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OA北大核心

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。