藏主控因素及有利勘探区带[J]. 断块油气田, 2015, 22(2):137-141. [SHI Wenlong, LI Huiyong, MAO Li, et al. Main controlling factors of hydrocarbon accumulation and favorable exploration zone in West Shanan Sag [J]. Fault-Block Oil & Gas Field, 2015, 22(2): 137-141.
    [15] 王贵文, 朱振宇, 朱广宇. 烃源岩测井识别与评价方法研究[J]. 石油勘探与开发, 2002, 29(4):50-52. [WANG Guiwen, ZHU Zhenyu, ZHU Guangyu. Logging identification and evaluation of Cambrian-Ordovician source rocks in syneclise of Tarim basin [J]. Petroleum Exploration and Development, 2002, 29(4): 50-52. doi: 10.3321/j.issn:1000-0747.2002.04.015
    [16] 杨涛涛, 范国章, 吕福亮, 等. 烃源岩测井响应特征及识别评价方法[J]. 天然气地球科学, 2013, 4(2):414-422. [YANG Taotao, FAN Guozhang, LV Fuliang, et al. The logging features and identification methods of source rock [J]. Natural Gas Geoscience, 2013, 4(2): 414-422.
    [17] Herron S, Letendre L, Dufour M. Source rock evaluation using geochemical information from wireline logs and cores [J]. AAPG Bulletin, 1988, 72(8): 1007.
    [18] Luffel D L, Guidry F K, Curtis J B. Evaluation of Devonian shale with new core and log analysis-methods [J]. Journal of Petroleum Technology, 1992, 44(11): 1192-1197. doi: 10.2118/21297-PA
    [19] 刘新颖, 邓宏文, 邸永香, 等. 海拉尔盆地乌尔逊凹陷南屯组优质烃源岩发育特征[J]. 石油实验地质, 2009, 31(1):68-73. [LIU Xinying, DENG Hongwen, DI Yongxiang, et al. High-quality source rocks of Nantun formation in Wuerxun depression, the Hailaer basin [J]. Petroleum Geology & Experiment, 2009, 31(1): 68-73. doi: 10.3969/j.issn.1001-6112.2009.01.013
    [20] 徐思煌, 朱义清. 烃源岩有机碳含量的测井响应特征与定量预测模型—以珠江口盆地文昌组烃源岩为例[J]. 石油实验地质, 2010, 32(3):290-295. [XU Sihuang, ZHU Yiqing. Well logs response and prediction model of organic carbon content in source rocks—a case study from the source rock of Wenchang formation in the Pearl mouth basin [J]. Petroleum Geology & Experiment, 2010, 32(3): 290-295. doi: 10.3969/j.issn.1001-6112.2010.03.017
    [21] 朱光有, 金强, 张林晔. 用测井信息获取烃源岩的地球化学参数研究[J]. 测井技术, 2003, 27(2):104-109. [ZHU Guangyou, JIN Qiang, ZHANG Linye. Using log information to analyse the geochemical characteristics of source rocks in Jiyang Depression [J]. Well Logging Technology, 2003, 27(2): 104-109. doi: 10.3969/j.issn.1004-1338.2003.02.004
    [22] 张寒, 朱光有. 利用地震和测井信息预测和评价烃源岩—以渤海湾盆地富油凹陷为例[J]. 石油勘探与开发, 2007, 34(1):55-59. [ZHANG Han, ZHU Guangyou. Using seismic and log information to predict and evaluate hydrocarbon source rocks: An example from rich oil depressions in Bohai Bay [J]. Petroleum Exploration and Development, 2007, 34(1): 55-59. doi: 10.3321/j.issn:1000-0747.2007.01.011
    [23] 侯读杰, 张善文, 肖建新, 等. 陆相断陷湖盆优质烃源岩形成机制与成藏贡献: 以济阳坳陷为例[M]. 北京: 地质出版社, 2008.

    HOU Dujie, ZHANG Shanwen, XIAO Jianxin, et al. The Formation Mechanism of High Quality Source Rocks and Their Contribution to Hydrocarbon Accumulation in The Continental Faulted Lake Basin: A Case Study of Jiyang Depression [M]. Beijing: Geological Press, 2008.
    [24] 李建平, 周心怀, 吕丁友. 渤海海域古近系三角洲沉积体系分布与演化规律[J]. 中国海上油气, 2011, 23(5):293-298. [LI Jianping, ZHOU Xinhuai, LV Dingyou. Distribution and evolution of Paleogene delta systems in Bohai Sea [J]. China Offshore Oil and Gas, 2011, 23(5): 293-298. doi: 10.3969/j.issn.1673-1506.2011.05.002
  • [1] 贾怀存, 康洪全, 管红, 孟金落, 孔令武, 逄林安.  南大西洋两岸盆地海相烃源岩特征与控制因素 . 海洋地质与第四纪地质, 2019, 39(3): 143-150. doi: 10.16562/j.cnki.0256-1492.2019022201
    [2] 谭思哲, 陈春峰, 徐振中, 侯凯文, 王军.  南黄海古生界烃源特征及资源潜力评估 . 海洋地质与第四纪地质, 2018, 38(3): 116-124. doi: 10.16562/j.cnki.0256-1492.2018.03.011
    [3] 邱尔康, 杨风丽, 张若愚, 周晓峰.  南黄海盆地二叠系地震-沉积相分析及烃源岩分布预测 . 海洋地质与第四纪地质, 2018, 38(3): 96-106. doi: 10.16562/j.cnki.0256-1492.2018.03.009
    [4] 季少聪, 杨香华, 朱红涛, 邓运华, 康洪全, 王波, 魏小松.  下刚果盆地M区块Madingo组烃源岩的岩相特征与有机质富集机制 . 海洋地质与第四纪地质, 2017, 37(3): 157-168. doi: 10.16562/j.cnki.0256-1492.2017.03.016
    [5] 程青松, 龚建明, 张敏, 王伟超, 程文洁, 蒋玉波, 徐承芬, 陈志强, 田瑞聪.  祁连山冻土区烃源岩地球化学特征及天然气水合物气源分析 . 海洋地质与第四纪地质, 2016, 36(5): 139-147. doi: 10.16562/j.cnki.0256-1492.2016.05.014
    [6] 兰蕾, 李友川, 孙玉梅.  南海深水区白云凹陷烃源岩发育与三角洲-滨海相的共生关系 . 海洋地质与第四纪地质, 2016, 36(5): 121-129. doi: 10.16562/j.cnki.0256-1492.2016.05.012
    [7] 李冬, 胡孝林, 郭刚, 苗顺德, 郭志峰.  印尼加里曼丹岛东部主要含油气盆地油气富集差异 . 海洋地质与第四纪地质, 2016, 36(4): 129-135. doi: 10.16562/j.cnki.0256-1492.2016.04.015
    [8] 塔斯肯, 李江海, 李维波, 王洪浩, 杨静懿, 李文山.  三叠纪全球板块再造及岩相古地理研究 . 海洋地质与第四纪地质, 2014, 34(5): 153-162. doi: 10.3724/SP.J.1140.2014.05153
    [9] 蔡进功, 宋明水, 卢龙飞, 包于进, 丁飞, 徐金鲤.  烃源岩中有机黏粒复合体——天然的生烃母质 . 海洋地质与第四纪地质, 2013, 33(3): 123-131. doi: 10.3724/SP.J.1140.2013.03123
    [10] 张莉, 耿安松, 王嘹亮, 廖玉宏, 徐国强, 韦振权.  华南陆缘中生界烃源岩条件评价 . 海洋地质与第四纪地质, 2012, 32(1): 99-108. doi: 10.3724/SP.J.1140.2012.01099
    [11] 陈彬, 胡利民, 邓声贵, 范德江, 郭志刚.  渤海湾表层沉积物中有机碳的分布与物源贡献估算 . 海洋地质与第四纪地质, 2011, 31(5): 37-42. doi: 10.3724/SP.J.1140.2011.05037
    [12] 吕炳全, 蔡进功, 刘峰, 邵磊, 王红罡, 全松青.  栖霞组中台缘斜坡上升流沉积相及其与烃源岩的关系 . 海洋地质与第四纪地质, 2010, 30(5): 109-118. doi: 10.3724/SP.J.1140.2010.05109
    [13] 熊林芳, 刘季花, 白亚之, 石学法, 邹建军.  南黄海与东海北部春季悬浮体颗粒有机碳分布 . 海洋地质与第四纪地质, 2010, 30(3): 7-14. doi: 10.3724/SP.J.1140.2010.03007
    [14] 吴兆徽, 查明, 刘晓慧, 王建立, 高长海.  大港南部滩海区沙三段原油地球化学特征及油源分析 . 海洋地质与第四纪地质, 2009, 29(4): 151-156. doi: 10.3724/SP.J.1140.2009.04151
    [15] 郭飞飞, 王韶华, 孙建峰, 陆俊泽, 王修平.  北部湾盆地涠西南凹陷油气成藏条件分析 . 海洋地质与第四纪地质, 2009, 29(3): 93-98. doi: 10.3724/SP.J.1140.2009.03093
    [16] 曹强, 叶加仁, 石万忠.  地震属性法在南黄海北部盆地勘探新区烃源岩厚度预测中的应用 . 海洋地质与第四纪地质, 2008, 28(5): 109-114.
    [17] 马玉波, 吴时国, 袁圣强, 董冬冬, 付彦辉.  南海北部陆缘盆地与坎坡斯盆地深水油气地质条件的对比 . 海洋地质与第四纪地质, 2008, 28(4): 101-110. doi: 10.3724/SP.J.1140.2008.03101
    [18] 龚建明, 曹志敏, 陈建文, 卢振权, 梁杰, 蔡峰, 吴必豪, 闫桂京.  北黄海西部海底沥青的地球化学特征 . 海洋地质与第四纪地质, 2008, 28(2): 99-104.
    [19] 赵省民, 王计堂, 吴必豪, 马惠福, 郑军.  高分辨率层序地层学在东海古新近系油气地质条件预测中的应用 . 海洋地质与第四纪地质, 2007, 27(4): 61-67.
    [20] 姚伯初.  黄海海域地质构造特征及其油气资源潜力 . 海洋地质与第四纪地质, 2006, 26(2): 85-93.
  • 加载中
图(8) / 表(4)
计量
  • 文章访问数:  595
  • HTML全文浏览量:  72
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-09-29
  • 修回日期:  2020-04-18
  • 网络出版日期:  2020-07-03
  • 刊出日期:  2020-10-01

渤海海域沙南凹陷烃源岩TOC测井预测模型优选及应用

doi: 10.16562/j.cnki.0256-1492.2019092901
    作者简介:

    徐仕琨(1997—),男,硕士研究生,主要从事中国近海潜在富烃凹陷烃源岩及资源评价方面的研究,E-mail:574641016@qq.com

    通讯作者: 叶加仁(1966—),男,博士,教授,博士生导师,主要从事油气成藏动力学及资源评价等方面的教学与研究,E-mail:jrye@cug.edu.cn
基金项目:  国家科技重大专项“中国近海烃源岩地球生物学及凹陷分类研究”(2016ZX05024-002-003)
  • 中图分类号: TE132

摘要: 针对渤海海域沙南凹陷油气勘探程度低,烃源岩样品取芯少,连续性差,烃源岩研究薄弱及勘探潜力争议较大等问题,基于沙南凹陷内6口单井的测井资料及泥岩样品实测TOC数据,分别应用多元线性回归法和改进的ΔlgR法分层段建立沙南凹陷东三段、沙一二段、沙三段烃源岩TOC定量预测模型,对比优选后发现改进的ΔlgR法和多元线性回归法中的四参数线性回归法可有效地预测沙南凹陷单井湖相烃源岩TOC纵向分布,并以改进的ΔlgR法最优;选取改进的ΔlgR法预测TOC曲线对两口代表性单井烃源岩进行评价,结果表明沙三段具有烃源岩占比地层厚度高、TOC高、好—优质烃源岩厚度大等特点,为凹陷主力烃源岩系,沙南凹陷勘探前景广阔。

English Abstract

  • 烃源岩是油气生成的物质基础,烃源岩评价是沉积盆地油气资源潜力分析与勘探前景评价的核心内容之一,烃源岩中的总有机碳含量(TOC)是烃源岩评价的重要参数。在利用有机地球化学资料评价烃源岩时,一般隔一定距离取心采样进行测试分析,但受取心数量和分析化验成本等影响,难以获取纵向上连续的TOC值[1-2],而测井资料具有纵向上连续,分辨率高等优势,且多种测井参数与烃源岩TOC之间具有一定的响应关系,可据此建立预测模型对烃源岩TOC进行定量预测,并获取烃源岩厚度[3-4]。国内外学者现已提出了多种基于测井资料预测烃源岩TOC的方法,如多元线性回归法[5-6]、ΔlgR[7]、BP神经网络法等[8-11],不同方法原理各异,互有优劣,分别适用于不同的地质情况和资料状况。

    沙南凹陷位于渤海海域,目前勘探程度总体较低,烃源岩研究较薄弱,对凹陷油气勘探潜力争议较大。本文基于沙南凹陷测井资料,结合实测烃源岩TOC数据,优选适合沙南凹陷烃源岩TOC计算的测井方法与模型,定量预测单井烃源岩TOC纵向分布,为研究区勘探潜力分析奠定基础。

    • 沙南凹陷地处渤海西部海域,北靠沙垒田凸起,南为埕北低凸起及埕子口凸起,东临渤中凹陷,西接歧口凹陷,面积约3235 km2,可分为东西两个次洼(图1),为一新生代发育起来的北断南超的箕状凹陷。沙南凹陷沉积盖层自下而上由古近系孔店组、沙河街组(沙三段、沙二段、沙一段)、东营组(东三段、东二段、东一段),新近系馆陶组、明化镇组及第四系组成,其中,东三段、沙一二段及沙三段湖相泥岩为该区主要烃源岩[12-13],明化镇组、馆陶组、东二段及沙二段为主要的含油气层段。截至目前,该区已累计钻探井20余口,发现了6个含油气构造,但无商业开采价值,其勘探潜力备受质疑[14]

      图  1  沙南凹陷构造位置(据参考文献[12]修改)

      Figure 1.  Tectonic location of the Shanan Sag (modified from reference [12])

    • 烃源岩测井评价是基于烃源岩与非烃源岩TOC和孔隙流体物理性质不同而引起的测井响应特征的差异。通常,非烃源岩由岩石骨架和孔隙流体(主要为地层水)组成(图2a),未成熟烃源岩由岩石骨架、固体有机质和孔隙流体(仍主要为地层水)(图2b)组成,成熟烃源岩中的部分有机质转化为液态烃进入孔隙,其孔隙流体为地层水和液态烃(图2c[15]。因此,烃源岩和非烃源岩的测井响应特征不同,研究表明,富有机质烃源岩在测井曲线上表现为“四高一低”,即高声波时差、高自然伽马、高电阻率、高中子、低密度[16-18]

      图  2  岩石组成示意图[15]

      Figure 2.  Diagram of rock composition

    • 如前所述,基于测井资料定量预测烃源岩TOC的方法主要有多元线性回归法、BP神经网络法、ΔlgR法等,BP神经网络法虽然在解决非线性复杂问题方面具较大优势,但其难以用表达式进行表示,未被广泛应用,目前多元线性回归法和ΔlgR法在烃源岩定量预测中应用广泛。

    • 由于多种测井参数如中子、声波时差、电阻率、自然伽马、密度、铀含量等均与烃源岩TOC存在响应关系,因此,先对各测井参数与实测TOC进行相关性分析,确定相关性较好的参数,在此基础上,将一种或多种测井参数作为自变量,TOC作为因变量建立一元或多元回归方程,通过多元回归分析确定最佳TOC定量预测模型。通常,多参数模型要优于单参数模型,且不同地区TOC的主控因素不同,预测模型也会具有地域差异[19-20]

    • Passey等提出了能够计算不同成熟度条件下烃源岩TOC的测井评价方法,即ΔlgR[7]。该方法先通过声波时差和电阻率叠加计算ΔlgR,再根据TOC与ΔlgR呈线性相关,由ΔlgR计算TOC,公式如下:

      $\Delta \lg R = \lg \left( {R/{R_{\text{基线}}}} \right) + x \times \left( {\Delta t - \Delta {t_{\text{基线}}}} \right)$

      (1)

      ${\rm{TOC}} = {10^{(2.297 - 0.1688 \times {\rm{LOM}})}} \times \Delta \lg R$

      (2)

      式中,R为电阻率,R基线为非烃源岩段电阻率,Δt为声波时差,Δt基线为非烃源岩段声波时差,x为系数,LOM为有机质成熟度指数,与镜质体反射率Ro相关。

      由于该方法没有考虑其他与TOC具有相关性的重要测井参数,且需要成熟度参数和人为确定岩性基线,误差较大,为此,朱光有等[21]及张寒等[22]提出了改进的ΔlgR法,公式(2)可简化为

      ${\rm{TOC}} = K \times \Delta \lg R$

      (3)

      式中,K为系数,将公式(1)代入公式(3)可得

      ${\rm{TOC}} = K \times \lg R + xK \times \Delta t - K \times \left( {\lg {R_{\text{基线}}} + x \times \Delta {t_{\text{基线}}}} \right)$

      (4)

      同一凹陷或同一口井的Δt基线和lgR基线为常数,式(4)可简化为

      ${\rm{TOC}} = a \times \lg R + b \times \Delta t + c$

      (5)

      由于TOC与密度呈负相关关系,经密度校正,可将式(5)改为

      ${\rm{TOC}} = \left( {a \times \lg R + b \times \Delta t + c} \right)/\rho $

      (6)

      式中,ρ为密度测井值,abc的值可通过对研究区样品进行分析,用最小二乘法拟合获得。

    • 由于沙南凹陷东三段、沙一二段、沙三段这三套烃源岩的沉积环境及母质来源等均存在一定的差异[14],本次对东三段、沙一二段、沙三段分别建立TOC测井定量预测模型。

      沙南凹陷共有6口井具较完整测井资料,分别是CFD13-1-1、CFD14-1-1、CFD16-3-1、CFD18-2-1、CFD18-2E-1、CFD23-1-1(具体位置见图1)。本文基于6口井3个烃源岩层段共55个岩心样品的实测TOC数据及相应的测井参数,分别应用多元线性回归法及改进的ΔlgR法分层段建立烃源岩TOC定量预测模型,进而根据相关系数的大小,优选预测模型,实现单井烃源岩TOC预测。

    • 分别统计分析东三段、沙一二段、沙三段烃源岩实测TOC与各测井参数的相关关系(图3-5)发现,东三段烃源岩实测TOC与声波时差(AC)、中子(CNL)存在较强的正相关关系,与密度(DEN)存在较强的负相关关系,相关系数分别为0.63、0.465、0.502,与电阻率(RT)及自然伽马(GR)没有明显的相关关系;沙一二段烃源岩实测TOC与声波时差(AC)、电阻率(RT)、中子(CNL)存在较强的正相关关系,与密度(DEN)、自然伽马(GR)存在负相关关系,相关系数分别为0.816、0.611、0.23、0.38、0.55;沙三段烃源岩实测TOC与声波时差(AC)、电阻率(RT)、中子(CNL)存在较强的正相关关系,与密度(DEN)存在较强的负相关关系,相关系数分别为0.685、0.42、0.625、0.686,与自然伽马(GR)存在较弱的负相关关系。综合来看,沙南凹陷烃源岩实测TOC与声波时差(AC)、中子(CNL)、电阻率(RT)具有明显的正相关关系,与密度(DEN)具显著的负相关关系,而与自然伽马(GR)的相关关系不明显或不符合地质规律,因此,本文不考虑自然伽马(GR)参数,选择其他4个测井参数进行TOC定量预测模型的建立。

      图  3  沙南凹陷东三段烃源岩实测TOC与各测井参数交会图

      Figure 3.  Correlation of measured TOC and logging parameters of the E3d3 in Shanan Sag

      图  4  沙南凹陷沙一二段烃源岩实测TOC与各测井参数交会图

      Figure 4.  Correlation of measured TOC and logging parameters of the E3s1+2 in Shanan Sag

      图  5  沙南凹陷沙三段烃源岩实测TOC与各测井参数交会图

      Figure 5.  Correlation graphs of measured TOC and logging parameters of the E2s3 in Shanan Sag

    • 为获得最佳多元预测模型,应用多元统计分析软件SPSS,以烃源岩实测TOC数据为因变量,相应部位的测井参数为自变量,分别对东三段、沙一二段、沙三段进行单参数、双参数、三参数及四参数预测模型的建立,并对比优选合适的预测模型。

      结果表明(表1),各层段烃源岩TOC测井预测模型的拟合度(相关系数)均随测井参数个数的增加而增加,即多参数模型优于单参数模型,并以四参数模型相关系数最高,拟合效果最好,为多元线性回归法中的最佳预测模型,东三段、沙一二段、沙三段的四参数模型的相关系数分别为0.695、0.865、0.847。对比四参数预测模型计算TOC与实测TOC(图6),二者具较高的吻合度,也证实本次建立的四参数模型具有较高的预测精度。

      表 1  沙南凹陷烃源岩TOC测井多元线性回归法定量预测模型优选

      Table 1.  Quantitative TOC logging prediction models by multivariate linear regression method for source rocks in Shanan Sag

      层位测井参数TOC定量预测模型相关系数
      东三段单参数声波时差(AC)TOC=0.063AC−4.3280.63
      电阻率(RT)TOC=0.003RT+2.2220.016
      密度(DEN)TOC=−6.56DEN+18.3090.502
      中子(CNL)TOC=0.105CNL−0.9530.465
      双参数AC, CNLTOC=0.076AC−0.037CNL−4.6040.636
      三参数AC, RT, CNLTOC=0.09AC+0.046RT−0.052CNL−5.7560.682
      四参数AC, RT, CNL, DENTOC=(0.214AC+0.091RT−0.183CNL−5.928)/DEN−2.4140.695
      沙一二段单参数声波时差(AC)TOC=0.161AC−13.4840.816
      电阻率(RT)TOC=0.726RT−0.2970.611
      密度(DEN)TOC=−8.487DEN+23.280.38
      中子(CNL)TOC=0.082CNL+0.1360.23
      双参数AC, RTTOC=0.134AC+0.381RT−12.2940.862
      三参数AC, RT, CNLTOC=0.141AC+0.373RT−0.031CNL−12.0690.864
      四参数AC, RT, CNL, DENTOC=(0.335AC+0.942RT−0.067CNL−36.258)/DEN+2.9920.865
      沙三段单参数声波时差(AC)TOC=0.084AC−5.3630.685
      电阻率(RT)TOC=0.154RT+1.4840.42
      密度(DEN)TOC=−17.185DEN+45.8940.686
      中子(CNL)TOC=0.162CNL−1.4580.625
      双参数AC, CNLTOC=0.06AC+0.068CNL−4.8060.708
      三参数AC, RT, CNLTOC=0.101AC+0.198RT−0.028CNL−7.6530.845
      四参数AC, RT, CNL, DENTOC=(0.243AC+0.489RT−0.068CNL−20.204)/DEN+0.770.847

      图  6  测井四参数预测模型计算TOC与实测TOC对比

      Figure 6.  Correlation of measured TOC and calculated TOC(Four-parameter method)

    • 基于烃源岩实测TOC及声波时差(AC)与电阻率(RT)测井数据,利用SPSS软件,采用公式(6)分别建立沙南凹陷三套烃源岩TOC测井ΔlgR法定量预测模型(表2)。各层段烃源岩的拟合效果均较好,相关系数大于0.75;同时,ΔlgR法预测的TOC与实测TOC对比也揭示二者吻合度高(图7),说明该模型具有较高的预测精度。

      表 2  沙南凹陷烃源岩TOC测井ΔlgR法定量预测模型

      Table 2.  Quantitative TOC logging prediction models by ΔlgR method of source rocks in Shanan Sag

      层位TOC定量预测模型相关系数
      东三段TOC=(0.206AC+3.795lgRT−17.645)/DEN0.767
      沙一二段TOC=(0.325AC+6.94lgRT−30.115)/DEN0.835
      沙三段TOC=(0.215AC+7.648lgRT−19.825)/DEN0.877

      图  7  测井ΔlgR法预测TOC与实测TOC对比

      Figure 7.  Correlation of measured TOC and calculated TOC (ΔlgR method)

    • 运用“四参数线性回归法”和“改进的ΔlgR法”分别对沙南凹陷东三段、沙一二段、沙三段烃源岩TOC进行计算,并对比分析TOC实测值与测井计算值,计算出平均绝对误差和平均相对误差(表3)。显然,两种方法预测TOC的平均绝对误差及相对误差均较小,满足TOC预测的精度要求,四参数线性回归法对东三段、沙一二段、沙三段TOC预测结果的平均相对误差分别为25.1%、34.6%、22.8%,改进的ΔlgR法预测结果的平均相对误差较四参数线性回归法总体来说更低,只有沙一二段因实测数据较少而导致预测误差相对较大,东三段、沙一二段、沙三段分别为23.1%、40.3%、19.4%,因此,改进的ΔlgR法优于四参数线性回归法,其相对误差更小。同时,应用这两种方法对研究区两口代表性单井CFD23-1-1井和CFD16-3-1井进行烃源岩TOC预测,结果(图8)也揭示预测TOC曲线与实测TOC点吻合度高,且改进的ΔlgR法预测TOC曲线与实测TOC点更接近,预测效果更好。

      表 3  沙南凹陷烃源岩实测TOC值与测井计算TOC值误差对比分析

      Table 3.  Comparison of errors between measured TOC from coresand predicted TOC by different means

      预测方法层位平均TOC/%平均绝对误差*平均相对误差**/%数据点/个
      实测测井计算
      四参数线性回归法东三段2.2322.2210.56025.121
      沙一二段2.5992.6060.89834.613
      沙三段2.5352.5190.57922.821
      改进的ΔlgR东三段2.2322.2340.51623.121
      沙一二段2.5992.5801.04840.313
      沙三段2.5352.5450.49319.421
        *平均绝对误差=$ \left(\sum |{\simfont\text{测井预测}}\mathrm{T}\mathrm{O}\mathrm{C}-{\simfont\text{样品实测}}\mathrm{T}\mathrm{O}\mathrm{C}|\right) $/样品数;
      **平均相对误差=平均绝对误差/平均实测TOC。

      图  8  CFD23-1-1井、CFD16-3-1井烃源岩TOC测井预测图

      Figure 8.  The prediction of TOC of source rocks for Well CFD23-1-1 and Well CFD16-3-1

      对改进的ΔlgR法和四参数线性回归法两种模型进行对比可以发现,两者的主要差别在于参数的选取和运算形式:参数的选取上,改进的ΔlgR法包括声波时差、电阻率以及密度3个参数,四参数线性回归法则多一个中子参数,因选取的参数与TOC均具有较高的相关性,故两种方法差别不大;运算形式上,两种方法的差别主要为是否对电阻率参数取对数后再参与计算,根据Passey等提出的TOC与ΔlgR呈线性相关,可推测对电阻率参数取对数后再建立的TOC预测模型具有更好的应用效果,故改进的ΔlgR法较优。

      为此,本文选取改进的ΔlgR法预测TOC曲线对上述两口单井的烃源岩进行评价,同时根据侯读杰[23]提出的湖相烃源岩评价标准,按TOC含量将研究区烃源岩分为非(TOC<0.5%)、差(0.5%≤TOC<1%)、中(1%≤TOC<2%)、好(2%≤TOC<3%)、优(TOC≥3%)五个级别,并对两口井不同级别的烃源岩厚度分别统计。结果表明(图8表4),在CFD23-1-1井中,沙三段、沙一二段及东三段3个层段均发育有效烃源岩,其中以沙三段最佳,烃源岩厚度占本段地层总厚度的比例最高,达90.46%,且好至优质烃源岩厚度最大,累计达244 m,分别占地层总厚度及源岩厚度的86.22%与95.31%;其次为沙一二段,其烃源岩厚度占本段地层总厚度的89.47%,好—优质烃源岩厚度累计达107 m,分别占地层总厚度及源岩厚度的80.45%与89.92%;东三段相对较差,源岩厚度占本段地层总厚度的80.78%,低于沙三段和沙一二段,且好—优质烃源岩的累计厚度也相对较小(87 m),占地层总厚度及源岩厚度的比例也较低,分别为34.12%与42.23%,多发育差和中等烃源岩。在CFD16-3-1井中,也以沙三段烃源岩最好,烃源岩厚度占本段地层总厚度的百分比相对最高,为63.92%,好—优质烃源岩厚度累计达244.5 m,分别占地层总厚度及源岩厚度的44.33%与69.36%;其次为东三段,其烃源岩厚度占本段地层总厚度的48.14%,主要发育中等—好烃源岩;沙一二段相对最差,其烃源岩厚度小(49 m),仅占本段地层总厚度的28.82%,并以差—中等烃源岩为主。

      表 4  CFD23-1-1井、CFD16-3-1井烃源岩评价结果统计

      Table 4.  Statistical table of source rock evaluation results of Well CFD23-1-1 and Well CFD16-3-1

      井号层位不同级别烃源岩厚度/m地层厚度/m烃源岩厚度占地层厚度百分比/%
      合计
      CFD23-1-1东三段4178206720625580.78
      沙一二段01220.586.511913389.47
      沙三段0127616825628390.46
      CFD16-3-1东三段097.5450142.529648.14
      沙一二段1237004917028.82
      沙三段495914896.5352.5551.563.92

      综上所述并结合前人相关成果,沙南凹陷烃源岩发育,并以沙三段烃源岩最优,其厚度大且TOC高,是凹陷的主力烃源岩层系;沙一二段烃源岩虽然TOC高、质量好,但厚度较小,且横向变化快,非均质性强,如地处沙南凹陷东次洼南部的CFD23-1-1井与西次洼东部的CFD16-3-1井沙一段好—优质烃源岩的发育程度差异显著,沙一二段沉积时沙垒田凸起为凹陷的主要物源供给区,CFD16-3-1井处于扇三角洲前缘[24],砂岩发育,而烃源岩发育状况较差。

    • (1)对比分析应用多元线性回归法及改进的ΔlgR法分层段建立的沙南凹陷东三段、沙一二段、沙三段烃源岩TOC定量预测模型,发现多元线性回归法中TOC测井预测模型的拟合度随测井参数个数的增加而增加,以四参数线性回归法最佳;四参数线性回归法和改进的ΔlgR法均可有效地预测沙南凹陷单井湖相烃源岩TOC纵向分布,并以改进的ΔlgR法预测精度更高。

      (2)应用改进的ΔlgR法对凹陷内CFD23-1-1、CFD16-3-1两口代表性单井的烃源岩进行评价,结果显示沙南凹陷烃源岩发育,勘探潜力大。沙三段为凹陷主力烃源岩系,具有烃源岩占比地层厚度高、TOC高、好—优质烃源岩厚度大等特点;沙一二段烃源岩TOC高,质量好,但厚度较小,横向变化快。

参考文献 (24)

目录

    /

    返回文章
    返回