基于擬三維多屬性反演的優(yōu)質烴源巖分布預測

姚 軍，樂幸福，陳 娟，蘇 旺，張永峰

（中國石油勘探開發(fā)研究院西北分院，蘭州 730020）

0 引言

總有機碳含量（TOC）是表征有機質豐度的重要參數(shù)。目前預測TOC 平面分布的方法有測井分析結合鉆井勾繪法，如Mendelzon 等［1］在1985 年出版的運用測井數(shù)據(jù)的多屬性分析來表征烴源巖的專著，李強等［2］于2018 年對川西坳陷優(yōu)質烴源巖進行測井定量預測，單俊峰等［3］于2017 年對遼河坳陷雷家致密油烴源巖進行評價，蔣德鑫等［4］于2019 年以陸豐凹陷文昌組為例對烴源巖總有機碳含量的測井模型進行了探討；此外還有地震屬性分析法，如Loseth 等［5］于2011 年利用最大波谷振幅屬性來預測烴源巖厚度，曹強等［6］于2008 年運用地震屬性法在南黃海北部盆地勘探新區(qū)對烴源巖厚度進行了預測，李林等［7］于2010 年在潿西南凹陷通過對地震多屬性進行優(yōu)化，找到最佳屬性組合，實現(xiàn)了TOC數(shù)據(jù)體的預測；到目前為止，最為常用的還屬地震反演方法，如Leedberg［8］在阿拉斯加北部盆地運用地震反演預測過頁巖油的烴源巖分布，秦建強等［9］于2018 年運用三維地震資料通過地震多屬性反演方法預測整個地層的有機質豐度，陶倩倩等［10］于2015 年利用分頻反演技術預測烴源巖。

運用多屬性反演方法預測儲層參數(shù)是目前較為常用的方法［11］，且多以孔隙度、自然伽馬等表征儲層的參數(shù)預測為主。李金磊等［12］運用該反演方法對烴源巖評價參數(shù)如Ro值、TOC 值等進行了有效預測。川西—川中過渡帶中只有部分鉆井具有巖心實測TOC 值，根據(jù)巖心TOC 實測值以常規(guī)測井曲線為基礎運用多元線性回歸算法計算單井TOC 曲線［13-14］。目前研究區(qū)只包含二維測線，運用多屬性反演來有效預測TOC 常分布只能基于二維地震資料，其常規(guī)方法是：逐線進行合成地震記錄標定，在此基礎上逐線進行多屬性反演計算TOC數(shù)據(jù)體，然后根據(jù)表征優(yōu)質烴源巖的TOC 門檻值對TOC 數(shù)據(jù)體逐線進行篩選，最后統(tǒng)計符合條件的TOC 值的厚度，完成優(yōu)質烴源巖分布預測。烴源巖的研究工作通常是區(qū)域性的，面積較大，測線較多，按照上述方法做會存在如下幾個問題：①二維地震測線較多，逐線進行多屬性反演工作量大，耗時長；②距離已鉆井較遠的二維地震測線無法進行合成地震記錄標定，從而無法參與多屬性反演，成為廢線；③若廢線較多，使得參與多屬性反演的二維地震測線分布不均勻，難以準確進行反演TOC的平面插值，進一步影響優(yōu)質烴源巖分布預測結果的準確性。

為了克服上述研究難點，筆者以二維疊后地震資料為基礎，根據(jù)研究區(qū)面積大小，設置合理的線道號間隔，建立三維地震測網(wǎng)；然后將二維地震數(shù)據(jù)按照追加的方式加載到三維地震測網(wǎng)，形成擬三維地震數(shù)據(jù)；基于此再進行多屬性反演來預測川西—川中過渡帶須家河組一、三、五段TOC 的平面分布，以期預測優(yōu)質烴源巖的平面分布。

1 地質背景

四川盆地川西—川中過渡帶位于綿陽市東南部，其須家河組地層分為6 段（圖1）：須一段中下部為深灰色泥質云巖夾薄層灰色灰?guī)r，上部為黑灰色頁巖夾薄層粉砂巖；須二段為灰白色中細粒砂巖；須三段為灰黑色頁巖夾灰色石灰?guī)r，局部具有煤線；須四段為灰白色中細粒砂巖，間夾薄層黑色頁巖及煤線；須五段為灰黑色頁巖、炭質頁巖夾灰色粉砂巖及薄煤層；須六段頂部為鐵質砂巖，其余為灰白色含長石石英砂巖。因此須家河組一、三、五段以泥頁巖為主，二、四、六段為致密砂巖儲層，是典型的“三明治”結構，源儲疊置發(fā)育，近源充注。致密氣的勘探在很大程度上取決于烴源巖的品質和分布。針對氣源巖，品質較好的烴源巖即優(yōu)質烴源巖，一般是有機質豐度較高同時類型較好且成熟度較高的烴源巖。在川西—川中過渡帶，須家河組烴源巖平均Ro值大于1.2%，成熟度較高，有機質類型較好，為腐泥型［15-17］，因此有效預測出有機質豐度較高的優(yōu)質烴源巖的分布成為該區(qū)須家河組致密氣勘探的關鍵。

2 單井TOC 曲線計算

運用多屬性反演方法預測TOC 值，須要參與反演的鉆井具有TOC 曲線，但實際上TOC 曲線無法通過現(xiàn)有測井技術直接測得。因為TOC 在自然伽馬（GR）、電阻率（Rt）、聲波時差（AC）、中子孔隙度（CNL）、補償密度（DEN）等地球物理測井參數(shù)上有一定的反映［18-23］，因此須要根據(jù)四川盆地川西—川中過渡帶部分鉆井在須家河組的巖心測試TOC 值結合測井曲線進行擬合。如圖2 所示，研究區(qū)須家河組烴源巖的測井響應特征為：高自然伽馬、低電阻率、低聲波時差、高補償中子、低補償密度（圖中實測TOC 值為紅色桿狀標記）。

通過交會圖（圖3）分析發(fā)現(xiàn)，各曲線對TOC 值的相關性由高到低分別為：補償密度、聲波時差、自然伽馬、補償中子、電阻率，但各曲線與TOC 值的相關系數(shù)均低于0.55。因此運用單一測井曲線去擬合TOC 曲線的準確度較低。為達到后續(xù)TOC 值平面預測的要求，須要找到一種方法能夠綜合并且盡可能放大各常規(guī)測井曲線與實測TOC 值相關性大的部分，同時盡可能去除相關性小的部分，最終達到準確擬合TOC 曲線的目的。

多元線性回歸算法就是能夠滿足上述要求的一種常用的數(shù)學方法。該方法可以通過多個變量（常規(guī)測井曲線）之間的加權求和來最大程度保留變量與目標值相關性大的部分，實現(xiàn)多個變量的最優(yōu)組合來共同預測或估計目標值（TOC），預測結果有效且符合實際。根據(jù)川西—川中過渡帶現(xiàn)有鉆井資料，優(yōu)選前4 種常規(guī)測井曲線運用多元線性回歸算法得到TOC 曲線的計算公式。

運用該公式計算的QL2 井TOC 值與實測TOC值相關系數(shù)達到0.805（圖4），吻合度良好。鑒于川西—川中過渡帶構造平緩，須家河組起伏較小，針對所有鉆穿目的層且具有上述4 種常規(guī)測井曲線的鉆井分別運用該公式計算出單井TOC 曲線。經(jīng)鉆井實測TOC 值與其擬合的TOC 曲線對比，相關系數(shù)均大于0.750。

3 擬三維工區(qū)的建立

四川盆地川西—川中過渡帶須家河組由北西向南東方向逐漸升高，但整體表現(xiàn)平緩，褶皺強度小，最大高差約為800 m。從須一段到須六段構造形態(tài)呈繼承性發(fā)育，縱向上變化較小。川西—川中過渡帶共有二維地震測線92 條，間距約800～3 800 m，面積約4 400 km2，鉆穿須家河組并且具有計算TOC曲線的鉆井共計30 余口，分布不均勻（圖5）。二維地震測線的密度和間距能夠滿足川西—川中過渡帶區(qū)域性研究對地震資料的要求。

川西—川中過渡帶須家河組烴源巖主要存在于須一段、須三段、須五段。圖6 為QL10 井的過井地震剖面及合成地震記錄標定。從自然伽馬曲線可看出：須家河組含烴源巖的地層中，烴源巖單層厚度較小，雖然含量較多，但其與砂巖以互層形式存在，而地震反射剖面受其自身分辨率的影響，單層烴源巖的反射特征無法明確表示。但總體上看，以烴源巖為主的局部地層為波谷反射，如圖6 中2 800～2 900 m，3 140～3 190 m 處。因此，須要通過地震反演技術來更為準確地預測優(yōu)質烴源巖的分布。

四川盆地川西—川中過渡帶二維地震測線較多，根據(jù)現(xiàn)有反演軟件的計算流程只能單線逐線進行多屬性反演，并且需要每條地震測線都進行合成地震記錄標定和多屬性反演計算TOC 值；區(qū)內鉆井分布不均勻，很多地震測線距離鉆井較遠，在多屬性反演當中無法進行鉆井合成地震記錄標定（工區(qū)西南部和東南部部分測線），從而無法參與多屬性反演，成為廢線。廢線太多會嚴重影響優(yōu)質烴源巖分布預測結果的準確性。

川西—川中過渡帶須家河組整體比較平緩，并無大的構造變化。在這種背景下，二維地震單線逐線進行多屬性反演與二維地震測線融合成為擬三維地震數(shù)據(jù)之后再進行多屬性反演的精度基本是相同的。因此，若將二維地震測線融合后運用擬三維多屬性反演在克服上述難點的同時還能夠保證預測結果的準確度，能夠滿足川西—川中過渡帶優(yōu)質烴源巖區(qū)域性研究的精度要求。如圖7（a）所示，二維地震測線逐線進行多屬性反演只有well 井周邊的3 條測線可以利用，其他測線由于無法進行合成地震記錄標定而成為廢線，無法參與多屬性反演；若將二維地震數(shù)據(jù)整合成1 個擬三維地震數(shù)據(jù)，那么可以通過地震數(shù)據(jù)的相互連接，通過井旁地震測線的合成地震記錄標定將鉆井信息傳遞到所有的測線［圖7（b）］，從而使所有地震測線能夠參與多屬性反演。此外，二維逐線反演，圖7（a）中能夠參與多屬性反演的3 條地震測線需要與well 井分別進行合成地震記錄標定，而擬三維多屬性反演只須圖7（b）中well 井旁的地震測線進行一次合成地震記錄標定即可。

根據(jù)川西—川中過渡帶二維地震測線的分布情況，確定擬三維工區(qū)主測線間和聯(lián)絡測線間間隔距離為20 m，通過式（2）—（3）計算出主測線數(shù)為4 214，聯(lián)絡測線數(shù)為2 745。

式中：Num_line 為主測線數(shù)，條；Num_trace 為聯(lián)絡測線數(shù)，條；Max_x為x坐標最大值，m；Min_x為x坐標最小值，m；Max_y為y坐標最大值，m；Min_y為y坐標最小值，m；Inter_line 為主測線間距，m；Inter_trace 為聯(lián)絡測線間距，m。

在擬三維測網(wǎng)建立的基礎上，將二維地震數(shù)據(jù)逐線以追加的方式加載到擬三維測網(wǎng)當中形成1個三維地震數(shù)據(jù)體。為保證擬三維地震數(shù)據(jù)體的統(tǒng)一以及鉆井信息能夠傳遞到每一條測線，加載到擬三維測網(wǎng)中的二維地震數(shù)據(jù)須進行閉合差較正和采樣率統(tǒng)一化，并且將獨立的二維地震測線（與其他任意測線無交點）去除。

4 擬三維多屬性反演

以擬三維地震數(shù)據(jù)體為基礎，以30 余口鉆井合成記錄標定為前提，運用多屬性反演當中的神經(jīng)網(wǎng)絡算法［24］，優(yōu)選了5 個地震屬性（振幅包絡、瞬時振幅導數(shù)、積分絕對振幅、瞬時頻率、余弦相位）反演鉆井TOC 值，把部分鉆井TOC 曲線與反演結果進行對比，得出總相關系數(shù)達到了0.705，說明鉆井反演結果準確可靠。將通過神經(jīng)網(wǎng)絡算法得出的這5 個地震屬性與鉆井TOC 值的非線性關系運用到整個擬三維地震數(shù)據(jù)，最終反演出TOC 數(shù)據(jù)體。如圖8 所示，NC2 井曲線為計算出的TOC 曲線，地震反演結果與TOC 曲線吻合良好，準確度高。

5 優(yōu)質烴源巖分布預測

根據(jù)測井資料分析，四川盆地川西—川中過渡帶須家河組烴源巖的泥質質量分數(shù)大于44.0%。前期研究結果表明，當TOC 質量分數(shù)大于1.5%的時候，烴源巖為優(yōu)質烴源巖［25-30］。因此，川西—川中過渡帶須家河組優(yōu)質烴源巖須同時滿足2 個必要條件：泥質質量分數(shù)大于44.0%、TOC 質量分數(shù)大于1.5%。按照擬三維多屬性反演預測TOC 分布的技術方法對泥質含量的分布也進行了預測（圖9，NC2井曲線為計算出的泥質含量曲線）。首先以泥質含量反演體為參考，在TOC 反演體上去除泥質質量分數(shù)小于44.0% 的數(shù)據(jù)，然后在TOC 反演體上去除TOC 質量分數(shù)小于1.5%的數(shù)據(jù)，最終的篩選結果如圖10 所示，即為優(yōu)質烴源巖TOC 值（NC2 井曲線為計算出的TOC 曲線）。

對篩選后的TOC 反演體根據(jù)合成地震記錄標定的時深關系進行深度域轉換，然后逐道進行采樣點統(tǒng)計，最終將統(tǒng)計出的每道符合條件的樣點個數(shù)與深度域采樣率相乘得到優(yōu)質烴源巖的厚度分布（圖11）。

運用上述方法統(tǒng)計優(yōu)質烴源巖厚度是直接基于符合條件的樣點之上的，較以往通過地震屬性與鉆井統(tǒng)計厚度擬合關系及其他地質統(tǒng)計學的厚度計算方法準確度更高，誤差更小。在此基礎上結合無測線區(qū)鉆井統(tǒng)計的優(yōu)質烴源巖厚度通過平面插值最終完成研究區(qū)須家河組一、三、五段優(yōu)質烴源巖分布圖。圖12 為川西—川中過渡帶須一段優(yōu)質烴源巖分布圖，須一段優(yōu)質烴源巖厚度為10～150 m，總體由北西向南東減薄，符合該區(qū)須一段沉積前西邊凹地東邊逐漸變高的地貌特征和沉積規(guī)律?；诖?，對其上部須二段儲層進行了目標評價工作，最終在川西—川中過渡帶中北部須一段優(yōu)質烴源巖較厚的區(qū)域成功部署了2 口預探井well1 和well2。

6 結論

（1）四川盆地川西—川中過渡帶二維地震測線較多，鉆井較少且分布不均勻，在這種條件下采用常規(guī)二維多屬性反演方法來預測優(yōu)質烴源巖的分布須要逐線進行合成記錄標定及多屬性反演，工作量大；在無井區(qū)的二維地震測線因不能進行合成記錄標定而無法利用，從而影響預測結果的準確性。擬三維多屬性反演方法將所有具有交點的二維測線合并成一個擬三維數(shù)據(jù)體，單井合成記錄標定及多屬性反演只須進行1 次，能夠高效而準確地達到該區(qū)優(yōu)質烴源巖分布預測的目的。

（2）通過在深度域直接對反演結果符合條件的樣點進行統(tǒng)計來計算優(yōu)質烴源巖厚度，較以往通過地震屬性與鉆井統(tǒng)計厚度擬合關系及其他地質統(tǒng)計學的厚度計算方法準確度更高，誤差更小。

（3）該方法對所有基于疊后地震資料的反演技術均適用，流程簡單，可操作性強，結果可靠。

致謝：在本文完成過程中，中國石油西南油氣田分公司勘探開發(fā)研究院吳長江高級工程師給予了悉心指導，在此表示感謝！