辽河坳陷西部凹陷雷家地区沙四段杜三层细粒沉积岩储层特征及评价

doi:10.13745/j.esf.sf.2024.2.1

摘要/Abstract

摘要：

西部凹陷雷家地区沙四段杜三层沉积了以黏土、长英质、碳酸盐和方沸石矿物混合的湖相细粒沉积岩,为该区近年致密油和页岩油勘探重点对象。在前人研究基础上,使用钻井、测井、录井和分析化验等资料,并结合无监督学习方法,对研究区目的层细粒沉积岩进行分类,研究细粒岩储层基本地质特征并对其评价和有利区带预测。对303个X射线衍射全岩定量分析数据进行K-means聚类分析,将杜三层岩性划分为碳酸盐岩类、长英质混合细粒岩类和方沸石质混合细粒岩类3种类型,其中碳酸盐岩类和方沸石质混合细粒岩类具有更好的脆性特征,容易产生裂缝,并且溶孔和溶洞沿着裂缝发育,使得此类岩石储渗性能更佳,杜三层储层孔喉半径细小,分选差,均质系数小,孔隙结构较差,形成有效储层依赖微孔隙和微裂缝。基于叠合概率评价方法,将脆性指数、碳酸盐岩和方沸石质混合细粒岩厚度、裂缝密度、平均孔隙度、平均渗透率和总有机碳含量6种影响储层发育因素进行融合并评价,储层发育有利区沿湖盆长轴雷15井—雷84井—雷59井—曙90井—雷93井等井区分布。

关键词: 辽河坳陷, 西部凹陷, 细粒沉积岩, 无监督学习, 叠合概率, 储层评价

Abstract:

The E₂ $s 4 d 3$ layer in the Leijia area of the western sag is characterized by lacustrine fine-grained sedimentary rocks, intermixed with clay, felsic, carbonate, and analcime minerals. Recent exploration efforts have been primarily directed towards tight oil and shale oil within this region. Previous research amalgamated drilling, logging, and analytical testing data to comprehend the geological characteristics of fine-grained rock reservoirs. Employing unsupervised learning techniques, particularly K-means cluster analysis, facilitated the classification of fine-grained sedimentary rocks into distinct types based on 303 X-ray diffraction whole-rock quantitative analysis data. The lithology of the E₂ $s 4 d 3$ layer was categorized into carbonate rock type, felsic mixed fine-grained rock type, and analcitic mixed fine-grained rock type. Notably, carbonate rocks and analcite mixed fine-grained rocks exhibit superior brittleness characteristics, are prone to cracking, and have developed dissolved pores and caves along fractures, thereby enhancing storage and seepage properties. Evaluation of the E₂ $s 4 d 3$ reservoir revealed a small pore throat radius, poor sorting, small homogeneity coefficient, and inadequate pore structure. Effective reservoir formation predominantly relies on micropores and microfractures. Through the overlapping favorability method, six factors influencing reservoir development were integrated and assessed, including brittleness index, thickness of carbonate rock and analcitic mixed fine-grained rock, fracture density, average porosity, average permeability, and organic carbon content. Favorable zones for reservoir development are primarily distributed along the long axis of the lake basin, encompassing specific wells such as Lei 15, Lei 84, Lei 59, Shu 90, and Lei 93. This summary provides a comprehensive overview of the geological study, encompassing methodologies, findings, and implications for oil exploration in the Leijia area.

Key words: Liaohe Depression, western sag, fine-grained sedimentary rocks, unsupervised learning, overlapping favourability method, reservoir evaluation

中图分类号:

P597

李阳, 李晓光, 陈昌, 崔向东, 赖鹏, 郭鹏超, 任铌, 刘洋, 戚雪晨, 郭美伶. 辽河坳陷西部凹陷雷家地区沙四段杜三层细粒沉积岩储层特征及评价[J]. 地学前缘, 2025, 32(2): 277-289.

LI Yang, LI Xiaoguang, CHEN Chang, CUI Xiangdong, LAI Peng, GUO Pengchao, REN Ni, LIU Yang, QI Xuechen, GUO Meiling. Reservoir characteristics and evaluation of fine-grained sedimentary rocks in E₂ $s 4 d 3$ in the Leijia area of the Western Sag, Liaohe Depression[J]. Earth Science Frontiers, 2025, 32(2): 277-289.

图/表 17

图1 渤海湾盆地辽河坳陷西部凹陷综合地质背景图 a—渤海湾盆地简图;b—辽河坳陷构造区划图;c—西部凹陷构造简图和研究区位置;d—雷15井岩性柱状图;e—西部凹陷新生界年龄分布[17]。

Fig.1 Comprehensive geological background map of the western sag of the Liaohe Depression in the Bohai Bay Basin

图2 杜三层岩石矿物含量和三端元岩性划分 a—X射线衍射全岩定量分析数据箱型图;b—基于三端元法细粒岩划分方案,其中盆内化学物质为碳酸盐和方沸石矿物。

Fig.2 Mineral content and three-terminal classification scheme in E2 s 4 d 3

表1 X射线衍射全岩定量分析数据统计表

Table 1 X-ray diffraction whole rock quantitative analysis data statistics table

统计指标	矿物含量/%
统计指标	黏土	长英质	碳酸盐	方沸石	铁矿
最大值	47.3	68.4	92.7	59.4	15.0
最小值	1.4	2.2	3.7	1.5	1.0
平均值	15.5	29.0	37.3	23.3	4.0
数据个数/个	301	303	303	216	97

图3 肘部法和轮廓法确定细粒沉积岩种类 a—肘部法;b—轮廓法。

Fig.3 Elbow method and contour method to determine fine-grained sedimentary rock types

图4 K-means聚类分析后3种岩类矿物含量分布箱型图

Fig.4 Box plots of mineral content distribution of three rock types after K-means cluster analysis

图5 杜三层岩心和镜下特征 a—褐灰色泥质白云岩,溶蚀孔洞发育,雷84井,2 649.5 m;b—含方沸石泥质泥晶云岩,多期裂缝发育,见石膏晶模孔,雷84井,2 649.5 m,(-);c—同b,(+);d—浅灰黄色泥质白云岩,雷18井,2 444.4 m;e—含泥泥晶云岩,裂缝被方沸石充填,雷18井,2 444.4 m,(-);f—同b,(+);g—纹层状含泥方沸石质混合细粒岩,雷29-15井,2 613.35 m,(-);h—同g,(+);i—纹层状方沸石质泥晶云岩,裂缝被方沸石半充填,雷36井,2 562.10 m,(-);j—同i,(+);k—纹层状长英质混合细粒岩,雷99井,3 352 m,(-);l—同k,(+)。

Fig.5 Core and microscopic features in E2 s 4 d 3

图6 杜三层细粒岩储集空间类型和特征 a—含泥泥晶云岩,溶蚀孔隙和裂缝发育,雷36井,2 513.04 m,(-);b—含泥泥晶云岩,溶蚀孔隙发育,雷36井,2 513.04 m,扫描电子显微镜(SEM);c—含泥方沸石质泥晶云岩,膏模孔被方沸石半充填,雷36井,2 562.6 m,(-);d—含泥方沸石质泥晶云岩,膏模孔被方沸石半充填,雷36井,2 562.6 m,SEM;e—含方沸石泥质泥晶云岩,岩石局部碎裂,溶蚀孔洞被方沸石充填,见膏模孔,雷84井,2 649.5 m,(-);f—含方沸石泥质泥晶云岩,溶蚀孔隙发育,雷84井,2 649.5 m,SEM;g—泥质泥晶云岩,裂缝被方解石半充填,见原油,雷93井,2 875.3 m;h—方沸石质混合细粒岩,多期裂缝,被方沸石充填,雷57井,2 633.45 m,(-);i—方沸石质混合细粒岩,多期裂缝,被方沸石和有机质充填,雷57井,2 355.52 m,(-);j—纹层状方沸石质混合细粒岩,溶孔发育,雷57井,2 367.65 m,(-);k—灰色泥质泥晶云岩,裂缝发育,雷21-11井,2 183.82 m;l—浅褐灰色纹层泥质泥晶云岩夹灰黑色纹层云质泥岩,裂缝发育,雷29-15井,2 636.69 m。

Fig.6 Fine-grained rock reservoir space types and characteristics in E2 s 4 d 3

图7 杜三层细粒岩储层孔隙度和渗透率直方图

Fig.7 Histogram of porosity and permeability of fine-grained rock reservoir in E2 s 4 d 3

表2 孔隙结构特征参数统计表

Table 2 Statistical table of pore structure characteristic parameters

岩石类型	统计指标	排驱压力/ MPa	孔喉半径平均值/μm	变异系数	最大汞饱和度/%	最大孔喉半径/μm	均质系数	退汞效率/ %	峰态	分选系数
碳酸盐岩类	平均值	3.678	2.588	1.294	51.957	20.685	0.268	38.057	6.966	4.497
	最大值	20.064	14.346	5.300	88.930	87.664	0.790	218.110	26.062	18.703
	最小值	0.008	0.026	0.162	2.400	0.037	0.031	8.740	2.549	0.004
方沸石质混合细粒沉积岩	平均值	2.718	10.703	1.168	37.420	48.183	0.288	34.202	5.024	12.195
	最大值	20.010	49.350	3.067	87.610	224.238	0.792	163.940	14.190	44.986
	最小值	0.003	0.025	0.207	3.230	0.037	0.062	3.390	1.751	0.005
长英质混合细粒沉积岩	平均值	4.334	5.179	1.299	60.423	35.336	0.291	38.794	6.308	7.723
	最大值	19.940	22.297	3.473	96.060	89.477	0.789	163.900	17.861	23.161
	最小值	0.008	0.025	0.187	3.690	0.037	0.018	12.900	2.068	0.005

图8 不同类型岩石毛细管压力曲线 a—碳酸盐岩类;b—方沸石质混合细粒岩类;c—长英质混合细粒岩类。

Fig.8 Capillary pressure curves of different types of rocks

图9 叠合概率评价法流程图(以3个影响因素为例)

Fig.9 Flow chart of overlapping favourability method (taking three influencing factors as an example)

图10 杜三层不同类型储层发育影响因素平面图(据文献[17]修改) a—脆性指数;b—碳酸盐岩和方沸石质混合细粒岩厚度;c—裂缝密度;d—平均渗透率;e—平均孔隙度;f—总有机碳含量。

Fig.10 Maps of different influencing factors on reservoir development in E2 s 4 d 3

表3 不同类型储层发育影响因素对比矩阵

Table 3 Comparison matrix of different influencing factors on reservoir development

影响因素	脆性指数	碳酸盐岩和方沸石质混合细粒岩厚度	裂缝密度	平均渗透率	平均孔隙度	总有机碳含量
脆性指数	1	1/2	2	2	5	1/2
碳酸盐岩和方沸石质混合细粒岩厚度	2	1	5	2	4	5
裂缝密度	1/2	1/5	1	3	2	2
平均渗透率	1/2	1/2	1/3	1	3	2
平均孔隙度	1/5	1/4	1/2	1/3	1	2
总有机碳含量	2	1/5	1/2	1/2	1/2	1

表4 综合权重计算结果

Table 4 Comprehensive weight calculation results

方法	脆性指数	碳酸盐岩和方沸石质混合细粒岩厚度	裂缝密度	平均渗透率	平均孔隙度	总有机碳含量
层次分析法	0.189 7	0.360 3	0.147 9	0.124 5	0.074 3	0.103 2
熵权法	0.084 1	0.228 2	0.094 0	0.425 7	0.084 8	0.083 2
混合权重分析方法	0.088 7	0.456 9	0.077 3	0.294 5	0.035 0	0.047 7

图11 基于K-means方法确定储层类型和分类区间 a—肘部法;b—轮廓法;c—储层分类箱型图。

Fig.11 Determination of reservoir types and classification intervals based on K-means method

表5 基于叠合概率评价方法计算的储层评价标准

Table 5 Reservoir evaluation criteria calculated based on overlapping favourability method

储层类型	脆性指数/%	碳酸盐岩和方沸石质混合细粒岩厚度/m	裂缝密度/ (条·m^-1)	平均渗透率/mD	平均孔隙度/%	总有机碳含量/%
类型Ⅰ	≥0.449 1	≥40.445 8	≥1.889 7	≥46.807 6	≥8.276 1	≥4.675 8
类型Ⅱ	0.265 8~0.449 1	29.147 7~40.445 8	2.522 1~1.889 7	2.043 9~46.807 6	5.775 1~8.276 1	4.336 0~4.675 8
类型Ⅲ	0.056 3 ~0.265 8	1.691 4~29.147 7	0.661 8~2.522 1	0.974 2~2.043 9	2.200 4~5.775 1	2.526 8~4.336 0
类型Ⅳ	<0.056 3	<1.691 4	<0.661 8	<0.974 2	<2.200 4	<2.526 8

图12 杜三层基于叠合概率评价方法储层评价和预测 a—储层发育概率图;b—储层评价图,Ⅰ类储层分界线以北为致密油勘探有利区,分界线以南为页岩油勘探有利区。

Fig.12 Reservoir evaluation and prediction based on overlapping favourability method in E2 s 4 d 3

参考文献 49

[1]	操应长, 梁超, 韩豫, 等. 基于物质来源及成因的细粒沉积岩分类方案探讨[J]. 古地理学报, 2023, 25(4): 729-741. DOI
[2]	杨辉, 朱代强, 刘祥刚, 等. 细粒沉积学研究动态及探讨[J]. 非常规油气, 2021, 8(1): 1-7.
[3]	朱如凯, 李梦莹, 杨静儒, 等. 细粒沉积学研究进展与发展方向[J]. 石油与天然气地质, 2022, 43(2): 251-264.
[4]	金忠慧, 姜在兴, 张建国, 等. 东营凹陷沙四上亚段旋回地层学研究: 以樊页1井为例[J]. 科学技术与工程, 2017, 17(1): 21-28.
[5]	刘惠民, 王勇, 杨永红, 等. 东营凹陷细粒混积岩发育环境及其岩相组合: 以沙四上亚段泥页岩细粒沉积为例[J]. 地球科学, 2020, 45(10): 3543-3555.
[6]	栾旭伟, 孔祥鑫, 张金亮, 等. 天文旋回约束下东营凹陷中始新统含碳酸盐细粒沉积岩成因分析[J]. 沉积学报, 2024, 42(2): 688-700.
[7]	康积伦, 王家豪, 马强, 等. 准噶尔盆地吉木萨尔凹陷芦草沟组细粒湖底扇沉积及其页岩油储层意义[J]. 地质科技通报, 2023, 42(5): 82-93.
[8]	王昕尧. 四川下侏罗统陆相细粒岩储层形成机理及质量控制因素[D]. 北京: 中国石油大学(北京), 2021.
[9]	张世铭, 张小军, 王建功, 等. 咸化湖盆混合沉积特征及控制因素分析: 以柴达木盆地西部地区古近系下干柴沟组为例[J]. 中国矿业大学学报, 2022, 51(1): 160-173.
[10]	刘孝锐, 路俊刚, 谭开俊, 等. 鄂尔多斯盆地西南部HQ地区长7段烃源岩地球化学特征与长8段原油来源分析[J]. 现代地质, 2024, 38(05): 1306-1324. DOI
[11]	林铁锋, 白云风, 赵莹, 等. 松辽盆地古龙凹陷青一段细粒沉积岩旋回地层分析及沉积充填响应特征[J]. 大庆石油地质与开发, 2021, 40(5): 29-39.
[12]	沈云琦, 苏建政, 李凤霞, 等. 潜江凹陷潜四下段页岩油储层力学性质特征研究[J]. 非常规油气, 2021, 8(1): 106-115.
[13]	WU S T, ZHU R K, YANG Z, et al. Distribution and characteristics of lacustrine tight oil reservoirs in China[J]. Journal of Asian Earth Sciences, 2019, 178: 20-36.
[14]	邓远, 陈世悦, 蒲秀刚, 等. 渤海湾盆地沧东凹陷孔店组二段细粒沉积岩形成机理与环境演化[J]. 石油与天然气地质, 2020, 41(4): 811-823, 890.
[15]	郭英海, 赵迪斐, 陈世悦. 细粒沉积物及其古地理研究进展与展望[J]. 古地理学报, 2021, 23(2): 263-283. DOI
[16]	荆晓明. 苏北盆地溱潼凹陷古近系阜二段页岩油甜点评价[J]. 非常规油气, 2023, 10(3): 31-38, 45.
[17]	辽河油气区编纂委员会. 中国石油地质志-卷四-辽河油气区[M]. 2版. 北京: 石油工业出版社, 2022.
[18]	赵会民. 辽河西部凹陷雷家地区古近系沙四段混合沉积特征研究[J]. 沉积学报, 2012, 30(2): 283-290.
[19]	宋柏荣, 韩洪斗, 崔向东, 等. 渤海湾盆地辽河坳陷古近系沙河街组四段湖相方沸石白云岩成因分析[J]. 古地理学报, 2015, 17(1): 33-44. DOI
[20]	黄蕾. 湖相碳酸盐岩储层及成因机理研究: 以辽河西部凹陷沙四段为例[D]. 成都: 西南石油大学, 2016.
[21]	李甜, 代宗仰, 李阳, 等. 辽河西部凹陷雷家地区古近系沙四段湖相白云岩成因[J]. 岩性油气藏, 2022, 34(2): 75-85. DOI
[22]	谌治君. 辽河西部凹陷沙四段含方沸石岩类特征及其成因分析[D]. 成都: 西南石油大学, 2018.
[23]	方锐, 代宗仰, 谌治君, 等. 不同赋存状态方沸石的特征与成因: 以辽河西部凹陷雷家地区古近系沙四段为例[J]. 矿物学报, 2020, 40(6): 734-746.
[24]	单俊峰, 黄双泉, 李理. 辽河坳陷西部凹陷雷家湖相碳酸盐岩沉积环境[J]. 特种油气藏, 2014, 21(5): 7-11, 151.
[25]	杜学斌, 刘晓峰, 陆永潮, 等. 陆相细粒混合沉积分类、特征及发育模式: 以东营凹陷为例[J]. 石油学报, 2020, 41(11): 1324-1333. DOI
[26]	倪敏婕, 祝贺暄, 何文军, 等. 准噶尔盆地玛湖凹陷风城组沉积环境与沉积模式分析[J]. 现代地质, 2023, 37(5): 1194-1207.
[27]	彭军, 杨一茗, 刘惠民, 等. 陆相湖盆细粒混积岩的沉积特征与成因机理: 以东营凹陷南坡陈官庄地区沙河街组四段上亚段为例[J]. 石油学报, 2022, 43(10): 1409-1426.
[28]	IKOTUN A M, EZUGWU A E, ABUALIGAH L, et al. K-means clustering algorithms: a comprehensive review, variants analysis, and advances in the era of big data[J]. Information Sciences, 2023, 622: 178-210.
[29]	LIU S X, LIU X D. Research on density-based K-means clustering algorithm[J]. Journal of Physics: Conference Series, 2021, 2137(1): 012071.
[30]	高雅田, 范雄. 基于k-means算法的岩性分类研究[J]. 微型电脑应用, 2022, 38(8): 113-115.
[31]	何选森, 何帆, 徐丽, 等. K-Means算法最优聚类数量的确定[J]. 电子科技大学学报, 2022, 51(6): 904-912.
[32]	王森, 刘琛, 邢帅杰. K-means聚类算法研究综述[J]. 华东交通大学学报, 2022, 39(5): 119-126.
[33]	DE AMORIM R C, HENNIG C. Recovering the number of clusters in data sets with noise features using feature rescaling factors[J]. Information Sciences, 2015, 324: 126-145.
[34]	GOUTTE C, TOFT P, ROSTRUP E, et al. On clustering fMRI time series[J]. NeuroImage, 1999, 9(3): 298-310. PMID
[35]	KETCHEN D J, SHOOK C L. The application of cluster analysis in strategic management research: an analysis and critique[J]. Strategic Management Journal, 1996, 17(6): 441-458.
[36]	ABDULAZIZ A M, MAHDI H A, SAYYOUH M H. Prediction of reservoir quality using well logs and seismic attributes analysis with an artificial neural network: a case study from Farrud Reservoir, Al-Ghani Field, Libya[J]. Journal of Applied Geophysics, 2019, 161: 239-254.
[37]	HE H, LI S M, LIU C, et al. Characteristics and quantitative evaluation of volcanic effective reservoirs: a case study from Junggar Basin, China[J]. Journal of Petroleum Science and Engineering, 2020, 195: 107723.
[38]	陈欢庆, 丁超, 杜宜静, 等. 储层评价研究进展[J]. 地质科技情报, 2015, 34(5): 66-74.
[39]	张换果, 杨博, 郑奎, 等. 胡尖山油田H154区长6₁储层特征及分类评价[J]. 非常规油气, 2021, 8(3): 23-32.
[40]	LI Y, ZHANG T S, DAI Z Y, et al. Quantitative evaluation methods of tight reservoirs based on multi-feature fusion: a case study of the fourth member of Shahejie Formation in Liaohe Depression[J]. Journal of Petroleum Science and Engineering, 2021, 198: 108090.
[41]	李阳, 代宗仰, 黄蕾, 等. 叠合概率法在碳酸盐岩储层评价中的应用: 以辽河坳陷西部凹陷高升地区沙四段为例[J]. 中国石油勘探, 2019, 24(3): 361-368. DOI
[42]	李阳, 代宗仰, 张洁伟, 等. 基于无监督学习的多参数储层评价: 以蒲包山地区下三叠统飞仙关组礁滩储层为例[J]. 地质科技通报, 2023, 42(5): 285-292.
[43]	何牧宇, 周晖. ReliefF-MFO多标签特征选择算法[J]. 计算机工程与设计, 2019, 40(12): 3469-3473.
[44]	孙林, 陈雨生, 徐久成. 基于改进ReliefF的多标记特征选择算法[J]. 山东大学学报(理学版), 2022, 57(4): 1-11.
[45]	杨平. 灰色关联法在页岩气储层评价中的应用[J]. 广东石油化工学院学报, 2023, 33(4): 12-16.
[46]	GAO P C, WANG X Y, WANG H Y, et al. A correction to the entropy weight coefficient method by Shen et al. for accessing urban sustainability[Cities 42 (2015) 186-194][J]. Cities, 2020, 103: 102742.
[47]	TAVANA M, SOLTANIFAR M, SANTOS-ARTEAGA F J. Analytical hierarchy process: revolution and evolution[J]. Annals of Operations Research, 2023, 326(2): 879-907.
[48]	李占山, 杨云凯, 张家晨. 基于熵权法的过滤式特征选择算法[J]. 东北大学学报(自然科学版), 2022, 43(7): 921-929. DOI
[49]	王师, 杨静, 蒋志豪, 等. 模糊层次分析法在建模优选中的应用[J]. 电子技术, 2022, 51(7): 85-87.