致密油气是全球非常规油气勘探开发的重点,也是接替常规油气资源的重要领域。有效的孔隙结构表征以及可动流体的赋存状态作为储层评价的重要内容,对于油气勘探、开发和生产具有重要意义。本文针对鄂尔多斯盆地合水地区三叠系延长组长82致密砂岩储层,采用铸体薄片、扫描电镜、恒速压汞、核磁共振-高压压汞联测等实验测试方法,开展了储层岩石学、成岩作用、物性和准全孔径孔喉系统表征,在此基础上明确可动流体赋存特征,应用机器学习算法构建研究区致密砂岩储层分类体系。 研究区长82段致密砂岩储层形成于湖泊三角洲沉积环境,发育滩坝和滨、浅湖泥微相。以岩屑长石砂岩和长石岩屑砂岩为主,平均填隙物含量为16.27%,储层成分成熟度低、结构成熟度中等。储层的平均孔隙度为8.66%,平均渗透率为0.13mD,属于典型的特低孔-超低渗致密砂岩储层。 孔隙类型以粒间孔和长石溶孔为主,平均面孔率为5.19%。孔隙半径介于0.25~1.48μm,喉道半径集中在130.71~159.46 nm,储层的渗流能力主要受限于细小的喉道系统。根据高压压汞曲线形态及特征参数,将孔隙结构划分为四类,从Ⅰ类~Ⅳ类孔喉配置关系趋于复杂,有效连通减弱。通过高压压汞-核磁共振联合,识别0.001至10 μm范围内的孔喉网络分布,发现中、小孔喉对渗透率的贡献达到75.54%,是主要的渗流通道。储层流体可动程度受到物性参数、孔隙结构、微观非均质性和黏土矿物含量的综合影响显著。 基于多项特征参数,运用机器学习中的无监督与监督学习方法,分别依据岩心分析和测井资料实现致密砂岩储层分类。其中基于主成分分析的K-means聚类分析结果与储层综合评价具有较好的一致性。监督学习采用非线性分类模型:支持向量机(SVM)及多层感知机(MLPC),交叉验证显示模型的预测准确率分别达到66.7%、74.17%。实际应用表明,MLPC分类结果与油田生产数据具有良好的一致性,可有效指导致密砂岩储层的产能预测。