優質烴源巖識別及其多屬性反演技術定量評價
——以渤海海域遼東南洼陷為例

蔡冬梅　趙弟江　彭靖松　付　立　曾金昌　程耀清

(①中海油能源發展股份有限公司工程技術分公司，天津塘沽 300459；②中海石油(中國)有限公司天津分公司，天津塘沽 300459)

1　引言

識別與刻畫優質烴源巖的空間分布與發育規模是對一個地區開展勘探潛力分析的前提與基礎。近年來許多學者開展了基于地球物理資料的烴源巖評價研究，利用對測井參數、地震反射特征與地震屬性等的分析[1-3]，定量開展烴源巖的識別和評價，刻畫烴源巖平面分布規律與發育規模，在部分地區取得了較好的效果。許杰等[4]基于地質統計學反演為核心的地震儲層預測技術，通過約束稀疏脈沖波阻抗反演和地質統計學反演，預測了烴源巖層總有機碳含量(TOC)的空間展布，但未考慮巖相對TOC分布的影響，因此對沉積相較穩定的地區較為適用，而對于沉積相變化較快的地區效果較差。王健等[5]采用交會分析法、多元回歸法等優選出地層密度參數，并建立區域性的地層密度與TOC的方程，再結合三維地震數據體的疊后反演，計算出TOC數據體，其方法適用于TOC與巖石物理參數關系簡單的南方海相頁巖。牛聰等[6]利用巖石物理分析得到對TOC最為敏感的地球物理參數——縱波阻抗，并通過縱波阻抗反演及轉換得到TOC 數據體，其采用的縱波阻抗與TOC相關性不如ΔlgR法高，影響后續反演結果的精度。

本文以渤海海域遼東南洼陷為例，針對研究區首先運用交會分析法優選與TOC相關性較強的測井參數，在對比多元回歸法與ΔlgR法的基礎上，選用效果較好的ΔlgR法建立多口井烴源段的TOC曲線；再以TOC曲線為約束，運用地震多屬性反演技術，經過多元逐步回歸與人工神經網絡訓練等步驟，優選與TOC相關性較強的地震屬性，擬合出地震屬性與TOC的相互關系，進而得到TOC數據體。本文建立的多屬性與TOC的關系為非線性方程，避免了單參數反演的隨機性與多解性，提高了方法的精度與適用范圍。通過本文研究，厘清了研究區優質烴源巖發育層系、空間分布與發育規模，計算了研究區生烴量與資源量，為該區勘探潛力評價提供了依據。

2　地質概況

遼東凹陷位于渤海灣盆地遼東灣坳陷東緣，以遼東凸起南段的北東向斷層F8為界分為南北兩個次一級洼陷，本文的研究目標為遼東南洼陷(圖1)。遼東南洼陷西以中央走滑斷層F5與遼中凹陷為界，東側以斜坡逐漸過渡到膠遼隆起，南以北東向斷裂F9與渤東凹陷為界。遼東南洼陷西斷東超，曾屬于古遼中凹陷的一部分，在早漸新世沙一、二段(E2s1-2)沉積時期郯廬走滑斷裂帶穿過古遼中凹陷，斷裂帶內的差異升降和擠壓形成了遼東凸起與南部反轉構造帶，使遼東南洼陷分離，成為相對獨立的沉積凹陷[7]。遼東南洼陷經歷了斷陷期和拗陷期兩個演化階段，自下而上發育古新統孔店組，漸新統沙河街組、東營組，中新統館陶組、明化鎮組和第四系。目前認為主力烴源巖層為孔店組(E1k)、沙河街組沙四段(E2s4)、沙三段(E2s3)、沙一、二段(E2s1-2)、東營組東三段(E3d3)，主要含油層系為東二段(E3d2)和沙二段(E2s2)[8]。

圖1　遼東南洼陷構造位置圖

3　優質烴源巖主要識別特征

3.1　常規地球化學特征

總有機碳含量(TOC)、生烴潛力(S1+S2)等參數是評價烴源巖品質的最重要地球化學指標[9]。通過對遼東南洼陷162塊各層系潛在烴源巖樣品TOC、S1+S2等參數的統計(表1)，可以看出E2s1-2與E2s3烴源巖有機質豐度評價指標最高，根據中國陸相含油氣盆地的烴源巖有機質豐度評價標準[10]，E2s1-2與E2s3烴源巖達到了好至非常好的標準；E3d3烴源巖有機碳含量、總烴含量與生烴潛力參數平均值稍低，說明有機質豐度稍低； E2s4～E1k烴源巖的TOC、S1+S2等參數平均值最低，說明E2s4～E1k有機質豐度相對最低。把TOC大于2%、S1+S2大于10mg/g、反映有機質成熟度的鏡質體反射率(R0)大于0.5%的烴源巖劃分為優質烴源巖。

表1　遼東南洼陷各潛在烴源巖層系部分參數統計

注：0.18～6.6表示最小值～最大值； 1.70(87)表示平均值(樣品數)。

3.2　測井曲線響應特征

各套烴源巖由于有機質豐度、類型與成熟度不同，生烴潛力存在差別，其測井曲線響應特征(圖2)也有很大的差異[11]。

E2s1-2巖性主要為泥巖夾薄層油頁巖和頁巖，較高GR(自然伽馬，平均值為102API)、高RD(深側向電阻率，平均值為4.8Ω·m)、高DT(聲波時差，平均值為102μs/m)、高ZDEN(密度，平均值為2.32g/cm3)、高CNCF(環境校正后的補償中子孔隙度，平均值為34%)，油頁巖層段聲波曲線明顯增大，與RD曲線分開。E2s3巖性主要為棕色泥巖局部夾薄層狀頁巖，高GR(平均值為95API)、低RD(平均值為3.8Ω·m)、高DT(平均值為105μs/m)、高ZDEN(平均值為2.34g/cm3)、高CNCF(平均值為36%)，DT與RD曲線重疊，孔隙中束縛水含量可能較高。E3d3主要為棕色泥巖，較低GR(平均值為88API)、偏低RD(平均值為3.1Ω·m)、偏低DT(平均值為97μs/m)、高ZDEN(平均值為2.4g/cm3)、低CNCF(平均值為30%)，DT與RD曲線重疊；RD較低，說明E3d3尚未進入成熟階段，孔隙中尚未含降解生成的液態烴，且有機質含量相對較低。E1k主要為雜色泥巖與棕色油頁巖，油頁巖層段具有低GR(平均值為82API)、 高RD(平均值為5.2Ω·m)、高DT(平均值107μs/m)、低ZDEN(平均值為2.0g/cm3)、高CNCF(平均值為42%)的特征，DT與RD曲線分開，表明油頁巖段有機質含量較高。

圖2　L17井各套烴源巖測井曲線響應特征

3.3　地震反射特征

不同層系優質烴源巖因巖性組合不同，有機質豐度、類型與成熟度各異，其地震反射特征也不相同[12]。本文總結了研究區各套烴源巖反射特征(圖3，其中T3為沙一、二段頂，T5為沙三段頂，T7為孔店組頂)，優質烴源巖一般具有平行—亞平行反射、低頻率、高連續、強振幅的反射特征，內部可出現空白或弱振幅，表明烴源巖為可能發育在深湖—半深湖相的富有機質的泥巖。但因各套地層沉積環境、巖性組合、烴源巖品質、成熟度等方面存在差異，E3d3下部、E2s1-2、E2s3和E1k等層位烴源巖反射特征又各不相同(表2)。

圖3　烴源巖地震反射特征

層位巖性組合反射結構頻率振幅連續性反射構型E3d3泥巖8～38中頻5846強好平行E2s1?2泥巖夾油頁巖與頁巖　5～28低頻4745較強中—好平行E2s3泥巖4～23低頻6961強好平行E1k泥巖頁巖夾砂巖　5～22低頻8413強中等平行—亞平行

4　優質烴源巖的定量評價

4.1　測井資料求取單井TOC曲線

近年來很多學者開始探索烴源巖的地球化學參數與測井信息之間的關系，嘗試通過建立表征烴源巖豐度、類型、成熟度的地化參數與各類測井數據的相關關系，評價整個層段烴源巖品質，彌補巖心與巖屑樣品分析費用較高且耗時的不足[13]。

TOC是評價生油巖生烴能力的主要指標之一，是含油盆地中生烴研究和資源評價的一項重要參數[14]。本文通過對各測井數據與有機質豐度TOC相關性分析發現，中子孔隙度、聲波時差、自然伽馬、深側向等測井曲線與TOC均呈正相關關系，能譜測井曲線釷/鈾元素比(TH/U)及密度測井曲線則與TOC呈負相關關系(圖4)。

圖4　遼東南洼烴源巖測井參數與TOC相關性分析

本文選取四個與TOC相關性較強的測井參數，通過多元線性回歸分析方法建立了與TOC之間的關系

TOC=0.003×RD+0.005×GR+0.009×DT+0.031×CNCF-0.113

(1)

ΔlgR法是Passey等[15]提出的能較精確地預測不同成熟條件下的TOC烴源巖測井量評價技術，適用于碳酸鹽巖和碎屑巖。聲波時差曲線疊合在電阻率曲線上，兩條曲線的幅度差即為ΔlgR。研究表明ΔlgR與TOC呈線性關系，并且是成熟度的函數。如果成熟度可以確定，可以將ΔlgR轉換為TOC，其經驗公式為

(2)

TOC=ΔlgR×102.279-0.1688LOM

(3)

式中： DTb、RDb為非烴源巖層段即基線位置聲波時差與電阻率，多數情況下非烴源巖層的聲波時差與電阻率曲線是重疊的，重疊段即基線位置；LOM由下式確定

LOM=12.55-22.8092exp(-2.813R0)

(4)

式中R0為鏡質體反射率(表征有機質成熟度)。

兩種方法的計算結果與實測數據對比后發現，多元回歸法計算的TOC值與實測數據相關系數為0.762，而ΔlgR法計算的TOC值與實測數據相關系數為0.914，由此可見，ΔlgR計算所得結果與實測數據更接近(圖5)。本文運用ΔlgR法分別計算了本地區8口井主要烴源巖層段TOC，計算結果表明，利用測井參數得到的TOC與實測結果比較接近(圖6)，證實了該方法在研究區的適用性，也為進一步的地球物理反演提供了井控資料。

圖5　兩種方法計算得到的TOC值與實測數據對比

4.2　地震資料多屬性反演評價烴源巖

地震資料具有橫向分布廣、精度高的特點[16]，因此，基于地震資料的烴源巖分布預測，對于烴源巖的分布范圍與發育規模評價具有十分重要的意義[17，18]。

地震多屬性反演是在三維地震資料和鉆井、錄井、測井等資料解釋的儲層物性、含氣性和巖石地化指標等目標參數的基礎上，經過構造解釋拾取層位，提取和優化地震屬性，建立地震屬性或組合與已知目標參數之間的統計關系反演目標參數分布的技術[19]。其核心思想就是用已知數據建立對應關系預測未知數據，再用已知數據驗證所預測的未知數據的可靠性[20]。具體工作主要包括地震屬性的提取、優化和目標參數的反演。

應用地震屬性研究烴源巖TOC的基礎是地震與測井數據之間存在一定的內在關系，利用測井資料計算TOC，建立井旁地震道地震屬性與測井之間的相關性，將地震屬性轉換成烴源巖的TOC，并推廣到井間或無井區，其基本流程如圖7所示。

由地震資料提取的地震屬性，需做歸一化及優化處理。統計關系是建立測井數據與地震數據相關性的橋梁[21]； 刻度是采用某種地質統計學方法，實現地震屬性與測井參數的線性或非線性轉換； 由地震屬性轉換的地層特征與測井特性往往有一定的誤差，需要進行剩余校正。由地震屬性反演的地層特征應結合地質資料進行綜合分析與合理應用，從而提高反演數據的精度。

圖6　L8井運用ΔlgR計算的有機碳含量與實測數據對比

圖7　地震屬性TOC預測流程

地震多屬性反演主要由Geoview軟件的Emerge模塊完成。首先加載單井TOC曲線與原始地震數據后，提取地震屬性并通過多元逐步回歸與神經網絡訓練等方法研究地震屬性與TOC之間的相關性，優選與TOC相關性較高的地震屬性組合，最終確定濾波切片(15-20-25-30Hz)振幅、瞬時振幅二階導數、主頻、單程旅行時、瞬時振幅倒數、絕對振幅積分等6個地震屬性(圖8)，并通過神經網絡訓練建立TOC與地震屬性之間的擬合方程，其相關系數達到0.78。為了取得最佳擬合效果，將各套烴源巖單獨進行擬合，得到三維分布的TOC數據體。對各烴源巖層段TOC>2%采樣點的個數進行累加，乘以地震資料采樣率，再分別乘以鉆井揭示的各烴源巖層段穩定泥巖層統計得到的速度，從而得到E2s1-2、E2s3、E2s4～E1k優質烴源巖空間展布。

由反演的TOC剖面(圖9)可知，烴源巖TOC含量分布具有較強的非均質性，沙一、二段中上部烴源巖TOC含量較高，沙三段整體與沙四段局部層段TOC含量均較高，是本區優質的烴源巖，高TOC帶橫向上總體有較好的連續性，但受深層地震資料信噪比較低的影響，在E2s4～E1k局部連續性較差。

由預測優質烴源巖(TOC>2%的泥巖)分布(圖10)可知，E2s3優質烴源巖較厚，E2s1-2有機質豐度最高，但厚度最小，E2s4～E1k也發育了規模較大的優質烴源巖，這是本區有別于遼東灣其他凹陷的重要層系，其生烴潛力值得關注。平面上，優質烴源巖較厚的層段主要分布在北部，是烴源巖的沉積中心，南部地區優質烴源巖沿走滑斷層呈串珠狀分布，表明其發育明顯受到走滑斷層控制，沉積中心不斷發生遷移。應用有機碳法計算了研究區優質烴源巖生烴量與資源量，結果顯示，遼東南洼總生烴量為36.51×108t，總資源量為2.76×108t，而前人計算整個遼東凹陷資源量僅為1.68×108t。近年來該地區L4、L5井先后取得了重大發現，進一步印證了遼東南洼具有較好的勘探潛力。

圖8　遼東南洼烴源巖井旁道地震屬性與TOC的相關性分析

圖9　多屬性反演得到的TOC剖面

圖10　各層段優質烴源巖預測厚度

5　結論

(1)綜合利用地化、測井與地震資料，建立了優質烴源巖常規地球化學參數、測井參數與地震反射特征等三級識別標志：常規地化特征主要為總有機碳含量大于2%、生烴潛量(S1+S2)大于10mg/g、鏡質體反射率(R0)大于0.5%； 測井曲線具有高伽馬、高電阻率、高聲波時差、高中子孔隙度、低密度的特點；地震上具有低頻、強振幅、連續、平行反射的特征。

(2)測井數據約束下的地震屬性反演技術對研究區烴源巖進行定量評價，指出沙一、二段及沙三段整體是優質的烴源巖主要發育層段。沙四段—孔店組局部油頁巖段是研究區潛力烴源巖，資源量值得繼續研究，東三段泥巖不能作為研究區烴源巖。

(3)研究區各套優質烴源巖厚度較大，展布范圍廣。其中洼陷北部優質烴源巖明顯比南部厚，是該區生烴中心，南部則主要沿走滑斷層呈串珠狀分布，明顯受到走滑斷層控制。遼東南洼烴源巖發育層系較多、規模較大、生烴潛力大，是渤海海域極具勘探潛力的地區。

[1]徐思煌,朱義清.烴源巖有機碳含量的測井響應特征與定量預測模型——以珠江口盆地文昌組烴源巖為例.石油實驗地質,2010,32(3)：290-295.

Xu Sihuang,Zhu Yiqing.Well logs response and prediction model of organic carbon content in source rocks：A case study from the source rock of Wenchang Formation in the Pearl Mouth basin.Petroleum Geology & Experiment,2010,32(3)：290-295.

[2]張寒,朱光有.利用地震和測井信息預測和評價烴源巖——以渤海灣盆地富油凹陷為例.石油勘探與開發,2007,34(1)：55-59.

Zhang Han,Zhu Guangyou.Using seismic and log information to predict and evaluate hydrocarbon source rocks：An example from rich oil depressions in Bohai Bay.Petroleum Exploration and Development,2007,34(1)：55-59.

[3]金吉能,潘仁芳,王鵬等.地震多屬性反演預測頁巖總有機碳含量.石油天然氣學報,2012,34(11)：68-72.

Jin Ji’neng,Pan Renfang,Wang Peng et al.Prediction of total organic carbon content of shale using seismic multi-attribute inversion.Journal of Oil and Gas Technology,2012,34(11)：68-72.

[4]許杰,何治亮,董寧等.含氣頁巖有機碳含量地球物理預測.石油地球物理勘探,2013,48(增刊1)：64-68.

Xu Jie,He Zhiliang,Dong Ning et al.Total organic carbon content prediction of gas-bearing shale with geophysical methods.OGP,2013,48(S1)：64-68.

[5]王健,石萬忠,舒志國等.富有機質頁巖TOC含量的地球物理定量化預測.石油地球物理勘探,2016,51(3)：596-604.

Wang Jian,Shi Wanzhong,Shu Zhiguo et al.TOC content quantitative prediction in organic rich shale.OGP,2016,51(3)：596-604.

[6]牛聰,劉志斌,王彥春等.應用地球物理技術定量評價遼西凹陷沙河街組烴源巖.石油地球物理勘探,2017,52(1)：131-137.

Niu Cong,Liu Zhibin,Wang Yanchun et al.Quantitative evaluation of Shahejie formation source rocks in Liaoxi Sag with geophysical approaches.OGP,2017,52(1)：131-137.

[7]周心懷,劉震,李濰蓮.遼東灣斷陷油氣成藏機理.北京：石油工業出版社,2009,125-132.

[8]姜雪,鄒華耀,莊新兵等.遼東灣地區烴源巖特征及其主控因素.中國石油大學學報(自然科學版),2010,34(2)：31-37.

Jiang Xue,Zou Huayao,Zhuang Xinbing et al.Characteristics of hydrocarbon source rock and its main controlling factors in Liaodong Bay area.Journal of China University of Petroleum (Edition of Natural Science),2010,34(2)：31-37.

[9]Chen J Y,Bi Y P,Zhang J G et al.Oil-source correlation in the Fulin basin,Shengli petroleum province,East China.Organic Geochemistry,1996,24(8/9)：931-940.

[10]Q/HS1068-2015海上凹陷生烴潛力評價規范.中國海洋石油總公司,北京，2015.

[11]顧紅英.測井曲線標定有機碳方法在蘇北盆地的應用.江蘇地質,2004,28(3)：166-169.

Gu Hongying.Organic carbon demarcating method with well log and its application in north Jiangsu basin.Jiangsu Geology,2004,28(3)：166-169.

[12]劉震,常邁,趙陽等.低勘探程度盆地烴源巖早期預測方法研究.地學前緣,2007,14(4)：159-167.

Liu Zhen,Chang Mai,Zhao Yang et al.Method of early prediction on source rocks in basins with low exploration activity.Earth Science Frontiers,2007,14(4)：159-167.

[13]趙桂萍，李良.杭錦旗地區基于測井響應特征的泥質烴源巖有機質豐度評價研究.石油物探,2016,55(6)：879-886.

Zhao Guiping,Li Liang.Evaluation on abundance of organic matter for shaly source rocks based on well log responses in Hangjinqi area,Ordos Basin.GPP,2016,55(6)：879-886

[14]Hao F,Zhou X H,Zhu Y M et al.Lacustrine source rock deposition in response to co-evolution of environ-

ments and organisms controlled by tectonic subsi-dence and climate,Bohai Bay Basin,China.Organic Geochemistry,2011,42(4)：323-339.

[15]Passy Q R,Creaney S,Kulla J B et al.A practical model for organic richness from porosity and resisti-vity logs.AAPG Bulletin,1990,74(12)：1777-1794.

[16]劉一茗,葉加仁,曹強等.西藏倫坡拉盆地古近系牛堡組烴源巖預測與評價.地球科學——中國地質大學學報,2017,42(4)：601-612.

Liu Yiming,Ye Jiaren,Cao Qiang et al.Preliminary prediction and evaluation of source rocks in the Lunpola Basin,Tibet,China.Earth Science—Journal of China University of Geosciences,2017,42(4)：601-612.

[17]劉軍,汪瑞良,舒譽等.烴源巖TOC地球物理定量預測新技術及在珠江口盆地的應用.成都理工大學學報(自然科學版),2012,39(4)：415-419.

Liu Jun,Wang Ruiliang,Shu Yu et al.Geophysical quantitative prediction technology about the total organic carbon in source rock and application in Pearl River Mouth Basin,China.Journal of Chengdu University of Technology (Science & Technology Edition),2012,39(4)：415-419.

[18]顧禮敬,徐守余,蘇勁等.利用地震資料預測和評價烴源巖.天然氣地球科學,2011,22(3)：554-560.

Gu Lijing,Xu Shouyu,Su Jin et al.Muddy hydrocarbon source rock prediction and evaluation with seismic data.Natural Gas Geoscience,2011,22(3)：554-560.

[19]趙勝,劉磊,付東陽.基于地震資料的烴源巖早期評價研究.石油天然氣學報,2007,29(5)：76-81.

Zhao Sheng,Liu Lei,Fu Dongyang.On early evaluation of hydrocarbon source rocks based on seismic data.Journal of Oil and Gas Technology,2007,29(5)：76-81.

[20]王鵬,鐘建華,張寶權等.虛擬三維地震技術在綏濱拗陷油氣勘探中的應用.石油地球物理勘探,2011,46(增刊1)：97-101.

Wang Peng,Zhong Jianhua,Zhang baoquan et al.Hypothesized 3D seismic application in oil exploration of Suibin depression.OGP,2011,46(S1)：97-101.

[21]陳宇航,姚根順,劉震等.利用地震信息定量預測烴源巖TOC質量分數.中南大學學報(自然科學版),2016,47(1)：159-165.

Chen Yuhang,Yao Genshun,Liu Zhen et al.Total organic carbon quantitative prediction using seismic information.Journal of Central South University (Science and Technology),2016,47(1)：159-165.