利用最优化算法实现测井快速自动解释

利用最优化算法实现测井快速自动解释

张小波

胜利测井公司张小波

摘要：由于储层岩性矿物类型的复杂性，采用传统的测井解释方法，很难反映真是的地层特征，且解释结果受到人为因素影响大，更加干扰了解释结果。本文采用最优化测井解释方法，以岩石体积物理模型为基础，采用最小二乘方法计算各种矿物的含量和孔隙度。并于常规CRA解释结果进行对比，验证了最优化算法在测井解释中的准确性和可靠性。

关键字：最优化算法；测井；自动解释在复杂岩性地区，由于岩石矿物类型的复杂性，采用常规的复杂岩性处理方法得出的结论很难反映实际储层特征，再加上处理过程中，需要解释人员输入大量的参数，而这些参数都是通过数理统计获取的经验参数，人为因素很大，往往获取的结论因人而异。

最优化测井解释突破了传统的测井解释模式和逻辑概念，不是直接利用有限的测井资料和响应方程去计算储层参数，而是根据广义的地球物理反演理论，综合利用各种测井信息，运用最优化数学方法，求解反映地质原貌的地质参数，为评价复杂岩性油气藏开辟了一条新的有效途径。

1.最优化方法原理用最优化方法进行测井解释是根据地球物理学中的广义反演理论，以现场测量的测井曲线为基础，以储层参数和矿物相对体积为自变量，建立各种测井响应方程，通过选择合理的参数，反算出相应的理论测井值，并与实际测量的测井值相比较，应用最优化技术不断调整储层参数，使计算的理论值不断逼近实际测井值，使目标函数值达到最小值，则认为此时所采用的储层参数和矿物相对体积能充分反映地层原貌，即最优化解释结果。

2.建立最优化解释数学模型的思路根据非线性加权最小二乘法原理来建立最优化测井解释的数学模型。按岩石物理体积模型，将目标储集层简化成n个部分组成，即岩石骨架和储层孔隙度架（ΣVi，i=1，2，3，…，n），可以形成一组待求的相对体积向量X：X=（V1，V2，V3，…，Vn）T选取m条实际测井曲线（m>=n），有条件的话，曲线要经过环境影响校正。形成一组实际测井值向量a：A=（A1，A2，A3，…Am）T根据岩石物理体积模型，建立各种测井相应方程，可抽象的表示为：Ai=fi（X，Z），（i=1，2，3，…，m）（1）式中，Z为一组区域性参数向量。

3.建立目标函数根据地质区域特征，将储层划分成由m种体积向量组成（包括孔隙），从所测的常规资料中选取n条测井曲线（n>=m），表示成与公式1相同的响应方程组，用行列式的方式表示如下：（2）式中：A表示测井曲线值；Z表示岩石矿物测井响应参数；V表示岩石矿物体积；n表示测井曲线条数；m表示岩石矿物的数量。保证n>=m，就组成了n个方程的超定方程。利用最小二乘法，即可将此方程组的求解问题转化成求极限的问题：2（3）式中：A为实际测井值向量；x为岩石矿物体积向量；z为岩石矿物测井响应参数向量。

4.自动解释软件实现基于Matlab数值分析软件平台，进行测井自动解释软件的开发。外部数据格式采用测井最常用的数据格式wis文件，在Matlab平台上进行wis文件的解编和输入输出功能实现。调用Matlab高等数值分析函数库，实现最优化测井方法计算，提供灵活的测井输入曲线定义和不同矿物参数的输入接口。用户可以自由设置参与计算的测井曲线条数和选择测井曲线，同时设置储层矿物组合类型和数量。最终计算的结果输出到wis文件中去。

5.资料处理与实际应用效果选取A区块的井作为解释对象，该区块岩石矿物类型以砂泥岩为主，含灰质成份。从常规曲线中选取GR、AC、DEN、CNL、PE曲线作为输入曲线，岩石体积模型主要为：泥质、石英、白云石、方解石和孔隙，并得到不同矿物的测井响应值。

用自动解释软件进行处理，最终解释结果见图1：图1第7道为CRA解释结果，第8道为最小二乘法最优化解释结果，从处理结果上看，最优化得到的矿物以砂泥岩为主，含少量的石灰岩。自然伽马数值在50API左右，三孔隙曲线数值分布范围都说明了该储层段以砂泥岩为主，对比CRA处理程序来看，最优化算法更加符合储层实际情况。

6.结论（1）采用最优化算法计算的结果不是一个固定值，每次运行都略微有所差异，不能作为最终的解释成果，但是作为一种解释的参考手段是非常有用的。（2）测井曲线在解释前最好能够进行环境校正，校正后的测井曲线更能反映地层的原貌，处理的成果更加准确。（3）针对复杂岩性地层，最好能够结合多种处理模块相互验证，使解释结果更加符合地层实际情况。