49 / 2025-11-20 10:57:23

碳酸盐岩多尺度孔裂隙结构特征及其在气层孔隙压力预测中的应用

天然气藏储量评价受气藏面积、气层厚度、气层孔隙压力等关键参数控制(郭泽清等, 2022)。地层孔隙压力对声波传播特征影响显著。碳酸盐岩地层钻井过程中频发气侵与井漏等井下复杂事故，复杂的孔洞缝结构与地层超压是导致碳酸盐岩地层“窄”安全钻井液密度窗口的关键控制因素。总的来说，地层孔隙压力是碳酸盐岩地层天然气资源勘探与开发工程中的关键基础参数，有必要深入开展碳酸盐岩气层孔隙压力预测研究。

随着异常地层压力分析技术的不断丰富，学者们对地层异常压力成因机制认识的不断加深，孔隙压力预测技术不断发展。针对非均衡压实地层超压成因沉积盆地，主要提出了基于声波速度直接预测的图版法、Fillippone法以及在此基础上不断优化发展一系列孔隙压力预测技术方法，还提出了以岩石孔隙度随着有效应力增加而不断减小为依据且以有效应力为桥梁的一系列孔隙压力预测技术方法，如著名的Terzaghi孔隙度-有效应力模型、等效深度法、Eaton法等。随着地层异常压力成因机制判别理论的不断丰富发展，前期被认为属于非均衡压实成因的异常压力盆地被不断证实其异常压力主要受生烃作用、原油热裂解、构造作用、伊利石与蒙脱石水化等独立或综合控制。为了准确预测复杂异常压力成因地层的孔隙压力，针对非均衡压实地层超压成因形成的孔隙压力预测技术方法被不断优化，如“视正常压实趋势线”被提出用于部分泥质含量较为发育地层的孔隙压力预测，同时，针对不同的超压成因，不同的地层孔隙压力预测方法被不断提出，如考虑欠平衡压实与流体膨胀两种机制引起异常高压的Bowers模型、基于孔隙度的应力分配法、考虑岩石弹性性质的弹性参数-有效应力模型、考虑裂隙发育的有效应力评价模型、区分岩石骨架与流体的基于声速分离的孔隙压力预测方法等。上述方法主要理论依据是Terzaghi有效应力理论，该理论描述了土壤在上覆应力作用条件下的压实过程，适用于具有明显沉积机械压实规律的地层，如砂岩地层、碎屑岩地层等。化学成岩作用是碳酸盐岩成岩过程中的典型特征，成岩作用与其他多重化学反应共同导致了碳酸盐岩地层组构、孔洞缝结构的复杂性，并使得在许多碳酸盐岩地层其孔隙度不再随着埋深增加而降低，部分地区甚至出现孔隙度随埋深增大而增大的现象。总的来说，由于碳酸盐岩地层沉积过程复杂，超压成因复杂，各个因素对常用于孔隙压力预测的声波传播特征影响复杂，无单一的响应关系，实际应用过程中难以建立能够准确描述碳酸盐岩完整受力特征的有效应力模型。

随着近年来机器学习取得的跨越式发展，深度学习已经被广泛应用于石油工业，如被用于开展地层孔隙压力预测。在开展基于机器学习的单井孔隙压力预测研究过程中，模型输入特征往往只是从常规的测井曲线中优选，并未充分考虑碳酸盐岩自身能够极大程度影响地球物理参数的复杂结构特征。为此，本研究首先综合CT资料、岩心描述资料、成像测井资料分析碳酸盐岩在不同尺度下的孔裂隙特征，并将该特征融入碳酸盐岩气层孔隙压力预测模型之中，建立了

地层孔隙压力是碳酸盐岩气藏资源评价、工程开发的重要参数，长期以来，复杂的成岩作用与后成岩作用导致研究区碳酸盐岩孔隙、溶洞与裂缝发育，且孔洞缝尺寸差异大，专家学者对碳酸盐岩复杂孔裂隙结构开展了深入研究。孔裂隙复杂结构是碳酸盐岩的典型特征.

一、碳酸盐岩孔裂隙复杂结构特征

碳酸盐岩孔缝发育程度具有自相似，其在岩心尺度上的孔缝发育密度的空间变化规律与其在微观及宏观尺度上空间变化规律基本保持一致。如图1及图2所示，本文分析了测井曲线分形维数与岩心孔缝密度的相关性。图中所示孔缝密度为孔隙发育密度与裂缝发育密度的和，横坐标单位可为个/米或者条/米，孔隙数量多于裂缝数量，此处用个/米作为单位。从图3-26可以看出，当孔缝密度小于100个/米时，AC曲线分形维数逐渐增大，当孔缝密度大于100个/米时，AC曲线分形维数逐渐降低。表明对于AC曲线而言，当孔缝密度低于100个/米时，AC曲线随着孔缝密度增大而抖动更加剧烈，当孔缝密度高于100个/米时，AC曲线识别到的地层反而变得更加均匀，曲线形态更加平缓，AC曲线分形维数对孔缝发育密度的变化具有较好的响应。从图3-27可以看出，随着孔缝密度逐渐增大，Rt曲线无显著变化，Rt曲线分形维数对孔缝密度的变化未表现出一定的响应规律。

 

a）孔缝发育密度小于100                b）孔缝发育密度大于100

图1  AC曲线分形维数对孔缝发育密度的响应

  

a）孔缝发育密度小于100                      b）孔缝发育密度大于100

图2  Rt曲线分形维数对孔缝发育密度的响应



二、碳酸盐岩气层孔隙压力预测

所建立的基于对抗训练的碳酸盐岩气层人工神经网络单井孔隙压力预测方法如图3所示，首先，从测井曲线上按照孔隙压力实测深度位置提取对应的测井数据，得到测井数据与实测孔隙压力数据集，即为训练集。图中绿色充填的①②③表示训练过程执行顺序，训练过程如下：

第一，训练数据X首先经过初始模型计算得到绿色示意的预测孔隙压力；

第二，由绿色示意的孔隙压力与实测孔隙压力计算初始损失；

第三，由输入数据X与初始损失计算得到对抗扰动δ；

第四，由输入数据X与对抗扰动δ共同作为输入计算得到红色示意的预测孔隙压力；

第五，由红色示意的孔隙压力与实测孔隙压力计算得到对抗扰动损失；

第六，由初始损失与对抗扰动损失共同按照梯度下降算法优化模型超参数θ，至此，模型完成一组单次训练批次数据的训练，循环完成全部单步训练批次即为一个完整的训练步。

第七，重复第一至第六步，直至训练结束。