地质科学  2016, Vol. 51 Issue (2): 415-424   PDF    
多属性反演技术在储层预测研究中的应用——以珠江口盆地陆丰A区中新统珠江组储层为例

吴其林1, 2, 方中于2, 许自强2, 史文英2, 陈利2, 侯志平2, 刘涛2    
1. 成都理工大学地球科学学院 成都 610059;
2. 中海油能源发展股份有限公司 物探技术研究所 广东湛江 524057
基金项目: 国家科技重大专项(编号: Z2011SLSZ-440)资助
吴其林,男,1982年4月生,博士研究生,沉积学专业.E-mail:wuql8@cnooc.com.cn
2015-05-18 收稿, 2016-02-23 改回.
摘要: 珠江口盆地陆丰A区中新统珠江组中-下段2370层是该地区主力油层之一, 但储层厚度差异大、分布不清, 严重制约了区域勘探部署.本文综合地震、测井和地质资料, 分析得出纵波阻抗和VP/VS为研究区识别岩性的敏感参数, 并通过叠前同步反演技术刻画出研究区2370层砂岩分布特征, 整体呈北厚南薄的展布.以地震振幅、分频属性及叠前反演属性为基础, 利用多属性反演技术分析统计了各属性与孔隙度之间的关系, 优选出密度、VP/VS、地震导数、LR、VP、25~30Hz地震分频6种属性为储层物性识别参数, 综合预测研究区2370层储层滨岸砂坝砂体孔隙度发育特征.多属性反演结果表明, 在研究区东北部、西部, 厚层的滩坝储集砂体的孔隙度发育, 普遍在18%以上; 而在中部和东部, 受滩间、坝间泥岩与滩坝砂的叠合区影响呈条带状分布, 孔隙度为10%~18%.预测结果与同期钻井的钻后结果基本一致, 预测成功率在75%以上.多属性反演技术在研究区的储层预测中表现出良好的有效性和实用性, 对类似地区的储层预测也具有借鉴意义.
关键词: 多属性反演    储层预测    珠江组    陆丰地区    珠江口盆地    

中图分类号:TE122.3    doi: 10.12017/dzkx.2016.006

地震反演是地球物理反演的一个重要分支学科,以地震波阻抗反演为代表的研究不断推动该技术的发展(Lindseth,1979Cooke and Schneider,1983周竹生等,1993李宏兵,1996Latimer et al.,2000Mallick et al.,2000)。由于叠后反演存在自身的问题,如反演的参数有限(限于波阻抗)、信息单一、多解性强等(马劲风等,1999马国东,2001)。为更好解决油气勘探开发中复杂储层及油气问题,国内外学者开始尝试将地震波阻抗反演领域向叠前发展,并在北海、墨西哥湾、北美等地区的油气勘探中取得了较好的应用效果(Connolly,1999Ma,2001邹才能等,2002Hampson et al.,2005Dai et al.,2006)。叠前同步反演通过不断修改初始模型的纵波阻抗、横波阻抗和密度,使之合成记录道集与叠前CRP道集到达最佳匹配,从而实现同时反演出纵波阻抗、横波阻抗和密度等弹性参数,并换算出其它敏感弹性参数,进而预测储层和流体的分布(Zoeppritz,1919Muskat and Merest,1940Ma,2001),但叠前反演不能够直接反演储层的物性。

地震属性应用于油气勘探的研究始于20世纪70、80年代,当时以单道、瞬时类属性研究为主;90年代逐步发展成多道分时窗的属性体建立。到本世纪初,伴随叠前反演技术的成熟应用,发展成了综合地震数据自身属性(振幅、频率、相位等)、叠后波阻抗、叠前属性(纵横波速度比、密度、剪切模量等)等多属性融合反演技术,特别是叠前反演属性的融合有利于解决砂泥岩阻抗叠置区的属性预测精度,丰富和完善了多属性反演技术,并在国内外开始广泛应用(Doyen,1988Chen and Sidney,1997Hampson et al.,2001黄飞等,2002印兴耀等,2005)。

1 区域地质概况

珠江口盆地陆丰地区油气勘探始于20世纪80年代,先后发现了LF22-1、LF13-1和LF13-2的3个油田;2008年通过钻探LF7构造井发现了LF7-2油田;2012年又成功再评价了LF15-1含油构造,展现了陆丰地区巨大的油气勘探前景(陈长民,2000施和生等,2000李彦平等,2009陶宗晋等,2009罗东红等,2011于开平等,2012)。

本文研究区位于珠江口盆地陆丰凹陷的两个富烃洼陷A15洼与A13洼之间的接合部,主要发育大型鼻凸构造及背斜构造(图 1)。中新统珠江组中-下段2370层是珠江口盆地陆丰地区主力油层之一,目前在该区钻遇的5口井中4口在2370层获得油气发现。由于区域储层分布差异大,油层厚薄及规模不一,难以单独形成商业产能,只有进行区域联合开发具有商业价值。因此,如何利用现有地震、测井、地质资料,应用叠前同步反演、多属性反演及正演技术对研究区储层进行岩性、物性预测,为靶区寻找有利目标成为联合开发的关键。

图 1 研究区构造位置图 Fig. 1 The tectonic location map of the studied area
2 岩石物理敏感参数 2.1 珠江组2370层储层沉积特征

李庆明等(20082010)研究表明,新近系下中新统珠江组中-下部2370层为一套滨岸体系,主要发育临滨亚相沉积,以反韵律块状砂岩沉积为特征。根据区域上沉积、测井及储层物性特征分析,可将2370层临滨亚相进一步划分为下滨面砂、沿岸砂坝和上滨面砂,其中以沿岸砂坝中的内砂坝储层物性最好,非均质性最弱,产能最高。在纵向沉积剖面上,2370层的沉积序列具有二元结构,即下临滨为进积型泥质低能海岸沉积层序,中-上临滨为进积型砂质高能海岸沉积层序,二者沉积特征和储层物性差异较大。

2.2 下珠江组岩性敏感参数

识别2370层岩性敏感参数首先要理清该岩层与上、下层的岩性,然而2370层自身及其上、下的层的岩性并不单一。研究区内M8井为代表的单井,2370层砂岩的上伏岩性为滨外陆架泥沉积,陆架泥既有泥岩沉积,也有灰质泥岩沉积;2370层主要为中—细砂岩沉积,亦有灰质砂岩沉积;而下覆地层为碳酸盐岩台地的灰岩沉积。

多种岩性的出现也表现出来复杂的岩石物理关系,由测井上统计的声波、横波、密度、波阻抗、纵横波速度比结果表明,陆架泥由泥岩向含灰泥岩过渡时,灰泥具有中—高速、中—高密、中—高纵横波速度比和中—高阻抗等特征;2370层砂岩具有低速、低密、低纵横波速度比和中—低阻抗等特征,但灰质砂岩具有高速、高密、低纵横波速度比和高阻抗等特征;而碳酸盐岩台地的灰岩地层具有明显的高速、高密、高纵横波速度比和高阻抗等特征。综上所述,单一属性难以区分2370层及其围岩特征,因此识别2370层砂岩岩石物理敏感参数必须进行多参数选择,即波阻抗和纵横比速度交会进行,同时也决定了储层识别必须开展叠前反演(图 2)。

图 2 M8井下珠江组VP/VS与纵波阻抗(ZP)交会岩性识别 Fig. 2 The crossplot of VP/VS and ZP, underground Pearl River Formation of M8 well
3 叠前同步反演储层预测

基于佐普里兹简化式的叠前同步反演是通过叠前储层CRP道集数据监控,同时反演出纵波阻抗、横波阻抗和密度,进而得出纵横波速度比、剪切模量和拉梅常数等叠前属性体。考虑区域的2370层储层为砂岩储集类型,依据纵波阻抗和纵横波速度比是识别岩性的敏感参数的岩石物理分析结果,通过将上述两种参数的属性组合形成新的属性数据体,综合判别研究区砂岩富集区分布。如图 3所示,2370层提取的砂体厚度平面图中发育大量的主轴近北西向的临滨砂坝沉积,且面积较大,在M1与M2井区域、M4、M7与M8井区域都以块体坝砂形式出现。与区域沉积背景中物源主要来自研究区北东向,三角洲砂体经过波浪、洋流改造后形成北厚南薄的临滨砂坝沉积格局较为一致。

图 3 2370层叠前组合属性砂岩厚度预测平面图 Fig. 3 The map of sandstone thickness prediction by prestack combination attribute, 2370 layer

由2370层提取的砂体平面厚度图可知,西部、中部和北部砂岩富集程度较高,临滨砂坝的厚薄不均,大部分厚度超过16 m,且以24 m以上的砂体为主。在研究区M2井区域,砂体呈现出厚薄变化较大的分布。南部富砂程度相对较低,普遍低于16 m,且在地震剖面上出现了接近1/4波长的调谐强振幅特征,也侧面印证了叠前属性预测砂体厚度的可靠性。整体而言,叠合了两期较厚临滨砂坝的M7、M8井区附近的砂体厚度最厚,普遍大于24 m。在预测砂体厚度成果与新钻的M7井上得到证实,预测砂体厚度为26 m,实钻厚度为24 m,钻前钻后结果基本一致。

4 多属性反演储层物性预测 4.1 地震属性

地震属性越来越受到人们的重视,地震属性中包含丰富的地质信息,从地震数据中拾取隐藏其中的有关岩性和储层物性的各种有用信息,建立与储层间线性或非线性关系,同时属性反演时不受子波及地质模型的约束,便能反演任何岩性参数,这就大大提高了反演的精度。但是采用单一的地震属性反演往往存在多解性,可靠性程度低,因此深入研究采用多属性来建立与测井岩性、物性之间的良好关系,以及利用地震属性针对储层参数敏感程度进行有效性分析,然后与BP神经网络相结合来实现储层预测,其精确性将大大提高(Doyen,1988Hampson et al.,2001黄飞等,2002于建国等,2003印兴耀等,2005杨占龙等,2007)。

4.2 孔隙度预测多属性优选

常规海上砂岩储层孔隙度预测方法为密度直接转换可得,在砂岩内转换的效果较好,原因是砂岩密度和孔隙度基本呈现良好的线性关系。但泥岩孔隙度和密度关系较差,关系不清,难以获得其真实孔隙度。在砂岩和泥岩接触的边界,泥岩孔隙度变化的区域效果较差,也制约了岩性歼灭识别的精度。因此,在研究区要进行储层孔隙度预测,选择多属性反演预测方法进行储层物性研究,以避免密度这类单一属性转换孔隙度不准的难题。

多属性反演技术关键是测试属性褶积因子和统计属性与储层物性之间的数理关系。属性褶积因子选取解决的是算法效率问题;统计属性与储层物性之间数理关系目标是优选出最少、也最能反映储层敏感参数的属性组合,可以提高储层预测精度,降低反演误差。如图 4a图 4b所示,在研究区多种类型属性试验参数的属性褶积因子为3、属性为6种时,属性反演孔隙度误差最小,超过6种属性后反演冗余增大。在图 4b统计的误差曲线可知,当属性选取达到第6种后,误差曲线值不降反升,故属性的种类最多只能选取前6种。图 4c的红色框内统计出6种最优属性,具体为密度、VP/VS、地震导数、LR、VP、25~30Hz地震分频属性,其综合预测孔隙度误差控制在4.555 9%,较小的误差为后续的储层物性预测提供了保障。

图 4 多属性反演参数及属性选取图 Fig. 4 The map of multi-attribute inversion parameter and attribute selection
4.3 多属性反演

研究区珠江组2370层储层发育,物性普遍较好。据M1井、M2、M4和M5井上砂层孔隙度统计,其变化范围为13%~25%,其中M1井、M2、M4井区大部分砂层孔隙度在21%以上,M5井区砂体孔隙度变小,大部分孔隙度值为18%左右(图 5a)。

图 5 孔隙度校正前平面图(a),振幅平面图(b)和孔隙度校正后平面图(c) Fig. 5 Before correction of porosity (a), amplitude plane(b), after correction of porosity(c)

图 5a,多属性反演的孔隙度结果提取的2370层砂体孔隙度展布表明,区域内临滨砂坝砂体孔隙度普遍较高,大部分在18%以上,与北部较厚的临滨砂坝、条带状滩坝间沉积特征较为吻合。由于区域孔隙度按照2370层顶、底面提取的平面图,在富砂的区砂岩含量高,毛厚比近90%,孔隙度也接近砂体测井孔隙度。当孔隙度低于18%的区域为滩间、坝间泥岩和滩坝砂互层时,泥岩的毛厚比上升,其砂体真实孔隙度要比18%高一些。值得关注的是,图 5a的2370层孔隙度平面图南部发现一个近三角形的孔隙度极值区(黑色箭头所指区域),孔隙度普遍大于25%,与M8井和M9井上砂岩孔隙度情况都有所出入,M9井在2370层上砂体的孔隙度基本低于20%,而M8井在23%左右,故推断为属性误差带入。

经过多属性反演流程参数梳理,发现所选6种属性中选择的Derivative属性为地震的倒数,该属性带入了地震振幅信息,而振幅信息受1/4波长振幅调谐的影响。南边的地层厚度调查发现M9井附近的地层近16 m,刚好处于1/4波长振幅调谐区。利用2370层对研究区提取振幅平面图,如图 5b所示,在黑色箭头所指的红色高振幅异常区域正是振幅调谐区域,与图 5a南部孔隙度异常区刚好吻合。

因此,去振幅调谐是校正研究区正确预测孔隙度的重要步骤,利用归一化原理,将振幅非调谐区进行值域为1的处理,而振幅调谐区用归一化因子求出校正归一化系数,进而校正原始孔隙度。校正后的结果如图 5c所示,孔隙度平面图和井上及区域滩坝砂体物性均一性特征更加吻合(黑色箭头所指区域)。

5 结论

(1)在围岩包括灰质泥岩、灰质砂岩、灰岩、泥岩复杂岩性背景下的珠江口盆地陆丰地区2370层砂岩储层中,纵横波速度比和阻抗构成的组合属性是该区域砂岩识别的敏感参数。

(2)研究区2370层砂岩储层整体上呈现出北厚南薄的分布特征,北边大部分临滨砂坝砂岩储层超过20 m,南部基本在16 m以下,因此北部厚层砂岩区域为本研究区最有利的储层发育区。

(3)多属性融合孔隙度反演结合振幅调谐校正应用于陆丰地区2370层储层区域孔隙度预测,其结果更符合区域临滨砂岩物性趋近特征,提高了研究区2370层储层孔隙度预测精度。

参考文献
[1] 陈长民. 2000. 珠江口盆地东部石油地质及油气藏形成条件初探. 中国海上油气, 14 (2): 73-83.
[2] Chen Changmin. 2000. Petroleum geology and conditions for hydrocarbon accumulation in the eastern Pearl River Mouth Basin. China Offshore Oil and Gas, 14 (2): 73-83.
[3] 黄飞, 彭真明, 张晓燕. 2002. PNN及其在储层物性参数预测中的应用. 物探化探计算技术, 25 (1): 78-79.
[4] Huang Fei, Peng Zhenming and Zhang Xiaoyan. 2002. PNN and its application in prediction of reservoir parameters. Computing Techniques for Geophysical and Geochemical Exploration, 25 (1): 78-79.
[5] 李宏兵. 1996. 具有剔除噪音功能的多道广义线性反演. 石油物探, 35 (4): 11-17.
[6] Li Hongbing. 1996. Generalized multi-traces linear inversion with the removal of noise. Geophysical Prospecting for Petroleum, 35 (4): 11-17.
[7] 李庆明, 王庆如, 于兴河等. 2008. 陆丰13-2 油田滨岸相储层沉积微相研究. 石油天然气学报, 30 (6): 236-240.
[8] Li Qingming, Wang Qingru, Yu Xinghe et al. 2008. The study of reservoir sedimentary microfacies in Lufeng 13-2 oilfield shore facies. Journal of Oil and Gas Technology, 30 (6): 236-240.
[9] 李庆明, 于兴河, 王庆如等. 2010. 陆丰13-2 油田滨岸相储层流动单元研究. 石油天然气学报, 32 (1): 170-173.
[10] Li Qingming, Yu Xinghe, Wang Qingru et al. 2010. The study of reservoir flow units in Lufeng 13-2 oilfield shore facies. Journal of Oil and Gas Technology, 32 (1): 170-173.
[11] 李彦平, 罗东红, 邹信波等. 2009. 陆丰凹陷块状砂岩油藏特高含水期剩余油分布研究. 石油天然气学报, 31 (3): 115-118.
[12] Li Yanping, Luo Donghong, Zou Xinbo et al. 2009. Study on the residual oil distribution of block sandstone reservoirs in Lufeng depression at the extra-high water-cut stage. Journal of Oil and Gas Technology, 31 (3): 115-118.
[13] 罗东红, 梁 卫, 李熙盛等. 2011. 珠江口盆地陆丰13-1油田古近系恩平组突破及其重要意义. 中国海上油气, 23 (2): 71-75.
[14] Luo Donghong, Liang Wei, Li Xisheng et al. 2011. A breakthrough at Paleogene Enping Formation and its important significance in Lufeng 13-1 oilfield, Pearl River Mouth Basin. China Offshore Oil and Gas, 23 (2): 71-75.
[15] 马国东. 2001. 波阻抗处理技术研究及应用. 中国煤田地质, 13 (2): 65-67.
[16] Ma Guodong. 2001. Research on processing techniques of wave impedance and its applications. Coal Geology of China, 13 (2): 65-67.
[17] 马劲风, 王学军, 钟 俊等. 1999. 测井资料约束的波阻抗反演中的多解性问题. 石油与天然气地质, 20 (1): 7-10.
[18] Ma Jinfeng, Wang Xuejun, Zhong Jun et al. 1999. Multiple roots in well-restricted impedance inversion. Oil and Gas Geology, 20 (1): 7-10.
[19] 施和生, 吴建耀, 朱俊章等. 2000. 珠江口盆地陆丰13断裂构造带油气二次运移优势通道与充注史分析. 中国石油勘探, 12 (5): 30-35.
[20] Shi Hesheng, Wu Jianyao, Zhu Junzhang et al. 2000. Secondary migration superiority pathways study and charging history of oil in Lufeng 13 fault structural belt of Pearl River Mouth Basin. Chinese Petroleum Exploration, 12 (5): 30-35.
[21] 陶宗晋, 丁 放, 何仕斌等. 2009. 陆丰凹陷T5地震反射层特征及其油气勘探意义. 地学前缘, 16 (4): 182-189.
[22] Tao Zongjin, Ding Fang, He Shibin et al. 2009. The reflection horizon T5 in Lufeng sag: Its sequence stratigraphy and significance in petroleum exploration. Earth Science Frontiers, 16 (4): 182-189.
[23] 杨占龙, 彭立才, 陈启林等. 2007. 地震属性分析与岩性油气藏勘探. 石油物探, 46 (2): 131-136.
[24] Yang Zhanlong Peng Licai, Chen Qilin et al. 2007. Seismic attribute analysis and exploration of lithologic oil reservoir. Geophysical Prospecting for Petroleum, 46 (2): 131-136.
[25] 印兴耀, 周静毅. 2005. 地震属性优化方法综述. 石油地球物理勘探, 40 (4): 482-489.
[26] Yin Xingyao and Zhou Jingyi. 2005. Summary of optimum methods of seismic attributes. Oil Geophysical Prospecting, 40 (4): 482-489.
[27] 于建国, 姜秀清. 2003. 地震属性优化在储层预测中的应用. 石油与天然气地质, 24 (3): 291-295.
[28] Yu Jianguo and Jiang Xiuqing. 2003. Application of seismic attribute optimization in reservoir prediction. Oil & Gas Geology, 24 (3): 291-295.
[29] 于开平, 丁放. 2012. 珠江口盆地陆丰凹陷中生界的发现及石油地质意义. 天然气地球科学, 23 (3): 489-492.
[30] Yu Kaiping and Ding Fang. 2012. Discovery of Mesozoic sediments and it's petroleum significance in Lufeng sag, Pearl River Mouth Basin. Natural Gas Geoscience, 23 (3): 489-492.
[31] 周竹生, 周熙襄. 1993. 宽带约束反演方法. 石油地球物理勘探, 28 (5): 523-535.
[32] Zhou Zhusheng and Zhou Xixiang. 1993. Band-constrained inversion. Oil Geophysical Prospecting, 28 (5): 523-535.
[33] 邹才能, 张颖. 2002. 油气勘探开发实用地震新技术. 北京: 石油工业出版社. 1-552.
[34] Zou Caineng and Zhang Ying. 2002. New Practical Seismic Technology of Oil-Gas Exploration and Development. Beijing: Petroleum Industry Press. 1-552.
[35] Connolly P. 1999. Elastic impedance. The Leading Edge, 18 (4): 438-452.
[36] Cooke D A and Schneider W A. 1983. Generalized linear inversion of reflection seismic data. Geophysics, 48 (6): 665-676.
[37] Dai X F, Gan L D, Du W H et al. 2006. Application of joint elastic impedance inversion in the GD oilfield. Applied Geophysics, 3 (1): 37-41.
[38] Doyen P M. 1988. Porosity from seismic data: A geostatistical approach. Geophysics, 53 (10): 1263-1275.
[39] Hampson D P, Schuelke J S and Quirein J A. 2001. Use of multiattribute transforms to predict log properties from seismic data. Geophysics, 66 (1): 220-236.
[40] Hampson D P, Russell B H and Bankhead B. 2005. Simultaneous inversion of pre-stack seismic data. In: SEG Technical Program Expanded Abstracts 2005.1633-1637.
[41] Latimer R B, Davison R and Van Riel P. 2000. An interpreter's guide to understanding and working with seismic-derived acoustic impedance data. The Leading Edge, 19 (3): 242-256.
[42] Lindseth R O. 1979. Synthetic sonic logs: A process for stratigraphic interpretations. Geophysics, 44 (1): 3-26.
[43] Ma X Q. 2001. Global joint inversion for the estimation of acoustic and shear impedances from AVO derived P-and S-wave reflectivity data. First Break, 19 (10): 557-566.
[44] Muskat M and Meres M W. 1940. Reflection and transmission coefficients for plane waves in elastic media. Geophysics, 5 (2): 115-124.
[45] Chen Q and Sidney S. 1997. Seismic attribute technology for reservoir forecasting and monitoring. The Leading Edge, 16 (5): 445-448.
[46] Mallick S, Huang X, Lauve J et al. 2000. Hybrid seismic inversion: A reconnaissance tool for deepwater exploration. The Leading Edge, 19 (11): 1230-1237.
[47] Zoppritz K. 1919. On the reflection and propagation of seismic waves. Gottinger Nachrichten, (1): 66-84.
Application of multi-attribute inversion method in reservoir prediction: A case study of Lufeng A area in the Pearl River Mouth Basin

Wu Qilin1, 2, Fang Zhongyu2, Xu Ziqiang2, Shi Wenying2, Chen Li2, Hou Zhiping2, Liu Tao2    
1. College of Geosciences, Chengdu University of Technology, Chengdu 610059;
2. Research Institute of Geophysical, CNOOC Energy Development Limited, Zhanjiang, Guangdong 524057
Abstract: The 2370 layer of Miocene Zhujiang Formation is one of the major reservoir in Lufeng A area, Pearl River Mouth Basin. But the large thickness difference and complicated distribution of sandstone seriously restrict the field exploration and deployment. This paper integrate s the seismic data, logging and geological data, and concludes that the P-wave impedance and VP/VS are the sensitive parameters of lithology identification. The distribution of 2370 layer of sandstone is described by using prestack simultaneous inversion method, and the north area is thicker than the south on the whole. On the basis of seismic amplitude and the properties of frequency division and prestack inversion, the relationship between the property and porosity is analyzed by using multi-attribute inversion method. The reservoir identification parameters are six properties, which contain the density, VP/VS, seismic derivative, LR, VP and 25~30 Hz seismic frequency. The results of multi-attribute inversion show porosity generally above 18% in the northeast and the west of the study area, which belongs to the reservoir type of beach sand and dam sand, and it is a thick layer. In the middle and east part, the porosity is 10%~18%, which is the influence of the interaction between the sandstone and mudstone. Porosity prediction results are consistent with the drilling results of the same period, and the predicted coincidence rate is more than 75%. Multi-attribute inversion method shows good effectiveness and practicability in reservoir prediction of the study area, and it also has reference significance to the similar area of reservoir prediction.
Key words: Multi-attribute inversion    Reservoir prediction    Zhujiang Formation    Lufeng region    Pearl River Mouth Basin