基于岩相控制与多参数驱动的深海相页岩储层甜点评价智能方法

《Processes》：An Intelligent Evaluation Method for Sweet Spots in Deep-Marine Shale Reservoirs Based on Lithofacies Control and Multi-Parameter Driving Yi Liu, Jin Wu, Boning Zhang, Chengyong Li, Dongxu Zhang, Tong Wang, Chen Yang, Yi Luo, Ye Gu and Kai Tong + 2 authors

　　

深海相页岩储层受多因素耦合作用控制，“甜点”成因机制表现出很强的复杂性，导致甜点定量预测与精准评价面临突出困难。针对传统评价方法中岩相控制下甜点演化规律不清晰以及多参数定量评价精度不足等问题，研究以川南LZ区块五峰组—龙马溪组龙一段为研究对象，创新性集成机器学习（ML）、灰色关联分析（GRA）与三维（3D）地质建模技术，建立了岩相约束条件下储层甜点评价指标精细预测模型，并提出了一种预测精度较高的深海相页岩气甜点多参数融合定量评价方法。结果表明：基于LightGBM的甜点评价指标预测模型表现优异。基于总计380个经预处理样本，并按7:3划分训练集与测试集后，模型在测试数据集与验证数据集上的决定系数（R²）均超过0.9。通过基于GRA的多因素融合构建的储层甜点综合评价指标——“甜度指数”，与实际气井产量之间的相关系数达到0.91，拟合程度较高。三维甜点地质模型揭示，Ⅰ类甜点主要发育于龙一段第1—3亚层，而Ⅱ类甜点主要分布于第5、6亚层，这与气田实际开发规律高度一致。该研究突破了传统甜点评价中单一评价方法及岩相控制考虑不足的局限，形成了一套集“精准预测—多因素融合—3D表征”于一体的创新技术流程，为深海相页岩储层甜点高效精准评价提供了新的技术路径，对页岩气高效开发具有重要指导意义。

本文发表于《Processes》，聚焦深海相页岩气储层“甜点”智能评价这一关键问题。研究背景在于，页岩气作为非常规战略资源，近年来在中国尤其是川南地区实现了向3500 m以上深层乃至更深层的商业化拓展，但深层页岩储层非均质性强、控制因素复杂，甜点的形成受有机质丰度、储集物性、含气性、脆性及沉积岩相等多因素耦合影响，传统依赖地震反演、测井解释、经验公式、多元回归或常规机器学习的方法，在稳定性、泛化性、定量化能力及岩相约束刻画方面均存在不足，因而难以满足深层海相页岩气甜点精细预测与三维定量评价的需求。基于此，研究人员选择川南LZ区块五峰组—龙马溪组龙一段作为研究对象，尝试建立一套兼顾岩相控制、多参数融合与空间表征的甜点评价技术体系，以提升甜点预测精度并服务开发部署优化。

研究人员围绕“岩相控制下的甜点预测与评价”开展了系统研究。首先依据矿物组成与总有机碳（TOC，总有机碳含量）建立岩相划分方案，并厘定研究区深海相页岩的主要岩相组合及其储层地质特征；随后选取TOC、孔隙度（Por）、含气饱和度（Sg）、总含气量（Qall）、游离气含量（Qfree）和脆性指数（Brit）六项参数作为甜点评价指标，在测井与岩心测试数据基础上构建岩相约束的LightGBM预测模型；进一步利用灰色关联分析（GRA）量化各评价指标与气井产量之间的关联程度，构建“甜度指数”综合评价模型；最后结合三维（3D）地质建模刻画甜点在平面与纵向上的空间展布。研究表明，该方法能够显著提高甜点评价指标预测精度，并有效揭示甜点在不同层系中的分布规律，具有较强适用性和工程指导价值。

研究所采用的关键技术方法主要包括以下几个方面：其一，基于岩心测试与测井资料建立岩相分类方案，以TOC和矿物组分为核心对页岩进行精细岩相划分；其二，利用来自LZ区块典型页岩气井的岩心测试与测井样本构建数据集，经降噪、归一化等预处理后形成380个样本，并按7:3划分训练集与测试集，同时采用5折交叉验证；其三，采用LightGBM集成学习算法建立六项甜点评价指标的回归预测模型，并设置是否区分岩相的对比模型进行性能比较；其四，采用GRA计算各评价指标与单井日产气量的灰色关联度及权重系数，构建甜度指数；其五，将预测结果与地质、井位、构造和地层数据融合，建立三维属性模型及甜点模型，实现甜点空间定量表征。

在研究区地质背景与储层基础特征方面，论文指出川南泸州区块深海相页岩主要发育于五峰组—龙马溪组龙一段，龙一段可进一步划分为7个亚层，储层纵向非均质性显著。矿物组成以石英、黏土矿物和碳酸盐矿物为主，长石与黄铁矿含量较低，但整体矿物组成变化范围较大，反映出强烈的储层非均质性。下部层系页岩总体孔隙度较低，但不同亚层之间存在明显差异；TOC、孔隙度与含气量整体上随层序深度呈先增后减趋势，其中龙一段第2亚层综合表现最佳，烃源潜力和含气潜力最高。研究同时指出，TOC、Por与Qall之间具有较强正相关关系，说明有机质丰度提升与储集空间改善、含气性增强之间具有协同关系。

在“Lithofacies Types and Characteristics”部分，研究人员依据“TOC + 矿物组分”两步法建立了岩相划分方案。研究区共识别出10种岩相，并归并为5类主要岩相进行表征。富有机质黏土质页岩（ORCS）富含有机质和黏土，内部纹层欠发育，平均含气量为2.6 m³/t；贫有机质黏土质页岩（OPCS）表现为极低TOC、低含气量和高黏土含量的“两低一高”特征，不利于生气与压裂；富有机质硅质页岩（ORSS）富含硅质生物成因组分，TOC较高、含气性较好、平均脆性指数达74.2%，兼具生烃潜力与压裂改造优势；富有机质钙质/硅质混合页岩（ORMS）具有较高有机质、脆性和气含量；贫有机质硅质页岩（OPSS）和贫有机质钙质/硅质混合页岩（OPMS）虽脆性较高，但因TOC低、含气差，不利于烃类产出。该部分结果说明，岩相不仅控制有机质与矿物组成，也深刻影响储层物性、含气性与可压裂性，是甜点评价必须纳入的关键约束条件。

在“Extraction of Sweet Spot Evaluation Indicators”部分，研究人员从烃源岩质量、储层物性、含气性和脆性四个维度出发，提取了TOC、Por、Sg、Qall、Qfree和Brit六项具有明确地质与工程意义的甜点评价指标。TOC表征页岩生烃潜力，Por反映储集能力，Sg体现含气潜力，Qall和Qfree反映资源丰度与开发潜力，Brit则代表储层可压裂性。该部分明确了后续智能预测与综合评价的指标体系基础。

在“Sweet Spot Evaluation Indicator Prediction Models”部分，研究人员采用LightGBM算法分别建立六项甜点评价指标的预测模型，并设置两类对比模型：Model A不区分岩相，直接以全部样本统一训练与测试；Model B则先按岩相划分样本，再对各岩相子集分别训练预测并进行结果集成。结果显示，岩相约束显著改善模型性能。Model A在训练集和测试集上的R²多处于0.65—0.70范围，预测值与实测值偏差较大；而Model B对所有指标在训练集和测试集上的R²均超过0.9，散点分布更贴近45°线，显示出更高精度和更强拟合能力。以TOC和Brit为例，考虑岩相后R²分别由0.68增至0.94、由0.67增至0.92，MAE和RMSE也明显下降。研究据此认为，岩相划分能够有效削弱储层非均质性对模型预测的干扰，尤其对受有机质与矿物组成显著控制的参数改善最为明显。

在该部分进一步验证中，研究人员利用未参与训练的Y06井数据进行外部检验，结果显示六项指标预测值与岩心实测数据之间的R²均大于0.9，模型曲线与实际曲线拟合良好，说明所建立的岩相区分型LightGBM模型具有较好的区域适用性与泛化能力。

在“Comparative Experiments”部分，研究人员选取文献中常用的5种机器学习算法，对TOC进行横向对比预测。结果表明，这些方法的MAE、RMSE和MAPE均高于LightGBM模型，且R²仅在0.8左右，整体预测性能弱于本文方法。该结果从横向比较角度进一步验证了所建模型在复杂多因素耦合储层参数预测中的优势。

在“Shale Reservoir Sweet Spot Evaluation Model”部分，研究人员基于34口典型气井沿纵向剖面的六项预测指标及日产气量数据，构建甜点评价样本集，并以稳定产气阶段单位压降产气率平均值代表日产水平，以产气层段指标算术平均值代表储层表征参数。经过标准化处理后，采用GRA计算六项指标与日产气量之间的灰色关联度，结果分别为TOC 0.718、Por 0.676、Sg 0.714、Qall 0.753、Qfree 0.744、Brit 0.541；进而得到权重系数分别为0.17、0.16、0.17、0.18、0.18和0.13，并建立甜度指数模型。结果表明，Qall与Qfree权重最高，Brit相对较低，说明在研究区甜点评价中，含气性指标对实际产量的指示作用更强，而脆性虽重要，但相对贡献较小。甜度指数与单井日产气量之间的线性相关系数达到0.91，表明该综合指标能够较好地表征储层甜点优劣，实现多因素融合的定量评价。

在“Application”部分，研究人员将所建立模型应用于未参与模型构建的典型井，并结合井位、地层与构造信息建立地质网格和三维属性模型，最终形成储层甜点三维模型。依据甜度指数（F_Sweet）大小，研究将储层划分为三类：F_Sweet ≥ 0.8为Ⅰ类甜点，0.5 ≤ F_Sweet < 0.8为Ⅱ类甜点，F_Sweet < 0.5为非甜点。结果显示，研究区高品质甜点在平面上呈块状分布，主要位于西北部，南部相对较少；在纵向上，Ⅰ类甜点主要发育于五峰组顶部及龙马溪组龙一段第1—3亚层，其中五峰组和龙一段第1亚层甜点最为连续丰富，第3亚层相对较少且零散；Ⅱ类甜点主要分布于龙一段第4—7亚层，其中第5、6亚层更为发育且厚度较大。该结果与研究区现今气田开发规律高度一致，说明模型不仅能够反映主力开发层系，也揭示了上部层系在绝对厚度和后备开发潜力方面的优势。

论文讨论部分的核心在于，传统甜点评价往往局限于单因子或经验权重叠加，难以兼顾储层非均质性、岩相约束及多参数耦合效应，而本文通过“岩相精细划分—指标智能预测—GRA权重融合—3D空间表征”的一体化流程，提升了甜点评价的定量性、精度与空间可解释性。研究认为，随着川南主力产气区井网日趋加密，基于不同亚层甜点分布特征优化井位设计与压裂施工方案，具有现实意义；同时，上部层系可作为下一阶段深层页岩气立体接替开发的重要目标。论文也明确指出，本研究主要基于测井数据和静态储层参数，尚未充分纳入地层压力、压裂改造等动态工程因素对甜点形成规律和实际开发效果的影响，未来应在地质—工程一体化框架下，将静态地质特征与动态工程参数耦合，构建更完整的甜点评价体系。

研究结论部分可译述为：针对深海相页岩气储层甜点定量预测精度低及岩相控制下甜点分布规律不清等技术问题，研究以川南LZ区块五峰组—龙马溪组龙一段为对象，集成机器学习、灰色关联分析与三维地质建模技术，建立了岩相约束的甜点评价模型并提出多参数融合定量评价方法。结果表明：其一，泸州区块储层矿物组成非均质性强，孔隙度、TOC和含气量随地层深度呈先增后减趋势，研究区以富有机质硅质页岩和富有机质钙质/硅质混合页岩为主，表现为高有机质、高脆性和高含气特征；其二，基于LightGBM构建的甜点评价指标预测模型性能优异，各指标在测试集和验证集上的R²均超过0.9，考虑岩相类型后模型精度显著提升；其三，GRA构建的甜度指数与单井日产气量之间相关系数为0.91，说明该模型适用于页岩储层甜点评价；其四，三维甜度指数模型显示优质甜点平面上主要分布于研究区西北部，剖面上Ⅰ类甜点主要位于五峰组顶部及龙一段第1—3亚层，Ⅱ类甜点集中于龙一段第5、6亚层，上部层系可作为后续错层接替开发目标。整体而言，该研究为深海相页岩储层甜点高效精准评价提供了新的技术路径，并对页岩气勘探开发部署具有重要指导意义。