地層模量分解及在流體識別中的應(yīng)用

石玉梅，曹宏，孫夕平，李凌高，宋建勇，孫虎生

中國石油勘探開發(fā)研究院，北京 100083

?

地層模量分解及在流體識別中的應(yīng)用

石玉梅，曹宏，孫夕平，李凌高，宋建勇，孫虎生

中國石油勘探開發(fā)研究院，北京 100083

儲層流體識別是確定油氣水分布，合理布設(shè)井位，提高鉆井成功率的關(guān)鍵之一.本文基于流體飽和孔隙介質(zhì)巖石物理模型，對地震反演的地層體積模量進(jìn)行分解，獲得孔隙流體體積模量，并依據(jù)油、氣、水(尤其是氣-油、氣-水)模量的顯著差異進(jìn)行識別.文中簡要分析了Gassmann模型和Kuster-Toks?z模型的特征，詳細(xì)討論了孔隙形態(tài)和飽和度對彈性模量的影響，提出了聯(lián)合Kuster-Toks?z方程和Gassmann方程的體積模量分解方法.該方法通過Kuster-Toks?z方程從測井?dāng)?shù)據(jù)中反演地層骨架固體和干骨架的彈性模量，再利用Gassmann方程對地層體積模量進(jìn)行分解，既考慮了孔隙形態(tài)，又充分利用了Gassmann方程的易用性.理論模型結(jié)果表明方法是可行的.方法應(yīng)用于西部地區(qū)某氣田，流體識別與地層含氣性預(yù)測結(jié)果與鉆井基本一致，進(jìn)一步證實(shí)了方法的有效性.

油氣地層；巖石物理；模量分解；流體識別

1 引言

經(jīng)過多年的油氣勘探和開發(fā)，構(gòu)造型油氣藏發(fā)現(xiàn)的概率已越來越少，巖性地層油氣藏的勘探已普遍受到人們的關(guān)注.我國陸上巖性地層油氣藏多屬于陸相沉積，單個油/氣層薄，物性變化大，非均質(zhì)性強(qiáng)，油、氣、水關(guān)系復(fù)雜，預(yù)測難度大，因此，要提高這類油氣藏預(yù)測的準(zhǔn)確性和鉆井成功率，流體識別非常必要.

由于高密度的空間采樣，地震技術(shù)是進(jìn)行地下流體識別的主要手段之一.地震流體識別方法可分為兩大類，即屬性類和參數(shù)類.屬性類方法直接利用地震波的屬性參數(shù)(如振幅、相位、頻率等)進(jìn)行流體預(yù)測，如“亮點(diǎn)”技術(shù)、模式識別，等.“亮點(diǎn)”技術(shù)是一種定性探測流體的方法，它利用的是疊后地震波的振幅屬性，該方法在油氣藏預(yù)測中發(fā)揮過重要作用(Robertson and Prichett，1985；Wang and Huang，1993)，但在巖性差異比較大的地方，也會產(chǎn)生類似的“亮點(diǎn)”(Foster et al.，1993；Mathieu and Rice，1969；Smith and Gidlow，1987).模式識別技術(shù)以測井?dāng)?shù)據(jù)為橋梁，通過建立多地震屬性與油氣的映射模式進(jìn)行預(yù)測(Bios，1980；Wang and Huang，1993；錢紹新，1992；劉立峰等，2014).由于采用了多屬性數(shù)據(jù)的融合，模式識別技術(shù)在一定程度上緩解了單一地震屬性技術(shù)的困難.參數(shù)類方法主要是基于AVO技術(shù)發(fā)展起來的，其中最具代表性的有“流體因子”法(Smith and Gidlow，1987；Smith and Sutherland，1996；Fatti et al.，1994；寧忠華等，2006)、“Lamda-Mu-Rho”法(Goodway et al.，1997；Gray et al.，1999；Ojo et al.，2005；Russell et al.，2003)，等.參數(shù)類方法利用的是地層的彈性參數(shù)，與屬性類方法相比，更具有物理意義.近年來，人們又發(fā)展了介于疊后和AVO技術(shù)之間的彈性阻抗技術(shù)(Connolly，1999；Gonzalezález et al.，2003；Ma and Morozov，2006；印興耀等，2010).彈性阻抗技術(shù)利用隨偏移距變化的振幅特征和局部疊加，在一定程度上克服了全偏移距數(shù)據(jù)疊加對地下地質(zhì)體產(chǎn)生的模糊效應(yīng)，同時，通過部分疊加降低了疊前振幅數(shù)據(jù)對噪聲的敏感性.

地層彈性參數(shù)不但與孔隙流體有關(guān)，與巖性、孔隙度、孔隙形態(tài)等關(guān)系也很密切，地震屬性類參數(shù)很大程度上還受地層間的空間接觸關(guān)系影響，針對這些問題，現(xiàn)有方法在流體敏感性研究和預(yù)測方面取得了諸多進(jìn)展，但多解性仍比較強(qiáng).

Murphy等(1993)基于Biot-Gassmann模型，將地層彈性模量分解為孔隙空間模量和賦含束縛水的“干”骨架彈性模量，提出了利用縱、橫波測井?dāng)?shù)據(jù)計算孔隙體積模量、獲取孔隙流體模量并進(jìn)行流體識別方法.Yin和Zhang(2014)利用振幅隨偏移距變化及巖石物理模型，通過貝葉斯反演方法從地震數(shù)據(jù)中直接獲取有效孔隙流體體積模量，并作為流體指示因子進(jìn)行流體識別，降低了巖石基質(zhì)尤其是孔隙度的影響.

本文利用聲學(xué)全波形反演提供的地層體積模量，聯(lián)合Gassmann方程和Koster-Toks?z方程進(jìn)行模量分解，獲得孔隙流體的體積模量，并進(jìn)行流體識別.文中簡要分析了Gassmann方程和Koster-Toks?z方程的特征，并通過數(shù)值計算結(jié)果討論了不同孔隙形態(tài)情況下兩者的差異，在此基礎(chǔ)上確定了首先利用Kuster-Toks?z方程從測井?dāng)?shù)據(jù)中反演地層骨架固體和干骨架的彈性模量，再基于Gassmann方程對地層有效體積模量進(jìn)行分解，獲得孔隙流體體積模量并進(jìn)行流體識別.文中還結(jié)合油氣田開發(fā)對飽和度的要求，確定了流體識別準(zhǔn)則.方法應(yīng)用于西部某氣田的實(shí)際數(shù)據(jù)，取得了比較好的預(yù)測效果，從而為后續(xù)的有效儲層描述和油氣藏成像提供可靠的流體分布數(shù)據(jù).

2 流體飽和孔隙介質(zhì)巖石物理模型

地震波走時、反射波波形的變化都攜帶有關(guān)地下巖石、流體性質(zhì)的信息.從地震數(shù)據(jù)中獲取這些信息巖石物理是橋梁.多年來很多學(xué)者致力于巖石物理方面的研究，先后提出了多種理論模型和經(jīng)驗(yàn)公式(Mavko et al.，1998)，Gassmann方程是其中最為常用的模型之一.隨著認(rèn)識的深入和油氣勘探要求的提高，考慮孔隙形態(tài)的Kuster-Toks?z模型也逐漸受到了人們的重視.這里我們首先簡單回顧這兩個模型.

2.1 Gassmann模型

Gassmann模型的數(shù)學(xué)形式(Mavko et al.，1998)：

(1a)

(1b)

(1c)

其中，Kf,Km,Kd,Ke分別為孔隙流體、骨架固體、干骨架及流體飽和介質(zhì)(又稱有效介質(zhì))的體積模量；μe,μd分別為有效介質(zhì)和干骨架的剪切模量；ρe,ρd,ρf分別為有效介質(zhì)、干骨架及孔隙流體的密度；φ為孔隙度.

Gassmann模型描述了流體飽和介質(zhì)彈性模量與骨架固體、干骨架、孔隙流體模量以及孔隙度的關(guān)系，適用于低頻極限和孔隙流體黏度為零的情況.Gassmann方程中只涉及到總孔隙度，孔隙形態(tài)的影響通過干骨架體現(xiàn)(Mavko et al.,1998)，但方程(1b)表示的孔隙流體存在不影響有效介質(zhì)的剪切模量實(shí)際上隱含了孔隙形態(tài)為球形的假設(shè)(Toks?z et al.，1976)，因此，如果不考慮剪切模量的變化，只研究流體飽和孔隙介質(zhì)體積模量的變化特征，則孔隙形態(tài)效應(yīng)可以通過干骨架體積模量實(shí)現(xiàn).

2.2 Kuster-Toks?z模型

Kuster和Toks?z基于散射理論，導(dǎo)出了長波長一階近似條件下流體飽和孔隙介質(zhì)彈性模量方程，即Kuster-Toks?z方程(Kuster and Toks?z，1974；Toks?z et al.，1976).該方程通過引入孔隙縱橫比(孔隙長軸與短軸之比)譜，考慮了孔隙度和孔隙形態(tài)對介質(zhì)彈性模量的影響.

Kuster-Toks?z方程的形式為(Toks?z et al.，1976)：

(2a)

(2b)

Kuster-Toks?z方程中，巖石的剪切模量受孔隙填充物性質(zhì)影響，尤其孔隙中填充高黏度稠油.另一方面，Kuster-Toks?z方程考慮了孔隙形狀，更符合實(shí)際地層.

2.3 Gassmann方程與Kuster-Toks?z方程比較

Gasmann方程與Kuster-Toks?z方程的區(qū)別主要有：(1)Kuster-Toks?z方程顯示表示了有效介質(zhì)彈性模量與孔隙形態(tài)的關(guān)系，而Gasmann方程的孔隙形態(tài)效應(yīng)隱含在干骨架的體積模量中(Mavko et al.，1998)；(2)Gasmann方程假定剪切模量為常數(shù)，不受孔隙流體的影響，Kuster-Toks?z方程中剪切模量與孔隙流體有關(guān).Toks?z等(1976)證明了在球形孔隙情況下Kuster-Toks?z方程與Gasmann方程是等效的.下面我們通過計算，討論非球形孔隙情況下這兩方程的差異.

計算中取骨架固體體積模量Ks=38 GPa，剪切模量μs=44 GPa，孔隙度φ=15%.不同孔隙形態(tài)的干骨架彈性模量用Kuster-Toks?z方程計算獲得.

圖1顯示了孔隙中充填CO2氣體(KCO2=0.00013 GPa，ρCO2=1.87 kg·m-3)情況下分別利用Gassmann方程和Kuster-Toks?z方程計算的地層體積模量(Ke)和剪切模量(μe)隨孔隙縱橫比(α)變化曲線.可以看出，充填氣體情況下，用Gassmann方程和Kuster-Toks?z方程計算不同縱橫比孔隙地層體積模量和剪切模量結(jié)果相同.圖2顯示了孔隙中充填水(Kwater=2.25 GPa，ρwater=1000 kg·m-3)時的計算結(jié)果.與飽和氣體情況類似，兩方程計算的體積模量重合，剪切模量在小縱橫比孔隙(α<0.5)時略有區(qū)別，但不很明顯，可以忽略.圖1和圖2結(jié)果表明，在飽和氣或飽和水情況下，對于不同縱橫比孔隙，Gassmann方程與Kuster-Toks?z方程基本等價，這為實(shí)際數(shù)據(jù)處理時先應(yīng)用Kuster-Toks?z方程從測井?dāng)?shù)據(jù)中反演骨架固體和干骨架的彈性模量，再利用Gassmann方程從地震反演獲得的地層彈性模量中分解流體模量奠定了基礎(chǔ).

圖1 飽和氣時Gassmann方程和Kuster-Toks?z方程計算的彈性模量隨孔隙縱橫比變化Fig.1 Effective elastic moduli (calculated by Gassmann equations and Kuster-Toks?z equations,respectively) versus pore aspect radio in saturated gas

圖2 飽和水時Gassmann 方程和Kuster-Toks?z方程計算的有效彈性模量隨孔隙縱橫比變化Fig.2 Effective elastic moduli (calculated by Gassmann equations and Kuster-Toks?z equations respectively) versus pore aspect radio in saturated water

3 模量分解及流體識別

利用彈性模量進(jìn)行地下流體識別前，我們首先討論流體的存在對地層彈性模量的影響.

3.1 流體飽和多孔介質(zhì)彈性模量

考慮完全飽和水(Sw=100%)和完全飽和氣(Sgas=100%)兩種情況，其他參數(shù)同上.Kuster-Toks?z方程計算結(jié)果如圖3a和3b所示.由圖3a可以看出，無論孔隙是什么形狀，飽和水的地層和飽和氣的地層體積模量都有比較明顯的區(qū)別，飽和水地層體積模量比飽和氣地層體積模量大，且孔隙縱橫比越小，這種差別越大.圖3b顯示，除了小孔隙縱橫比時的微小差異(可以忽略)外，飽和水的地層和飽和氣的地層剪切模量基本重合.因此，在識別地層中流體是氣還是水時，采用體積模量更為合適.

地層孔隙中油、氣和水的混合相態(tài)在實(shí)際油氣藏中更為普遍.混合流體情況下地層彈性模量有何變化特征？這里我們?nèi)匀煌ㄟ^計算進(jìn)行討論(計算所用參數(shù)同上).

混合流體體積模量的計算采用經(jīng)驗(yàn)公式(Brie et al.，1995)：

(3)

其中，Kf為混合流體體積模量，Kliquid和Kgas分別為液體和氣體體積模量，Sgas為含氣飽和度，e為指數(shù)，這里取e=3.計算結(jié)果見表1.

圖4顯示了孔隙縱橫比α=0.1時地層體積模量和剪切模量隨含氣飽和度的變化.圖中可以看出，(1)隨著含氣飽和度的增加，體積模量和剪切模量都減小，且體積模量的減小幅度更大.(2)在低含氣飽和度(Sgas<40%)時，體積模量隨飽和度增加近似呈線性減??；當(dāng)含氣飽和度大于70%，體積模量的變化變得平緩.因此，在氣-水情況下，(1)相對于剪切模量，體積模量對孔隙流體性質(zhì)的變化更為敏感，更適合于孔隙流體識別；(2)在含氣飽和度Sgas<70%情況下，可以利用體積模量很好預(yù)測孔隙中流體的含量(如含氣飽和度).

3.2 體積模量分解及流體識別

地層的體積模量不但與孔隙中流體的性質(zhì)及含量有關(guān)，與地層的巖性、孔隙度和孔隙形態(tài)等因素也關(guān)系密切，直接利用地層體積模量進(jìn)行流體識別多解性比較強(qiáng).這里，我們利用Gassmann方程從地層體積模量中分解出流體體積模量，并利用流體體積模量進(jìn)行流體識別.

(1) 模量分解

重新改寫Gassmann方程(1a)，

(4)

圖3 飽和氣和飽和水情況下有效介質(zhì)體積模量(左)和剪切模量(右)隨孔隙縱橫比變化Fig.3 Effective bulk modulus (left) and shear modulus (right) versus pore aspect radio in saturated gas and water,respectively

圖4 彈性模量隨飽和度變化曲線(α=0.1) Fig.4 Elastic modulus versus gas saturation (α=0.1)

利用(4)式從地層體積模量Ke中分解出流體體積模量Kf時，需要知道地層的孔隙度φ、骨架固體體積模量Ks和干骨架體積模量Kd.φ可用石玉梅等(2010)提出的方法獲得，Ks和Kd可由實(shí)驗(yàn)室測量獲得，這里，根據(jù)Kuster-Toks?z方程(取μf=0)，迭代反演地層骨架固體體積模量及剪切模量(骨架固體彈性模量反演的詳細(xì)討論將另文闡述)，并在式(2a)和(2b)中取孔隙填充物體積模量和剪切模量為零，求得干骨架的彈性模量，

(5a)

(5b)

(2) 流體識別

一般情況下，天然氣的體積模量值在0.02～0.15 MPa之間，地層水的體積模量約為2.25 GPa，通常情況下(即除重油或稠油)，石油的體積模量介于氣和水之間，且變化范圍比較大.重油或稠油的體積模量一般比水的體積模量大得多，可見，相對于油和水，用體積模量進(jìn)行氣和水識別要容易得多.但在油氣勘探中，有時候地層孔隙中同時存在氣和水(或油和水)，即孔隙中的流體為混合流體，這時，我們不能簡單說是氣(或油)還是水.這里，我們根據(jù)生產(chǎn)開發(fā)確定的飽和度門檻值(即油氣藏最高含水飽和度)Swc，利用式(3)計算相應(yīng)的混合流體體積模量Kc，稱為臨界體積模量，并按下列準(zhǔn)則進(jìn)行地層含流體性識別(除重油或稠油外)，即

① εKg

② Kc

③ 其他：干層，即地層孔隙中不含氣、油和水

(3) 流體識別的影響因素

由方程(4)和上述識別準(zhǔn)則可以看出，影響地震油氣識別的主要因素有：骨架固體體積模量，干骨架體積模量，地層有效體積模量和孔隙度.

根據(jù)方程(4)，骨架固體體積模量誤差dKs引起的流體體積模量預(yù)測誤差dKf可用(6)式表示，

(6)

可見骨架固體體積模量的影響程度除與其本身值的大小有關(guān)外，還與干骨架的體積模量、地層體積模量、孔隙度值有關(guān).取骨架固體實(shí)際體積模量(即Ksr=38 GPa)，孔隙度φ=15%，飽和度Sw=100%(實(shí)際流體體積模量Kfr=2.25 GPa)，在球形孔隙情況下，相應(yīng)的干骨架體積模量Kdr=29.4 GPa，飽和水后有效介質(zhì)體積模量Ker=30.18 GPa.假設(shè)測量或反演獲得的骨架固體體積模量Ksc=39.5 GPa，與實(shí)際值的差ΔKs=1.5 GPa，相對誤差為3.95%.根據(jù)式(6)預(yù)測的流體體積模量誤差ΔKf≈0.0293 GPa，相對誤差約為1.3%，可見骨架固體體積模量的誤差對流體體積模量估計的影響是收斂的.

同理，根據(jù)方程(4)，可以獲得流體體積模量預(yù)測誤差與干骨架體積模量測量誤差以及孔隙度測量誤差的關(guān)系，

(7a)

(7b)

其中，dKd和dφ分別為干骨架體積模量誤差和孔隙度誤差.

根據(jù)(7a)和(7b)式，(1)假設(shè)干骨架體積模量測量相對誤差與骨架固體相同，為3.95%，即ΔKd=1.16 GPa，則預(yù)測的流體體積模量誤差ΔKf≈0.1471 GPa，相對誤差約為6.5%，可見干骨架體積模量的測量誤差對流體體積模量預(yù)測結(jié)果影響比較大.(2)假設(shè)測量的孔隙度值為13.5%(相對誤差為10%)，則預(yù)測的流體體積模量誤差ΔKf≈0.0489 GPa，相對誤差為2.17%；當(dāng)孔隙度的相對誤差與上述固體骨架體積模量相對誤差相同(即為3.95%)時，引起的流體體積模量誤差約為0.86%，可見與固體骨架體積模量相比，孔隙度誤差對流體體積模量預(yù)測的影響更小.

地層體積模量測量誤差對流體體積模量預(yù)測值影響的討論見文獻(xiàn)(石玉梅等,2014)，這里不再贅述.

臨界流體體積模量的計算方法也會影響地層含流體性質(zhì)的劃分.本文采用經(jīng)驗(yàn)公式(3)計算混合流體臨界體積模量.經(jīng)驗(yàn)公式(3)計算結(jié)果介于Reuss平均和Voigt平均之間，在實(shí)際應(yīng)用中，我們根據(jù)實(shí)驗(yàn)測得的數(shù)據(jù)或測井?dāng)?shù)據(jù)調(diào)整公式中指數(shù)值e.

4 模型和應(yīng)用研究

4.1 模型計算

這里，我們利用上述方法對圖4所示的地層體積模量進(jìn)行分解，獲得流體體積模量.

首先，利用Kuster-Toks?z方程反演獲得的地層骨架固體體積模量和剪切模量分別為：Ksi=38.80942 GPa，μsi=44.03208 GPa(反演參數(shù)取α=0.25，Sw=65%，φ=15%，縱波速度VP=5209.5 m·s-1，橫波速度VS=3478.3 m·s-1，密度ρ=2350.1 kg·m-3)，與實(shí)際骨架固體模量：Ksr=38 GPa，μsr=44 GPa相比，反演結(jié)果的相對誤差分別為2.13%(體積模量)和0.07%(剪切模量).再利用真實(shí)骨架固體體積模量和反演的骨架固體體積模量對圖4所示的地層體積模量進(jìn)行分解，獲得了不同飽和度情況下孔隙流體體積模量，列于表1.由于圖4對應(yīng)的孔隙縱橫比為0.1，因此，在進(jìn)行模量分解前，我們分別根據(jù)真實(shí)的骨架固體彈性模量和反演的骨架固體彈性模量，利用方程(5a)及(5b)計算干骨架的彈性模量(α=0.1)，計算結(jié)果為，① 真實(shí)骨架固體：Kdr=14.83583 GPa，μdr=19.59360 GPa；② 反演骨架固體：Kdi=14.99658 GPa，μdi=19.66223 GPa.表中，Kfr為流體真實(shí)體積模量，Kf1為用真實(shí)骨架固體模量及相應(yīng)干骨架模量值分解獲得的流體體積模量，Kf2為用反演的骨架固體模量及相應(yīng)的干骨架模量分解獲得的流體體積模量.ΔKf=|Kf-Kfr|，Kf為分解獲得的流體體積模量(真實(shí)骨架固體模量時為Kf1，反演骨架固體模量時為Kf2)，ΔKf1/Kfr和ΔKf2/Kfr分別為兩種情況下分解得的流體體積模量的相對誤差.從表中可以看出，骨架固體彈性模量反演的精度對模量分解結(jié)果有影響，反演的骨架固體彈性模量精度越高，分解的流體體積模量越接近實(shí)際.表中還可以看出，高含氣情況下分解得的流體體積模量相對誤差比較大，這主要是因?yàn)楹瑲怙柡投却髸r，孔隙中實(shí)際流體體積模量Kfr變得非常小的緣故，但對地層含氣性的劃分影響不是很大.總體來看，利用地層速度反演的骨架固體體積模量分解得的流體模量基本反映了流體真實(shí)的體積模量，證明了本文提出的方法是可行的.

4.2 應(yīng)用研究

上述方法用于我國西部某氣田模量分解和氣-水識別.該氣田為砂泥巖地層，儲層砂體為辮狀河沉積，多期河道疊置連片，縱向上厚度大，平面上大面積分布，物性差，孔隙度小，砂巖含氣后與圍巖波阻抗差小，致使利用縱波速度和波阻抗均不能明顯區(qū)分砂巖、泥巖和氣層；另一方面，該區(qū)構(gòu)造平緩，屬于大面積分布的非均質(zhì)巖性氣藏，沒有明顯的物性或流體界面，常規(guī)地震技術(shù)氣-水識別困難.該區(qū)開發(fā)要求的含水飽和度門檻值Swc=55%，相應(yīng)的臨界體積模量Kc= 0.374379 GPa.

表1 有效介質(zhì)體積模量、流體體積模量及誤差

該區(qū)有多口鉆井，我們首先利用該區(qū)巖心分析、統(tǒng)計獲得的孔隙縱橫比譜(列于表2)和測井?dāng)?shù)據(jù)反演井位置處地層骨架固體體積模量和剪切模量，再利用內(nèi)插和外推方法獲得該區(qū)地層骨架固體體積模量和剪切模量.地層干骨架的體積模量利用反演的骨架固體彈性模量和孔隙度數(shù)據(jù)(石玉梅等，2014)計算獲得.

該區(qū)地震數(shù)據(jù)為高密度采集：道間距10 m，炮間距40 m，最大偏移距4000 m，記錄長度5 s，1 ms采樣，雙邊接收.我們對采集的數(shù)據(jù)進(jìn)行了靜校正、地表一致性振幅補(bǔ)償、疊前去噪等預(yù)處理后，利用聲學(xué)全波形反演，獲得了地層體積模量(石玉梅等，2014)，如圖5所示.地層體積模量剖面上呈現(xiàn)三個明顯的高值條帶.地層體積模量是巖性、孔隙和孔隙流體等多因素的綜合反映，這三個高值條帶區(qū)域?yàn)樯皫r層，可能含氣.圖6顯示了模量分解獲得的流體體積模量剖面.圖中綠-黃-蘭色表示模量值逐漸增大，黃色為氣區(qū)，蘭色為水飽和區(qū)(或含水飽和度大)，綠色為無氣區(qū).可以看出J1d上覆地層體積模量大的條帶，其上部基本為水層，下部為無氣地層；在井W2附近，J1z以上以及T3X4—T3X5之間相對低的地層體積模量帶含水飽和度比較高，T3X6—J1z之間的地層以及井W1附近的T3X4—T3X5之間的地層主要為氣體分布，兩井之間的各地層也有氣體分布，這與該區(qū)的成藏特征一致，井孔處的天然氣分布預(yù)測結(jié)果與鉆井基本吻合.預(yù)測結(jié)果為后續(xù)的氣藏成像提供了可靠的流體分布數(shù)據(jù).

表2 孔隙縱橫比譜

圖5 聲學(xué)全波形反演的地層體積模量剖面Fig.5 Section of bulk modulus using acoustic full wave inversion

圖6 流體體積模量剖面Fig.6 Section of fluid bulk modulus

5 結(jié)論

Gassmann方程由于其易用性，是目前研究流體飽和多孔介質(zhì)彈性特征時普遍采用的一種巖石物理模型，Kuster-Toks?z方程充分考慮了孔隙的形態(tài)對地層彈性模量的影響，更符合實(shí)際地層.聯(lián)合Gassmann方程和Kuster-Toks?z方程進(jìn)行體積模量分解，一方面，在實(shí)驗(yàn)室測量數(shù)據(jù)缺乏地區(qū)，通過測井?dāng)?shù)據(jù)可以獲得地層骨架固體及干骨架的彈性模量，為流體模量分解提供數(shù)據(jù)，另一方面，也在一定程度上提高了流體體積模量預(yù)測的精度，且易于實(shí)現(xiàn).

孔隙流體的體積模量與流體性質(zhì)、各組分的比例有關(guān)，同時受溫度、壓力影響比較大，但對于一個確定的研究區(qū)，后兩因素基本確定，因此，流體體積模量主要取決于前兩因素，直接利用流體體積模量進(jìn)行流體預(yù)測可顯著降低結(jié)果的多解性.另一方面，在已知研究區(qū)流體體積模量與飽和度關(guān)系情況下，根據(jù)流體體積模量可以預(yù)測油氣飽和度，從而為精細(xì)油藏描述提供流體分布模型.

利用流體體積模量識別流體的結(jié)果反映的是地下流體分布狀況，油氣分布區(qū)域是否形成有效的油氣藏還與地層的孔隙度密切相關(guān)，如孔隙度非常小，通常認(rèn)為是“干層”或“微氣”層，只有孔隙度和飽和度都達(dá)到一定值，才能形成有效的油氣藏，因此，氣的分布區(qū)域可能比較大，但有效的油氣藏分布區(qū)域卻可能很小，如我國中、西部的蘇里格氣田和廣安氣田，氣體大面積分布，但有效氣藏只限于其中的“甜點(diǎn)”區(qū)域.

Bios P.1980.Autoregressive pattern recognition applied to the delimitation of oil and gas reservoirs.Geophysical Prospecting,28(4):572-591.

Brie A,Pampuri F,Marsala A F,et al.1995.Shear sonic interpretation in gas-bearing sands.∥SPE Annual Technical Conference and Exhibition.Dallas,Texas:SPE:701-710.

Connolly P.1999.Elastic impedance.The Leading Edge,18(4):438-452,doi:10.1190/1.1438307.

Fatti J L,Smith G C,Vail P J,et al.1994.Detection of gas in sandstone reservoirs using AVO analysis:A 3-D seismic case history using the geostack technique.Geophysics,59(9):1362-1376,doi:10.1190/1.1443695.

Foster D J,Smith S W,Dey-Sarkar D,et al.1993.A closer look at hydrocarbon indicators.∥63thSEG Expanded Abstracts.SEG:731-734.

Gonzalezález E F,Mukerji T,Mavko G,et al.2003.Near and far offset P-to-S elastic impedance for discriminating fizz water from commercial gas.The Leading Edge,22(10):1012-1015,doi:10.1190/1.1623642.

Goodway B,Chen T W,Downton J.1997.Improved AVO fluid detection and lithology discrimination using Lamé petrophysical parameters;“λρ”,“μρ”&“λ/μ” fluid stack,from P and S inversions.∥67thSEG Expanded Abstracts.SEG:183-186.

Gray D,Goodway B,Chen T W.1999.Bridging the gap:using AVO to detect changes in fundamental elastic constants.∥69thSEG Expanded Abstracts.SEG:852-855.

Kuster G T,Toks?z M N.1974.Velocity and attenuation of seismic waves in two-phase media:Part 1.Theoretical formulations.Geophysics,39(5):587-606,doi:10.1190/1.1440450.

Liu L F,Sun Z D,Han J F,et al.2014.A carbonate fluid identification method based on quantum particle swarm fuzzy neural network.Chinese J.Geophys.(in Chinese),57(3):991-1000,doi:10.6038/cjg20140328.

Ma J F,Morozov I B.2006.A fluid detection study from Zoeppritz Elastic Impedance.∥76thSEG Expanded Abstracts.SEG:284-288.

Mathieu P G,Rice G W.1969.Multivariate analysis used in the detection of stratigraphic anomalies from seismic data.Geophysics,34(4):507-515,doi:10.1190/1.1440027.

Mavko G,Mukerji T,Dvorkin J.1998.The Rock Physics Handbook:Tools for Seismic Analysis of Porous Media.Cambridge:Cambridge University Press.

Murphy W,Reischer A,Hsu K.1993.Modulus decomposition of compressional and shear velocities in sand bodies.Geophysics,58(2):227-239,doi:10.1190/1.1443408.

Ning Z H,He Z H,Huang D J.2006.High sensitive fluid identification based on seismic data.Geophysical Prospecting for Petroleum (in Chinese),45(3):239-241.

Ojo C,Licalsi P,Gemelli S,et al.2005.Lambda-Rho processing—A tool to reveal full hydrocarbon potentials:Onshore Nigeria processing,interpretation and drilling case history.∥75thSEG Expanded Abstracts.SEG:1315-1318.

Qian S X.1992.Application of pattern recognition technique to lateral prediction of hydrocarbon reservoir.Chinese J.Geophys.(Acta Geophysica Sinica) (in Chinese),35(5):630-636.

Robertson J D,Prichett W C.1985.Direct hydrocarbon detection using comparative P-wave and S-wave seismic section.Geophysics,50(3):383-393,doi:10.1190/1.1441918.

Russell B H,Hedlinz K,Hilterman F J,et al.2003.Fluid-property discrimination with AVO:A Biot-Gassmann perspective.Geophysics,68(1):29-39,doi:10.1190/1.1543192.

Shi Y M,Yao F C,Sun H S,et al.2010.Density inversion and porosity estimation.Chinese J.Geophys.(in Chinese),53(1):197-204,doi:10.3969/j.issn.0001-5733.2010.01.022.

Shi Y M,Zhang Y,Yao F C,et al.2014.Methodology of seismic imaging for hydrocarbon reservoirs based on acoustic full waveform inversion.Chinese J.Geophys.(in Chinese),57(2):607-617,doi:10.6038/cjg20140224.

Smith G C,Gidlow P M.1987.Weighted stacking for rock property estimation and detection of gas.Geophysical Prospecting,35(9):993-1014.

Smith G C,Sutherland R A.1996.The fluid factor as an AVO indicator.Geophysics,61(5):1425-1428,doi:10.1190/1.1444067.

Toks?z M N,Cheng C H,Timur A.1976.Velocities of seismic waves in porous rocks.Geophysics,41(4):621-645,doi:10.1190/1.1440639.

Wang J L,Huang K Y.1993.Neural networks for robust recognition of seismic reflection patterns.∥63thSEG Expanded Abstracts.SEG:246-249.

Yin X Y,Zhang S X.2014.Bayesian inversion for effective pore-fluid bulk modulus based on fluid-matrix decoupled amplitude variation with offset approximation.Geophysics,79(5):R221-R232,doi:10.1190/GEO2013-0372.1.

Yin X Y,Zhang S X,Zhang F C,et al.2010.Utilizing Russell Approximation—based elastic wave impedance inversion to conduct reservoir description and fluid identification.Oil Geophysical Prospecting (in Chinese),45(3):373-380.

附中文參考文獻(xiàn)

劉立峰,孫贊東,韓劍發(fā)等.2014.量子粒子群模糊神經(jīng)網(wǎng)絡(luò)碳酸鹽巖流體識別方法研究.地球物理學(xué)報,57(3):991-1000,doi:10.6038/cjg20140328.

寧忠華,賀振華,黃德濟(jì).2006.基于地震資料的高靈敏度流體識別因子.石油物探,5(3):239-241.

錢紹新.1992.應(yīng)用模式識別方法預(yù)測油氣儲集層.地球物理學(xué)報,35(5):630-636.

石玉梅,姚逢昌,孫虎生等.2010.地震密度反演及地層孔隙度估計.地球物理學(xué)報,53(1):197-204,doi:10.3969/j.issn.0001-5733.2010.01.022.石玉梅,張研,姚逢昌等.2014.基于聲學(xué)全波形反演的油氣藏地震成像方法.地球物理學(xué)報,57(2):607-617,doi:10.6038/cjg20140224.

印興耀,張世鑫,張繁昌等.2010.利用基于Russell近似的彈性波阻抗反演進(jìn)行儲層描述和流體識別.石油地球物理勘探,45(3):373-380.

(本文編輯 何燕)

Formation modulus decomposition and its application to discrimination of pore fluid

SHI Yu-Mei，CAO Hong，SUN Xi-Ping，LI Ling-Gao，SONG Jian-Yong，SUN Hu-Sheng

Research Institute of Exploration and Development,PetroChina,Beijing 100083,China

Fluid discrimination is important for predicting the distribution of oil/gas/water and the arrangement of wells.It is also one of the keys to improve the success ratio of drilling.In this paper,we briefly analyze the Gassmann equation and Kuster-Toks?z equation which are used to describe the elastic characteristics of the fluid saturated porous medium and discuss the formation elastic characteristics for various pore morphology and saturation.A method based on the both equations is presented to decompose the formation bulk modulus which is derived from seismic inversion,and then to identify the pore fluid according to the differential bulk modulus between oil,gas and water.This method has been tested successfully by a theoretical model and field data from western China.The drilling results demonstrate that this method is effective in fluid discrimination and prediction of gas reservoirs.

Hydrocarbon formation;Rock physics;Modulus decomposition;Fluid identification

石玉梅，曹宏，孫夕平等.2016.地層模量分解及在流體識別中的應(yīng)用.地球物理學(xué)報，59(11):4278-4286,

10.6038/cjg20161128.

Shi Y M，Cao H，Sun X P,et al.2016.Formation modulus decomposition and its application to discrimination of pore fluid.Chinese J.Geophys.(in Chinese),59(11):4278-4286,doi:10.6038/cjg20161128.

國家重大科技專項(xiàng)(2016ZX05001)和國家自然科學(xué)基金(41504110)資助.

石玉梅，女，1964年生，1989年畢業(yè)于成都地質(zhì)學(xué)院應(yīng)用地球物理專業(yè)，1992年獲成都地質(zhì)學(xué)院應(yīng)用地球物理專業(yè)碩士學(xué)位，2001年獲中國礦業(yè)大學(xué)地球探測與信息技術(shù)博士學(xué)位.主要從事波動方程正反演、時移地震、多分量地震理論和方法研究.E-mail:symei@petrochina.com.cn

10.6038/cjg20161128

P631

2015-04-24，2016-09-28收修定稿