岩性油气藏  2018, Vol. 30 Issue (2): 1-11       PDF    
×
薄砂体预测的地震沉积学研究方法
刘化清1, 苏明军1, 倪长宽1, 洪忠1, 崔向丽1, 胡凯峰1, 李政阳1, 毛俊丽2    
1. 中国石油勘探开发研究院 西北分院, 兰州 730020;
2. 甘肃省地矿局 第二地质矿产勘查院, 兰州 730020
摘要: 立足砂泥岩薄互层地质背景下厚度小于λ/4(λ为地震子波波长)的单砂体地震储层预测,按照精细地层划分→砂体平面形态分析→砂体厚度预测的研究流程,提出地震沉积学研究思路。除曾洪流等倡导的地震沉积学研究规范涉及的井-震高精度层序格架、地震岩性分析(地震子波相位调整)、地层切片制作等核心研究内容之外,认为以细分岩性为基础的压实校正及古地貌恢复、邻层干涉压制、井-震联动的地层切片浏览、非线性地层切片等技术可准确预测薄砂体平面形态。在精细地层划分方面,地震同相轴的等时性分析技术有助于优选与地质等时界面吻合的同相轴作为层序界面,而基于精细合成记录制作和时深转换的井-震精细对比,可以实现高级层序界面的识别和追踪解释。薄砂层厚度预测方面,除常用的振幅-厚度分析技术和峰值频率技术之外,认为振幅-频率融合和遗传化神经网络技术等综合地震属性预测方法同样可以实现对薄砂体厚度的半定量或定量预测。该方法对准确刻画薄互层中的单砂体具有指导意义。
关键词: 薄互层      单砂体      地震预测      地震沉积学      平面形态      厚度预测     
Thin bed prediction from interbeded background: Revised seismic sedimentological method
LIU Huaqing1, SU Mingjun1, NI Changkuan1, HONG Zhong1, CUI Xiangli1, HU Kaifeng1, LI Zhengyang1, MAO Junli2     
1. PetroChina Research Institute of Petroleum Exploration and Development-Northwest, Lanzhou 730020, China;
2. No.2 Geological & Mineral Exploration Institute, Gansu Geological and Mineral Bureau, Lanzhou 730020, China
Abstract: Predicting a thin bed ( < λ/4 in thickness, where λ is the length of waveform)from the interbedded background is a challenging work for the seismic interpreters. According to the working order from strata division through plane view to thickness prediction, a workflow was proposed by using seismic sedimentological method. Besides the high-order sequence dividing, seismic lithology analyzing (90° degree phasing)and the strata slicing proposed by Zeng Hongliu in their workflow, we emphasized the importance of the following techniques in promoting the accuracy of the thin bed plan-view prediction:(1)palaeogeomorphology recovering based on compaction correction with concern of different lithology; (2)interference suppressing of the neighboring beds; (3)browsing of strata slices linked with well-logs or drilling column; (4)non-linear strata slicing. When coming to the high-order sequence recognition, the isochronism analyzing of the seismic events and the well-seismic matching were recommended. The isochronism analyzing could help us to find the seismic reflections in accordance with the geological surfaces, and the well-seismic matching is useful for high-order sequence recognition. When concerning the thin bed thickness prediction, we firstly introduced two commonly used techniques, amplitude tunning and peak frequency, then proposed amplitude-frequency blending and genetic neural network as two new valuable techniques.
Key words: interbeded thin bed      single sand      seismic prediction      seismic sedimentology      plan view      thickness prediction     
0 引言

砂泥岩薄互层中的砂岩储层是陆相盆地油气勘探开发的重要对象,其单层厚度常常小于10 m,在松辽等大型坳陷盆地1~3 m的含油砂体十分普遍[1]。这些砂体的单层厚度远小于三维地震资料的纵向分辨率极限λ/4(λ为地震子波长度),很难以独立"同相轴"的方式显示在地震剖面中。前人在该问题上探索出多种方法,如:时间域的相关技术有地震非线性随机反演[2]、地质统计学反演[3-5]和基于波阻抗数据体的岩性参数反演[6]等,频率域的相关技术有反射系数反演[7]、频谱加强[8-9]、频谱分解[10-11]和基于频谱分解的RGB融合技术[12]等。这些方法在发掘地震同相轴中的薄层信息上取得了一定效果,但大多未能实现对单砂体的平面成图,因此,难以满足薄互层砂岩油气藏勘探开发的需求。

Zeng等[13-16]创新性地提出了地震沉积学理论方法,包括:①利用沉积体的平面分布尺度远远大于其纵向厚度的普遍自然规律,使用地层切片技术,利用三维地震资料的水平分辨率来预测薄储层,突出了预测薄砂体平面形态;②通过在相对地质年代域(Wheeler域)上下浏览地层切片、分析砂体波形变化的方式来消除砂泥岩薄互层中相邻砂体地震子波相互干涉,确定单砂体的平面分布;③提出了陆相坳陷盆地地震沉积学研究规范和11个研究步骤。该方法为砂泥岩薄互层中单砂体平面形态的准确预测提供了全新的研究思路。

追求严格意义上的等时沉积界面的沉积信息、获取薄互层沉积背景下单砂体的准确影像仍是地震沉积学工作的难题。因此,如何尽可能获取等时沉积界面上的沉积信息,如何更加准确地预测单砂体的平面分布模式,如何定量或半定量预测砂体的厚度便成为地震沉积学研究的方向。立足砂泥岩薄互层地质背景下单砂体地震储层预测,按照精细地层划分→砂体平面形态分析→砂体厚度预测的研究流程提出了一种新的技术方法,包括基于压实校正的古地貌恢复、邻层干涉压制、井-震联动的动态沉积分析、非线性地层切片、薄层厚度预测等内容,以期更加客观准确地刻画薄互层中的单砂体。

1 精细地层格架建立

只有研究单元尽可能细分,才能保证地层切片位置与目标砂体的沉积时间界面相吻合。利用层序地层学中层序界面(SB)、初始湖泛面(FFS)和最大湖泛面(MFS)识别方法,井-震结合识别三级和四级层序界面,划分出四级层序(低位、水进及高位体系域),而五级层序边界识别与追踪可通过井-震精细对比来实现[15],其关键点在于做好测井声波时差曲线(AC)的校正和制作精细的声波合成记录,以保证时-深转换的准确性,以便把井资料中五级以上层序界面标定到地震剖面上,实现地震资料的五级层序界面识别与追踪。另一种借助测井标定下的多频信息合成来实现,即采用RGB混频显示技术在单张剖面中显示多个单频体的信息,以突出层序边界[17]

全层位追踪解释技术可用于识别地震剖面上的隐蔽层序界面[18]。追踪目的层段所有地震同相轴并分析同相轴之间的接触关系,发现隐蔽的上超、下超、削截、侵蚀等反射终止现象,进而识别高级层序界面。为提高追踪解释效率,可通过构建地震道间的成本函数,实现全层位自动追踪[19]

以地震反射倾角扫描为基础的地震同相轴等时性分析技术对确定同相轴是否等时有一定帮助[20]。其方法是将原始地震数据体分解为低频和高频2个数据体,分别扫描其地震反射倾角,计算二者的倾角差,形成倾角差数据体,然后将倾角差数据体与原始地震数据体进行融合显示。在融合显示剖面上没有倾角差的同相轴对应地质等时界面,并可作为层序界面使用。

2 单砂体平面形态分析 2.1 古地貌恢复与物源分析 2.1.1 基于压实校正的沉积厚度恢复

查明目标层沉积时期的古地貌对全面掌握沉积物从源区经过输砂沟道再到沉积卸载区的全过程具有重要意义,更是预测盆地内沉积体系和储层分布的重要手段。

厚度法恢复古地貌只适用于研究尺度比较大的地层单元,或沉积中心和沉降中心相统一的沉积单元。在连续沉积或者不存在明显角度不整合的地层中,目的层的原始沉积厚度可以近似反映沉积时期的古地貌特征,沉积厚度大的地区通常为古地貌低的地区[21-24]。在生产实践中,解释人员常常将解释出的目的层厚度直接当作沉积地层厚度对待,进行三维显示后作为古地貌图应用。实际上,由于富砂沉积物和富泥沉积物的抗压能力存在较大差异,在经历沉积期后的压实成岩作用之后,富泥地层较富砂地层具有更大的压实率,因而开展压实校正恢复是正确恢复古地貌的必要手段。

在进行砂泥岩地层压实校正时,通常将岩石类型简单地分为砂岩和泥岩2种,不同地区的砂岩和泥岩根据经验采用不同的压实率值,分别计算砂岩和泥岩的原始沉积厚度,二者的值相加便视为地层的原始沉积厚度[25-27]。实际上,陆相湖盆中的沉积类型较多,除比较纯净的砂岩和泥岩外,还有粉砂岩、泥质粉砂岩、粉砂质泥岩等过渡岩类,在断陷盆地中含砾砂岩、砾岩等也是常见类型;在我国白垩系、古近系等沉积盆地中,通常还发育湖相碳酸盐岩、钙质砂岩、混积岩(碳酸盐组份和陆源碎屑的混合沉积)。不同岩石类型由于骨架组份、骨架颗粒大小、填隙物成分的差异,在埋藏成岩过程中即使经历相同的上覆地层压力,而压实率是不同的。因而,在原始地层厚度恢复过程中,尽可能细分岩石类型,分别利用各自的泥质含量、原始孔隙度计算压实率,所得到的原始地层厚度要比单纯考虑砂岩和泥岩2种岩石类型恢复地层厚度的精度高[28]。以某凹陷为例,A井和B井沙二段现今地层厚度近似[图 1(a)],貌视地形平坦,A井区和B井区地势高低接近,但A井更加富泥,经细分岩性压实校正后,其厚度要大于B井[图 1(b)],以此恢复古地貌后,A井区表现为低势区,可判断为湖盆中心,地势明显低于B井区。古地貌特征与沉积单元分布特征具有良好的耦合关系。

下载eps/tif图 图 1 古地貌恢复结果对比(根据文献[27]修改) Fig. 1 Recovered palaeogeomorphic thickness

至于具有三层结构的三角洲沉积的古地貌(古水深)恢复,可采用滨线轨迹法[29-30]。该方法采用回剥法和正演法相结合的思路获取不同点原始沉积物厚度和相应的可容纳空间。三角洲平原为补偿区,其原始厚度等于可容纳空间增量;三角洲前缘和前三角洲为欠补偿区,其古水深等于可容纳空间的增量与原始沉积厚度之差。

2.1.2 物源分析

薄储层预测须要在宏观地质背景指导下进行。利用岩心分析化验得到的轻、重矿物及稀土元素资料有助于掌握盆地尺度或者更大区域的物源和沉积体系分布格局[31]。利用三维地震资料针对四级以上层序开展地震属性分析则可以对钻井地质分析得到的沉积体系进行细化。当然,地震属性分析所使用的地震数据体最好是已经具有明确地质含义的数据体,如:90°相位化数据体、波阻抗或者岩性数据体等。或者用钻井资料标定地震属性,明确其沉积岩性意义后再转成沉积体系分布图。

2.2 地震岩性分析

将3D地震数据体转换成具有明确地质含义的岩性数据体是开展沉积体平面形态预测的必要手段。在砂岩和泥岩波阻抗差较大的情况下,对原始地震数据体进行90°相位化处理是将地震数据体赋予地质含义的捷径[15]。经过90°相位化处理后,同相轴的波峰或者波谷就会与砂岩具有较好的对应关系,这样的剖面可以近似当作岩性剖面,然而,由于受到气候、物源频繁变化的影响,陆相盆地内部常常会出现多种岩石类型共存的现象,其中部分沉积类型(湖相碳酸盐岩)的波阻抗特征与砂岩非常接近,这种情况下,无论是90°相位化的地震剖面还是波阻抗反演数据体均难以将砂岩储层从这些岩石中正确地识别出来。此时,以波阻抗数据体为基础,开展岩性参数反演将变得十分必要[7, 32]

2.3 地层切片及切片动态浏览 2.3.1 地层切片制作

利用经过90°相位化处理的或其他具有明确岩性特征的地震数据体,在尽可能细分的沉积单元内,在排除角度不整合、前积反射等明显不规则反射存在的前提下,以目标砂层所在的沉积单元的顶、底分别作为参考标志层,在其间等比例内插生成一系列层位,形成地层切片系列[15]。抽取过目标砂体及其附近的1组地层切片进行分析,选取沉积模式完整清晰的切片代表目标砂体所在位置,在钻井精细标定下得到该砂体的平面分布。

尽管钻井标定地震过程中的细微误差不影响对砂层组等宏观沉积体系的认识及构造图制作,但对薄储层而言,几米的标定误差足以引起对砂体实际位置的误判;同时由于相邻砂体形成的地震反射相互干涉的原因,严格过砂体中心的地层切片有时并不一定代表该砂体的真实位置,或者是预测的砂体范围不准确,因此,需要抽取过目标砂体及其附近的几张切片进行研判。

2.3.2 井-震联动的地层切片浏览

以目标层位置为中心,动态浏览其上、下地层切片,仔细观察代表目标砂体的最大振幅在不同切片上的形态特征,有时候其邻近几张切片上的沉积现象综合起来很可能才是目标砂体的完整分布形态。Zeng[16]倡导利用地层切片序列恢复单砂体的地震子波波形,从而落实单砂体的空间位置以及相邻砂体的叠置样式。

动态浏览切片可以全面地把握沉积单元内目标沉积体及其相邻沉积体的纵向演化变迁规律,掌握它们在不同时期平面位置、发育规模的变化。通过了解这些纵横向变化,并与现代沉积模式类比,便可以分析地层切片对目标砂体刻画的合理性。

在动态浏览切片的过程中,用钻井资料(测井、录井)实时标定地层切片上不同颜色代表的岩石类型(在岩性复杂地区相同颜色可能代表不同的岩石类型),对于正确把握目标砂体的平面分布十分重要。井-震联动动态沉积分析技术有助于及时动态掌握地层切片上不同区域的岩性信息,提高了解释效率(图 2)。

下载eps/tif图 图 2 测井与地层切片联动显示 Fig. 2 Linked display of well-log and stratal slice
2.4 非线性地层切片分析

当砂层中心点对应的地层切片揭示的沉积现象不能代表该砂体的全貌时,以其中最具代表性的切片为基础,然后将相邻切片上的信息投影到这张图上,从而综合反映沉积体的全貌。

采用非线性地层切片技术可以减少工作量[33-34],其流程是:当发现地层切片上某区域的沉积现象不完整或者与沉积模式不吻合时,可以将这一区域圈定,然后以当前地层切片位置为中心,在圈定区域内采用钟形函数或者椭圆函数局部提取相邻切片的振幅形成一系列非线性地层切片,通过上、下扫描最终确定符合沉积规律的地层切片。

以钟形函数为例,其表达式为

$ t\left( {x, y, i} \right) = {t_0}\left( {{t_{\max }} - {t_i}} \right){{\rm{e}}^{ - \frac{{r\left( {x, y} \right)}}{{{m_i}}}}} $ (1)

式中:t(xyi)为坐标(xy)在第i个非线性地层切片的时间值;t0为目标地层切片的时间值;tmax为设置的非线性地层切片的最大值;ti为第i个非线性地层切片的最大值,表达式为ti = tmax -di,其中i为第i个切片,d为设置的非线性地层切片的变化间隔;r(xy)为坐标(xy)到中心点坐标(x0y0)的距离,$ r\left( {x, y} \right) = \sqrt {{{\left( {x - {x_0}} \right)}^2} + {{\left( {y - {y_0}} \right)}^2}} $$ {m_i} = \frac{{ - {r^2}}}{{\ln \left( {\frac{1}{{{t_{\max }} - {t_i}}}} \right)}} $,其中r为坐标(xy)与中心点坐标(x0y0)所成直线与椭圆的交点(xmym)到中心点坐标(x0y0)的最大半径,$ r = \sqrt {{{\left( {{x_{\rm{m}}} - {x_0}} \right)}^2} + {{\left( {{y_{\rm{m}}} - {y_0}} \right)}^2}} $;坐标(xy)满足|x| < |xm|和|y| < |ym|。

非线性地层切片可以快速修正由于地层切片穿时引起的河道中断、扇体缺失等不符合沉积现象的问题,通过钻井岩心、测井或录井资料的进一步标定,得到目的层段的沉积微相图或者目标砂体的平面分布图。图 3中对白色线条圈定的区域进行了非线性处理,使隐藏的河道连续完整地显示,这样更符合地质规律。

下载eps/tif图 图 3 常规地层切片(a)与非线性地层切片(b)对比 Fig. 3 Comparison between conventional stratal slice(a)and nonlinear stratal slice(b)
2.5 邻层干涉压制

当薄互层砂体之间的泥质隔夹层薄到一定程度(比如小于λ/8)时,多个薄砂层靠得很近,邻层地震反射产生强烈干涉,难于准确识别目标砂层的平面轮廓。解释员会尝试用分频处理技术来解决问题,根据目标砂层的厚度计算调谐频率,分析调谐频率的数据体在精细地层格架内的地层切片。实际上,受原始地震资料有效带宽的制约,调谐频率往往很难达到。例如:当砂层厚度为10 m、速度为为4 000 m/ s时,计算的调谐频率为100 Hz,显然,目前的地震资料难以满足这样的要求。

正演模拟显示:在砂泥岩薄互层情况下,低频地震资料有时反而可以减少相邻薄砂层的干涉,能够增强目标砂层的振幅(图 4),且不同砂层对应的最小干涉频率(能够突出目标砂体的频率)不同,这与砂层本身及上下泥岩隔夹层的厚度有关。按照地震波的干涉理论,在没有邻层干涉及围岩速度相等的情况下,薄层中心应对应于90°相位地震数据体的最大振幅;在有邻层干涉的情况下,薄层中心会偏离最大振幅。若能够使薄层中心接近最大振幅,表明此时的邻层干涉最弱。寻找目标砂层最小干涉频率的有效办法是利用井点时频谱寻找与该砂层位置对应的最大振幅,该最大振幅对应的频率值即为最小干涉频率[35]

下载eps/tif图 图 4 原始地震资料与分频资料地层切片效果对比 (a)原始地震资料主频为40 Hz;(b)过井地震剖面,油层厚度为6 m,上覆砂体厚度为8 m,二者之间的泥岩厚度不足5 m,地震剖面上2个砂体只对应1个同相轴;(c)原始震幅数据油层位置地层切片,强振幅并不完全是砂体;(d)分频(20 Hz)地层切片,强振幅为储层发育区 Fig. 4 Comparison of stratal slices of 3D original seismic and that of frequency decomposition
2.6 砂体边界识别与制图

当得到比较满意的地层切片图像后,根据目的层段的沉积模式,区分不同颜色的区域,采用岩性符号或者沉积相符号,充填不同岩性或沉积微相对应的区域制作岩相分区图或者沉积微相图;勾绘砂体边界,统计砂体的面积,结合构造图圈定构造-岩性圈闭的范围。

在沉积环境复杂的地区,可能存在砂体与其他沉积物(湖相碳酸盐岩)波阻抗值接近的情形,此时要充分利用已钻井资料,结合沉积环境和古地貌恢复成果,进一步标定地层切片上不同的属性值,明确各自代表的岩石类型,圈定岩性分区界限。必要时,应开展以波阻抗数据体为基础的岩性参数反演,然后再制作地层切片,确定不同岩性的边界[7, 31]

3 薄储层厚度预测

储层厚度是圈闭评价的必要参数,而薄互层砂体一般难以通过波阻抗反演等技术手段获取单砂体的厚度。现有的方法分3类:①时间域:利用薄层反射振幅与厚度的关系进行定量计算;②频率域:根据频谱的特征预测薄层厚度;③属性综合预测:利用地震属性采用非线性反演方法综合预测薄层厚度[36]

3.1 时间域方法

振幅-厚度关系法直接在时间域实现,是薄层厚度预测的常用方法。Widess[37]发现,在储层厚度小于调谐厚度(λ/4)时,振幅和薄层厚度之间存在近似的线性关系。该方法适用于只有2种岩性、二者的波阻抗值相差明显、且钻井多的探区。

该方法普遍应用于砂泥岩薄储层厚度预测[38-39]。曾洪流等[15]利用该方法成功预测松辽盆地白垩系嫩江组厚度只有1 m(λ/64)的薄砂层。其做法是,在完成精细井-震合成记录标定后,大量统计钻穿目的层段的砂岩厚度及其对应井旁地震道的振幅值,制作振幅-厚度调谐曲线,拟合二者之间的关系式,再用该关系式将目标砂层对应的地层切片或振幅属性图转换成厚度图。

3.2 频率域方法

利用频率属性分析预测薄层厚度的方法较多,有调谐频率[40]、峰值频率[41]、瞬时频率[42-43]和频谱主成分分析[44]等。地震峰值频率通常与薄层厚度具有较好相关性[41],因而得以较广泛应用。孙鲁平等[36]通过模拟研究,构建了薄层地震峰值频率与厚度关系的量板。当薄层顶、底反射系数同号(递变型薄层)时,峰值频率随薄层厚度的减小基本都呈现逐渐增大的趋势,但当薄层顶、底反射系数异号(韵律型薄互层)时,地震峰值频率随薄层厚度的减小呈先增大后减小的特征。

利用地震峰值频率计算薄层厚度的优势是无需已知目标砂体顶、底反射系数的绝对大小,但由于地震峰值频率随薄层厚度的减小并没有线性相关关系,即相对于振幅-厚度之间的线性关系而言不够直接。同时,应用该方法时须要考虑子波类型和子波峰值频率的影响。不同子波对薄层调谐引起的频率变化特征不同,子波的峰值频率越高,薄层调谐的频率变化越明显[36]

3.3 属性综合预测方法

属性综合预测方法是综合利用不同地震属性的优点,采用非线性计算的方式预测薄层砂岩厚度的一种方法[45]。研究发现,振幅-频率融合技术和遗传化神经网络方法可以定量或半定量预测薄层砂岩厚度。

3.3.1 振幅-频率融合技术

振幅属性和频率属性在预测薄储层方面均具有一定优势,可将二者相结合综合预测薄储层厚度。可尝试将振幅与频率属性通过二维色标显示的方式,融合成1张图像。它不仅清晰地显示了砂体的平面分布面貌,还能揭示储层厚度的横向变化趋势。以某工区为例,振幅属性图清楚地揭示了3支重力流水道的轮廓特征,但与振幅值与砂体厚度之间的关系不明显,如q8和q6井钻穿的单砂层厚度分别为2 m和15 m,但对应的振幅关系相反[图 5(a)]。用峰值频率属性的地层切片却显示峰值频率与砂层厚度呈现较好的负相关,即q8井区较q6井区具有较低的频率值[图 5(b)]。将其进行二维色标融合成多属性图,既较好地揭示了3条水道的轮廓特征,还得到了砂岩厚度的变化趋势[图 5(c)]。

下载eps/tif图 图 5 单属性及振幅-频率融合显示地层切片对比图 (a)振幅属性;(b)峰值频率属性;(c)振幅-峰值频率融合;(d)(c)图的二维色标 Fig. 5 Stratal slice from fused attributes cube of amplitude, frequency and the 2D color code

该方法从显示的角度提高了薄砂体的成像精度,可使在单一的振幅或频率属性切片上显示比较模糊的沉积体和厚度趋势清晰可辨。

3.3.2 遗传化神经网络技术

人工神经网络技术具有优越的非线性模式识别性能和很强的自组织、自学习能力,尽管神经网络结构没有系统的方法来设计,主要依赖于研究人员的经验,一些学者[45-47]用该方法在储层厚度预测上也取得了良好效果,而遗传算法可把结构优化问题转化为生物进化过程,通过各种进化方式来获得结构优化的最优解。本文采用遗传化神经网络算法,优选峰值振幅、积分能谱等与厚度相关性较好的属性参数,预测薄砂层的厚度。其做法是,输入井点处的薄砂体厚度数据和过该砂体的多属性地层切片,完成井点数据筛选并组成训练样本,进行自组织学习和厚度转换,最后输出具有厚度意义的地层切片,完成砂体厚度定量预测。该方法选用了与钻遇砂体厚度有关的多个属性进行综合分析,在一定程度降低了多解性。例如:峰值振幅[图 6(a)]和积分能谱[图 6(b)]均较好地揭示了条带状砂体的分布,但采用遗传化神经网络算法对二者进行非线性计算及厚度转换后,不但砂岩平面分布轮廓更加清晰,砂体厚度预测结果与钻井数据吻合度也更好[图 6(c)]。

下载eps/tif图 图 6 单属性地层切片及遗传化神经网络算法得到的砂岩厚度 (a)峰值振幅;(b)积分能谱;(c)通过神经网络算法得到的砂岩厚度图,井点处的分数为:钻遇砂岩厚度/预测砂岩厚度;(d)连井地震剖面 Fig. 6 Stratal slice of single attribute and sandstone thickness based on genetic neural networks

综上所述,有关砂泥岩薄互层中单砂体平面形态及厚度定量预测的地震沉积学研究方法可以系统总结为一下技术流程(图 7)。

下载eps/tif图 图 7 单砂体地震沉积学研究技术流程 Fig. 7 Work flow of thin bed prediction by seismic sedimentology
4 结论

(1) 地震同相轴等时性分析技术有助于选择等时性较好的同相轴作为高级层序边界以及地层切片的控制层位。基于精细合成记录制作和时深转换的井-震精细对比,及RGB混频显示可以实现高级层序界面的识别与追踪。

(2) 地层切片是预测单砂体平面形态非常有效的技术手段,须要注意的细节有:首先开展基于不同岩性的压实校正,恢复古地貌,查明砂体分布的地质背景;然后在等时地质层位控制下,采用井-震联动的地层切片浏览、非线性地层切片等技术综合分析目标砂体的平面形态。当目标砂体受到上、下其他砂体的地震子波严重干涉时,可以用分频处理寻找能突出其最大能量的频段,然后再进行地层切片。

(3) 利用叠后三维地震资料定量预测薄砂层厚度有效的方法包括振幅-厚度关系法(厚度调谐曲线)、峰值频率法、以及多属性综合预测方法。致谢:非常感谢美国德克萨斯大学奥斯丁分校曾洪流博士多年来对笔者开展地震沉积学研究给予的指导和帮助。

致谢

非常感谢美国德克萨斯大学奥斯丁分校曾洪流博士多年来对笔者开展地震沉积学研究给予的指导和帮助。

参考文献
[1]
李艳丽, 楚泽涵, 岳兴举. 葡西地区葡萄花油层定量识别与评价方法. 测井技术, 2002, 26(5): 379-382.
LI Y L, CHU Z H, YUE X J. Quantitative identification and evaluation of Putaohua reservoir. Well Logging Technology, 2002, 26(5): 379-382.
[2]
黄捍东, 张如伟, 魏世平. 地震非线性随机反演方法在陆相薄砂岩储层预测中的应用. 石油学报, 2009, 30(3): 386-390.
HUANG H D, ZHANG R W, WEI S P. Research on application of seismic nonlinear random inversion to reservoir prediction in the thin sandstone of continental deposits. Acta Petrolei Sinica, 2009, 30(3): 386-390. DOI:10.7623/syxb200903011
[3]
侯斌, 陈波, 薄永德, 等. 基于地质统计学反演的薄互砂岩储层预测——以高邮凹陷刘五舍次凹为例. 复杂油气藏, 2016, 9(4): 12-15.
HOU B, CHEN B, BO Y D, et al. Prediction of sandstone reservoir with thin interbeds based on geostatistics inversion:Liuwushe sub-depression in Gaoyou Sag is taken as an example. Complex Hydrocarbon Reservoirs, 2016, 9(4): 12-15.
[4]
李莉. 江陵凹陷南斜坡新沟嘴组下段薄互层滩坝砂储层预测技术. 海洋地质前沿, 2016, 32(12): 46-53.
LI L. Prediction technique for interbeded thin reservoir of beach bar facies on southern slope of Jiangling. Marine Geology Frontier, 2016, 32(12): 46-53.
[5]
DUAN X Y, LI Y, TAN H H, et al. Applications of facies-control geostatistical inversion in development stage of oilfield:a case study from Bohai Bay. SEG Technical Program Expanded, 2017, 3209-3213.
[6]
WEI P S, SU M J. Methods for seismic sedimentology research on continental basins. Petroleum Science, 2015, 12(1): 67-80. DOI:10.1007/s12182-014-0002-9
[7]
CHOPRA S, XU Y, CASTAGNA J. Thin-bed reflectivity inversion and seismic interpretation. SEG Technical Program Expanded, 2007, 1923-1927.
[8]
COUNTISS M L. Frequency-enhanced imaging of stratigraphically complex, thin-bed reservoirs:a case study from South Marsh Island Block 128 Field. The Leading Edge, 2012, 21(9): 826-836.
[9]
PATON G, NUNEZ J, SUTTON K. Thin beds:Seismic analysis workflows to extract hidden events. SEG Technical Program Expanded, 2011, 956-959.
[10]
PARTYKA G, GRIDLEY J, LOPPEZ J. Interpretational applications of spectral decomposition in reservoir characterization. The Leading Edge, 1999, 18(3): 353-360. DOI:10.1190/1.1438295
[11]
ARTHUR E B, LARRY F, KENNY L. Improving frequency domain thin bed analysis. SEG International Exposition and 74 th Annual Meeting, Denver, Colorado, 2004.
[12]
ZENG H L. RGB blending of frequency panels:a useful tool for high-resolution 3D stratigraphic imaging. SEG Technical Program Expanded, 2017, 2003-2007.
[13]
ZENG H L, HENTZ T F. High-frequency sequence stratigraphy from seismic sedimentology:Applied to Miocene, Vermilion Block 50, Tiger Shoal area, offshore Louisiana. AAPG Bulletin, 2004, 88(2): 153-174. DOI:10.1306/10060303018
[14]
曾洪流. 地震沉积学在中国:回顾和展望. 沉积学报, 2011, 29(3): 417-426.
ZENG H L. Seismic sedimentology in China:a review. Acta Sedimentologiea Sinica, 2011, 29(3): 417-426.
[15]
曾洪流, 朱筱敏, 朱如凯, 等. 陆相坳陷型盆地地震沉积学研究规范. 石油勘探与开发, 2012, 39(3): 275-284.
ZENG H L, ZHU X M, ZHU R K, et al. Guidelines for seismic sedimentologic study in non-marine post-rift basins. Petroleum Exploration and Development, 2012, 39(3): 275-284.
[16]
ZENG H L. Predicting geometry and stacking pattern of thin beds by interpreting geomorphology and waveforms using sequential stratal-slices in the wheeler domain. Interpretation, 2015, 3(3): SS49-SS64. DOI:10.1190/INT-2014-0181.1
[17]
SU M J, YUAN C, HONG Z. Building high-resolution sequence framework by jointly using well logging and seismic data. SEG Technical Program Expanded, 2017, 1950-1954.
[18]
ZHONG G F, LI Y L, WU F R, et al. Identification of subtle seismic sequence boundaries by all-reflector tracking method. SEG Technical Program Expanded, 2010, 1545-1549.
[19]
PAUGE T F, LACAZE S, VALDING T. A global approach in seismic interpretation based on cost function minimization. SEG Technical Program Expanded, 2009, 2592-2596.
[20]
陈启林, 苏明军, 张兆辉. 一种地震反射同相轴等时性的确定方法及系统. 中国: ZL 2013103495336. 2015. 12. 09.
CHEN Q L, SU M J, ZHANG Z H. A method and system for isochronous interface determining on seismic profile. China: ZL 2013103495336. 2015. 12. 09.
[21]
赵俊兴, 陈洪德, 时志强. 古地貌恢复技术方法及其研究意义——以鄂尔多斯盆地侏罗纪沉积前古地貌研究为例. 成都理工学院学报, 2001, 28(3): 260-266.
ZHAO J X, CHEN H D, SHI Z Q. The way and implications of rebulding palaeogeomorphology-Taking the research of palaeogeomorphology of the Ordos Basin before Jurassic deposition as example. Journal of Chengdu University of Technology, 2001, 28(3): 260-266.
[22]
姜正龙, 邓宏文, 林会喜, 等. 古地貌恢复方法及应用——以济阳坳陷桩西地区沙二段为例. 现代地质, 2009, 23(5): 865-871.
JIANG Z L, DENG H W, LIN H X, et al. Methods and application of paleo-geomorphologies rebuilding:an example of the second member of Shahejie Formation, Zhuangxi area, Jiyang Depression. Geoscience, 2009, 23(5): 865-871.
[23]
庞军刚, 杨友运, 李文厚, 等. 陆相含油气盆地古地貌恢复研究进展. 西安科技大学学报, 2013, 33(4): 424-428.
PANG J G, YANG Y Y, LI W H, et al. Study development of palaeogeomorphology reconstructions in continental facies hydrocarbon basin. Journal of Xi'an University of Science and Technology, 2013, 33(4): 424-428.
[24]
尹帅, 赵威, 范子宜. 沁水盆地南部地区古构造恢复及其油气意义. 岩性油气藏, 2017, 29(6): 43-50.
YIN S, ZHAO W, FAN Z Y. Paleo-tectonic restoration in southern Qinshui Basin and its hydrocarbon significance. Lithologic Reservoirs, 2017, 29(6): 43-50.
[25]
卲新军, 刘震, 崔文富. 沉积盆地地层古埋深的恢复. 石油勘探与开发, 1999, 26(3): 33-35.
SHAO X J, LIU Z, CUI W F. Restoration of the paleo-burial depth of strata in deposition basin. Petroleum Exploration and Development, 1999, 26(3): 33-35.
[26]
刘震, 卲新军, 金博, 等. 压实过程中埋深和时间对碎屑岩孔隙度演化的共同影响. 现代地质, 2007, 21(1): 125-132.
LIU Z, SHAO X J, JIN B, et al. Coeffect of depth and burial time on the evolution of porosity for classic rocks during the stage of compaction. Modern Geoscience, 2007, 21(1): 125-132.
[27]
冯磊, 吴伟. 井震结合古地貌恢复方法及应用——以辽河滩海西部地区沙一段为例. 物探化探计算技术, 2012, 34(3): 326-329.
FENG L, WU W. Methods and application of paleotopography reconstruction by integration well data with seismic data. Computing Techniques for Geophysical and Geochemical Exploration, 2012, 34(3): 326-329.
[28]
HONG Z, SU M J, LIU H Q, et al. Clastic compaction unit classification based on clay content and integrated compaction recovery using well and seismic data. Petroleum Science, 2016, 13: 685-697. DOI:10.1007/s12182-016-0129-y
[29]
HELLAND-HANSEN W, HAMPSON G J. Trajectory analysis:Concepts and applications. Basin Research, 2009, 21: 454-483. DOI:10.1111/bre.2009.21.issue-5
[30]
康波, 解习龙, 杜学斌, 等. 基于滨线轨迹的古水深定量计算新方法——以古近系沙三中段东营三角洲为例. 沉积学报, 2012, 30(3): 443-449.
KANG B, XIE X L, DU X B, et al. A new paleobathymetric approach based on shoreline trajectory:an example from Dongying delta in the third member of Paleogene Shahejie Formation. Acta Sedimentologica Sinica, 2012, 30(3): 443-449.
[31]
刘化清, 李相博, 陈启林, 等. 鄂尔多斯盆地延长组若干石油地质问题. 北京:科学出版社, 2013.
LIU H Q, LI X B, CHEN Q L, et al. Some petroleum geologicical problems of the Triassic Yanchang Formation, Ordos Basin. Beijing:Science Press, 2013.
[32]
SU M J, WANG X W, YUAN S Q. Seismic sedimentologic analysis and its application in areas with complex lithology-Case study on Qibei Sag in Huanghua Depression. SEG Technical Program Expanded, 2013, 1435-1439.
[33]
ZENG H. Seismic imaging for seismic geomorphology beyond the seabed: potentials and challenges // Davies R J, POSAMENTIERH W, WOOD H W, et al. Seismic geomorphology: Applications to hydrocarbon exploration and production. Geological Society of London, 2007, 277: 15-28.
[34]
倪长宽, 苏明军. 一种非线性等时地层切片的确定方法及系统. 中国: ZL 201310346874. 8. 2016. 12. 28.
NI C K, SU M J. A method and system for non-linear stratal slicing. China: ZL 201310346874. 8. 2016. 12. 28.
[35]
NI C K, LIU H Q, SU M J, et al. Thin bed prediction using lowfrequency slicing:Theory and application. CGS/SEG International Geophysical Conference, Qindao, 2017.
[36]
孙鲁平, 郑晓东, 首皓, 等. 薄层地震峰值频率与厚度关系研究. 石油地球物理勘探, 2010, 45(2): 254-259.
SUN L P, ZHENG X D, SHOU H, et al. The studies on relationship between thin layer seismic peak frequency and its thickness. Oil Geophysical Prospecting, 2010, 45(2): 254-259.
[37]
WIDESS M B. How thin is thin bed?. Geophysics, 1973, 38(6): 1176-1180. DOI:10.1190/1.1440403
[38]
ZENG H L, ZHU X M, ZHU R K, et al. Seismic analysis of very thin beds:which attribute to use?. SEG Technical Program Expanded, 2012, 1-5.
[39]
ZHAO W Z, ZOU C N, CHI Y L, et al. Sequence stratigraphy, seismic sedimentology, and lithostratigraphic plays:Upper Cretaceous, Sifangtuozi Area, southwest Songliao Basin, China. AAPG Bulletin, 2011, 95(2): 241-265. DOI:10.1306/06301009125
[40]
ZENG H L, MARFURT K J. Recent progress in analysis of seismically thin beds. Interpretation, 2015, 3(3): SS15-SS22. DOI:10.1190/INT-2014-0232.1
[41]
CHUNG H M, DON C. LAVVTON, Frequency characteristics of seismic reflections from thin beds. Canadian Journal of Exploration Geophysics, 1995, 31(1/2): 32-37.
[42]
ROBERTSON J D, NOGAMI H H. Complex seismic trace analysis of thin beds. Geophysics, 1984, 49(49): 344-352.
[43]
ZENG H L. Thin-bed detection and correlation with instantaneous frequency. SEG Technical Program Expanded, 2010, 1292-1296.
[44]
ZHOU J, CASTAGNA J, ZHOU J, et al. Seismic thickness delineation using spectral principal component analysis:Theory and a synthetic turbidite example. SEG Technical Program Expanded, 2017, 3158-3162.
[45]
黄真萍, 王晓华, 王云专. 薄层地震属性参数分析和厚度预测. 石油物探, 1997, 36(3): 28-38.
HUANG Z P, WANG X H, WANG Y Z. Parameter analysis of seismic attributes and thickness prediction for thin bed. Geophysical Prospecting for Petroleum, 1997, 36(3): 28-38.
[46]
刘力辉, 常德双, 殷学军, 等. 人工神经网络在预测储层中的应用. 石油地球物理勘探, 1995, 30(增刊1): 90-95.
LIU L H, CHANG D S, YIN X J, et al. Artificial neural network used in reservoir predicting. Oil Geophysical Prospecting, 1995, 30(Suppl 1): 90-95.
[47]
丁翠平, 雷安贵. 岩性油藏预测技术. 石油勘探与开发, 1999, 26(1): 6-9.
DING C P, LEI A G. Technology for predicting lithological oil pools. Petroleum Exploration and Development, 1999, 26(1): 6-9.