波阻抗趨勢(shì)面約束在薄層建模中的應(yīng)用

胡 勇,陳恭洋,周艷麗

(長(zhǎng)江大學(xué)地球科學(xué)學(xué)院,湖北荊州434023)

三維儲(chǔ)層建模的目的是精確、定量地描述儲(chǔ)層各項(xiàng)參數(shù)的三維空間分布[1]。近年來(lái),能夠較好反映儲(chǔ)層空間變化趨勢(shì)的地質(zhì)統(tǒng)計(jì)學(xué)隨機(jī)模擬方法被廣泛應(yīng)用于儲(chǔ)層地質(zhì)建模,并在實(shí)際工作中取得了良好成效。三維地震數(shù)據(jù)具有橫向采集密度大、連續(xù)性好的特點(diǎn),有利于儲(chǔ)層屬性橫向分布的研究,可有效降低隨機(jī)建模中的不確定性。為此,國(guó)內(nèi)外學(xué)者開展了結(jié)合地震資料進(jìn)行儲(chǔ)層地質(zhì)建模的研究工作,并取得了一些卓有成效的研究成果[2～4]。筆者以南海某油田為實(shí)例,探討如何利用地震波阻抗數(shù)據(jù)約束儲(chǔ)層地質(zhì)模型,使得沉積微相模型保持縱向高分辨率的同時(shí),橫向上也能反映出波阻抗數(shù)據(jù)中觀測(cè)到的大尺度結(jié)構(gòu)且具有較高精度的平面展布,建立高精度儲(chǔ)層地質(zhì)模型,為后續(xù)儲(chǔ)層屬性建模奠定基礎(chǔ)。

1 薄油層砂體展布特征

按照相控建模策略所表述的內(nèi)容,可將儲(chǔ)層地質(zhì)模型分為2階段[5]:即儲(chǔ)層骨架 (相)模型階段和儲(chǔ)層參數(shù)模型階段,即首先建立反映工區(qū)砂體 (微相)性質(zhì)與幾何形態(tài)特征的相模型,隨后在相模型的約束下建立工區(qū)屬性 (孔隙度、滲透率、飽和度)模型。可見相模型是2階段建模的關(guān)鍵,如何建立正確的微相模型成為儲(chǔ)層建模成功與否的決定性因素。

由于海上鉆井的特殊性,工區(qū)井點(diǎn)分布叢聚,且井點(diǎn)分布范圍不規(guī)則,而沉積微相展布圖只根據(jù)已有鉆井進(jìn)行繪制,且僅強(qiáng)調(diào)井點(diǎn)處高度吻合,對(duì)于預(yù)測(cè)井間砂體分布特征的作用極其有限,不能滿足油田開發(fā)后期的生產(chǎn)要求。在有地震資料的情況下,必須通過(guò)工區(qū)沉積相所述的砂體特征,確立該區(qū)沉積模式,并對(duì)已有井點(diǎn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì),采用地震反演進(jìn)行橫向砂體分布,使其分布特征服從統(tǒng)計(jì)規(guī)律,并與地震高度吻合,從而進(jìn)行合理的砂體預(yù)測(cè)。

圖1 A層阻抗與巖性關(guān)系

該區(qū)地震反演預(yù)測(cè)砂體可行性分析表明,該區(qū)砂巖為低波阻抗,泥巖為高波阻抗,在直方圖上分離較好,波阻抗特征能有效區(qū)分砂泥巖(見圖1),目的層地震資料品質(zhì)較好、頻帶寬、波組特征明顯、斷裂較少,能夠有效進(jìn)行砂體橫向預(yù)測(cè)。受地震數(shù)據(jù)分辨率的限制,確定性反演得到的波阻抗剖面只能分辨10m以上的厚砂層,不能識(shí)別該區(qū)薄互砂層。為了有效預(yù)測(cè)2m左右的薄儲(chǔ)層,以圖1所建立的概念模式為指導(dǎo),用Jason軟件地質(zhì)統(tǒng)計(jì)學(xué)模塊先進(jìn)的馬爾可夫鏈——蒙特卡羅算法(MCMC)進(jìn)行地震反演[6]。該算法通過(guò)地震資料本身來(lái)引導(dǎo)地質(zhì)統(tǒng)計(jì)學(xué)中的重要輸入?yún)?shù)——變差函數(shù),減少了主觀因素的影響,大大提高了薄砂層的預(yù)測(cè)精度 (見圖2和圖3,圖中深色表示砂巖,淺色表示泥巖)。

圖2 地質(zhì)統(tǒng)計(jì)學(xué)反演剖面圖

圖3 A層反演預(yù)測(cè)砂體平面展布圖

2 波阻抗趨勢(shì)面約束下薄油層沉積微相建模

隨機(jī)模擬方法很多,并且不同的方法各有其地質(zhì)適用條件[7],對(duì)于儲(chǔ)層沉積相,沒(méi)有一種模擬方法能解決所有沉積類型的建模問(wèn)題,由于研究區(qū)目的層段主要為三角洲前緣儲(chǔ)層,因而主要采用序貫指示模擬方法進(jìn)行三維儲(chǔ)層相建模[8],這種模擬方法最大的優(yōu)點(diǎn)是可以對(duì)復(fù)雜的各向異性的地質(zhì)現(xiàn)象進(jìn)行模擬。

影響隨機(jī)模擬結(jié)果的主要參數(shù)是變差函數(shù),其既能描述區(qū)域化變量的空間結(jié)構(gòu)性,也能描述其隨機(jī)性,其3個(gè)主要變量 (方向、主變程、次變量)反映了儲(chǔ)層空間變化特征,直接影響微相模擬結(jié)果。因此,統(tǒng)計(jì)能夠反映該區(qū)儲(chǔ)層特征的變差函數(shù),是建模成功的關(guān)鍵。變差函數(shù)的方向一般與物源方向一致,表明了砂體整體的延展方向 (在此方向?yàn)楸蔽飨?,對(duì)于變程,針對(duì)該工區(qū)為海相沉積環(huán)境,其砂體橫向連續(xù)性較好,且井點(diǎn)分布叢聚,不適合用井點(diǎn)數(shù)據(jù)統(tǒng)計(jì),因而通過(guò)統(tǒng)計(jì)波阻抗平面屬性,得到主變程為5025m,次變程為2720m(見圖4)。

圖4 波阻抗數(shù)據(jù)計(jì)算變差函數(shù)

圖5 A層砂巖趨勢(shì)面圖

根據(jù)圖1確定的砂泥巖界限將圖3轉(zhuǎn)化為砂巖分布圖如圖5所示,A層阻抗平面統(tǒng)計(jì)變差函數(shù)模擬結(jié)果如圖6所示。對(duì)比圖5和圖6可看出,雖然有可靠的輸入?yún)?shù),但是模擬結(jié)果與波阻抗表現(xiàn)出來(lái)的趨勢(shì)誤差較大。究其原因,在于序貫指示模擬方法雖然能夠模擬復(fù)雜地質(zhì)體,但結(jié)果有時(shí)并不能很好地恢復(fù)輸入的變差函數(shù)和指定模擬目標(biāo)的幾何形態(tài)。因此,為了使所建模型能夠準(zhǔn)確反映儲(chǔ)層分布特征,筆者最終采用砂巖分布圖作為趨勢(shì)面來(lái)約束相模型。

A層阻抗平面約束模擬結(jié)果如圖7所示。從圖7可以看出,應(yīng)用趨勢(shì)面約束所模擬的相模型在平面上與砂體分布圖或沉積相圖吻合得較好,模擬結(jié)果既能在大結(jié)構(gòu)上保持砂體真實(shí)的幾何形態(tài),又能在局部保持一定的隨機(jī)性,縱向上遵循各類沉積相的概率分布規(guī)律,是一種較為理想的相建模方法。

圖6 A層阻抗平面統(tǒng)計(jì)變差函數(shù)模擬結(jié)果

圖7 A層阻抗平面約束模擬結(jié)果

3 結(jié)果分析

筆者研究的最終目的是建立可靠的地質(zhì)模型,進(jìn)行油藏?cái)?shù)值模擬來(lái)明確剩余油分布區(qū)域。因此,在完成第1階段的建模后 (相建模),需在相模型的約束下,應(yīng)用相控建模策略,建立儲(chǔ)層屬性 (孔隙度、滲透率、飽和度)模型,準(zhǔn)備數(shù)值模擬必要的輸入?yún)?shù),并在進(jìn)行油藏?cái)?shù)值模擬前,對(duì)地質(zhì)模型進(jìn)行質(zhì)量控制,采用容積法計(jì)算靜態(tài)儲(chǔ)量[9]。儲(chǔ)量計(jì)算結(jié)果如表1所示,薄油層儲(chǔ)量平均增量為45.3%,其中儲(chǔ)量較大的H層、I層增量分別為15.3%和28.5%,與生產(chǎn)情況及動(dòng)態(tài)研究相符,所建模型能夠用于下步開發(fā)動(dòng)態(tài)預(yù)測(cè)。

表1 儲(chǔ)量計(jì)算結(jié)果

4 結(jié) 語(yǔ)

儲(chǔ)層沉積相研究是一項(xiàng)綜合多學(xué)科信息的過(guò)程。作為一項(xiàng)基礎(chǔ)研究工作,沉積相直接關(guān)系到油田開發(fā)、生產(chǎn)的各個(gè)階段。應(yīng)用地震反演來(lái)進(jìn)行砂體預(yù)測(cè),能有效避免井資料不足的缺陷,且通過(guò)預(yù)測(cè)結(jié)果可統(tǒng)計(jì)可靠的變差函數(shù)和建立約束趨勢(shì)面。研究表明,趨勢(shì)面約束建模模型既能保持縱向高分辨率,又能在大尺度上與地震反演資料保持一致,且服從統(tǒng)計(jì)規(guī)律,減少了由于資料不足及主觀因素等引起的不確定性,是比較合理的建模方法。

[1]裘懌楠,賈愛林.儲(chǔ)層地質(zhì)模型10年 [J].石油學(xué)報(bào),2000,21(4):101-104.

[2]吳勝和,劉英,范崢,等.應(yīng)用地質(zhì)和地震信息進(jìn)行三維沉積微相隨機(jī)建模 [J].古地理學(xué)報(bào),2003,5(4):439-449.

[3]Tingting Yao.Integration of seismic attribute map into 3Dfacies modeling[J].Journal of Petroleum Science and Engineering,2000,16(3):69-84.

[4]Chen Q,Sidney S.Seismic attribute technology for reservoir forecasting and monitoring[J].The Leading Edge,1997,16(5):445-450.

[5]裘懌楠.儲(chǔ)層地質(zhì)模型 [J].石油學(xué)報(bào),1991,12(4):55-62.

[6]Geyer C J.Markov chain Monte Carlo maximum likelihood,Computing Science and Statistics:Proceedings of the 23rd Symposium Interface[J].Washington:Institute of Mathematical Statistics,1991,11(3):156-163.

[7]Srivastava RM.An overview of stochastic method sfor reservoir characterization.In:Stochastic Modeling and Geostatistics:Principles,M ethods,and Case Studies[J].The American Association of Petroleum Geologists,1994,3(20):231-238.

[8]Deutsch C V.Geostatistical Software Library and User's Guide[M].London:Oxford Press,1996.

[9]吳元燕,吳勝和,蔡正旗.油礦地質(zhì)學(xué)[M].北京:石油工業(yè)出版社,2005.