辽河坳陷西部凹陷自20世纪70年代投入勘探以来，已实现三维地震全覆盖，沙四段是西部凹陷主要烃源岩层系，油气资源丰富，发育多套湖相碳酸盐岩。1978—1994年，地质工作者按构造控油模式对西部凹陷进行勘探和开发，发现L11区块杜家台油层和g1区块高升油层等常规油藏具有较大的勘探潜力；1994—2008年，主要聚焦于砂砾岩储层，对储集空间以裂缝为主的特殊储层研究甚少。近年来，研究发现西部凹陷沙四段除发育常规构造油气藏外，还存在大面积的非常规油气聚集区^[1]。这类非常规油气储层岩性多为褐灰色、褐黄色泥质云（灰）岩，偶见灰色—深灰色泥岩夹云（灰）质泥岩及油页岩的互层组合，且具良好的油气显示，地球化学分析证实，这些碳酸盐岩中的油气来源于沙四段本身，具有源储一体、油气分布基本与构造无关、圈闭边界受控于碳酸盐岩地层的分布特征，并在一定的工艺条件下可产出工业油流。随着油田勘探开发的不断深入，对西部凹陷高升地区的储层评价方法也在不断完善丰富。本文在综合考虑西部凹陷高升地区构造特征及沉积相特征的基础上，使用叠合概率法对该地区沙四下亚段高升油层碳酸盐岩储层进行评价分析，指导该区后期勘探开发。

为了能更好地对储层作出符合地质实际的分类和评价，国内外专家学者研究了多种储层评价方法，从传统的定性分析到使用各种数据挖掘方法的定量化分析，综合考虑的因素越来越多，评价结果日益准确精细。如地质经验法从储层岩石类型、物性等方面来研究储层特征，由于其标准源于勘探生产实践，所以具有地域局限性^[2-8]；灰色关联法使用较多，该方法将储层评价过程转化为系统的数学计算过程，可以定量评价储层，但有时对储层成因影响因素缺乏深入认识，导致评价结果出现偏差^[9-13]；层次分析法是使用简单数学工具将复杂问题划分为各个组成因素，然后分析各个因素之间的关系并判断它们的相对重要性，此法可以将复杂问题简单化，但随意性强不易验证^[14-17]。除了以上3种储层评价方法之外，还有人工神经网络法、聚类分析法及模糊数学法等，这些方法各有其优缺点^[18-24]（表 1）。

表 1

表 1 不同储层评价方法对比[20] Table 1 Comparison of reservoir evaluation methods [20] 评价方法 优点 缺点 地质经验法 具有深入的地质成因分析基础，区域适用性强 定量的分析计算不足，评价的方法和标准较难推广 灰色关联法 将复杂的储层评价过程转化为系统的数学运算过程，增强了储层评价研究的定量研究精度 对储层成因影响因素缺乏系统深入的分析，在评价标准建立和指标权重确定时容易产生偏差，影响评价效果 层次分析法 将复杂问题简单化 层次划分具有较大的随意性，其中合理性不便验证 人工神经网络法 计算更省时、更客观、更准确 在神经网络的建模和预测时以已知的先验知识为条件，因此具有一定的局限性 聚类分析法 将地质成因定性分析和聚类算法定量分类紧密结合 需要在分类过程中不断调整参数选择、不同参数的权重以及聚类算法，工作量较大 模糊数学法 可以克服常规含油气性及其优劣程度评价过程中的许多不确定因素带来的诸多不便，更客观评价储层 地质因素模糊体系建立过程计算复杂，对指标权重矢量的确定主观性较强

表 1 不同储层评价方法对比[20] Table 1 Comparison of reservoir evaluation methods [20]

研究区处于辽河坳陷西部凹陷西斜坡中北部的高升古隆起，古新世房身泡期，在区域拉张应力作用下，形成东西分带、南北分块的基底形态特征。由于高升油层沉积初期研究区为干旱气候，水体偏碱性，有利于湖相碳酸盐岩的沉积，故在水下高地的水动力条件较强区域出现了鲕粒滩、生屑滩、砂屑滩等粒屑灰（云）岩沉积，而在浪基面以下沉积了半深湖—深湖亚相的暗色泥岩、油页岩沉积。高升中晚期，湖盆基底沉降十分强烈，出现了显著的西抬东降、北抬南降的变化，台安—大洼断裂的强烈活动使得湖盆扩张，湖盆水体强烈加深，主要发育一套半深湖—深湖亚相泥云（灰）质湖底微相和泥质湖底微相沉积，岩性以褐灰色、灰褐色泥质云（灰）岩、深灰色泥岩夹灰褐色油页岩为主。此后，在高升晚期，湖盆略有萎缩，湖平面开始下降，由泥质湖底微相向灰（云）泥质湖底微相过渡（图 1）。

图 1

图 1 研究区高升时期沉积相平面图 Fig. 1 Sedimentary facies plan at S4g period in study area

由上可知，研究区高升时期主要发育两种类型的碳酸盐岩储层，其中一种碳酸盐岩储层主要发育在湖盆的低隆区域，以滨浅湖亚相为主，储层岩石类型主要为灰绿色中厚层状粒屑灰（云）岩，粒屑以砂屑、壳粒（正常鲕、假鲕和藻鲕）及生物颗粒为主，其中砂屑由泥晶方解石组成，鲕粒多为表皮鲕，储集空间主要为原生孔隙和粒间溶孔，储层孔隙和喉道连通性好，该区粒屑灰（云）岩储层受古地貌、沉积环境的影响，其分布范围呈东北走向（图 2a-d）；另一种储层主要发育在湖盆中心，其沉积环境一般为半深湖—深湖亚相，岩石类型主要为泥质云岩、方沸石质云岩，此类岩石比较坚硬致密、性脆，微裂缝、微孔隙普遍发育，储层孔隙度一般小于10%，渗透率小于2mD，为典型致密储层（图 2e、f）。由于研究区碳酸盐岩储层类型的特殊性，需选取尽可能多的参数来定量评价储层特征。本文选取粒屑灰（云）岩厚度、碳酸盐岩厚度、脆性指数、裂缝密度、孔隙度及渗透率6项特征参数绘制等值线平面图（图 3）并进行储层评价。

图 2

图 2 研究区高升时期岩石特征 Fig. 2 Rock characteristics at S4g period in study area (a)灰白色厚层状砂屑灰岩，g3-4-3井，1904.60m；(b)含生屑砂屑灰岩，主要矿物为方解石，被染成紫红色，g3-4-3井，1904.60m，(-)，染色铸体片；(c)灰绿色块状砂屑云岩，L86井，1657.20m；(d)泥粉晶砂屑云岩，L86井，1657.15m，(+)，铸体片；(e)泥质云岩，白云岩呈结核状产于泥岩中，L88井，2573.13m；(f)泥质云岩，裂缝被方沸石全充填，L88井，2572.50m，(-)，多用片

图 3

图 3 研究区高升时期储层不同特征参数平面图 Fig. 3 Characteristic parameters plans of reservoirs at S4g period in study area

储层的形成和发育与多种因素有关，其分布是这些因素相互叠加的结果。对于多因素的储层评价，人们通常是把每种因素做成单一的平面评价图，然后再把几个因素的平面图叠合成一张图，形成一张布满各种线条的评价图，简称为“图叠图生新图”。但是这种图会因为线条太多，不易读懂，而且一旦评价因素较多，则很难根据这些密集的线条准确评价有利区块。本文提出的叠合概率法是将已经绘制的储层不同因素的平面图进行量化，通过使用Relief F算法计算不同因素的权重值，各权重值乘以不同因素量值再相加后即可得到一张多因素叠合概率图，最终形成储层综合评价图。此方法可以将储层不同特征综合体现在平面上，储层有利勘探区一目了然。采用叠合概率法可以很好地对具有多因素影响的碳酸盐岩储层进行综合评价，其基本思路是：把影响储层发育的若干因素看成若干事件，对单因素进行分析并且打分，即每种因素发育的好坏程度可以用0~1之间的概率值来表示，概率值越大，存在的可能性就越大。例如图 4中因素1平面图，可将数值大于a的范围取概率值为0.8，数值在a与b之间的概率值取为0.6，b到c之间的概率值为0.2，这样便可以将单因素平面图转化成单因素概率平面图。由于影响储层发育的因素并不是独立的，所以还应对各种因素量值乘以权重值后再相加，即可得到一张多因素概率平面图。图中概率高值区就是储层发育较好区域；反之，概率低值区为储层发育较差区域。数据处理与等值线图可以使用surfer和didger软件协助完成，具体步骤为：首先，手工勾绘不同因素平面图并使用didger软件对不同平面图数字化；其次，使用surfer软件对平面数据网格化，将不同因素的网格化文件进行加权平均；最后，在surfer中生成储层概率平面图，从而确定储层评价预测图。该方法的优点是使储层评价定量化，而且综合评价图上只有一种线条，便于查看。

图 4

图 4 叠合概率法流程图（以两个因素为例） Fig. 4 Flow chart of overlapping probability method (based on two factors)

灰色关联法与层次分析法均可以对不同因素进行权重分析，但是它们均属于无监督学习，具有主观性过强、部分指标最优值难以确定的缺点。Relief F算法可以考虑多类别的信息（不同类型的储层），每次从训练样本集中随机取出一个样本R，然后从R同类的样本集中找出R的k个近邻样本，再从每个R的不同类的样本集中找出k个近邻样本，更新每个特征参数的权重^[25-27]。使用Matlab软件平台，利用Relief F算法，根据各个特征参数和类别的相关性赋予不同权重，权重值越大表示该特征参数对样本的区分能力越强。使用此方法对研究区高升油层中不同因素（特征参数）进行权重分析，从表 2可以发现，孔隙度和渗透率的权重值偏小，这主要是由于同时评价常规与非常规储层造成的，粒屑灰（云）岩厚度权重值基本控制在常规储层分布范围内，而脆性指数和裂缝密度对非常规储层有较大影响。

表 2

表 2 Relief F算法权重分析结果 Table 2 Weight analysis results from Relief F algorithm 参数 碳酸盐岩厚度 脆性指数 裂缝密度 孔隙度 渗透率 粒屑灰（云）岩厚度 权重 0.25 0.2 0.1 0.03 0.02 0.4

表 2 Relief F算法权重分析结果 Table 2 Weight analysis results from Relief F algorithm

通过专家打分法确定各因素的概率取值标准（表 3），在此基础上，综合考虑各个因素对储层的影响，对各个因素进行加权平均。通过计算得到储层发育概率平面图（图 5），将概率值大于0.4的区域定为Ⅰ类储层发育区（最有利区），发育常规储层，其孔隙度一般大于14.9%，渗透率大于2mD，储集空间以原生（残余）粒间孔、溶蚀粒间孔及溶蚀粒内孔为主，孔喉组合类型主要为中孔—粗喉型或者中孔—中喉型，孔隙分布均匀且具较好的连通性，这类储层主要分布在g3-4-3井区，该井区在高升初期为古隆起，且以粒屑滩微相为主。概率值为0.3~0.4的区域定为Ⅱ类储层发育区（有利区），包含了粒屑灰（云）岩相对较发育的地区。L35井区为Ⅱ类储层发育区，发育非常规储层，其主要受岩石的脆性指数和裂缝密度的控制，岩性主要为泥晶云岩、泥质云岩和方沸石质云岩，储集空间多为微孔隙和裂缝，且该井区断裂十分发育。概率值为0.2~0.3的区域定为Ⅲ类储层发育区（较有利区），概率值为0.1~0.2的区域定为Ⅳ类储层发育区（欠发育区），把概率值小于0.1的区域定为Ⅴ类储层（不利区），最后得到储层分布评价预测图（图 6）。

图 5

图 5 研究区沙四段高升油层储层发育概率平面图 Fig. 5 Probability plan of S4g reservoir development in study area

图 6

图 6 研究区沙四段高升油层储层评价预测图 Fig. 6 Prediction of S4g reservoir evaluation in study area

表 3

表 3 储层各因素概率取值标准 Table 3 Probability criteria for reservoir factors 概率取值 1 0.8 0.6 0.4 0.2 碳酸盐岩厚度/m ＞60 40~60 20~40 10~20 ＜10 脆性指数/% ＞50 30~50 10~30 5~10 ＜5 裂缝密度/(条·m-1) > 5 4~5 3~4 2~3 ＜2 孔隙度/% ＞10 8~10 6~8 4~6 ＜4 渗透率/mD ＞10 5~10 2~5 1~2 ＜1 粒屑灰（云）岩厚度/m ＞10 8~10 6~8 4~6 ＜4

表 3 储层各因素概率取值标准 Table 3 Probability criteria for reservoir factors

使用叠合概率法对高升油层进行评价且对有利储集区带进行预测，由图 6可知，高升油层Ⅰ类储层主要发育在g3-4-3井区，g1、L35及L86井区发育Ⅱ类储层。图 7为西部凹陷沙四段勘探成果图，不难看出，预测图与勘探成果图对应性较好（图 6、图 7）。此外，从图 6中可以看到，L86井区的储层预测结果与g1、L35井区类似，同时L86井经岩心观察岩性以粒屑云岩为主，且具有较好的油气显示，与g3-4-3井区储层岩性及物性极为相似（均属于粒屑灰（云）岩），所以值得将L86井区作为重点勘探对象。

图 7

图 7 西部凹陷沙四段勘探成果图 Fig. 7 Exploration results of Es4 reservoir development in western sag

使用Relief F权重分析方法可以准确地分析计算储层不同特征参数的权重值，辽河坳陷西部凹陷高升地区沙四段高升油层的碳酸盐岩厚度、脆性指数、裂缝密度、孔隙度、渗透率及粒屑灰（云）岩厚度的权重值分别为0.25、0.2、0.1、0.03、0.02及0.4，说明粒屑灰（云）岩厚度及碳酸盐岩厚度在很大程度上影响着研究区碳酸盐岩储层的分布。

在综合研究区构造特征及储层沉积相特征的基础上，选择Relief F算法分析储层影响因素的权重，再结合使用叠合概率法，可以有效评价并预测储层有利区带，最终评价成果图简单明了，便于查看，可为油田进一步深入勘探提供可靠的地质依据。