基于地質統計學反演方法的洛帶氣田儲層預測

羅釧江， 羅耀華， 魯建隆， 殷曄宗， 胡 鑫

(1.成都理工大學 能源學院，成都 610059；2.中國石油集團 渤海鉆探井下作業分公司，任丘 062552)

0 研究區概況

洛帶遂寧組氣藏構造以北東低南西高的鼻狀背斜為特征，在西南構造軸上形成了低振幅局部高點，局部低鞍且閉合面積受限。氣藏類型一般是低-特低孔隙度、特低滲儲層、細孔-小喉孔隙型三角洲前緣砂巖、構造-巖性復合型圈閉氣藏，該氣藏無邊緣、底部有水，是一種低豐度、中低產量的恒定容量封閉式彈性氣驅驅動類型。該研究區沉積環境主要為三角洲前緣亞相，具有非均質性強、垂向上具有多層疊置的正粒序、儲層薄、相變快等特征 (圖1) 。

圖1 區域構造位置圖Fig.1 Location map of regional tectonics

圖2 Earthmodel模塊建立的低頻模型Fig.2 Low frequency model established by Earthmodel module

圖3 洛帶地區疊后波阻抗剖面Fig.3 Post stack impedance profile in Luodai area

1 地質統計學反演原理

疊后地震反演的方法主要分兩類：①基于物性的波阻抗反演和孔隙度反演；②基于巖性的GR擬聲波反演和地質統計學反演。

1.1 約束稀疏脈沖反演

約束稀疏脈沖反演是地質統計學的基礎, 波阻抗反演采用稀疏脈沖反演方法[2]。構建初始波阻抗模型，將測井資料、鉆井數據和地震資料結合，在EarthModel模塊里面建立低頻初始模型。該模型能夠較好地反映沉積體地質特征，在建立初始的模型過程中，將在縱向上具有高分辨率測井資料與在橫向上具有連續變化特征的地震界面結合。建立初始波阻抗模型的原因有兩方面：①在地震反演過程中控制解的范圍，保證結果的穩定性和收斂性；②大大彌補了地震資料的低頻部分(圖2)。

稀疏脈沖反演的步驟：①遵從稀疏的原則在地震道中提取的反射系數與子波褶積合成新的地震道；②依據原始的地震道修改反射系數；③循環步驟①、步驟②，直至得到最逼近地震道的反射系數序列；④通過得到的反射系數序列，在測井資料的約束下得到一個全頻帶的絕對波阻抗[3]。反演結果如圖3所示。

1.2 疊后地質統計學反演

疊后地質統計學反演是在地震反演當中引入了序貫擬合的思路[4]。首先從約束稀疏脈沖反演得到波阻抗，掌握儲層大致的展布特征，以此為依據求取差變函數；然后以測井資料為依據，以原始地震數據為約束，隨機模擬出井間的波阻抗并轉換成反射系數，再與子波褶積合成新的地震道，通過反復迭代，達到最佳逼近原始地震道的程度[3,8,11]。

2 地質統計學反演過程

地質統計學反演的過程主要包括：①巖性劃分；②反演參數分析；③巖性模擬；④孔隙度模擬4個部分[6]。

圖4 洛帶遂寧組氣藏GR和阻抗的交匯圖Fig.4 Intersection diagram of GR and impedance of Suining formation gas reservoir in Luodai

2.1 巖性劃分

本次項目巖性劃分是在對工區內鉆井分析的基礎上開展的，通過對工區內100余口井的巖性與GR和阻抗的交匯分析(圖4)，泥巖主要表現為高GR低阻抗特征，而砂巖主要表現為低GR高阻抗特征，當砂巖含氣或空隙較好時則表現為低GR低阻抗特征，巖性的劃分則可以根據GR與阻抗雙重參數最終確定。

2.2 反演參數分析

地質統計學反演的精確程度主要受反演參數約束，反演參數包括概率密度函數、差變函數等。其中，變差函數反映儲層的空間結構，就地質意義來講，縱向變程對縱向分辨率有影響，主要是通過測井數據來求取；橫向變程反映了目的層的橫向展布特征，需要對地質沉積的規律并結合分布的泥巖或煤層反演的測試結果來確定。

變差函數的公式為：

(1)

式中：h為滯后距；Z為區域變量；N為距離為h的個數；R為變差函數。

圖5 變差函數參數示意圖Fig.5 Schematic diagram of variogram parameters

圖5中,α為r(h)達到平穩時滯后距離的值(變程),其表示空間中的最大相關距離;C0為一常數,表示區域化變量隨機變化; 滯后值α表示在空間分布上區域化變量的平均尺度，滯后值越大，在空間分布上區域化變量相關性越大，變化的速度也就越慢，隨機性越小。C為拱高,代表區域化變量的結構性變化;C0+C為基臺值,代表著區域化變量的最大變化范圍。當C0+C保持不變時,C0變大,則C變小,表示在空間分布上區域化變量的隨機性變強,則區域化變量的結構性越差;反之如果C0+C保持不變C變大,則C0變小,結果也將相反[7]。

筆者對研究區內100余口測井曲線質量好的井進行分析，阻抗概率分布嚴格服從高斯分布，如圖6所示。中值為11 069.77(kg/cm3*m/s)，偏差為538.185 4(kg/ cm3*m/s)2；變差函數的求取來自于井震擬合，在擬合的過程中需要確定兩個方向的變程，即縱向變程以及橫向變程。由于井的數量較多，在縱向上的變程也就比較精確，再通過比較高斯型和指數型擬合，該地區指數型擬合較好，縱向變程為6 m。

圖6 洛帶遂寧組氣藏波阻抗概率分布圖Fig.6 Probability distribution of wave impedance in Suining formation gas reservoir, Luodai

圖7 洛帶遂寧組氣藏連井巖性反演剖面Fig.7 Lithology inversion section of Suining formation gas reservoir in Luodai

圖8 洛帶遂寧組氣藏砂組孔隙度與縱波阻抗交匯關系圖Fig.8 Relationship between porosity and P-wave impedance of Jsn10 and Jsn11-1 sand formations in Suining formation gas reservoir, Luodai

圖9 洛帶遂寧組氣藏砂組孔隙度與縱波阻抗交匯關系圖Fig.9 Relationship between porosity and P-wave impedance of Jsn11-2 and Jsn12 sand formations in Suining formation gas reservoir, Luodai

圖10 洛帶地區連井孔隙度反演剖面Fig.10 Inversion profile of continuous well porosity in Luodai area

圖11 地震巖性反演砂體厚度預測與實鉆對比Fig.11 Seismic lithology inversion sand body thickness prediction and real drilling contrast

2.3 巖性模擬

地質統計學反演具有很強的識別薄層和精確預測儲層的能力[1,3,9]。該反演技術在水平方向上使用多網格蒙特卡洛模擬，在縱向時間域中使用馬爾科夫鏈蒙特卡洛模擬方法。通過對地震資料、地震子波、巖性分布、地層格架、差變函數，統計學參數的優選、新井檢驗等進行反演預測[5,13]。通過20次的巖性模擬，再根據最新的鉆井成果與模擬出的結果對比分析，從中優選模擬結果進行極大似然巖性體求取，最終得到本區的極大似然巖性體，為后續的砂體厚度求取和儲層厚度求取提供借鑒(圖7)。

2.4 孔隙度模擬

3 反演結果校驗

通過進行地質統計學反演，最終得到極大似然巖性體，在巖性體上進行各砂體頂、底面的精細解釋。為了驗證反演的平面展布特征的準確度，開展了預測砂體與實際鉆井砂巖厚度的對比分析，通過圖11的對比來看，砂巖厚度在正負1.5 m誤差范圍內到達81.3%，這表明儲層預測結果可靠，可以應用到后期的各項的研究。

4 結論

本次研究旨在刻畫精確有利儲層，優化了地震資料，使儲層的地質模型在空間分布上更加合理。也以此了解到要優化地震資料，只用一種地震反演方法遠遠不能達到精細的預測結果。雖然通過約束稀疏脈沖反演將界面形地震剖面轉換為地層形剖面，提出了圍巖變化對于儲層地震響應特征的干擾，但是在縱向分辨率上得不到精確的效果。地質統計學反演是一種概率隨機反演，通過隨機模擬和優化隨機模擬的結果組成，并且利用了隨機建模和地震反演的特點[6]，極大地提高了垂向分辨率。但是它同樣需要以約束稀疏脈沖反演方法得到的波阻抗來校正，通過不斷完鉆的新井，來檢驗預期的成果，才能更有效地識別厚度薄的砂體，更精確地細刻畫地震相帶[12]，建立的地質模型才能更加接近實際地質情況。