波阻抗趨勢面約束在薄層建模中的應用

胡 勇,陳恭洋,周艷麗

(長江大學地球科學學院,湖北荊州434023)

三維儲層建模的目的是精確、定量地描述儲層各項參數的三維空間分布[1]。近年來,能夠較好反映儲層空間變化趨勢的地質統計學隨機模擬方法被廣泛應用于儲層地質建模,并在實際工作中取得了良好成效。三維地震數據具有橫向采集密度大、連續性好的特點,有利于儲層屬性橫向分布的研究,可有效降低隨機建模中的不確定性。為此,國內外學者開展了結合地震資料進行儲層地質建模的研究工作,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例,探討如何利用地震波阻抗數據約束儲層地質模型,使得沉積微相模型保持縱向高分辨率的同時,橫向上也能反映出波阻抗數據中觀測到的大尺度結構且具有較高精度的平面展布,建立高精度儲層地質模型,為后續儲層屬性建模奠定基礎。

1 薄油層砂體展布特征

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

由于海上鉆井的特殊性,工區井點分布叢聚,且井點分布范圍不規則,而沉積微相展布圖只根據已有鉆井進行繪制,且僅強調井點處高度吻合,對于預測井間砂體分布特征的作用極其有限,不能滿足油田開發后期的生產要求。在有地震資料的情況下,必須通過工區沉積相所述的砂體特征,確立該區沉積模式,并對已有井點數據進行統計,采用地震反演進行橫向砂體分布,使其分布特征服從統計規律,并與地震高度吻合,從而進行合理的砂體預測。

圖1 A層阻抗與巖性關系

該區地震反演預測砂體可行性分析表明,該區砂巖為低波阻抗,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分砂泥巖(見圖1),目的層地震資料品質較好、頻帶寬、波組特征明顯、斷裂較少,能夠有效進行砂體橫向預測。受地震數據分辨率的限制,確定性反演得到的波阻抗剖面只能分辨10m以上的厚砂層,不能識別該區薄互砂層。為了有效預測2m左右的薄儲層,以圖1所建立的概念模式為指導,用Jason軟件地質統計學模塊先進的馬爾可夫鏈——蒙特卡羅算法(MCMC)進行地震反演[6]。該算法通過地震資料本身來引導地質統計學中的重要輸入參數——變差函數,減少了主觀因素的影響,大大提高了薄砂層的預測精度 (見圖2和圖3,圖中深色表示砂巖,淺色表示泥巖)。

圖2 地質統計學反演剖面圖

圖3 A層反演預測砂體平面展布圖

2 波阻抗趨勢面約束下薄油層沉積微相建模

隨機模擬方法很多,并且不同的方法各有其地質適用條件[7],對于儲層沉積相,沒有一種模擬方法能解決所有沉積類型的建模問題,由于研究區目的層段主要為三角洲前緣儲層,因而主要采用序貫指示模擬方法進行三維儲層相建模[8],這種模擬方法最大的優點是可以對復雜的各向異性的地質現象進行模擬。

影響隨機模擬結果的主要參數是變差函數,其既能描述區域化變量的空間結構性,也能描述其隨機性,其3個主要變量 (方向、主變程、次變量)反映了儲層空間變化特征,直接影響微相模擬結果。因此,統計能夠反映該區儲層特征的變差函數,是建模成功的關鍵。變差函數的方向一般與物源方向一致,表明了砂體整體的延展方向 (在此方向為北西向),對于變程,針對該工區為海相沉積環境,其砂體橫向連續性較好,且井點分布叢聚,不適合用井點數據統計,因而通過統計波阻抗平面屬性,得到主變程為5025m,次變程為2720m(見圖4)。

圖4 波阻抗數據計算變差函數

圖5 A層砂巖趨勢面圖

根據圖1確定的砂泥巖界限將圖3轉化為砂巖分布圖如圖5所示,A層阻抗平面統計變差函數模擬結果如圖6所示。對比圖5和圖6可看出,雖然有可靠的輸入參數,但是模擬結果與波阻抗表現出來的趨勢誤差較大。究其原因,在于序貫指示模擬方法雖然能夠模擬復雜地質體,但結果有時并不能很好地恢復輸入的變差函數和指定模擬目標的幾何形態。因此,為了使所建模型能夠準確反映儲層分布特征,筆者最終采用砂巖分布圖作為趨勢面來約束相模型。

A層阻抗平面約束模擬結果如圖7所示。從圖7可以看出,應用趨勢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,模擬結果既能在大結構上保持砂體真實的幾何形態,又能在局部保持一定的隨機性,縱向上遵循各類沉積相的概率分布規律,是一種較為理想的相建模方法。

圖6 A層阻抗平面統計變差函數模擬結果

圖7 A層阻抗平面約束模擬結果

3 結果分析

筆者研究的最終目的是建立可靠的地質模型,進行油藏數值模擬來明確剩余油分布區域。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,應用相控建模策略,建立儲層屬性 (孔隙度、滲透率、飽和度)模型,準備數值模擬必要的輸入參數,并在進行油藏數值模擬前,對地質模型進行質量控制,采用容積法計算靜態儲量[9]。儲量計算結果如表1所示,薄油層儲量平均增量為45.3%,其中儲量較大的H層、I層增量分別為15.3%和28.5%,與生產情況及動態研究相符,所建模型能夠用于下步開發動態預測。

表1 儲量計算結果

4 結 語

儲層沉積相研究是一項綜合多學科信息的過程。作為一項基礎研究工作,沉積相直接關系到油田開發、生產的各個階段。應用地震反演來進行砂體預測,能有效避免井資料不足的缺陷,且通過預測結果可統計可靠的變差函數和建立約束趨勢面。研究表明,趨勢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,且服從統計規律,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.儲層地質模型10年 [J].石油學報,2000,21(4):101-104.

[2]吳勝和,劉英,范崢,等.應用地質和地震信息進行三維沉積微相隨機建模 [J].古地理學報,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.儲層地質模型 [J].石油學報,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.油礦地質學[M].北京:石油工業出版社,2005.