基于放射性测井数据的储层特征分析及预测模型构建

基于放射性测井数据的储层特征分析及预测模型构建

刘裕䶮1，2，黄清波1，2

(1.核工业航测遥感中心 河北 石家庄 050002)

(2.河北航遥科技有限公司 河北 石家庄 050002）

摘要

放射性核测井是伴随当代科学技术的发展，利用天然产生或人工诱发γ射线、中子与钻井周围岩石等介质的相互作用，在基于放射性测井曲线对储层进行特征分析，进而判别地层是否存在某些核素或元素及含量，融合先进的数据处理技术，并构建相应的预测模型。五点式反褶积法是γ测井分层解释方法的一种，通过五点反褶积方法沿钻孔开展γ能谱测量，根据获得的储层多个能区的测井曲线和能谱特征来确定矿资源含量及分布，是一种实时的矿含量的测定方法，具有分层解释、元素剥离或能谱剥离、快速测井三大特点。

关键词：放射性测井数据；储层特征；预测模型；五点反褶积法

引言

在放射性测井中，定量γ测井作为铀矿地质勘查工作中一种核心的地球物理测井方法，以放射性元素为探针，利用其辐射射线与储层相互作用的规律，可以对储层矿资源的含量进行测量、计算，通过构建储层特征参数与储层厚度之间的回归模型，进而刻画砂岩型矿体形态，实现对储层特征进行预测的目的，该研究成果的应用对进一步提高储层的勘探和开发效率具有重要意义。

一、基于放射性测井数据的储层特征分析的理论依据

（一）五点反褶积方法的应用分析

八十年代五点反褶积方法首次引入我国，作为γ测井分层解释方法的一种在铀矿地球物理进行推广应用。五点反褶积方法是一种常用于地层分析的方法，沿钻孔开展γ能谱测量，利用γ能谱测井曲线五个相邻测点的数据，通过信号变换和研究射线沿钻孔的分布规律，获得测井曲线和能谱特征，按照能谱测井铀矿定量五点反褶积法，构建求出单元层铀/钍/钾等放射性元素含量，反演计算沿钻孔的铀含量分布。在进行数据反演之前，需要输入一些修正参数，如铀镭平衡系数、镭氡平衡系数和死亡时间，然后计算出每个单元层的铀含量。这种方法被广泛应用于铀矿测井解释工作中，用于准确估算铀资源量信息；其计算第I个单元层含量（qi）公式如下：

上式中： α是特征参数，与探头结构、钻孔条件和地层环境等参数有关；表示单位吸收层厚度对 γ 照射量 d 率衰减的百分数，单位是m-1；K是γ 照射量率与含量之比，为换算系数，单位是nC/kg·h/0.01%eU；Ii是测点 i 的 γ 照射量率，单位是nC/kg·h；h是单元层厚度，单位是m。

五点反褶积方法在实际矿体开采的应用，将测量的放射性脉冲数反演成单元层矿产的含量，利用获得的测井曲线和能谱特征，能够充分反映储层的特征和储层的变化规律，对储层的勘探和开发提供了有力的支持。通过测井曲线的盲反褶积处理，可以消除围岩、测井速度及采样间隔等因素的影响；经反褶积法和频率匹配法提高分辨率处理后的自然伽马测井曲线能更好的反映薄层信息，达到了准确划分有效储层，判别流体性质的目的，在储层勘探、开发和生产中具有重要的应用价值。

（二）储层参数提取及分析依据

在矿山资源开采过程中，渗透率是储层储集层的固有属性，孔隙度是确定储层的储集性能的重要参数，而饱和度则是储层的油气含量的指标，储层的厚度对于判断储层的储盖关系以及确定油气储量具有重要的意义。基于γ辐射总量测井的五点式反褶积分层解释技术，采用五点反褶积方法提取储层的厚度、孔隙度、渗透率和饱和度等参数后，对放射性测井曲线进行处理，可以构建储层特征参数与储层厚度之间的回归模型，然后求解出储层对应的阻抗界面，使其具有更好的分辨率和可靠性。根据得到的阻抗信息，计算出储层的厚度、孔隙度、渗透率和饱和度等参数。通过对具体参数的详细分析，可以发现储层的变化具有一定的规律性，为矿资源的开采和储层特征的预测提供了可视化的数据支撑。例如，在待开采的矿体某些区域，储层的渗透率较高而饱和度相对较低；另外一部分区域，则可能出现渗透率和饱和度同时较高的情况，这些规律性的数据获取为后续的储层预测模型构建提供了有益的线索。

二、预测模型构建的方法思路

在回归模型的构建融合了大数据分析、云计算等信息技术，对采集的数据进行预处理，包括数据清洗、缺失值填充和异常值处理，考虑到数据是连续型数据，可以选择线性回归模型作为基本模型，通过对储层特征参数和储层厚度的数据进行分析，构建储层特征与储层厚度之间的回归模型，以实现对储层特征进行预测的目的。同时，为提高模型的拟合能力，可以考虑引入多项式回归、岭回归或神经网络等方法进行改进。

在模型构建中通常将数据集划分为训练集和测试集，采用70%的数据作为训练集，30%的数据作为测试集，确保训练集和测试集的数据分布相似。建模过程中需要注意选择合适的特征变量，可以采用统计方法或机器学习方法进行特征选择，如相关系数分析、卡方检验、Lasso回归等，以减少模型中不必要的冗余变量，同时还需要对原数据进行标准化处理，以消除不同特征之间的量纲影响。

回归模型构建完成后，通过优化算法（如梯度下降、遗传算法等）调整模型的参数，采用训练集对选定的模型进行训练，使其能够最好地拟合数据和对模型进行评估、验证，常用的评估指标包括均方误差（MSE）、决定系数（R-squared）和均方根误差（RMSE）等，通过对模型的评估，可以判断模型的拟合效果和预测能力，并对模型进行调整和改进，可以采用交叉验证、留一法或留出法等方法对构建的回归模型进行验证，以确保模型的稳定性和可靠性。

三、模型的成果分析

（一）储层特征分析结果分析

储层岩性特征和储层物性特征都是测井地质解释的重点和难点问题，通过对放射性测井数据进行地质解释，利用计算机进一步分析岩性的物理特征，可以得到储层的岩性判别和层序地层划分结果，为矿体开采充分了解储层的地质特征（如岩性组成、层序发育情况等）提供可视化的依据。基于地质解释的结果，采用统计学方法和地质模型分析，对储层的孔隙度和渗透率等特征进行定量分析和描述，确定待开采矿区储层的含油饱和度、储量评估，并准确获得储层的平均孔隙度和渗透率值，掌握其变化范围和分布规律。根据测井数据快速预测储层的性质和可开发程度，利用神经网络算法构建一个准确度较高的储层特征预测模型，通过对大量的样本数据进行训练和测试验证该预测模型的准确性和可靠性。

（二）模型预测结果分析

基于放射性测井数据进行储层特征分析，采用大量的样本数据进行训练和测试以评估该模型的效果。钻孔中探测地层岩石放射性的γ测井技术及铀矿定量方法已得到广泛应用，基于γ总量与能谱的铀矿定量γ测井正/反演理论、关键参数求解方法、多核素γ能谱解析算法等铀矿定量的完整理论；在铀矿定量γ测井与分层解释方法领域，提出钻孔γ场新理论，研发铀矿定量γ测井分层解释方法、专用型γ总量与能谱测井仪器，解决我国铀矿勘探快速、准确定量的技术难题，并在世界上首次制定基于分层解释的《γ测井规范》，使五点式反褶积分层解释法成为我国铀矿定量的标准方法。

结论

核测井技术是矿产勘查领域的应用而迅速发展起来的一项尖端技术，基于γ辐射总量测井的五点式反褶积分层解释技术已成为我国铀矿定量的标准方法。采用五点反褶积方法对放射性测井数据的分析和储层特征研究，构建一个基于神经网络的预测模型，在预测储层特征和可开发程度方面表现良好，并具有较高的稳定性和灵敏度，可以更好地了解储层的性质和分布规律，制定开发策略和决策。解决了利用测井结果快速定量和准确评价矿产资源的世界性难题，对估算我国铀资源储量，提高铀矿勘探效率。

参考文献

[1]王伟，邓小卫，李磊，喻腾.基于γ测井五点反褶积法刻画砂岩型铀矿矿化体形态研究一[J].地质评论，2023（6）69.

[2]李涛，高宇.反褶积法在薄矿层解释中的误差探讨[J].地质评论，2017（6）33.

[3]金永吉，吕荣平，文占久.反褶积方法在铀矿伽玛测井定量解释中的应用现状与探讨[J].地质评论，2015（4）61.

[4]赖锦，王贵文，庞小娇，韩宗宴，李栋，赵仪迪，王松，江程舟，李红 斌，黎雨航．测井地质学前世、今生与未来—写在《测井地 质学第二版》．地质论评[J].2021，67（6）.