石油物探  2019, Vol. 58 Issue (3): 453-460  DOI: 10.3969/j.issn.1000-1441.2019.03.015
0
文章快速检索     高级检索

引用本文 

许杰, 刘坤岩, 武清钊, 等. 焦石坝页岩脆性评价与预测[J]. 石油物探, 2019, 58(3): 453-460. DOI: 10.3969/j.issn.1000-1441.2019.03.015.
XU Jie, LIU Kunyan, WU Qingzhao. Evaluation and prediction of shale brittleness in the Jiaoshiba area[J]. Geophysical Prospecting for Petroleum, 2019, 58(3): 453-460. DOI: 10.3969/j.issn.1000-1441.2019.03.015.

基金项目

国家自然科学基金委员会-中国石油化工股份有限公司石油化工联合基金资助项目(U1663207)、国家重点基础研究发展计划(973计划)项目(2014CB239104)与国家科技重大专项(2017ZX05049-002)共同资助

作者简介

许杰(1967—), 男, 博士, 高级工程师, 主要研究方向为页岩气地球物理预测。Email:xujie.syky@sinopec.com

文章历史

收稿日期:2018-10-22
改回日期:2019-02-13
焦石坝页岩脆性评价与预测
许杰1,2,3 , 刘坤岩1 , 武清钊1     
1. 中国石油化工股份有限公司石油勘探开发研究院, 北京 100083;
2. 中国石化页岩油气勘探开发重点实验室, 北京 100083;
3. 国家能源页岩油研发中心, 北京 100083
摘要:在寻找页岩气有利区域时, 页岩的脆性预测是非常重要的一个环节。传统的脆性指数预测方法是叠前三参数反演, 即通过反演纵波速度、横波速度和密度等参数计算页岩脆性指数。但受入射角度或偏移距的限制, 叠前反演得到的密度误差较大, 根据以上参数计算的页岩脆性指数累积误差更大。以四川盆地焦石坝页岩气区块为例, 探讨了应用叠后地震波形指示反演预测页岩地层脆性的方法。在页岩脆性矿物定量评价的基础上, 依据测井资料计算出单井脆性矿物含量曲线, 综合利用测井、地震、地质等资料, 通过叠后地震波形指示反演得到脆性矿物含量数据体, 进而求取页岩地层脆性的空间分布, 提高页岩脆性预测精度。焦石坝工区页岩脆性波形指示反演结果显示, 目的层五峰组和龙马溪组的①、③小层脆性指数较高, 与岩心测试数据和实钻压裂结果吻合, 为该区页岩气田的开发和井位部署提供了依据。
关键词页岩    脆性    脆性矿物    矿物脆性指数    叠前反演    地震波形指示反演    马尔科夫链蒙特卡洛随机模拟    贝叶斯理论    
Evaluation and prediction of shale brittleness in the Jiaoshiba area
XU Jie1,2,3, LIU Kunyan1, WU Qingzhao1     
1. Petroleum Exploration and Production Research Institute, SINOPEC, Beijing 100083, China;
2. Sinopec Key Laboratory of Shale Oil/Gas Exploration and Production Technology, Beijing 100083, China;
3. National energy R & D center of shale oil, Beijing 100083, China
Foundation item: This research is financially supported by the Joint Fund Project of National Natural Science Foundation of China (NSFC) and Petrochemical Industry Corporation of Sinopec, China (Grant No.U1663207), the National Basic Research Program of China(973 Program) (Grant No.2014CB239104) and the National Science and Technology Major Project (Grant No.2017ZX05049-002)
Abstract: Shale brittleness is an important factor in finding favorable areas for shale gas.The traditional method for predicting the brittleness index relies on a prestack three-parameter inversion, which evaluates the shale brittleness index by inverting the compressional wave velocity, the shear wave velocity, and the density.The density error of the pre-stack inversion is large due to limitations in the incident angle (or offset).Consequently the cumulative error in the evaluated shale brittleness index is also large.In this paper, the shale gas block in the Jiaoshiba area in the Sichuan basin is taken as a case study, and its shale brittleness is predicted through a poststack inversion of the seismic waveform.Based on the quantitative evaluation of the brittle minerals in shale, the distribution of brittle minerals in a single well is calculated from logging data, and data on brittle mineral contents are also obtained through the post-stack seismic waveform inversion using logging, seismic and geological data comprehensively.The predicted brittleness index of the layers ① and ③ of the target layers, which include the Wufeng Formation and the Longmaxi Formation, is higher than that in other layers, which is consistent with logging data and with the actual drilling fracturing effect.The good agreement between measured and predicted values provides a technical support for shale gas field development and well location deployment.
Keywords: shale    brittleness    brittle mineral    mineral brittleness index    prestack inversion    seismic waveform inversion    simulation of Markov Chain Monte Carlo(SMCMC)    Bayesian theory    

实现页岩气高效开发最有效的措施是工程压裂造缝以沟通天然微裂缝、水平层理缝或基质孔隙, 而压裂能否获得成功的关键取决于页岩地层的脆性能否承受大量的人工诱导裂缝[1]。实践证明, 具有较高脆性的页岩地层是人工网状缝发育的基础。此外, 页岩中游离气的赋存往往依赖于成岩作用和构造运动中产生的大量裂隙, 这也需要页岩具有较高的脆性[2]。因此, 页岩岩石脆性分析对于页岩气的有利区域选取非常重要。近年来, 国内外学者围绕页岩脆性地震预测问题开展了大量的理论分析与方法研究, 取得了一些成果[2-8]。但是, 传统的脆性指数预测方法是叠前三参数反演, 即通过反演纵波速度、横波速度和密度等参数计算页岩脆性指数。受入射角度或偏移距的限制, 叠前反演得到的密度误差较大[9-11], 利用这些参数计算的页岩脆性指数累积误差更大。为了解决上述问题, 本文以四川盆地焦石坝页岩气区块为例, 探讨了应用叠后地震波形指示反演预测页岩地层脆性的方法。在页岩脆性矿物定量评价的基础上, 通过叠后地震波形指示反演得到脆性矿物含量数据体, 提高了页岩脆性预测精度, 为该区页岩气田开发和井位部署提供了技术支持。

1 页岩脆性评价

富含脆性矿物是页岩地层能够通过工程压裂造缝获得高产的关键因素[12-13]。四川盆地东部高陡褶皱带焦石坝地区上奥陶统五峰组—下志留统龙马溪组下部页岩属于深水陆棚相沉积, 脆性矿物含量高, 可压性好, 为工程压裂首选目的层。如何预测脆性页岩的空间分布, 是地震预测的一个重要课题。

焦石坝工区页岩脆性矿物包括石英、钾长石、斜长石、碳酸盐岩及少量黄铁矿, 实测的脆性矿物含量为37.0%~91.8%, 平均58.1%, 具体参见表 1

表 1 JY1井实测矿物含量数据分小层统计

JY1井位于焦石坝工区断背斜高部位, JY1井脆性矿物含量与粘土含量具有良好的匹配关系(图 1), 自上而下(即从浅往深)脆性矿物含量总体逐渐增加。2326.5~2415.5m井段脆性矿物含量最大为80.3%、最小为33.9%, 87个样品平均为56.5%, 脆性矿物含量大于40%的样品占60%。伊蒙混层自上而下逐渐减少, 伊利石自上而下相对含量逐渐降低。其中, 伊蒙混层总量为9.83%~33.16%, 平均为21.35%;伊利石总量为1.99%~36.78%, 平均为17.02%;绿泥石含量为0.34%~8.52%, 平均为2.52%。此外, 还发现石英含量与笔石、放射虫+骨针含量表现出较好的相关性, 从上至下逐渐增加(第①和第③小层石英含量最高), 为深水有机成因硅。高有机质硅含量有助于后期人工压裂改造, 利于形成网状裂缝。

图 1 JY1井页岩矿物含量

JY1井测试井段为2330.00~2414.88m龙马溪组和五峰组地层, 测试资料为粘土、石英、长石、方解石、白云石、黄铁矿等矿物组分及含量。在测井响应分析的基础上, 利用敏感测井参数建立了基于多参数的矿物组分计算公式[14-16]:

$ \begin{aligned} V_{\mathrm{cl}}=&\left(-175.1512+0.082 \times \Delta t+1.51718 \times \varphi_{\mathrm{CNL}}+\right.\\ & 67.43636 \times \rho-0.020276 \times \gamma ) \times 100 \% \end{aligned} $ (1)
$ \begin{aligned} V_{\mathrm{qu}}=&\left(403.517-0.1003 \times \Delta t-0.06836 \times \varphi_{\mathrm{CNL}}\right.-\\ & 129.66298 \times \rho-0.02334 \times \gamma ) \times 100 \% \end{aligned} $ (2)
$\begin{aligned} V_{\mathrm{ca}}=&\left(-28.1076-0.1252 \times \Delta t-0.49922 \times \varphi_{\mathrm{CNL}}+\right.\\ & 16.09188 \times \rho+0.007234 \times \gamma ) \times 100 \% \end{aligned} $ (3)

式中:Vcl为粘土矿物含量, Vqu为硅质矿物含量, Vca为钙质矿物含量; Δt为声波时差; ρ为密度; φCNL为中子; γ为自然伽马。

在上述页岩矿物组分计算与含量评价的基础上, 计算页岩矿物脆性指数(mBI), 评价页岩脆性。计算公式为:

$ m_{\mathrm{BI}}=\frac{V_{\mathrm{qu}}+V_{\mathrm{ca}}}{V_{\mathrm{qu}}+V_{\mathrm{ca}}+V_{\mathrm{cl}}} \times 100 \% $ (4)

图 2是利用上述页岩矿物组分计算模型求取的单井目的层页岩矿物组分含量曲线, 与岩心测试的矿物组分散点数据吻合较好, 验证了页岩矿物组分计算模型的准确性。在此基础上, 利用页岩矿物脆性指数公式(4)求取脆性指数曲线, 从而为工区脆性波形地震反演奠定基础。

图 2 JY1井矿物组分评价结果对比
2 脆性地震波形指示反演

地震波形代表了沉积环境及其岩性组合的空间变化, 横向变化反映了岩石相变特征。因此, 依据地震波形的结构变化可以预测储层的空间变异性。

地震波形指示反演采用地震波形指示马尔科夫链蒙特卡洛随机模拟(SMCMC)算法[17-22], 利用地震波形特征替代变差函数分析储层空间结构变化, 实现储层反演, 解决了井间样本不足的问题, 在提高垂向预测分辨率的同时, 保持了地震横向分辨率。

地震波形指示反演的流程[23-25]图 3所示。

图 3 地震波形指示反演流程

1) 依据已知样本井的地震波形结构特征, 利用地震波形相似性和空间距离双变量, 优选低频结构相似的井作为估计样本, 在层序地层格架约束下建立初始模型, 并统计其纵波阻抗作为先验信息。

2) 将初始模型与地震波阻抗进行匹配滤波, 得到最大似然函数。由于地震波形结构相似的两口井, 其大的沉积环境应该一致, 尽管其高频成分差异较大, 但其低频成分具有共性, 因此, 低频段反演结果的确定性增强, 同时可以约束高频段取值范围, 保留确定性频带成分, 提高反演结果的精度和可靠性。

3) 利用贝叶斯理论, 结合似然函数概率和先验概率得到后验概率统计分布, 并将其作为目标函数。利用马尔科夫链蒙特卡洛随机模拟算法不断优化模型参数, 将后验概率分布值最大时的解作为随机解, 取多次随机解的均值作为期望值输出。

对于波阻抗不能区分、敏感特征曲线能够区分的岩性, 可以结合地震数据, 利用敏感曲线进行地震波形反演。一方面, 沉积环境要相对稳定, 地层形态变化小; 另一方面, 工区内参与反演的井数要多于10口, 利于统计特征曲线与地震波形特征之间的关联性分析。反演中的垂向分辨率主要通过合理的高通频率、高截频率调整。

3 页岩脆性预测应用

焦石坝气田上奥陶统五峰组—下志留统龙马溪组下部页岩沉积稳定, 主要目的层为高脆性含气页岩。根据合成记录标定, TO3层在五峰组底界面, 为五峰组低阻抗页岩与下伏涧草沟组高阻抗灰岩形成的连续强波峰反射; TS1yy层在龙一段的1亚段和2亚段之间, 为上覆粉砂岩与下伏页岩形成的连续波谷反射; TS1hy层在龙一段的3亚段和4亚段之间, 为上覆碳质页岩与下伏粉砂岩形成的连续强波峰反射; TS1sand层在龙2段顶界面, 为上覆页岩与下伏浊积砂岩形成的较连续波峰反射(图 4图 5)。

图 4 JY1井合成地震记录
图 5 过JY1—JY2井地震解释剖面

根据以上地震解释结果和地质认识, 对研究区开展了脆性地震波形指示反演。

图 6图 7展示了过井脆性指数反演成果, 剖面与井信息吻合较好, 地质划分的目的层9个小层能清楚地分辨出来, 反映了稳定沉积的页岩序列。纵向向上脆性值逐渐减小, 脆性指数高的主要为目的层下部的第①和第③小层(JY2和JY4井脆性指数大于55%, 图 6), 为工程压裂的首选层; 横向上脆性指数也有变化, 如JY3井第①小层脆性指数相对变小(JY3井脆性指数小于50%, 图 7)。

图 6 过JY4—JY2井脆性地震波形指示反演剖面
图 7 过JY2—JY3井脆性地震波形指示反演剖面

相对主要目的层测井计算的脆性指数, 地震波形反演的脆性指数平均误差为4.73%(表 2)。

表 2 测井计算脆性指数及反演脆性指数分小层统计对比

图 8展示了TO3—TS1yy层位间(包括主要目的层①、③小层)页岩平均脆性平面分布, 可见JY1、JY2和JY4井区附近区域脆性值较高, 位于工区东部的JY3井和工区西部脆性值相对较低, 显示出较强的非均质性。钻井测试的无阻流量大小(图中红色空心圈代表无阻流量大于50×104m3/d, 蓝色实心圈代表无阻流量小于30×104m3/d)与脆性分布具有较好的对应关系, 即无阻流量高的钻井主要分布在脆性指数高的区域(如JY8-2井无阻流量126×104m3/d), 无阻流量低的钻井主要分布在脆性指数低的区域(如JY3井无阻流量14.8×104m3/d)。

图 8 TO3—TS1yy层平均脆性平面分布(图中圆圈的大小表示钻井测试无阻流量大小)
4 结论及认识

利用自然伽马、声波时差、中子、密度等测井敏感参数建立了矿物组分计算公式, 准确地计算出粘土、石英和方解石等页岩矿物组分含量, 进而计算出页岩的矿物脆性指数。

综合利用测井、地震和地质等资料, 应用地震波形指示反演技术得到矿物脆性指数数据体, 求取焦石坝页岩地层各小层的脆性分布, 提高了该区页岩脆性预测的精度。

礁石坝地区页岩脆性预测方法的成功应用, 为页岩有利压裂区域的选取提供了依据, 也为其它类似地区的页岩脆性预测提供了借鉴。在具体应用时, 一方面要根据区域测井敏感参数, 对比实验测试数据准确建立基于多参数的矿物组分计算公式; 另一方面, 要根据地震有效频带宽度合理选择地震波形指示反演中的滤波器高频参数, 以提高反演结果的精度。

参考文献
[1]
GOODWAY B, PEREZ M, VARSEK J, et al. Seismic petrophysics and isotropic-anisotropic AVO methods for unconventional gas exploration[J]. The Leading Edge, 2010, 29(12): 1500-1508. DOI:10.1190/1.3525367
[2]
孙赞东, 贾承造, 李相方, 等. 非常规油气勘探与开发[M]. 北京: 石油工业出版社, 2011: 407-593.
SUN Z D, JIA C Z, LI X F, et al. Unconventional oil & gas exploration and development[M]. Beijing: Petroleum Industry Press, 2011: 407-593.
[3]
董宁, 许杰, 孙赞东, 等. 泥页岩脆性地球物理预测技术[J]. 石油地球物理勘探, 2013, 48(增刊): 69-74.
DONG N, XU J, SUN Z D, et al. Shale brittleness predication by geophysical method[J]. Oil Geophysical Prospecting, 2013, 48(S1): 69-74.
[4]
刘勇, 方伍宝, 李振春, 等. 基于叠前地震反演的脆性预测方法及应用研究[J]. 石油物探, 2016, 55(3): 425-432.
LIU Y, FANG W B, LI Z C, et al. Brittleness prediction and application based on pre-stack seismic inversion[J]. Geophysical Prospecting for Petroleum, 2016, 55(3): 425-432. DOI:10.3969/j.issn.1000-1441.2016.03.013
[5]
徐天吉, 陈冰洁, 胡冰, 等. 基于VTI介质弹性参数的页岩脆性预测方法及其应用[J]. 石油与天然气地质, 2016, 37(6): 971-978.
XU T J, CHEN B J, HU B, et al. Shale brittleness prediction based on elastic parameters of VTI media[J]. Oil & Gas Geology, 2016, 37(6): 971-978.
[6]
苏建龙, 屈大鹏, 陈超, 等. 叠前地震反演方法对比分析[J]. 石油地球物理勘探, 2016, 51(3): 581-588.
SU J L, QU D P, CHEN C, et al. Application of prestack inversion technique for shale gas in Jiaoshiba gas field[J]. Oil Geophysical Prospecting, 2016, 51(3): 581-588.
[7]
单中强. 地震叠前反演方法预测页岩脆性指数在南川地区的应用[J]. 地质学刊, 2018, 42(2): 291-297.
SHAN Z Q. Prediction of shale brittleness index by seismic prestack inversion in Nanchuan area[J]. Journal of Geology, 2018, 42(2): 291-297. DOI:10.3969/j.issn.1674-3636.2018.02.015
[8]
张丰麒, 金之钧, 盛秀杰, 等. 贝叶斯三参数低频软约束同步反演[J]. 石油地球物理勘探, 2016, 51(5): 965-975.
ZHANG F Q, JIN Z J, SHENG X J, et al. Bayesian prestack three-term inversion with soft low frequency constraint[J]. Oil Geophysical Prospecting, 2016, 51(5): 965-975.
[9]
黄捍东, 王彦超, 郭飞, 等. 基于佐普里兹方程的高精度叠前反演方法[J]. 石油地球物理勘探, 2013, 48(5): 740-749.
HUANG H D, WANG Y C, GUO F, et al. High precision inversion algorithm based on Zoeppritz equtions[J]. Oil Geophysical Prospecting, 2013, 48(5): 740-749.
[10]
万欢, 陈利, 梁立锋, 等. 多信息融合优选叠前同步反演参数[J]. 地质科技情报, 2014, 33(6): 192-196.
WAN H, CHEN L, LIANG L F, et al. Mutiple information combination to optimize prestack simultaneous inversion parameters[J]. Geological Sciense and Technology Information, 2014, 33(6): 192-196.
[11]
梁立锋, 但志伟, 陈剑锋, 等. 叠前密度反演的误差对含气饱和度估算的影响[J]. 工程地球物理学报, 2011, 8(3): 257-260.
LIANG L F, DAN Z W, CHEN J F, et al. The influence of pre-stack density inversion error on gas saturation estimate[J]. Chinese Journal of Engineering Geophysics, 2011, 8(3): 257-260. DOI:10.3969/j.issn.1672-7940.2011.03.001
[12]
MONTGOMERY S L, JARVIE D M, BOWKER K A, et al. Mississippian Barnett shale, Fort Worth basin, north-central Texas:Gas-shale play with multi-trillion cubic foot potential[J]. AAPG Bulletin, 2005, 89(2): 155-175. DOI:10.1306/09170404042
[13]
JARVIE D M, HILL R J, RUBLE T E, et al. Uncanvertional shale-gas system:the Mississippian Barnett shale of north-central Texas as one model for thermogenic shale-gas assessment[J]. AAPG Bulletin, 2007, 91(4): 475-499. DOI:10.1306/12190606068
[14]
向葵, 严良俊, 胡华, 等. 南方海相页岩脆性指数与电性关系分析[J]. 石油物探, 2016, 55(6): 894-903.
XIANG K, YAN L J, HU H, et al. Relationship analysis between brittle index and electrical properties of marine shale in South China[J]. Geophysical Prospecting for Petroleum, 2016, 55(6): 894-903. DOI:10.3969/j.issn.1000-1441.2016.06.015
[15]
刘双莲, 陆黄生.页岩气测井井评价技术特点及评价方法探讨[J].测井技术, 2011, 35(2): 112-116
LIU S L, LU H S.Evaluation methods and characteristics of log evaluation technology in shale gas well logging technology[J].2011, 35(2): 112-116 http://www.cnki.com.cn/Article/CJFDTotal-CJJS201102006.htm
[16]
于翔涛. 测井技术在烃源岩评价中的应用[J]. 长江大学学报(自然科学版), 2009, 6(2): 198-200.
YU X T. Application of well logging in evaluation of source rock[J]. Journal of Yangtze University (Natural Sciense Edit), 2009, 6(2): 198-200.
[17]
刘喜武, 年静波, 吴海波, 等. 几种地震波阻抗反演方法的比较分析与综合应用[J]. 世界地质, 2005, 24(3): 271-275.
LIU X W, NIAN J B, WU H B, et al. Comparison of seismic impedance inversion methods and an application case[J]. Global Geology, 2005, 24(3): 271-275.
[18]
王香文, 刘红, 藤彬彬, 等. 地质统计学反演技术在薄储层预测中的应用[J]. 石油与天然气地质, 2012, 33(5): 730-735.
WANG X W, LIU H, TENG B B, et al. Application of geostatistical inversion to thin reservoir prediction[J]. Oil & Gas Geologogy, 2012, 33(5): 730-735.
[19]
刘振峰, 董宁, 张永贵, 等. 致密碎屑岩储层地震反演技术方案及应用[J]. 石油地球物理勘探, 2012, 47(2): 299-303.
LIU Z F, DONG N, ZHANG Y G, et al. Seismic inversion of tight clastic reservoirs and its application[J]. Oil Geophysical Prospecting, 2012, 47(2): 299-303.
[20]
李建雄, 谷跃民, 党虎强, 等. 高密度井网开发区井震联合储层预测方法——以SL盆地JN2区块为例[J]. 石油地球物理勘探, 2011, 46(3): 457-462.
LI J X, GU Y M, DANG H Q, et al. Well seismic and surface seismic joint prediction for reservoir rock in a development area with denser producers—case study of Block JN2 in SL Basin[J]. Oil Geophysical Prospecting, 2011, 46(3): 457-462.
[21]
王丹阳.基于MCMC方法的叠前反演方法研究[D].东营: 中国石油大学, 2012
WANG D Y.The method of pre-stack inversion based on MCMC[D].Dongying: China University of Petroleum, 2012 http://cdmd.cnki.com.cn/Article/CDMD-10425-1014017529.htm
[22]
邵伟.蒙特卡洛方法及在一些统计模型中的应用[D].济南: 山东大学, 2012
SHAO W.Montecarlo method and its application in some statistical models[D].Jinan: Shandong University, 2012 http://cdmd.cnki.com.cn/Article/CDMD-10422-1013140471.htm
[23]
高君, 毕建军, 赵海山, 等. 地震波形指示反演薄储层预测技术及其应用[J]. 地球物理学进展, 2017, 32(1): 142-145.
GAO J, BI J J, ZHAO H S, et al. Seismic waveform inversion technology and application of thinner reservoir prediction[J]. Progress in Geophysics, 2017, 32(1): 142-145.
[24]
杜伟维, 金兆军, 邸永香. 地震波形指示反演及特征参数模拟在薄储层预测中的应用[J]. 工程地球物理学报, 2017, 14(1): 56-61.
DU W W, JIN Z J, DI Y X. The application of seismic waveform indicator inversion and characteristic parameter simulation to thin reservoir prediction[J]. Chinese Journal of Engineering Geophysics, 2017, 14(1): 56-61. DOI:10.3969/j.issn.1672-7940.2017.01.010
[25]
顾雯, 徐敏, 王铎翰, 等. 地震波形指示反演技术在薄储层预测中的应用——以准噶尔盆地B地区薄层砂岩气藏为例[J]. 天然气地球科学, 2016, 27(11): 2064-2069.
GU W, XU M, WANG D H, et al. Application of seismic motion inversion technology in thin reservoir prediction:a case study of the thin sand stone gas reservoir in the B area of Junggar Basin[J]. Natural Gas Geoscience, 2016, 27(11): 2064-2069. DOI:10.11764/j.issn.1672-1926.2016.11.2064