相控多信息融合建模反演方法在HZ地區碳酸鹽巖儲層預測中的應用

肖 為, 但志偉， 方中于， 孫雷鳴， 張宏兵

(1.中海油能源發展股份有限公司 工程技術特普公司， 湛江 524057；2.河海大學,南京 210098)

相控多信息融合建模反演方法在HZ地區碳酸鹽巖儲層預測中的應用

肖 為1, 但志偉1， 方中于1， 孫雷鳴1， 張宏兵2

(1.中海油能源發展股份有限公司 工程技術特普公司， 湛江 524057；2.河海大學,南京 210098)

南海珠江口盆地HZ地區碳酸鹽巖廣泛發育，碳酸鹽巖儲層非均質性強，縱、橫向變化劇烈，導致常規建模反演方法預測碳酸鹽巖儲層不適用。針對碳酸鹽巖儲層的地質特點，對現有常規井插值建模反演方法進行了改進，以碳酸鹽巖的沉積相信息和地震屬性信息來約束建模反演，將不同尺度的沉積相信息、地震屬性信息以及測井信息進行匹配融合建模，提出了適用于碳酸鹽巖儲層預測的相控多信息融合建模反演方法。研究結果表明，在研究區應用新的建模反演方法能有效提高碳酸鹽巖儲層預測的精度，該方法適用于非均質性強的碳酸鹽巖儲層。

相控建模； 碳酸鹽巖； 低頻模型； 非均質性強； 多信息融合

0 引言

南海珠江口盆地碳酸鹽巖分布范圍廣，油氣勘探潛力巨大。在珠江口盆地東沙隆起碳酸鹽疊合面積50 000 km2。1987年發現的LH11-1油田是我國近海發現最大的一個碳酸鹽巖(生物礁灘)油田，展示了珠江口盆地碳酸鹽巖良好的勘探前景。現階段隨著南海珠江口盆地(東部)碳酸鹽巖勘探進入到中期，純構造類型的碳酸鹽巖圈閉已基本鉆探，巖性圈閉成為勘探的重點，研究預測碳酸鹽巖中儲層的分布是巖性勘探的關鍵[1-2]。

珠江口盆地(東部)碳酸鹽巖儲層具有非均質性強，儲層縱橫向變化劇烈的特點，碳酸鹽巖的地震波傳播速度高，速度范圍廣，儲層類型多，內部結構復雜，響應特征多變。這些特點大大增加了碳酸鹽巖儲層預測的難度[3-4]。

在珠江口盆地(東部)碳酸鹽巖儲層中，沉積相是控制碳酸鹽巖儲層孔隙發育的主控因素。高能環境下的生物礁灘相灰巖，通常比低能環境下的臺地相灰巖孔隙發育[5-6]。針對碳酸鹽巖儲層的地震地質特點，沉積相建模約束地震反演被認為是較為有效的碳酸鹽巖儲層預測方法，筆者對此進行了廣泛地調研。李少華等[7]嘗試了沉積微相控制下的儲層物性參數建模，認為儲層隨機建模主要分三步：①構造建模；②沉積微相建模；③物性參數建模，其中物性參數的建模需要沉積微相模擬的結果來控制。針對油田開發后期的相控建模，呂曉光等[8]根據成熟開發油田的技術、信息特點，提出了沉積學微相建模與參數定量預測的思路、方法和主要步驟。Deuth等[9]提出 “二步建模”方法：①應用離散隨機模擬方法建立三維沉積相或儲層結構模型；②根據不同沉積相的儲層參數定量分布規律，分相(或砂體類型)進行連續變量的隨機模擬。這種多步隨機建模途徑不僅與地質現象吻合，而且能避免對于平穩性/均質性的嚴格要求。

目前，傳統意義上的相控建模一般是將數據控制在單一沉積相帶中進行建模，然后將整個研究區域不同相帶建模結果直接繼續拼合，這類方法還存在不足：①將引起邊界處銜接問題，這種相控建模方法僅僅使用了定性的相控模式，沒有將相帶信息作為一種協同變量定量地融入建模的數學模型中；②地震屬性信息也包含豐富的儲層信息，目前的方法還沒有同時將沉積相信息以及地震屬性信息融合到儲層建模的觀測數據中來。

在珠江口盆HZ地區珠江組中下部廣泛發育碳酸鹽巖沉積，針對上述問題，筆者選取該區為研究靶區，將測井信息、地震信息以及沉積相信息采用同位多相協同克里金插值技術融合建模，提出了相控多信息融合建模反演方法和流程，在靶區實際應用并與常規井插值建模反演方法進行了對比。

1 相控多信息融合建模方法

1.1 相控多信息融合建模原理

反演的低頻模型所解決的問題是補充帶通地震數據所缺失的低頻信息，相當于目的層速度、密度等參數的平均值，構建合理的反演低頻模型是獲得可靠地震反演結果的關鍵環節，不合理的反演低頻模型會導致反演精度明顯降低[10]。碳酸鹽巖儲層非均值性強，縱、橫向速度變化快，這就增加了反演低頻模型的構建難度，這也是碳酸鹽巖儲層預測難度大的主要因素之一。常規反演方法所采用的低頻模型構建方式是利用已有的井數據通過克里金插值方法獲得，這種方法難以適應碳酸鹽巖儲層快速變化的特點，往往難以獲得可靠的碳酸鹽巖速度、密度等低頻模型，進而導致反演預測精度降低，因此，常規反演手段并不適用于碳酸鹽巖儲層預測。

為了提高反演低頻模型建模的可靠性，我們提出了相控多信息融合建模的方法，該方法思路如下：①在碳酸鹽巖儲層中，沉積相能提供大尺度儲層信息，反應儲層趨勢上的發育特征，地震屬性提供中尺度儲層信息，主要反應儲層縱橫向的變化特征，測井數據提供小尺度儲層信息，反應儲層在井點的定量信息；②將測井信息、地震屬性信息及沉積相信息進行融合建模，建模結果既包含測井的定量信息，也包含地震的縱橫向變化信息及沉積相的趨勢變化信息。該方法能較好地適應碳酸鹽巖非均質性強的特點，提高碳酸鹽巖儲層低頻模型的建模精度。

為了實現多種信息之間的融合，需要采用包含2種協同變量的克里金技術，為此采用了同位多相協同克里金技術，將小尺度測井數據作為主變量，將中尺度地震屬性作為協同變量1，將定量化的沉積相帶數字模型作為大尺度協同變量2，在計算公式中實現了應用兩個不同尺度的協同變量的多相地質建模，將沉積相數字模型作為協同變量融入到克里金插值公式中，實現了真正意義上的相控建模，其具體表達式為：

(1)

其中：α、β1和β2為插值系數；Y1和Y2為待插值點處的協同變量“1”和2，這里分別為地震屬性和沉積相信息；Ζ為測井數據；Ζ*為待插值點處插值的結果。通過式(1)可以實現主變量測井數據、協同變量“1”地震屬性和協同變量2沉積相信息的融合。通過建立基于方差最小的拉格朗日函數，并求解該函數的極值，可以獲得式(2)的矩陣形式，求解式(2)可以得到建模所需的插值系數[11]。

(2)

其中:C11為主變量之間協方差;C12為主變量與協同變量“1”地震屬性之間協方差;C13為主變量與協同變量2沉積相之間協方差。式(1)和式(2)就是本次研究使用的建模計算公式。在實際應用中，根據對研究區的地質認識，可以對插值系數進行適當優化調整，進一步優化建模結果，使建模結果在井點與測井吻合的同時也更符合地質規律[12]。

1.2 相控多信息融合建模反演流程

相控多信息融合建模技術主要包括，彈性參數背景值提取、沉積相的數學模型建立、建模網格剖分以及同位多相協同克里金插值算法。通過各參數變化尺度匹配處理，最終實現主變量(測井數據)與協同變量“1”(地震屬性數據)及協同變量2(沉積相數字模型)的融合，提高建模結果的可靠性，進而改善反演的效果。相控多信息融合建模反演流程如圖1所示，主要包括以下步驟：

1) 對區塊內所有井的縱波速度、橫波速度及密度測井數據進行環境校正，并在此基礎上進行測井數據標準化處理，確保建模主變量測井數據的可靠性。此外，提取所有井的縱波速度、橫波速度和密度曲線的低頻趨勢線，即彈性參數的趨勢背景值。

2)從三維地震數據中提取各種地震屬性參數的體數據，在井點進行測井彈性參數的趨勢背景值與地震屬性參數之間的統計分析，借助核主成份分析法及支持向量機技術優選出與測井彈性參數相關性好的地震屬性，將地震屬性的體數據作為建模所需的協同變量“1”。

3) 整理研究區內碳酸鹽巖儲層的沉積相分布規律，進行沉積相與彈性參數之間的關聯分析，建立建模所需的協同變量2，即沉積相的數字模型。

4) 在克里金技術的基礎上，建立同位多相協同克里金技術(測井數據與地震屬性和沉積相的多參數協同)，對多信息融合匹配處理，得到反演所需的縱波速度、橫波速度及密度的低頻背景模型。

5) 基于相控多信息融合建模獲得的低頻背景模型的基礎上，進行基于模型的疊前同時反演，依據反演結果進行儲層評價。

在相控多信息融合建模的過程中，最關鍵的環節是同位多項協同克里金插值，其中的關鍵點是不同尺度的信息之間的融合匹配處理，由于不同地震屬性參數、測井參數、沉積相數字模型的數據尺度相差很大，在協同建模過程中會出現個別參數變化不能引起模型明顯變化的問題，因此需要對各參數數理統計的均方差值進行放大或縮小處理，將均方差調節至多個變量基本統一，從而實現各參數之間變化尺度匹配。

圖1 相控多信息融合建模反演流程圖Fig.1 Flow chart of facies control multi information fusion inversion

2 HZ地區碳酸鹽巖儲層預測

2.1 研究區沉積相

選取南海HZ地區某區塊為研究靶區，工區內有5口井，單井沉積相研究表明，其中4井鉆遇臺緣礁灘相碳酸鹽巖，5井鉆遇臺內礁灘相碳酸鹽巖，1井、2井及3井鉆遇臺緣斜坡相碳酸鹽巖，如圖2所示。國內、外眾多學者研究表明，地震波形是地震勘探可靠而直接的地下信息，也是地下地層巖性、巖相等發生變化可視的最直接反映。波形特征相接近可反映類似的地層沉積環境，同一種巖相、巖性理論上應該具有相同或相似的波形。某一類或某一組地震相與特定的地層、沉積體系或含油氣儲層相對應[13]。通過觀察波形聚類圖上的顏色分布，就可以劃分沉積地層的地震相，基于上述理論，進行研究區地震相劃分。根據4井臺緣礁灘相特征和5井臺內礁灘相特征結合剖面地震特征識別地震相，其結果同波形聚類顏色進行比對，實現地震相向沉積相延拓(圖2)。

碳酸鹽巖沉積相帶是儲層孔隙發育的主控因素之一，根據HZ地區已有鉆井的孔隙度數據，結合單井碳酸鹽巖沉積相特征分析得出以下規律：

1)臺地邊緣礁灘相、臺內礁、灘相是有利儲集相帶區，孔隙度發育。臺緣高能環境孕育了具有較高原生孔隙的礁灘，而臺內礁灘復合體孔隙也比較發育，橫向延伸受沉積相控制，臺緣礁灘相以及臺內礁灘相儲層孔隙度一般在13%～22%之間。

2)臺坪相是臺內瀉湖相和臺內礁間、灘間相的總稱，代表低能環境，以偏隱晶、泥晶、微晶顆粒灰巖為主，孔隙度致密，是較好的橫向和縱向隔層。臺坪相儲層孔隙度一般在6%～12%之間。

圖2 地震相轉沉積相Fig.2 Seismic facies are interpreted as sedimentary facies

3)臺緣斜坡相位于臺地邊緣向海一側浪基面下，坡度較大，在低能的斜坡灰泥沉積背景下還發育高能的濁積、塌積、混積及局部生物建隆，孔隙度整體偏低，一般在4%～13%之間。

2.2 相控多信息融合建模方法應用

在研究區采用相控多信息融合方法，建立了反演所需的縱橫波速度、縱橫波阻抗及密度彈性參數低頻背景模型。在建模之前，對插值所需的主變量及協同變量進行了如下的準備工作：①主變量為井點測井數據，提取了研究區5口測井數據的彈性參數低頻背景曲線，低頻分量的多少是由地震數據決定的，反演中低頻模型的作用是補充地震的低頻成分，本區地震頻譜分析表明地震的頻帶寬度為5 Hz～60 Hz，因此在井數據上提取了5 Hz以內的低頻分量作為插值主變量；②協同變量“1”為地震屬性體數據，通過分析地震屬性與測井彈性參數低頻分量之間的相關性，優選了地震偏移層速度作為插值的協同變量“1”；③協同變量2為面數據，使用沉積相平面信息，對圖2中的沉積相信息進行了數字化編碼(“1”代表臺緣礁灘相；2代表臺內礁灘相；3代表臺坪相；4代表臺緣斜坡相)，將數值化后的沉積相平面圖作為插值的協同變量2。準備好插值所需的協同變量之后，采用同位多相協同克里金技術進行插值，其中插值系數通過求解式(2)得到，最終得到反演所需的縱橫波速度、縱橫波阻抗及密度彈性參數低頻背景模型。

筆者將相控多信息融合建模結果與其常規井插值建模結果進行了對比(圖3～圖5)。由圖3可以看出，常規建模結果為井點數據通過克里金插值得到，建模結果在縱橫向的變化較小，而相控建模結果信息更為豐富，更符合碳酸鹽巖儲層非均質性強的特點。

將圖4結合圖2的沉積相圖進行分析，可以看出，常規建模結果沒有體現出碳酸鹽巖沉積相帶的趨勢信息，而相控建模結果與地質規律更加吻合，符合研究區沉積上的變化規律，更準確地反應了碳酸鹽巖儲層非均質性強的特點。圖5選取研究區內4井作為插值建模結果的后驗井，即該井不參與建模。對比常規建模與相控多信息融合建模結果，圖5中黑色曲線為該井的縱波速度低頻背景曲線，紅色曲線為相控多信息融合建模結果，與實際測井之間的均方根誤差值為0.24 km/s，藍線為常規建模結果，與實際測井之間的均方根誤差值為0.05 km/s，可以明顯看出相控建模結果與實際測井吻合度更高。

2.3 碳酸鹽巖儲層預測結果

在研究靶區基于已鉆井的巖石物理分析表明，碳酸鹽巖儲層的孔隙度與密度屬性之間有著良好的線性關系，低密度值對應高孔隙度儲層。分別基于常規建模和相控多信息融合建模結果，作為反演的低頻背景模型進行了疊前同步反演，利用反演得到的密度屬性，完成了碳酸鹽巖儲層參數孔隙度值的預測。對兩種反演結果進行了對比，如圖6所示，該剖面為研究區一條近東西向的聯絡側線，剖面所在位置見圖4。從圖6可以看出，常規井插值建模反演預測的孔隙度在臺坪相區孔隙度偏高，臺坪相區孔隙度高達18%，大部分大于13%，這與研究區沉積規律不符，其原因是由于常規反演方法沒有用到沉積信息約束反演，只能用已鉆的五口井數據約束反演，這導致在碳酸鹽巖這種非均質性很強的儲層中預測結果與地質規律嚴重不符。同時從圖6可以看到，相控多信息融合建模反演孔隙度在臺坪相區的孔隙度大部分在10%以內，與研究區沉積相帶特征吻合，反演結果準確地反應了碳酸鹽巖儲層非均質性強的特點，更符合研究區碳酸鹽巖儲層發育的地質規律。

圖3 常規建模與相控多信息融合建模縱波速度對比Fig.3 Comparison of the P-wave velocity between the conventional modeling and the facies controlled multi information fusion model(a)常規建模結果；(b)相控多信息融合建模結果

圖4 常規建模與相控多信息融合建模縱波阻抗對比Fig.4 Comparison of the P-impedance between the conventional modeling and the facies controlled multi information fusion model(a)常規建摸結果；(b)相控建模結果

圖5 常規建模與相控多信息融合建模縱波速度在井點的對比Fig.5 Comparison of conventional modeling and the facies controlled multi information fusion for the modeling of P-wave velocity in well location

圖6 常規建模反演與相控多信息融合建模反演孔隙度對比Fig.6 Inversion of porosity comparison with conventional inversion and facies controlled multi information fusion(a)常規疊前反演孔隙度剖面；(b)相控多信息反演剖面；(c)剖面沉積相圖

為了進一步對比兩種建模反演方法在碳酸鹽巖儲層預測中的應用效果，筆者采用了盲井檢驗的方式，即將研究區的一口井隱藏，不參與反演，只用于檢驗反演的精度。圖7和圖8分別為選取5井和1井為反演結果的檢驗井，對比常規建模反演與相控多信息融合建模反演的孔隙度預測結果，可以看到，相控建模反演方法吻合度明顯提高，表1統計了兩口井孔隙度反演的檢驗吻合率，吻合率提高幅度均值為21.5%，這說明相控多信息融合建模反演方法，以地質上的沉積相信息和地震上的屬性信息來約束疊前反演，適用于碳酸鹽巖儲層非均質性強的特點，有效地提高了儲層預測的精度。

對常規反演和相控多信息融合建模反演預測的孔隙度進行了整體性的對比(圖9～圖10)。結合圖2中的沉積相圖對比可以看出，常規反演在研究區東北側臺坪相區預測的孔隙度值明顯偏高，臺坪相孔隙度值大部分在13%以上，這是不符合地質規律的，相控多信息融合建模反演在研究東北側臺坪相區預測的孔隙度值在10%以內，整體預測結果與沉積相吻合較好。

圖7 儲層參數孔隙度預測結果在5井驗證對比Fig.7 Comparison between the predicted results and the measured results of fifth wells

圖8 儲層參數孔隙度預測結果在4井驗證對比Fig.8 Comparison between the predicted results and the measured results of fourth wells

井名測井平均值均方根誤差(常規反演)均方根誤差(相控反演)吻合率(常規反演)/%吻合率(相控反演)/%吻合率提高幅度/%5井15．284．250．9987293211井11．253．881．32668822

圖9 常規反演碳酸鹽巖儲層預測孔隙度平面圖Fig.9 Conventional inversion carbonate reservoir prediction porosity map

基于相控多信息融合建模反演結果,對研究區的碳酸鹽巖儲層進行了綜合評價，如圖10所示，在相控反演的結果中臺內礁、灘復合體的邊界得到較為精細刻畫，同時孔隙發育的礁、灘體的規模在平面上得以清楚地顯現出來，在研究區有Ⅰ和Ⅱ兩個明顯的儲層發育區，其中Ⅰ區位于區域構造背斜脊部，其面積約12 km2，為有利的構造-巖性復合圈閉。

圖10 相控多信息融合反演碳酸鹽巖儲層預測孔隙度平面圖Fig.10 Inversion of carbonate reservoir prediction porosity map by facies controlled multiinformation fusion

3 結語

南海珠江口盆地東沙隆起碳酸鹽巖儲層廣泛發育，勘探潛力巨大。由于碳酸鹽巖儲層非均質性強，縱橫向變化劇烈，導致常規建模反演技術在碳酸鹽巖儲層預測中風險較大，這極大地限制了碳酸鹽巖油藏的勘探進展。我們選取珠江口盆地東HZ地區為研究靶區，針對碳酸鹽巖儲層的地質特點，對現有常規井插值建模反演方法進行了改進，以碳酸鹽巖的沉積相信息和地震屬性信息來約束建模反演，將不同尺度的沉積相信息、地震屬性信息以及測井信息進行匹配融合建模，提出了適用于碳酸鹽巖儲層預測的相控多信息融合建模反演方法，該方法將地質規律信息與地球物理信息相結合用于反演，能有效提高反演的可靠性，預測結果更符合地質規律。在HZ地區應用該方法，有效地提高了碳酸鹽巖儲層預測的精度，基于新方法反演結果提出了有利勘探目標，對該區下步勘探具有一定的指導意義。該方法提出了一種新的針對碳酸鹽巖儲層的建模反演方法，同時也為相似地震地質條件下的儲層預測提供了借鑒。

[1] 汪瑞良,周小康,曾驛,等.珠江口盆地東部東沙隆起中新世碳酸鹽巖與生物礁地震響應特征及其識別[J].石油天然氣學報, 2011, 33(8):63-68. WANG R L, ZHOU X K, ZENG Y, et al. The Zhujiangkou basin Eastern New World sellum in carbonate rock and reef seismic response characteristics and identification [J]. Oil & Gas Journal, 2011, 33 (8): 63-68.(In Chinese)

[2] 劉軍,施和生,杜家元,等.東沙隆起臺地生物礁、灘油藏成藏條件及勘探思路探討[J].熱帶海洋學報,2007,26(1):22-27. LIU J, SHI H S, DU J Y, et al. The Dongsha uplift platform reef reservoir forming conditions and exploration direction of the tropical [J]. Journal of tropical marine science, 2007,26 (1): 22-27. (In Chinese)

[3] 張衛東.波阻抗反演及在碳酸鹽巖儲層預測中的應用[D].成都：成都理工大學,2015. ZHANG W D. P-impedance inversion and its application in carbonate reservoir prediction [D]. Chengdu:Chengdu University of Technology, 2015. (In Chinese)

[4] 李鐵. 不同反演方法在碳酸鹽巖儲層預測中的應用效果[J].中國西部油氣地質, 2006(2):101-104. LI T. Application effect of different inversion methods in carbonate reservoir prediction [J]. Oil and gas geology in Western China, 2006 (2): 101-104 (In Chinese)

[5] 朱偉林. 珠江口盆地中新世碳酸鹽巖及生物礁相研究[J]. 海洋地質與第四紀地質, 1987(2):13-22. ZHU W L. Study on Miocene carbonate rocks and reef facies in the Pearl river Mouth basin [J]. Marine Geology and Quaternary geology, 1987 (2): 13-22. (In Chinese)

[6] 黃誠, 傅恒, 汪瑞良. 珠江口盆地(東部)新近系珠江組碳酸鹽巖沉積相及沉積模式[J]. 海洋地質前沿, 2011(9):18-25. HUANG C, FU H, WANG R L. Sedimentary facies and sedimentary model of carbonate rocks in Zhujiang Formation of Neogene in Pearl river Mouth basin (East) [J]. marine geology front, 2011 (9): 18-25. (In Chinese)

[7] 李少華, 張昌民, 張尚鋒,等. 沉積微相控制下的儲層物性參數建模[J]. 石油天然氣學報, 2003, 25(1):24-26. LI S H, ZHANG C M, ZHANG S F, et al. Modeling of reservoir physical parameters under sedimentary microfacies [J]. Journal of petroleum and natural gas Sciences, 2003, 25 (1): 24-26. (In Chinese)

[8] 呂曉光, 王德發, 姜洪福. 儲層地質模型及隨機建模技術[J]. 大慶石油地質與開發, 2000, 19(1):10-13. LV X G, WANG D F, JIANG H F. Reservoir geological model and stochastic modeling technology [J]. Daqing petroleum geology and development, 2000, 19 (1): 10-13. (In Chinese)

[9] DEUTH,C.V. , JOURNEL A.G., GSLIB: Geostatistical Software Library and User’s Guide[M]. Oxford Press, 1996.

[10]許艷秋, 曉濤, 郝亞炬,等. 低頻信息對阻抗反演的影響分析[J]. 物探化探計算技術, 2015，37(1):78-82. XU Y Q, XIAO T, HAO Y J, et al. Analysis of information on the effects of low frequency impedance inversion calculation technique of [J]. Computing techniques for geophysical and geochemical exploration, 2015，37(1): 78-82. (In Chinese)

[11]牛文杰, 朱大培, 陳其明. 貝葉斯同位置協同克里金(Bayesian collocated CoKriging)估值法的研究[J]. 計算機輔助設計與圖形學學報, 2002, 14(4):343-347. NIU W J, ZHU D P, CHEN Q M. Study on the method of Bayesian co location (Bayesian collocated CoKriging) valuation [J]. Journal of computer-aided design and graphics, 2002, 14(14):343-347. (In Chinese)

[12]劉文嶺, 夏海英. 同位協同克里金方法在儲層橫向預測中的應用[J]. 油氣藏評價與開發, 2004, 27(5):367-370. LIU W L, XIA H Y. Reservoir evaluation and development, application of [J]. Oil and Gas Co Krikin method in lateral reservoir prediction in 2004, 27 (5): 367-370. (In Chinese)

[13]孫勤華, 劉曉梅, 劉建新,等. 利用波形分析技術半定量預測塔中碳酸鹽巖儲層[J]. 巖性油氣藏, 2010, 22(1):101-103. SUN Q H, LIU X M.LIU J X, et al. Semi quantitative prediction of lithologic reservoir in carbonate reservoir using waveform analysis technique[J].Lithologic Resercoirs,2010, 22 (1): 101-103. (In Chinese)

Application of facies controlled multi information fusion modeling inversion method in carbonate reservoir prediction in HZ area

XIAO Wei1, DAN Zhiwei1, FANG Zhongyu1, SUN Leiming， ZHANG Hongbing2

(1.CNOOC Energy Technology & Services Limited-Drilling & Production Co,Data Processing Co.Zhanjiang 524057,China; 2.Hehai University,Nanjing 210098,China)

The carbonate rocks in the HZ area of the Zhujiangkou basin in south China sea are widely developed, the carbonate reservoir heterogeneity in both vertical and horizontal is strong, which leads to the prediction of the carbonate reservoir is not applicable. According to the geological characteristics of carbonate reservoir, the existing conventional wells interpolation modeling inversion method was improved by deposition of carbonate phase information and seismic attribute information to constrain the inversion modeling, the information of sedimentary facies and the different scales of seismic attribute information and logging information for matching fusion modeling, proposed fusion phase control modeling inversion multi information for carbonate reservoir prediction. The research results show that the new modeling inversion method can effectively improve the accuracy of carbonate reservoir prediction, which is suitable for the characteristics of strong heterogeneity of carbonate reservoirs.

facies control modeling; carbonate reservoir; low frequency model; strong heterogeneity; multi information fusion

2016-11-14 改回日期：2017-02-22

肖為(1984-)，男，工程師，主要從事地球物理反演解釋，E-mail：xiaowei1@cnooc.com.cn。

1001-1749(2017)03-0395-09

P 631.2

A

10.3969/j.issn.1001-1749.2017.03.16