本发明涉及油气田勘探领域，特别涉及一种复杂储层泥质含量计算方法。
背景技术：
：储层泥质含量是进行储层参数计算的重要基础。关于国内泥质含量计算有多种方法，主要采用自然伽马gr计算泥质含量经验公式，但该方法不适用于含有高伽马砂岩复杂储层泥质含量。涉及高伽马储层泥质含量计算方法主要有如下方法：①采用自然能谱曲线计算泥质含量(司马立强等，2013)，他主要采用去铀自然伽马与声波时差ac、补偿密度den及补偿中子cnl进行线性回归，最后采用经验公式计算泥质含量；②gr、sp、cnl-den及测井电阻率rt组合法取最小值，对高、低伽马交互储层泥质含量的方法(刘之的，2014，发明专利授权公告号：cn103809217b)③自然伽马gr和自然电位sp合并法：一种用gr和sp合并计算含放射性物质地层泥质含量的方法(申请号2018111384501)。上述方法在计算含有高伽马储层泥质含量计算有一定的效果，但也存在不足的地方。第一个方法采用自然能谱曲线计算高伽马砂岩，准确性较高，但由于经济成本原因，只要少数重点井有这种测井曲线，不宜于大面积推广。因此，作者考虑到这种情况，采用去铀伽马对gr，cnl、ac和den进行线性回归，但没有对储层的ac和cnl进行渗透性或孔隙性校正，因为声波时差ac一般随砂体泥质含量而增加，同时，储层发育孔隙也会使声波时差ac增加，若没有对孔隙发育的储层ac进行渗透性或孔隙性校正，会造成孔隙发育的储层解释泥质含量偏高的问题，至于补偿中子cnl一般也随泥质含量增加而增加，但是储层孔隙较好且含有水的时候，也会造成储层含有较高cnl，若不进行cnl孔隙性或渗透性校正，也会造成孔隙或渗透性好的储层解释泥质含量偏高问题，此外，常规自然伽马gr测井本身在高伽马储层段不适用，但司马立强在建立模型时候居然采用常规自然伽马gr参数,加大模型的解释误差的风险。第二种方法，主要采用4种常用泥质含量计算公式(刘之的，2014)，取其最小值。该种方法比用常规自然伽马gr计算高伽马储层泥质含量有一定效果，但也存在如下问题：①常规自然伽马gr计算泥质含量，这种方法在高伽马储层行不通；②cnl-den交会图进行高伽马储层泥质含量计算，其粘土骨架参数不好确定，不同人有不同的选择，不同井的参数也会有差别，应用较困难，且人为性较大，此外，他也未对cnl和den进行孔隙性或渗透性校正，会造成孔隙发育的储层泥质含量计算偏大的问题。③sp曲线计算泥质含量，对于致密储层，其sp曲线异常幅度很小或近似泥岩基线，采用这种方法会造成致密储层泥质含量偏高的问题；④最后一种是rt计算泥质含量，一般而言泥岩rt较低，但是rt影响因素很多，其不仅与泥质含量有关，还与油气及地层水矿化度有关，因此其解释精度较低。综上所述，4种方法取最小值(刘之的，2014)计算含有高伽马储层的方法，是面对含有高伽马储层时，是不得已而采用的方法，其解释精度对含有孔隙或渗透性较高的储层存在较大的误差；第三种方法，主要思路是常规段用gr，放射性储层用sp计算，但在致密储层段解释泥质含量会偏高，因为在致密储层段sp值很低，和泥岩的sp值有点近似，所以其泥质含量解释会偏高。此外，sp与泥质含量、孔隙度、和地层水矿物度有关，所以单纯用sp计算高放射性储层泥质含量，其精度较低。因此，由于现有针对含有高伽马储层泥质含量计算方法，存在的共同缺陷即没有对ac或cnl进行渗透性或孔隙性校正，造成孔隙或渗透性储层泥质含量解释偏高问题。技术实现要素：为了克服上述现有技术的缺陷，本发明的目的在于提供一种复杂储层泥质含量计算方法，在高伽马储层识别的基础上，采用常规储层的测井参数，在对声波时差ac和补偿中子cnl进行孔隙性或渗透性校正的基础上，构建不受储层放射性影响的泥质含量计算模型，该方法能较准确计算含有高伽马复杂储层泥质含量，为储层参数的解释模型打下重要基础，具有重要的应用前景和经济价值。为了达到上述目的，本发明的技术方案为：一种复杂储层泥质含量计算方法，包括以下步骤：步骤一：利用自然伽马经验公式计算全井段泥质含量其中gr为某个深度测井自然伽马值，shv为泥质指数，gmin为砂岩自然伽马gr值，gmax为大多数泥岩的自然伽马gr值，sh为泥质含量，cc为泥质含量经验指数；步骤二：计算△sp值式中：△sp为测井sp异常幅度差，幅度差越大，储层泥质含量越低，反之，储层泥质含量越高，spmin为砂岩测井sp值，spmax泥岩处sp值，sp为某个深度的测井自然电位值；步骤三：识别常规储层与高伽马储层利用自然伽马gr和声波时差ac测井识别高伽马储层，测井响应特征表明，高伽马储层gr大于100api，ac小于240us/m；常规储层gr小于100，ac一般小于240us/m；步骤四：建立常规储层gr与sh解释模型根据相关性分析，建立自然伽马gr<100api层段泥质含量幂函数解释模型：sh＝b0*grb1(4)式中：b0和b1为常数；步骤五：建立基于e△sp动态校正因子校正的gr测井重构引入校正e△sp动态作为储层ac和cnl渗透性或孔隙性校正因子，在常规储层段，建立gr与pivi*e△sp、pe、cnl/e△sp建立回归模型：gr＝a b*pivi*e△sp c*pe d*cnl/e△sp(5)式中：gr为测井自然伽马值，pivi＝3.048*105/ac，e△sp为动态校正因子，pe岩性光电截面，cnl为补偿中子，a、b、c及d是方程系数，为常数；步骤六：复杂储层进行泥质含量计算在常规储层(gr<90api)和ac>240us/m层段采用公式(1)和公式(2)计算泥质含量，在高伽马储层层段，利用步骤五中公式(5)进行gr曲线重构，然后利用第四步骤中公式(4)计算高伽马储层泥质含量。本发明的有益效果是：本发明由于一种复杂储层泥质含量计算方法，由于引入e△sp动态对ac和cnl进行孔隙或渗透性校正，有效避免现有技术中因为储层孔隙发育而导致其泥质计算含量偏高问题。此外，现有技术有关泥质含量计算需要大量样品测试分析数据为基础，样品数据多少和代表性会较大影响解释模型的可靠性。本发明建立的模型主要基于常规储层的测井数据直接建立解释模型，测试样品实验数据多少不影响建立模型的可靠性，当然，也可采用少量样品测试数据进行验证。因此易于推广，特别是对样品测试数据较缺乏的地区。所以本发明具有能准确评价复杂储层泥质含量的优点，为储层参数的解释打下重要的基础，具有重要的应用前景和经济价值。附图说明图1为复杂储层泥质含量计算的流程框图。图2为实施例中的泥质含量计算模型。图3为实施例中的复杂储层泥质含量计算结果图。具体实施方式下面结合实例对本发明的具体应用作详细说明。参照图1，一种复杂储层泥质含量方法，包括以下步骤：一种复杂储层泥质含量计算方法，包括以下步骤：步骤一：利用自然伽马经验公式计算全井段泥质含量利用上述两个经验公式计算泥质含量，其中gr为某个深度测井自然伽马值，shv为泥质指数，gmin为砂岩自然伽马gr值，gmax为大多数泥岩的自然伽马gr值，sh为泥质含量，cc为泥质含量经验指数，对于老地层cc＝2.0；步骤二：计算△sp值式中：为测井sp异常幅度差，幅度差越大，储层泥质含量越低，反之，储层泥质含量越高，spmin为砂岩测井sp值，spmax泥岩处sp值，sp为某个深度的测井自然电位值。步骤三：识别常规储层与高伽马储层利用gr和ac测井识别高伽马储层，测井响应特征表明，高伽马储层gr般大于100api，ac一般小于240us/m,常规储层gr小于100，ac一般小于240us/m。步骤四：建立常规储层gr与sh解释模型根据相关性分析，建立自然伽马gr<100api层段泥质含量幂函数解释模型，b0＝0.027，b1＝1.606(表1，附图2)，相关性r＝0.89，相关性较高。sh＝0.027*gr1.606(4)表1模型总计及参数评估因变量:sh自变数为gr。步骤五：建立基于e△sp动态校正因子校正的gr测井重构目前gr重构主要利用ac、cnl、den等参数直接线性回归，其原理是这些参数值越大，gr也越大，正如本发明在技术背景所述，ac或cnl在储层发育层段，也会变大。为此，本发明引入校正e△sp作为储层ac和cnl渗透性或孔隙性动态校正因子，储层孔隙越好，ac或cnl被校正越明显，校正后ac或cnl变小，这样构建gr值也就变小，还原储层本色，其泥质含量解释不会因为孔隙发育而带来系统误差。泥岩ac一般比砂岩ac值大，但数据相差不大。为了放大两种岩性的速度差异，特引入pivi参数(pivi＝3.048*105/ac,其中ac单位us/ft),泥岩和砂岩波速差别较大，所以pivi差别会相对较大。在常规储层段，建立gr与pivi、den、pe、cnl、cnl/e△sp、ac、sh、pivi*e△sp相关性分析(表2)。表2自然伽马gr与其它参数相关性分析从表1中，没有进行e△sp校正，ac和cnl与gr相关性不好，ac与gr相关性-0.124，相关性很差，ac经过e△sp校正后，其相关性升至0.843，相关性增加0.721，效果很明显。ac经过pivi(3.048*105/ac)计算转换后，放大泥岩与砂岩的波速差异，与gr相关性有所提高，r＝0.137，但也很差，这主要是储层发育孔隙造成。经过e△sp校正因子校正后，pivi*e△sp与gr相关性从0.134提高到0.865，相关性提高0.731，校正效果很好，cnl/e△sp与gr相关性从0.741提高0.863，相关性增加0.122，相关性增加一个数量级，校正效果很好。因此，优选gr与pivi*e△sp、pe、cnl/e△sp建立回归模型(表3)：表3回归模型参数gr＝76.757-0.008*pivi*e△sp 11.008*pe 1.4166*cnl/e△sp(5)式中：gr为测井自然伽马值，pivi＝3.048*105/ac，e△sp为动态校正因子，pe岩性光电截面，cnl为补偿中子，a、b、c及d是方程系数，其中a＝76.757，b＝-0.008,c＝11.008,d＝1.4166；表4模型相关性表模型rr平方调整后r平方1.912.8310.831模型的的相关性高达0.912，基于e△sp校正因子校正的gr测井重构模型可靠(表4)。步骤六：复杂储层进行泥质含量计算在常规储层(gr<100api)或ac>240us/m层段采用公式1和公式2计算泥质含量，在高伽马储层层段，利用步骤五中公式5进行gr曲线重构，然后利用第四步骤中公式4计算高伽马储层泥质含量。以a149井为例，通过与岩心分析泥质含量sh对比分(附图3、表5)析，传统方法计算高伽马储层泥质含量误差较大，平均绝对误差30.19％，相对误差87.7％，本发明平均绝对误差0.99％，相对误差3.83％，绝对误差相比统统方法减少29.2％，相对误差减少83.87％。本发明计算复杂储层泥质含量精度显著比传统方法高，计算效果良好。表5泥质含量sh计算误差分析(a149井)当前第1页1 2 3
技术特征：1.一种复杂储层泥质含量计算方法，其特征在于，包括以下步骤：
步骤一：利用自然伽马经验公式计算全井段泥质含量
其中gr为某个深度测井自然伽马值，shv为泥质指数，gmin为砂岩自然伽马gr值，gmax为大多数泥岩的自然伽马gr值，sh为泥质含量，cc为泥质含量经验指数；
步骤二：计算△sp值
式中：△sp为测井sp异常幅度差，幅度差越大，储层泥质含量越低，反之，储层泥质含量越高，spmin为砂岩测井sp值，spmax泥岩处sp值，sp为某个深度的测井自然电位值；
步骤三：识别常规储层与高伽马储层
利用自然伽马gr和声波时差ac测井识别高伽马储层，测井响应特征表明，高伽马储层gr大于100api，ac小于240us/m；常规储层gr小于100，ac一般小于240us/m；
步骤四：建立常规储层gr与sh解释模型
根据相关性分析，建立自然伽马gr<100api层段泥质含量幂函数解释模型：
sh＝b0*grb1(4)
式中：b0和b1为常数；
步骤五：建立基于e△sp动态校正因子校正的gr测井重构
引入校正e△sp动态作为储层ac和cnl渗透性或孔隙性校正因子，在常规储层段，建立gr与pivi*e△sp、pe、cnl/e△sp建立回归模型：
gr＝a b*pivi*e△sp c*pe d*cnl/e△sp(5)
式中：gr为测井自然伽马值，pivi＝3.048*105/ac，e△sp为动态校正因子，pe岩性光电截面，cnl为补偿中子，a、b、c及d是方程系数，为常数；
步骤六：复杂储层进行泥质含量计算
在常规储层(gr<90api)和ac>240us/m层段采用公式(1)和公式(2)计算泥质含量，在高伽马储层层段，利用步骤五中公式(5)进行gr曲线重构，然后利用第四步骤中公式(4)计算高伽马储层泥质含量。
技术总结一种复杂储层泥质含量计算方法，第一步，利用自然伽马经验公式计算全井段泥质含量；第二步，计算△SP值；第三步，识别常规储层与高伽马储层；第四步，建立常规储层自然伽马GR与泥质含量SH解释模型；第五步，建立基于e△sp动态校正因子的GR测井重构；第六步，复杂储层进行泥质含量计算，经实例计算结果表明；本发明能准确评价复杂储层泥质的含量，易于推广，为储层参数的解释打下重要的基础，具有重要的应用前景和经济价值。
技术研发人员：魏钦廉;肖玲;谭成仟;张建军
受保护的技术使用者：西安石油大学
技术研发日：2020.01.17
技术公布日：2020.06.09
