深薄致密砂巖儲層描述關(guān)鍵技術(shù)研究
——以渤南油田Y 184井區(qū)為例

隋 明 陽

(中國石油化工股份有限公司勝利油田分公司物探研究院)

0 引 言

低滲致密砂巖油藏是指油氣儲集在覆壓基質(zhì)滲透率較小的致密砂巖儲層中，由于圈閉界限不明顯、單井無自然產(chǎn)能或產(chǎn)能低下，開發(fā)需壓裂改造的非常規(guī)油氣藏類型。截止目前，勝利油田共有探明未開發(fā)儲量3.6×108t，其中低滲致密砂巖油藏儲量占比64%，是未動用儲量開發(fā)的主要類型。深薄致密砂巖儲層埋藏深度大、單層厚度薄、儲量豐度低、效益建產(chǎn)難，儲層定量描述是該類油藏儲量動用的關(guān)鍵制約因素，目前對于深薄致密砂巖儲層定量描述缺乏有效的手段。

前人對此開展了大量研究，并在實踐探索中形成了多種針對致密砂巖儲層的預(yù)測技術(shù)。謝用良等[1]將基于模型的波阻抗反演應(yīng)用到川西致密砂巖氣藏的預(yù)測中，取得了較好的預(yù)測效果；耿會聚等[2]采用基于模型的反演方法，有效地預(yù)測了致密砂巖儲層的橫向分布范圍；譚榮彪等[3]將井、震約束反演應(yīng)用于薄互層地區(qū)的儲層預(yù)測，提高了反演分辨率，取得了較好的預(yù)測效果。

本文針對制約深薄致密砂巖儲層高效動用的問題，在前人研究的基礎(chǔ)上開展了技術(shù)攻關(guān)。針對深薄致密砂巖儲層砂泥巖速度差異小、常規(guī)預(yù)測方法多解性強的問題，研發(fā)了相控去壓實高分辨率反演技術(shù)，落實儲層發(fā)育邊界；針對深薄致密砂巖儲層非均質(zhì)性強、物性變化快、儲層平面物性分布差異大、有效儲層展布范圍不清的問題，創(chuàng)建了深度學習多屬性融合預(yù)測技術(shù)，融合形成儲層物性敏感的新屬性，明確有利儲層展布范圍，促進了該區(qū)效益開發(fā)。

通過攻關(guān)研究，形成的一套適用于深薄層致密砂巖儲層定量描述的技術(shù)序列，在渤南油田Y 184井區(qū)未動用儲量區(qū)應(yīng)用。依據(jù)儲層描述成果，部署三期方案，動用面積8.09 km2，動用儲量10.75×106t，部署新井65口，建產(chǎn)產(chǎn)能14.8×104t。

1 區(qū)域地質(zhì)概況

Y 184井區(qū)位于渤南油田南部，濟陽坳陷沾化凹陷渤南洼陷北部，東靠孤島凸起。主力含油層系為下古近系沙河街組沙四上亞段，該段共劃分為4個砂組，此次研究目的層是沙四上3、4砂組。該目的層油藏南、北受斷層封堵控制，向南砂體減薄，儲層物性變差，易形成物性封堵，是巖性控藏為主的巖性油藏。

沙四上亞段沉積時期，渤南洼陷沉積體系復(fù)雜，具有多物源、多種沉積類型特點。洼陷邊緣發(fā)育扇三角洲，中心發(fā)育灘壩砂，本次研究區(qū)Y 184井區(qū)位于盆緣向盆中過渡帶，同時發(fā)育扇三角洲、灘壩砂兩種沉積類型，導(dǎo)致儲層邊界模糊，扇體與灘壩砂發(fā)育邊界落實難，儲層發(fā)育范圍認識不清。

根據(jù)巖心物性分析資料，該區(qū)塊儲層物性較差，屬于低孔特低滲儲層，其成藏物性孔隙度下限為6%。單砂體厚度薄，縱向上與泥巖呈薄互層結(jié)構(gòu)，層內(nèi)非均質(zhì)性強，物性變化快，儲層平面物性分布差異大[4]，存在有利儲層預(yù)測難度大的問題。

2 相控去壓實高分辨率反演技術(shù)

深薄致密砂巖儲層埋深大、單砂體厚度薄、砂泥巖速度差異小，呈薄互層結(jié)構(gòu)的地質(zhì)特征，針對常規(guī)反演方法預(yù)測精度低、多解性強，儲層邊界預(yù)測難等問題，本文創(chuàng)新形成了相控去壓實高分辨率反演技術(shù)，基于地層壓實機理，分別擬合并剔除砂、泥波阻抗壓實趨勢，將中淺層的砂泥波阻抗差異引入到深層段，實現(xiàn)砂泥巖波阻抗的有效區(qū)分。在此基礎(chǔ)上，通過測井巖相控制儲層縱向結(jié)構(gòu)特征，沉積相約束儲層平面展布范圍，建立精細表征巖相變化的低頻波阻抗模型，有效降低了反演結(jié)果的多解性。在相控低頻波阻抗模型約束下，利用去壓實波阻抗曲線，擬合反映沉積微相空間變化的變差函數(shù)，開展高分辨率地質(zhì)統(tǒng)計學反演，得到既符合沉積規(guī)律又具有高分辨率的反演結(jié)果，精細刻畫儲層邊界，定量描述儲層厚度。

2.1 測井波阻抗去壓實校正方法

深薄致密砂巖儲層成巖過程受壓實及膠結(jié)作用影響明顯，導(dǎo)致深層砂泥巖速度難以區(qū)分，針對這一問題，基于地層壓實機理，通過分巖性剔除波阻抗壓實趨勢，并將中淺層的砂泥波阻抗差異合理引入到深層段，放大深層砂泥巖波阻抗差異，進而實現(xiàn)砂泥巖波阻抗的有效區(qū)分。

由于泥巖的速度主要受壓實趨勢的影響，非壓實趨勢的速度分量可以忽略，而砂巖速度變化的影響因素較多，需先將非壓實趨勢的速度分量計算并剔除。在剔除砂巖非壓實趨勢速度分量后，通過鉆井的埋深與速度交會，分別計算出砂巖和泥巖各自的壓實趨勢速度分量并進行剔除，在線性擬合并剔除波阻抗壓實趨勢后，得到砂、泥巖波阻抗基值。利用中淺層砂、泥巖波阻抗基線存在較大差異的特征，開展深層波阻抗基線回歸，優(yōu)選與地震道匹配度高的砂、泥巖基線組，合理放大儲層與圍巖波阻抗差異。

Y 184井區(qū)巖性與速度交會圖(圖1)顯示：目的層儲層埋深在3 500 m以下，砂巖速度分布區(qū)間為3 500～5 000 m/s，平均速度為4 500 m/s；泥巖速度分布區(qū)間為3 200～4 800 m/s，平均速度為4 300 m/s，砂、泥巖速度基本重疊，難以區(qū)分。

本次研究中，從測井資料入手，對井區(qū)的實鉆井分別計算并剔除各巖性的波阻抗壓實趨勢，然后在中淺層埋深段中選取各巖性波阻抗回歸基線，從而將中淺層埋深段儲層與圍巖之間的速度差異合理地引入到目的層段中進行波阻抗曲線去壓實處理，有效放大砂巖與泥巖之間縱波阻抗差異，實現(xiàn)砂、泥巖速度較為明顯的區(qū)分(圖2)。最終利用處理得到的去壓實波阻抗曲線，以該曲線為基礎(chǔ)，參與后續(xù)的測井約束反演中，從而得到去壓實波阻抗反演體，為后續(xù)的測井約束反演奠定了良好的基礎(chǔ)。

圖1 Y 184井區(qū)去壓實前砂、泥巖速度變化

圖2 Y 184井區(qū)去壓實后砂、泥巖波阻抗變化

2.2 相控低頻波阻抗模型構(gòu)建

研究區(qū)目的層發(fā)育扇三角洲和灘壩砂兩種沉積類型，基于單井相特征，扇三角洲沉積粒度相對較粗，部分砂體含礫，分選較差，自然伽馬曲線整體上呈反韻律前緣沉積特征，自然電位呈齒化箱型；灘壩砂整體呈粉細砂巖沉積，砂體厚度相對薄，自然電位曲線呈指狀弱凸起。通過對研究區(qū)實鉆井的巖相分析，總結(jié)建立儲層相模式，從平面上看研究區(qū)北部為扇三角洲沉積，南部為灘壩砂巖沉積，邊界呈北西向展布，大致以過Y 171-1、Y 172井為邊界區(qū)分(圖3)。

充分挖掘研究區(qū)豐富的測井信息，測井巖相控制儲層縱向結(jié)構(gòu)特征，沉積相約束儲層平面展布范圍，建立精細表征巖相變化的低頻波阻抗模型(圖4)。相控的前提是工區(qū)內(nèi)沉積微相的科學合理劃分，綜合應(yīng)用地質(zhì)、測井、地震、開發(fā)動態(tài)等資料，采用多學科信息綜合對比的思路，并以s變換與小波變換時頻分析方法作為輔助，開展沉積旋回及層序檢測技術(shù)的研究，準確拾取三級、四級層序界面，并進行全區(qū)對比追蹤解釋。在精細地層對比、等時地層格架搭建的基礎(chǔ)上，通過對研究區(qū)實鉆井的巖心觀察及巖電標定，總結(jié)建立儲層相模式。根據(jù)沉積微相在時、空域的展布特征，包括垂向演化與平面分布，采用數(shù)理統(tǒng)計學方法，綜合應(yīng)用確定性和隨機模擬技術(shù)定量表征砂體的空間分布，從而使得隨后的物性參數(shù)反演受沉積成因控制、賦有地質(zhì)意義且能更加精細地刻畫儲層內(nèi)部的非均質(zhì)性?；趲r相模型指導(dǎo)構(gòu)建的低頻波阻抗模型以相帶為單元進行空間約束，更符合沉積規(guī)律，可有效降低反演結(jié)果的多解性。

圖3 Y 184井區(qū)沙四上亞段沉積相圖

圖4 Y 184井區(qū)沙四上3、4砂組相控低頻波阻抗模型

2.3 地質(zhì)統(tǒng)計學反演技術(shù)

地質(zhì)統(tǒng)計學反演首先應(yīng)用確定性反演方法得到阻抗體以了解儲層的大致分布，并用于求取水平變差函數(shù)；然后從井點出發(fā)，井間遵從原始地震數(shù)據(jù)，并基于馬爾科夫鏈的蒙特卡羅算法模擬產(chǎn)生井間波阻抗，再將波阻抗轉(zhuǎn)換成反射系數(shù)并與確定性反演求得的子波褶積產(chǎn)生合成地震道，通過反復(fù)迭代直至合成地震道與原始地震道達到一定程度的匹配，同時得到與波阻抗相吻合的砂泥巖性體。反演過程中充分發(fā)揮隨機模擬技術(shù)綜合不同尺度數(shù)據(jù)的能力，如：可以綜合層序地層研究與地震解釋成果建立初始框架模型。在相控低頻波阻抗模型約束下，利用去壓實測井曲線，擬合反映沉積微相空間變化的變差函數(shù)，在此基礎(chǔ)上開展高分辨率地質(zhì)統(tǒng)計學反演，得到既符合沉積規(guī)律又具有高分辨率的反演結(jié)果。

在Y 184井區(qū)采取相控去壓實高分辨率反演技術(shù)開展儲層預(yù)測的結(jié)果顯示，可識別埋深3 000 m以下，厚度5 m以上薄儲層，局部3 m儲層有一定程度響應(yīng)(圖5)。儲層剖面上，物源來自孤島凸起、埕東凸起，根部巖性粗，端部巖性細，自北向南儲層單層厚度有減薄的趨勢，3砂組儲層大面積分布，4砂組向南超覆尖滅，同時發(fā)育多個厚度中心，扇體呈“退積式”充填(圖6)。儲層平面展布圖上，南北向為主物源推進方向，受主水道控制，主力巖相呈“串珠狀”展布，向南減薄至儲層尖滅；東西向為橫切物源方向，受分支水道控制，主力巖相呈“彎月形”條帶狀展布。儲層發(fā)育受地層厚度及沉積相帶控制，發(fā)育Y 171、Y 184兩個主扇體，扇體邊界及主水道特征清晰，可以準確落實扇體與灘壩發(fā)育邊界，與鉆井吻合率達86%，相較常規(guī)反演方法，吻合率提高10%以上(圖7)。

圖5 Y 17井-Y 171-1井相控反演剖面(沿3砂組頂面拉平)

圖6 順物源XBS 1井-Y 107井沙四上亞段近南北向儲層對比剖面

圖7 Y 184井-BS 4井沙四上3砂組反演平面預(yù)測圖

3 基于深度學習的多屬性融合預(yù)測方法

致密砂巖儲層非均質(zhì)性強，物性變化快，儲層平面物性分布差異大，有效儲層展布范圍不清。針對這一問題，依據(jù)相關(guān)性評分結(jié)果對敏感屬性進行優(yōu)選排序，優(yōu)選儲層敏感屬性。在此基礎(chǔ)上提出基于深度學習的多地震屬性融合技術(shù)，借助深度學習強大的非線性處理能力，可以充分挖掘地震屬性與儲層物性之間的非線性關(guān)系，通過已知井的不斷學習、最佳逼近，擬合形成最佳的表達關(guān)系，深度融合得到新敏感屬性，定量描述儲層物性，可以進一步明確有利儲層展布范圍。

3.1 相關(guān)性敏感地震屬性優(yōu)選方法

針對傳統(tǒng)相關(guān)系數(shù)公式無法準確描述非線性關(guān)系的問題，本次研究采用了基于Spearman秩相關(guān)系數(shù)[5]分析方法。Spearman秩相關(guān)系數(shù)是一個非參數(shù)性質(zhì)(與分布無關(guān))的秩統(tǒng)計參數(shù)，用來度量兩個變量之間聯(lián)系的強弱，可以在出現(xiàn)數(shù)據(jù)分布使得線性相關(guān)系數(shù)不能用來描述的情況下，作為兩個變量之間單調(diào)關(guān)系強弱的度量。Spearman秩相關(guān)系數(shù)可以準確量化地震屬性與儲層參數(shù)間的非線性關(guān)系，敏感地震屬性優(yōu)選精度更高。

基于已有的地震屬性值及相對應(yīng)位置的儲層物性值，借助統(tǒng)計學或信息學中用來分析兩個數(shù)列之間關(guān)聯(lián)性高低的數(shù)學工具，可以形成多種屬性敏感性分析的簡單方法，即直接利用地震屬性值數(shù)列和一種儲層物性值數(shù)列來計算相關(guān)度，這種相關(guān)度的絕對值大小可以表示地震屬性對該儲層參數(shù)敏感性高低，選擇計算結(jié)果值較高的屬性作為優(yōu)選結(jié)果。依據(jù)相關(guān)性建立地震屬性與儲層物性參數(shù)間的非線性映射關(guān)系，對敏感屬性進行優(yōu)選排序，確定最優(yōu)的六類地震屬性，即波阻抗、平均反射強度、瞬時頻率、瞬時相位、能量半時間、平均振幅。

3.2 深度學習多屬性融合預(yù)測技術(shù)

深度學習是機器學習領(lǐng)域中一個新的研究方向。深度學習是學習樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，通過設(shè)計建立適量的神經(jīng)元計算節(jié)點和多層運算層次結(jié)構(gòu)，選擇合適的輸入層和輸出層，通過網(wǎng)絡(luò)的學習和調(diào)優(yōu)，建立起從輸入到輸出的函數(shù)關(guān)系，可以盡可能的逼近現(xiàn)實的關(guān)聯(lián)關(guān)系[6-8]。

針對不同地震屬性儲層預(yù)測展布特征不同，提出基于深度學習的多屬性融合預(yù)測技術(shù)。選擇Y 184井區(qū)進行實際數(shù)據(jù)測試，優(yōu)選的敏感地震屬性有波阻抗、平均反射強度、能量半時間、瞬時頻率、瞬時相位和平均振幅等，共有363口井參與計算，選擇每口井儲層物性作為樣本，分別針對損失函數(shù)、激活函數(shù)、隱藏層數(shù)量、神經(jīng)元個數(shù)和樣本擴充等技術(shù)的適應(yīng)性進行測試計算。通過神經(jīng)元個數(shù)優(yōu)化即不斷更新神經(jīng)元之間的每個連接都有相應(yīng)的權(quán)重，使得最后的模型能滿足預(yù)測需求，更好地逼近地震屬性與儲層物性之間的非線性關(guān)系。隱藏層設(shè)計即對輸入對象進行多層次擬合學習，最終實現(xiàn)用合理的線性劃分不同類型的數(shù)據(jù)。由于Y 184井區(qū)所能獲取井的數(shù)據(jù)很少，根據(jù)地質(zhì)性質(zhì)的連續(xù)性，距離井位一定距離的點具有和井相似的地質(zhì)性質(zhì)，以此為依據(jù)進行樣本的擴充等。借助深度學習的強大非線性處理能力，可以充分挖掘地震屬性與儲層物性參數(shù)之間的非線性關(guān)系，通過已知井的不斷學習、最佳逼近，擬合形成最佳的線性表達關(guān)系，對優(yōu)選屬性進行深度融合，計算得到儲層物性預(yù)測數(shù)據(jù)用來表征儲層物性，可以定量描述儲層物性。

在Y 184井區(qū)開展實際應(yīng)用，融合優(yōu)選的六類地震屬性以及統(tǒng)計的實鉆井孔隙度，得到表征儲層物性的預(yù)測數(shù)據(jù)，儲層物性預(yù)測結(jié)果與實鉆井所測結(jié)果誤差小于10%。應(yīng)用描述結(jié)果，明確主水道及分支水道控制的砂體物性較好，扇體前緣及扇間物性差，結(jié)合孔隙度6%的有利儲層物性下限，進一步明確有利儲層發(fā)育范圍(圖8)。

圖8 Y 184井區(qū)地震屬性優(yōu)選預(yù)測效果圖

4 結(jié) 論

(1)針對深薄層致密砂巖儲層與圍巖速度差異小，常規(guī)反演方法多解性強的難題，開發(fā)了相控去壓實高分辨率反演技術(shù)，突出砂巖效應(yīng)準確落實儲層邊界。

(2)創(chuàng)建了深度學習多屬性融合預(yù)測技術(shù)，在敏感地震屬性組合優(yōu)選基礎(chǔ)上，借助深度學習強大的非線性處理能力，充分挖掘地震屬性與儲層物性之間的非線性關(guān)系，通過深度學習多屬性融合方法定量描述儲層物性，明確有利儲層展布范圍。