基于淺層地震的三維訓練圖像獲取及應用

張文彪，段太忠，鄭 磊，劉志強，許華明，趙 磊

(中國石化 石油勘探開發研究院,北京 100083)

基于淺層地震的三維訓練圖像獲取及應用

張文彪，段太忠，鄭 磊，劉志強，許華明，趙 磊

(中國石化 石油勘探開發研究院,北京 100083)

多點地質統計學是當前研究的熱點，其中訓練圖像的獲取是關鍵環節，直接決定了儲層模擬的精度和可靠程度。基于淺層高頻地震信息，對淺層水道沉積的形態特征及定量規模展開研究，并通過相似性類比作為原型模型，指導深層油田區水道砂體形態規模統計，并在高精度反演數據基礎上建立了具有代表性的定量化三維訓練圖像；以此為基礎，借助petrel軟件平臺，通過設置訓練圖像不同網格大小，分析了其對多點地質統計模擬結果的影響。研究表明：該方法得到的訓練圖像真實可靠，模擬結果均忠實于井點數據，且砂體整體分布特征具有受訓練圖像約束的特點，當三維訓練圖像與實際模擬區網格大小一致時，模擬結果最能體現不同微相間的空間結構與幾何特征。本文提供了一個訓練圖像獲取的新思路，對具有相同地質條件的其他深水沉積微相類型的模擬具有借鑒作用。

三維訓練圖像；原型模型；多點地質統計學；深水水道;儲層模擬

建立符合實際的地質模型一直是石油地質工作者們追求的目標，國內外學者多基于密井網資料、野外露頭以及現代沉積獲取先驗認識，然后采用傳統地質統計學方法開展沉積微相隨機模擬研究，但都具有一定局限性[1-4]。多點地質統計學(MPS:Multiple-Point Statistics)在這種情況下應運而生，該方法綜合了基于目標和兩點地質統計學的優勢，可以描述具有復雜空間結構的地質體，也是今后地質統計學發展的一個熱門方向。

多點地質統計學應用難點在于訓練圖像的獲取，以往訓練圖像制作多以密井網區資料為基礎[5-9]，通過單井內插和外推進行模式擬合，獲取不同微相的平面形態特征，得到二維訓練圖像。該方法制作的訓練圖像很大程度上依賴于地質人員推測，不確定性較大，且僅能反映平面二維空間的相帶變化，對于三維的空間結構難以描述，尤其對于擺動頻繁的水道(河道)沉積類型，常規二維訓練圖像顯然更難以描述水道變化頻繁的沉積過程，需要能夠表征空間結構關系的三維訓練圖像。三維訓練圖像的獲取是核心問題，高頻地震資料是其重要來源之一，海上油田往往具有高品質地震資料，尤其是淺層沉積的地震主頻能達到70 Hz，為訓練圖像的研究提供了較好的資料基礎。

本文以西非海上B油田為例，首先論證了淺層沉積作為原型模型的可行性，通過剖析淺層水道沉積的高頻地震信息，確立了單一水道的形態規模及遷移模式，建立了定量且符合沉積模式的三維訓練圖像；然后，基于該訓練圖像，采用多點地質統計學方法對實際油田區漸新統O73(漸新統第7油組下的第3砂組)砂組進行水道沉積模擬應用；最后，分析了建立訓練圖像時不同網格大小對實際模擬結果的影響。

1 研究區概況

研究區B油田位于西非下剛果盆地南端，現今大陸斜坡的中部位置，水深1 300～1 500 m。該油田2007年投產，目前有直井24口，平均井距1 000 m。主力含油層系為古近系漸新統O73砂組，為典型的深水水道沉積體系，主要發育水道和天然堤微相，相帶分布穩定，無明顯突變，適應于訓練圖像的平穩性。目的層系受深度及鹽棚遮擋影響，地震成像模糊，分辨率較低(主頻25 Hz)，難以清晰刻畫單一水道砂體空間分布。

研究區淺層(上新統)同樣沉積了一套水道砂體，沉積期構造穩定，形態保存完整，地震分辨率高(主頻70 Hz)。淺層沉積是目前研究深水沉積原型模型的一個重要來源，在沉積背景相似度高的情況下具有很好的指導作用，同時較其它類型原型模型(露頭、現代沉積、密井網)具有一定優勢[10-14]：①資料精度有保障(海上高密度采集、高分辨率處理)；②工區范圍足夠大，容易把握并分析完整沉積形態；③可從平面、剖面及三維空間描述沉積形態特征；④能提供較充分的定量關系研究樣品點。

該區充分依托淺層高頻地震的優勢，通過反射結構分析、地震反演以及多屬性提取對水道特征開展定量研究。本文就淺層與深層水道沉積特點進行了相似性類比：地理位置相同，均位于西非安哥拉深水區，區域構造上，均位于擠壓構造和拉張構造的轉換帶(過渡區)上，沉積物源同為北東方向剛果河水系，沉積背景為典型的深水濁流沉積環境，水體整體表現為水退背景；從盆地背景上看，均屬于被動大陸邊緣盆地(下剛果-剛果扇盆地)，沉積相類型都屬于水道型海底扇濁流沉積，沉積地形均位于中陸坡位置(發育中-高彎度水道)。由此可見，淺層與深層待研究區沉積環境極為相似，可利用淺層水道作為原型模型指導B油田漸新統O73砂組儲層研究。

2 多點地質統計學優勢

傳統基于象元的兩點統計算法很難綜合更多的形態信息，因此美國斯坦福大學研究者提出了多點地質統計隨機模擬，目前代表性算法包括兩種[15-16]：Snesim算法和Simpat算法，其中Snesim算法在目前商業軟件(Petrel和RMS)中最為常用。多點統計應用“訓練圖像”取代變差函數來表達地質變量的空間結構性，綜合了基于象元和目標的算法優勢，一定程度上克服了傳統地質統計學描述復雜空間結構和幾何形態地質體的不足，而且模擬過程仍然以象元為模擬單元，采用序貫(非迭代)算法，容易忠實井點硬數據且模擬速度快。

多點地質統計學在建模中的優勢主要體現在以下幾個方面[1,17-18]：①在模擬具有復雜形狀地質體分布時可以聯合反映空間多個位置點的幾何形狀和配位關系；②考慮了儲層在特定水動力條件下的沉積模式、沉積過程與沉積響應；③模擬過程綜合了地質學家經驗以及模擬對象的先驗認識，較其他建模方法更真實反映地下儲層分布；④多點地質統計學模擬算法快速靈活，易于多次模擬進行模型優選。

3 訓練圖像獲取研究

建立訓練圖像是多點地質統計學的關鍵環節和基礎。首先，基于研究區淺層地震資料分析，獲取水道的形態特征、規模分布及定量關系；然后通過定量關系類比，指導B油田目的層單井鉆遇水道砂體規模分析；最后在淺層高頻地震反演資料中提取三維水道目標地質體，建立定量化三維訓練圖像。

3.1 深水水道沉積模式

單一水道是水道體系形成過程中的基本成因單元[19-20]，單一水道的側向、垂向遷移形成了不同規模的復合水道分布。先驗認識(三維訓練圖像)不僅要能反映出單一成因單元的定量幾何形態，而且要有各成因單元的定量組合模式，并能體現出不同演化階段的儲層構型特點。因此，開展單一水道的形態及演化研究有助于更加深入了解復合水道的形成過程，指導實際生產，有效降低開發風險。然而，單一水道屬小尺度單元，稀井網很難控制住水道砂體邊界。為此，基于淺層高頻地震反射結構分析，從剖面和平面上分析水道遷移模式。

圖1 淺層水道平面、剖面形態特征Fig.1 Shallow turbidity channel morphological characteristics on plane and sectional viewsa.淺層水道平面分布特征；b.水道剖面反射特征；c.單一水道擺動模式

單一水道為一次性成因單元，砂體厚度由水道中部到邊部逐漸減薄，反映在振幅能量特征上則中部強、邊部弱。圖1a為淺層地震均方根振幅(RMS)地層切片，能清晰反映出水道的平面形態，且復合水道內部單一水道呈現出整體遷移特征[21-22]。從地震反射剖面來看受水道遷移特征及內部泥質含量變化的影響，單一水道邊界處振幅發生明顯變化，多數表現為振幅減弱，局部受切疊影響呈現出振幅增強特點，且地震剖面上呈現出一定的疊瓦狀特征。從圖1b和圖1c可以看出單一水道剖面遷移模式可分為側向、斜列和擺動三種類型，側向遷移造成水道間側向拼接，砂體垂向厚度與單一水道深度接近；而斜列和擺動遷移造成水道在垂向上疊置，砂體厚度多大于單一水道深度(厚度)。

3.2 深水水道形態規模

關于水道(河道)的定量規模關系，以陸相曲流河的研究最多也最為成熟，而且具有經驗公式供借鑒[23]。對于深水水道的規模及定量關系研究仍然是當前的熱點[24-26]。本文從最小沉積單元(單一水道)入手，提取了研究區淺層地震屬性(RMS)大量地層切片，選擇8條典型單一水道作為樣本(圖2a)，從深度域地震剖面上直接對其寬、深進行測量(圖2b)，測量樣品點52個，統計結果可作為該地區經驗數據用于指導地下古水道儲層構型規模認識。

對測量數據進行統計分析，結果表明：①單一水道的深度一般介于13～34 m，平均為22 m，深度為20～30 m的水道占60%(圖3a)；②單一水道的寬度一般介于170～430 m，平均為290 m，寬度為200～350 m的水道占72%(圖3b)；③單一水道的寬深比一般介于11～22，平均為14(圖3c)。

圖2 淺層單一水道規模測量Fig.2 Measurement of single shallow turbidity channel scalea.淺層單一水道地震提取；b.單一水道寬度、深度測量

在對單一水道寬、深統計的基礎上，進一步分析了兩者相關性。分析認為，單一水道深度(h)與寬度(w)之間存在明顯的線性正相關關系(圖3d)，關系式為：h=0.069 7w+1.710 5，復相關系數(R2)為83%，即在單一水道形成過程中隨著深度增加，其寬度也在增加。

3.3 應用區水道定量特征

研究區儲層主要為水道沉積并伴有天然堤發育。受巖性分布規律影響，單井上測井曲線特征明顯，水道呈鐘形或箱型，天然堤以齒化箱型為主，均相對易識別(圖4)。根據研究區開發井鉆遇的水道砂體資料(厚度)，可以借助原型模型統計的經驗公式確立實際模擬區單一水道發育規模。首先，對各單井微相類型進行解釋，并統計單井解釋的單一水道砂體厚度分布范圍為8～23 m，平均為13 m；根據上述經驗公式計算得到單一水道砂體寬度分布范圍為91～305 m，平均為162 m；通過類比淺層水道的規模參數分布，認為計算結果可信。

3.4 訓練圖像產生

訓練圖像是能夠表述儲層結構、幾何形態及其分布模式的數字化圖像。它反映了地質學家對地下儲層分布情況的定量化認識，訓練圖像相當于定量的相模式，是對實際儲層先驗認識的體現。本次基于淺層地震的波阻抗反演數據，通過地球物理雕刻技術提取淺層水道三維目標體(圖5)，將該目標體在petrel軟件中進行網格化，并依據目標體波阻抗絕對值分布范圍將沉積微相劃分為水道和天然堤兩類，背景相為泥巖。圖6為本次建立的反映水道、天然堤砂體與水道間泥巖分布的三維訓練圖像。從平面能體現出水道的展布形態，天然堤沿水道兩側邊部分布；三維柵狀圖剖面上水道呈“頂平底凸”狀，且單一水道間的遷移、疊置關系明顯，符合地質模式，說明該訓練圖像比較可靠。三維訓練圖像從空間上提供了微相砂體間的幾何關系，指示意義更接近地質實際。

4 訓練圖像應用研究

本次訓練圖像應用基于Petrel軟件平臺，采用目前多點地質統計學常用的Snesim算法，以井點測井相為硬數據，借助生成的三維訓練圖像對實際油田區水道砂體分布進行模擬。模擬過程主要包括建立訓練圖像網格、設置搜索面罩并掃描訓練圖像、構建穩定的搜索樹、調整規模和方向匹配參數、序貫求取各模擬點數據事件的條件概率分布函數并抽樣獲得模擬實現，這一過程均通過Petrel軟件完成。

圖4 模擬區O73砂組單井微相解釋及對比關系Fig.4 Single-well microfacies interpretation and correlation of O73 sand group in the simulation area

圖5 淺層地震波阻抗反演資料中提取的水道地質體Fig.5 Channel geologic body extracted from shallow seismic impedance inversion

4.1 模擬關鍵步驟

訓練圖像網格設置的大小很重要，為探索不同網格大小對最終模擬結果的影響，本次嘗試了3種不同尺寸的網格加以測試，分別為(1/2，1，2)倍于實際模擬區網格尺寸；訓練圖像網格的數量也有一定限制，I，J方向50～200個，K方向15～20個單元格即可滿足要求，訓練圖像整體網格數量與實際模型網格數量的比控制在30%以內較合適；構建搜索樹時的搜索面罩參考水道沉積的變差函數分布范圍；為保證訓練圖像的平穩性，沉積微相類型和結構盡量保持簡單，控制在2～5個相類型，本次模擬實例為水道和天然堤兩種類型，相序相對簡單，比較符合該方法的應用。

模擬過程中還有一些約束條件的限制，包括方向(rotation)的調整、規模(scaling)系數的設置。由于訓練圖像本身與模擬區的沉積物源相同，網格方向設置也相同，所以方向(角度)保持不變即可；規模系數的設置則需要參考前面研究成果，獲取辦法為用淺層水道寬度(或深度)平均值除以實際模擬區水道寬度(或深度)平均值，計算結果為1.79，即訓練圖像(淺層)砂體規模約為實際模擬區砂體規模的1.8倍；軟數據約束則加入了地震波阻抗反演的成果。最后，根據O73砂組的小層劃分結果(Ⅰ，Ⅱ)及井間對比關系(圖4)分層展開模擬，并在模型比選的時候考慮小層內部及小層間水道砂體疊置關系是否合理。

4.2 模擬結果分析

依據上述步驟對實驗區O73砂組沉積微相分布開展模擬研究。圖7a為訓練圖像網格大小與模擬區網格大小一致(比例為1 ∶1)情況下的三維模擬結果，圖中可見，沉積微相模擬結果忠實于井信息，且微相剖面(圖7b)幾何形態和展布滿足訓練圖像的特征；圖7c，7d和7e為模型中從上到下抽取的3個地層網格切片，體現出復合水道垂向上的演化特征和繼承性，反映了訓練圖像的結構性。此外，當訓練圖像網格大小與實際模擬區網格大小不一致(本次選取比例1/2和2)情況下，通過保持其他模擬條件不變，也得到了相應的模擬結果。

圖6 基于淺層水道目標體得到的三維訓練圖像及柵狀圖顯示Fig.6 Three-dimensional training images and fence diagram generated based on shallow turbidity channela.水道三維訓練圖像；b.三維訓練圖像柵狀圖顯示

圖7 多點地質統計學方法模擬水道三維分布結果Fig.7 3-D channel distribution from simulation based on multi-point geological statisticsa.三維模擬實現；b.模擬結果剖面顯示；c.地層網格切片1；d.地層網格切片9；e.地層網格切片17

針對前面提出的關鍵步驟，對三種網格尺寸情況下的模擬結果進行了比較分析(圖8)，當訓練圖像網格尺寸小于(圖8a)或者大于(圖8c)實際模擬區網格情況下，模擬結果無論從連續性還是相分布結構來看都要差于網格尺寸相等情況下(圖8b)的結果。分析原因可能是搜索樹的穩定程度以及抽樣條件概率分布函數的精度都與網格的匹配程度有關。當網格不匹配的情況下，訓練圖像的模式信息多少會存在損失，且搜索樹掃描的過程中會出現偏離現象。當然不可能保證每個訓練圖像都能與模擬區位于同一時空域，以確立相同的網格。當時空域不匹配的情況下，還是需要明確一個合適的范圍，既保證訓練圖像模式信息不損失，還能與實際模擬區有較好的匹配，這些還需要后續更多的試驗研究來討論。當然，由于算法(Snesim)本身存在局限性(不連續性)，導致局部水道(天然堤)出現不連續現象，這可以在后續工作中人工適當處理。總之，該方法在水道模擬中具有較好的適用性。

圖8 訓練圖像與模擬區不同網格尺寸比例條件下模擬結果對比Fig.8 Comparison of simulation results obtained at different grid sizes of training images and simulation areaa.比例為1 ∶2；b.比例為1 ∶1；c.比例為2 ∶1

5 結論

1) 淺層沉積是原型模型的重要來源之一，較其它類型原型模型(露頭、密井網區等)具有空間分布的優勢，沉積背景相似是類比的重要基礎，定量形態規模和統計參數是類比的主要對象。

2) 借助淺層高頻地震可以建立三維訓練圖像，基于該圖像的儲層模擬結果空間結構清晰，分布合理；本次應用發現當訓練圖像網格大小與實際模擬區網格大小一致時，模擬結果最符合先驗認識。

3) 將淺、深層地質資料結合，運用類比方式建立定量化三維訓練圖像并用于實際油田區模擬，該方法提供了一種獲取三維訓練圖像的思路，對其他深水沉積類型(扇體、朵葉)的模擬研究具有借鑒意義。

4) 訓練圖像與實際模型網格不匹配情況下，會導致訓練圖像的信息損失和搜索樹掃描過程的偏離，影響模擬結果；為便于工作中實際操作，仍需要明確一個合適的匹配范圍，這些還需要后續更多的試驗研究來討論。

[1] 于興河.油氣儲層表征與隨機建模的發展歷程及展望[J].地學前緣，2008(01)：1-15. YuXinghe.A review of development course and prospect of petroleum reservoir characterization and stochastic modeling.EarthScience Frontiers,2008,15(1):001-015

[2] 吳勝和，李文克.多點地質統計學：理論、應用與展望[J].古地理學報，2005，7(1):137-143. Wu Shenghe，Li Wenke.Multiple-point geostatistics:theory，application and perspective[J].Journal of Palaeogeography，2005，7(1):137-143.

[3] 段冬平，侯加根，劉鈺銘，等.多點地質統計學方法在三角洲前緣微相模擬中的應用[J].中國石油大學學報(自然科學版)，2012，36(2):22-26. Duan Dongping，Hou Jiagen，Liu Yuming，et al.Application of multi-point geostatistics in delta front microfacies simulation[J].Journal of China University of Petroleum (Edition of Natural Science)，2012，36(2):22-26.

[4] 尹艷樹,吳勝和.儲層隨機建模研究進展[J].天然氣地球科學,2006,17(2):210-216. Yin Yanshu,Wu Shenghe.The process of reservoir stochastic modeling[J].Natural Gas Geoscience，2006，17(2):210-216.

[5] 張麗，孫建孟，孫志強，等.多點地質統計學在三維巖心孔隙分布建模中的應用[J].中國石油大學學報(自然科學版)，2012，36(2):105-109. Zhang Li，Sun Jianmeng，Sun Zhiqiang，et al. Application of multiple-point geostatistics in 3D pore structure model reconstruction[J].Journal of China University of Petroleum (Edition of Natural Science)，2012，36(2):105-109.

[6] Strebell E S，Journel A G．Reservoir modeling using multiple-point statistics[R].SPE 71324，2001.

[7] Strebell E S.Conditional simulation of complex geological structures using multiple-point statistics[J].Mathematical Geology，2002，34(1):1-21.

[8] Strebell E S，Journel A G.Rerervior modeling using multiple-point statistics[R].SPE 71324，2001:1-11.

[9] 周金應，桂碧雯，林聞．多點地質統計學在濱海相儲層建模中的應用[J].西南石油大學學報:自然科學版，2010，32(6):70-74. Zhou Jinying，Gui Biwen，Lin Wen.Application of multiple-point geostatistics in offshore reservoir modeling[J].Journal of Southwest Petroleum University(Science & Technology Edition)，2010，32(6):70-74.

[10] 李少華，張昌民，林克湘，等.儲層建模中幾種原型模型的建立[J].沉積與特提斯地質，2004，24(9):102-106. Li Shaohua，Zhang Changmin，Lin Kexiang，et al.The construction of prototype models in reservoir modeling[J].Sedimentary Geology and Tethyan Geology，2004，24(9):102-106.

[11] 崔廷主，馬學萍.三維構造建模在復雜斷塊油藏中的應用-以東濮凹陷馬寨油田衛95 斷塊油藏為例[J].石油與天然氣地質，2010，31(2):198-205. CuiTingzhu，Ma Xueping.Anapplication of 3D structural modeling to complex fault-block reservoir：A case of the lower unit reservoir of Sha-3 member in Block Wei-95[J].Oil & Gas Geology，2010，31(2):198-205.

[12] 胡光輝,王立歆,王杰,等.基于早至波的特征波波形反演建模方法[J].石油物探,2015,54(1):71-76 Hu Guanghui,Wang Lixin,Wang Jie,et al.Characteristics waveform inversion based on arly arrival wave[J].Geophysical Prospecting for Petroleum,2015,54(1):71-76

[13] 魯新便，趙敏，胡向陽，等.碳酸鹽巖縫洞型油藏三維建模方法技術研究——以塔河奧陶系縫洞型油藏為例[J].石油實驗地質,2012,34(2):193-198. Lu Xinbian,Zhao Min,Hu Xiangyang,et al.Studies of 3D reservoir modeling:taking Ordovician carbonate fractured-vuggy reservoirs in Tahe Oil Field as an example[J].Petroleum Geology & Experiment,2012,34(2):193-198.

[14] 唐洪，廖明光，胡俊，等.基于孔隙旋回建模單元的碳酸鹽巖儲層建模研究[J].石油實驗地質,2012,34(3): 330-333. Tang Hong,Liao Mingguang,Hu Jun,et al.Research on carbonate reservoir matrix model building based on porosity cycles[J].Petroleum Geology & Experiment,2012,34(3): 330-333.

[15] 張偉，林承焰，董春梅.多點地質統計學在秘魯D油田地質建模中的應用[J].中國石油大學學報:自然科學版，2008，32(4)，24-28. Zhang Wei，Lin Chengyan，Dong Chunmei.Application of multiple-point geostatistics in geological modeling of D Oilfield in Peru[J].Journal of China University of Petroleum(Edition of Natural Science)，2008，32(4):24-28.

[16] Zhang Tuanfeng.Incorporating geological conceptual models and interpretations into reservoir modeling using multiple-point geostatistics[J].Earth Science Frontiers，2008，15(1):26-35.

[17] Arpat B G，Cacrs J.A multi-scale，pattern-based approach to sequential simulation[J].Geostatistics Banff.2004，1(10):255-264.

[18] 尹艷樹，吳勝和，張昌民，等．基于儲層骨架的多點地質統計學方法[J].中國科學D輯:地球科學，2008，38(增刊Ⅱ):157-164. Yin Yanshu，Wu Shenghe，Zhang Changmin，et al.Based on reservoir skeleton multi-point geostatistics[J].Scientia Sinica Terrae(Ser D)，2008，38(supⅡ):157-164.

[19] 萬瓊華，吳勝和，陳亮，等.基于深水濁積水道構型的流動單元分布規律[J].石油與天然氣地質，2015(02)：306-313. Wan Qionghua，Wu Shenghe，Chen Liang，et al.Analysis of flow unit distribution based on architecture of deep-water turbidite channel systems[J].Oil & Gas Geology，2015(02)：306-313.

[20] Russell B，Wynn Al E.Sinuous deep-water channels: Genesis，geometry and architecture[J].Marine and Petroleum Geology.2007，24:341-387.

[21] 魯新便,何成江,鄧光校,等.塔河油田奧陶系油藏喀斯特古河道發育特征描述[J].石油實驗地質,2014,36(3):268-274. Lu Xinbian,He Chengjiang,Deng Guangxiao,et al.Development features of karst ancient river system in Ordovician reservoirs,Tahe Oil Field[J].Petroleum Geology & Experiment,2014,36(3):268-274.

[22] 林煜，吳勝和，王星，等.尼日爾三角洲盆地深水油田A海底扇儲層質量差異[J].石油與天然氣地質，2014(04)：494-502. Lin Yu，Wu Shenghe，Wang Xing，et al.Reservoir quality differences of submarine fans in deep-water oilfield A in Niger Delta Basin，West Africa[J].Oil & Gas Geology，2014(04)：494-502.

[23] 李宇鵬，吳勝和，岳大力.現代曲流河道寬度與點壩長度的定量關系[J].大慶石油地質與開發,2008,27(6):19-22. Li Yupeng，Wu Shenghe，Yue Dali.Quantitative relation of the channel width and point-bar length of modern meander river[J].Daqing Petroleum Geology and Oil Development，2008，27(6):19-22.

[24] 王香文，劉紅，滕彬彬，等.地質統計學反演技術在薄儲層預測中的應用[J].石油與天然氣地質，2012，33(5)：730-735. Wang Xiangwen,Liu Hong,Teng Binbin，et al.Application of geostatistical inversion to thin reservoir prediction[J].Oil & Gas Geology,2012，33(5)：730-735.

[25] 錢玉貴，葉泰然，張世華，等.疊前地質統計學反演技術在復雜儲層量化預測中的應用[J].石油與天然氣地質,2013,34(6)：834-840. Qian Yugui，Ye Tairan，Zhang Shihua,et al.Application of pre-stack geo-statistics inversion technology in quantitative prediction of complex reservoirs[J].Oil & Gas Geology,2013，34(6)：834-840.

[26] Wood L J，Mize-Spansky K L.Quantitative seismic geomorphology of a Quaternary leveed-channel system，offshore eastern Trinidad and Tobago，northeastern South America[J].AAPG Bulletin，2009，93(1):101-125.

(編輯 張玉銀)

Generation and application of three-dimensional MPS training images based on shallow seismic data

Zhang Wenbiao,Duan Taizhong,Zheng Lei,Liu Zhiqiang,Xu Huaming,Zhao Lei

(PetroleumExploration&ProductionResearchInstitute,SINOPEC,Beijing100083,China)

Multi-point geological statistics is one of the hot spots in current study,and the creation of training image is a key part determining the accuracy and reliability of reservoir simulation.Based on the shallow high frequency seismic data,the morphology and quantitative aspects of shallow channel deposits are studied and used as prototype models for further investigation of morphology and scale statistics of channel sand body-ies in deeper oil reservoiors.Quantitative three-dimensional training image is established on the basis of high-precision seismic inversion data.Training image grids are selected and Petrel is applied to analyze its impact on multi-point geological statistics.Results show that simulation is consistent with the well point data,and the spatial morphology and sizes of different channels are constrained by the quantitative characteristics of training image.Simulation results can best reveal the geometric characteristics and spatial confi-guration of sedimentary facies when the grid size of 3-D training image is consistent with the actual grid of simulation model.It provides a new method to create the training image,and may serve as a reference example for the simulation of other types of deep-water sedimentary facies.

three-dimensional training image，prototype model，multi-point geological statistics，deep-water channel，reservoir simulation

2015-01-19;

2015-07-16。

張文彪，男，(1984—)，碩士、工程師，精細油藏描述及開發地質。E-mail:zwb.syky@sinopec.com。

中國石化科技部攻關項目(G5800-15-ZS-KJB016)。

0253-9985(2015)06-1030-08

10.11743/ogg20150619

P631

A