向后筛选策略在鄂尔多斯盆地三叠系延长组储层微观非均质性评价中的应用

南凡驰，林良彪，余瑜，陈朝兵，慕尚超，王泓波，姬冠华，马俊民

（1.成都理工大学油气藏地质及开发工程国家重点实验室，四川 成都 610059；2.成都理工大学沉积地质研究院，四川 成都 610059；3.西安石油大学地球科学与工程学院，陕西 西安 710065；4.陕西省油气成藏地质学重点实验室，陕西 西安 710065；5.中国石化西北分公司采油一厂，新疆 乌鲁木齐 830011；6.中国石油长庆油田分公司第二采气厂，陕西 榆林 719000）

储层微观非均质性是指储层填隙物类型、数量分布、孔隙结构、孔喉分布特征以及裂缝发育情况等微观特征的变化［1］，通常从成岩程度、矿物成分、分选系数和胶结物含量等方面来进行表征。储层微观非均质性对于孔喉连通性、结构表征、油气富集能力、储层评价等方面研究具有重要意义，许多专家学者对此做了大量探索和研究工作［2-6］。总结前人研究成果，目前关于储层微观非均质性的研究方法主要有3种：①基于铸体薄片数据，以样品中的矿物含量、胶结物含量、面孔率、易溶矿物含量等为切入点，建立相应的评价参数来定量评价储层微观非均质性［7-9］，如曹江骏提出的胶结溶蚀指数和成岩综合指数［10-11］，陈朝兵提出的充填指数和抗溶蚀指数［12］。②基于高压压汞和恒速压汞等实验获得的可以表征储层相关性质的参数来进行定量评价［7］。其中，高压压汞实验在储层孔喉结构表征方面可行性较高、成本较低且应用比较成熟，前人基于高压压汞实验相关参数也提出了一些非均质性评价标准［13-14］，如臧士宾基于高压压汞相关参数和曲线形态提出了均质系数和主要流动空间百分数［13］。③基于学科交叉并在实验分析的基础上，结合神经网络和Matlab等数学方法或者编程来定量评价储层的微观非均质性［15-16］。王卫红利用BP神经网络、多项Logistic回归、融合评价方法对储层非均质性进行评价［15］；卢晨刚利用Matlab编程，提出铸体薄片提取面孔率的新方法，进而提出非均质指数U来定量评价储层非均质性［16］。

虽然前人对储层微观非均质性定量表征做过大量研究，提出了众多的参数，但大都集中在用一种参数或从一种角度出发对非均质性进行定量评价，将诸多因素综合起来评价储层微观非均质性的研究较少，或者提出的方案太过复杂，在生产实践中操作难度较大。基于此，本文以鄂尔多斯盆地华庆地区三叠系延长组6段（长6段）和合水地区长8段为例，以前人提出的储层微观非均质性定量评价参数和高压压汞数据为基础，利用向后筛选策略分别对两种储层进行综合评价参数的提取。以此提出综合性更强、更全面、更准确的储层微观非均质性定量评价参数，同时论证数学方法在解决地质问题上的可行性。

1 区域地质概况

鄂尔多斯盆地面积约25×104km2［17］，伊陕斜坡是鄂尔多斯盆地内分布范围最广的构造单元，位于盆地中部，内部构造作用比较弱。华庆地区和合水地区位于伊陕斜坡的西南部（图1），发育有大量的东西向鼻状隆起［18］。鄂尔多斯盆地上三叠统延长组自下而上可分为长10段—长1段。在长10段—长1段沉积期，内陆湖盆演化阶段经历了湖盆扩张—缩小—消亡的水进—水退过程［19］。长8段沉积期（长8期）湖盆继续扩张，但长8中期-末期湖盆经历了先缩减而后继续扩张的发育阶段，因此在长8中期-末期，三角洲体系相对发育，砂体沉积厚度大［20］。湖盆缩减阶段主要发生在长6—长4+5期，长6期为湖盆开始萎缩的早期阶段，湖盆中心（包括华庆地区）仍处于三角洲-湖泊环境，砂体沉积规模大，形成了有利的油气储集体［21-23］。

图1 华庆地区和合水地区构造位置Fig.1 Map showing the structural locations of Huaqing and Heshui areas

2 储层特征

2.1 岩石学特征

根据Folk的砂岩分类标准［24］，华庆地区长6段储层（长6储层）岩性主要为浅灰色、灰褐色岩屑长石砂岩和长石岩屑砂岩，其次为岩屑砂岩、石英砂岩和长石砂岩。合水地区长8储层岩性主要为浅灰色、灰褐色长石岩屑砂岩和岩屑长石砂岩（图2）。

图2 鄂尔多斯盆地长6和长8储层测井曲线及岩心特征Fig.2 Logging curves and core photos showing the characteristics of Chang 6 and 8 reservoirs，Ordos Basin

华庆地区长6储层碎屑颗粒以次棱角状为主，分选中等-好，成分成熟度差-中等，接触方式以点-线接触为主。胶结物类型以孔隙式胶结和加大孔隙式胶结为主，还包括少量薄膜-孔隙、孔隙-基底、压嵌-孔隙式胶结。合水地区长8储层颗粒接触方式以线接触为主，其次为点-线接触、点接触，凹-凸接触（占1.70%）与缝合线接触（占0.80%）发育极少。碎屑颗粒磨圆以次棱角状为主（占91.58%）。分选中等-好，成分成熟度差-中等。胶结物类型以孔隙式胶结和加大孔隙式胶结为主，还包括少量薄膜-孔隙、孔隙-基底、压嵌-孔隙式胶结。

华庆地区长6储层孔隙类型主要包括粒间孔、溶蚀孔、晶间微孔和微裂隙（图3）。其中粒间孔体积分数主要分布在0～15.00%，平均体积分数为1.52%；溶蚀孔主要包括粒间溶孔、长石溶孔和岩屑溶孔，其中粒间溶孔体积分数较小，分布在0～3.00%，平均体积分数为0.07%，长石溶孔体积分数的分布范围较大，分布在0～6.20%，平均体积分数为0.66%；岩屑溶孔体积分数主要分布在0～2.00%，平均体积分数为0.12%。

合水地区长8储层平均面孔率为2.56%，孔隙类型主要包括粒间孔、溶蚀孔、晶间孔和微裂隙。其中粒间孔平均体积分数为1.57%，溶蚀孔主要包括粒间溶孔、长石溶孔和岩屑溶孔，其中粒间溶孔体积分数较小，平均体积分数为0.05%；长石溶孔体积分数较大，平均体积分数为0.86%；岩屑溶孔平均体积分数为0.79%。

受成岩作用影响，华庆地区长6储层和合水地区长8储层还发育有少量成岩缝（图3）。

图3 华庆地区长6储层和合水地区长8储层孔隙类型镜下特征照片Fig.3 Thin section images showing the microscopic characteristics of pores in diverse types in the Chang 6 and 8 reservoirs in Huaqing and Heshui areas，respectively

2.2 孔喉结构特征

在高压压汞毛管压力数据的基础上，计算储层孔喉半径和进汞梯度，绘制储层孔喉半径分布图（图4a，b）。华庆地区长6储层孔喉半径存在两个峰值，主要分布在0.01～0.05µm和0.08～0.20µm两个区间；合水地区长8储层孔喉半径存在一个峰值，主要分布在0.08～0.30µm。

华庆地区长6储层孔隙度均值为9.6%，合水地区长8储层孔隙度均值为10.9%；这两套储层的渗透率都主要分布在小于0.5×10-3µm2的区间，只有少量样品的渗透率大于0.5×10-3µm2。华庆地区长6储层样品的渗透率较合水地区长8储层更多地分布在小于0.5×10-3µm2的区间，而在渗透率大于0.5×10-3µm2的区间，合水地区长8储层则分布更多（图4c，d）。

图4 华庆地区长6储层和合水地区长8储层孔喉半径及物性分布Fig.4 Map showing distributions of pore throat radius，porosity and permeability of the Chang 6 and 8 reservoirs in Huaqing and Heshui areas，respectively

3 综合评价参数的提出

向后筛选策略是变量不断被剔除出回归方程，并对剩余变量再次进行检验，以此反复，直到确定最优参数组合并建立回归方程的过程。本文主要基于薄片、扫描电镜、高压压汞等实验手段获得储层的岩石矿物成分、孔隙类型、毛管压力和汞饱和度等数据，利用SPSS软件，提出相关参数用于对储层微观非均质性进行定量表征。对于华庆地区长6储层，利用相关数据，对前人提出的储层微观非均质性定量评价参数进行厘定；之后利用SPSS软件对各参数进行因子分析，优选出能够较好反映储层微观非均质性的参数；最后采用向后筛选策略，建立回归方程，确定综合评价参数以定量表征储层微观非均质性。对于合水地区长8储层，则利用高压压汞参数采用向后筛选策略分别对渗透率和孔隙度建立回归方程，确定综合评价参数以定量表征储层微观非均质性。

3.1 长6储层回归方程的建立

在前人对储层微观非均质性评价的基础上，对现有部分参数的计算公式进行了统计（表1）。通过SPSS软件对9个参数与孔隙度和渗透率的相关性开展研究，可以给出检验统计量的值落在不同分布中的概率值P（无量纲），若显著性水平（α）为0.05，当P≤0.05，则认为非均质性参数对孔隙度和渗透率产生了显著影响。以Pearson相关性和显著性（双侧）概率P值作为标准，对已有表征储层非均质性的参数进行厘定，认为同时满足在0.01水平（双侧）上显著相关和概率P≤0.05的参数与储层非均质性有较强的相关性。筛选出中值压力、分选系数、颗粒非均质性、胶结溶蚀指数、成岩综合指数、充填指数和抗溶蚀指数等7个参数（表2）。

表1 储层微观非均质性评价方法参数统计Table 1 Statistics of parameters for microscopic reservoir heterogeneity evaluation

表2 华庆地区长6储层微观非均质性评价参数与孔隙度、渗透率相关性Table 2 Correlation between parameters of microscopic reservoir heterogeneity evaluation and porosity，permeability of the Chang 6 reservoir in Huaqing area

在数据分析中，一个样本通常会用很多变量来描述，而且这些变量之间往往存在某种联系，如储层微观非均质性定量评价通常包括填隙物含量、碎屑颗粒成分、成岩作用等多种参数。因子分析就是要找出各变量之间的联系，进而减少变量个数，是降维所采用的主要方法之一。在减少变量的同时，又不会有大量信息的丢失，有利于对多维数据的理解［25-27］。

因子分析产生的碎石图的理想模型是Cattell在1966年提出来的［28］。它是由几段折线组合而成，从头到尾，折线不同部位的曲率逐渐降低，一般保留曲线在开始变陡之前的那些因子［29-30］。碎石图解方法以特征值为纵轴，成分为横轴，将每个成分所解释的方差按照从大到小的顺序排列起来，显著性下降或产生断裂的“拐角”点，称之为曲线的“肘”。利用碎石图可以直观评估保留的因素包含的原始信息量。也就是说，前面陡峭的部分说明特征值大，包含的信息多，后面平坦的部分意味着特征值小［31-38］。华庆地区长6储层孔隙度和渗透率碎石图显示，当评价参数分别为2，3，4个时，曲线均发生明显的转折（图5），说明主成分个数为2，3，4个时，均能对储层孔隙度和渗透率进行较好的评价。

图5 华庆地区长6储层孔隙度和渗透率碎石图Fig.5 Scree plot showing the porosity and permeability of Chang 6 reservoir in Huaqing area

为了明确不同数量的参数组合对非均质性的影响，同时考虑到影响储层非均质性的因素包括碎屑颗粒大小、分选性、成岩程度、胶结物含量及类型等，以7个参数为一组，利用向后筛选策略经过6步完成回归方程的建立，在此过程中建立了6个回归模型，最终方程为第六个模型。在向后筛选的过程中，分选系数、颗粒非均质性、中值压力、胶结溶蚀指数、成岩综合指数的概率P值远大于0.05，软件从模型中剔除这5个参数，剩余2个参数。

线性回归中的相关系数R2（无量纲）可以表征回归直线对观测值的拟合程度，衡量的是预测值对真值的拟合程度，其值越接近1越好。随着筛选的进行，标准估计误差逐渐减小，调整的R2逐渐增大，第六次标准估计的误差最小。向后筛选策略是变量不断被软件剔除出回归方程的过程，通过SPSS软件自动完成相关变量的选择，最后建立回归模型［39-40］。首先，所有变量全部引入回归方程，并对回归方程进行各种检验。然后，在回归系数显著性检验不显著的一个或多个变量中，剔除t检验值最小的变量，并重新建立回归方程和进行各种检验。以此类推，对导入的参数全部进行检验，最后，若新建回归方程中所有变量的回归系数检验都显著，则回归方程建立结束。从用向后筛选策略建立方程的过程看，随着解释变量的不断减少，回归方程的拟合优度不断提高［41-45］。

利用向后筛选策略共经过6步完成回归方程的建立，依次剔除不显著的变量，保留常量、填隙物充填指数C（无量纲）和抗溶蚀指数K（无量纲）。这与前文碎石图所表征的参数个数相对应。各方程系数如表3示，最终选择模型6对储层微观非均质性进行综合评价，评价方程为：

表3 华庆地区长6储层各回归模型中各参数对应系数统计Table 3 Statistics of parameter coefficients in each regression model of Chang 6 reservoir in Huaqing area

式中：N为储层微观非均质性综合定量评价参数，无量纲。

利用生成的综合评价指数N与长6储层渗透率做相关性分析，相关系数为0.947，两者为显著相关，相关性较单个参数评价储层微观非均质性明显提高，说明与单个参数比，综合评价指数N对储层渗透率具有更好的评价意义。

3.2 长8储层回归方程的建立

利用SPSS软件对高压压汞实验的10个参数与孔隙度和渗透率的相关性开展分析，挑选出α在0.01条件下双侧相关的参数，与孔隙度显著相关的参数有孔隙体积、孔喉半径均值、分选系数、中值压力、中值半径、排驱压力和退汞效率；与渗透率显著相关的参数有孔喉半径均值、分选系数、中值压力、中值半径和排驱压力。采用向后筛选策略对相关参数与孔隙度、渗透率分别做线性回归分析，最终确定的模型与孔隙度和渗透率具有较好的相关性，相关系数分别为0.735和0.745。

采用向后筛选策略，针对合水地区长8储层，利用高压压汞相关参数，以孔隙度为参考标准建立了储层微观非均质性综合评价参数Gk（无量纲），模型为：

以渗透率为参考依据，利用高压压汞数据建立了储层微观非均质性综合评价参数为Gs（无量纲），模型为：

3.3 参数应用和推广

3.3.1 参数N的适用性

利用华庆地区长6储层大量数据对上述得出的综合评价指数N与渗透率的关系做验证。N与本次研究所用样品整体渗透率的相关性呈明显的三段S形特征（图6a），每一段与渗透率都具有较好的相关性，相关系数分别为0.981 2，0.949 6和0.772 4。第一段表征的综合评价指数N的范围在0.58～0.69，渗透率介于（0.026～0.25）×10-3µm2（图6b）；第二段表征的综合评价指数N的范围在0.69～0.71，渗透率范围在（0.25～8.59）×10-3µm2（图6c）；第三段表征的综合评价指数N的范围在0.71～0.73，渗透率介于（8.59～10.11）×10-3µm2（图6d）。

图6 华庆地区长6储层综合评价指数N与渗透率关系Fig.6 Relationship between comprehensive evaluation index N and permeability of Chang 6 reservoir in Huaqing area

根据综合评价指数N将储层微观非均质性划分为3个等级：当综合评价指数N小于0.69时，储层为强微观非均质性；当综合评价指数N介于0.69～0.71时，储层为中等微观非均质性；当综合评价指数N大于0.71时，储层为弱微观非均质性。据统计，华庆地区长6储层综合评价指数N的最大值为0.48，属于第一段，为强微观非均质性。

3.3.2 参数Gk和Gs的适用性

利用华庆地区长6储层和合水地区长8储层大量样品数据，分别对Gk和Gs进行验证，两者相关性均较好。其中，华庆地区长6储层孔隙度与Gk的相关系数为0.892 5，渗透率与Gs的相关系数为0.938 8；合水地区长8储层孔隙度与Gk的相关系数为0.567 0，渗透率与Gs的相关系数为0.718 7（表4）。说明两个参数可以分别与孔隙度和渗透率建立关系，进而对储层的非均质性做出较为准确的评价。

表4 鄂尔多斯盆地储层微观非均质性综合评价参数Gk和Gs检验表Table 4 Test of Gk and Gs，parameters for comprehensive evaluation of microscopic reservoir heterogeneity

根据不同数据点在图中的分布，将储层的微观非均质性划分为3类：当Gs<-2，Gk<6时，储层为强非均质性；当Gs=-2～5，Gk=6～14时，储层为中等非均质性；当Gs>5，Gk>14时，储层为弱非均质性。

综合来看，本文提出的综合评价参数N，Gk和Gs均能较好地定量评价储层微观非均质性，相较单因素评价参数，与孔隙度或渗透率的相关性均有较大幅度的提升，说明因子分析和向后筛选策略等数学方法在解决地质问题上具有较好的可行性。从利用华庆地区长6储层数据对综合评价参数N，Gk和Gs的验证结果来看，以填隙物充填指数和抗溶蚀指数为基础提取的综合指数N相较于以高压压汞参数为基础提取的综合评价参数Gk和Gs，对储层微观非均质性的评价更加准确，同时也说明要解决地质问题的复杂性和不确定性，利用简单的单因素分析法很难达到目的。

储层微观非均质性通常受沉积相、砂体厚度、隔夹层发育程度、岩石成分、矿物含量、胶结物含量、孔隙结构和孔喉分布特征等多种因素控制，定量评价储层微观非均质性难度较大。本文主要依托于薄片数据和高压压汞数据，采用数学方法综合评价储层微观非均质性，利用软件对相应参数进行整合，减小了人为主观因素的影响，使评价参数更加客观，评价结果更加准确。虽然对缺少相应数据的区域应用较为有限，但是基于储层微观非均质性评价的复杂性，这些数据的获取又是不可或缺的，通过对这些数据的处理来提高储层微观非均质性评价的准确性是非常有必要的。目前该方法在地质上的应用还处于初步探索阶段，只适用于已有相关数据的区域，对于缺少相关数据的区域还需要利用更易获得的数据进行更深入的研究。

4 结论

1）华庆地区长6储层和合水地区长8储层岩石类型均以岩屑长石砂岩和长石岩屑砂岩为主，储集空间以粒间孔和溶蚀孔为主。华庆地区长6储层孔喉半径存在2个峰值，主要分布在0.01～0.05µm和0.08～0.20µm两个区间，孔隙度均值为9.6%；合水地区长8储层孔喉半径存在1个峰值，主要分布在0.08～0.30µm，孔隙度均值为10.9%。渗透率主要分布区间小于0.5×10-3µm2。

2）针对华庆地区长6储层，利用向后筛选策略提出综合评价指数N，用于对储层微观非均质性进行评价。将储层微观非均质性划分为3个等级：当N<0.69时，储层为强微观非均质性；当N=0.69～0.71时，储层为中等微观非均质性；当N>0.71时，储层为弱微观非均质性。华庆地区长6储层综合评价指数N的最大值为0.48，为强微观非均质性。

3）基于高压压汞参数，针对合水地区长8储层，采用向后策略对相关参数与孔隙度和渗透率的相关性分别做线性回归分析，将储层的微观非均质性划分为3类：当Gs<-2，Gk<6时，储层为强非均质性；当Gs=-2～5；Gk=6～14时，储层为中等非均质性；当Gs>5，Gk>14时，储层为强非均质性。

4）综合评价参数N，Gk和Gs与储层的孔隙度和渗透率均有较好的相关性，相关性较单个评价参数明显增强，可以用来定量评价储层微观非均质性，总体而言N的评价效果较Gk和GS更好。向后筛选策略在华庆地区长6储层和合水地区长8储层微观非均质性定量评价中的应用取得了较为理想的结果，进而印证了数学方法在解决地质问题上的可行性。