② 西南石油大学理学院, 四川成都 610500
② Department of Science, Southwest Petroleum University, Chengdu, Sichuan 610500, China
裂缝描述是油藏开发的重要内容,准确预测裂缝发育带的方向以及最大裂缝密度区域是勘探地球物理的一项重大技术难题。理论与实践均已证实,当地下介质中存在裂缝时,纵波响应呈方位各向异性特征,即沿不同方位具有不同的动力学和运动学参数。因此,可根据裂缝型介质中的纵波响应方位各向异性预测裂缝参数。
自20世纪90年代以来,人们利用不同方位的速度、旅行时、振幅等多种属性预测裂缝。Tsvanskin[1]研究了HTI介质中纵波动校正速度随方位的变化规律,提出采用纵波动校正速度估算横波分裂系数,进而预测裂缝密度。Ruger[2]研究了HTI介质中纵波反射系数随炮检距和方位角的变化,认为振幅与AVO梯度随方位角余弦函数的平方而变化,给出了反射振幅与各向异性系数之间的简单关系。Perez等[3]采用多种方法预测委内瑞拉西南部碳酸盐岩储层的裂缝走向。董渊等[4]设计了一个简单的三层水平界面模型,采用交错网格有限差分方法,在以45°夹角彼此相交的4条二维测线的纵波CDP道集上,通过拾取层间时差求取各向异性参数,并预测地下裂缝发育情况。Shen等[5]利用多信号分类技术,从二维纵波地震数据中提取振幅和频率随炮检距的变化属性检测碳酸盐岩储层的裂缝方向。Li等[6]尝试利用三维纵波地震资料,在中国东部黄河三角洲地区检测裂缝。张立勤等[7]将地震数据划分为5个方位角数据,按不同的方位角范围对地震道进行振幅补偿、校正和叠前时间偏移,产生不同方位角的处理结果,从而预测储层的各向异性特征。杨勤勇等[8]通过建立裂缝物理模型,得到了速度与振幅随测线方位变化的关系曲线,结果表明,当测线方位与裂缝方向平行时反射时间最小、振幅最大,随着测线方位与裂缝走向间的夹角增大,反射时间逐渐增大、振幅逐渐减小,直至观测方位与裂缝方向垂直时,反射时间最大、振幅最小。Zhu等[9]研究了横观各向同性样品的P波衰减系数,认为衰减各向异性远远超过速度各向异性,从而为裂缝探测和岩性识别提供了敏感属性。齐宇等[10]运用物理模型模拟方法,在水中以50、100、150mm的炮检距观测了HTI介质的地震响应,模拟了裂缝介质的反射波振幅、反射旅行时随裂缝方位角变化的规律。王月英等[11]分析了两组任意夹角的倾斜裂缝介质模型的地震波场数值模拟结果,认为在发育强度相同的情况下,倾斜裂缝较垂直裂缝的方位各向异性程度弱,裂缝发育趋于复杂时,各向异性特征趋于减弱。王洪求等[12]分析和对比了旅行时、旅行时差、振幅、AVO梯度的方位各向异性特征及其裂缝预测精度,在此基础上优选有利属性进行融合,进一步提高了裂缝预测精度。王玲玲等[13]基于制作的多参数复杂裂缝储层地震物理模型,利用相干、倾角、振幅、方差、曲率、衰减、频谱分解等属性识别裂缝及优选敏感属性。
尽管基于纵波属性方位各向异性的裂缝预测方法较多,但在岩石物理实验中,人工裂缝模型类型有限且裂缝多为均匀分布,研究结果具有一定的局限性。裂隙介质等效理论在裂缝形状、裂缝间的相互作用、流体作用等方面大多进行了近似或简化处理,难以精细描绘复杂缝洞系统及其流体分布,计算结果通常与实验结果存在较大差异。利用地震资料研究天然裂缝的纵波方位各向异性,目前还缺乏纵波属性对裂缝的敏感性系统分析。为此,本文基于声波波动理论,对随机离散裂缝模型的声波波场进行数值模拟,通过计算不同测线方位的声波速度和衰减系数,分析声学参数与裂缝分布、走向、密度及流体间的关系,以期为裂缝型储层参数预测提供一定的理论基础。
1 声学参数的计算 1.1 计算声波速度本文对超声波透射实验进行数值模拟,以发射探头的激发信号为震源,模拟其通过不同气/水两相裂缝型岩样后接收探头的波形图,再拾取接收端的波形初至得到波的传播时间,利用
$ {V_{\rm{P}}} = \frac{L}{{{T_{\rm{P}}}}} $ | (1) |
即可计算声波速度VP。式中:L为岩样长度;TP为纵波传播时间。
1.2 计算声波衰减系数采用标准样品对比法,将铝块作为标准样品,再取一块与铝块长度相同的岩样作为待测样品,分别提取铝块和岩样的声波首波振幅值,即可利用
$ \alpha = \frac{{{\rm{ln}}{A_0} - {\rm{ln}}A}}{L} + {\alpha _0} $ | (2) |
计算岩样的声波衰减系数α。式中:A0和A分别为铝块和岩样的声波首波振幅;α0为铝块的声波衰减系数(实际计算时可近似为0)。
2 裂缝模型及观测系统 2.1 单裂缝模型声学参数试算基于二阶声波波动方程,对气/水两相裂缝型岩样的声波波场进行有限差分数值模拟。图 1、图 2分别为铝块、单裂缝岩样声波波场快照,图 3为铝块和岩样接收端波形图。由图 3可见:从接收端提取的岩样首波初至时间为8.38 μs,由式(1)得到VP为5966.6m/s;从波形图上提取铝块和岩样的声波首波振幅分别为1.0和0.1644,代入式(2)即可计算出该岩样的α为36.11dB/m。
前人已讨论了各类连续随机介质模型的构造方法[14-17],但这些方法几乎都使用一个均值为零的平稳随机过程表示介质在空间小尺度的非均匀性,这并不适用于描述分布极不规则的裂缝型油气藏。在地壳介质中裂缝都呈离散且随机分布,裂缝的存在使介质的速度和密度发生不连续变化。因此,应将裂缝型介质看作裂缝和基质的结合体,采用离散裂缝模型表征。离散裂缝模型可以表征裂缝性油藏在任意尺度的非均质性,可清楚地显示介质中的每条裂缝,具有计算精度高、拟真性好的优点。基于数字图像处理技术,通过设置孔隙度φ、裂缝密度d、裂缝长宽比r及裂缝倾角θ(裂缝与水平线间的夹角)等裂缝参数,采用邻点融合方法建立非均匀性的随机裂缝介质,构建步骤如下。
(1) 选定裂缝模型参数,包括φ、d、r和θ。
(2) 根据设置的φ和d,计算给定模型范围内的裂缝的面积s和裂缝条数n。
(3) 随机生成n个像素点作为n条裂缝的中心Mn(xn, zn),按如下步骤逐个融合其邻域内像素,直到模型区域内的所有裂缝面积达到s为止。
1) 裂缝的像素点构成的图像子集记为P,将P的邻点构成的图像子集记为N′(P),其中N′(P)与P无公共像素点。初始时,每条裂缝只包含一个像素点,即P={Mn}。
2) 由r确定P中像素点的4个邻域方向(上、下、左、右)的融合概率cj。
3) 按照cj随机将N′(P)的像素点M′加入P中P=P+{M′}, M′∈N′(P)。
4) 若P的面积达到s,则将图像旋转角度θ,否则转步骤3)。
通过选择4个裂缝参数,可按以上步骤构造不同形式的随机裂缝介质模型。
2.3 实验观测系统图 4为纵波方位各向异性特征的实验观测系统。
建立20个随机离散裂缝模型(图 5)。由于采用360°观测系统,在研究裂缝方位各向异性特征时将裂缝走向设置成某一固定方位。图 6为测线方位与裂缝走向夹角(下文简称测线方位角)不同时模型8的声波位移波场快照。图 7~图 11分别为模型1~4、5~8、9~12、13~16、17~20的各向异性特征曲线。由模拟结果可见,VP和α随测线方位呈各向异性特征,整个变化以180°为周期,随着测线方位角增大,VP减小(图 7a、图 8a、图 9a、图 10a、图 11a)、α增大(图 7b、图 8b、图 9b、图 10b、图 11b)。如:当测线方位角为0°或180°时,VP较大、α较小;当测线方位角为90°或270°时,VP较小、α较大。
以模型8为例。VP在测线方位角为0°或180°时较大,在测线方位角为60°和240°时出现极大值,在测线方位角为90°时并未达到最小值,而在测线方位角为105°和285°时值达到最小值(图 8a)。这是因为裂缝分布是随机离散的,除了在测线方位角为0°或180°时,在其他测线方位角声波绕射通过裂缝到达接收端的路程也可能较短,因此VP较高。VP变化曲线呈多峰值分布,且随着裂缝密度d增大,多峰值分布现象越明显。因此,VP最大值或最小值对应的测线方位难以准确地指示裂缝走向。
α在测线方位角为0°或180°时达到最小值,在测线方位角为60°和240°出现极小值,在测线方位角为120°和300°时达到最大值(图 8b)。因此,α最小值对应的测线方位可准确地指示裂缝走向,α最大值对应的测线方位判定裂缝走向存在一定偏差。随着d增加,α基本呈双峰值分布,均在测线方位角为180°附近出现波谷。这是因为尽管在某些测线方位角声波绕射通过裂缝到达接收端的路程较短,但裂缝严重阻挡了声波能量传播,即使VP较大,α也较大。本文对随机离散裂缝模型纵波方位各向异性特征的数值模拟结果表明,VP不一定在测线方位角为0°或180°时出现最大值,也不一定在90°或270°时出现最小值。因此,只有α最小值对应的测线方位才可较准确地指示裂缝走向。本文进一步深化了杨勤勇等[8]有关裂缝介质的纵波方位各向异性特征的认识。
为了分析各向异性的差异,参考Thomsen[20]分析纵波各向异性程度的方法,定义VP相对变化量ΔVP和α相对变化量Δα表征各向异性程度
$ {V_{\rm{P}}} = \frac{{{V_{{\rm{Pmax}}}} - {V_{{\rm{Pmin}}}}}}{{{V_{{\rm{Pmax}}}}}} $ | (3) |
$ \Delta \alpha = \frac{{{\alpha _{{\rm{max}}}} - {\alpha _{{\rm{min}}}}}}{{{\alpha _{{\rm{max}}}}}} $ | (4) |
式中下标max、min分别代表对应变量的极大值、极小值。由式(3)、式(4)得到模型8的ΔVP和Δα分别为0.20和0.81,即Δα>>ΔVP,因此衰减各向异性特征较速度各向异性特征更显著。
图 12、图 13分别为ΔVP、Δα随d的变化。由图可见, ΔVP随d的变化规律不明显(图 12),Δα随d增加而减小(图 13)。造成上述现象的原因为:VP还受裂缝空间分布位置的影响,因此ΔVP与d不存在明显的相关关系;当孔隙度φ一定时,随着d增加,由裂缝条数较少的大裂缝转变为裂缝条数众多的细小裂缝,空间分布逐渐均匀,各向异性特征减小,因此Δα随d增加而减小。杨勤勇[21]选用4种厚度的有机玻璃片制作不同裂缝密度的均匀裂缝岩心模型进行物理模型实验,结果表明,随着裂缝密度减小,测线方位角为0°和90°时的反射时差逐渐增大,即纵波方位各向异性随测线方位角增大逐渐增大。本文对随机离散裂缝模型纵波方位各向异性特征的数值模拟结果不支持文献[21]的认识。
图 14为裂缝模型,图 15、图 16分别为VP、α随测线方位角的变化曲线。由模拟结果可见:当测线方位角为0°或180°时,裂缝及充填流体对声波首波影响很小,因此不同饱和度间的VP(图 15)和α(图 16)的变化差异很小;当测线方位角较大时,裂缝严重阻挡声波首波传播,因此不同饱和度间的VP(图 15)和α(图 16)的变化差异明显。
图 17、图 18分别为测线方位角为90°或270°时VP、α随含水饱和度的变化曲线。由图可见:①当含水饱和度较小时,随着含水饱和度增加,VP先减小并出现最低值(图 17),α逐渐增大并出现最大值(图 18),这与气/水两相孔隙流体的微观分布模式有关[22];随着含水饱和度进一步增加,VP逐渐增大(图 17),α逐渐减小(图 18)。②当含水饱和度高于90%时,VP迅速增大(图 17),α迅速减小(图 18)。这是因为随着含水饱和度增加,声波透射能量增强,声波透射通过裂缝的时间越短,透射波对首波初至的影响也越明显,导致VP增加、α减小。
图 19、图 20分别为ΔVP、Δα随含水饱和度的变化曲线。由图可见,随着含水饱和度增加,ΔVP、Δα均先增大后减小。由于当测线方位角为0°或180°时VP、α的变化很小,因此ΔVP和Δα主要由测线方位角较大时VP和α的变化决定。由图 15可见,含水饱和度分别为15%、60%、100%的VP最大值几乎相同,不同含水饱和度的VP最小值先减小后增加,因此ΔVP先增大后减小。同理,由图 16可见,含水饱和度分别为15%、60%、100%的α最小值几乎相同,不同含水饱和度的α最大值先增加后减小,因此Δα先增大后减小。
丁拼搏等[23]在不同饱和流体条件下利用超声波透射法测试含裂缝分布的岩样,结果表明,岩样在饱气条件下的纵波各向异性系数远高于岩样饱水。受基质渗透性和裂缝分布状态的影响,实验中往往难以控制裂缝流体的部分饱和分布状态,本文的数值模拟结果支持丁拼搏等的实验结果,还讨论了气/水两相部分饱和状态下随机离散裂缝模型的纵波各向异性特征,并进一步总结了纵波速度和衰减系数相对变化量随含水饱和度的变化规律。
4 结论本文对随机离散裂缝模型的声波波场的数值模拟结果表明:裂缝参数变化对声波衰减系数的影响远远大于对声波速度的影响,采用声波衰减系数最小值对应的测线方位可较准确地判定裂缝走向;随着裂缝密度增加,衰减系数相对变化量减小;随着含水饱和度增加,速度和衰减系数的相对变化量均先增大后减小。上述认识为利用声学参数检测裂缝提供了理论基础。
[1] |
Tsvankin I. Reflection moveout and parameter estimation for horizontal transverse isotropy[J]. Geophy-sics, 1997, 62(2): 614-629. |
[2] |
Ruger A. Variation of P-wave reflectivity with offset and azimuth in anisotropic media[J]. Geophysics, 1998, 63(3): 935-947. DOI:10.1190/1.1444405 |
[3] |
Perez M A, Grechka V, Michelena R J. Fracture detection in a carbonate reservoir using a variety of seismic methods[J]. Geophysics, 1999, 64(4): 1266-1276. DOI:10.1190/1.1444633 |
[4] |
董渊, 杨慧珠. 利用P波层间时差确定裂缝性地层的各向异性参数[J]. 石油地球物理勘探, 1999, 34(5): 520-525. DONG Yuan, YANG Huizhu. Determining the anisotropic parameters of fractured formation by using P-wave interval moveout[J]. Oil Geophysical Prospecting, 1999, 34(5): 520-525. |
[5] |
Shen F, Sierra J, Burns D R, et al. Azimuthal offset dependent attributes applied to fracture detection in a carbonate reservoir[J]. Geophysics, 2002, 67(2): 355-364. DOI:10.1190/1.1468596 |
[6] |
Li X Y, Liu Y J, Liu E, et al. Fracture detection using land 3D seismic data from the Yellow River Delta, China[J]. The Leading Edge, 2003, 22(7): 680-683. DOI:10.1190/1.1599696 |
[7] |
张立勤, 彭苏萍, 李国发, 等. 方位AVO技术检测储层各向异性的方法和实践[J]. 天然气工业, 2005, 25(10): 38-40. ZHANG Liqin, PENG Suping, LI Guofa, et al. The method and practice of detecting reservoir anisotropy with 3-D P-wave azimuth AVO[J]. Natural Gas Industry, 2005, 25(10): 38-40. DOI:10.3321/j.issn:1000-0976.2005.10.013 |
[8] |
杨勤勇, 赵群, 王世星, 等. 纵波方位各向异性及其在裂缝检测中的应用[J]. 石油物探, 2006, 45(2): 177-181. YANG Qinyong, ZHAO Qun, WANG Shixing, et al. P-wave azimuthal anisotropy and its application in detection of fractures[J]. Geophysical Prospecting for Petroleum, 2006, 45(2): 177-181. DOI:10.3969/j.issn.1000-1441.2006.02.011 |
[9] |
Zhu Y P, Tsvankin I, Dewanggan P, et al. Physical modeling and analysis of P-wave attenuation anisotropy in transversely isotropic media[J]. Geophysics, 2007, 72(1): D1-D7. |
[10] |
齐宇, 魏建新, 狄帮让, 等. 横向各向同性介质纵波方位各向异性物理模型研究[J]. 石油地球物理勘探, 2009, 44(6): 671-674, 689. QI Yu, WEI Jianxin, DI Bangrang, et al. Compressional wave (P-wave) azimuthal anisotropy physical mo-del studies in transversally isotropic medium[J]. Oil Geophysical Prospecting, 2009, 44(6): 671-674, 689. DOI:10.3321/j.issn:1000-7210.2009.06.005 |
[11] |
王月英, 孙赞东, 白海军. 两组任意夹角倾斜裂缝介质地震波场模拟[J]. 石油地球物理勘探, 2010, 45(1): 47-54. WANG Yueying, SUN Zandong, BAI Haijun. Seismic wave field modeling for dipping fracture medium with two groups of arbitrary included angle[J]. Oil Geophysical Prospecting, 2010, 45(1): 47-54. |
[12] |
王洪求, 杨午阳, 谢春辉, 等. 不同地震属性的方位各向异性分析及裂缝预测[J]. 石油地球物理勘探, 2014, 49(5): 925-931. WANG Hongqiu, YANG Wuyang, XIE Chunhui, et al. Azimuthal anisotropy analysis of different seismic attributes and fracture predicition[J]. Oil Geophysical Prospecting, 2014, 49(5): 925-931. |
[13] |
王玲玲, 魏建新, 黄平, 等. 依托物理模型的叠后裂缝敏感地震属性优选与应用[J]. 石油地球物理勘探, 2019, 54(1): 127-136. WANG Lingling, WEI Jianxin, HUANG Ping, et al. Fracture-sensitive poststack seismic attribute optimization based on the physical model[J]. Oil Geophysical Prospecting, 2019, 54(1): 127-136. |
[14] |
Korn M. Seismic wave in random media[J]. Journal of Applied Geophysics, 1993, 29(3): 247-269. |
[15] |
Kneib G, Kerner C. Accurate and efficient seismic modeling in random media[J]. Geophysics, 1993, 58(4): 576-588. DOI:10.1190/1.1443440 |
[16] |
Ikelle L, Yung S, Daube F. 2-D random media with ellipsodal autocorrelation function[J]. Geophysics, 1993, 58(9): 1359-1372. DOI:10.1190/1.1443518 |
[17] |
Ergintav S, Canitez N. Modeling of multi-scale media in discrete form[J]. Journal of Seismic Exploration, 1997, 1(6): 77-96. |
[18] |
Reynold A C. Boundary conditions for the numerical solution of wave propagation problems[J]. Geophy-sics, 1978, 43(6): 1099-1110. |
[19] |
Wood A B.A Textbook of Sound[M].Bell & Son Limited, London, 1930, 1-519.
|
[20] |
Thomsen L. Weak elastic anisotropy[J]. Geophysics, 1986, 51(10): 1954-1966. DOI:10.1190/1.1442051 |
[21] |
杨勤勇.裂缝型储层预测的纵波地震方法技术研究[D].吉林长春: 吉林大学, 2006. http://cdmd.cnki.com.cn/article/cdmd-10183-2006109757.htm
|
[22] |
段茜, 刘向君. 气水两相裂缝型介质孔隙流体微观分布模式及其声学响应特性[J]. 应用地球物理, 2018, 15(2): 311-317. DUAN Xi, LIU Xiangjun. Two-phase pore-fluid distribution in fractured media:acoustic wave velocity vs saturation[J]. Applied Geophysics, 2018, 15(2): 311-317. |
[23] |
丁拼搏, 狄帮让, 魏建新, 等. 利用含可控裂缝人工岩样研究裂缝密度对各向异性的影响[J]. 地球物理学报, 2015, 58(4): 1390-1399. DING Pinbo, DI Bangrang, WEI Jianxin, et al. Experimental research on the effects of crack density based on synthetic sandstones contain controlled fractures[J]. Chinese Journal of Geophysics, 2015, 58(4): 1390-1399. |