三維地震資料在密井網區(qū)井間儲層預測中的應用
——以大慶油田PN地區(qū)典型區(qū)塊葡萄花油層為例

唐金榮（大慶油田有限責任公司勘探開發(fā)研究院，黑龍江 大慶163712）

三維地震資料在密井網區(qū)井間儲層預測中的應用
——以大慶油田PN地區(qū)典型區(qū)塊葡萄花油層為例

唐金榮（大慶油田有限責任公司勘探開發(fā)研究院，黑龍江 大慶163712）

傳統(tǒng)意義上基于測井曲線來預測沉積微相的方法已經不能滿足密井網下特高含水階段剩余油分布和井間砂體的精細預測，如何將密井網開發(fā)資料與三維地震資料有機結合進行井間砂體的預測就成為當務之急。以大慶油田PN地區(qū)典型區(qū)塊葡萄花油層為例，利用井震結合的方法進行精細沉積微相展布的研究，以原有相帶圖井點數(shù)據為基礎，運用測井曲線確定砂巖類型，根據地震屬性和反演結果確定砂巖厚度、寬度和連通性，利用沿層切片確定不同時期發(fā)育的河道，以單層有效厚度和孔隙度確定砂體發(fā)育方向，其成果在實際生產中得到了較好的驗證。

儲層預測；地震反演；井震結合；沉積微相

大慶油田經過半個世紀的發(fā)展，開采的主要對象已由厚油層轉向高度分散而又局部相對富集的薄差油層，如何將密井網開發(fā)資料與三維地震資料有機結合進行井間儲層的預測就成為當務之急。因此，必須對開發(fā)區(qū)的沉積微相展布特征有很明確的認識，才能對儲集砂體以及可能的剩余油分布有利區(qū)帶有更詳盡的認識，并用于指導加密井網的部署。以PN油田8斷塊典型區(qū)塊為例，利用井震結合的方法，分沉積單元進行砂體預測，提高了葡萄花油層超薄砂體的預測精度。

1 研究方法

準確揭示沉積微相展布范圍和分布特征是儲層非均質性研究的關鍵和基礎［1］。傳統(tǒng)的沉積相研究方法從人工判相發(fā)展到測井相自動判別技術［2］，一般是統(tǒng)計單井上各層段的地層厚度、砂巖厚度和含砂率等數(shù)據，考慮各井各層段的測井曲線形態(tài)，以井點為控制點，勾繪工區(qū)內的上述等值線圖，平面上分析砂體的展布狀況，確定工區(qū)的沉積相展布。此次按短期、超短期沉積旋回（小層）兩個級別來研究，前者考慮其含砂率分布，進而繪制沉積微相分布圖；后者考慮各小層的測井曲線形態(tài)及砂巖厚度分布，在短期沉積旋回沉積微相分布趨勢約束的前提下，編制各小層的沉積微相分布圖。

目前國內外應用地震信息預測薄儲層分布的常用方法可歸納為兩大類。一類是純粹依靠地震信息的地震屬性分析方法，以不連續(xù)性分析法、時頻分析法、波形分類法為代表；另一類是綜合運用地震資料和測井信息，用反演的方式把地震數(shù)據轉化為對薄儲層反應敏感的聲阻抗或其它地層電性信息，從而更精確地預測儲層的分布［3～5］。

2 操作流程

地震屬性方法［6～8］應用較廣，由于地震屬性是直接在地震數(shù)據體上提取的，因此，首選其作為沉積相研究的輔助方法；而測井約束地震反演的垂向分辨率可達3～8m，可以充分反映砂體的空間展布?；趦烧邇?yōu)勢，綜合繪制沉積微相分布圖（圖1）。

圖1 井震結合進行沉積微相研究流程圖

2.1 井點屬性提取

多信息預測的關鍵是提取并優(yōu)選與地質特性有關的地震屬性。因此，有必要對地震屬性提取前進行合理的時窗選取和標準化、平滑和壓縮等數(shù)據的預處理，目的是剔出由于各種屬性之間數(shù)值差別大和量綱不同導致與地質條件無關的假象等。目前有數(shù)理統(tǒng)計模式、模糊模式、神經網絡、函數(shù)逼近和地質統(tǒng)計學等眾多方法。對井點網格和地震屬性網格之間采用影響因子值來匹配，運用加權平均達到鄰近網格點最佳的權值。

2.2 地震屬性方法

地震屬性可以從不同角度，以不同形式表征地震信息。主要的地震常規(guī)屬性近十大類，如振幅、頻率、相位、極性、波阻抗等，每一類又包括多種參數(shù)。通過地震屬性的提取，分析地震屬性與鉆井信息（如砂巖厚度、儲層厚度和油層厚度）之間的關系。

1）聚類分析 在聚類分析過程中，先對數(shù)據進行的標準差標準化，再求各個樣本之間的模糊相似矩陣，選用布洛克距離算法［9］對多種地震屬性進行親疏程度的比較，并進行最優(yōu)相關系數(shù)（同一類中對象間的相似度最大化，不同類中的對象間的相似度最小化）的計算，以確定最終選用的屬性。若地震屬性與井信息之間存在明顯的相關性，說明地震資料對儲層的可預測性。

2）地震屬性點抽稀 對于小井距和面積不大的實驗區(qū)此次操作可省略不做，強大的工作站硬件完全能夠快速完成；對于井距已經較密且地震數(shù)據體較大的研究區(qū)，為了更加有效地預測井間的儲層展布規(guī)律，有必要抽稀屬性點（即虛擬井點），以方便研究井間小層的沉積微相展布特征［10］。

2.3 平面沉積微相研究

以原有相帶圖井點數(shù)據為基礎，運用測井曲線確定砂巖類型，根據地震屬性及反演結果確定砂巖厚度、寬度和連通性，利用沿層切片確定不同時期發(fā)育的河道，以單層有效厚度和孔隙度確定砂體發(fā)育方向，對平面沉積微相分布和砂巖展布情況進行預測。

3 應用實例及效果分析

以PN油田8斷塊典型區(qū)塊為｀例，該區(qū)塊面積約14.9km2，開發(fā)井218口，經過加密的井網局部達到100m×100m。三維地震資料重新處理后在目的層地震資料主頻在40～45Hz，有效帶寬10～80Hz，面元為10m×10m。此次研究在綜合分析地質、巖心和測井資料的基礎上，采用模糊神經網絡方法進行地震屬性儲層預測。模糊神經網絡與傳統(tǒng)BP網絡的最大區(qū)別就是借助模糊聚類的方法確定神經網絡的個數(shù)，用BP網絡的學習來求取隸屬函數(shù)［11］。它能克服BP網絡的不足，較好的解決了地質條件復雜情況下的儲層及油氣預測問題。主要包括四個層，輸入層、隸屬函數(shù)（模糊規(guī)則）生成層、推理層及反模糊化層（圖2）。模糊神經網絡的每層推導均有明顯的物理意義，因而較之已有的網絡模型，其物理意義更加明顯。

圖2 模糊神經網絡地震屬性儲層預測示意圖

實際研究過程中，通過地震屬性組合的篩選，對整個葡萄花油層、主力生產層位提取了均方根振幅、平均振幅、半幅能量、瞬時頻率、瞬時相位、瞬時頻率梯度、反射強度梯度、吸收因子、信噪比和有效頻帶寬度10種屬性，分為5種組合形式：組合1為10種屬性的全組合選??；組合2為均方根振幅、平均振幅、半幅能量和吸收因子4種屬性組合；組合3為瞬時頻率、瞬時相位、瞬時頻率梯度和反射強度梯度共4種屬性組合；組合4為信噪比和有效頻帶寬度兩種屬性組合；組合5為均方根振幅、平均振幅、半幅能量、瞬時頻率、瞬時相位和吸收因子共6種屬性組合。

圖3 測井曲線確定砂巖類型和沉積微相范圍

對于葡萄花油層這個大層段而言，地震屬性求取過程中的平均和光滑等處理方式使得垂向上多層砂巖在相位和頻率上變化特征被淹沒，其地震屬性與砂巖厚度之間沒有明顯的相關性。對于砂層組和小層而言，組合5的這種平均化效應不明顯，河道砂巖在地震資料中的響應特征得以保留到地震屬性中，地震屬性與砂巖厚度之間的關系較好，因此，組合5應用效果最優(yōu)。

選取河道、主體席狀砂、非主體席狀砂、表外儲層四個微相較全，面積分布較大的P021沉積單元為例，根據單井自然電位、微電極（電位）電測曲線形態(tài)（圖3），得到純井點勾繪的沉積微相圖。

以前井點勾繪的沉積微相圖（圖4（a）），已經不能解決日益突出的小層間的開發(fā)調整矛盾，需要重新進行精細地質研究。經過地層重新對比后，依據微相類型的曲線形態(tài)，結合砂巖測井解釋數(shù)據，確定定點位置的相帶類型，得到新的井點繪制的相帶圖（圖4（b）），修正了反演結果誤差。利用地質統(tǒng)計隨機反演方法的反演結果預測砂體厚度，劃分了主導相帶（河道相），參照單層厚度、反演孔隙度分布趨勢確定了從東北向西南的河道流向（顏色深的區(qū)域），黑色線內是砂巖尖滅區(qū)（圖4（c））。應用小層波阻抗和泥質含量切片，分析河道發(fā)育期次及擺動方向，確定平面上同一沉積單元不同時期砂體組合的關系。反演砂體厚度圖累計了層間采樣點的信息，反映出的是一個統(tǒng)計效果，在平面圖可以看出砂體的發(fā)育形態(tài)，但不太容易確定井間砂體的發(fā)育寬度以及井間砂體的連通關系，可以借助過井的反演縱剖面來落實砂體寬度與連通性。充分借鑒老沉積相帶圖的成果，尤其是河間和表外的描述和刻畫，結合井的信息、前人的研究成果以及地震預測的結果，刻畫了井震結合沉積相帶圖（圖4（d））。對比可以看出，結合地震后的沉積相在井間的變化更為豐富，對河道在井間的展布范圍展現(xiàn)更為精確，同時在井間發(fā)現(xiàn)了一些新的區(qū)域（主要是西北角的席狀砂區(qū)域，橢圓形黑線框內部），對于井間席狀砂可以通過反演結果大概預測出其分布范圍。說明地震信息的融入彌補了井點控制的“盲點”，地震在開發(fā)區(qū)的沉積相研究中起到了很好效果。

4 結 語

利用三維地震資料進行油藏精細描述可以在一定程度上加深和修正已有的油藏描述認識，尤其在對儲層沉積微相分布和砂體展布方面。利用地震屬性與砂體厚度（或含砂率）之間的相關性，把地震屬性轉換為砂體厚度，再通過砂體厚度與地震屬性的總體分布并結合井點的認識，綜合確定沉積格局和沉積微相的平面展布。利用測井約束地震反演垂向分辨率高的特點，用測井資料豐富的高頻信息和完整的低頻成分補充了地震資料有限帶寬的不足，刻畫了精細的井間砂體分布圖。建議將地震反演與層序地層學、沉積學研究相結合，進一步提高井間地震反演儲層預測的精度。

［1］馮國慶，李允.應用序貫指示模擬方法模擬沉積微相［J］.西南石油學院學報，2001，23（2）：1～41.

［2］薛林福，王劍，王東坡，等.儲層沉積微相帶自動跟蹤方法［J］.石油與天然氣地質，2004，25（1）：81～92.

［3］張輝，林春明，崔穎凱.三角洲沉積微相特征及其地震識別方法－以委內瑞拉卡拉高萊斯地區(qū)為例［J］.石油物探，2005，44（6）：557～562.

［4］關達，付強.地震解釋技術新進展［J］.勘探地球物理進展，2003，26（5－6）：367～373.

［5］姜素華，王永詩，林紅梅，等.測井約束反演技術在不同類型沉積體系中的應用［J］.石油物探，2004，43（6）：587～590.

［6］陳波，凌云，劉欽甫，等.利用地震屬性技術分析儲層含油氣信息——以塔里木盆地HD4油田為例［J］.特種油氣藏，2005，12（3）：12～15.

［7］倪逸，楊慈珠，郭玲置，等.儲層油氣預側中地震屬性優(yōu)選問題探討［J］.石油地球物理勘探，1999，34（6）：614～626.

［8］秦月霜，陳顯森，王彥輝.用優(yōu)選后的地震屬性參數(shù)進行儲層預測［J］.大慶石油地質與開發(fā)，2000，19（6）：44～45.

［9］Su J M，Ruan S Y，Wang Y L.Matlab engineering mathematics［M］.Beijing：Publishing House of Electronics Industry，2005.110～114.

［10］蘇燕，楊愈.密井網區(qū)井震結合進行沉積微相研究及儲層預測方法探討——以大慶杏樹崗油田杏56區(qū)為例［J］.地學前緣（中國地質大學（北京）；北京大學），2008，15（1）：110～112.

［11］許少華，陳可為，梁久禎，等.基于遺傳－BP神經網絡的沉積微相自動識別［J］.大慶石油學院學報，2001，25（1）：51～54.

Application of 3DSeismic Data to Predict Interwell Reservoirs in Dense Well Pattern Area

TANG Jin－rong（Research Institute of Petroleum Exploration and Development，Daqing Oilfield Co.Ltd.，CNPC，Daqing163712，Heilongjiang，China）

In tradition，the methods based on well log forecast of the sedimentary microfacies could not satisfy the prediction of remaining oil distribution and interwell sand bodies in dense well pattern areas at high water－cut stage.How to integrate the dense well data with 3Dseismic data to forecast the interwell sands would be the imperative task.The typical block in the PN Area of Daqing Oilfield was taken for example，the method of wells integrating with seismic data was used for studying the distribution of sedimentary micro－facies.Based on the original point data of the logging curve the sandstone thickness，its width and connectivity are determined according to the seismic attributes，inversion results to obtain the river channel developed at different periods by using of slices along the inversion layer，and to determine the direction of sand－body development of sedimentary facies mapping method based on the single－layer of effective thickness and porosity.The results are proven in actual production.

reservoir prediction；geophysics；seismic inversion；impedance；well－seism integration；sedimentary microfacies

P631.44

A

1000－9752（2010）05－0230－05

2010－07－10

唐金榮（1959－），女，1980年大專畢業(yè)，工程師，現(xiàn)主要從事油藏描述及隨機建模方面的研究工作。