② 中国石油海外勘探开发公司, 北京 100034;
③ 北京大学信息科学技术学院, 北京 100054
② CNODC, CNPC, Beijing 100034, China;
③ School of Electronics Engineering and Computer Science, Peking University, Beijing 100054, China
页岩主要由黏土组成,渗透率极低,因此寻找高脆性的甜点是页岩气成功开发的关键[1]。利用地震资料,应用叠前反演技术可以得到总有机碳含量(TOC)、杨氏模量以及泊松比等页岩气甜点参数[2-3]。李远等[4]针对美国Barnnet页岩,根据岩石弹性参数定量评价页岩的脆性。董宁等[5-7]应用纵波阻抗反演技术预测页岩储层,利用频谱衰减技术预测页岩的含气性,利用相干体、蚂蚁体属性预测页岩中的裂缝。张广智等[8]认为常规确定性反演纵向分辨率较低,叠前地质统计学反演可以充分利用井资料提高分辨率,并可获得更丰富的储层信息。如果研究区钻井较少,常规的地质统计学反演预测结果则容易出现围绕井点的“圈状”现象,且往往误差较大、分辨率较低[9]。
以前求取裂缝分布密度、方向等只能依靠钻井信息进行点状估算,或者利用叠后地震资料中的属性定性预测裂缝,无法开展定量化预测[10-11]。
针对西加拿大盆地W区块发育页岩气藏甜点(高TOC、脆性矿物含量高且裂缝发育)和灰岩薄夹层预测困难,首先以岩石物理分析为基础,确定高TOC脆性页岩和灰岩夹层敏感参数的响应特征;然后利用宽方位叠前地震资料,通过叠前地质统计学反演方法预测高TOC脆性页岩和灰岩夹层。同时利用岩石物理参数分析结果和地震波形模拟技术建立三维岩性概率约束体,以进一步提高高TOC脆性页岩和灰岩夹层的预测精度。裂缝是页岩甜点的一部分,因此将裂缝预测结果与高TOC脆性页岩区进行叠合,确定甜点发育区,同时结合灰岩夹层厚度,优选页岩甜点的有利目标区。
1 概况西加拿大盆地W区块构造平缓,地层倾角小于3°。泥盆系目的层埋深为2500~3500m,以海相硅质泥、页岩沉积为主,发育低渗透性页岩气藏。页岩有效厚度为25~35m,有效孔隙度为1%~7%,平均渗透率为0.178×10-3mD。
W区块页岩储层TOC高,为1.5%~6.0%,平均达到3.4%。黏土及有机质的存在降低了地层的密度,因此页岩储层具有“四高一低”的测井响应特征,即自然伽马、声波时差、中子孔隙度和电阻率等值高,密度值低(图 1)。
灰岩是页岩气开发中的压裂隔层。灰岩夹层厚度的大小,影响页岩储层纵向沟通能力和储层内部改造厚度的大小。灰岩夹层厚度越大,越不利于页岩储层内部的改造。研究区内发育多套灰岩夹层,单层厚度为0.5~3.5m,具有“两高三低”的测井响应特征,即电阻率和密度值高,自然伽马、声波时差和中子孔隙度值低(图 1)。
目的层页岩段厚度小(最大厚度为40m,地震反射时间最大为20ms),灰岩夹层薄(部分薄夹层厚度为0.5~1.5m),常规地质统计学反演方法不能满足需求。同时,成像测井揭示研究区发育水平各向异性裂缝性储层,利用相干和曲率属性等方法预测裂缝的效果不是很好。
研究区内钻井少。宽方位地震数据横纵比为0.94,方位角为0~360°,炮检距为0~5899m,地震资料信噪比高,为储层及各向异性研究提供了基础。据此,建立了一套预测页岩甜点和灰岩夹层的流程(图 2),主要包括以下步骤。
(1) 单井页岩岩石物理参数分析,优选页岩甜点和灰岩夹层的敏感弹性参数。
(2) 宽方位叠前地震资料反演,关键环节包括:①宽方位地震道集质控和优化分析,提高甜点的预测精度;②井震标定与子波提取;③一维约束的地质统计学反演参数测试;④三维岩性概率体的建立;⑤三维约束的叠前地质统计学反演方法预测页岩甜点和灰岩夹层;⑥定量预测裂缝,即通过宽方位叠前各向异性反演,获得方位弹性参数,利用这些弹性参数,定量刻画裂缝密度和方向[12-14]。
(3) 通过反映甜点的多种属性叠合,优选有利目标。
2 岩石物理特征分析岩石物理参数分析的目的是建立页岩甜点和灰岩夹层的测井评价参数与岩石弹性参数之间的关系,为利用地震资料开展储层预测方法的优选提供依据[15]。
2.1 岩性划分本文主要对影响页岩甜点评价的关键参数,即矿物组分、脆性和TOC进行分析。首先,利用测井资料获得页岩储层的综合评价参数,为岩性划分和岩石物理分析提供基础;其次,根据页岩TOC、长英质矿物含量、灰岩含量、黏土含量和孔隙度等参数的不同截止值,对页岩和灰岩夹层进行划分。
根据测井资料综合评价结果,共划分出四种岩性,即高TOC脆性页岩、泥岩、泥质灰岩和灰岩。将TOC≥3%且长英质脆性矿物的含量≥50%的岩性归为高TOC脆性页岩;TOC<3%且长英质脆性矿物的含量<50%的岩性归为泥岩;灰岩含量≥50%、黏土含量<20%且有效孔隙度<2%的岩性归为灰岩;灰岩含量>50%、黏土含量≥20%且有效孔隙度≥2%的岩性归为泥质灰岩。
2.2 岩性与弹性参数关系图 3为测井资料计算的四种岩性的反演参数直方图。由图可见,高TOC脆性页岩与泥岩、泥质灰岩的纵波阻抗值存在重叠区间,表明利用叠后地震资料进行地质统计学反演获得的纵波阻抗不能有效区分高TOC脆性页岩和泥岩。
图 4是四种岩性纵波阻抗和纵横波速度比交会与岩石物理量板的叠合。高TOC脆性页岩纵横波速度比为1.65~1.72,纵波阻抗为0.90~1.15×107kg/m3·m/s;泥岩和泥质灰岩纵横波速度比为1.72~1.90,纵波阻抗为0.80~1.20×107kg/m3·m/s;灰岩隔夹层纵横波速度比为1.75~1.85,纵波阻抗>1.2×107kg/m3·m/s。因此,高TOC脆性页岩与灰岩隔夹层能较好地区分。
根据岩性与弹性参数关系,利用叠前地质统计学反演方法能够有效地预测高TOC脆性页岩和灰岩夹层。
2.3 脆性与弹性参数关系页岩脆性的评价主要是根据长英质矿物的含量或者脆性指数的大小。脆性指数通常采用岩石的杨氏模量和泊松比计算[3, 16]
$ \mathrm{BI}=\frac{E+\sigma}{2} $ | (1) |
$ E=\frac{E_{\mathrm{m}}-E_{\mathrm{max}}}{E_{\mathrm{min}}-E_{\mathrm{max}}} $ | (2) |
$ \sigma=\frac{\sigma_{\mathrm{m}}-\sigma_{\mathrm{max}}}{\sigma_{\min }-\sigma_{\max }} $ | (3) |
式中:BI为脆性指数;E、σ分别为均一化杨氏模量和泊松比;Em、σm分别为杨氏模量和泊松比测量值。
图 5是根据研究区内五口井统计的四种岩性的杨氏模量和泊松比,表明可以通过泊松比与杨氏模量参数交会区分脆性页岩与泥岩。四边形对角线基本反映了脆性指数的大小和规律,即高杨氏模量脆性增加,高泊松比则塑性增加。脆性页岩通常表现为低泊松比和中杨氏模量,而塑性泥岩表现为高泊松比和低杨氏模量,灰岩夹层则表现为高泊松比和高杨氏模量。
将五口井页岩层的TOC分别与纵波阻抗、横波阻抗、纵横波速度比和密度等弹性参数交会,分析各弹性参数对TOC的敏感性,如图 6所示。结果表明页岩气储层TOC普遍较高。TOC与泊松比相关性较好,因此可以应用泊松比对TOC进行定量评价。根据多元回归分析确定泊松比计算TOC[17]
$ \mathrm{TOC}=0.565-3.481 \sigma+5.299 \sigma^{2} $ | (4) |
目前,通过叠前地质统计学反演获得弹性参数的技术得到了广泛的应用。为了能提高弹性参数反演结果的纵向分辨率、灰岩薄夹层预测精度,本文主要采用三维岩性概率体约束的叠前地质统计学反演方法。其主要步骤有:①初始参数测试,利用岩性先验信息进行常规叠后地质统计学反演,以便获得稳定的统计学反演参数;②三维约束叠前地质统计学反演,获得高分辨率的岩性概率体和弹性参数。页岩甜点和灰岩夹层的预测可以通过叠前弹性参数(阻抗、纵横波速度比、泊松比、杨氏模量)结合TOC、岩石脆性等参数定量解释。
3.1 初始参数测试首先,进行叠后地质统计学反演(第一轮反演),确定高TOC脆性页岩和灰岩夹层可靠的变差、变程等参数,获得稳定的统计学反演参数。反演核心参数是:①概率密度的空间分布;②变差函数的特征,即纵波阻抗随距离的变化情况;③地震资料信噪比,其控制着地震子波和地震资料所占的权重。根据研究区内五口井资料设计初始模型岩性比例为:高TOC脆性页岩占47%;泥质灰岩占7%;灰岩占7%;泥岩占39%。高TOC脆性页岩、泥岩和泥质灰岩、灰岩纵波阻抗初始参数分别为:横向变程是400m和800m;垂向变程是2m和4m;地震信噪比为12。
其次,对保幅高分辨率的CRP道集进行分角度叠加。为保证反演的稳定性,研究区使用6个不同入射角的叠加数据体作为叠前反演的输入,并对6个叠加数据体分别做井震标定和子波提取。然后,采用第一轮反演获得的统计学反演参数,开展常规叠前地质统计学反演(第二轮反演),以获得更稳定的统计学参数。
经过两轮地质统计学反演获得统计参数之后,就可以进行三维岩性概率体约束下的叠前地质统计学反演(第三轮反演)。
3.2 三维约束地质统计学反演首先,建立三维岩性概率体。根据测井岩石物理分析结果和地震资料,采用地震波形差异模拟方法建立高频(超过地震资料优势频带)岩性概率体。其次,以各岩性的三维概率体为软约束,通过叠前地质统计学反演,确定目标区域中的薄夹层。在少井地区,该方法突破了传统反演方法中的分辨率低和统计学反演样本不足的限制。
建立三维岩性概率体是其中的关键环节,本文采用的地震波形差异模拟方法,主要是根据叠后地震波形相似性优选统计样本,将预测道地震波形与已知井旁道地震波形对比,优选出最相似的若干井样本,建立特征向量变差函数模型,实现井震协同模拟,能够有效地模拟页岩中薄夹层的横向变化。
图 7c为地震波形差异模拟方法建立的灰岩夹层的岩性概率体,与原始地震剖面(图 7a)和稀疏脉冲反演方法预测的结果(图 7b)对比,其较好地融合了测井和地震资料信息,能够反映页岩中灰岩夹层的纵向和横向分布规律。
因此,应用三维岩性概率体替代第二轮反演的岩性分布比例作为约束条件,其他统计参数不变,进行三维约束叠前地质统计学反演(第三轮反演)。
图 8是岩性比例约束与三维岩性体约束的叠前地质统计学反演预测高TOC脆性页岩概率剖面对比图,红色—黄色对应高TOC脆性页岩较发育,浅蓝色对应泥质灰岩、灰岩较发育。图 9是岩性比例约束与三维岩性体约束的地质统计学反演预测灰岩夹层概率剖面对比图,红色对应灰岩夹层较发育。反演结果表明,三维岩性体约束的地质统计学反演能够为少井地区高TOC脆性页岩和薄夹层提供更为丰富的细节信息。反演结果符合井间高TOC脆性页岩和灰岩夹层纵向上的变化规律,与测井解释结果相吻合。
叠前地质统计学反演结果不仅有岩性概率体,还包括纵横波速度比、泊松比和杨氏模量的弹性参数体,据此进而可获得脆性指数和TOC参数体。图 10为三维岩性约束地质统计学反演预测页岩甜点参数的平面分布图。图 10a中红色对应TOC高,TOC大于3%的区域为页岩储层有利区。图 10b中蓝色对应高脆性指数的有利页岩甜点区,浅灰色为低脆性指数的页岩储层不利区。图 10c中红色表示裂缝密度大,箭头表示裂缝方向。图 10d中蓝色对应灰岩厚度小。灰岩夹层最厚4m,厚度大于2m的灰岩夹层区都不是页岩气勘探有利区域。
常规地质统计学反演预测薄夹层容易围绕井周围产生明显“牛眼”现象,而三维岩相体约束下的地质统计学反演预测灰岩薄夹层和页岩甜点参数的空间分布合理。
根据前述叠前地质统计学反演结果可以确定页岩甜点区,即高TOC、高脆性指数、灰岩夹层不发育、裂缝密度大或者邻近裂缝发育带的叠合区。如图 10中的蓝色矩形框区为甜点有利目标区之一,部署水平井W1。钻探揭示该井水平进尺400ft,高TOC脆性页岩钻遇率为95%,日产气量达6.5×106ft3,说明本文方法预测结果与实钻结果吻合。
4 结束语西加拿大盆地W区块页岩储层具有“四高一低”、灰岩夹层具有“两高三低”的测井响应特征。利用纵波阻抗和纵横波速度比能够有效地区分页岩甜点和灰岩夹层。
综合测井岩性解释结果,利用地震波形差异模拟方法建立三维岩性体,再采用三维岩性体约束的叠前地质统计学反演方法,可以有效地预测页岩中高TOC、脆性且裂缝发育的甜点区的空间展布。该方法对于井少地区的薄储层预测具有借鉴和推广应用价值,能够为页岩气的高效开发提供依据,降低钻探风险。
[1] |
刘振武, 撒利明, 杨晓, 等. 页岩气勘探开发对地球物理技术的需求[J]. 石油地球物理勘探, 2011, 46(3): 810-818. LIU Zhenwu, SA Liming, YANG Xiao, et al. Needs of geophysical technologies for shale gas exploration[J]. Oil Geophysical Prospecting, 2011, 46(3): 810-818. |
[2] |
刘勇, 方伍宝, 李振春, 等. 基于叠前地震的脆性预测方法及应用研究[J]. 石油物探, 2016, 55(3): 425-432. LIU Yong, FANG Wubao, LI Zhenchun, et al. Brittleness prediction and application based on pre-stack seismic inversion[J]. Geophysical Prospecting for Petroleum, 2016, 55(3): 425-432. DOI:10.3969/j.issn.1000-1441.2016.03.013 |
[3] |
任岩, 曹宏, 姚逢昌, 等. 岩石脆性评价方法进展[J]. 石油地球物理勘探, 2018, 53(4): 875-886. REN Yan, CAO Hong, YAO Fengchang, et al. Review of rock brittleness evaluation methods[J]. Oil Geophysical Prospecting, 2018, 53(4): 875-886. |
[4] |
李远, 程飞, 雷栋, 等. 基于页岩岩石物理分析技术的TOC和脆性预测[J]. 石油地球物理勘探, 2018, 53(增刊2): 204-210. LI Yuan, CHENG Fei, LEI Dong, et al. TOC and bri-ttleness prediction based on shale rock physical analysis[J]. Oil Geophysical Prospecting, 2018, 53(S2): 204-210. |
[5] |
董宁, 徐杰, 孙赞东, 等. 泥页岩脆性地球物理预测技术[J]. 石油地球物理勘探, 2013, 48(增刊1): 69-74. DONG Ning, XU Jie, SUN Zandong, et al. Geophysical prediction technique of shale brittleness[J]. Oil Geophysical Prospecting, 2013, 48(S1): 69-74. |
[6] |
朱斗星, 蒋立伟, 牛卫涛, 等. 页岩气地震地质工程一体化技术的应用[J]. 石油地球物理勘探, 2018, 53(增刊1): 249-255. ZHU Douxing, JIANG Liwei, NIU Weitao, et al. Seismic and geological integration applied in the shale gas exploration[J]. Oil Geophysical Prospecting, 2018, 53(S1): 249-255. |
[7] |
刘伟, 梁兴, 姚秋昌, 等. 四川盆地昭通区块龙马溪组页岩气"甜点"预测方法及应用[J]. 石油地球物理勘探, 2018, 53(增刊2): 211-217. LIU Wei, LIANG Xing, YAO Qiuchang, et al. Shale-gas sweet spot identification in Longmaxi, Sichuan Basin[J]. Oil Geophysical Prospecting, 2018, 53(S2): 211-217. |
[8] |
张广智, 王丹阳, 印兴耀, 等. 基于MCMC的叠前反演方法研究[J]. 地球物理学报, 2011, 54(11): 2926-2932. ZHANG Guangzhi, WANG Danyang, YIN Xingyao, et al. Study on prestack seismic inversion using Markov Chain Monte Carlo[J]. Chinese Journal of Geophy-sics, 2011, 54(11): 2926-2932. DOI:10.3969/j.issn.0001-5733.2011.11.022 |
[9] |
夏竹, 李中超, 贾瑞忠, 等. 井震联合薄储层沉积微相表征实例研究[J]. 石油地球物理勘探, 2016, 51(5): 1002-1011. XIA Zhu, LI Zhongchao, JIA Ruizhong, et al. Thin reservoir sedimentary microfacies characterization based on well logging and seismic data:a case study[J]. Oil Geophysical Prospecting, 2016, 51(5): 1002-1011. |
[10] |
赵万金, 杨午阳, 赵伟, 等. 地震储层及含油气预测技术应用进展综述[J]. 地球物理学进展, 2014, 29(5): 2337-2346. ZHAO Wanjin, YANG Wuyang, ZHAO Wei, et al. The review of technical progress in application of seismic reservoir and hydrocarbon prediction[J]. Progress in Geophysics, 2014, 29(5): 2337-2346. |
[11] |
薛姣, 顾汉明, 蔡成国, 等. 基于等效介质模型的裂缝参数AVOA反演[J]. 石油地球物理勘探, 2016, 51(6): 1171-1179. XUE Jiao, GU Hanming, CAI Chengguo, et al. Estimation of fracture parameters from P-wave AVOA data based on equivalent media theory[J]. Oil Geophysical Prospecting, 2016, 51(6): 1171-1179. |
[12] |
刘财, 邓馨卉, 郭智奇, 等. 基于岩石物理的页岩储层各向异性表征[J]. 石油地球物理勘探, 2018, 53(2): 339-346. LIU Cai, DENG Xinhui, GUO Zhiqi, et al. Shale reservoir anisotropic characterization based on rock physics[J]. Oil Geophysical Prospecting, 2018, 53(2): 339-346. |
[13] |
刘依谋, 印兴耀, 张三元, 等. 宽方位地震勘探技术新进展[J]. 石油地球物理勘探, 2014, 49(3): 596-610. LIU Yimou, YIN Xingyao, ZHANG Sanyuan, et al. Recent advances in wide-azimuth seismic exploration[J]. Oil Geophysical Prospecting, 2014, 49(3): 596-610. |
[14] |
甘其刚, 杨振武, 彭大钧, 等. 振幅随方位角变化裂缝检测技术及其应用[J]. 石油物探, 2004, 43(4): 373-376. GAN Qigang, YANG Zhenwu, PENG Dajun, et al. AVA fracture detection and its application in JM area[J]. Geophysical Prospecting for Petroleum, 2004, 43(4): 373-376. DOI:10.3969/j.issn.1000-1441.2004.04.014 |
[15] |
《页岩气地质与勘探开发实践丛书》编委会. 北美地区页岩气勘探开发新进展[M]. 北京: 石油工业出版社, 2009: 40-110. 《Shale gas geology and exploration & Development Practice series》 Editorial Committee. New Developments in Shale Gas Exploration and Development in North America[M]. Beijing: Petroleum Industry Press, 2009: 40-110. |
[16] |
苏建龙, 屈大鹏, 陈超, 等. 叠前地震反演方法对比分析——焦石坝页岩气藏勘探实例[J]. 石油地球物理勘探, 2016, 51(3): 581-588. SU Jianlong, QU Dapeng, CHEN Chao, et al. Application of pre-stack inversion technique for shale gas in Jiaoshiba gas field[J]. Oil Geophysical Prospecting, 2016, 51(3): 581-588. |
[17] |
王健, 石万忠, 舒志国, 等. 富有机质页岩TOC含量的地球物理定量化预测[J]. 石油地球物理勘探, 2016, 51(3): 596-604. WANG Jian, SHI Wanzhong, SHU Zhiguo, et al. TOC content quantitative prediction in organic-rich shale[J]. Oil Geophysical Prospecting, 2016, 51(3): 596-604. |