塔里木盆地海相缝洞型碳酸盐岩储层蕴藏丰富的油气资源, 勘探开发潜力巨大^[1], 随着勘探领域不断向塔河外围、深层拓展, 储层多表现为“串珠”、弱不连续、杂乱等多样化特征^[2], 储层油气特征评价难度越来越大。地震勘探仍面临着深层碳酸盐岩缝洞成像难^[3]、多成因类型储集体预测与量化描述难^[4]、储层流体检测难^[5]等技术瓶颈。

流体识别技术是油气勘探开发中需长期研究的重点地球物理课题。自1982年OSTRANDER^[6]使用野外数据成功区分与气有关的振幅异常以来, 利用地球物理技术直接进行储层流体检测得到了广泛应用^[7]。其中, 基于双相介质理论的地震波衰减油气检测技术^[8]利用地层吸收性质与岩相、孔隙度、含油气成分等的密切关系, 在中-高孔隙等有利条件下可直接预测油气的存在^[9]。AVO属性交汇分析技术^[10]依据截距和梯度在交会图中的不同位置, 确定流体性质。AVO反演技术将岩石物理分析^[11]与地震反演相结合^[12], 在实现叠前弹性参数反演的基础上, 基于弹性参数对流体特征进行评价^[13]。频变AVO反演技术^[14]基于多孔介质弹性理论, 将储层流体的地震波衰减特征与AVO特征相结合, 通过定量表征地震纵、横波速度频散程度, 实现储层流体识别^[15]。储层流体因子反演技术已从简单基于弹性参数相对变化量计算^[16], 发展到基于岩石物理且具有明确意义的多孔弹性介质流体因子反演^[17]。针对深层地震资料入射角小、信噪比低等特点, 印兴耀等^[18]研发了基于贝叶斯理论框架的两项式弹性阻抗反演及Russell流体因子直接估算方法; 刘晓晶等^[19]进一步推导了基于Gassmann流体项与剪切模量的两项AVO近似方程, 提高了深部储层流体识别方法实用性。

总体来看, 基于地震资料的流体识别方法越来越多, 如何将多种地震流体识别结果结合起来, 并与钻井、测井解释结果有机统一, 是实现强非均质性油气藏流体识别的重要途径。针对塔河油田外围顺托、托普台等地区深层碳酸盐岩缝洞型储层油气识别困难的问题, 本文从含油气储层的地震AVO反射特征出发, 重点开展了AVO属性分析、频变AVO反演、流体因子反演方法的试验, 评价了采用单一方法识别流体的有效性。基于最小二乘方法, 以测井、钻井解释成果(漏失、流体解释成果)作为期望输出数据, 给3种单一地震属性赋予不同权值, 提高碳酸盐岩缝洞储层含油气性识别可靠性, 并将预测结果与井稳产日产量进行对比分析, 实现缝洞储层流体定量识别。

1 地震地质反射特征

研究区位于塔河外围, 油气富集区大多分布于大型走滑断裂带或与之相关的次级断裂带附近, 有利储集空间主要由溶洞和裂缝组成的复杂缝洞体系构成^[20]。储层原生储集空间多已被破坏殆尽, 现今有效储集空间以次生储集空间为主; 油气类型以低密度、低粘度的轻质油-凝析油为主^[21]。钻井结果表明, 断裂带附近的钻井多钻遇放空和漏失, 钻井放空漏失段在地震剖面上的地震响应特征通常表现为“串珠”、弱不连续、杂乱等特征, 内幕致密碳酸盐岩则表现为连续的中强反射特征。储层内部非均质性强, 存在横向和纵向分段现象; 含油气层段多, 断裂破碎带既是油气疏导通道, 又是成藏有利空间; 储层反射特征与储层规模及含油气关系复杂。

目前, 基于叠前地震数据的流体识别方法主要基于Zoeppritz方程, 包括基于AVO属性的定性检测方法和基于弹性参数的定量预测方法。而以岩石物理分析为基础的地震道集特征研究是提高流体识别可靠性的基础。

图 1为研究区过典型井S3的地震数据分析结果。图 1a为过井地震剖面, 表现为杂乱反射特征; 图 1b上部为过井底位置的地震共反射点道集(CRP), 下部为目标层AVO分析曲线(蓝色)及其趋势线(红色), 表现为振幅随偏移距的增大而减小的第一类AVO特征(高阻抗含气储层类型)。基于该井测井数据, 利用Zoeppritz方程的Shuey近似式^[22]分别计算不同入射角反射系数, 并与20Hz雷克子波褶积, 获得井旁道正演地震数据, 如图 1c所示。图 1d为正演道集AVO曲线(点线)和Zoeppritz方程的理论AVO曲线(实线), 也表现为第一类AVO特征。验证了研究区碳酸盐岩缝洞储层开展地震AVO分析与叠前地震反演的可行性。

综合目标区奥陶系碳酸盐岩缝洞储层地质与测井信息, 构建了适合于目标储层特征的地震岩石物理模型^[11]。利用Voigt-Reuss-Hill平均公式计算基质等效模量, 采用微分等效介质模型(DEM)和Kuster-Toksoz(KT)模型计算干岩石等效弹性模量, 利用Wood混合孔隙流体计算流体等效体积模量, 利用Gassmann模型求取流体饱和岩石等效模量, 计算等效介质的纵、横波速度, 实现研究区典型井岩石物理分析与流体替换模拟。以替换前后测井纵横波速度、密度为基础, 利用Shuey近似式计算不同入射角反射系数, 与20Hz雷克子波褶积, 获得叠前地震AVO角道集, 开展AVO特征分析。图 2是井旁不同充填特征的叠前合成记录及AVO特征分析结果。图 2d中虚线为S1井流体替换AVO曲线, 结果表明含油气储层具备高截距(P)、负高梯度(G)特征, 含气与含水的截距梯度积(P×G)分别为-0.054、-0.077, 差异为43%。图 2d中实线分别为S1井、S2井、S3井正演模拟归一化AVO曲线。这3口井油气产量差异较大, 其中S3井产量最高、S1井次之, S2井为油气显示、产量最低。从图 2d中的实线可以看出, 截距归一化处理后, 产气量越高井的梯度绝对值越大。可以看出, 在研究区地质地球物理条件下, 现有叠前数据具有油气识别的基础, 可用于工区内AVO属性分析及地震AVO反演。

2 方法及应用 2.1 AVO属性分析

Zoeppritz方程是AVO属性分析的理论基础, AKI等^[22]、SHUEY^[23]、SMITH等^[24]、FATTI等^[25]分别对该方程进行了线性近似, 并推导了利用不同弹性模量定量表征的AVO反射系数方程。本文以Shuey近似公式为例, 当入射角度小于30°时, Shuey近似公式为:

$R_{\mathrm{PP}}(\theta)=P+G \sin ^{2} \theta $

(1)

式中:R_PP为纵波入射、纵波反射时的AVO反射系数; θ为入射角; P=R₀为法向入射反射系数(截距); G=R₀A₀+Δσ/(1-σ)², A₀=B-2(1+B)[(1-2σ)/(1-σ)], B=(Δα/α)/(Δα/α+Δρ/ρ)反映了振幅随入射角变化特征(梯度), 其中, α为顶底地层的纵波速度平均值, Δα为顶底地层的纵波速度变化量, σ为顶底地层的泊松比平均值, Δσ为反射界面位置的泊松比变化量, ρ为顶底地层的密度平均值, Δρ为密度变化量。

研究区目标层叠前地震数据具有明显的第一类AVO特征(图 1), 且高产油气井旁震数据具有明显的高截距(P)、负高梯度(G)特征(图 2)。因此选取P×G(负异常)作为储层含油气性识别敏感属性。图 3是两口典型井(S4井和S6井)的P×G剖面。S4井和S6井都是高产油气井, 研究结果表明, 这两口井都具有明显的P×G负异常。从剖面上可以看出, S4井钻遇的异常幅值与范围稍微大于S6井, 表明该井油气出产量可能更大。该认识与两口井稳产情况基本吻合, 说明了该方法对该缝洞型油气藏具有直接流体检测的能力。

2.2 频散AVO反演

岩石物理分析和实验观测结果表明, 地震波在含流体介质中传播时会发生振幅衰减和速度频散现象, 该现象为应用AVO方程计算地震波频散特性提供了理论依据^[26]。综合利用地震振幅和频率信息的频变流体识别方法已成为国内外研究热点^{[15, 27-29]}。基于岩石物理理论分析及CHAPMAN等^[14]建立的裂隙-孔隙微结构衰减模型, 本文将反射系数看成是入射角和频率的函数。Zoeppritz方程的Smith线性近似式^[24]可以扩展为:

$R_{\mathrm{PP}}(\theta, f)=A(\theta) \frac{\Delta v_{\mathrm{P}}}{v_{\mathrm{P}}}(f)+B(\theta) \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}(f) $

(2)

式中:f为频率; $A(\theta)=\frac{5}{8}-\frac{1}{2} \frac{v_{\mathrm{S}}^{2}}{v_{\mathrm{P}}^{2}} \sin ^{2} \theta$; B(θ)=-4$\frac{v_{\mathrm{S}}^{2}}{v_{\mathrm{P}}^{2}} \sin ^{2} \theta$; $\frac{v_{\mathrm{S}}}{v_{\mathrm{P}}}$依据研究区S2井目标层纵、横波速度确定。在此条件下, A(θ)、B(θ)只与入射角θ有关, 对在地震频带的某一参考频率f₀处(一般为地震剖面主频)的反射系数进行泰勒级数展开, 舍去高阶项, 只保留一阶导数, 得到:

$\begin{array}{*{20}{c}} {{R_{{\rm{PP}}}}(\theta , f) \approx A(\theta )\frac{{\Delta {v_{\rm{P}}}}}{{{v_{\rm{P}}}}}\left( {{f_0}} \right) + \left( {f - {f_0}} \right)A(\theta ){I_a} + }\\ {B(\theta )\frac{{\Delta {v_{\rm{S}}}}}{{{v_{\rm{S}}}}}\left( {{f_0}} \right) + \left( {f - {f_0}} \right)B(\theta ){I_b}} \end{array} $

(3)

式中:$I_{a}=\frac{\mathrm{d}}{\mathrm{d}} \frac{\Delta v_{\mathrm{P}}}{v_{\mathrm{P}}}(f)$, $I_{b}=\frac{\mathrm{d}}{\mathrm{d} f} \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}(f)$分别为纵、横波速度反射系数关于频率的偏导数, 定义为纵、横波频散程度属性, 旨在反映孔隙含流体差异引起的地震波频散情况。实际应用中, 假定D(t, n)为地震数据, 利用速度模型计算与入射角相关系数A(θ)、B(θ)形成替换关系:A(θ)=A_n(t), B(θ)=B_n(t)。对地震数据D(t, n)进行频谱分解, 得到时频数据S(t, n, f)。在时频谱分解过程中需开展谱平衡处理, 以消除子波效应导致的地震波振幅和频率异常现象:B(t, n, f)=S(t, n, f)w(f)。公式如下:

$\mathit{\boldsymbol{d}} = \mathit{\boldsymbol{Gx}} $

(4)

其中, d=$\left[\begin{array}{cc}B\left(t, 1, f_{1}\right)-A_{1}(t) \frac{\Delta v_{\mathrm{P}}}{v_{\mathrm{P}}}\left(f_{0}, t\right)-B_{1}(t) \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}\left(f_{0}, t\right) \\ \vdots \\ B\left(t, 1, f_{m}\right)-A_{1}(t) \frac{\Delta v_{\mathrm{P}}}{v_{\mathrm{P}}}\left(f_{0}, t\right)-B_{1}(t) \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}\left(f_{0}, t\right) \\ \vdots \\ B\left(t, 1, f_{1}\right)-A_{n}(t) \frac{\Delta v_{\mathrm{P}}}{v_{\mathrm{P}}}\left(f_{0}, t\right)-B_{n}(t) \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}\left(f_{0}, t\right) \\ \vdots\\ B\left(t, 1, f_{m}\right)-A_{n}(t) \frac{\Delta v_{\mathrm{P}}}{v_{\mathrm{P}}}\left(f_{0}, t\right)-B_{n}(t) \frac{\Delta v_{\mathrm{S}}}{v_{\mathrm{S}}}\left(f_{0}, t\right)\end{array}\right]$$\boldsymbol{G}=\left[\begin{array}{cc}\left(f_{1}-f_{0}\right) A_{1}(t) & \left(f_{1}-f_{0}\right) B_{1}(t) \\ \vdots & \vdots \\ \left(f_{m}-f_{0}\right) A_{1}(t) & \left(f_{m}-f_{0}\right) B_{1}(t) \\ \vdots & \vdots \\ \left(f_{1}-f_{0}\right) A_{n}(t) & \left(f_{1}-f_{0}\right) B_{n}(t) \\ \vdots & \vdots \\ \left(f_{m}-f_{0}\right) A_{n}(t) & \left(f_{m}-f_{0}\right) B_{n}(t)\end{array}\right]$$\boldsymbol{x}=\left[\begin{array}{l}I_{a} \\ I_{b}\end{array}\right]$

式中:m为频率数; n为入射角数。利用阻尼最小二乘反演方法求解(4)式, 有:

$\boldsymbol{x}=\left(\boldsymbol{G}^{\mathrm{T}} \cdot \boldsymbol{G}+\varepsilon^{2} \boldsymbol{I}\right)^{-1} \cdot \boldsymbol{G}^{\mathrm{T}} \boldsymbol{d} $

(5)

式中:ε²I为对角线常数矩阵, 旨在提高地震反演稳定性。基于(5)式可以得到每一个采样点处与频率相关的AVO属性。

频散AVO反演的具体流程为:①基于叠前部分叠加道集开展时频谱分解, 获得分频率部分叠加地震道集数据; ②选取参考频率f₀与单频瞬时谱进行均衡处理; ③利用阻尼最小二乘算法((5)式)求解反演方程组, 计算纵波速度反射率随频率的偏导数, 即纵、横波频散属性。

研究区三维地震资料在奥陶系碳酸盐岩目标层主频为22Hz, 频宽8~35Hz。基于S变换对地震数据开展单频瞬时谱分解, 共分为5个频率, 分别为8, 14, 20, 26, 32Hz, 其中参考频率f₀=20Hz。v_S/v_P依据研究区S2井目标层纵、横波速度关系确定。图 4为计算误差评价结果, 其中图 4a为S2井横纵波速度比, 粉红色直线值为0.536;图 4b为散点与0.536差值评价直方图。由图 4a可以看到, 横纵波速度比在区间[0.496, 0.576]内包含了86%的数据, 而由Smith近似公式((2)式)计算得到的研究区目的层最大反射系数条件下, 入射角30°时的误差区间为[-6.2%, 5.8%], 误差范围较低。利用以上流程及公式(4)获得纵、横波频散程度属性。

实际工作中, 岩石孔隙中流体发生变化时, 引起岩石P波速度发生变化, 而S波速度几乎不受影响, 所以纵波频散效果往往更能体现储层流体特征。图 5a、图 5b和图 5c、图 5d分别是S2和S9井地震剖面及其纵波频散程度曲线, 图 5e是S9井反演得到的纵波频散属性剖面。实钻结果表明, S2井直井段的储层岩屑录井结果中油气显示为荧光, 但未见工业气流; S9井目的层的测井解释为含油气层, 稳产后具有商业产量。对比图 5a和图 5c可以看出, S2井和S9井在地震剖面上差异较小, 但纵波速度频散属性的反演结果(图 5b, 图 5d)差异较大, 表明频变AVO反演方法能有效识别缝洞型储层的含流体特征。

2.3 流体因子反演

基于叠前地震数据直接反演流体因子是定量油气识别的重要方法。该技术避免了常规地震反演中间接计算流体因子带来的累计误差, 降低了流体检测的多解性^[30]。刘晓晶等^[19]在孔隙弹性理论的指导下, 推导了Gassmann流体项与剪切模量等参数定量表征的两项AVO地震反射特征方程, 公式如下:

$R_{\mathrm{PP}}(\theta)=a(\theta) \frac{\Delta F}{F}+b(\theta) \frac{\Delta \mu}{\mu} $

(6)

其中,$\begin{aligned} a(\theta)=\left(\frac{1}{2}-\frac{\gamma_{\mathrm{dry}}^{2}}{2 \gamma_{\mathrm{sat}}^{2}}\right) \sec ^{2} \theta \\ & \frac{r_{1} \gamma_{\mathrm{sat}}^{2}-r_{2} \gamma_{\mathrm{dry}}^{2}}{\left(2 r_{1}+1\right) \gamma_{\mathrm{sat}}^{2}-\left(2 r_{1}+1\right) \gamma_{\mathrm{dry}}^{2}} \end{aligned}$$b(\theta)=\frac{1}{2}-\frac{2}{\gamma_{\mathrm{sat}}^{2}} \sin ^{2} \theta-\left(1-\frac{\gamma_{\mathrm{dry}}^{2}}{2 \gamma_{\mathrm{sat}}^{2}} \sec ^{2} \theta\right) \frac{r_{2}}{1+2 r_{2}}$

式中:ΔF/F为界面位置处的Gassmann流体项反射系数; γ_dry、γ_sat分别为干岩石骨架和饱和岩石的纵横波速度比; Δμ/μ为剪切模量的反射系数。CONNOLLY^[31]提出了弹性波阻抗概念, 建立了叠前反射系数与弹性波阻抗之间的关系。借助这一思想, 公式(6)可以写成弹性波阻抗方程^[19]:

$I_{\mathrm{E}}(\theta)=(F)^{2 a(\theta)}(\mu)^{2 b(\theta)} $

(7)

采用WHITCOMBE^[32]弹性波阻抗正则化方法, 将公式(7)正则化, 形成如下公式:

$I_{\mathrm{E}}(\theta)=A_{0}\left(\frac{F}{F_{0}}\right)^{2 a(\theta)}\left(\frac{\mu}{\mu_{0}}\right)^{2 b(\theta)} $

(8)

式中:F₀、μ₀分别为Gassmann孔隙流体项与剪切模量的平均值; A₀为弹性阻抗正则化参数。从(8)式中可见, 弹性阻抗I_E(θ)与Gassmann流体项、剪切模量呈非线性关系, 增加了叠前地震直接反演的难度。将式(8)线性化, 两边取对数, 得到:

$\ln \frac{I_{\mathrm{E}}(\theta)}{A_{0}}=2 a(\theta) \ln \frac{F}{F_{0}}+2 b(\theta) \ln \frac{\mu}{\mu_{0}} $

(9)

式中:ln[·]表示自然对数运算。采样阻尼最小二乘算法求解公式(9)。双相介质理论与孔隙弹性理论的研究结果表明, Gassmann孔隙流体参数主要受岩石孔隙流体的影响, 对流体具有较高的敏感性; 剪切模量反映的是干岩石骨架的信息, 不受孔隙流体影响, 对流体的敏感性较差。分析可知, 公式(9)中包含了与孔隙流体相关的Gassmann孔隙流体参数以及与孔隙流体无关的剪切模量。研究区中剪切模量与孔隙流体性质无关, 对干岩石骨架及岩性具有较好的指示作用。图 6是S3井的剪切模量与流体因子的测井解释交会分析结果, 不同颜色代表孔隙流体类型差异。研究区内Gassmann流体项在油藏发育位置呈现异常低值现象, 可以作为目标工区的流体指示因子。

研究区三维地震资料中奥陶系目标层地震数据能量较弱(图 7a)。在储层段从S8井向断裂方向实施了侧钻, 以进一步评价次级断裂带储层发育及油气富集状况。基于该数据进行流体因子反演, 反演前需要做一系列目标处理, 以提高数据质量, 主要包括:超道集、叠前随机噪声衰减技术(RNA)去噪、非地表一致性校正、角道集转换等手段。获得的过S8井角道集如图 7b所示, 其最大入射角为26°。依据公式(9)开展基于两角度弹性阻抗的叠前地震流体因子直接反演, 得到的弹性阻抗反演结果如图 7c所示, 可以看到, 缝洞储层具有明显的低阻抗特征。图 7d中S8井含油储层发育位置的Gassmann流体项表现出异常低值, 与S8井实际测井解释结果相一致。该结果弱化了振幅异常高值对地震流体识别的影响, 同时验证了基于两角度弹性阻抗的叠前地震流体因子反演技术的稳定性。

2.4 油气综合识别

利用不同地震属性信息解释复杂地质问题时, 由于观测条件和测量精度等因素的限制, 使用单一地震属性信息参数解释地质现象往往存在多解性。多属性综合分析基于适合目标区地震地质条件的数学关系, 结合岩石物理分析、钻测井、地震数据多种信息, 可以减少预测的多解性, 提高复杂储层量化描述能力。本文采用基于最小二乘法的储层期望优化技术, 利用井点处有效属性的线性组合与钻时、测井油气解释等钻遇储层期望, 构建大型超定方程组并求解。分析计算权重系数的客观赋值对地震属性开展敏感性分析, 建立属性与目标预测参数的关联, 以达到属性优选与油气综合识别的目的。

对目标区域不同属性体, 如AVO属性分析、频散AVO反演、流体因子反演等, 通过线性组合得到输出结果。由此简化为一般数学问题, 已知函数y=φ(x), 在m个点x_i处的值y_i。

$p(x)=c_{0} \varphi_{0}(x)+c_{1} \varphi_{1}(x)+c_{2} \varphi_{2}(x) $

(10)

式中:c₀, c₁, c₂为待定常数; φ₀(x), φ₁(x), φ₂(x)为已知函数; p(x)为预测值。求公式(10)在S=$\sum\limits_{i=0}^{m}$[p(x_i)-y_i]²最小, 此时待定常数为各属性的权重值。方法步骤如下:①求出目标区各属性值; ②抽取每个属性以井点为中心有效半径内的各道, 然后抽取不同道在缝洞储层层段内的数值, 将所有值进行平均; ③对该平均值进行归一化处理; ④以各属性值为输入, 以该点的期望值为输出, 建立目标区m个方程组S=0, 利用最小二乘法求解待定常数; ⑤以该待定常数为系数, 对3个属性数据体进行加权求和, 获得最优属性值。研究区获得的地震属性权重系数见表 1。

图 8为过S1井多属性流体识别对比结果。S1井直井段储层岩屑录井油气显示为荧光, 未见工业气流; 斜井段测井解释为油层并顺利工业建产。图 8a为过井地震剖面, 图 8b、图 8c和图 8d分别是3种单一属性流体识别结果, 可以看出, 这3种属性对直井段、斜井段都识别为油气异常, 但对哪一段为工业建产段识别效果不佳。多信息储层预测可用的地震数据量大, 局部异常往往淹没在区域背景上, 还存在一些奇异值等问题, 因此在数据体融合后需要对融合体进行有效阈值判定(图 8e为融合体阈值大于0.315显示结果)。从图 8e中可以看出, 直井与斜井呈现明显的油气检测成果差异, 直井段异常弱且范围小, 斜井井底存在明显的油气检测融合体高值异常, 范围也相对较大, 融合数据体与工业建产结果一致。

3 应用效果分析

在多数据融合及阈值判定的基础上, 对工区每一口井位处的异常体积进行统计, 再以最大、最小能量之差做归一化处理, 将该结果与归一化后的每口井稳产日产量进行对比分析。图 9显示了研究区11口井归一化稳定日产量与地震综合识别异常体积交会结果, 图中黑色圆点为各井对应的归一化日产量为地震综合识别异常体积位置, 可以看出, 日产量与异常体积具有较好的正相关关系, S1C井能量最低, 随着异常体积的增大, 日产量快速升高, 之后日产量增长随异常体积增加而放缓。将这种关系用对数关系进行拟合, 图 9中黑色曲线为拟合曲线, 曲线公式为y=48.01×log₁₀(x+7.7)-50.41, 拟合决定系数为R²=0.771。研究过程中, S3井的加入较大程度上决定了拟合曲线形式, 但由于该井是研究区产量最高的一口重点井, 因而需要引入。从拟合结果中可以看到, 归一化地震综合识别异常体积与稳定日产量具有较高的相关性。由此可进一步证实多数据融合储层预测结果的可靠性。

4 结论与认识

本文针对塔河油田外围地区深层碳酸盐岩缝洞储层流体识别难题, 开展了基于叠前地震反演的碳酸盐岩缝洞储层的流体识别应用研究, 主要结论如下。

1) 研究区内的碳酸盐岩缝洞型含油气储层高产油井位置地震数据具有高截距、负高梯度特征, 放空井及高气油比井位置地震数据的截距与梯度幅值次之。不同产能井AVO曲线的差异表明了基于叠前地震反演的流体识别的可行性。

2) AVO属性分析、频变AVO地震反演、叠前地震流体因子反演等单一属性在碳酸盐岩缝洞储层流体识别中具有一定效果, 能较好反映地下储层油气富集程度及空间展布范围。研究认为:AVO属性分析流体识别效果依赖于详细的井旁道数据分析; 频散AVO反演应用效果的好坏取决于地震数据的频带宽度以及储层纵横波速度比分布范围, 频带越宽、速度比越集中, 应用效果越好; 基于两项式的流体因子反演能大幅度提高信噪比, 反演结果与实钻井吻合最好, 是深部储层流体识别的发展方向; 基于最小二乘的油气综合识别能将多种流体识别结果与钻时、油气解释结果相结合, 实现深部储层流体分布的半定量识别; 其应用效果提升的关键是找到合适的期望数据, 本文将钻时与油气解释作为期望数据, 获得的预测结果与稳定日产量相关性较高。

从应用结果来看, AVO属性分析是定性分析的基础; 流体因子反演能更好地识别油气区域, 是重要发展方向。同时需要基于前期实钻与地震数据综合分析, 通过多数据融合, 以提高识别可靠性。

致谢: 本文研究过程中, 得到中国石化石油物探技术研究院、中国石化西北石油分公司勘探开发研究院项目组的大力支持。本文撰写过程中, 中国石化石油物探技术研究院李弘、马灵伟、唐金良、胡华锋、刘婵娟等以及中国石油大学(华东)印兴耀教授给予了帮助。在此一并致谢。