套管井动态-静态数据融合的水淹层识别方法研究

《Applied Sciences》：Research on a Dynamic–Static Integration Method for Flooded Layer Identification in Cased Holes

　　

针对套管井测井准确识别水淹层这一复杂低渗透油田中高含水期精细开发与提高采收率的关键难题，传统基于单系列测井或二维交会图技术的方法难以满足复杂低渗透储层的精细解释需求。本研究提出了一种动态与静态数据深度融合的水淹层识别新方法。该方法将静态裸眼测井数据（孔隙度、电阻率等）与动态套管井测井数据（脉冲中子宏观俘获截面Σ和碳氧比C/O）有机耦合于三维（3D）交会图框架内，构建多维特征参数空间，并建立空间距离比模型定量计算水淹指数F_w，实现非水淹、弱水淹、中水淹和强水淹的连续定量评价。该方法在某低渗透油田X井的现场应用中，成功将两个传统二维方法无法区分的模糊显水层识别为弱水淹层，解释结果与后续生产测试高度吻合，识别准确率达90.7%以上，为中低渗透复杂储层套管井水淹层评价提供了可推广的技术框架。

本研究聚焦于复杂中低渗透油藏套管井水淹层识别中存在的"动态-静态数据割裂、维度不足、基线缺失"三大技术瓶颈，旨在开发一种融合多源信息的高精度水淹层定量评价方法。

从研究背景来看，中国主要油田历经数十年注水开发，已普遍进入中高含水阶段，综合含水率普遍超过80%。在此背景下，准确识别地下剩余油分布对于制定科学开发措施、实现成熟油田稳产增产具有不可替代的战略意义。套管井测井技术，特别是以脉冲中子测井为代表的核测井系列，因其能够透过套管评价储层当前含油饱和度而无需射孔，已成为油田开发中后期监测剩余油分布的核心工具。然而，套管井测井解释面临严峻技术挑战：长期水驱后地层物理化学性质（如地层水矿化度、孔隙结构、润湿性）已发生深刻变化，致使基于原始油藏条件建立的传统解释模型不再适用；在低孔、低渗、强非均质性储层中，油层、水层及不同程度水淹层的单曲线响应重叠严重，单参数方法无法实现有效区分；传统二维交会图方法虽在一定程度上提高了识别精度，但其本质上是从三维（或更高维）信息空间强制降维，根据信息论原理，任何降维投影必然丢弃与投影子空间正交的信息，这在实际中表现为二维交会图模板中分类边界的重叠。

目前，国内外学者虽积极探索套管井水淹层识别方法，包括基于自然伽马能谱测井的水淹程度评价、"四性"综合关系评价系统，以及支持向量机、随机森林等机器学习算法的应用，但这些方法存在训练样本依赖性强、模型可解释性有限、跨区域迁移需重新标定等问题。更关键的是，现有研究多仅使用套管井动态数据或孤立分析裸眼静态数据，人为割裂了二者间的固有关联；二维方法无法同时表征储层物理属性、原始含油性与当前含油性之间的耦合约束；缺乏可靠的原始状态基线导致弱水淹信号检测灵敏度不足。有鉴于此，本研究提出了一种基于动态-静态数据深度融合的套管井水淹层识别新方法，其核心创新在于将裸眼静态数据（代表"过去"）与套管井脉冲中子动态数据（代表"现在"）有机耦合于统一的三维特征参数空间中，构建油-水演化轨迹，并通过空间距离比模型实现水淹程度的定量表征。

研究区域位于鄂尔多斯盆地西南部，构造上处于天环坳陷与伊陕斜坡过渡带，主力含油层系为三叠系延长组长6¹和长6²油层组，埋深约1700–2200 m，为典型低孔低渗储层（孔隙度6%–18%，渗透率0.1–10 mD）。该区1990年代末开始注水开发，目前综合含水率达75%–85%。

本研究采用的主要技术方法包括：一是数据获取与预处理，包括裸眼静态测井数据（补偿中子、体积密度、深侧向电阻率、自然伽马、自然电位）和套管井脉冲中子动态数据（Σ、C/O、硅钙比、远近探测器计数率比、全谱元素分析结果）的环境校正、异常值处理（改进Grubbs检验结合地质约束）及Z-Score标准化；二是三维特征参数体系构建，以有效孔隙度φ_e为X轴表征储层物性，以原始含油指数对数log I_R为Y轴表征原始含油状态（基于Archie公式推导，胶结指数m取岩心实验标定值1.87），以宏观俘获截面Σ或碳氧比C/O为Z轴表征当前流体状态；三是三维交会图建立与纯油/纯水基线确定，通过多井标定确定纯油参考点P_oil（φ_e=0.125，log I_R=1.82，Σ=17.3 c.u.）和纯水参考点P_water（φ_e=0.133，log I_R=0.28，Σ=31.6 c.u.）；四是空间聚类划分与水淹指数F_w定量计算，定义油-水演化基线，建立加权距离模型（权重系数w₁:w₂:w₃≈1.0:1.2:1.6，经网格搜索优化），通过数据点在基线上的投影位置计算F_w值（0≤F_w≤1），并建立了一套动态阈值划分标准（非水淹F_w≤0.20，弱水淹0.20w≤0.40，中水淹0.40w≤0.75，强水淹F_w>0.75）。

研究结果部分，研究取得了以下主要发现：

单井应用方面，以研究区Wuliyawan区块X井为例，目标层段长6¹油层组砂体厚约24 m，为水下分流河道砂体，原始地层水矿化度约80,000 ppm，裸眼测井与套管井测井相隔约8年。经深度匹配、环境校正和数据标准化处理后，构建了三维交会图。结果表明：A段（1893–1898 m，φ_e=13.2%，log I_R=1.75，Σ=19.1 c.u.，F_w=0.12）识别为非水淹油层，后续生产测试产油42 m³/d，含水率5.8%，吻合良好；B段（1901–1907 m，φ_e=11.8%，log I_R=1.63，Σ=23.4 c.u.，F_w=0.38）在传统二维Σ-φ交会图上显示为"可疑水层"，而该方法通过较高的log I_R值（指示良好原始含油性）与 elevated Σ 的联合约束，正确识别为弱水淹层，后续合采测试含水率62%（单层估算35%–40%）；C段（1910–1917 m，φ_e=12.5%，log I_R=0.31，Σ=30.8 c.u.，F_w=0.88）识别为强水淹层，后续测试含水率96.5%，与强水淹判断一致。

多井统计验证方面，该方法推广至研究区Wuliyawan区块16口套管井，共计118个层段，与生产测试含水率、产液剖面、密闭取心含油饱和度进行多维交叉验证。统计结果显示，107个层段与生产动态结论完全吻合，总体解释符合率达90.7%，较区块传统二维方法（符合率81.2%）提高约9.5个百分点；其中弱水淹层识别准确率从二维方法的68.3%提升至88.5%，提高约20个百分点，充分验证了纳入原始含油性Y轴（log I_R）对弱水淹层识别的关键贡献。统计评价方面，混淆矩阵显示总体准确率90.7%，Cohen's kappa系数0.86，达到"几乎完美"一致；McNemar检验表明该方法较传统二维方法具有统计学显著优势（χ²=7.56，p=0.006<0.01）。

讨论部分，研究分析了方法优势与创新性、适用条件与局限性、与机器学习方法的对比，以及与现有多维交会图和主成分分析（PCA）方法的区别。方法优势包括：扩展信息维度提高数据可分离性（三维参数系统信息熵约1.85 bit，显著高于二维方法的约1.12 bit）；动态-静态数据有机耦合建立"过去"与"现在"的数学联系；强物理可解释性使F_w具有明确的几何-物理意义。局限性主要在于：依赖高质量裸眼电阻率数据建立Y轴基线；地层水矿化度横向变化强烈时Σ参考平面确定存在不确定性；原始油-水过渡带应用需特殊处理（建议采用S_wi感知参考点修正或两阶段分类模型）；参考点确定需可靠标定井层，新区块应用存在困难；F_w投影模型对基线外数据点视为外推，需辅助参数交叉检验；权重系数针对特定储层条件标定，跨区域应用需重新优化。

与机器学习方法相比，该方法具有强物理可解释性、不依赖大量标注样本、跨区块迁移时参数调整直观、可直接由测井解释专家使用等优势，而机器学习方法在充足训练数据下往往整体准确率更高。二者具有强互补性：该方法可作为机器学习特征工程的一部分，将F_w作为物理意义明确的特征输入分类模型；三维参考模板也可为机器学习训练样本提供质量控制和初始标签。

与现有多维交会图和PCA方法的核心区别在于：现有方法仅在单一测井数据集（裸眼或套管井）上操作，未耦合不同时期数据；而该方法刻意将裸眼静态数据（通过log I_R表征原始油藏状态）与套管井动态数据（通过Σ或C/O表征当前流体状态）集成于统一三维坐标系中，这种时间耦合结合物理标定参考点（P_oil、P_water）和油-水演化基线，此前未在套管井水淹评价中建立。此外，PCA产生的主成分是了许多输入变量的线性组合，由数据方差而非物理机制决定，缺乏直接地质可解释性；而该方法将各轴固定于物理基本原理，确保F_w具有清晰的几何和物理意义。

研究结论：针对复杂中低渗透储层套管井水淹层识别中"动态-静态割裂、维度不足、基线缺失"三大技术瓶颈，本研究构建了以有效孔隙度（φ_e）、原始电阻率指数对数（log I_R）和套管井俘获截面（Σ）为坐标轴的三维特征参数体系，实现了储层物性、原始含油状态与当前流体状态的多源信息协同表达，突破了传统二维方法的信息维度限制。在此基础之上，提出了基于油-水演化基线的空间水淹指数（F_w）定量计算模型，利用数据点相对于纯油和纯水参考平面的空间距离比，实现水淹程度的连续定量表征，并结合生产动态数据动态标定阈值。某低渗透油田16口套管井的大规模应用表明，总体解释符合率达90.7%，较传统二维方法提高约9.5个百分点；弱水淹层识别准确率提升达20个百分点，充分验证了纳入裸眼原始含油基线（log I_R轴）对弱水淹层识别的核心贡献。此外，三维方法天然支持交互式旋转可视化，兼顾科学严谨性与现场可操作性，并可有效辅助机器学习方法，展现出广阔的推广应用前景。