万钟之禄
水文地球化学找油是在地质分析基础上,运用地球化学的理论与方法,评价区域的含油气远景,指出油气聚集的有利地带(段)。在研究区域水文地球化学特征、揭示水文地球化学现象实质的过程中,必须注意水介质环境的研究,必须注意区域自然地理与地质发展史、水文地质变迁史及地下水运动史等各种历史过程综合作用的研究。不仅要从直觉感知出发,而且要从理性上进行逻辑推理和判断;不仅要研究现代水文地球化学景观,而且要恢复和再造不同地质历史发展阶段中的水文地球化学环境的变化和特点。因此,必须设计和选择一个切合实际的研究方案和正确的技术思路。水文地球化学找油法的研究步骤如图4-13所示。1.数据处理系统对水文地球化学调查取得的大量资料和分析数据整理之后,选择恰当的数量统计方法和计算机处理程序进行统计分析,借以提高水化学异常解释的可靠性。水化学成分中所包含的油气信息隐藏在大量的分析数据之中,应用多元统计方法,研究指标间的相关性,结合地质统计学(研究指标空间随机性和结构性变化)对化学分析资料进行处理解释是一个重要的方面。目前,已形成了水化学找油的数据处理方法系列,包括:数据预处理、数据结构分析、背景分析、异常分离、异常识别与评价等,实现了人机交互和自动成图系统。作者(1985)在实践中提出图4-14所示的数据处理方法与流程。针对水化学找油法的特殊性和复杂性,提出上述数据处理的方法与流程,目的是避免单一处理方法的片面性和失真,从中找出研究体内地球化学数量特征与内在的统计规律,将水文地球化学问题用数学形式合理地表达出来,便于筛选指标、优化指标组合、圈定异常及定量评价。现以某地区水化学找油的691个样品、17个指标及11747个分析指数为例,说明数据处理的应用过程。在处理之前,首先要对数据的使用价值进行分析。水化学数据,一般由两部分组成:一是化验分析的数据;二是地质-水文地球化学调查取得的观测数据。前者数据中有的与油气藏有一定关系(包括成因关系、演变关系、环境关系等),但也混杂有与油气藏无关的因素;而后者数据中大部分是影响或控制前者的环境因子,如样品的质量——含水层的岩性、富水程度等,采样条件——深度、年份与季节的统一性等。这两类数据从性质上讲,分析化验数据是定量的,而地质调查资料是定性的。化探技术人员要想办法创造统一的尺度和条件,将这两类表面上互不相干,实为因果关系的资料融会在一起,提取油气信息,达到预测油气藏的目的。要实现这个目标,在数据处理之前,鉴别数据的使用价值,了解数据的贡献或可信度,对数据去伪存真尤为重要。此外,由于分析数据含量单位不一,地质观测数据量纲不同,因此,在进行正式计算之前,需要对数据进行预处理,形成供计算处理使用的新数据。水化学找油数据预处理方法与流程如图4-15所示。图4-13 水文地球化学找油基本研究步骤图4-14 水化学找油数据处理方法与流程2.优化指标组合数据预处理完成后,应用新数据体进行多元统计。从表4-11,12,13看出,各离子之间有明显的相关性,但与矿化度之间相关性有一定的差异,决定水化学性质的主要成分是:Cl-,Mg2+,Ca2+, 及Ni;有机组分中,除紫外吸收光谱两个波段相关外,其他指标间的相关性较差,为各自独立的一类指标。因子分析选取7个因子,即可包含17个指标全部信息的73.31%,方差极大旋转和斜交旋转后,7个因子轴上的载荷贡献与初始因子解基本相似。降维以后得出的主要指标组合为:矿化度与主要离子,贡献值为32.93%,该因子轴的物理意义是比较集中地反映了本区水文地球化学背景特征——渗入、径流型的元素迁移带;紫外吸收光谱的贡献值为9.99%;可溶气态烃的贡献值为6.24%;苯酚的贡献值为11.29%;荧光光谱贡献值为5.35%(表4-14)。R型聚类分析,得到与上述类似的分类结果(图4-16)。上述三种不同的数据处理方法起到了相互补充、验证的作用,其结果有一定的相似性,表明本区指标组合有较强的稳定性和较高的应用价值。其中:可溶气态烃和苯-酚各为独立组合,是石油和天然气化学组成的主要成分,作为本区主要找油指标组合;荧光光谱和紫外吸收光谱,反映了石油化学成分中芳烃的总强度,是找油气的另一个主要指标组合;主要离子(元素)与矿化度是反映水文地球化学环境的指标组合。图4-15 数据使用价值分析方法与流程表4-11 相关分析(常量组合)(n=691)表4-12 相关分析(微量组分)(n=691)表4-13 相关分析(有机组分)(n=691)表4-14 水化学指标的因子分析(初始因子)图4-16 R型聚类分析谱系图3.圈定异常区(带)水化学异常是相对于背景而存在的,但背景与异常不是某个具体数值,而是某一特定的分布,如对数正态分布、正态分布、二项分布、泊松分布等形式。在水化学找油中习惯使用正态分布或对数正态分布理论来研究背景与异常(该理论还有待进一步完善),其中最重要的参数就是均值与标准差。所谓异常与背景实际上就是不同的均方差与均值的背景分布和异常分布样本的集合(图4-17②)。从中可以看出,当背景分布与异常分布分离不很大时,若干属于背景分布的样品可能进入异常分布,反之亦然。如果选取A为异常下限,则背景分布中大于A的部分样点将错误地划为异常样品,这类错误称为第一类错误。其发生的概率等于A右面与背景分布所围的面积。随着A向右移动,第一类错误的概率就可以减小,但第二类错误发生的概率就增加。因此,从理论上讲,异常下限的确定就是求出使两类错误均为极小的A值。对于两种分布互不重选时(图4-17①),异常下限的确定没有任何困难。但是在水化学找油中,异常与背景总是十分接近,分离不大,因此,需要认真的、多途径的确定异常,才能取得良好的地质效果。将上述优选的指标组合,通过判别分析、趋势面分析、典型趋势面分析等数理统计方法圈定异常区(带)。(1)判别分析水化学测量仅根据指标含量或绝对值的高低确定异常,区分油气藏和非油气藏有一定的困难,而借用判别分析方法,处理指标组合的分析数据,能为成因分类、确定异常、筛选勘探目标等提供可靠依据。判别分析可以为解决以下两类问题服务:一是根据已知油田的指标组合特点,判别未知区指标组合含量同油气藏的关系;二是根据多指标特征对未知区的样品进行分类或划分异常。一般利用判别函数式所计算的综合R值或绘制的R等值线图,凡大于分界值(R0)者为异常,其异常是多指标或指标组合的综合信息,提高了异常的准确度和可靠性。图4-17 背景与异常分布(据阮天健,1990)冀中坳陷任丘油田浅层地下水化学成分判别值为:R1=0.2956(含油边界内)R2=0.2776(含油边界外)R0=0.2900(分界值)根据判别函数式所计算的综合值(R)进行分区,则R的高值点主要为含油边界内的水样所占有,而含油边界之外的水样,R 值普遍偏低,其错判率只有16%左右(图4-18)。在南襄盆地利用水中荧光 405nm、420nm、254nm、紫外吸收光谱228nm、310~374nm、酚和甲烷等八个指标进行综合判别,获得的判别式如表4-15所示。用其所圈定的异常,已经钻探证实是油气聚集的有利地区。图4-18 水化学指标类别分析R0等值线1—断裂;2—油水边界;3—R0等值线表4-15 南襄盆地潜水分学成分综合判别(2)趋势面分析趋势面分析是将水分析数据中区域性变化、局部变化及随机性变化进行分解。通过数据中反映规律性变化的部分,预测油气分布的总趋势,指出油气富集的有利地区,突出局部异常,圈出油气聚集的有利构造或部位。以求算的趋势面为基础,计算指标的剩余值,去掉随机性影响,圈定反映局部性变化特征的剩余异常图。利用趋势面分析,可以分离背景样本和异常样本,更好地认识、研究区域规律与局部特征之间的关系。图4-19是济阳坳陷临盘油田潜水矿化度四次趋势面分析结果,油气主要集中分布在趋势面等值线为50~70mg/L的临盘断裂带上,剩余异常点大都位于已知油田或后来发现的油田上方。(3)典型趋势面分析该方法可以计算一组变量的共同趋势,把多种指标综合成一个变量组合,将表示单一母体的多变量空间分布的一套趋势图,叠合成综合趋势图和剩余异常图,既可以提供区域性综合异常区(带),又可提供局部综合异常。充分挖掘了隐藏在各个水化学指标中的综合油气信息,从而提高了异常的可信度。图4-20是利用潜水中可溶气态烃、苯、甲苯、酚、紫外吸收光谱和荧光光谱等七个指标编绘的典型趋势面分析结果,从中看出:水化学异常和剩余异常点,多位于8~10趋势等值线范围内,基本上沿着凹陷中心呈环状分布,显示了生油凹陷控制油气田分布的地质规律,在水化学异常附近已获工业油气流。应当指出,上述数据处理系统是用一个平面和光滑的曲面来拟合地球化学背景,在某些情况下与客观实际不一定是完全吻合。其次,没有从成因的角度来考虑和研究地球化学背景及指标组合间的相互关系。因此,利用上述系统圈定的异常和提供的油气信息,需要结合具体的地质条件、油气藏类型、地球化学特征及自然地理景观诸因素,对异常的真伪与可靠性进行剔除、解释及评价。本回答被网友采纳官方服务官方网站