富有机质页岩高精度地层划分方法与流程

1.本发明涉及地层划分技术领域，具体涉及富有机质页岩的高精度地层划分方法。


背景技术：

2.地层划分与对比是油田勘探与开发工作中必不可少的一个环节，后续的地质建模、开发层系划分以及井网部署等都是在精确的地层划分对比的基础上进行的。目前基于常规碎屑岩和碳酸盐地层已经探索出了诸如地震地层学，层序地层学，年代地层学等多种地层划分对比方法，并形成了相应的理论体系及技术手段。
3.然而，富有机质页岩通常整套厚度大，岩性差别不明显，很难从岩性转换进行层序界面识别。虽然前人针对页岩层系的地层格架展开了大量的研究工作，并将矿物成分 (smith et al.2000)、岩相变化(singh et al.2008)、有机地球化学指标(creaney etal.1993)等作为层序识别的标志，但同一套黑色页岩中在纵向上有机碳含量非均质性较强，上述地层划分方案并不能满足页岩气勘探开发的需求，从而严重制约了该类气藏的高效开发。
4.虽然层序地层学研究技术方法在不断地发展与创新，但是仍然存以下不足之处：(1) 地震资料分辨率有限，对于三级以上层序识别有效性不足；(2)测井数据虽是目前能获得分辨率高、连续性好的地质数据之一，但是测井信息的旋回不仅与地层特征相关，还与测井仪器响应的分辨率、测井环境、测井作业、测井仪器的稳定性等诸多因素相关，将该资料应用于旋回性层序地层相关分析显然存在很多难以预料的结果；(3)化学地层学在层序划分上的应用目前相对较少，并且受测试样品数目有限的影响，数据连续性差、缺乏代表性。
5.因此需要一个能够综合各个地质因素分析地质成分的模型，准确快速识别不同的层序界面，进而能精确识别到储层段，尤其是针对富有机质页岩的高频层序。


技术实现要素：

6.本发明提供了一种多方法综合运用对富有机质页岩高频层序划分的方法，其目的在于准确快速识别不同级次的层序界面，并精细刻画不同级次下沉积环境演化与富有机质页岩层段的耦合关系，以解决现有技术中存在的上述问题。
7.通过以下技术方案来实现的：富有机质页岩的高精度地层划分方法，包括下列步骤：
8.步骤s1：获取待分析区域的层序地层的测井信号，将层序界面的测井信号进行时频分析，通过最大熵频谱分析方法提高测井信号的分辨率，得到测井信号中的频域，执行步骤s2；
9.步骤s2：进行多尺度分析，结合预测的频域与实际频域的差值，使测井信号中不同周期内地层信息通过pefa曲线显现，执行步骤s3；
10.步骤s3：通过多尺度小波系数曲线的周期震荡性及对pefa曲线进行积分得到inpefa曲线，结合两种曲线的变化对层序地层的一级到三级层序界面进行识别，执行步骤
s4；
11.步骤s4：在三级层序界面约束下，提取待分析区域测井信号进行多窗口频谱分析，演化谱分析，并通过滤波处理输出长偏心率周期，对层序地层的四级层序界面进行识别，执行步骤s5；
12.步骤s5：在四级层序界面的约束下，通过长偏心率周期进行的天文调谐，识别待分析区域地层短偏心率周期，对层序地层的五级层序进行识别。
13.优选的，所述步骤s1中，时频分析包括有：将测井信号的时间域经过小波变换得到相关联的时间域和频率域，将频率域和时间域通过信号分析，实现频率域中对测井数据由低频到高频的滤波扫描，得到基于小波变换的时频色谱图。
14.优选的，小波变换中还包括有尺度因子，不同的尺度因子代表不同的时间周期，通过测井信号中不同的时间周期得到小波系数曲线图。
15.优选的，所述步骤s1中，将深度域和时间域进行傅里叶变换转换为频域，通过最大熵频谱分析方法中的自相关函数增加数据长度。
16.优选的，所述步骤s2中，pefa曲线为一条垂直变化不规则的锯齿状曲线，用于显示地层连续性的指示器。
17.优选的，根据inpefa曲线上拐点的级次确定层序界面的级次。
18.优选的，地层层序界面包括有退积型、进积型和加积型。
19.优选的，所述小波变换选用morlet小波。
20.本发明的有益效果是：
21.(1)较传统地层划分更加精准，分辨率高；
22.(2)把测井曲线视为由各种地质因素在深度域或时间域中地层规则变化形成的综合信号而非单一的一维信号。
附图说明
23.图1为本发明的工作原理图；
24.图2为本发明的一个实施例的inpefa曲线合成图；
25.图3为本发明的一个实施例中gr
‑
inpefa曲线分段分析图；
26.图4为本发明的一个实施例中多级层序的分析图；
27.图5为本发明的一个实施例中不同测井天文轨道周期横向对比图；
28.图6为本发明的一个实施例中不同测井天文轨道周期横向对比图。
具体实施方式
29.下面结合本发明的附图1～6，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施。
30.在本发明的描述中，需要理解的是，术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对
本发明的限制。
31.实施例：
32.通过测井曲线资料进行层序地层学分析时，采用最大熵频谱分析(mesa)过滤干扰信号，保留有效频段，提高频谱估计的分辨率。其实质是把测井曲线视为由各种地质因素在深度域或时间域中地层规则变化形成的综合信号，对综合信号进行傅里叶变换将深度域或时间域转换成频域。通过最大熵频谱分析可以得到一个自相关函数，可以用来增加数据长度，进而提高分辨率。
33.相较于傅里叶谱和周期图法，用最大熵谱方法求得的功率谱较其它方法更准确，分辨率较高，具有不受取样长度限制、对频谱分辨率较高等优点。其基本原理如下：
34.平稳随机过程{x(n)}的功率谱密度函数s
x
(ω)和相关函数r(m)之间的关系由维纳
‑
辛钦定理确定，即
[0035][0036]
若已知相关函数r
x
(m)对于所有m的值，则可按上式计算功率谱密度函数。但对于有限长度的序列，只能对有限个相关函数值进行估计，问题在于估计功率谱密度函数时，如何处理未知的相关函数值。经典的谱分析采用下式计算:
[0037][0038]
其假定是这些未知的相关函数值均为零，亦即
[0039]
r
x
(m)＝0(|m|>m)
[0040]
其中的m为计算相关函数时的最大滞后量。
[0041]
然而在谱估计中这种假定会引起截断误差，使谱估计值相对其理论值畸变，且频率分辨率降低。最大熵谱分析采取另一种方法进行谱估计，已知的自协方差函数的前m个值(r1, r2,
…
,r
m
)外推，得到自相关函数的第m 1个值(r
m
1)，合理选择的准则是使时间序列的熵保持最大，即满足条件:
[0042][0043]
其中，时间序列的熵为
[0044]
h(x)＝(m 1)/2ln(2πe) 1/2ln(det r
m 1
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0045]
协方差矩阵为:
[0046][0047]
因此(1)式即为：
[0048][0049]
亦即
[0050]
inpefa测井曲线对层序地层划分识别与对比的第二步，尽管inpefa曲线的分段分析是对四级层序界面进行识别，其可以把难以识别的测井曲线分辨出来，转化成一条趋势十分明显的inpefa曲线，同时旋回级次也变得十分清楚，但采用本技术中长偏心率周期进行的天文调谐能得到更加精确的第五层序地层信息。
[0063]
测井曲线的时频分析是将测井信号的一维信息，即时间域(深度域)经过小波变换成为时间和频率的二维信息，庵后再将频率域信息和时间域信息联系起来进行信号分析。在时间域进行的频谱分析，实质是通过在频率域中对测井数据由低频到高频进行滤波扫描，可以实现信号低频成分和高频成分的细分，然后根据不同的深度域反映得以划分不同级次的旋回性和层序地层单元。常见的小波基函数有morlet小波、mexican hat小波、gaus 小波及daubenchies小波，本次采用对处理非平稳信号测井曲线具有优势的morlet小波。
[0064]
多尺度分析是s.mallat和y.meyer最早提出了的。多尺度分析使得小波理论产生了突破性进展，其如同快速傅里叶算法在傅里叶变换中的地位。
[0065]
多分辨率分析的定义：
[0066]
空间l2(r)中一列的闭子空间{v
j
}
j∈z
称为l2(r)的一个多分辨率分析，如果该序列满足下列条件：
[0067]
1.单调性：
[0068]
2.逼近性：
[0069]
3.伸缩性：
[0070]
4.平移不变性：
[0071]
5.riesz基存在性：存在g∈v0，使{(g
‑
k)|k∈z}构成v0的riesz基。
[0072]
根据及建立尺度函数方程的关系。
[0073]
设{v
n
；n∈z}为一个具有尺度函数的正交多分辨率分析，则：
[0074][0075]
成立。
[0076]
其中，并且有有时等价表示为其中，
[0077]
多次度分析的特点是小波分析具有多分辨率性，即不同的尺度因子代表了不同的时间周期。尺度因子的变化大小不同，信号中的不同周期信息得以显现，因此能够观察出测井信号中的不同级别的沉积旋回信息，那么选取不同的尺度因子，便能进行不同级别的层序划分。小波系数曲线峰谷交界处可作为地层突变界面，反映了沉积环境的改变，可作为层序界面，而小波变换的多尺度分析思想与地层的多级旋回性相似，通过多尺度小波系数曲线的周期性震荡特征，可分析地层的旋回性。
[0078]
请参照图3、4，图3中(a)地层层序划分；(b)岩性；(c)gr；(d)gr
‑
inpefa 曲线；(e)不同尺度因子的小波变换；(f)短期旋回；(g)中期旋回；(h)时频色谱图四级层序及以上的
高频层序主要受控于天文周期所引起的气候变化及冰川型海平面变化，应用gr
‑
inpefa曲线以a1井山
23
亚段为例,依据其相序组合可分为psq1、psq2、 psq3级psq4等四个四级层序,其中psq1发育泥
‑
钙质浅海陆棚，psq2为泥
‑
钙质浅海陆棚
‑
泻湖海陆过渡相沉积环境，psq3及psq4为障壁岛
‑
泻湖
‑
滨岸沼泽沉积环境，沉积相变化与长偏心率周期吻合，具体为，以山2段顶底界面的深度为起止处理窗口长度，对a1 井gr曲线进行积分变换后得到inpefa曲线的拐点和趋势变化特征，识别出了山西组山2段内部的沉积旋回界面，划分了3个中期旋回及12个短期旋回(图3f，g)。其中，山
21
亚段底界以灰色细砂岩与山
22
亚段顶界深灰色泥岩区别，gr
‑
inpefa曲线上的界面对应拐点处，此界面为中期基准面上升半旋回到下降半旋回的转换点，即最大可容纳空间位置，底界面为中期基准面上升，水体加深的界面，类似的，山
22
亚段与山
23
亚段同样对应拐点处(图3d)。因此，根据gr
‑
inpefa曲线趋势的呈现，可以看出在2219m和2261m 这两个层序界面的拐点趋势较为明显，级次较大，极大的验证了利用inpefa曲线特征对层序地层进行研究的可行性与准确性。运用同样的划分原理，进行局部inpefa曲线分析，并结合岩心的特征，通过识别较小的拐点，将山
23
亚段、山
22
亚段及山
21
亚段进一步分别划分为4个四级层序，psq1～psq12，即将3个三级层序的基础上又进一步划分了12个四级层序。而inpefa拐点预示着沉积环境的变化，因此结合沉积相序列的演化特征，以山
23
亚段为例，其中psq1为无障壁型浅海陆棚沉积体系，向上逐渐演化为浅海沉积体系
‑ꢀ
障壁型滨岸沉积体系的过渡带，psq3和psq4则为障壁型滨岸沉积体系，进一步佐证了 inpefa曲线拐点为层序界面。
[0079]
请参照图5，五级层序沉积时间约为0.1myr，与100kyr短偏心率周期密切相关，以 a1井山23亚段为例，在四级层序的约束下划分了12个五级准层序，并与沉积亚相的变化相吻合
[0080]
请参照图6，对工区内a2井、a3井及a4井进行处理，完成对其余井的小波变换处理、inpefa曲线处理及天文轨道周期识别，实现不同井间的横向对比。
[0081]
根据沉积岩的结构和沉积岩物质组成的变化情况，可以将地层层序理解为退积型、进积型和加积型3中基本类型，其反映了地层中泥质含量多少的变化情况。其中退积型类型为正旋回沉积，代表沉积过程中，地层砂泥比向下逐渐增大，水体环境从深到浅、沉积物粒度从细到粗、水动力环境逐渐增强的沉积环境，其小波系数曲线下半部表现出明显的幅度从上向下逐渐增大的特征，时频特征图表现出能量团逐渐变大的特征。
[0082]
综上所述，本实施例通过对机质岩进行层序划分，得到层序地层一级到五级的划分，结合本技术中的最大熵频谱、pefa曲线转换、inpefa曲线转换、小波转换、天文旋回识别等方法，得到采样数据更简化、分辨率的结果更高的层序划分。