松遼盆地龍鳳山氣田致密砂巖含氣性預測研究

李瑞磊,楊勤林,田建華,朱建峰

(1.中國石油化工股份有限公司東北油氣分公司,吉林長春130062;2.中國石油化工股份有限公司石油物探技術研究院,江蘇南京211103)

李瑞磊,楊勤林,田建華,等.松遼盆地龍鳳山氣田致密砂巖含氣性預測研究[J].石油物探,2017,56(6):-881

LI Ruilei,YANG Qinlin,TIAN Jianhua,et al.Tight sandstone gas prediction in the Longfeng Mountain gas field of Songliao Basin,China[J].Geophysical Prospecting for Petroleum,2017,56(6):-881

松遼盆地龍鳳山氣田致密砂巖含氣性預測研究

李瑞磊1,楊勤林2,田建華2,朱建峰1

(1.中國石油化工股份有限公司東北油氣分公司,吉林長春130062;2.中國石油化工股份有限公司石油物探技術研究院,江蘇南京211103)

松遼盆地龍鳳山氣田營城組發(fā)育河流相致密砂巖儲層,主力氣層營Ⅳ砂組具有孔滲低、單砂體薄(3～5m)、非均質性強、彈性參數(shù)差異小等特點,優(yōu)質儲層識別和預測難度大?；谘芯繀^(qū)巖樣測試和巖石物理分析,優(yōu)選致密含氣砂巖的敏感彈性參數(shù)組合;通過疊前道集振幅恢復處理和疊前地質統(tǒng)計反演獲取高分辨率的敏感彈性參數(shù)體,并利用貝葉斯分類方法識別致密含氣砂巖。識別結果與實鉆井結果吻合度較高,提高了薄層致密含氣砂巖的預測精度,為后期開發(fā)井位部署提供了有效的技術支撐。

致密砂巖;巖石物理;疊前道集優(yōu)化;疊前地質統(tǒng)計反演;貝葉斯分類

隨著東部斷陷盆地中構造類油氣資源的日益枯竭,巖性隱蔽油氣藏逐漸成為勘探目標,而蘊含在致密儲層中的油氣在隱蔽油氣藏中占有很大比例[1]。龍鳳山氣田位于松遼盆地南部長嶺次凹南緣,主力油氣層為下白堊統(tǒng)營城組,發(fā)育南部物源的扇三角洲前緣分流水道砂體,縱向上根據(jù)測井旋回特征劃分為7個砂組,其中營Ⅳ砂組是主力產氣層。營Ⅳ砂組埋深3000～3200m,具有砂泥薄互層特征,單砂體厚度3～5m,儲層平均孔隙度5.6%,滲透率0.26×10-3μm2,屬于低孔、低滲類致密砂巖儲層。

由于致密砂巖儲層孔滲低、非均質性強、與圍巖彈性參數(shù)差異小,巖石物理特征復雜,因此利用常規(guī)地震屬性和疊后縱波阻抗反演等方法識別有效砂巖存在多解性,疊前預測精度難以滿足目前勘探生產需求。近年來,國內外學者針對致密儲層和含氣性預測開展了一系列攻關研究,巫芙蓉等[2]利用疊前AVO屬性定性預測四川盆地WD區(qū)塊致密砂巖儲層的含氣區(qū)分布,解決了疊后地震屬性對氣水難以識別的問題;李建華等[3]通過疊前AVO反演獲得泊松比結果預測松南盆地薄層砂巖的含油氣性;凡睿等[4]利用射線彈性阻抗反演和坐標旋轉方法得到地震物相體,預測了川北元壩須二段致密砂巖有效儲層的分布;晏信飛等[5]選用縱橫波阻抗進行貝葉斯分類,結合反演的地震屬性對川中致密砂巖儲層和流體分布進行檢測;洪忠等[6]通過巖石物理建模和貝葉斯判別結合疊前反演結果等預測致密碎屑氣藏的巖性和流體概率,提升巖性和孔隙流體識別的成功率。

松遼盆地龍鳳山氣田營城組致密砂巖氣藏是該地區(qū)目前油氣勘探的重要領域,隨著近年來水平井鉆探和大規(guī)模體積壓裂技術的推廣應用,使得該區(qū)致密砂巖氣資源的經濟有效動用成為現(xiàn)實,但由于儲層以致密薄砂層為主,對巖石物理特征尚缺乏系統(tǒng)認識,而且疊前道集質量制約了疊前儲層預測效果[7-9],因此有利甜點區(qū)的分布難以準確落實。針對上述難點和研究現(xiàn)狀,本文首先通過巖心樣本測試和測井巖石物理分析,確定研究區(qū)致密砂巖的巖石物理特征,在此基礎上優(yōu)選出對致密含氣砂巖敏感的彈性參數(shù)組合,然后通過疊前道集優(yōu)化處理和疊前地質統(tǒng)計反演獲得高分辨率的敏感彈性參數(shù)體,最后利用貝葉斯分類方法定量預測致密含氣砂巖的分布,為龍鳳山氣田開發(fā)井位部署提供可靠依據(jù)。

1 致密砂巖儲層特征

龍鳳山氣田主力油氣層為下白堊統(tǒng)營城組,地層以砂泥薄互層為主,單砂體厚度3～5m,其中營Ⅳ砂組是主力產氣層,發(fā)育多期扇三角洲前緣分流河道砂體,縱向上相互疊置,巖性以石英砂巖和巖屑石英砂巖為主,孔隙類型主要有粒間溶孔、粒內溶孔和裂縫等,孔隙度φ分布范圍為0.70%～14.30%,平均值為5.64%,滲透率分布范圍為(0.004～8.850)×10-3μm2,平均值為0.260×10-3μm2,具有典型致密砂巖儲層特征。

為明確研究區(qū)致密砂巖儲層的巖石物理特征,采用巖石物理測試系統(tǒng)對研究區(qū)四口井的營城組9塊不同深度的巖心樣品進行了測試,測試時模擬實際地層溫度和壓力條件,改變充填流體類型,對巖心樣品進行超聲波速度、彈性參數(shù)和力學參數(shù)測試分析,測試不同條件下樣品的縱、橫波速度(vP,vS)和密度(表1),并計算了泊松比(σ)、拉梅參數(shù)、楊氏模量、體積模量、剪切模量、抗壓強度等巖石物理參數(shù)。

從巖心樣本測試數(shù)據(jù)的交會結果來看,飽和含氣砂巖和含水砂巖在vP與vS交會圖上的斜率明顯不同(圖1);在vP/vS與縱波阻抗交會圖上,含氣砂巖與含水砂巖的vP/vS值域存在差異,含氣砂巖vP/vS小于1.72,利用vP/vS可以對兩者區(qū)分,而且含氣砂巖的縱波阻抗整體略小于含水砂巖的縱波阻抗(圖2)。

表1 砂巖巖石物理測試數(shù)據(jù)

圖1 巖心樣本vP與vS交會結果

從測井分析結果來看,地層主要劃分為干砂巖(干層)、含氣砂巖和泥巖3種巖相類型,含氣砂巖和干砂巖相比泥巖具有低vP/vS特征,利用vP/vS可以大致區(qū)分出泥巖,再利用含氣砂巖低縱波阻抗特征區(qū)分含氣砂巖和干砂巖(圖3)。

圖2 巖心樣本縱波阻抗IP與vP/vS交會結果

圖3 測井巖石物理特征分析 a 測井曲線和解釋結論(W1井); b縱波阻抗IP與vP/vS交會結果(6口井)

2 致密砂巖的含氣性預測

2.1 預測思路及技術流程

針對致密砂巖儲層縱波阻抗疊置、儲層物性和彈性參數(shù)差異小等特征,通過巖心測試和測井巖石物理分析優(yōu)選出致密含氣砂巖的敏感彈性參數(shù)及其組合;針對研究區(qū)致密砂巖儲層薄、非均質性強和深層原始道集質量較差等特點,通過疊前振幅恢復處理提高道集質量,利用疊前地質統(tǒng)計反演獲得高分辨率的彈性參數(shù)體;為了減小常規(guī)交會圖方式解釋的誤差,采用流體概率分析和貝葉斯分類方法對反演結果進行定量解釋,從而提高致密含氣砂巖的判別精度(圖4)。

2.2 疊前道集真振幅恢復

疊前CRP道集數(shù)據(jù)質量是影響疊前反演預測效果的重要因素。疊前CRP道集往往存在中間能量強、兩邊能量弱的問題,主要是由于正交觀測系統(tǒng)不可避免地造成偏移距覆蓋的不均勻,從而導致照明不均勻,產生虛假的“弱-強-弱”AVO響應,也就是說由近、遠偏移距道集的覆蓋次數(shù)少引起[10-11]。本次采用基于覆蓋次數(shù)統(tǒng)計的振幅補償方法來解決,將全工區(qū)三維數(shù)據(jù)按照不同偏移距疊加成一個全數(shù)據(jù)道集,對這個數(shù)據(jù)利用多項式擬合方法可以擬合出隨偏移距變化的覆蓋次數(shù)函數(shù),利用最小二乘的方法可以求取統(tǒng)計性的振幅補償因子,將統(tǒng)計性振幅補償因子應用于整個工區(qū)的疊前道集,減小不同偏移距道集能量的系統(tǒng)差異。

圖5顯示了疊前CRP道集振幅補償前、后的效果,由圖5b可以看到,目的層段的近、遠道集能量均得到了有效補償,消除了觀測系統(tǒng)引起的能量畸變。統(tǒng)計性振幅補償因子對整個工區(qū)數(shù)據(jù)的影響一致,不會破壞全區(qū)數(shù)據(jù)的橫向變化關系,在很大程度上消除了與地質信息無關的振幅畸變,提高了CRP道集數(shù)據(jù)的質量,為疊前地震反演提供了可靠的基礎數(shù)據(jù)。

圖4 致密含氣砂巖儲層預測技術流程

圖5 疊前道集振幅補償前、后對比 a 原始道集; b 補償后道集; c 振幅補償因子

2.3 疊前地質統(tǒng)計反演

疊前地質統(tǒng)計反演是將疊前同時反演和地質統(tǒng)計學技術相結合的反演方法,采用了基于馬爾科夫鏈-蒙特卡羅算法,是目前比較前沿的隨機地震反演方法[12-17]。該方法對概率密度分布函數(shù)進行充分采樣,得到多個等概率的實現(xiàn),能反映儲層非均質性特征,不僅解決了儲層與圍巖阻抗疊置下的有效儲層識別問題,還提高了縱向分辨率,解決了薄層識別與儲層描述問題。該方法主要有3個關鍵環(huán)節(jié):地質統(tǒng)計參數(shù)分析、貝葉斯反演和蒙特卡羅采樣。

根據(jù)研究區(qū)致密砂巖的地質沉積特征和巖石物理特征,將目的層段劃分為含氣砂巖、干砂巖和泥巖3種巖相類型,按鉆井巖性統(tǒng)計確定不同巖相比例關系。考慮到致密砂巖地層結構、橫向非均質性和砂體延伸距離等因素,變差函數(shù)選擇高斯+指數(shù)函數(shù)類型。高斯型變差函數(shù)通常用來模擬橫向連續(xù)性較好的地質體,指數(shù)型函數(shù)通常用來模擬連續(xù)性相對較差、橫向變化快的地質體,通過調節(jié)這兩種函數(shù)類型所占權重,從而保證井間巖性變化的一致性和合理性,突出儲層橫向變化細節(jié)和非均質性特征。參考研究區(qū)扇體的大致規(guī)模、平面分布范圍和單砂層厚度等因素,確定縱、橫向變程分別為1000m,2ms。分不同巖相對相應的彈性參數(shù)(包括縱波阻抗、vP/vS和密度的概率密度函數(shù)和變差函數(shù))進行反復調整測試(圖6),確定研究區(qū)巖石物理關系式包括密度與縱波阻抗的關系(公式(1a))以及縱、橫波阻抗關系(公式(1b)),并將其作為統(tǒng)計反演的軟約束條件。

式中:ρ為密度;IP,IS分別為縱、橫波阻抗。

圖6 不同彈性參數(shù)的概率密度分布 a 縱波阻抗; b 縱橫波速度比; c 密度

根據(jù)貝葉斯公式,后驗概率分布正比于先驗概率分布和似然概率分布的乘積,似然概率分布對后驗概率分布的影響取決于其不確定性,而不確定性由地震資料的信噪比控制。貝葉斯疊前反演的關鍵是確定分角度疊加地震數(shù)據(jù)的信噪比和角度子波,研究區(qū)目的層有效覆蓋次數(shù)60次,最大入射角約35°,可分為5個部分疊加數(shù)據(jù),滿足每個部分疊加有較高信噪比和覆蓋次數(shù),信噪比參數(shù)主要參考疊前同時反演結果,近偏移距數(shù)據(jù)一般比遠偏移距的信噪比高。

圖7為疊前地質統(tǒng)計反演的縱波阻抗、縱橫波速度比和泊松比剖面,井點處為相應的測井曲線和巖相曲線,紅色為含氣砂巖,綠色為泥巖,黃色為干砂巖。在縱波阻抗剖面上,泥巖表現(xiàn)為相對低值,砂巖為高值,其中含氣砂巖的縱波組抗略小于干砂巖的縱波組抗;在縱橫波速度比和泊松比剖面上,泥巖與干砂巖和含氣砂巖差異較明顯,泥巖表現(xiàn)為相對高值,但含氣砂巖和干砂巖難以直接區(qū)分,需要綜合縱橫波速度比和縱波阻抗反演結果加以識別。從反演剖面上看,縱向分辨率較高,能分辨出2m左右薄層,同時含有豐富的儲層細節(jié)信息,與測井曲線基本吻合,橫向上忠實于原始地震資料,能真實反映薄儲層的橫向變化特征。

圖7 疊前地質統(tǒng)計反演剖面 a 縱波阻抗; b 縱橫波速度比; c 泊松比

2.4 貝葉斯分類

疊前地質統(tǒng)計反演獲得縱波阻抗、縱橫波速度比和密度等彈性參數(shù),為龍鳳山巖性和流體識別提供了基礎數(shù)據(jù)。傳統(tǒng)的利用參數(shù)交會圖對反演結果進行定量解釋存在人為解釋誤差和不確定性。貝葉斯分類是一種基于貝葉斯模糊判別的分類方法,通過計算不同巖相類型的概率分布,采用概率統(tǒng)計方法進行分類,并與地質先驗信息和巖石物理關系結合,能降低巖相預測誤差,提高致密含氣砂巖解釋精度[18-20]。該方法主要分4個步驟:①對測井資料進行交會分析,建立不同巖相類型彈性參數(shù)之間的關系(縱波阻抗和速度比),與前面巖石物理分析結果相吻合;②根據(jù)分析結果建立并調整3種巖相的概率密度函數(shù);③編輯概率密度函數(shù),通過對比井點預測結果調整相關參數(shù),保證兩者最大相似性;④將概率密度函數(shù)應用于疊前反演的彈性參數(shù)體,獲得地震預測的不同巖相和概率數(shù)據(jù)體。圖8a為干砂巖、含氣砂巖和泥巖3種不同巖相的概率分布圖,其中線圈表示巖相概率分布,不同顏色代表不同巖相類型,越往線圈中心該類巖相概率越大,線圈重疊區(qū)域表示樣點在該處可能為不同巖相類別,但各種巖相的概率大小不同,此時判別為概率較大巖相類型。圖8b對比了井點劃分巖相與地震預測結果,最左側為測井解釋的巖相結果,右側為地震資料預測巖相結果和不同巖相概率,地震預測結果具有較高縱向分辨率,概率值大小指示巖相可能性,局部薄儲層預測存在一定誤差,總體上看,含氣砂巖位置和厚度預測結果吻合度較高。圖9和圖10分別為地震預測巖相、含氣砂巖概率剖面圖,井點處預測巖相結果與測井解釋結果基本吻合,砂體以薄互層為主,主力砂體位于營Ⅳ段中下部,與實鉆結果和地質認識規(guī)律一致,其中紅色為含氣砂體,預測結果縱向上能識別3～5m薄層含氣砂體,橫向變化與泊松比反演結果趨勢基本一致,但對含氣砂巖刻畫更加清楚。

圖8 井點貝葉斯分類預測 a 測井巖相概率分布; b 測井巖相與地震預測結果對比

圖9 地震預測巖相剖面

圖10 含氣砂巖概率剖面

3 應用效果

利用疊前地質統(tǒng)計反演和貝葉斯分類的巖相預測結果,計算營Ⅳ段4-1砂層組含氣砂巖相的樣點總數(shù),獲得相應含氣砂巖預測圖(圖11)。圖11反映了研究區(qū)主要發(fā)育兩個水下扇三角洲砂體,水下分流河道發(fā)育,河道相互疊置,呈北東、南西向展布,往北儲層厚度有減薄趨勢,同時反映沉積物源主要來自工區(qū)南部近物源,與地質認識基本吻合,其中W1與W7井區(qū)砂體有效厚度相對較大,大于15m,多口井鉆遇營Ⅳ段主力含氣砂體。對比預測結果與實鉆結果可以看出,兩者吻合度較高,氣層預測厚度相對誤差均小于5%,絕對誤差小于5m,驗證了該方法的有效性(圖12)。后期圍繞W1井區(qū)以及工區(qū)北部部署的多口開發(fā)評價井均獲得工業(yè)油氣流,有力支撐了該區(qū)油氣勘探開發(fā)。

圖11 營Ⅳ段4-1砂層組含氣砂巖預測厚度

圖12 氣層預測厚度與實鉆厚度對比

4 結論

1) 巖石物理分析結果表明,龍鳳山氣田營Ⅳ段致密含氣砂巖具有低縱橫波速度比、低泊松比和中高縱波阻抗特征,采用縱波阻抗和縱橫波速度比雙參數(shù)能有效識別致密含氣砂巖,相比單一彈性參數(shù)識別提高了儲層預測精度。將巖石物理分析與疊前彈性參數(shù)反演和地質統(tǒng)計方法結合是定量預測致密含氣砂巖的有效途徑。

2) 基于覆蓋次數(shù)統(tǒng)計的振幅補償方法能解決疊前CRP道集由于觀測系統(tǒng)造成的能量差異問題,道集優(yōu)化處理為疊前反演提供了可靠的基礎數(shù)據(jù);綜合應用疊前同時反演和地質統(tǒng)計反演方法獲得了高分辨率敏感彈性參數(shù)體,有效解決了研究區(qū)致密砂巖儲層的識別難題。

3) 基于疊前彈性參數(shù)反演結果,通過流體概率分析和貝葉斯分類方法定量預測致密含氣砂巖分布,提高致密砂巖儲層預測和含氣識別精度,該套技術方法在龍鳳山氣田開發(fā)階段取得較好的實際應用效果,鉆探結果驗證了該方法的有效性。

[1] 張國生,趙文智,楊濤,等.我國致密砂巖氣資源潛力、分布與未來發(fā)展地位[J].中國工程科學,2012,14(6):87-93

ZHANG G S,ZHAO W Z,YANG T,et al.Resource evaluation,position and distribution of tight sandstone gas in China[J].Engineering Sciences,2012,14(6):87-93

[2] 巫芙蓉,李亞林,王聃,等.AVO屬性在致密砂巖儲層流體檢測中的應用[J].天然氣工業(yè),2011,31(5):55-57

WU F R,LI Y L,WANG D,et al.Application of AVO attribute to the detection of tight sandstone reservoirs[J].Natural Gas Industry,2011,31(5):55-57

[3] 李建華,劉百紅,張延慶,等.疊前AVO反演在儲層含油氣性預測中的應用[J].石油地球物理勘探,2016,51(6):1180-1186

LI J H,LIU B H,ZHANG Y Q,et al.Oil-bearing reservoir prediction with prestack AVO inversion[J].Oil Geophysical Prospecting,2016,51(6):1180-1186

[4] 凡睿,劉力輝,石文斌,等.元壩西部地區(qū)須二下亞段致密砂巖儲層預測研究[J].石油物探,2015,54(1):83-89

FAN R,LIU L H,SHI W B,et al.Tight sandstone reservoir prediction of lower subsection of Xu_2 Member in western Yuanba area[J].Geophysical Prospecting for Petroleum,2015,54(1):83-89

[5] 晏信飛,曹宏,姚逢昌,等.致密砂巖儲層貝葉斯巖性判別與孔隙流體檢測[J].石油地球物理勘探,2012,47(6):945-949

YAN X F,CAO H,YAO F C,et al.Bayesian lithofacies discrimination and pore fluid detection in tight sandstone reservoirs[J].Oil Geophysical Prospecting,2012,47(6):945-949

[6] 洪忠,張猛剛,朱筱敏.基于巖石物理的致密碎屑巖氣藏巖性及流體概率預測[J].石油物探,2015,54(6):735-744

HONG Z,ZHANG M G,ZHU X M.Prediction on lithology and fluid probabilities of tight clastic gas reservoir based on rock physics[J].Geophysical Prospecting for Petroleum,2015,54(6):735-744

[7] 張津海,張遠銀,孫贊東.道集品質對疊前AVO/AVA同時反演的影響[J].石油地球物理勘探,2012,47(1):68-73

ZHANG J H,ZHANG Y Y,SUN Z D.The effects of seismic data conditioning on pre-stack AVO/AVA simultaneous inversion[J].Oil Geophysical Prospecting,2012,47(1):68-73

[8] SINGLETON S.The effects of seismic data conditioning on prestack simultaneous impedance inversion[J].The Leading Edge,2009,28(1):772-781

[9] 鮑熙杰,趙海波.CRP道集優(yōu)化處理對疊前反演的影響[J].石油地質與工程,2013,27(1):39-41

BAO X J,ZHAO H B.Effects analysis of CRP gather optimal processing on prestack inversion[J].Petroleum Geology and Engineering,2013,27(1):39-41

[10] CANNING A.Some practical aspects of amplitude recovery before AVO and inversion[J].Expanded Abstracts of 80thAnnual Internat SEG Mtg,2010:393-396

[11] 劉力輝,楊曉,丁燕,等.基于巖性預測的CRP道集優(yōu)化處理[J].石油物探,2013,52(5):482-487

LIU L H,YANG X,DING Y,et al.CRP gather optimization processing based on lithological prediction[J].Geophysical Prospecting for Petroleum,2013,52(5):482-487

[12] SEOK H O.Geostatistics approach to Bayesian inversion of geophysical data:markov chain Monte Carlo method[J].Earth Planets Space,2001,53(3):777-791

[13] 楊勤林,張靜,郝濤,等.濱里海盆地鹽下碳酸鹽巖儲層地震逐級預測方法[J].天然氣地球科學,2014,25(8):1261-1266

YANG Q L,ZHANG J,HAO T,et al.Seismic stepped prediction methods of sub-salt carbonate reservoirs in Pre-Caspian Basin[J].Natural Gas Geoscience,2014,25(8):1261-1266

[14] 黃哲遠,甘利燈,戴曉峰,等.隨機地震反演關鍵參數(shù)優(yōu)選和效果分析[J]．應用地球物理,2012,9(1):49-56

HUA Z Y,GAN L D,DAI X F,et al.Key parameter optimization and analysis of stochastic seismic inversion[J].Applied Geophysics,2012,9(1):49-56

[15] 慎國強,孟憲軍,王玉梅,等.隨機地震反演方法及其在埕北35井區(qū)的應用[J].石油地球物理勘探,2004,39(1):75-81

SHEN G Q,MENG X J,WANG Y M,et al.Random seismic inversion and its application in Chengbei No.35 well-zone[J].Oil Geophysical Prospecting,2004,39(1):75-81

[16] 黃捍東,張如偉,魏世平.地震非線性隨機反演方法在陸相薄砂巖儲層預測中的應用[J].石油學報,2009,30(3):386-390

HUANG H D,ZHANG R W,WEI S P.Research on application of seismic nonlinear random inversion to reservoir[J].Acta Petrolei Sinica,2009,30(3):386-390

[17] 張廣智,潘新朋,孫昌路,等.縱橫波聯(lián)合疊前自適應MCMC反演方法[J].石油地球物理勘探,2016,51(5):938-946

ZHANG G Z,PAN X P,SUN C L,et al.PP- & PS-wave prestack nonlinear inversion based on adaptive MCMC algorithm[J].Oil Geophysical Prospecting,2016,51(5):938-946

[18] BULAND A,MORE H.Bayesian linearized AVO inversion[J].Geophysics,2003,68(1):185-198

[19] 王芳芳,李景葉,陳小宏.基于馬爾科夫鏈先驗模型的貝葉斯巖相識別[J].石油地球物理勘探,2014,49(1):183-189

WANG F F,LI J Y,CHEN X H.Bayesian facies identification based on Markov-chain prior model[J].Oil Geophysical Prospecting,2014,49(1):183-189

[20] 趙萬金,唐傳章,王孟華,等.湖相致密復雜巖性地震識別技術[J].石油學報,2015,36(增刊1):59-67

ZHAO W J,TANG C Z,WANG M H,et al.A seismic recognition technology of lacustrine complex tight lithology[J].Acta Petrolei Sinica,2015,36(S1):59-67

(編輯：顧石慶)

TightsandstonegaspredictionintheLongfengMountaingasfieldofSongliaoBasin,China

LI Ruilei1,YANG Qinlin2,TIAN Jianhua2,ZHU Jianfeng1

(1.SinopecNortheastOilandGasBranchCompany,Changchun130062,China;2.SinopecGeophysicalResearchInstitute,Nanjing211103,China)

The Yingcheng Formation of the Longfeng Mountain gas field in Songliao Basin,China,has a fluvial facies tight sandstone reservoir.However,it is difficult to predict the effective reservoir of the gas field,because its main gas formation,the Ying IV sandstone formation,has inferior reservoir properties,namely,low porosity and permeability,a thin single-body thickness of only 3～5m,strong heterogeneity,and a small elastic parameter difference.According to rock sample tests and rock physics analyses of nine cores from the research area,we optimally selected the elastic parameter combination of tight sandstone,and obtained the elastic parameters sensitive to gas sandstone by means of pre-stack gather optimal amplitude recovery processing and pre-stack geological statistical inversion.Then,we adopted the Bayesian classification method to predict tight gas sandstone.The predicted result was highly consistent with the field drilling data,which means its high accuracy of tight sandstone gas prediction.The proposed method could provide support for well deployment.

tight sandstone,rock physics,pre-stack gather optimal processing,pre-stack geological statistical inversion,Bayesian classification

2017-05-18;改回日期2017-09-04。

李瑞磊(1970—),男,博士,高級工程師,主要從事地震資料處理和綜合解釋工作。

楊勤林(1980—),男,博士,高級工程師,主要從事地震資料儲層預測工作。

P631

A

1000-1441(2017)06-0874-08

10.3969/j.issn.1000-1441.2017.06.013