疊前地質統計學反演在致密儲層預測中的應用

張 昊，郭清正，張軍林，楊鐵梅

（中海油能源發展股份有限公司工程技術分公司，天津 300452）

1 概述

近年來受到廣泛重視的致密砂巖氣是我國能源結構重要組成部分，是非常規能源領域天然氣勘探的重點，隨著鉆完井及壓裂等工程技術的快速發展，實現了致密氣產量的大幅提高和成本降低[1-2]。鄂爾多斯盆地是我國重要的含油氣盆地，先后發現了蘇里格、榆林、烏審旗、子洲、大牛地等致密砂巖型氣藏[3]。S區塊位于鄂爾多斯盆地伊陜斜坡東北段和晉西撓褶帶西北緣的交界處，太原組為研究區主要目的層，內部發育一套整體厚度大于10m的煤系烴源巖，其上層發育多套分布穩定致密的泥巖作為區域蓋層，具有良好的封閉能力，整體上具備良好的勘探潛力。S區塊太原組儲層淺水三角洲環境水下分流河道砂體發育，平面上呈南北向展布，具有典型低孔隙度、低滲透率、薄層發育等致密氣藏的特點。

基于三維地震資料的儲層預測在勘探開發過程一直發揮著重要作用。20世紀六七十年代，利用“亮點”、“暗點”、“平點”等地震特征進行儲層及油氣預測，20世紀80年代，結合地質、測井等手段，通過波阻抗反演技術將彈性參數轉換為油藏參數，且一直廣泛應用于儲層預測和油藏描述中[4]。隨著油氣勘探的深入和油氣儲層的復雜變化，近年來，針對分辨率較低的確定性反演難以解決薄層預測難題而發展出了具備縱向高分辨率的地質統計學反演技術[5]。本文在疊前地震資料的基礎上，針對鄂爾多斯盆地S 區塊致密儲層橫向變化快、厚度薄等難點，采用疊前地質統計學反演技術進行有效儲層的高分辨識別，在S 區塊的井位部署和實施中取得了較好的應用效果。

2 基本原理與研究思路

地震確定性反演的垂向分辨率理論上能分辨八分之一波長厚度的地層，地震最大調諧厚度27m，確定性反演的極限分辨厚度為13.5m，而井上統計的目的層段的有利儲層厚度大部分都小于5m，在地震最大調諧厚度和確定性反演極限分辨厚度之下。確定性反演只能分辨大套的砂層組，要刻畫單層的儲層需要進行地質統計學反演研究。

地質統計學反演由Bortoli和Haas提出，Dubrule等和Rowbotham 加以發展，得利于計算機硬件快速更新迭代，基于疊前資料的地質統計學方法推廣迅速[5-7]。疊前地質統計學反演是利用馬爾科夫鏈—蒙特卡羅算法(Markov Chain Monte Carlo，MCMC)的隨機反演方法。首先，基于測井和地質的數字化信息獲得可靠的概率密度函數和變差函數，其次，根據概率密度函數獲得目標巖相“隨機”模擬結果，當然地質統計學反演要求巖性“隨機”模擬過程合成地震記錄必須和實際地震數據具備一定的一致性，保證在地震數據有效帶寬范圍內模擬結果的準確性。反演過程在整個三維數據體內進行迭代，其中馬爾科夫鏈—蒙特卡洛算法的應用保證了每個網格節點的擾動是隨機的，而模型和地震數據的匹配是全局優化的。地質統計學反演綜合了測井的高頻信息，將地質統計學參數和地震數據結合，又充分利用了真實地震數據的橫向分辨率，可使地震波形解釋和儲層解釋完美結合。

3 實際應用

鄂爾多斯盆地S 區塊為大型的致密砂巖儲層，太原組儲層是區塊的主力儲層，埋深2000m以下，為淺水三角洲分流河道沉積砂體。工區已鉆多口定向井，井間砂體變化較快，砂體毛厚度為15m左右，且分為多套厚度約為3～5m的薄砂體。太原組河道砂體展布特征決定了該區井位部署，在該區塊利用疊前地質統計學反演技術對薄儲層進行研究。

3.1 巖石物理量版及解釋

S區塊根據彈性參數特征可將巖性分為砂巖、泥巖和煤，根據實際測井資料標定的巖石物理模型，可以制作巖石物理解釋模板。如圖1所示，根據工區實際地質情況，首先建立了不同含氣飽和度與不同孔隙度條件下的砂泥巖地層的基于巖石物理建模分析的縱波阻抗（P-impedance）—縱橫波速度比（Vp/Vs）疊前反演成果定量解釋模板，橫軸為P-impedance，縱軸為Vp/Vs。模板下方第一條泥質含量線為0%泥巖線（即100%砂巖），向上逐漸過渡到100%的泥質砂巖線；最下方一條水平方向含水飽和度線為0%，自下而上逐漸變為100%，即含氣飽和度100%逐漸變為0%的過程；同時，100%含水飽和度線也反映了石英砂巖孔隙度增加后，縱波阻抗和縱橫波速度比的變化趨勢：孔隙度增加、縱波阻抗減小、縱橫波速度比增大；其下方包括了5條縱向等間孔隙度變化線，從左到右分別代表了30、25、20、15、10、5孔隙度單位時，純石英砂巖彈性參數隨含水飽和度的變化規律。研究表明，S區塊中煤巖、泥巖、干砂、氣砂等主要巖石類型在巖石物理量版上均有一定的彈性參數識別窗口。縱波阻抗對砂巖區分不明顯，縱橫波速度比對砂巖有較好的區分能力，縱橫波速度比與縱波阻抗交會能較好將煤巖、泥巖與致密砂巖區分。

圖1 S區塊巖石物理解釋量版

3.2 疊前地質統計學反演參數分析

概率分布函數是基于多個彈性參數分析的基礎上，針對目標巖性典型彈性物理參數擬合的高斯概率分布函數[8]。針對S區塊太原組儲層特征，結合巖石物理分析成果，通過對砂巖、泥巖、煤層的測井縱波阻抗和縱橫波速度比的分析獲得其概率密度分布函數。如圖2交會所示，致密砂巖分布區間主要位于低縱橫波速度比（圖中Vp/Vs），中低密度（圖中Destiny）、中低阻抗（圖中P-impedance）區域，說明疊前彈性參數反演可以實現對S 區塊致密砂巖的有效識別。巖性比例[9]是建立在研究區地質認識之上，并能實現軟約束的地質統計學反演程度參數。通過巖性比例能夠將更多的地質信息融入到儲層反演結果，結合已鉆井的統計結果，厘定太原組巖性砂巖、泥巖和煤的比例。變差函數[10]是描述目標巖相橫向和縱向地質特征隨距離變化的參數，也就是不同巖相在三維空間展布特征和變化尺度。地質統計學反演過程中，變差函數統計是相對比較難解決的參數，需要進行一定數量的測試運算。垂向變程表征目標巖相的厚度，來自于井資料，影響反演垂向分辨率；橫向變程通過多組變差函數反演測試分析所得，選取與沉積特征吻合度較高的一組參數，影響目標巖相的展布特征。如表1所示，本文通過疊前確定性反演確定Inline 和Xline 方向變差函數，最終獲取了各個方向可靠的變程參數。

表1 S區塊不同方向彈性參數變程

圖2 S區塊太原組巖相概率密度函數

3.3 疊前地質統計學反演效果分析

在有效的地質統計參數的基礎上，利用疊前角道集地震數據進行反演，可以求得彈性參數體（高分辨率縱波阻抗、縱橫波速度比）、巖相體。通過地質統計學反演得到的砂巖概率體與疊前同時反演得到的Vp/Vs對比表明，疊前地質統計學反演得到的砂巖概率橫向分布和整體的趨勢與確定性反演基本一致，但其砂體展布發育特征分辨率更高、具備更多細節，因此利用疊前地質統計學反演能夠更有效地識別致密薄儲層。將多實現反演結果綜合運算可得到各巖相的概率體，利用砂巖概率結果來進行儲層精細描述和定量化預測。

如圖3剖面所示，S工區確定性反演和地質統計學反演的效果對比，在確定性反演結果顯示S3井太原組為一整套致密儲層，垂向上內部變化不明顯；疊前地質統計學反演結果能夠將S3井及S3-1D井、S3-3D井太原組內部薄砂層清晰刻畫，分辨率可達3～5m，且與井點較為吻合。S3 井太原組下部發育一套砂體，但在S3-1D井和S3-3D井砂體發育不明顯，橫向展布特征與測井結果、地質認識相匹配。

圖3 S區塊確定性反演（a）與地質統計學反演（b）對比剖面

平面上，S區塊太原組砂體整體呈南北向條帶狀展布，與淺水三角洲分流河道沉積砂體的地質認識相符。結合反演剖面分析可以看出，S區塊發育多起河道，且河道遷移特征明顯，發育寬約600～800m，垂向上河道發育厚度約5～10m。總體來說，S區塊太原組致密儲層由河道砂體疊置形成，物源來自工區北部（圖4）。

圖4 S區塊疊前地質統計學反演平面圖

基于對S區塊太原組薄砂體和多期河道的清晰刻畫，反演結果指導了該層井位的部署和優化工作。鉆井結果顯示（圖5），S1 井目的層太2 段鉆遇12m（垂厚11.34m）淺灰色細砂巖，氣測最高75（背景值5），與反演結果吻合率達91.3%。由此可見基于疊前地質統計學反演的砂體預測技術能夠將致密薄砂體特征進行有效刻畫，為S區的井位部署及優化提供了可靠的依據。

圖5 S區塊目標井位疊前地質統計學反演剖面

4 結論

（1）鄂爾多斯盆地S 區塊煤巖、泥巖、砂巖等幾類巖石在巖石物理量版上均有一定的識別窗口，縱橫波速度比與縱波阻抗交會能有效將砂體進行區分。

（2）疊前地質統計學反演得到的砂巖概率體展布特征與確定性反演一致，但是其具備更多內部儲層細節，利用疊前地質統計學反演比確定性反演能夠更有效地識別薄儲層。

（3）疊前地質統計學反演技術在鄂爾多斯S 區塊的S1井的成功應用，證實該技術能解決致密砂巖薄儲層預測，有效地刻畫砂巖儲層的邊界，在致密氣勘探開發階段井位部署及優化至關重要。