刘丹
中石化胜利油田分公司清河采油厂
摘要：测井解释评价水淹层时,由于原生地层水与注入水混合后性质多变,混合地层水电阻率变化没有普遍规律可循。重构油层水淹前的电阻率,利用重构电阻率曲线与实测电阻率的差异,表征注入水对电阻率曲线的影响。根据注入水性质,利用水淹前、后电阻率的变化量定性表征流体性质的变化,利用水淹指数对水淹层进行分级评价,能够准确识别水淹层,在实际生产中应用效果好。本文介绍了水淹层特性及常用电阻率曲线定性识别的方法，介绍了曲线重构方法的技术原理以及电阻率曲线重构方法——线性回归法和人工神经网络法，重点研究了人工神经网络法重构电阻率曲线及其在水淹层识别中的应用。
关键词：曲线重构；水淹层；电阻率；神经网络
1水淹层特征及常用解释评价技术分析
1.1水淹层特性
水淹层是注入淡水水淹层的油层，试油完全产水或部分产水。水淹层同原来的油层比较，含水饱和度明显升高，而地层水矿化度又明显下降。故水淹层同一般油层在电阻率曲线上常常不易区分，如果没有其他测井方法补充，容易把水淹层误判为油层。油层水淹的表现：1（1）单井产水量相差很大，有的油井成为含水井，有的油井暴性水淹停产。（2）平面上，有的注水井并不向各个方向均匀推进，而是某些方向推进很快，另一些方向则很慢甚至徘徊不前。（3）纵向上，某些油层或油层中的某一小段注入水推进很快，另一些层段或段则推进缓慢。这就形成了石油开采过程中的所谓平面矛盾、层间矛盾或层内矛盾。
1.2水淹层定性识别方法
定性识别水淹层，就是根据测井曲线判断油层是否水淹，定性指出水淹部位进而水淹强弱，一般不作定量计算和评价。由油层水淹机理及特征可知，油层水淹处最基本的变化是地层水电阻率Rt和地层含水饱和度Sw的变化孔隙度泥质含量和渗透率等性质的变化均不如Rw和Sw的变化明显。因此用常规测井资料定性识别水淹层的基本方法就是根据对Rw和Sw变化有明显反映的深、中、浅视电阻率SP曲线,来综合判断水淹层的。岩石物理实验揭示无论注淡水或污水回注,水淹层电阻率在中低含水阶段均表现出降低特征。注淡水储层在高含水阶段水淹层电阻率表现出增加特点,甚至超过原状油层电阻率。另外,在下套管的老井中,我们还利用碳氧比能谱测井资料、中子伽马测井资料,以及模糊判别和模式识别方法判别水淹层。
2曲线重构方法
电阻率曲线是水淹层研究的重要内容之一,但是有些情况下，测井解释评价水淹层时,由于原生地层水与注入水混合后性质多变,混合地层水电阻率变化没有普遍规律可循，因此引入了曲线重构方法。曲线重构方法为传统油水井分析和新井开发提供了一种新型评价技术,该技术将通过对油、气数据进行收集,并借助相应软件建立函数关系式计算模型。
2.1曲线重构技术原理
曲线重构技术的主要原理是：选取目标曲线的标准层；建立线性、指数、对数、幂函数的多元回归模型，并获取相应的多元回归方程；计算标准层目标曲线与其余各曲线之间的相关性，选取出用于重构目标曲线的母曲线，在选出的母曲线的基础上，根据最大相关性原则选出最优多元回归模型，并推导出相应的多元回归方程；在目标曲线缺失或失真的井段，将回归常数、系数以及母曲线值代入多元回归方程即完成对目标曲线的重构。
2.2电阻率曲线重构方法
重构油层水淹前的电阻率，利用重构电阻率曲线与实测电阻率的差异,表征注入水对电阻率曲线的影响。根据注入水性质,利用水淹前、后电阻率的变化量定性表征流体性质的变化,利用水淹指数对水淹层进行分级评价,能够准确识别水淹层,在实际生产中应用效果好。
电阻率曲线重构可以采用两类方法：一是线性回归法；二是人工神经网络法。当然在采用这些方法之前要对测井曲线优化、测井曲线敏感性分析和地震属性优选等基础工作，有关这方面的国内外也有相当多的文献，在此不再累述。这里仅简要介绍一下线性回归和神经网络预测的基本原理。
2.2.1多属性线性回归
线性回归就是通过建立测井曲线与地层属性之间定量关系的一种数学统计方法，可以预测得到研究地层的电阻率曲线，由于这种方法预测出来的电阻率曲线不能完全真实的反应地下电阻率的分布，但其能够客观表针地下电阻率相对的分布关系，因此，这种预测出来的电阻率常常叫做拟电阻率。
2.2.2人工神经网络法
利用神经网络能够准确模拟输入与输出之间复杂的非线性映射关系的特点，重构储层水淹前油层的电阻率曲线可以有效降低拟合误差，利用二者的差异识别和评价水淹层。神经网络技术在测井领域的应用主要包括２个方面：①在复杂井眼条件下，构造声波曲线用于约束地震反演及储层渗透率的估算等，这属于参数定量计算的应用；②神经网络也直接应用于油、气、水层的识别，这属于模式识别的范畴。基于神经网络在“参数”和“识别”等非线性映射中的独特优势。在前人研究成果的基础上，利用神经网络通过常规曲线重构水淹前的电阻率曲线。
2.3重构电阻率曲线在水淹层识别中的应用
下图1为某地区储层水淹前后对比图。由岩石物理实验可知，油层水淹后常规测井曲线随着水淹程度的不同表现出不同程度的变化。图1所示各曲线为2口相邻井，红色曲线是该区域水淹前完钻的井，蓝色曲线是该区域水淹后完钻的井。在高水淹层段，自然伽马值较水淹前明显变小，低水淹层段变化不明显，或者有微弱升高，表明水淹后部分泥质赋存形式发生了改变或发生了位移；储层水淹后，注入淡水严重改变了地层水导电离子浓度，使得自然电位曲线幅度变化小，基线偏移不明显；声波时差曲线水淹前后变化不明显，在储层顶部受到泥质变化影响稍有升高；补偿密度曲线在储层底部水淹前后基本一致，顶部水淹后，密度值稍有减小趋势；水淹后的补偿中子曲线稍有偏大；电阻率曲线在高水淹层段明显升高。
.png)
由此可见，可用于重构电阻率的非电阻率曲线中，除了自然电位曲线变化明显以外，其他曲线的变化量非常小，同时这种变化受到井间差异的影响使得解释人员难以把握。通过神经网络用该井曲线的微弱变化构建电阻率曲线，可以有效消除井间差异，从而为解释人员提供可靠的参考电阻率曲线。
3结束语
综上所述，神经网络可以反映输入与输出之间复杂的非线性映射关系。依据重构电阻率曲线和实测电阻率曲线可以有效识别淡水水淹油层，并进行水淹层分级评价。可以有效规避行业标准中以静态资料计算动态产水率的弊端，尤其适合于测井系列简单的老开发区水淹层解释，可有效提高水淹层解释符合，为制定油田调整开发方案、增产挖潜、三次采油提供大量可靠的基础数据和地质数据。这是实现注水油田长期稳产高产、提高油田最终采收率的一项关键技术。
参考文献
[1]路云峰,秦民君,罗雄民,等.储层水淹后的电阻率特征研究［J］.国外测井技术,2009，174(6):38-40.
[2]梅红,张厚福,孙红军,等.神经网络技术在测井相分析及水淹层判别中的应用［J］.石油大学学报（自然科学版）,1997,21(3)：24-28．
作者简介：刘丹，女，汉，1988.05，湖北省仙桃市，大学本科，长江大学工程技术学院，工程师，江汉油田清河采油厂地质研究所动态室，油藏评价开发