一套針對高泥質(zhì)疏松砂巖薄儲層的識別技術(shù)
——以珠江口盆地X油田為例

羅 澤，謝明英，涂志勇，衛(wèi)喜輝，陳一鳴

（中海石油（中國）有限公司深圳分公司研究院，廣東深圳 518000）

0 引言

珠江口盆地X 油田是南海東部海域面積及儲量規(guī)模最大的中淺層高泥質(zhì)砂巖油田，儲層主要發(fā)育在韓江組四—六段（距今16.5～13.8 Ma層序段），是一套以三角洲前緣水下分流河道—河口壩為主的沉積。巖心及錄井資料顯示，目的層沉積時期水動力相對較弱，沉積物粒度細，泥質(zhì)含量高，油田主要發(fā)育構(gòu)造-巖性復(fù)合油藏［1］。油田開發(fā)方案（ODP）實施后，油藏地質(zhì)研究表明其儲層特征復(fù)雜，與南海東部常規(guī)的典型海相砂巖有明顯區(qū)別:①埋深淺、砂巖疏松、井眼垮塌擴徑嚴重，測井曲線質(zhì)量差；②砂巖中泥質(zhì)含量高，砂、泥巖巖性區(qū)分難度大；③儲層發(fā)育及分布規(guī)律復(fù)雜，儲層層數(shù)多，單層?。ㄉ绑w厚度一般在5 m 以下，多數(shù)為3 m 左右），砂、泥巖互層嚴重，儲層非均質(zhì)性強。為了更好地完成儲量接替，并實現(xiàn)油田的高效開發(fā)，在注水收效、調(diào)整井優(yōu)化實施和開發(fā)調(diào)整方案井網(wǎng)設(shè)計等方面都需要儲層預(yù)測對象精確到小層或單砂體［2-3］。因此，儲層表征技術(shù)的精度成為該油田高效開發(fā)的關(guān)鍵。

結(jié)構(gòu)復(fù)雜的薄儲層具有厚度小，橫向變化快，分布規(guī)律復(fù)雜的特征，其高精度預(yù)測至今都是儲層反演的難題［4-7］，而傳統(tǒng)反演方法在儲層預(yù)測實際應(yīng)用中存在如下4 個問題，很難實現(xiàn)高泥質(zhì)疏松砂巖薄儲層預(yù)測:①受地震分辨率和帶限子波限制，分辨率低［8-10］；②對先驗?zāi)Ｐ鸵蕾噰乐?，人為因素較強；③橫向上模型化嚴重，隨機性強；④要求井?dāng)?shù)多且井位均勻分布［11-15］。

針對珠江口盆地X油田儲層預(yù)測的難點，利用260 km2的三維地震和鉆井資料，采用“三步法”儲層預(yù)測方法對韓江組高泥質(zhì)疏松砂巖的薄儲層進行有效識別，以期解決X 油田3～5 m 薄儲層精細預(yù)測的難題，并助推油田的合理高效開發(fā)。

1 高泥質(zhì)疏松砂巖薄儲層預(yù)測技術(shù)

1.1 遺傳化神經(jīng)網(wǎng)絡(luò)技術(shù)重構(gòu)測井曲線

人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有自組織、自學(xué)習(xí)、較好容錯性和優(yōu)良非線性逼近能力等特點，張亞斌等［16］已經(jīng)成功利用該方法在測井曲線校正上取得了較好效果，而遺傳算法可以把優(yōu)化結(jié)構(gòu)問題轉(zhuǎn)為生物進化過程以此獲得結(jié)構(gòu)優(yōu)化最優(yōu)解［17］。以X 油田X-1 A 井為例，受韓江組高泥質(zhì)疏松砂巖影響，井眼垮塌嚴重，引起井徑擴徑，導(dǎo)致目的層測井曲線（聲波和密度）失真（圖1），影響合成地震記錄的效果，進而影響到儲層預(yù)測的可靠性［16］。

圖1 X-1A 井原始測井曲線Fig.1 Original logging curves of well X-1A

針對上述問題，利用受井筒環(huán)境影響小且與聲波、密度測井曲線相關(guān)性好的礦物巖石及流體參數(shù)進行遺傳化神經(jīng)網(wǎng)絡(luò)技術(shù)重構(gòu)得到聲波和密度曲線，遺傳化神經(jīng)網(wǎng)絡(luò)校正的輸入數(shù)據(jù)用到多種測井?dāng)?shù)據(jù)，包括自然伽馬、中子、深電阻率、孔隙度、溫壓曲線和巖性體積分數(shù)等多種參數(shù)，以保證遺傳化神經(jīng)網(wǎng)絡(luò)校正的穩(wěn)定性和可靠性［18-19］。受井眼垮塌影響的X-1 A 井遺傳化神經(jīng)網(wǎng)絡(luò)技術(shù)校正的聲波和密度曲線結(jié)果如圖2 所示，在擴徑段，實測聲波和密度測井值出現(xiàn)異常，比如，在低自然伽馬值區(qū)段的砂巖本應(yīng)該對應(yīng)低密度值和高聲波時差值，但由于高泥質(zhì)疏松砂巖段存在擴徑的影響，導(dǎo)致在實測自然伽馬低值區(qū)段的砂巖對應(yīng)密度值高和聲波時差值低這一矛盾現(xiàn)象，而遺傳化神經(jīng)網(wǎng)絡(luò)技術(shù)校正的聲波和密度曲線很好地解決了這個問題（圖2 黑框圈定部分）；在不受測井?dāng)U徑影響的正常區(qū)段，遺傳化神經(jīng)網(wǎng)絡(luò)校正的聲波和密度曲線與實測結(jié)果具有良好的一致性。

為了進一步驗證遺傳化神經(jīng)網(wǎng)絡(luò)校正結(jié)果的合理性，將受高泥質(zhì)疏松砂巖擴徑影響的聲波和密度曲線與遺傳化神經(jīng)網(wǎng)絡(luò)校正的聲波和密度曲線進行合成地震記錄計算相關(guān)系數(shù)對比（圖3），對比結(jié)果表明:受擴徑影響的聲波、密度原始測井曲線經(jīng)過遺傳化神經(jīng)網(wǎng)絡(luò)校正后計算得到的相關(guān)系數(shù)從0.53 提高到0.81，相關(guān)系數(shù)明顯提高，井-震匹配性更好，這也進一步證明了遺傳化神經(jīng)網(wǎng)絡(luò)校正結(jié)果的可靠性。最終利用遺傳化神經(jīng)網(wǎng)絡(luò)技術(shù)校正測井曲線取得了較好效果。

圖2 X-1 A 井實測曲線與遺傳化神經(jīng)網(wǎng)絡(luò)校正曲線對比Fig.2 Comparison of the measured curve of well X-1 A with the predictive curve of genetic neural network

圖3 合成地震記錄Fig.3 Synthetic seismic records

1.2 新建儲層敏感參數(shù)

利用X 油田內(nèi)所有井目的層段測井?dāng)?shù)據(jù)進行巖石物理分析，其結(jié)果表明:波阻抗屬性區(qū)分不開砂、泥巖［圖4（a）］，因此須要構(gòu)建一個新的儲層指示參數(shù)DVT（流體骨架孔隙度），期望能從巖石物理上區(qū)分砂、泥巖，其表達式如下

式中:DVT為密度孔隙度與聲波孔隙度之比；Cp為壓縮系數(shù)；ρma為骨架密度，g/cm3；ρf為流體密度，g/cm3；DTma為骨架聲波時差，us/m；DTf為流體聲波時差，us/m；ρ為密度，g/cm3；DT為聲波時差，us/m。

由X 油田內(nèi)所有井目的層段測井?dāng)?shù)據(jù)進行巖石物理分析，其結(jié)果表明:新儲層指示參數(shù)DVT能夠較好地區(qū)分出儲層和非儲層，劃分儲層和非儲層的參數(shù)界線為DVT=1［圖4（b）］。因此，可以采用儲層敏感特征參數(shù)DVT進行儲層反演，以有效預(yù)測砂巖儲層。

進一步對比波阻抗和DVT曲線對砂巖儲層的敏感性，發(fā)現(xiàn)波阻抗屬性對儲層反映不敏感，而DVT屬性對儲層反映敏感（圖5）。因此，可以采用儲層敏感特征參數(shù)DVT進行儲層反演，以有效預(yù)測砂巖儲層。

圖4 巖石物理交會圖Fig.4 Petrophysical crossplot

1.3 波形指示高分辨率反演

1.3.1 反演原理

三維地震是分布密集的空間結(jié)構(gòu)化數(shù)據(jù)，能反映沉積環(huán)境和巖性組合的空間變化，波形指示反演就是在地震波形特征指導(dǎo)下（相控）對反射系數(shù)組合尋優(yōu)的過程［20］。波形指示反演采用“相控隨機模擬”思想，利用“SMCMC”算法［20］，有效提高了儲層預(yù)測的精度及可靠性，特別適用于高精度預(yù)測非均質(zhì)性強的薄層。其公式為

圖5 X-1 A 井波阻抗和DVT 曲線指示儲層對比Fig.5 Sensitivity comparison of impedance and DVT curves to reservoir of well X-1 A

式中:Z(x0)為待估點的值；Z(xi)為波形優(yōu)選出的樣本點值；λi為第i個樣本點的權(quán)重值；n為優(yōu)選樣本點的個數(shù)。

波形指示反演在統(tǒng)計樣本時既考慮了地震波形的相似性，又參考了空間距離，在保證樣本結(jié)構(gòu)特征一致性的基礎(chǔ)上，遵循分布距離對樣本進行排序，以此優(yōu)選出與預(yù)測點關(guān)聯(lián)度高的井建立初始模型，反演時有相控約束，其結(jié)果更符合地質(zhì)沉積規(guī)律［21-23］。

1.3.2 反演流程

波形指示反演的特點如下:①按照波形的結(jié)構(gòu)和形態(tài)特征將已知的樣本井進行分類，優(yōu)選出與待預(yù)測點波形相似的測井樣本作為計算樣本［21］，并統(tǒng)計井樣本計算得到先驗信息。這種方法利用波形空間變化代替變差函數(shù)表征變異程度，考慮了波形特征和距離等多重因素。由于符合沉積學(xué)規(guī)律，規(guī)避了變差函數(shù)只考慮距離單因素（非相控）選取井樣本引起模型化嚴重且隨機性強的問題［21］。②利用初始模型和地震進行匹配濾波，由此算出似然函數(shù)。假設(shè)2 個樣本井點處地震波形空間特征相似，說明其區(qū)域沉積類型相似，雖然樣本井高頻成分反映不同沉積微相類型，但是樣本井的低頻段是有共性的，而且樣本井的共性頻帶范圍超過地震的有效頻帶，采用這一特性可以增加反演低頻部分的確定性，也能對高頻部分的取值范圍有一定約束，進而減小反演結(jié)果的不確定性。③采用貝葉斯理論，結(jié)合似然函數(shù)和后驗概率分布，利用模型擾動，當(dāng)后驗概率分布函數(shù)取得最大值時就得到一個有效反演結(jié)果［21］。

1.3.3 初始模型效果分析

反演結(jié)果的質(zhì)量很大程度上依賴于初始模型的準確性［24-25］，分析波形指示反演的初始模型結(jié)果（圖6）發(fā)現(xiàn):①平面上，波形指示反演的初始模型平面屬性規(guī)律［圖6（b）］與地震切片平面屬性［圖6（a）］的趨勢大體一致。②剖面上，波形指示反演初始模型產(chǎn)狀和地震同相軸產(chǎn)狀一致，符合地質(zhì)規(guī)律（圖7 中紅框內(nèi)）。

圖6 平面屬性圖Fig.6 Attribute diagram

圖7 波形指示反演初始模型與地震波形疊合圖Fig.7 Initial model of waveform indication inversion and overlap map of seismic waveform

2 實際應(yīng)用及效果分析

2.1 薄儲層精細預(yù)測

H1 儲層為X 油田重要的開采油層，測井上揭示的儲層厚度小于5 m，該層沉積穩(wěn)定且斷層少，地震資料的信噪比高，測井資料豐富，但鉆遇該儲層的井點分布相對集中，且不均勻。反演結(jié)果顯示H1 薄儲層在盲井X1 井處有發(fā)育，在盲井X2 井處不發(fā)育。實鉆井揭示盲井X1 井鉆遇3.7 m H1 砂巖儲層，而盲井X2 井在相同層位處鉆遇了泥巖。這表明反演結(jié)果與實鉆結(jié)果吻合。根據(jù)反演屬性，砂巖的尖滅點可以較好地反映儲層邊界的特征，綜合反演屬性平面與剖面尖滅特征能刻畫出H1 薄儲層空間展布范圍（圖8），預(yù)測H1 油層平面分布為圖8（b）中粉紅色線圈定的范圍。根據(jù)反演結(jié)果預(yù)測在H1 儲層設(shè)計了一口開發(fā)井K1，預(yù)測H1 儲層厚度為3.8 m，后續(xù)證實K1 開發(fā)井實鉆的砂巖厚度為3.9 m，物性好，產(chǎn)量高，反演預(yù)測結(jié)果為H1 儲層的開發(fā)和后期開發(fā)調(diào)整井的方案設(shè)計提供了有效的技術(shù)支持。

圖8 X 油田H1 薄儲層反演結(jié)果Fig.8 Inversion results of H1 thin reservoir in X oilfield

2.2 薄儲層精細刻畫助力注水收效

X 油田HJa 儲層為主力開采層，測井上揭示該層可以細分為上薄砂體（厚度＜3 m）、下薄砂體（厚度＜4 m），對儲層空間展布精細認識直接影響該主力儲層的高效開發(fā)。此油田X-A3 H 井開發(fā)生產(chǎn)過程中存在地層能量供給不足的問題，后期依據(jù)該項研究成果布設(shè)了注水井X-A14 井，注水后，XA3 H 明顯收效，產(chǎn)油指數(shù)增加3.5 倍。反演結(jié)果顯示:X-A3 H 井鉆遇的HJa 儲層下薄砂體與X-A14井處下薄砂體連通，因而X-A14 井注水后X-A3 H 井收效明顯，反演預(yù)測結(jié)果與后續(xù)油藏動態(tài)相吻合（圖9）。

圖9 X-A3 H 井注水收效顯著分析Fig.9 Significant analysis of water injection effect of well X-A3 H

2.3 精細刻畫優(yōu)質(zhì)儲層指導(dǎo)調(diào)整井優(yōu)化實施

前期對X 油田主力產(chǎn)層HJa 儲層空間展布的規(guī)律認識不清，在構(gòu)造高部位布設(shè)的2 口水平井A2 H 井和A3 H 井生產(chǎn)效果不佳，其產(chǎn)油指數(shù)低，分別為31nm3/d/Mpa和39nm3/d/Mpa（n指代某數(shù)值）。通過對反演屬性平面圖［圖10（a）紅框內(nèi)］的分析，認為A2 H 井和A3 H 井布設(shè)在差儲層部位。后期根據(jù)反演屬性平面圖和剖面圖［圖10（a），（b）］在好儲層部位布設(shè)了調(diào)整井A17 H 井，其產(chǎn)油指數(shù)較高，為99nm3/d/Mpa，實際生產(chǎn)動態(tài)好。并且長期保持在低含水期穩(wěn)定狀態(tài)［圖10（c）］，利用該技術(shù)精細刻畫了優(yōu)質(zhì)儲層分布，并優(yōu)化了調(diào)整井的實施。

圖10 儲層預(yù)測指導(dǎo)調(diào)整井優(yōu)化實施效果Fig.10 Adjustment well optimization implementation by reservoir prediction

3 結(jié)論

（1）波形指示反演方法充分利用波形空間特征變化反映儲層相變規(guī)律，更好地體現(xiàn)了相控的思想，預(yù)測結(jié)果更符合地質(zhì)規(guī)律，突破了常規(guī)基于空間域插值算法的限制，對井?dāng)?shù)和井位分布的均勻性沒有嚴格要求，明顯地提高了儲層反演的適用性，實現(xiàn)了井-震協(xié)同的高分辨率儲層預(yù)測。

（2）針對高泥質(zhì)疏松砂巖薄儲層預(yù)測形成了一套完整的技術(shù)流程，并成功應(yīng)用于珠江口盆地X油田，解決了該油田韓江組3～5 m 薄層疏松砂巖油藏精細描述的難題，儲層精細預(yù)測結(jié)果與油藏動態(tài)吻合，有效地指導(dǎo)了油田的高效開發(fā)生產(chǎn)。