[科普中国]-测井数据处理

过程概述

各种测井方法的产生以及用这些方法获取测井信息的最终目的是用于地质解释。然而，由于测井的探测环境、测量条件和研究对象的复杂性，各种测井信息都不同程度地受着多种非地质因素的影响。如何消除这些影响，达到去伪存真的目的，是测井数据处理的重要任务之一。

另外，测井信息本身一般只是对地质特征的一种非直接反映，这种间接性所带来的模糊性，以及自身所隐含的多解性，也成为测井资料地质分析中的一个难题。如何通过推理、演绎和还原过程获得尽可能精确的解答，是测井数据处理重要的任务。

较长时间来，人们十分重视研究测井信息与地层特性之间的定性与定量关系。其中最直接、最基本的方法是建立岩石物理模型或利用岩心、岩屑以及生产测试等实际资料去与测井数据建立某种定性与定量联系，从而赋予测井信息以某种直接的地质意义。通过用单一或组合测井曲线的形式，建立多种实用模型或一系列相应的经验表达式便可直接描述特定的地质现象、储集岩特性和含流体性质等。计算机技术的广泛应用，把测井数据处理工作推向一个新的阶段。随着各种解释模式的积累和地质一地球物理解释模型的建立，以及多种演化形式的数学模型的产生，为测井数据处理与分析的定量化开辟了简便而有效的途径。

用计算机进行测井资料处理解释的一般工作流程如图所示。它主要由原始测井数据编辑、测井资料预处理、测井数据分析、建立解释模型和给出地质解答等几个部分构成。1

野外数字磁带的编辑野外数字磁带是用数字测井仪在井场记录的，它通常由多种仪器组合、多次下井测得的多条数字曲线构成。编辑内容如下。

1.数据格式变换

野外磁带上每个采样点数据是用12位补码形式表示的，无法用计算机进行运算。为此，需首先将12位补码数转换为16位补码整型数，并进一步按用户要求的数据排列格式进行重新排列。

2.数据刻度

野外磁带上记录的二进制码是测量时采样的电压值。实际使用时必须根据这些数码与其所表示的物理量之间的关系，对磁带上的数据进行刻度，将其变换为具体的工程值，如电阻率为Ω**·**m、声波时差为μs/m(或μs/ft)等等。

3.深度取齐

由于不同井下仪器记录点位置不同，因而记录数据长度不一致。为此，需对每一数据曲线按统一深度进行取齐，并将从井底到井口(即由深到浅)的记录顺序改变为由井口到井底(即由浅到深)的顺序进行排列。

4.曲线归并

将野外磁带上先后记录的所有测井曲线按同一起止深度和采样间隔进行归并，然后以数据块的形式依次存放到新的磁带上，其排列格式如图所示。每个数据块最多可存放40条测井曲线，每条曲线为一个逻辑记录，它们具有同一起止深度和相同的采样间隔。一般一个逻辑记录为125个采样点。

以上编辑工作可由一个专门的软件来完成。经过编辑处理之后的数据磁带，称为用户格式((LA716)磁带，可用于进行曲线回放和各种数值运算及逐点解释。

模拟测井曲线的数字化对于未进行数字磁带记录的老井资料作数字处理时，需首先利用数字化仪和相应软件对模拟曲线进行数字化。目前，测井数字处理中常用的数字化仪有等时采样和等距采样两类。等时采样是每隔一定的时间间隔对连续曲线进行采样，并将采得的数据转换为二进制数字量。等距采样则按一定间距进行采样，采样结果也转换为二进制数字量。无论哪种采样方式，所得的采样数据都代表的是采样点的坐标值，尚需利用专门的程序进行编辑处理，即通过深度平差、纠错、化等时采样为等距采样，以及将坐标值刻度为工程值等，最终形成用户格式数据磁带。2

测井资料预处理测井资料预处理的目的是为测井解释提供质量可信、深度一致、数值正确且消除了与探测目的无关的因素影响之后的测井数据。

测井曲线质量及深度一致性检查与校正测井曲线数值的正确性是衡量测井曲线质量的主要标志。通常由现场测井人员把关，如保证正确的仪器刻度、合适的操作程序和重复测量等。但测井资料使用者也应具备认识与分析测井质量的一些基本方法，如声波、密度和中子曲线在己知岩性地层上的读值应与理论值相吻合等。若两者出现系统的偏高或偏低时，则常常是由于仪器刻度不准造成的。应对该偏差曲线确定一个附加校正值，以便在计算机解释时对其进行系统校正。

测井曲线之间的深度一致性，无论对于定性分析和定量解释都很重要。造成深度不一致的原因主要是由于各次测量时仪器重量和上提情况不同使电缆张力不一致造成的。通常利用每次下井带测的自然伽马曲线相对比来进行检查。当发现曲线之间有深度偏差时，需确定偏差值，然后以某一曲线的深度为准，利用深度移动程序对有偏差的曲线进行校正，即上移或下移一定数值。

测井曲线的环境影响校正环境影响是指如井孔直径与泥浆、岩层厚度与围岩，以及泥饼和侵入带等的影响。不同测井方法，各自受影响的程度却不一样，这主要与仪器的探测深度及探测目的有关。贴井壁探测的仪器，井孔及围岩的影响几乎可忽略不计，主要考虑泥饼的影响;聚流测井及井眼补偿测井方法，井孔的影响相对较小，主要考虑层厚及侵入带的影响;一般的测井方法，这些影响均不同程度地使测井曲线发生畸变。目前，尽管许多测井仪器在设计时都考虑了如何尽量克服或减小环境影响问题，但仍不能达到完全消除。因此，在测井解释中，环境影响校正仍是一项必要的环节。

目前，对测井曲线进行环境影响校正的方法主要是图版法或图版公式化。前者用于手工分析，后者用于计算机数据处理。这些图版一般是通过实验室或模型井模拟不同环境条件做出的，主要有自然伽马井眼影响校正图版、微电阻率测井泥饼影响校正图版、侧向或感应测井的井孔、层厚及侵入带校正图版，以及补偿中子测井的井径和泥浆密度校正图版和密度测井的井径校正图版等。不同测井公司研制的仪器，由于探测特性、传感器组合与几何尺寸，以及线路设计等方面存在的差异，环境影响校正图版也不完全相同，在使用时需加以考虑和选择。

测井曲线的标准化原始测井数据的误差除了环境因素的影响之外，还会由于仪器刻度的不精确性、仪器型号与新旧程度的差异，以及操作方式不当等因素造成。这种误差一般属于系统误差，在进行单井测井解释特别是多井测井分析时必须考虑。消除这种误差的工作称为测井曲线的标准化。它使经过环境影响校正后的某种测井数据，在整个油区或油田范围内，性质相同的地层具有基本相同的测井响应特征。

为此，可在油田范围内选择一定数量的关键井并确定标准层，然后将处理井的测井数据分布与关键井的相应数据的分布进行比较，以确定两者的相关性和差异程度，进而求出校正所需的一组转换值。

测井曲线的标准化是多井测井评价和油藏描述的关键技术之一。目前常用的方法是直方图对比法。它首先建立油田关键井内标准层段数据直方图的标准模式;其次，对处理井作相应层段的同类直方图，并与标准模式进行对比，若两者重合较差，说明存在系统误差;然后通过图形重叠移动读出两者的差值再对误差曲线进行系统校正。

需要指出，这种方法是建立在油田范围内标准层沉积稳定、厚度及岩性变化不大，且测井响应特征横向基本不变的基础之上，在多数情况下较难得到满足。于是，可采用趋势面分析方法对测井曲线进行标准化处理。这种方法假定反映地层区域变化特性的测井响应值在空间上将表现为某种自然趋势，因而可将其描绘成一种数字曲面，称为趋势面。应用趋势面分析方法可以根据一定井点的数据做出某一标准层真实测井响应值空间分布的最佳拟合，而当实测标准层的测井响应值偏离趋势值时，即可求出差值对其进行校正。当然，无论哪种标准化方法，都很难对复杂的地质情况做出确切描述，因此充分发挥地质学家的经验和判断力仍十分重要。1

测井数据分析技术几种主要交会图1.岩性一孔隙度交会图图版

这是一种广泛用于研究解释井段岩性和确定孔隙度的交会图图版，主要由中子一密度、中子一声波和声波一一密度相交会构成。如图是中子一密度交会图图版的实例。图的纵坐标是密度测井体积密度ρb，横坐标是中子测井的视石灰岩孔隙度φ。图中的三条刻度线分别代表纯砂岩、纯石灰岩和纯白云岩三种岩性，并在骨架点(孔隙度为0)和水点(孔隙度为100%)之间按含水纯岩石测井响应方程对每条岩性线进行孔隙度刻度。

于是，利用该图版，可以根据资料点在交会图上的位置判断其岩性并确定孔隙度。显然，当解释点为含水纯砂岩、石灰岩或白云岩中的某一种时，它必然会落在该岩性线上，并可根据它在岩性线上的位置确定孔隙度。若解释点为双矿物岩性，如灰质白云岩或白云质灰岩，则它将落在该两条岩性线之间的某个位置，根据它的位置和相对于岩性线的距离，可以求得孔隙度和两种矿物成分的相对含量。

对于中子一声波和声波一密度交会图图版，也有类似的特征和作用，这里不再赘述。需指出的是，由于图版的制作条件，它们只适用于含水纯岩石和简单的岩性组合。当岩石含泥质、孔隙中有天然气存在，以及更复杂的岩性成分组合时，资料点的分布将与上述规律不符，解释时须作出分析。

2.频率交会图和Z值图

频率交会图是在指定某两种测井曲线为纵、横坐标的平面图上，统计一定深度段内这两种测井曲线的采样数据落在平面图各单位网格内采样点数(频率数)构成的一种图形。如图是以中子测井孔隙度为横坐标，密度测井体积密度为纵坐标。在2290~2445m深度范围内，用所述统计方法作出的频率交会图的实例。图中的数字，表示在该井段内所有采样点中出现在该单位网格上的采样点数目，即频率数。如在坐标点(5. 0 , 2. 65)上显示的数字为4，则表示在该井段的所有采样点中，满足φN=5.0；ρb=2.65的采样点共有4个。余此类推，当频率数大于9时，用“*”号表示。

Z值图是在频率交会图的基础上再引入第三测井曲线(称为Z曲线)构成的。

交会图技术在测井数据分析中的应用利用频率交会图、z值图或这两者相结合，可以检查测井曲线质量、确定仪器刻度误差、分析岩性成分和选取测井解释参数等。其基本方法是:首先根据研究目的，选取作图曲线和作图井段;其次，利用交会图程序从给定井段上逐点提取测井数据进行统计，并绘制相应的交会图;然后，将同类型的透明交会图图版与己绘交会图进行重叠，根据数据点的分布特征，便可做出相应的分析。

除了所述交会图之外，在测井数据分析中，还有许多其他类型的交会图，如用于判别油(气)水层的电阻率一孔隙度交会图，用于复杂岩性成分分析的M-N和MID交会图、密度一岩性密度测井交会图，以及用于渗透率解释的孔隙度一束缚水饱和度交会图等等，测井分析家可根据需要选取或制作。2

测井分析程序处理方法测井数据经过编辑、预处理和一系列数据分析确定了解释模型和有关输入参数之后，便可利用适当的测井分析程序进行自动处理解释，最终给出各种地质解答的成果数据或成果图。目前，用于测井分析的程序有多种，各开发商或油田系统使用的版本也不尽相同，但总的来说，大体上可分为三种类型，即常规测井分析程序、最优化处理解释程序和神经网络法解释程序等。1

常规测井分析程序处理方法常规测井分析程序是目前现场广泛使用的一套计算机测井解释技术，具有简单、实用和易于操作等特点。它没有包含过多的数学运算，也没有涉及复杂的数理推演，基本上属于模型方程的直接运算，一种人工解释过程的计算机化。其解释效果在很大程度上取决于解释模型和解释方程的适应性以及程序使用者的经验。下面介绍两种岩性剖面上常用程序的基本特点和处理解释方法。

1.泥质砂岩分析程序处理方法

(1) POR程序处理方法

POR程序是“一种孔隙度测井分析程序”的简称。由于它所需要的孔隙度测井资料仅有一种，因而在孔隙度测井资料不全的地区，如老井区或某些油田开发区有实用价值。另外，由于程序结构和处理方法简单，现场人员也常用来进行常规测井解释，一般情况下也能获得较好的解释结果。

a.POR程序概述。POR程序与其他常规测井分析程序一样是一个简单的读带一运算—写带过程。输入的测井信息，除某一种孔隙度测井(声波、密度或中子)之外，还需要自然伽马(GR)或自然电位(SP)测井、深探测电阻率测井(LLD或ILD)和冲洗带电阻率测井(RXO )，以及井径测量等基本曲线。当有多于一种孔隙度测井资料时，将有利于提供程序选择。在缺少冲洗带电阻率测井的情况下，程序亦可做出简单处理。

POR程序的输出是解释井段内储层参数的逐点计算结果，主要有泥质含量(VsH )、有效孔隙度(φ)、含水饱和度(Sw)、冲洗带含水饱和度(SXO)、渗透率(PERM)，以及累积孔隙厚度(hPF)和累积油气厚度(hHF)等。

POR程序的大体工作流程如图所示。它基本上能代表常规测井分析程序结构的总体概貌。

b.储层参数计算方法。

a)泥质含量计算。许多测井响应值都与地层的含泥质程度有关，程序设计了可供用户选择的五种计算泥质含量的测井方法，它们是GR,SP, RT,CNI和NLI(中子寿命测井)。

b)孔隙度计算。POR程序可选择三种孔隙度测井中的任何一种计算地层孔隙度。采用的解释模型为最简单的单矿物含水泥质岩石模型，不考虑油气对测井响应的影响。

c)饱和度计算。POR程序计算含水饱和度主要是用纯岩石的阿尔奇方程或泥质岩石的Simandoux方程。用户可根据实际情况进行选择。

(2)POR程序的改进处理方法

POR程序虽然简单、实用，但不很完善。于是，不少研究者在该程序结构的基础上提出了若干改进的处理方法，如SAND程序处理方法和多功能程序处理方法等，以期获得更完善和更可靠的解释结果。

a.考虑油气影响的处理方法。采用含油气泥质砂岩模型，通过建立两种孔隙度测井的响应方程并联立求解，可以求得消除油气影响之后的有效孔隙度，同时计算出泥质含量。

b.考虑SW与SWirr关系的处理方法。束缚水饱和度}W;r是储层评价的一个重要参数。通过SW - SWirr交会或曲线重叠，可以分析流体的可动性。

最优化程序处理方法1.最优化测井解释技术概述

最优化测井解释是20世纪80年代初发展起来的一项新型测井评价技术。它打破了传统测井解释模式和逻辑概念，不是直接利用少量测井信息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，综合利用多种测井信息和有关地质信息，运用最优化数学方法，结合统计概率与误差理论以及质量控制等技术，求解反映地下复杂岩性地层原貌的地质参数来进行地层评价和油气分析的，是目前定量评价复杂岩性油气储层较流行的方法。

最优化测井解释是一个不断迭代寻求最优解的过程，它首先根据测井解释模型确定各种测井响应方程，在给出所需求解储层参数初值和有关区域性参数值的情况下，反算出相应的测井理论值，然后将它们与实际测井值相比较，通过应用最优化技术不断调整未知储层参数，使计算的各测井理论值逼近相应的实际测井值。一旦两者充分逼近，用以计算各理论测井值所采用的自变量就是最终解释结果。

如图是最优化测井解释的大体工作流程。

2.最优化测井解释的基本原理

确定解释模型和测井响应方程

解释模型是指对处理井段按哪几种岩性矿物成分来解释与评价地层所用的模型。为此，需首先了解研究地区主要岩性和特殊岩性是什么?各层系在岩性组合上有什么特点?通常，碎屑岩剖面的主要矿物成分是石英、长石，其次是云母及少量重矿物;另外还有泥岩和页岩，它们主要由各种粘土矿物及粉砂组成。碳酸盐岩剖面的矿物组成主要有方解石、白云石、石膏和石英等。其他复杂岩性地层也有相应的矿物组成。在根据岩心分析确定了解释层段的主要岩石成分之后，便可确定解释模型。一般来说，在测井系列比较完善时，可以建立多达六种矿物成分的解释模型。当建立的模型无法覆盖整个解释井段时，可按各层段的岩性建立分段模型。

解释模型确定之后，根据测井资料的情况，选取最能反映这些岩性特征及岩石物性和含流体特性的测井信息，并建立测井响应方程，形成方程组。为了获得最能反映地层情况的最优解，响应方程的数目必须大于或等于未知储层参数的数目，也就是说，响应方程组必须是超定或至少是平衡的。1

神经网络处理方法20世纪80年代中后期，人工智能科学中的人工神经网络(Artificial Neural Network) ,在许多学科领域内成功应用，为测井解释开辟了一条新的研究思路和研究手段。近年来，这项技术己在油气田勘探开发的各项测井解释中应用，发挥着越来越重要的作用，受到了人们的普遍肯定和青睐。

神经网络以其能模拟人的大脑思维能力、采用并行分布式信息(知识)表达及处理方式去处理解决问题的特点，为人们去开发一种具有决策能力和推理联想功能的新型测井解释系统提供了可能。另外，神经网络所具有的强的非线性映射能力、模式识别能力、自学习能力，以及求解问题时强的抗干扰能力等优点，更是现有测井解释技术无法比拟的。尽管目前它的应用潜力尚没有充分挖掘出来，实际应用中还有许多问题需要解决，但它在测井解释的许多领域内己经展现出了明显的优越性和良好的实用前景。2

1.神经网络如何用于测井解释

大家知道，当前测井解释的主要任务基本上可分为两个大类:一类是利用某种或多种测井信息定量求取储层参数，如计算孔隙度、渗透率、饱和度、泥质含量，以及组成岩石的矿物含量等。目前采用的方法是基于岩石体积模型的测井响应方程和统计经验公式。另一类是利用测井信息的响应特征或综合标志对地层的某种特性进行分类识别，如岩性岩相识别、储层识别、流体性质识别、裂缝识别，以及水淹层和水淹等级识别等。目前采用的方法主要是人工分析和统计识别模型(包括判别分析、模式识别和模糊聚类分析等)。

就所述两类测井解释而言，按数学的观点，均属于一种映射问题，即将M维的输入向量(测井信息)映射为N维输出向量(某种储层参数值或某类地层特性)。由于测井响应与实际地层各组成部分之间的复杂关系，这种映射常常是非线性的，而且很难用某种确切的关系式所能表达。

神经网络在实现复杂的非线性映射方面有其独特的优越性。它可以在并不知道或完全不了解所需求解问题的确切性质和表达关系的情况下提供一种实用而合适的解答，且由于网络经过某种非线性函数对输入信息进行多次复合和转换之后，对于各种复杂的拟合问题或非线性映射问题均能很好地实现，这对于我们面临的各种测井解释问题均是适用的。

需指出，用神经网络处理测井解释问题是一种与常规方法完全不同的思维方式去实现测井资料处理解释的过程。它是将测井数据、这些数据与所反映的地层特性的关系，以及应获得的具体解答统统融为一个整体，而对于它们如何遵循或模仿这些特征去实现问题的解答却勿需了解，也无从了解。也就是说，神经网络把测井解释问题简化成一种具有复杂内部工作的“黑箱”，整体被看成一个自控制系统。在这个过程中，我们关心的只是原始数据的整理、网络的训练与预测，以及对预测结果的检验与分析等。

可以看出，用神经网络处理测井解释问题，与传统的方法相比，具有如下特点和优越性。

(1)不需要测井解释方程

常规测井解释在确定某种解释模式之前都需要通过岩石体积模型或统计方法建立测井响应方程或统计经验公式，而神经网络法的解释模型就是网络本身，它不需要事先确立任何关系表达式。

(2)不需要繁琐的参数选取工作

由于神经网络法没有任何解释方程，因而不需要提供任何解释参数，这就避免了参数选取的繁琐以及由此造成的选取不当和诸多人为因素。

(3)不需要对测井数据进行泥质和油气影响校正

地层中泥质和油气的存在是一种实际的地层特性，它对测井响应的影响必然会在响应值上有所表现。神经网络可以通过对这种影响的程度及其所造成的解释结论差异的“认识”对不同的地层特性做出分辨，或者说网络能依靠自身的归纳能力去得出应有的解答。

(4)不需要太多的专家经验

用神经网络建立测井解释模型，只需提供少量数据训练网络，而输入与输出之间复杂的映射关系是通过网络特征参数的调整自动实现，因而不需要太多的专家经验。

(5)不需要对测井信息量做出要求

在常规测井解释中，不同测井分析程序对所需测井信息的类型及数量均有较明确的要求。神经网络法实际上是一种通过对多种信息特征的综合认识与分析去寻找外界事物规律的方法，只要有一定数量的相关信息就能应用，对信息量的多少没有严格的要求。特别是随着探测技术的不断发展，可用测井信息越来越丰富，充分利用这些信息去开拓测井解释新领域，更能显示神经网络法的优越性。

2.处理解释过程

用神经网络法进行测井解释，无论是求取储层参数或识别地层特性，其网络模型、学习算法、数据预测和资料处理技术基本上是相同的。因而，在实际应用时可将这两类测井解释问题融为一体，并可用同一软件系统同时实现两类解释任务，这是它与常规测井解释完全不同之处。图是测井资料神经网络处理工作流程。

从图可似看出，这套解释技术的基本工程过程，首先是从一口或多口关键井的己知数据中获取训练样本形成训练样本集;其次，对其作归一化处理，并将归一化后的数据送入相应的网络进行学习，由此建立解释模型;然后，利用己建的模型对未知井或层段进行预测，并输出预测结果。

在这些过程中，参数解释与类型识别不同之处是训练样本的构成，所用网络模型的结构以及期望输出值的表达形式。

3.数据处理技术

神经网络及其一整套算法仅仅是一种研究手段，将其用于测井解释时，如何用好这一手段，需要了解神经网络的某些局限，同时也涉及到若干数据处理技术。

(1)神经网络的学习精度与预测能力

常规的BP网络是目前测井解释中广泛使用的有效网络模型，它存在着许多不足。普遍公认的问题是收敛速度较慢和容易陷入局部极小。另外，隐层单元的确定存在较大的盲目性，这在一定程度上影响了学习的精度和网络模型的实用效果。解决这些问题的方法己有不少，如在BP算法的基础上引入模拟退火算法或遗传算法可以提高收敛速度和实现全局最优。

关于网络的预测能力是指己建网络模型推广应用于大量未知数据的预测效果，它是这项技术能否成功应用的关键。需指出，仅仅通过提高网络的学习精度，并不能根本解决预测能力问题，这还涉及到一系列的数据分析与处理技术。

(2)学习样本可靠性分析与处理

学习样本是神经网络法建立各种测井解释模型的基础，它的可靠性直接影响着所建模型的精度和推广预测能力。

学习样本的可靠性是指这些样本反映地层特性的真实程度和样本集中每一输入输出模式对之间对应关系的正确性。影响学习样本可靠性的因素有测井曲线的环境影响、实测数据与测井响应之间的分辨率不匹配、样品分析误差，以及某些测井数据的随机干扰等。因此，在提取网络训练样本之前需作如下处理:

①测井曲线的环境影响校正。以消除某些非地质因素对测井响应的影响。

②岩心深度归位。确保岩心分析数据与测井数据之间深度一致。

③岩心分析数据的平滑处理。主要针对岩心分析数据点较密集，且相邻数据点之间的分析值出现较大起伏时使用。

④测井曲线的自动分层取值。主要用于地层特性的分层识别。1

测井资料解释测井资料解释可分为定量、半定量和定性三种类型。前者主要由计算机来实现，而后者则主要通过人工分析来完成，两者起着相互补充、相互印证的作用。应当承认，先进的计算机解释技术是实现各种复杂地质分析和数值运算的有力手段，也需要指出，单纯的计算机数据处理，并不能完全解决测井解释面临的各种问题。这是因为测井所要解决的地质、工程问题，一般不能仅用单纯的地质一数学模型及相应的解释方程所描述。它既有数值运算，也包含着由多种经验法则组成的非数值运算。大量事实也证明，使用常规的计算机处理方式，只能为测井解释提供分析问题的手段，而不能最终提供综合解题的能力和自动决策的最佳答案。因此，在测井解释中，充分利用各种有用信息(包括地质、录井、测试和岩心分析资料)，认真分析各种可能的情况，借助专家的知识和经验，对提高测井解释的地质效果是十分必要的。1