一套針對高泥質疏松砂巖薄儲層的識別技術
——以珠江口盆地X油田為例

2019-10-29 08:56:24謝明英涂志勇衛喜輝陳一鳴

巖性油氣藏 2019年6期

羅澤，謝明英，涂志勇，衛喜輝，陳一鳴

（中海石油（中國）有限公司深圳分公司研究院，廣東深圳 518000）

0 引言

珠江口盆地X 油田是南海東部海域面積及儲量規模最大的中淺層高泥質砂巖油田，儲層主要發育在韓江組四—六段（距今16.5～13.8 Ma層序段），是一套以三角洲前緣水下分流河道—河口壩為主的沉積。巖心及錄井資料顯示，目的層沉積時期水動力相對較弱，沉積物粒度細，泥質含量高，油田主要發育構造-巖性復合油藏［1］。油田開發方案（ODP）實施后，油藏地質研究表明其儲層特征復雜，與南海東部常規的典型海相砂巖有明顯區別:①埋深淺、砂巖疏松、井眼垮塌擴徑嚴重，測井曲線質量差；②砂巖中泥質含量高，砂、泥巖巖性區分難度大；③儲層發育及分布規律復雜，儲層層數多，單層薄（砂體厚度一般在5 m 以下，多數為3 m 左右），砂、泥巖互層嚴重，儲層非均質性強。為了更好地完成儲量接替，并實現油田的高效開發，在注水收效、調整井優化實施和開發調整方案井網設計等方面都需要儲層預測對象精確到小層或單砂體［2-3］。因此，儲層表征技術的精度成為該油田高效開發的關鍵。

結構復雜的薄儲層具有厚度小，橫向變化快，分布規律復雜的特征，其高精度預測至今都是儲層反演的難題［4-7］，而傳統反演方法在儲層預測實際應用中存在如下4 個問題，很難實現高泥質疏松砂巖薄儲層預測:①受地震分辨率和帶限子波限制，分辨率低［8-10］；②對先驗模型依賴嚴重，人為因素較強；③橫向上模型化嚴重，隨機性強；④要求井數多且井位均勻分布［11-15］。

針對珠江口盆地X油田儲層預測的難點，利用260 km2的三維地震和鉆井資料，采用“三步法”儲層預測方法對韓江組高泥質疏松砂巖的薄儲層進行有效識別，以期解決X 油田3～5 m 薄儲層精細預測的難題，并助推油田的合理高效開發。

1 高泥質疏松砂巖薄儲層預測技術

1.1 遺傳化神經網絡技術重構測井曲線

人工神經網絡技術具有自組織、自學習、較好容錯性和優良非線性逼近能力等特點，張亞斌等［16］已經成功利用該方法在測井曲線校正上取得了較好效果，而遺傳算法可以把優化結構問題轉為生物進化過程以此獲得結構優化最優解［17］。以X 油田X-1 A 井為例，受韓江組高泥質疏松砂巖影響，井眼垮塌嚴重，引起井徑擴徑，導致目的層測井曲線（聲波和密度）失真（圖1），影響合成地震記錄的效果，進而影響到儲層預測的可靠性［16］。

圖1 X-1A 井原始測井曲線Fig.1 Original logging curves of well X-1A

針對上述問題，利用受井筒環境影響小且與聲波、密度測井曲線相關性好的礦物巖石及流體參數進行遺傳化神經網絡技術重構得到聲波和密度曲線，遺傳化神經網絡校正的輸入數據用到多種測井數據，包括自然伽馬、中子、深電阻率、孔隙度、溫壓曲線和巖性體積分數等多種參數，以保證遺傳化神經網絡校正的穩定性和可靠性［18-19］。受井眼垮塌影響的X-1 A 井遺傳化神經網絡技術校正的聲波和密度曲線結果如圖2 所示，在擴徑段，實測聲波和密度測井值出現異常，比如，在低自然伽馬值區段的砂巖本應該對應低密度值和高聲波時差值，但由于高泥質疏松砂巖段存在擴徑的影響，導致在實測自然伽馬低值區段的砂巖對應密度值高和聲波時差值低這一矛盾現象，而遺傳化神經網絡技術校正的聲波和密度曲線很好地解決了這個問題（圖2 黑框圈定部分）；在不受測井擴徑影響的正常區段，遺傳化神經網絡校正的聲波和密度曲線與實測結果具有良好的一致性。

為了進一步驗證遺傳化神經網絡校正結果的合理性，將受高泥質疏松砂巖擴徑影響的聲波和密度曲線與遺傳化神經網絡校正的聲波和密度曲線進行合成地震記錄計算相關系數對比（圖3），對比結果表明:受擴徑影響的聲波、密度原始測井曲線經過遺傳化神經網絡校正后計算得到的相關系數從0.53 提高到0.81，相關系數明顯提高，井-震匹配性更好，這也進一步證明了遺傳化神經網絡校正結果的可靠性。最終利用遺傳化神經網絡技術校正測井曲線取得了較好效果。

圖2 X-1 A 井實測曲線與遺傳化神經網絡校正曲線對比Fig.2 Comparison of the measured curve of well X-1 A with the predictive curve of genetic neural network

圖3 合成地震記錄Fig.3 Synthetic seismic records

1.2 新建儲層敏感參數

利用X 油田內所有井目的層段測井數據進行巖石物理分析，其結果表明:波阻抗屬性區分不開砂、泥巖［圖4（a）］，因此須要構建一個新的儲層指示參數DVT（流體骨架孔隙度），期望能從巖石物理上區分砂、泥巖，其表達式如下

式中:DVT為密度孔隙度與聲波孔隙度之比；Cp為壓縮系數；ρma為骨架密度，g/cm3；ρf為流體密度，g/cm3；DTma為骨架聲波時差，us/m；DTf為流體聲波時差，us/m；ρ為密度，g/cm3；DT為聲波時差，us/m。

由X 油田內所有井目的層段測井數據進行巖石物理分析，其結果表明:新儲層指示參數DVT能夠較好地區分出儲層和非儲層，劃分儲層和非儲層的參數界線為DVT=1［圖4（b）］。因此，可以采用儲層敏感特征參數DVT進行儲層反演，以有效預測砂巖儲層。

進一步對比波阻抗和DVT曲線對砂巖儲層的敏感性，發現波阻抗屬性對儲層反映不敏感，而DVT屬性對儲層反映敏感（圖5）。因此，可以采用儲層敏感特征參數DVT進行儲層反演，以有效預測砂巖儲層。

圖4 巖石物理交會圖Fig.4 Petrophysical crossplot

1.3 波形指示高分辨率反演

1.3.1 反演原理

三維地震是分布密集的空間結構化數據，能反映沉積環境和巖性組合的空間變化，波形指示反演就是在地震波形特征指導下（相控）對反射系數組合尋優的過程［20］。波形指示反演采用“相控隨機模擬”思想，利用“SMCMC”算法［20］，有效提高了儲層預測的精度及可靠性，特別適用于高精度預測非均質性強的薄層。其公式為

圖5 X-1 A 井波阻抗和DVT 曲線指示儲層對比Fig.5 Sensitivity comparison of impedance and DVT curves to reservoir of well X-1 A

式中:Z(x0)為待估點的值；Z(xi)為波形優選出的樣本點值；λi為第i個樣本點的權重值；n為優選樣本點的個數。

波形指示反演在統計樣本時既考慮了地震波形的相似性，又參考了空間距離，在保證樣本結構特征一致性的基礎上，遵循分布距離對樣本進行排序，以此優選出與預測點關聯度高的井建立初始模型，反演時有相控約束，其結果更符合地質沉積規律［21-23］。

1.3.2 反演流程

波形指示反演的特點如下:①按照波形的結構和形態特征將已知的樣本井進行分類，優選出與待預測點波形相似的測井樣本作為計算樣本［21］，并統計井樣本計算得到先驗信息。這種方法利用波形空間變化代替變差函數表征變異程度，考慮了波形特征和距離等多重因素。由于符合沉積學規律，規避了變差函數只考慮距離單因素（非相控）選取井樣本引起模型化嚴重且隨機性強的問題［21］。②利用初始模型和地震進行匹配濾波，由此算出似然函數。假設2 個樣本井點處地震波形空間特征相似，說明其區域沉積類型相似，雖然樣本井高頻成分反映不同沉積微相類型，但是樣本井的低頻段是有共性的，而且樣本井的共性頻帶范圍超過地震的有效頻帶，采用這一特性可以增加反演低頻部分的確定性，也能對高頻部分的取值范圍有一定約束，進而減小反演結果的不確定性。③采用貝葉斯理論，結合似然函數和后驗概率分布，利用模型擾動，當后驗概率分布函數取得最大值時就得到一個有效反演結果［21］。

1.3.3 初始模型效果分析

反演結果的質量很大程度上依賴于初始模型的準確性［24-25］，分析波形指示反演的初始模型結果（圖6）發現:①平面上，波形指示反演的初始模型平面屬性規律［圖6（b）］與地震切片平面屬性［圖6（a）］的趨勢大體一致。②剖面上，波形指示反演初始模型產狀和地震同相軸產狀一致，符合地質規律（圖7 中紅框內）。

圖6 平面屬性圖Fig.6 Attribute diagram

圖7 波形指示反演初始模型與地震波形疊合圖Fig.7 Initial model of waveform indication inversion and overlap map of seismic waveform

2 實際應用及效果分析

2.1 薄儲層精細預測

H1 儲層為X 油田重要的開采油層，測井上揭示的儲層厚度小于5 m，該層沉積穩定且斷層少，地震資料的信噪比高，測井資料豐富，但鉆遇該儲層的井點分布相對集中，且不均勻。反演結果顯示H1 薄儲層在盲井X1 井處有發育，在盲井X2 井處不發育。實鉆井揭示盲井X1 井鉆遇3.7 m H1 砂巖儲層，而盲井X2 井在相同層位處鉆遇了泥巖。這表明反演結果與實鉆結果吻合。根據反演屬性，砂巖的尖滅點可以較好地反映儲層邊界的特征，綜合反演屬性平面與剖面尖滅特征能刻畫出H1 薄儲層空間展布范圍（圖8），預測H1 油層平面分布為圖8（b）中粉紅色線圈定的范圍。根據反演結果預測在H1 儲層設計了一口開發井K1，預測H1 儲層厚度為3.8 m，后續證實K1 開發井實鉆的砂巖厚度為3.9 m，物性好，產量高，反演預測結果為H1 儲層的開發和后期開發調整井的方案設計提供了有效的技術支持。

圖8 X 油田H1 薄儲層反演結果Fig.8 Inversion results of H1 thin reservoir in X oilfield

2.2 薄儲層精細刻畫助力注水收效

X 油田HJa 儲層為主力開采層，測井上揭示該層可以細分為上薄砂體（厚度＜3 m）、下薄砂體（厚度＜4 m），對儲層空間展布精細認識直接影響該主力儲層的高效開發。此油田X-A3 H 井開發生產過程中存在地層能量供給不足的問題，后期依據該項研究成果布設了注水井X-A14 井，注水后，XA3 H 明顯收效，產油指數增加3.5 倍。反演結果顯示:X-A3 H 井鉆遇的HJa 儲層下薄砂體與X-A14井處下薄砂體連通，因而X-A14 井注水后X-A3 H 井收效明顯，反演預測結果與后續油藏動態相吻合（圖9）。

圖9 X-A3 H 井注水收效顯著分析Fig.9 Significant analysis of water injection effect of well X-A3 H

2.3 精細刻畫優質儲層指導調整井優化實施

前期對X 油田主力產層HJa 儲層空間展布的規律認識不清，在構造高部位布設的2 口水平井A2 H 井和A3 H 井生產效果不佳，其產油指數低，分別為31nm3/d/Mpa和39nm3/d/Mpa（n指代某數值）。通過對反演屬性平面圖［圖10（a）紅框內］的分析，認為A2 H 井和A3 H 井布設在差儲層部位。后期根據反演屬性平面圖和剖面圖［圖10（a），（b）］在好儲層部位布設了調整井A17 H 井，其產油指數較高，為99nm3/d/Mpa，實際生產動態好。并且長期保持在低含水期穩定狀態［圖10（c）］，利用該技術精細刻畫了優質儲層分布，并優化了調整井的實施。