1. 引言
近年来发现的油气田中,致密砂岩储层所占的比例越来越大。怎样运用储层预测技术对“相对高孔、渗砂体”的薄储层进行精确描述,从而满足致密砂岩油气藏勘探开发需要,成为研究者关注的重要问题 [1] [2]。
目前常用的地震储层预测技术主要有两种:宽带约束反演(Mansfield, 1983;杨谦和李正文,1996)、随机反演(Francis, 2005; Srivastava and Sen, 2010)等 [3]。宽带约束反演首先利用地质、测井资料,建立初始模型,将地震资料作为约束条件,通过随机迭代算法来修正初始模型,从而得到高分辨率的反演结果。该方法对初始模型的依赖性强,在井少的地区,反演结果不可靠。随机反演也称为地质统计学反演,是基于地震资料约束的测井信息的内插和外推,并利用随机模拟技术将不同尺度、方向上的数据相融合,反演结果分辨率较高,但多解性强。
薄储层的预测一直是地球物理界感兴趣的问题,其垂向最小分辨率的大小从1/8λ~1/4λ不等(Rayleigh, 1945; Widess, 1973) [4] [5]。针对地震分辨率不足的间题,凌云等 [6] 提出了基于等时地质切片上地质体引起的地震属性空间相对变化和等时地质切片间地质体引起的地震属性垂向连续变化的地质解释,达到认识地质体空间展布的目的。
致密砂岩储层与围岩地震波阻抗差异微弱,常规的波阻抗反演(宽带约束反演)很难有效地识别储层 [7]。近年来兴起的地质统计学随机反演,综合利用测井数据、地震数据对储层进行综合预测与描述 [8]。该方法具有较高的垂向分辨率,反演结果能有效反映薄储层 [9],但是在钻井较为稀疏的情况下,这种方法也很难对储层空间变化做出较为合理的分析。地震属性具有多解性,仅利用地震资料属性也无法满足薄储层预测的需要 [10]。研究区储层厚度薄,单层厚度一般在多为2~5米,其厚度远小于1/8λ;单一的地球物理预测方法对储层的纵向边界预测、横向边界预测可靠性不高,对部井等指导性不强。基于以上原因,本文提出一种适合于致密砂岩薄储层特点的储层反演方案。首先通过地质统计学反演,得到纵向上较为精细的、横向分布较为符合地质规律的储层参数反演成果。再综合运用地震多属性预测技术来精细刻画砂体空间分布特征。通过该方法在X气田致密砂岩薄储层预测中的应用,证实了该方法的有效性。
2. 研究区概况
研究区处于鄂尔多斯盆地的东部边缘——晋西挠摺带,构造总体形态受东西向挤压应力的控制,表现为南部穹窿背斜发育带和北部三个北西向展布的低幅度背斜带。断裂以中小断裂为主,研究区南部断裂较发育,断层由浅至深断开层位较多,继承性发育特征明显。地层从深到浅,主要沉积为海–陆过渡沉积体系。研究区储层类型为以致密碎屑岩储层为主,储层砂体较薄,储层厚度多为2~5米,少有5~10米,非均质性强,平面上变化也很快,储层预测难度大。以X工区为例,单层气层厚度以0~2 m,2~5 m为主,其次5~10 m,极少量大于10 m (见表1)。因此砂体的空间展布预测成为研究区储层研究的重点。
Table 1. Distribution characteristics of gas reservoir thickness in X area
表1. X研究区气层厚度分布特征
3. 研究方法
传统的波阻抗反演纵向分辨率低,无法预测研究区薄砂体的展布特征。地质统计学反演在钻井稀疏的区域内,很难精细刻画砂体的平面展布特征。地震属性具有多解性,单一利用它来描述砂体的展布也有局限性。针对研究区储层预测的问题,采用了地质统计学反演结合地震属性优选分析进行储层预测研究。通过岩石物理特征分析、确定性反演、地质统计学反演得到纵向上砂体特征刻画较清楚、平面上符合地质规律的反演成果。再优选与砂体发育程度紧密相关的地震属性来精细刻画砂体的平面展布,从而实现储层的精确预测(图1)。最后利用新钻井对储层预测结果进行效果分析验证。
Figure 1. Workflow of reservoir prediction
图1. 储层预测技术流程
3.1. 储层的岩石物理特征
根据测井解释评价和岩石物理分析结果,本区块岩性划分为泥岩、干砂、水砂、气砂岩、煤五种岩性,根据各岩性的弹性参数特征将岩性合并为砂岩、泥岩和煤三种。首先建立了岩石物理定量解释模板(纵波阻抗–纵横波速度比)。如图2所示,模板的横轴为纵波阻抗,纵轴为纵、横波速度比;模板上方第一条黑线是泥岩线,泥质含量为100%,向下泥质含量逐渐减少到0%,即100%砂岩线。最上方的一条红色线为100%石英含水砂岩线,其下方有5条红色垂直方向的等孔隙度变化线,从右到左分别代表了5、10、15、20、25、30个孔隙度单位时,纯石英砂岩声学响应随饱和度的变化规律,如图1所示。反映了随着孔隙度的增加,纵波阻抗和纵横波速度比的变化趋势。即随孔隙度增加,纵波阻抗减小,纵、横波速度比增大。
从图2可以看出:在岩石物理量板上,煤岩、泥岩、干砂、气砂等均有一定的弹性参数识别窗口。纵横波速度比对泥岩有较好的区分能力(图3),纵横波速度比与纵波阻抗交会能较好将孔隙砂与干砂区分。综上说明砂层和围岩在波阻抗曲线是有一定区分能力的,这是储层预测的基础,具备了储层精细预测的条件。
Figure 2. Rock physics interpretation chart of top SHIHEZI formation
图2. 上石盒子组岩石物理解释量版
Figure 3. Probability distribution histogram of VP/VS sensitivity
图3. 储层纵横波速度比敏感性概率分布直方图
3.2. 储层预测方法
本区块内储层厚度薄,叠前同时反演的分辨率无法满足本区储层预测的需要,因此,在叠前确定性反演后得到各部分叠加体的子波、地质格架模型、纵波阻抗体,纵横波速度比体的基础上,需要进行叠前地质统计学反演。
叠前地质统计学反演采用马尔科夫链蒙特卡罗模拟方法,将叠前同时反演技术和随机模拟技术相结合,成为一个全新的随机反演算法 [11]。在反演过程中,将地震资料、地层格架、岩性分布、测井曲线、概率分布函数、变差函数等信息相结合,来定义严格的概率分布模型。反演时,任何一种岩相对应的岩石物理参数分布,都由井点实测的数值统计而来,生成高分辨率的岩石弹性参数体,并通过合成地震记录来控制每一种岩相的实现是否与实际地震数据符合。这个工作流程在整个数据体范围内进行迭代,马尔科夫链-蒙特卡洛算法保证了每个网格节点的扰动是随机的,而模型和地震数据的匹配是优化的。
通过地质统计学参数和地震数据结合,充分利用地震的横向分辨率对储层分布和岩相进行分析。经过优选反演参数、模拟实验、抽取新井检验等技术进行反演预测。地质统计学反演在保持横向分辨率的基础上提高了纵向分辨率,利于薄层的识别,井间结果与井点处精度也较高,最终生成高分辨率的三维属性体,如砂岩概率体。
地质统计学反演预测的技术关键是概率分布函数、变差函数、岩性比例等统计学参数的选取。概率分布函数描述的是特定岩性对应的岩石物理参数分布的可能性。针对本区的目的层段,通过对各岩性的测井纵波阻抗和纵横波速度比的分析获得砂岩、泥岩和煤的概率密度分布函数。变差函数描述的是横向和纵向地质特征的结构以及特征尺度,也就是不同岩相及其属性在空间展布形态和变化尺度的大小,很显然它是一个空间三维的函数,描述不同岩相的空间。变差函数统计需要进行大量系统的测试,纵向上的变差函数统计来自于井资料,横向上的变差函数统计通过测试分析。岩性比例是建立在对本地区的地质认识之上,对地质统计学反演起到软约束的作用,使得结果融入更多的地质信息。针对该研究区的情况,优选出的10口井参与反演约束,剩下的井作为“盲井”对模型的预测性进行检查,形成具有地质意义的岩性数据体。
叠前地质统计学反演得到的砂岩概率横向分布和整体的趋势与确定性反演一致,但是其保留了更多的地质细节,相对低的纵横波速度比和砂岩概率与井上划分的砂岩相匹配,因此利用叠前地质统计学反演相比于叠前同反演能够更有效的识别薄储层,如图4所示。叠前同时反演得到的是几个砂层的综合响应,薄的砂层无法清晰的分辨,反演结果表明仅是有砂体存在;而地质统计学反演可以分辨单个砂体,砂层组内部特征刻画较清楚,薄的砂层组都能清晰的分辨出来。
(a) (b)
Figure 4. Comparision figures of inversion sections in application of prestack simultaneous inversion vs. geostatistical inversion. (a) The section of sandstone probability body in application of prestack simultaneous inversion; (b) the section of sandstone probability body in application of geostatistical inversion
图4. 确定性反演与地质统计学反演砂岩概率剖面对比图。(a) 叠前同时反演砂岩概率体剖面;(b) 地质统计学反演砂岩概率体剖面
3.3. 砂体的精细解释
本次研究中,在地震反演结果的基础上,利用地震属性进行储层的精细刻画。从而达到纵向、平面上都能精确刻画和描述储层砂体的目的。地震属性分析是一种快速、有效的储层预测方法,地震属性众多,任何一种属性都从不同角度反映储层的特征,即预测多解性强,尤其是多物源相变快的地区,预测精度会降低 [12]。地震属性参数受多种地质因素的影响,为了降低地震属性解释的多解性的风险,提高储层预测的精度,就需要运用多属性优选,筛选与砂体发育程度相关性强的地震属性来研究储层物性及其含油气性 [13] [14]。
地震属性分析表明,振幅属性响应值相对较高的层段,砂岩较为发育(厚度大或砂地比高) [15]。振幅的强度和砂体的分布相关,振幅强的地区砂体相对发育 [16]。下石盒子组盒8段砂体阻抗值比泥岩高,强反射能反映砂体展布特征,我们采用均方根振幅对研究区下石盒子组盒8段的砂体分布范围进行了刻画和描述。图5(a)是盒8段的均方根振幅属性图,它反映了构造背景下的砂体分布情况。由于砂体含气后,
(a) (b) (c)
Figure 5. Seismic attributes of bottom SHIHEZI formation (5a. RMS amplitude; 5b. average time thickness; 5c. spectral slope from peak to maximum frequency)
图5. 盒8下段地震属性图(5a均方根振幅;5b平均时间厚度;5c峰值到最大频率的谱斜率)
振幅变弱,因此弱的地方不一定没有砂体,因此刻画砂体需要根据反演结果结合地质沉积特征来判断。图5(b)是盒8段反演的时间厚度图,从时间厚度图反映的砂体展布特征,进一步验证与属性的吻合程度,在此基础上,再结合测井解释成果来进行砂体展布范围的刻画(图6(a))。
(a)(b)
Figure 6. Sand thickness distribution map of bottom SHIHEZI formation (6a. distribution map of sand body thickness; 6b. distribution map of gas reservoir thickness)
图6. 盒8下段砂体厚度展布图(6a砂体厚度图;6b有效砂体厚度图)
从谱峰值到最高频率的斜率属性表明了在分析时窗内高频成分被吸收的特点。该属性利用频率在典型的能量谱内定量表示频率的吸收效应。谱斜率的侧向变化,可能由于油气饱和度、断裂、岩性、地层等某因素的变化,而导致的频率吸收效应所带来的特征。例如,油气饱和砂体衰减了较高的地震频率,谱斜率就会比较陡峭(图5(c))。本次研究在砂体刻画的基础上,结合反映含油气性的谱的峰值到最高频率的斜率属性,来进行有效砂体的刻画(图6(b))。
由于不同的属性参数从不同的侧面来反映储层空间分布或含油气特征,因此多属性分析最大程度地降低了储层预测的多解性,提高了储层预测精度 [17]。
4. 储层预测效果
经过精细的储层预测及砂层解释得到的砂体厚度和有效砂体厚度分布图,在地质认识基础上分别从平面、剖面、新钻井等多方面进行成果的检验。从平面上看,盒8下段砂体呈北西南东向的分布趋势与物源方向相吻合,岩性剖面和已钻井的对比也很好的展示了砂体厚度变化和延展方向。经过新钻井的验证,本次研究储层预测结果与实钻结果一致(表2),更进一步验证预测结果的准确性,符合地质沉积规律。
Table 2. Statistic table of interpretation coincidence rate in bottom SHIHEZI formation
表2. 盒8下段综合解释符合率统计表
5. 结论
本次研究旨在精细刻画有利储层。利用地质统计学反演纵向分辨率高、属性刻画横向分辨率可靠性高的特点,二者相结合,并充分利用沉积微相先验知识库,得到纵横向边界刻划可靠性高的薄储层预测成果,有利地指导了生产实践。
经过实钻井的钻探效果分析认为该方法对于解决该区薄层的预测是有效的。砂体预测符合率达到90%以上,稀井区砂体预测与沉积模式吻合。从而解决了薄储层预测难的问题。利用该方法不但能在纵向剖面上识别出砂体的叠置关系,也能从平面上较为准确地刻画砂体的展布形态,为进一步研究储层特征打下基础。
致谢
本文的完成,感谢潘新志专家的指导,感谢项目组成员的支持和帮助。
基金项目
中海油能源发展重大专项(编号:HFKJ-CGXM-GJ-2020-02)资助项目。
NOTES
*第一作者。