AVO屬性分析在儲層厚度預測中的應用

顧霜霜 潘仁芳 周 洋

（1.油氣資源與勘探技術教育部重點實驗室·長江大學，湖北 荊州 434023；2.長江大學地球科學學院，湖北 荊州 434023；3.中國石化江漢油田采氣廠技術中心，重慶 萬州 404020）

0 引言

AVO 技術是建立在疊前地震資料基礎上的地震屬性和地震振幅分析技術，現已廣泛應用于油氣勘探和開發。其理論基礎是平面彈性波的反射和透射理論，一般用Zoeppritz 方程描述，同時結合地質、測井等資料進行巖性預測、油氣檢測和裂縫檢測等［1］。其分析方法主要為AVO 正演和反演，前者是以井資料為基礎研究含油氣儲層的AVO 異常響應特征；后者是從疊前地震數據出發預測油氣分布，二者相互獨立，也相互印證。理論和實踐均證明，AVO 技術在尋找氣藏方面更為敏感，更有其優越性［2］。筆者從疊前地震CRP 道集出發進行AVO 反演，提取多種AVO 屬性并針對含氣性進行屬性分析，最終對儲層含氣有效厚度進行平面預測。

1 方法原理

AVO反演采用的是Zoeppritz 方程近似表達式［3］，它根據振幅隨入射角的變化關系，從實際地震記錄中估算巖石的密度、縱波速度、橫波速度和泊松比等地層參數，進行油氣檢測或巖性分析。一般將那些僅為地層參數的組合并且與角度無關的系數參量稱為AVO 屬性，如AVO 截距A、斜率B等。實際應用中，通常采用AVO 3 參數反演和流體因子反演兩種方法，它們均為基于Shuey或Aki公式的AVO屬性反演［4］。

AVO 屬性的提取方式有很多，一般采用沿層切片來提取，但是也要根據工區的勘探程度、研究對象以及所要解決的問題選擇合適的方式，才能獲得較好的效果［5］。屬性分析是利用不同的經驗或數學方法，按屬性對研究目標的敏感程度進行區分，優選出對目標參數最為敏感、關系最密切的少數地震屬性或組合，用于儲層參數反演［6］。應用地震反演和地震屬性分析技術進行儲層預測，完成屬性參數的地質轉化，其關鍵在于較為準確地建立地震屬性與儲層目標參數之間的關系［7］。由于二者之間不是簡單的數學關系，通常采用地質統計學［8］中的方法建立測井數據與地震數據相關關系并進行儲層參數的平面預測。圖1 為應用AVO 屬性分析預測儲層含氣有效厚度的基本研究思路。

2 實例應用

研究區位于川東北某地區，目的層為下三疊統須家河組二段亞三段一層的砂巖段，為辮狀河三角洲前緣沉積，其巖性主要為巖屑砂巖、長石巖屑砂巖，含少量巖屑石英砂巖和石英砂巖，表現為低孔低滲的物性特征，氣藏類型主要為巖性氣藏和巖性— 構造氣藏，具有較強的非均質性。研究區內共有5口已知井，在該目的層均有較好的含氣顯示。

圖1 研究區基本研究思路圖

2.1 AVO屬性提取

對研究區內經過疊前時間偏移后得到的地震CRP 道集數據進行AVO 目標處理，得到角度道集，再進行AVO 3 參數反演和流體因子反演，生成一系列AVO 屬性數據體，最終獲得AVO 截距A、斜率B、曲率C、縱波反射系數RP等屬性參數［4］34-38，并對這些參數進行線性組合得到7 個參數（泊松比PR、流體因子FF、相對密度DRHO、橫波反射系數Rs、縱波速度差DVp、橫波速度差DVs和強度AB）。

需要注意的是，屬性提取之前需較為準確地建立地震資料和井資料之間的時深關系，并根據目的層所在位置選擇合適的時窗。時窗過大則會包含不必要的信息，影響分辨率；時窗過小則會出現截斷現象，丟失有效成分。通常選擇包含目的層位在內的25 ms時窗提取屬性沿層切片。

2.2 屬性分析

研究區內提取的7 個AVO 屬性均為常用的含油氣預測參數，但是哪些對于研究區適用，不能僅僅依靠經驗直接用所有屬性參與儲層參數的預測，還需要結合研究區的實際情況進行屬性分析。通過屬性分析優選出與儲層含氣性有關的敏感屬性參數，除了參考各屬性參數所反映的物理和地質意義外，還必須通過井震對比分析來驗證屬性參數含氣指示在不同地區、不同儲層的準確性。

AVO 技術應用的地質基礎是泊松比的變化，這種變化在于不同巖石以及含有不同流體的同種巖石之間泊松比的差異［2］。泥巖和碳酸鹽巖的泊松比值一般比砂巖的高，而當砂巖含氣后，泊松比會有更明顯的降低。因此，通過泊松比異常預測含氣性較為準確。同時，在各屬性的過井剖面上，通過與工區內5 口井目的層處測井解釋的氣層對比分析顯示，泊松比的吻合度最好。圖2為典型井井2處泊松比剖面，黑圈內黃色部分代表負異常即含氣好的區域，測井解釋的氣層落在黑圈內，說明反演的泊松比異常在實際井目的層處較為符合。對其他未鉆井的區域進行客觀推論，其結果也較為可靠。因此，可將泊松比確定為最基本的敏感屬性參數。

再對7個屬性進行神經網絡優化訓練，得到屬性的線性組合，并計算交叉驗證誤差，其基本原理是用其他井的測井有效厚度值參與預測，然后與該井實測值進行對比、驗證，求取平均誤差。優化訓練的目的是使誤差達到最小時得出最優的AVO屬性組合。

圖2 典型井井2處泊松比剖面圖

表1和圖3為屬性優化訓練得出的誤差表和誤差圖。圖中藍線為訓練誤差（對應表1 中第3 列數值），其值為0.381 4～0.865 9；紅線為驗證誤差（對應表1中第4 列數值），其值為0.598 2～1.048 4。從圖3 中可看出，訓練誤差隨參與屬性的增加而減小，驗證誤差隨屬性數的增加先減小后增加，這說明運用的屬性個數并非越多越好，達到一定數量后誤差就會開始增大。前5個屬性的組合達到驗證誤差最小，因此最后選用泊松比、流體因子、相對密度、橫波反射系數和強度的組合對含氣有效厚度進行預測。

表1 屬性優化訓練誤差分析表

圖3 屬性組合誤差分析圖

2.3 含氣有效厚度預測

經過屬性分析，將優選出的敏感屬性結合測井解釋的氣層有效厚度數據，進行整個研究區目的層有效厚度預測。有效厚度是該目的層內所有含氣儲層厚度的累加值。能夠進行厚度預測的基礎是地震反射特征參數，在一定程度上反映了某些地層參數的變化，利用地震屬性參數和已知井點處的地層參數建立相關關系，通過這一關系去預測未知點的地層參數，也可以說是在地震參數空間中內插或外推已知井點的地層參數。筆者應用了地質統計學中的方法，首先對測井解釋數據統計的有效厚度進行變差函數分析，再與優選出的AVO 屬性組合建立對應關系，采用隨機模擬的方法［9］由點擴展到面，直至完成整個研究區目的層含氣有效厚度的預測。

圖4為目的層含氣有效厚度預測圖，將其與構造圖疊合，能更好地看出本區含氣儲層分布主要受巖性控制，局部受構造控制，儲層的非均質性較強的特點。從圖4中可以看出，研究區南部的中上部（井1至井2附近）和北部的中下部（井3至井5附近）含氣有效厚度相對較大（22～26 m）且較連續，可作為后續勘探的重點考慮區域。表2為含氣有效厚度預測與實測結果對比表，相關系數達到0.97，說明預測的厚度值較為可靠。通過含氣有效厚度預測，同時結合其他儲層參數（如含氣飽和度、孔隙度等）的預測，就能劃分出研究區內有利含氣區域。

圖4 目的層含氣有效厚度預測圖

表2 含氣有效厚度預測與實測結果對比表

3 結論與認識

1）針對不同研究區，不能只沿用經驗，除了分析各種屬性的物理和地質意義外，還需結合其他資料的特征，運用多種方法優選出對含氣敏感的屬性參數，才能確保后續預測的準確性。

2）預測結果顯示，將AVO屬性結合實際測井解釋的含氣有效厚度數據，運用地質統計學的方法，完成整個研究區的含氣有效厚度預測，不但切實可行，而且預測效果較好。但由于研究區內已知井較少，所以基于AVO 屬性預測的含氣有效厚度的準確性還需要更多的鉆井實例予以驗證。

［1］侯伯剛.AVO處理解釋技術研究及應用［D］.北京：中國地質大學，2005.

［2］潘仁芳.AVO的內涵與外延［J］.石油天然氣學報，2006，28（2）：50-55.

［3］殷八斤，曾灝，楊在巖.AVO技術的理論與實踐［M］.北京：石油工業出版社，1995.

［4］楊立偉.AVO屬性分析［D］.黑龍江：大慶石油學院，2007.

［5］姜秀清.儲層地震屬性優化及屬性體綜合解釋［D］.北京：中國科學院研究生院，2006.

［6］侯伯剛，楊池銀，武站國，等.地震屬性及其在儲層預測中的影響因素［J］.石油地球物理勘探，2004，39（5）：553-558.

［7］陳冬.地震多屬性分析及其在儲層預測中的應用研究［D］.北京：中國地質大學，2008.

［8］李黎，王永剛.地質統計學應用綜述［J］.勘探地球物理進展，2006，29（3）：163-169.

［9］林煜，郁智，徐樟有，等.應用地震多屬性反演與隨機模擬技術預測砂體展布［J］.科技導報，2011，29（10）：45-48.