地質統計學反演在四川盆地L地區儲層預測中的應用

韓 翀,臧殿光,李建華

(1.成都理工大學 能源學院,成都 610059;2.中國石油東方地球物理公司,涿州 072751)

0 前言

地質統計學反演方法在現今的儲層預測中應用廣泛,它由Haas[1]于1994年提出,Dubrule[2]和Rothman[3]加以發展。地質統計學反演技術是將隨機模擬的思想引到地震反演中,以地震數據做約束,用隨機模擬算法得出其它屬性數據體,實現儲層預測(如圖1所示)。該方法兼顧了地震數據的橫向分辨率與測井數據的縱向分辨率,以地層確定性反演導出的聲阻抗作為輸入,并建立阻抗與儲層參數間的線性關系,進而模擬出高分辨率的儲層敏感參數的數據體。通過地質統計學隨機模擬建立的儲層模型,更為精確而且能夠考慮儲層空間的不確定性,以及儲層參數在空間上的變異性。它較之常規反演方法優勢明顯,目前已在國內、外許多復雜油氣藏開發中應用,并起到了積極的作用。

圖1 地質統計學反演示意圖Fig.1 Schematic diragram of geostatistical inversion

1 原理及流程

在地質統計學反演中,我們常用的隨機模擬技術主要包括以下幾種預測技術:

(1)序貫高斯模擬。

(2)序貫高斯協模擬。

(3)序貫高斯配置協模擬。

(4)序貫高斯指示模擬[4]。

每種模擬方法都有自己的特點及實用性。在具體應用時,要根據不同變量特征,來選擇合適的模擬方法以取得最優的模擬效果。隨機模擬將產生多個符合已知條件的等概率體,在進行優選時,最直觀有效的方法是,充分了解研究區的地質背景,通過對模擬數據體的剖面、平面對比,優選符合地質認識的多個概率體,對其取平均、或加權平均作為最終的地質統計學反演結果。

應用地質統計學反演方法,進行有利儲層預測。從總體上有以下幾個部份(見圖2)。

1.1 地震資料分析

用于反演的地震資料,要求是保幅保頻的高保真資料,這樣才能確保所得到得波阻抗準確反映地下底層的信息。此外,地震資料還應盡量是高信噪比、高分辨率、偏移成像準確,這些都將直接影響到反演的分辨率和正確性。總之,地震資料的品質對反演的最終結果有著重要的影響[6]。

1.2 測井資料分析

在反演前,必須對工區內參加反演的測井曲線進行環境校正和深度校正,在考慮到巖石類型、研究區域的壓實模式、井眼不規則情況,以及曲線類型等各因素的前提下,對全區測井曲線進行標準化處理。其目的是通過這些處理,有效地排除非地質因素的影響,識別和消除測井數據中的系統誤差,以保證計算儲層參數的可靠性和準確性[7]。

1.3 稀疏脈沖約束反演

約束稀疏脈沖反演是地質統計學反演的基礎,是在基于脈沖反褶積基礎上的遞推反演方法。該方法假定地下的強反射系數界面稀疏分布,根據稀疏的原則從地震道中抽取反射系數,與子波褶積生成合成地震道,并利用合成地震道與原始地震道的殘差,修改反射系數,得到新的反射系數序列,再作合成記錄。如此迭代,直至得到一個能最佳逼近地震道的反射系數序列。當得到反射系數后,就可以求得相對波阻抗[8]。稀疏脈沖約束反演增加了地質模型和井約束控制波阻抗的趨勢和范圍,由于地震數據是帶限的,因此得到的數據缺少低頻信息,必須通過建立地質模型進行低頻補償,才能獲得一個全頻帶的絕對波阻抗。由于該反演是一種基于地震道的反演方法,因此反演結果更能反映地震數據本身的空間變化,更多地保留了地震數據的原始特征,但是其垂向分辨率有限[9]。

圖2 地質統計學反演流程圖Fig.2 Flow chart of geostatistical inversion

1.4 地質統計學反演

地質統計學反演從實現步驟上可分為變差函數分析及隨機模擬二個環節。

變差函數是地質統計學方法中最常用的衡量儲層空間關系的手段,是地質統計學中描述區域化變量空間結構性和隨機性的基本工具。它綜合了各種不同來源的數據,研究待模擬曲線變差函數的計算及理論擬合,分析結果直接關系到建立儲層模型的可靠性。

變差函數的數學表達式[10]為:

式中 h為滯后距;Z為觀測值;r為變差函數值;N(h)表示距離為h的個數。

圖3中,α為r(h)達到平穩值時的滯后距值,稱為變程,它表示空間上的最大相關距離;C0為跳遷值即塊金常數,它代表區域化變量隨機性變化;C為拱高,代表區域化變量結構性變化的部分;C0+C為基臺值,反映區域化變量在數值大小上的最大變化幅度。當基臺值一定時,C0越大,C越小,這說明區域化變量的空間分布隨機性越強,結構性越差;反之C0越小,C越大,這說明區域化變量的空間分布結構性越強,隨機性越弱。變程α代表了區域化變量存在空間相關性的平均尺度,α越小,反映區域化變量空間分布的相關性尺度越小,變化速度越快,隨機性越強,相關性越弱;反之亦然。

常用的分析方法是在地質模型定義的模擬單元內,分別對各套地層使用的測井阻抗數據或巖性數據進行統計和轉換,使數據符合正態分布特征,并確定在空間上某一特定出現不同值的可能性。然后進行最優的變異函數擬合,得到變程、基臺值和塊金常數等表征地質量在空間上的影響范圍,分布連續性以及各向異性等特征的重要參數。

1.5 綜合預測

在目的區塊的地質背景下,在對沉積相認知的基礎上,對反演所得的各種表征儲層巖性、物性、含油氣性的數據體進行分析,借助點、線、面、體結合的方式進行綜合分析,并進行有利區疊合預測,最終為開發井的部署提供依據。

2 應用實例

L地區位于四川省岳池縣、武勝縣境內,屬四川盆地川中古隆平緩構造區。北鄰白廟場構造,南鄰街子壩和仁和寨構造,西與磨溪構造相連,東與文昌寨構造鞍部相接,高點呈串珠狀排列,總體輪廓為一近北東東向展布的平緩寬大的背斜構造(見下頁圖4)。工區內主要目的層為須二段、須四段,是濱湖淺灘與扇三角洲沉積,以中粒長石石英砂巖沉積為主。砂巖儲層發育且埋藏相對較淺,但有效儲層分布復雜,這反映出低孔、低滲、孔滲相關性差,高含水飽和度極強的非均質性特點。

分析四川L地區的地震資料品質,沒有發現截頻和切軸現象,較好地保存了地震頻率和振幅信息,適應反演的需要。我們將地震數據采樣率從4 ms采樣內插到1 ms采樣,加密地震數據采樣率雖然沒有給地震數據增加任何新的信息,卻使測井數據能夠較好地保留薄層信息,給地震反演提供了一個高分辨率的約束條件。

圖3 變差函數參數示意圖Fig.3 Schematic diagram of variation function parameters

接下來,對測井數據進行校正及標準化處理,使其能在統一標準下真實的反映儲層特征。然后,提取井旁地震道的子波,將其與聲波測井資料進行褶積,使合成記錄與地震剖面獲得良好的一致性,其最終目的是使地震、地質、測井資料能夠最好地匹配。最后,使用約束稀疏法反演出阻抗體(如圖5所示)。

在對四川L地區須家河組儲層的變差函數分析之后,作者在本文采用了序貫高斯配置協模擬算法[11],進行儲層參數隨機模擬(見下頁圖6)。這種方法主要用于連續變化的隨機模型,它要求被模擬的數據呈正態分布。由于大多數的采樣數據是非對稱的高斯分布,所以在實際處理之前需先將數據進行正態變換,模擬完成后再做反變換。

通過對須四段和須二段儲層巖性和物性的綜合分析發現,須四段砂體比須二段粒度粗,成熟度高,膠結更為疏松,其孔隙度、滲透率,以及儲層厚度均好于須二段。根據巖心取樣可得,須四段儲層孔隙度為5%～11.5%,平均孔隙度為8.4%,須二段儲層孔隙度分布區間為0.6%～9.4%,平均孔隙度為6.3%,二個儲層段孔隙度差異較大。為了保證預測的精度,我們對須四段和須二段分別應用地質統計學反演方法進行孔隙度預測。

圖4 四川盆地L地區地質構造圖Fig.4 Geological structural map of Larea in Sichuan basin

圖5 約束稀疏脈沖波阻抗反演圖Fig.5 Results of constrained sparse spike inversion of wave impedance

圖6 四川盆地L地區須家河組孔隙度變差函數擬合圖Fig.6 Fitting diagram of variation function of Xujiahe for mation ofL area in Sichuan basin

圖7 須二段孔隙度預測剖面Fig.7 Prediction section of porosity of T3x2 formation

以須二段孔隙度預測結果為例(見圖7),反演結果顯示L-A井在須二段儲層發育較好。在實際開發中,該井獲得的工業氣流,日產氣五萬方;L-B井在須二段發育上、下二套砂體儲層,實際開發中該井在加沙后,在須二上、下亞段均產生工業無阻氣流,日產氣九萬方。這說明預測結果與實際吻合較好,利用該預測結果作為有利儲層的確定依據是可行的。

作者通過直方圖和交匯圖對比研究認為,伽瑪曲線對于巖性比較敏感,能有效地區分砂泥巖,而用孔隙度能夠很好地反映有效儲層。圖8(見下頁)就是用伽瑪值小于90和孔隙度大于5%作為綜合約束條件,刻畫的有利儲層分布。

3 結論

通過地質統計學反演在四川盆地L地區氣藏開發實踐的應用,可以得到以下結論。

地質統計學反演利用地質、測井和地震等方面的資料,進行綜合儲層預測,能夠比較充分地考慮儲層參數在空間上的變化。它將地震橫向分辨率和測井縱向分辨率有機結合,產生高分辨率的模擬結果,適合砂泥巖薄儲層預測。在地震資料品質好、測井資料豐富的條件下,基于地質統計學反演的薄層預測具有較高的可信度,可以指導井位部署和滾動擴邊。

[1] HAASA,DUBRULE O.Geostatistical inversion-A sequential method for stochastic reservoir modeling constrained by seismic data[J].First Break,1994,13(12):25.

圖8 須二上下亞段孔隙度平面圖Fig.8 Porositymap of T3x2_1 and T3x2_2

圖9 有利儲層分布剖面和立體展布Fig.9 Sectional and volume distribution of beneficial reservoir

[2] DUBRULE O,TH IBAUT M,LAMY P,et al.Haas,Geostatistical reservoir aracterization constrained by 3d seismic data[J].Petroleum science,1998,(4):21.

[3] ROTHMAN D H.Geostatistical inversion of 3D seismic data for thins and delineation[J].Geophysics,1998,51(2):332.

[4] 馬中高.地質統計反演—一種用地震資料約束的隨機油藏模擬序貫法[J].石油物探譯叢,1995,2:17.

[5] 朱仕軍,孫建庫,文中平,等.混合優化波阻抗反演方法研究[J].天然氣工業,2006,26(7):46.

[6] 楊振武,謝用良,唐建明.多井約束地震地層反演技術在川西致密砂巖氣藏描述中的應用[J].物探化探計算技術,2000,22(1):45.

[7] 譚榮彪,李瑞,李珂泂,等.井震約束反演在薄互層復雜構造地區的應用[J].物探化探計算技術,2008,30(1):24.

[8] 李慶忠.走向精確勘探的道路[M].北京:石油工業出版社,1994.

[9] 李慶忠.論地震約束反演的策略[J].石油地球物理勘探,1998,33(4):423.

[10]印興耀,劉永社.儲層建模中地質統計學整合地震數據的方法及研究進展[J].石油地球物理勘探,2002,37(4):423.