應用測井儲層因子預測變質碎屑巖裂縫-孔隙型儲層
——以海拉爾盆地貝爾凹陷基巖為例

李 娟，鄭 茜，孫松領，張 斌，陳廣坡，何巍巍，韓乾鳳

（1.中國石油勘探開發(fā)研究院西北分院，蘭州 730020；2.中國石油天然氣集團公司油藏描述重點實驗室，蘭州 730020）

0 引言

裂縫儲層是一種重要的油氣儲層類型，廣泛發(fā)育于致密砂巖、油頁巖、碳酸鹽巖、火山巖、變質巖等多種巖性中，在中東、中亞、北美等全世界常規(guī)及非常規(guī)油氣中占據相當大的比例與規(guī)模［1］。由于其強烈的非均質性，裂縫預測是該類油氣藏勘探開發(fā)中的關鍵點，也是難點。國內外學者對裂縫儲層的預測方法進行了大量的研究。Pérez 較早提出應用地震資料開展碳酸鹽儲層裂縫檢測［2］；鄧攀等［3］、Jenkins等［4］、周新桂等［5］以分形方法、巖石破裂法和能量法等為基礎，建立構造裂縫分布預測的數學模型；鞠瑋等［6］、詹彥等［7］、王珂等［8］、張繼標等［9］在巖石力學參數測試基礎上，應用三維有限元法對裂縫形成期的古構造應力場進行數值模擬，進而預測構造裂縫分布；王蓓等［10］應用FMI 成像測井、疊前地震各向異性等地球物理方法開展裂縫預測，表征裂縫產狀、開度、密度、孔隙度等參數?，F有方法都存在某些局限性，如數值模擬法受到構造應力、形變分析及地質模型的限制，分形幾何法基于裂縫幾何參數與數學模型，兩者得到的結果往往偏理論化，難以保證準確度與儲層的有效性［11-12］。地球物理方法是目前油氣勘探領域流行的裂縫儲層預測方法。其中，基于地震疊后資料的螞蟻追蹤［13］，曲率、傾角、相干、似然等地震屬性技術［14-15］，基于地震疊前資料的縱波方位各向異性技術［16-18］，以及基于測井、地震資料相結合的深度學習［19］、相控反演［20］、多屬性神經網絡反演［21］等裂縫預測方法可以定性或半定量預測裂縫的發(fā)育程度與位置，但受到地震資料品質、學習樣本數量和分布以及裂縫型儲層強非均質性等影響，預測準確度與精度遠遠不能滿足當今油氣勘探開發(fā)中裂縫儲層預測的要求。

海拉爾盆地貝爾凹陷基巖潛山儲層巖性以變質碎屑巖為主，儲層表現為裂縫、孔隙疊加發(fā)育的特征，即除構造成因為主的裂縫外，不同級別孔隙也貢獻了重要的儲集空間，有效儲層分布預測應當兼顧裂縫與孔隙2 個因素。本文提出了應用綜合概率法獲取測井儲層因子這一敏感參數，結合地震波形指示反演，定量預測海拉爾盆地貝爾凹陷基巖潛山儲層分布，在該類型油氣藏的勘探開發(fā)中有較大的應用推廣價值。

1 地質概況

貝爾凹陷是海拉爾盆地重要的富油氣凹陷之一，包括貝西、貝中、貝北3 個生烴次凹及貝西斜坡帶、中部隆起帶、貝東斷隆帶3 個正向構造單元（圖1）。石炭系—二疊系基巖之上發(fā)育沉積地層，從下往上分別為下白堊統(tǒng)銅缽廟組、南屯組、大磨拐河組、伊敏組，上白堊統(tǒng)青元崗組及古新統(tǒng)至全新統(tǒng)地層，侏羅系地層缺失。南屯組暗色泥巖為區(qū)域內的主要烴源巖，在伊敏組沉積早期開始生烴，伊敏組沉積晚期達到生烴高峰。貝爾凹陷中部隆起帶的蘇德爾特次級構造帶被貝西、貝中2 個主力生烴次凹環(huán)繞，具備優(yōu)越的成藏條件，是海拉爾盆地貝爾凹陷主要的含油氣構造之一。蘇德爾特構造帶的基巖潛山因上覆泥質含量較高的南屯組沉積地層形成基底、銅缽廟組、南屯組多套層系立體成藏，而其北部的霍多莫爾構造帶，雖與蘇德爾特構造帶同屬中部隆起帶，但其基巖潛山因蓋層條件變差及斷層的強烈活動而未成藏，油藏主要分布于南屯組、大磨拐河組。蘇德爾特次級構造帶基巖潛山單井日產油0.15～170.2 t，平均日產油20 t，產量從西向東變化大，反映了基巖儲層在平面上的強非均質性。西部控凹斷裂附近B30，B38，B42，B10 等井區(qū)產量中等，日產油8.1～39.7 t 不等，平均日產油為28.4 t；中部B28，B40，B12，B14 等井區(qū)產量略低，日產油5.22～41.9 t，平均日產油為22.39 t；東部B16，D112等井區(qū)產量最高，日產油9.01～170.2 t，平均日產油為68.8 t。

圖1 海拉爾盆地貝爾凹陷構造單元劃分Fig.1 Division of structural units in Beier Sag，Hailar Basin

2 儲層特征

2.1 巖性控儲

海拉爾盆地基底為石炭系—二疊系，是一套經歷了淺變質作用的陸源碎屑巖、火山碎屑巖、火山巖及過渡巖性的復雜巖系。儲層發(fā)育程度受巖性控制，主要巖性為凝灰?guī)r、凝灰質砂巖、粉細砂巖等淺變質火山碎屑巖—沉積巖系列［22］。不同巖性樣品的物性試驗和試油結果顯示，淺變質不等粒砂巖、碎裂蝕變凝灰質不等粒砂巖、碎裂安山質凝灰?guī)r和粉細砂巖的儲層物性最好，日產油可超過15 t；其他巖性如碳酸鹽泥巖、粉砂質泥巖、閃長玢巖等物性差，不出油或產極少量油。

2.2 物性特征

根據巖心樣品的物性測試、試油及生產數據，貝爾凹陷基巖儲層可分為裂縫型、孔隙型、裂縫-孔隙型（圖2）。其中，孔隙型儲層的孔隙度大于4%，滲透率小于1 mD，孔隙度較高但裂縫發(fā)育程度較低，為中等儲層，產量為1～15 t/d；裂縫型儲層的孔隙度為2%～4%，裂縫發(fā)育導致滲透率較高，滲透率為1～1 000 mD，裂縫既是儲集空間又是滲流通道，該類儲層為好儲層，試油產量超過15 t/d；裂縫-孔隙型儲層為優(yōu)質儲層，裂縫、孔隙均發(fā)育，孔隙度超過4%且滲透率超過1 mD，測試產量超過15 t/d，個別井可超過30 t/d?？紫抖刃∮?% 且滲透率小于1 mD 的為差儲層，產量低或不出油。

圖2 海拉爾盆地貝爾凹陷基巖儲層孔滲特征Fig.2 Porosity and permeability characteristics of basement reservoirs in Beier Sag，Hailar Basin

儲集空間包括開啟裂縫、未完全充填裂縫、溶蝕裂縫、溶蝕孔洞等。儲層的總孔隙度由裂縫孔隙度和基質孔隙度共同貢獻。其中，裂縫主要為構造成因縫，包括高角度、低角度和水平裂縫，開啟裂縫以中高角度為主，傾角為30°～90°［圖3（a）］。多期構造運動疊加形成的裂縫呈網狀，裂縫內部被多種礦物填充或半填充，包括石英、方解石、白云石、鐵白云石、高嶺石、綠泥石和黃鐵礦［圖3（b）—（c）］。開啟裂縫以及斷裂帶充填膠結物（如方解石、白云石、鐵白云石和其他礦物）的再溶蝕形成有效儲集空間［圖3（b），（d）］。沿裂縫面見油漬、油斑，表明油氣可以沿著裂縫運移聚集［圖3（e）］。顯微鏡下可見微裂縫中膠結物的溶蝕形成有效儲集空間［圖3（f）］。

圖3 海拉爾盆地貝爾凹陷基巖儲層特征（a）B15 井，2 225.70 m，淺變質細砂巖，開啟的高角度裂縫；（b）B40 井，2 367.30 m，安山質凝灰?guī)r，裂縫和溶蝕孔隙，裂縫部分被方解石、石英和黃鐵礦膠結物充填；（c）B28 井，1 936.05 m，泥質粉砂巖，多期發(fā)育的被充填裂縫，呈網狀切割；（d）B28 井，1 935.55 m，斷層角礫巖，碎裂帶內發(fā)育的溶蝕孔隙；（e）B40 井，2 372.6 m，安山質凝灰?guī)r，裂縫面見油斑、油漬以及黃鐵礦；（f）B15 井，2 203.8 m，變質砂巖，微裂縫內的溶蝕孔隙，SEMFig.3 Basement reservoir characteristics in Beier Sag，Hailar Basin

2.3 縱向分帶性

海拉爾盆地貝爾凹陷基巖潛山縱向上有明顯的分帶特征，分為強風化帶（Ⅰ）、中等風化帶（Ⅱ）、弱風化帶（Ⅲ）、未風化帶（Ⅳ）4 個相帶（圖4）。強風化帶因為巖石機械風化與強烈破碎，裂縫呈網絡狀發(fā)育，張開度高，大多被砂質、泥質或化學沉淀物充填，因而不易形成優(yōu)質儲層；中等風化帶由于較強的物理、化學風化作用，細粒黏土物質被搬運帶走，發(fā)育裂縫-孔隙型儲層，物性好；弱風化帶以裂縫型儲層為主，溶蝕孔隙較少發(fā)育；未風化帶巖性致密，儲層較難發(fā)育，發(fā)育少量裂縫。

不同縱向分帶結構和儲層發(fā)育段在測井曲線、地震反射上均有特定的響應特征，這是應用測井、地震資料進行儲層預測的基礎。強風化帶、中等風化帶表現為電阻率曲線的傾斜、跳躍，聲波、密度曲線的波動，強風化段曲線變化幅度大于中等風化段。其中，電阻率、密度降低、聲波曲線鋸齒化、深淺電阻率值差異段為裂縫-孔隙型儲層發(fā)育段。弱風化帶和未風化帶表現為較平直的電阻率、聲波、密度曲線，未風化帶的平直程度高于弱風化帶。在地震剖面上從強風化帶向到未風化帶，振幅增強、頻率增高，反射特征由低頻空白弱反射變?yōu)橹蓄l較連續(xù)強反射，其中，裂縫-孔隙型儲層段表現為弱振幅背景下的相對強振幅反射特征。

3 方法原理

基于測井資料計算裂縫孔隙度的方法，包括電阻率、聲波、放射性、地層傾角、密度、補償中子井以及電成像、聲成像測井等［23］，其中電阻率方法是目前國內外常規(guī)測井計算裂縫孔隙度普遍采用的方法。常用的電阻率模型主要有Sibbit 模型、P-A 模型、網狀裂縫模型、三維有限元法裂縫孔隙度模型等?；驹硎歉鶕w積模型，將實際不規(guī)則非均勻分布裂縫的地質體簡化成各種規(guī)則均勻分布的理想化模型，然后通過一定的假設條件，建立起裂縫孔隙度與電阻率的關系，繼而求解裂縫孔隙度。據文獻［19-22］修改如下：

（1）Sibbit 模型（T1）［24］。包括了含水裂縫孔隙模型和含油氣裂縫孔隙模型，該模型重點考慮了裂縫孔隙流體對電阻率的影響，沒有考慮裂縫產狀及其開度對電阻率的影響。

含油裂縫模型

含水裂縫模型

式（1）—（2）中：mf為裂縫孔隙度指數，一般取1.059～1.119；Kr為雙側向畸變系數（低角度縫1.2，傾斜裂縫1.1，高角度縫1.0）；Rb，Rs，Rw，Rm分別為基巖、淺側向、地層水及泥漿濾液電阻率，Ω·m。

（2）P-A 模型（T2）。將平行等間距的裂縫性地層等效為宏觀均勻的各向異性介質，推導任意傾角條件下裂縫性地層的雙側向測井響應［25］，進而給出用于計算近水平或近垂直裂縫孔隙度的評價模型。

近水平裂縫孔隙模型

近垂直裂縫孔隙模型

式（3）—（4）中：Cf是裂縫孔隙流體電導率，S/m；孔隙充滿地層水時為Cw，充滿泥漿濾液時為Cm；Cd，Cs為深、淺側向電導率，S/m；雙側向測井響應正差異（Rd＞Rs）為近垂直裂縫，負差異（Rd＜Rs）為近水平裂縫。

（3）網狀裂縫孔隙模型（T3）。將裂縫地層簡化為網狀，假設裂隙網格長度相對大小為χ，裂縫孔隙內飽含水，根據并聯導電模型，利用雙側向測井資料推導網狀裂縫孔隙模型［26]。

地層因子

裂縫孔隙度指數

迭代算法步驟：①假設mf=1，根據式（5）計算Фf1；②將Фf1代入式（6），求取x，然后利用式（7）—（8）求mf；③再次利用式（5）計算Фf2，比較兩次計算誤差，ε=（Фf1－Фf2）/Фf1；④若誤差滿足精度要求則停止迭代，否則令Фf1=Фf2，重新由式（6）計算，直到精度滿足要求為止。

（4）三維有限元裂縫孔隙模型（T4）。根據裂縫性地層非均質性特點，利用三維有限元法建立的裂縫性地層電導率正演模型，將裂縫分為低角度縫、傾斜縫和高角度縫3 種狀態(tài)，并分別推導了3 種狀態(tài)下裂縫性地層的雙側向測井響應與地球物理參數間的函數關系［27］。

雙側向測井響應（電導率）數學模型

裂縫孔隙度

因式（9）—（10）為近似相等，根據誤差最小原則，利用二分法確定最佳x0，根據式（11）計算裂縫孔隙度；σd，σs為深、淺側向電導率，S/m；σb為基巖電導率，S/m；d1～d4，s1～s4根據裂縫產狀分析得到；Rmf為泥漿濾液電阻率，Ω·m。

然而，因為裂縫儲層的非均質性及復雜性，實際應用中單一模型很難滿足裂縫孔隙度計算的精度及準確度。本次研究基于上述多種測井裂縫孔隙度模型，應用綜合概率法構建最佳的裂縫孔隙度計算方法。具體方法是，各種模型計算結果分別乘以一個概率系數，再取加權后的結果之和為最終裂縫孔隙度，即測井儲層因子LRF（Logging Reservoir Factor）。通過多次試驗與迭代計算獲取合適的概率系數，使計算結果與成像測井解釋、試油測試結果達到最佳吻合。測井儲層因子計算公式為

式中：a1+a2+…+an=1；Φf為測井儲層因子計算裂縫孔隙度；Φi為單模型計算孔隙度；ai為單模型概率系數；n為模型個數。

通過反復測試，得到上述4 種方法的概率的系數依次為0.15，0.12，0.08 和0.65。概率系數的確定要充分結合已鉆井資料，特別是成像測井、巖心測試分析資料。首先通過儲層發(fā)育段的測井特征分析，并參照基礎模型的不同物理意義給出初始模型，即給定初始概率系數，再通過參數修改與多次迭代進行誤差分析，最終將誤差校正到合理范圍內，并將未參與計算的井資料進行充分驗證，以確保概率系數取值準確。如圖5 用盲井進行測井儲層因子LRF計算結果驗證，P為成像測井解釋的次生孔隙度，包括溶蝕孔隙、孔洞以及其他可識別的基質孔隙，DF為成像測井解釋的裂縫視孔隙度。將不同基礎模型進行融合獲得的測井儲層因子LRF，既反映了裂縫儲層的發(fā)育，又突出了溶蝕孔隙、孔洞對儲層的貢獻，因此能有效地定量表征裂縫-孔隙型儲層的發(fā)育程度，也說明了概率系數取值的合理性。

圖5 海拉爾盆地貝爾凹陷典型井測井儲層因子分析Fig.5 Logging reservoir factor analysis of typical well in Beier Sag，Hailar Basin

4 應用效果

4.1 測井儲層因子

針對海拉爾盆地貝爾凹陷基巖儲層，用綜合概率法構建的測井儲層因子對儲層發(fā)育段的指示效果良好。對比發(fā)現，單一模型計算的裂縫孔隙度曲線均存在一定誤差，很難準確反應裂縫發(fā)育程度。測井儲層因子曲線與巖心裂縫統(tǒng)計、成像測井解釋結果及生產測試結論一致，計算結果與鉆井吻合程度超過70%。如B12 井T4 曲線在中下部（1 708 m以下）計算結果與巖心裂縫統(tǒng)計可基本對應，但在上部（1 708 m 以上）與成像測井結果對應效果一般，而T1，T2，T3 曲線在上部效果好，在中下部幾乎沒有反應出裂縫段［圖6（a）］。構建的測井儲層因子能綜合各計算方法的優(yōu)勢，與巖心、成像測井結果基本吻合，更好地指示裂縫發(fā)育段，如1 701～1 711 m，1 724～1 734 m，1 740～1 748 m 為高值，指示裂縫發(fā)育段，在1 701.8～1 707.3 m 與1 725～1 747 m 層段進行生產測試分別獲得工業(yè)油流。

測井儲層因子的優(yōu)勢在于綜合表征了儲層中裂縫和溶蝕孔對孔隙度的疊加貢獻，能更好地反映儲層的真實物性。B30 井2 296～2 305 m 巖心顯示該段以發(fā)育孔洞為主，局部發(fā)育高角度、低角度裂縫，成像測井顯示電阻極高，圖像為明顯亮色，表明該段發(fā)育裂縫、溶蝕孔洞優(yōu)質儲層。該段除T4 曲線有響應外，T1，T2，T3 曲線均無響應［圖6（b）］。測井儲層因子的孔隙度曲線有明顯響應，該段曲線值大幅度高于純裂縫發(fā)育段（2 280～2 294 m），是裂縫與溶蝕孔孔隙度的綜合響應，儲層物性優(yōu)，生產測試獲得日產油30.78 t。

圖6 海拉爾盆地貝爾凹陷B12 井裂縫孔隙度計算結果（a）與B30 井裂縫孔隙度計算結果（b）T1.Sibbit 模型；T2.P-A 模型；T3.網狀模型；T4.三維有限元模型；LRF.測井儲層因子；D.巖心觀察裂縫密度Fig.6 Fracture porosity calculation of well B12（a）and well B30（b）in Beier Sag，Hailar Basin

4.2 儲層分布預測

由于地震分辨率的限制，井震聯合反演可以充分利用測井高、低頻信息，進而拓寬頻帶，是目前高精度儲層預測的有效手段之一。當前流行的高精度反演方法包括地質統(tǒng)計學反演和地震波形指示反演等［28-29］。地質統(tǒng)計學反演的核心是利用變差函數來表征空間變異程度，即在對未知井進行隨機模擬時，根據所有井統(tǒng)計出的變程優(yōu)選樣本進行模擬［圖7（a）］，因此預測值受到樣本距離和是否均勻分布的影響，對儲層的橫向變化不敏感，平面分辨率低［30-31］。地震波形指示反演是以地質統(tǒng)計學為基礎，采用波形相控反演思想的一種高精度地震反演方法。根據波形相似性和距離2 個因素優(yōu)選統(tǒng)計樣本，因此能更好地體現沉積、巖性等宏觀要素的影響，實現相控隨機反演［圖7（b）］。

圖7 地震反演統(tǒng)計樣本優(yōu)選原理示意Fig.7 Principles of selecting statistical samples for seismic inversion

變質巖裂縫儲層發(fā)育程度宏觀上受到巖性分布的影響，變質火山碎屑巖-沉積巖是儲層發(fā)育的主要巖性序列。巖性的變化與地震波形特征的變化有相關性。因此，選擇了波形指示反演方法，考慮巖性對儲層發(fā)育的宏觀控制因素，能實現相控隨機模擬，更符合儲層發(fā)育規(guī)律。利用地震數據與測井數據建立初始地質模型，在此基礎上進行參數優(yōu)選，并將預測結果與實際地震的結果進行對比質控，得到適合本區(qū)的反演關鍵參數。

通過井震精細標定，測井儲層因子反映的儲層發(fā)育程度與地震波形信息有相關性，儲層發(fā)育段與不發(fā)育段的波形特征存在較大差異。測井儲層因子高值指示裂縫-孔隙型儲層發(fā)育，在井旁地震道上表現為不對稱雙峰正偏態(tài)波形，振幅值高，形態(tài)表現為中到高等尖度［圖8（a）］。測井儲層因子低值指示的儲層不發(fā)育段則表現為基本對稱的單峰形態(tài)，振幅值低，形態(tài)平坦變化幅度小［圖8（b）］。反演結果表明儲層預測分辨率高，在縱向和平面上基本與已鉆井儲層發(fā)育情況一致（圖9）。如B14 井的4 個儲層段在反演結果中均有很好的體現［圖8（c）］，預測儲層厚度與鉆井結果一致。如第2，4 段鉆井揭示裂縫儲層發(fā)育，反演預測孔隙度值高，厚度大，橫向較連續(xù)；第1，3 段裂縫發(fā)育程度略低，預測結果孔隙度值降低，厚度減小，橫向不連續(xù)分布。提取不同地震時窗預測結果，代表不同縱向分帶的不同地區(qū)儲層發(fā)育情況，研究區(qū)鉆井驗證儲層預測結果的符合率超過75%（圖10），該技術能有效預測基巖潛山裂縫-孔隙型儲層。

圖8 海拉爾盆地貝爾凹陷B14 井地震波形特征對比與反演結果Fig.8 Seismic waveform characteristics and inversion results of well B14 in Beier Sag，Hailar Basin

圖9 海拉爾盆地貝爾凹陷中部構造帶基巖儲層預測剖面Fig.9 Predicted profiles of basement reservoirs in the central uplift belt of Beier Sag，Hailar Basin

圖10 海拉爾盆地貝爾凹陷中部構造帶基巖儲層預測平面圖Fig.10 Predicted planar distribution of basement reservoirs in the central uplift belt of Beier Sag，Hailar Basin

4.3 判別閾值確定

為了能更精確地揭示貝爾凹陷中部構造帶基巖裂縫-孔隙型儲層的發(fā)育程度，達到定量識別預測儲層的目標，通過對已鉆井的油層、干層測井儲層因子統(tǒng)計分析（圖11），表明研究區(qū)基巖產油層段的測井儲層因子均大于0.008，結合地震預測值的分布情況，將預測值0.01 作為該區(qū)有效儲層是否發(fā)育的判別閾值，超過該值，則判定有效儲層發(fā)育，且數值越大代表儲層發(fā)育程度越高，低于該值，判定為有效儲層欠發(fā)育。

圖11 海拉爾盆地貝爾凹陷各井油層、干層平均測井儲層因子Fig.11 Distribution diagram of average logging reservoir factor of oil layer and dry layer of each well in Beier Sag，Hailar Basin

5 結果分析討論

5.1 儲層分布形態(tài)

基巖巖性與原始沉積地層對儲層的分布形態(tài)有控制作用。從預測結果看，剖面上儲層形態(tài)呈現整體似層狀、局部不連續(xù)，平面上呈不連續(xù)的片狀、點狀展布形態(tài)。研究區(qū)內基巖有效儲層呈短丘狀、豆狀的剖面形態(tài)，以及平面的不連續(xù)性均反應儲層發(fā)育的強非均質性，而剖面上儲層整體又呈準連續(xù)分布的似層狀，這與變質碎屑巖基巖巖性控儲的宏觀規(guī)律有關。由于基巖儲層的優(yōu)勢巖性為變質碎屑沉積巖、沉積火山碎屑巖等，變質程度較低，因此儲層分布的整體形態(tài)可能繼承了原始沉積地層的層狀分布特征，這是此類裂縫-孔隙型儲層分布形態(tài)的特殊性（圖12）。

圖12 海拉爾盆地貝爾凹陷變質巖基巖儲層發(fā)育模式Fig.12 Development pattern of basement reservoirs in Beier Sag，Hailar Basin

5.2 儲層發(fā)育規(guī)律

變質碎屑巖基巖的縱向分帶控制裂縫-孔隙型儲層的發(fā)育深度，儲層主要發(fā)育在基巖中部，上部次之，下部弱?；鶐r中部中等—弱風化帶儲層最發(fā)育，預測結果與鉆井資料裂縫-孔隙型儲層吻合。強風化帶由于細粒物質充填較多，導致儲層發(fā)育中等，如B15，B28，B38-22 等井在基巖上部亦發(fā)育儲層。未風化帶儲層發(fā)育最弱，僅有B30，B38-22 等井在基巖下部局部發(fā)育儲層。

變質碎屑巖基巖的斷裂、構造位置控制裂縫-孔隙型儲層的平面分布。整體上斷裂附近的儲層發(fā)育程度高于遠離斷裂的地區(qū)；受斷層控制發(fā)育的基巖構造高部位儲層發(fā)育程度高于構造低部位；背斜、斷背斜的脊部儲層發(fā)育程度高于翼部。好儲層主要發(fā)育在斷裂帶附近，以及背斜、斷背斜、斷塊等構造高部位，在中等—弱風化帶好儲層發(fā)育程度高、面積大，相對能連片，鉆探證實在B16，D110，B12 等井均發(fā)現中—高產工業(yè)油層。在強風化帶好儲層發(fā)育面積較小而分散，呈不連續(xù)發(fā)育，鉆探證實在B15，B28，B10 等井發(fā)現低產工業(yè)油層。未風化帶整體儲層不發(fā)育，但在大斷裂附近有儲層發(fā)育區(qū)，面積小，局部具備儲層甜點特征，如B30，B38-22井在潛山內幕獲得油流，這與烴源巖生烴作用過程中的流體以及巖漿熱液等流體對儲層的溶蝕作用有關［32］，是基巖內幕油氣勘探的潛在領域。

6 結論

（1）海拉爾盆地貝爾凹陷變質火山碎屑巖基巖的裂縫-孔隙型儲層定量預測的判別標準是預測值大于0.01 為有效儲層，數值越大代表儲層發(fā)育程度越高。

（2）基巖巖性對儲層發(fā)育有宏觀控制作用，儲層分布整體形態(tài)繼承了原始沉積地層的層狀分布特征，有效儲層在地震剖面上呈整體準連續(xù)似層狀分布的短丘狀、豆狀形態(tài)，平面上呈不連續(xù)的片狀、點狀展布。

（3）儲層發(fā)育受垂向分帶、斷裂和構造位置的控制。中等—弱風化段的裂縫-孔隙型儲層最發(fā)育，強風化段次之，好儲層主要發(fā)育在斷裂帶附近，以及背斜、斷背斜、斷塊等構造高部位。未風化段儲層不發(fā)育，在大斷裂附近局部發(fā)育儲層甜點，是基巖內幕油氣勘探的潛在領域。