層序約束下的火山巖儲層地震反演技術及其應用

黃 玉，白曉寅，郭 璇，譚開俊

（中國石油勘探開發研究院西北分院）

0 引言

隨著國內外油氣勘探開發程度的不斷加深，構造油氣藏的勘探難度日益增大，而火山巖油氣藏的發現越來越多。在美國、日本等地發現火山巖油氣藏的同時，中國也相繼在準噶爾、塔里木、松遼、冀中、濟陽、蘇北等盆地發現了火山巖油氣藏。火山巖油氣藏作為一種特殊的油氣藏類型，已引起人們的普遍重視［1］。

目前，地震反演已成為儲層橫向預測和巖性油氣藏勘探不可或缺的技術手段［2］。將地震數據與測井數據相結合，在已知的地質信息和測井數據約束下，獲得高分辨率的地層波阻抗資料及一系列巖性、電性數據，可以精細地描述儲層的平面展布、深度、厚度和物性的變化規律［3］。筆者在對準噶爾盆地西北緣紅車斷裂帶火山巖油藏優質儲層參數敏感性分析的基礎上，針對（常規反演）火山巖儲層非均質性強、橫向預測難的特點，建立了該區火山巖層序序列，并在此基礎上采用火山巖層序約束的多屬性地震反演技術對紅車斷裂帶火山巖儲層進行了精細刻畫。

1 區域地質背景

紅車斷裂帶位于準噶爾盆地西北緣前陸沖斷帶的南端，是沙灣凹陷和盆1井西凹陷油氣運移的長期指向區之一［1］，油氣資源豐富，構造位置有利，斷裂十分發育。該區古生界火山噴發主要分布在2類地區：一是沿紅車斷裂、紅山嘴東側斷裂等大型邊界斷裂分布，如車47井、車43井、車46井、車72井等火山噴發中心或火山噴發口；二是規模較小的斷裂附近，如車21井區等火山噴發中心。在紅車斷裂帶火山巖中，從北向南已經發現了車72、車43、車47、車30井區等多個油氣藏。這些油氣藏主要為斷塊油氣藏，同時受巖性和儲層裂縫發育程度的控制，與火成巖的發生、發展有著直接的關系［4-5］。本次研究的是車47井區古生界火山巖。

2 火山巖儲層分析

2.1 儲層特征

車47井油藏是斷層-巖性油氣藏，上傾方向受斷層遮擋，下傾方向及兩側受火山巖儲層巖性變化和儲層物性變化控制，油、氣、水分布與構造等高線無直接關系。該區火山巖類型多樣，主要有火山角礫巖、玄武巖、安山巖和凝灰巖。

車47井區火山巖巖性的多樣性使其儲集空間類型變得復雜、多樣，其形成、發展、充填以至再形成孔縫是一個復雜的演化過程，并受多種因素的控制。從成因來看，儲集空間可劃分為原生儲集空間（原生氣孔、晶間孔、礫間孔、冷凝收縮縫和晶間縫等）和次生儲集空間（溶蝕孔和構造縫）。儲集空間組合主要有2種：一是裂縫-溶蝕孔，常見于火山角礫巖中，是主要的儲油孔隙組合；二是晶間-裂縫-溶蝕孔，常見于安山巖中。據統計（圖1），該區儲層物性中以近火山口爆發相的火山角礫巖最好，碎裂玄武巖、安山巖次之，凝灰巖最差，且裂縫的發育程度對火山巖儲層物性的改造作用較大［1，5］。

圖1 火山巖儲層物性與巖性關系Fig.1 The relationship between reservoir properties and lithology of volcanic reservoir

綜上所述，該區火山巖優質儲層以裂縫較為發育的火山角礫巖等爆發相火山巖為主。

2.2 儲層敏感性參數分析

地震儲層反演的首要前提是針對優質儲層進行精確的測井參數敏感性分析。測井曲線能否正確區分有效儲層和較致密的非有效儲層，以及地震反演結果能否反映儲層發育情況，都要看儲層的測井參數敏感性分析結果。儲層測井參數敏感性分析是利用各種測井數據與儲層巖性、物性和測試數據，優選有效儲層和致密儲層的敏感測井數據類型，確定測井數據分界值，為地震反演提供可靠的巖石物理數據［6-7］。

在該區利用新井的巖礦鑒定報告、薄片鑒定報告、巖心資料等，歸納不同巖性的測井響應特征，建立了火山巖二維巖性識別圖版（圖2）。根據巖性解釋量版，對該區所有井的巖性進行了重新解釋，使火山巖的巖相識別精度有了明顯提高。通過分析可知，車47井區判別古生界火山巖優質儲層巖性最敏感的測井參數為密度，火山角礫巖和安山質玄武巖大都表現為高密度的特征，其值為2.5～2.75。

圖2 火山巖巖性識別圖版Fig.2 Two-dimensional chart for the identification of volcanic rocks

3 層序約束下的火山巖儲層反演

火山巖儲層反演，要求反演結果既要反映火山巖的地震、地質特征，又要有利于預測有效儲層的空間分布，從而達到預測油氣藏分布的目的。筆者為了克服實際應用中火山巖儲層橫向變化快、難以預測的難題，首先建立起該區的火山巖沉積序列，并在此約束下采用多屬性儲層反演技術，較好地控制了火山巖儲層橫向展布規律的預測精度。根據該區火山巖儲層參數敏感性分析的結果，采用非線性多屬性反演技術獲得了該區火山巖儲層最敏感的密度屬性。雖然各種密度反演機理不很明確，但根據地質統計學原理，通過多屬性綜合反演，能很好地反映火山巖巖相變化，達到預測有利巖相的目的。

3.1 火山巖層序的建立

為了確定不同期次火山巖相帶的平面展布規律，借鑒了沉積巖中的層序概念及相關方法，即火山巖層序是由一個或多個噴發—沉積旋回疊置而成的巖石組合，與火山活動的旋回相一致。本次火山巖層序的劃分主要采取以下方法：①從測井、錄井資料上識別火山活動間斷，標志性的巖性為沉積巖，研究區內已鉆井揭示的沉積巖為泥巖；②從地震剖面上識別目的層內的火山活動間斷面，即火山機構；③通過井-震聯合標定及對比，共同確定目的層的火山巖層序界面［8］。

根據上述思路，在該區劃分了4套火山巖層序（圖3）。單個火山旋回的下部為爆發相火山巖/火山碎屑巖，上部為溢流相熔巖，構成火山噴發的一個期次；早期以熔巖為主的噴發（車24，Ⅰ期）轉變為中、晚期（Ⅱ—Ⅳ期）火山角礫巖的大規模發育，以及熔巖比例的減小，表明火山噴發方式由早期的裂隙式轉變為中、晚期的中心式；石炭紀晚期火山活動逐漸減弱，局部發育了沉火山碎屑巖和含火山碎屑沉積巖。

圖3 火山巖層序劃分Fig.3 The sequence division of volcanic rocks

3.2 非線性多屬性密度反演

多屬性反演方法是一種非線性反演方法，本次研究采用神經網絡算法進行密度反演，綜合波形、能量、頻率、相位等一系列基于幾何學、運動學、動力學及統計特征的地震屬性，反演出火山巖巖相在平面上的展布特征［9-13］。

3.2.1 反演的基本步驟

神經網絡中單個神經元的結構極其簡單，功能有限，但大量神經元構成的網絡系統所能實現的行為卻是極其豐富多彩的［9］。神經網絡可分為3個層：輸入層、隱含層和輸出層。其主要步驟是：①選取與火山巖關系比較密切的地震屬性參數，個數要適宜，本次主要選取的參數有波阻抗、相位、頻率、層速度、振幅等；②將地震屬性、井旁地震道和目標曲線作為原始數據輸入到神經網絡，對網絡進行培訓學習，神經網絡經過培訓，就可確定輸入與輸出之間的非線性映射關系，從而得到培訓模型；③利用三維空間點的多種屬性參數，根據培訓后的神經網絡模型，進行神經網絡計算，即可反演出三維空間的巖性數據體。

3.2.2 神經網絡反演的實現

利用培訓后的神經網絡模型和三維空間點的多種屬性參數，即可反演出三維空間的密度數據體［12］。具體可分為以下3個部分：①加載地震、測井資料并作標定；②在井點附近訓練地震資料，使之能夠預測感興趣的儲層參數；③將訓練出的關系應用于整個地震數據體，達到儲層參數預測的目的。第一部分顯然是標準的地震處理手段，后兩部分是多屬性預測的核心部分。地震屬性與所預測對象之間的關系十分復雜，在對不同工區和不同儲層進行預測時，各種地震屬性的敏感程度是不完全相同的；即使在同一工區、同一儲層，因預測對象不同，其對應的敏感地震屬性也存在差異；地震屬性優化技術可以提高地震儲層的預測精度，以及更有效地進行儲層描述，進一步提高鉆井的成功率［13］。

3.2.3 反演效果分析

圖4是多屬性密度反演結果的聯井剖面。從圖中可以看出，主要出油的CHE91井在密度剖面上表現為高密度特征。雖然其橫向非均質性特別強，相鄰2口井發生了較快的巖性變化，但從已鉆井的對比分析來看，其優質儲層的高密度特征還是非常明顯的，只是從反演剖面整體效果來看較為雜亂。因此，在本次研究中，利用多屬性密度反演預測火山巖有利儲層時加入了火山巖層序界面進行約束，所有的反演工作及結果分析都只針對某一特定的層序內部，超出該層序范圍外的不加考慮，這就使反演結果在平面上更具有規律性，儲層對比結果也更加可信。圖5是該區二疊系佳木河組火山巖層序Ⅰ的多屬性密度反演平面圖，從圖中可看出，其橫向變化非常自然，與已鉆井火山巖密度進行標定分析，認為實際出油井（圖5中黑色實心為出油井）基本分布在南北向的高密度條帶上，與前面的火山巖優質儲層敏感性參數分析結果一致，預測出了火山巖有利儲層的展布范圍（圖中紅色范圍）。

圖4 CHE47井區聯井密度反演剖面Fig.4 The section of density inversion in CHE47 well area

圖5 層序1多屬性密度反演平面圖Fig.5 Plane map of multi-attribute density inversion of volcanic sequenceⅠ

經上述技術的應用，并根據預測結果，在CHE47井區預測出有利儲層為爆發相，裂縫發育面積達57.4 km2。在優質儲層評價的基礎上，綜合構造、斷裂等多種特征，特別是已知井的鉆遇情況，整體部署了勘探井位，經鉆探多口井獲得了工業油氣流（圖5），證明了該技術的有效性。

4 結論

（1）火山巖層序研究是火山巖相研究的基礎，通過在研究區建立的4套火山巖層序序列，為火山巖儲層預測及解釋提供了較好的橫向約束，有效地解決了火山巖儲層橫向變化快、非均質性強、橫向難以預測的問題。

（2）通過本次層序約束下的火山巖儲層地震反演技術在研究區的應用，精細地刻畫了火山巖儲層的空間展布特征，生產應用效果顯著。

［1］潘建國，郝芳，譚開俊，等.準噶爾盆地紅車斷裂帶古生界火山巖油氣藏特征及成藏規律［J］.巖性油氣藏，2007，19（2）：53-56.

［2］朱如凱，毛治國，郭紅莉，等.火山巖油氣儲層地質學——思考與建議［J］.巖性油氣藏，2010，22（2）：7-13.

［3］劉俊田，姜書林，李在光，等.地震反演技術在三塘湖盆地油氣勘探中的應用與效果分析［J］.勘探地球物理進展，2009，32（3）：211-215.

［4］潘建國，郝芳，譚開俊，等.準噶爾盆地紅車地區火山巖儲層特征及主控因素［J］.石油地質與工程，2007，21（5）：1-3.

［5］尹路，潘建國，譚開俊，等.火山巖地震儲層學在準噶爾盆地紅車斷裂帶石炭系油氣探勘中的應用［J］.巖性油氣藏，2010，22（4）：1-6.

［6］鄭亞斌，王延斌，韓德馨.地震反演技術在火山巖儲集層預測中的應用——以棗35塊為例［J］.新疆石油地質，2006，27（6）：746-748.

［7］高喜龍，孫希瑞，李順玲，等.測井約束反演在埕島油田儲層預測中的應用［J］.石油地球物理勘探，2001，36（3）：334-338.

［8］于寶利，劉新利，范素芳，等.火山巖相地震研究方法及應用［J］.新疆石油地質，2009，30（2）：264-266.

［9］王西文，石蘭亭，雍學善，等.地震波阻抗反演方法研究［J］.巖性油氣藏，2007，19（3）：80-88.

［10］冉啟全，胡永樂，任寶生.火成巖巖性識別方法及其應用研究——以大港棗園油田棗35塊火成巖油氣藏為例［J］.中國海上油氣，2005，17（1）：25-30.

［11］冉啟全，李士倫，顧小蕓.神經網絡模式識別沉積微相［J］.沉積學報，1996，14（增刊）：186-191.

［12］張世暉，劉天佑，顧漢明.用神經網絡識別火成巖［J］.石油地球物理勘探，2003，38（增刊）：84-87.

［13］嚴慧中，劉學敏，蔡文濤，等.火成巖儲層地震綜合技術的應用［J］.石油地球物理勘探，1999，34（增刊）：89-95.