论文部分内容阅读
【摘要】渤海湾某地区段致密砂岩储层砂体厚度大、分布范围广，但储层较致密，寻找和发现有效储层对清水深层勘探至关重要。采用叠前叠后联合反演方法预测清水地区深层的有效储层，很好解决预测了区域内有效储层和含油气储层的分布规律。采用的反演流程包括横波估算、流体替换和岩石物理正演、道集处理及AVO属性分析、纵横波同时反演、概率密度约束井曲线反演。利用反演的P波阻抗预测砂岩分布，叠前反演得到的VpVs属性定性预测油气分布，储层类型反演结果预测有效储层和含油气砂体的分布。
【关键词】岩石物理分析 叠前叠后反演 有效储层预测 油气检测
1 研究区概况
研究区位于渤海湾带。区内的目的层包括沙一、沙二和沙三段储层。研究区内砂体发育，但远离物源，岩石颗粒细，泥质含量较高，导致有效储层厚度小且横向变换复杂，研究难度大。研究区内并不缺砂体，砂泥岩的波阻抗特征清晰，利用常规波阻抗反演就能较好的识别砂泥岩，波阻抗可以预测砂泥岩，但不能用来直接预测有效储层。
研究区内沙三段的勘探程度较低，具有较大的勘探潜力，区内钻遇沙三段的井产量差异很大，分析原因是有效储层的差异决定了井的产能。因此通过叠前反演手段预测有效储层，预测油气分布对该区块的下一步探勘至关重要。
2 测井资料处理及横波估算
利用井曲线和岩心资料进行四性关系研究，并在此基础上建立测井解释模型。
（1）利用GR曲线计算泥质含量，得到泥质含量解释模型。
（2）有三孔隙度测井（中子、密度和时差）的井采用中子密度交会图计算孔隙度，对于只有时差曲线的老井，利用声波时差计算孔隙度。
（3）采用统计公式计算渗透率解释模型。
（4）饱和度解释模型采用阿尔奇方程计算饱和度。
横波估算对叠前反演至关重要， 横波估算通常有Castagna等经验公式估算横波。神经网络多曲线拟合估算横波和多矿物模型G-C方差等方法计算横波。
简单的经验公式由Vp计算Vs由于没有考虑流体等因素，对流体不敏感，这种方法也无法进行流体替换。神经网络多曲线拟合方法，能够综合多种曲线进行横波估算，但无法进行流体替换，拟合后的曲线对流体和岩性分辨效果一般。
目前横波估算比较先进的方法是采用多矿物模型，分别计算岩石的干岩样项和流体项，在此基础上估算横波，G-C方程和Xu-White方程都采用了三项流方程，能综合Vp，泥质含量、孔隙度和饱和度曲线计算Vs。但岩石物理方程在砂岩段效果较好，在泥岩段不稳定。因此将砂泥岩段分开，在泥岩段利用双227井拟合了泥岩段的Vs与Vp关系式，在砂岩段采用G-C方程。
3 流体替换及岩石物理正演
采用G-C方程等岩石物理方程进行横波估算的另一个优势就是能进行流体替换，分析孔隙流体变化后的岩石物理响应。
对于砂岩段采用G-C方程进行立体替换，分别计算饱和度Sw为0、30、100和Sw为测井解释结果情况下的Vp、Vs、Density和Poisson曲线，并根据这些曲线计算不同含油气条件下的AVO正演模型。
通过流体替换发现：在沙三段，含油气后反射能量增强，振幅随偏移距增加而降低，油气含量越高，振幅随偏移距衰减幅度越大，是典型的I类AVO。
4 叠前纵横波同时反演
叠前反演的发展经过3个阶段，第1阶段是同时AVO的梯度和截距得到Rp、Rs，利用Rp、Rs进行叠前反演；第2阶段是EI弹性阻抗反演，EI弹性阻抗反演是利用2个或3个角度道集进行叠前反演；第3阶段是利用多个角度道集（8～12）个采用纵横波同时反演的方法进行叠前反演。Aki-Richard方程可改写成Fatti方程的形式：
5 有效储层反演
通过概率约束反演预测有效储层反演和油气层的分布规律。
首先利用测井解释结果和试油资料建立储层类型划分标准。利用此标准，在测井资料处理的基础上对井资料进行储层类型划分。
由井出发，利用波阻抗和VpVs做约束进行储层类型反演。在约束过程中采用径向基函数神经网络（RBF）对约束权值进行优化。
采用径向基函数神经网络（RBF）把地质统计和神经网络技术很好地融合到一起，实现多属性驱动，地质统计为基础的井曲线反演。该方法是对现有随机模拟和多属性井曲线反演的一次超越。即能得到稳定的反演结果，又能体现地震多属性对反演结果的非线性约束，预测精度比其他单纯依赖地质统计的软件高。
利用地震属性与井曲线的关系能得到由该地震属性重构的新曲线，把重构的新曲线值作为高斯分布的均值，重构曲线与样本曲线的方差作为高斯分布的方差，这样由n个地震属性和样本曲线就能得到n个高斯分布。这些高斯分布作为神经网络的输入层，从输入层、隐层到输出层的结构与PNN网络类似。经过样本点的网络训练确定输入层到隐层，隐层到输入层的权系数。与PNN网络不同的是在输入端的高斯函数，不仅只受地震属性的影响，而且受到了井曲线的影响。这样在地震属性与井曲线关系不好的情况下，仍能得到稳定的反演结果。
网络训练结束后，利用网络模型对井曲线进行反演，网络所需要的地震属性，可以直接由地震属性体获得。而输入端所需要的“curve”信息，可以由井曲线经过Krig插值获得，插值过程中，用地震层位做约束，沿层分析变差函数。
利用反演结果能预测沙三段的有效储层和油气层厚度，有效储层包括水层、油水同层和油气水层，有效储层能很好地指导清水洼陷周边深层的勘探，提高钻井成功率。
6 结论
（1）横波估算及岩石物理正演是叠前反演的基础，选择合适的方法估算横波，能有利于突出油气层的岩石物理相应。
（2）流体替换能帮助分析流体含量变化对应的岩石物理响应，同时还能对井旁道集的AVO响应进行标定。
（3）P波和S波同时反演方法能使反演结果更加稳定，并提高反演结果的分辨率。
（4）概率密度约束反演的储层类型能更直观地预测有效储层和油气层。
参考文献
[1] 张敏，周义军.基于部分叠加数据的叠前同时反演[J].石油地球物理勘探，2010，（12）
[2] 黄饶，刘志斌.叠前同时反演在砂岩油藏预测中的应用[J].地球物理学进展，2013，（1）
[3] 王霞，张延庆，于志龙.叠前反演结合地质统计模拟预测薄储层[J].石油地球物理勘探，2010，（10）
[4] 郞晓玲，彭仕密.多尺度约束的叠前叠后联合反演方法和应用[J].石油天然气学报，2010，（2）
作者简介
赵萍萍（1965-），女，现在辽河油田勘探开发研究院工作。
【关键词】岩石物理分析 叠前叠后反演 有效储层预测 油气检测
1 研究区概况
研究区位于渤海湾带。区内的目的层包括沙一、沙二和沙三段储层。研究区内砂体发育，但远离物源，岩石颗粒细，泥质含量较高，导致有效储层厚度小且横向变换复杂，研究难度大。研究区内并不缺砂体，砂泥岩的波阻抗特征清晰，利用常规波阻抗反演就能较好的识别砂泥岩，波阻抗可以预测砂泥岩，但不能用来直接预测有效储层。
研究区内沙三段的勘探程度较低，具有较大的勘探潜力，区内钻遇沙三段的井产量差异很大，分析原因是有效储层的差异决定了井的产能。因此通过叠前反演手段预测有效储层，预测油气分布对该区块的下一步探勘至关重要。
2 测井资料处理及横波估算
利用井曲线和岩心资料进行四性关系研究，并在此基础上建立测井解释模型。
（1）利用GR曲线计算泥质含量，得到泥质含量解释模型。
（2）有三孔隙度测井（中子、密度和时差）的井采用中子密度交会图计算孔隙度，对于只有时差曲线的老井，利用声波时差计算孔隙度。
（3）采用统计公式计算渗透率解释模型。
（4）饱和度解释模型采用阿尔奇方程计算饱和度。
横波估算对叠前反演至关重要， 横波估算通常有Castagna等经验公式估算横波。神经网络多曲线拟合估算横波和多矿物模型G-C方差等方法计算横波。
简单的经验公式由Vp计算Vs由于没有考虑流体等因素，对流体不敏感，这种方法也无法进行流体替换。神经网络多曲线拟合方法，能够综合多种曲线进行横波估算，但无法进行流体替换，拟合后的曲线对流体和岩性分辨效果一般。
目前横波估算比较先进的方法是采用多矿物模型，分别计算岩石的干岩样项和流体项，在此基础上估算横波，G-C方程和Xu-White方程都采用了三项流方程，能综合Vp，泥质含量、孔隙度和饱和度曲线计算Vs。但岩石物理方程在砂岩段效果较好，在泥岩段不稳定。因此将砂泥岩段分开，在泥岩段利用双227井拟合了泥岩段的Vs与Vp关系式，在砂岩段采用G-C方程。
3 流体替换及岩石物理正演
采用G-C方程等岩石物理方程进行横波估算的另一个优势就是能进行流体替换，分析孔隙流体变化后的岩石物理响应。
对于砂岩段采用G-C方程进行立体替换，分别计算饱和度Sw为0、30、100和Sw为测井解释结果情况下的Vp、Vs、Density和Poisson曲线，并根据这些曲线计算不同含油气条件下的AVO正演模型。
通过流体替换发现：在沙三段，含油气后反射能量增强，振幅随偏移距增加而降低，油气含量越高，振幅随偏移距衰减幅度越大，是典型的I类AVO。
4 叠前纵横波同时反演
叠前反演的发展经过3个阶段，第1阶段是同时AVO的梯度和截距得到Rp、Rs，利用Rp、Rs进行叠前反演；第2阶段是EI弹性阻抗反演，EI弹性阻抗反演是利用2个或3个角度道集进行叠前反演；第3阶段是利用多个角度道集（8～12）个采用纵横波同时反演的方法进行叠前反演。Aki-Richard方程可改写成Fatti方程的形式：
5 有效储层反演
通过概率约束反演预测有效储层反演和油气层的分布规律。
首先利用测井解释结果和试油资料建立储层类型划分标准。利用此标准，在测井资料处理的基础上对井资料进行储层类型划分。
由井出发，利用波阻抗和VpVs做约束进行储层类型反演。在约束过程中采用径向基函数神经网络（RBF）对约束权值进行优化。
采用径向基函数神经网络（RBF）把地质统计和神经网络技术很好地融合到一起，实现多属性驱动，地质统计为基础的井曲线反演。该方法是对现有随机模拟和多属性井曲线反演的一次超越。即能得到稳定的反演结果，又能体现地震多属性对反演结果的非线性约束，预测精度比其他单纯依赖地质统计的软件高。
利用地震属性与井曲线的关系能得到由该地震属性重构的新曲线，把重构的新曲线值作为高斯分布的均值，重构曲线与样本曲线的方差作为高斯分布的方差，这样由n个地震属性和样本曲线就能得到n个高斯分布。这些高斯分布作为神经网络的输入层，从输入层、隐层到输出层的结构与PNN网络类似。经过样本点的网络训练确定输入层到隐层，隐层到输入层的权系数。与PNN网络不同的是在输入端的高斯函数，不仅只受地震属性的影响，而且受到了井曲线的影响。这样在地震属性与井曲线关系不好的情况下，仍能得到稳定的反演结果。
网络训练结束后，利用网络模型对井曲线进行反演，网络所需要的地震属性，可以直接由地震属性体获得。而输入端所需要的“curve”信息，可以由井曲线经过Krig插值获得，插值过程中，用地震层位做约束，沿层分析变差函数。
利用反演结果能预测沙三段的有效储层和油气层厚度，有效储层包括水层、油水同层和油气水层，有效储层能很好地指导清水洼陷周边深层的勘探，提高钻井成功率。
6 结论
（1）横波估算及岩石物理正演是叠前反演的基础，选择合适的方法估算横波，能有利于突出油气层的岩石物理相应。
（2）流体替换能帮助分析流体含量变化对应的岩石物理响应，同时还能对井旁道集的AVO响应进行标定。
（3）P波和S波同时反演方法能使反演结果更加稳定，并提高反演结果的分辨率。
（4）概率密度约束反演的储层类型能更直观地预测有效储层和油气层。
参考文献
[1] 张敏，周义军.基于部分叠加数据的叠前同时反演[J].石油地球物理勘探，2010，（12）
[2] 黄饶，刘志斌.叠前同时反演在砂岩油藏预测中的应用[J].地球物理学进展，2013，（1）
[3] 王霞，张延庆，于志龙.叠前反演结合地质统计模拟预测薄储层[J].石油地球物理勘探，2010，（10）
[4] 郞晓玲，彭仕密.多尺度约束的叠前叠后联合反演方法和应用[J].石油天然气学报，2010，（2）
作者简介
赵萍萍（1965-），女，现在辽河油田勘探开发研究院工作。