裂缝型油气藏分布广泛,在中国油气生产中占有重要地位。但裂缝型油气藏特征复杂,尤其是变质岩潜山裂缝型储层具有孔隙度低、非均质性强且裂缝分布复杂的特点,准确、有效地预测和描述地下裂缝是裂缝型油气藏勘探、开发的难点。目前,主要有测井、微地震、基于裂缝成因分析和基于裂缝地震响应特征等裂缝储层预测方法[1-2]。测井方法主要利用成像测井资料识别裂缝,但仅局限于井筒附近,难以刻画储层的横向分布;微地震方法主要用于页岩气的压裂检测;基于裂缝成因分析的方法主要分析裂缝形成的地质因素,通过古地貌恢复、应力场分析以及沉积相分析等方法预测裂缝发育有利区带和发育程度[3-4]。基于裂缝地震响应特征的方法主要通过分析裂缝型储层的地震响应特征提取波形、振幅和频率类属性(不连续性、相干、波形、振幅、频率和吸收衰减、弹性反演参数以及各向异性等)预测裂缝[5-7]。在实际应用中,由于潜山内幕裂缝储层的复杂性和地震资料品质的限制,预测结果往往存在一定的多解性和不确定性。本文针对渤海海域渤中19-6油田太古界变质岩潜山裂缝储层的特点,综合利用井震资料划分断裂和裂缝尺度,并分析不同尺度裂缝的成因、地震响应特征。在此基础上,采用相应的方法预测不同尺度的裂缝。
1 渤中19-6油田变质岩潜山裂缝尺度划分及地震响应特征 1.1 太古界变质岩潜山储层基本特征渤中19-6油田位于渤中西南洼和渤中主洼之间的近南北向构造脊上,整体具有洼中隆的构造背景,成藏条件优越,是目前渤海湾盆地最大的天然气田。目的层主要为太古界潜山,岩石类型多样,主要为变质岩和后期侵入的岩脉,变质岩以片麻岩、变质花岗岩、混合片麻岩、碎裂岩和碎斑岩为主。太古界变质岩储集空间按成因分为风化淋滤孔(缝)、矿物颗粒晶内裂缝和构造裂缝3大类,镜下观察裂缝具有多期形成特征,为气藏提供了有效的储集空间。对228块变质岩岩心的孔隙度和渗透率测试结果表明,孔隙度为0.2%~21.9%(平均为4.4%),渗透率为0.003~614.784mD(平均为5.050mD),因此变质岩储层的非均质性强。
钻井资料揭示,渤中19-6太古界潜山在垂向具有明显分带性(图 1左),从潜山顶面向下,依次分为风化裂缝带、相对致密带、内幕裂缝带和致密带,其中风化裂缝带和内幕裂缝带为储层发育段。风化裂缝带受构造作用和风化淋滤作用的双重影响,主要发育孔隙-裂缝型储层,镜下可见大量沿裂缝发育的溶蚀扩大孔,优质储层主要集中在潜山顶部120~200m范围内,测井响应呈高自然伽马、低电阻率特征,在地震剖面上表现为连续强轴(图 2a)。成像测井表明风化带裂缝密度为4~8条/m,走向为北东向,平均倾角为40°~55°(图 1右)。内幕裂缝带主要为受构造活动影响而形成的构造缝,在地震剖面上整体呈杂乱、断续反射特征,局部可见明显断续、高陡反射特征。成像测井表明内幕裂缝带裂缝密度为2~5条/m,走向为北东向,平均倾角为38°~55°(图 1)。与相对致密带(速度为6000~6200m/s,密度为2.61~2.73g/cm3)相比,裂缝储层表现为低速、低密特征(风化裂缝带速度为4750~5200m/s、密度为2.52~2.60g/cm3,内幕裂缝带速度为4800~ 5300m/s、密度为2.55~2.65 g/cm3)。
针对该油田的区域构造发育模式、应力场特征及钻井资料,地震正演分析表明,深埋变质岩潜山内幕不同尺度裂缝具有不同地震响应特征。分析该油田地震资料可知,太古界变质岩潜山内幕主要有三种地震反射结构(图 2):①低频、中强振幅连续的高陡断面波;②低频、断续的高陡交叉网状;③空白反射背景下的局部杂乱中强异常振幅。分析钻井资料可知,三种反射结构对应不同的裂缝储层发育程度。以测井数据、地震响应特征为依据,将潜山内幕裂缝分为大、中、小三个尺度,并建立不同尺度裂缝模型进行正演分析。由于小尺度裂缝张开度在厘米级别,常规正演建模难以满足其精度。本文采用裂缝组或裂缝带的等效建模方法。首先通过成像测井确定小尺度裂缝发育层段,然后通过相应层段的速度、密度测井曲线计算平均速度、密度作为小尺度裂缝段的等效参数。
为不同尺度裂缝模型及其正演剖面。由图可见:①受区域构造及应力作用,尤其是变质岩潜山由于脆性较强,潜山内幕极容易受内幕断裂或大尺度裂隙带影响(图 3a),地震反射结构为低频、中强振幅连续的高陡断面波,是潜山内幕大尺度裂缝储层发育带的直接指示特征(图 3d)。②变质岩潜山内幕中(图 3b)、小尺度(图 3c)裂隙是产生地震散射或绕射的主控因素,主要出现在潜山内幕大断裂相对不发育带,地震反射结构为低频、断续的高陡交叉网状(图 3e)或杂乱(图 3f);变质岩基质孔隙度较低,且基本无波阻抗差异,造成变质岩内幕反射相当弱,甚至无反射。③如果内幕发育缝洞及岩性变化时,波阻抗突然变化,造成反射系数急剧增大,在缝洞体与围岩接触部位可形成强烈的绕射源,在叠后地震资料上呈振幅突然变大或局部出现与基质反射极不一致的绕射特征;当裂缝发育时,地震散射或绕射作用较明显,即地震记录中散射或绕射波能量的强弱与裂缝发育程度密切相关。上述认识明确了潜山内幕储层地震响应特征,为深埋变质岩潜山内幕裂缝型储层预测提供了理论基础。
渤中19-6油田变质岩潜山由于埋深大以及受上覆高速特殊岩性体屏蔽作用,潜山内幕断裂地震响应不清、信噪比低,常规地震方法难以有效刻画内幕储层展布规律。基于潜山内幕不同尺度裂缝的地震响应特征,通过曲波变换增强内幕断裂反射波,明确了内幕断层边界特征和复杂构造特征,可精细刻画内幕断裂或大尺度裂缝带。通过绕射波分离的裂缝预测技术预测内幕中、小尺度裂缝带。综合不同尺度裂缝预测结果有效预测潜山内幕多尺度裂缝型储层。
2.1 基于曲波变换的内幕断裂或大尺度裂缝带反射波增强技术曲波变换是一种既有尺度特性、又同时具有角度特性的多分辨率分析工具,是基于小波理论发展起来的,其本质是在小波基函数上添加一个表征方向的参数。因此,同时具有局部时频分析能力和很强的方向选择、辨识能力,可以非常有效地表示信号中具有方向性的奇异特性[8-9]。在地震信号处理中,曲波变换能以较低的冗余度对地震资料进行尺度分解和角度分解。曲波变换的实质是由基函数与信号内积表达多尺度信号
$ C(j, l, k)=\left\langle f, \mathit{\Phi}_{j, l, k}\right\rangle=\int_{R^{2}} f(t) \overline{\mathit{\Phi}_{j, l, k}(t)} \mathrm{d} t $ | (1) |
式中:C(j, l, k)为对应位置的曲波系数,j为尺度参数,l=0, 1, …, N为方向参数,k为位置参数;R2表示二维空间;f=f(t)为原始信号,t为时间;Φj, l, k(t)为曲波的基函数;Φ为Φ的共轭。
尺度为2-j、方向角为θl=2π·2-[j/2]·l(0≤θl≤2π,[j/2]为j/2的整数部分)、位置为tkj, l的曲波基函数为
$ {\mathit{\Phi }_{j, l, k}}(t) = {\mathit{\Phi }_j}\left[ {{{\boldsymbol{R}}_{{\theta _l}}}\left( {t - t_k^{j, l}} \right]} \right. $ |
式中Rθ为旋转矩阵。
曲波变换具有分离不同频率、不同倾角或不同位置信号的能力[10-13]。因此针对潜山内幕大尺度裂缝形成的高角度反射,通过增大曲波域相应位置的曲波系数重构增强信息。
为了精细刻画潜山内幕大尺度断裂带发育特征,利用曲波变换的多尺度、多角度特性,将地震数据在曲波域分解到不同尺度上,然后保持中、小尺度数据不变,对大尺度数据赋予更大的重构系数,使重构数据能够突出大断裂信息。将重构数据进行第二次曲波变换,得到不同角度数据体,保持低角度数据不变,对中、高角度数据体进行各向异性扩散滤波,在保持断裂边界信息的前提下去除随机噪声。最后将不同角度的地震数据线性相加,得到内幕大尺度断裂增强数据。图 4为曲波变换处理效果。由图可见:相对于原始地震剖面(图 4a),曲波增强后地震剖面(图 4b)较好地压制了潜山内幕随机噪声,明显增强了内幕断层边界特征和复杂构造特征;相对于原始地震剖面曲率属性(图 4c),曲波增强后的曲率属性(图 4d)有效指示了内幕断裂发育带,揭示了潜山内幕裂缝储层的宏观分布规律。
由于太古界潜山内幕无明显强反射界面,因此地震反射能量较弱,加之裂缝发育造成地下介质较强的非均质性,地震波的散射或绕射作用较明显,导致地震响应为杂乱反射结构,利用常规反射数据无法预测裂缝储层。前人研究已证实,绕射波场是反映地下介质非均质性的重要信息,对小尺度特殊地质体、裂缝发育带引起的地层非均质性具有直接指示作用,当地质体的空间尺度接近或小于地震1/4波长时,从地震数据中分离的绕射波数据能够精细刻画小尺度地质体(图 5)。因此,可以利用绕射波数据预测潜山内幕中、小尺度裂缝储层[14-15]。
在地震剖面上,绕射波往往出现于断点、地层尖灭点、特殊地质体等不连续结构以及破碎带和裂缝带等非均质性较强的地层中。绕射波会导致反射波能量在绕射点处存在局部异常,尤其在破碎带和裂缝带,往往会引起反射波能量扰动甚至破坏同相轴的连续性,从而破坏反射信号的相关性。主成分分析(principal component analysis,PCA)是一种常用的多元统计数据分析方法,能够将原始数据中相关性较强的多个变量转化成含有原有变量最大信息的彼此独立的少数几个变量[16-18]。PCA是一种统计方法,通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分,其常用于降维和特征提取[19-20]。利用PCA方法提取绕射波的步骤如下。
(1) 计算原始地震数据的协方差矩阵
$ {\boldsymbol{C}} = {\mathop{\rm cov}} ({\boldsymbol{X}}) = E\left[ {({\boldsymbol{X}} - E{\boldsymbol{X}}){{({\boldsymbol{X}} - E{\boldsymbol{X}})}^{\rm{T}}}} \right] $ | (2) |
式中:X为输入地震数据;E表示取均值。
(2) 求取协方差矩阵的特征值和特征向量
$ {\boldsymbol{\lambda }} = {\boldsymbol{AC}}{{\boldsymbol{A}}^{\rm{T}}} $ | (3) |
$ \boldsymbol{\lambda } = \left[ {\begin{array}{*{20}{c}} {{\lambda _1}}&0& \cdots &0\\ 0&{{\lambda _2}}& \cdots &0\\ \vdots &{}& \ddots & \vdots \\ 0& \cdots &0&{{\lambda _n}} \end{array}} \right] $ | (4) |
式中:λ为特征值矩阵;λ1>λ2>…>λn为n个特征值;A为特征向量。
(3) 取前k(k<n)个特征值对应的特征向量Ak。
(4) 提取原始地震数据的主能量(反射波)Y
$ {\boldsymbol{Y}} = {{\boldsymbol{A}}_k}{\boldsymbol{X}} $ | (5) |
(5) 求取分离的绕射波
$ {\boldsymbol{D}} = {\boldsymbol{X}} - {\boldsymbol{Y}} $ | (6) |
确定数据重构的最优特征值区间(即k值)是基于PCA分离绕射波的关键。为此,根据钻井岩性数据建立不同尺度的裂缝模型,并进行波动方程正演模拟,通过模型数据分析不同特征区间提取的绕射波结果(图 5)。对不同尺度裂缝模型(图 5a)正演分析表明,采用前7%特征值对应的特征向量重构数据提取的绕射波剖面(图 5d)能较好地保持并突出绕射波能量,且残留反射波能量相对较小。因此,该参数对应的特征区间即为本区潜山内幕绕射波能量的集中区间。首先,对图 3中的模型数据进行测试。图 6为对图 3e提取的绕射波剖面。由图可见,提取的绕射波能较好地反映断点、裂缝等造成的地层不连续性和非均质性。将该参数用于实际数据得到凸显内幕裂缝响应的绕射波剖面(图 7)。可见:在地层受到挤压、容易产生破裂的"脊"部以及在断层附近容易产生派生裂隙的部位,绕射波能量相对较强;在平行反射同相轴(地层连续性较好)部位绕射波能量较弱。说明绕射波能量能够较好地反映中、小尺度裂缝发育带。
将(由曲波变换增强的)反映大尺度裂缝信息的高角度内幕反射数据与(基于PCA提取的)反映中、小尺度裂缝信息的绕射波数据归一化融合,综合多波场信息有效预测了潜山内幕多尺度裂缝型储层。图 8为实际原始振幅属性与融合属性平面图。由图可见,相对原始振幅属性(图 8a),融合属性(图 8b)预测的裂缝储层分布与断裂分布、张性裂缝应力区具有较好的相关性,更符合地质认识。该区前期钻井大多针对潜山顶部风化带储层,在本文研究基础上,通过优化、调整后续钻井方案,针对潜山内幕加深钻探评价部署了多口井,为潜山内幕的高效勘探评价奠定了基础,也为外围区的滚动勘探提供了技术支持,扩大了储量规模。
根据钻井资料,通过分析地震、地质特征与地震正演模拟,总结了渤中19-6油田变质岩潜山内幕不同尺度裂缝的地震响应特征,认为潜山内幕大尺度裂缝带是产生高角度地震反射的主控因素,内幕中、小尺度裂缝导致地层具有较强的非均质性,是产生地震散射或绕射的主控因素。在此认识的基础上,综合利用基于曲波变换的内幕断裂或大尺度裂缝带反射波增强技术和基于绕射波的中、小尺度裂缝预测技术,提高了变质岩潜山内幕裂缝储层的预测精度。对变质岩潜山内幕的勘探评价具有一定借鉴意义。
[1] |
崔玉哲. 辽河坳陷滩海区海月潜山裂缝型储层预测研究[J]. 现代地质, 2014, 28(4): 867-874. CUI Yuzhe. Fracture-type reservoir prediction in Haiyue buried hill of Tanhai area, Liaohe depression[J]. Geoscience, 2014, 28(4): 867-874. DOI:10.3969/j.issn.1000-8527.2014.04.026 |
[2] |
高云峰, 李绪宣, 陈桂华, 等. 裂缝储层地震预测技术在锦州25-1南潜山的应用研究[J]. 中国海上油气, 2008, 20(1): 22-27. GAO Yunfeng, LI Xuxuan, CHEN Guihua, et al. An application of seismic techniques to predict fractured reservoirs in JZ25-1S buried hill[J]. China Offshore Oil and Gas, 2008, 20(1): 22-27. DOI:10.3969/j.issn.1673-1506.2008.01.005 |
[3] |
薛永安, 李慧勇. 渤海海域深层太古界变质岩潜山大型凝析气田的发现及其地质意义[J]. 中国海上油气, 2018, 30(3): 1-9. XUE Yongan, LI Huiyong. Large condensate gas field in deep archean metamorphic buried hill in Bohai sea: discovery and geological sifnificance[J]. China Offshore Oil and Gas, 2018, 30(3): 1-9. |
[4] |
杨瑞齐. 基于三维叠后地震资料的潜山裂缝型储层预测研究[D]. 四川成都: 成都理工大学, 2017. YANG Ruiqi. The Buried Hill Fracture Reservoir Prediction Based on the 3D Post-Stack Seismic Data[D]. Chengdu University of Technology, Chengdu, Sichuan, 2017. |
[5] |
刘博. 深层裂缝性储层正演模拟及反射特征分析[D]. 山东青岛: 中国石油大学(华东), 2015. LIU Bo. Deep Cracked Reservoir Forward Modeling and Reflectivity Analysis[D]. China University of Petroleum (East China), Qingdao, Shandong, 2015. |
[6] |
张吉昌, 刘增涛, 薛大力, 等. 变质岩潜山储层地震波组特征分析与应用[J]. 断块油气田, 2014, 21(4): 439-443. ZHANG Jichang, LIU Zengtao, XUE Dali, et al. Analysis on seismic wave group features in metamorphic rock buried hill reservoir[J]. Fault-Block Oil & Gas Filed, 2014, 21(4): 439-443. |
[7] |
Chen S, Zeng L, Huang P, et al. The application study on the multi-scales integrated prediction method to fractured reservoir description[J]. Applied Geophy-sics, 2016, 13(1): 80-92. DOI:10.1007/s11770-016-0531-7 |
[8] |
孙成禹, 刁俊才, 李文静. 基于曲波噪声估计的三维块匹配地震资料去噪[J]. 石油地球物理勘探, 2019, 54(6): 1188-1194. SUN Chengyu, DIAO Juncai, LI Wenjing. 3D block matching seismic data denoising based on Curvelet noise estimation[J]. Oil Geophysical Prospecting, 2019, 54(6): 1188-1194. |
[9] |
张华, 王冬年, 李红星, 等. 基于非均匀曲波变换的高精度地震数据重建[J]. 地球物理学报, 2017, 60(11): 4480-4490. ZHANG Hua, WANG Dongnian, LI Hongxing, et al. High accurate seismic data reconstruntion based on uniform curvelet transform[J]. Chinese Journal of Geophysics, 2017, 60(11): 4480-4490. DOI:10.6038/cjg20171132 |
[10] |
张广智, 郑静静, 印兴耀. 基于Curvelet变换的多尺度性识别裂缝发育带[J]. 石油地球物理勘探, 2011, 46(5): 757-762. ZHANG Guangzhi, ZHENG Jingjing, YIN Xingyao. Identification technology of fracture zone and its strike based on the Curvelet transform[J]. Oil Geophysical Prospecting, 2011, 46(5): 757-762. |
[11] |
郑静静, 印兴耀, 张广智. 基于Curvelet变换的多尺度分析技术[J]. 石油地球物理勘探, 2009, 44(5): 543-547. ZHENG Jingjing, YIN Xingyao, ZHANG Guangzhi. Multi-scale analysis technique based on Curvelet transform[J]. Oil Geophysical Prospecting, 2009, 44(5): 543-547. DOI:10.3321/j.issn:1000-7210.2009.05.004 |
[12] |
张华, 陈小宏, 李红星, 等. 曲波变换三维地震数据去噪技术[J]. 石油地球物理勘探, 2017, 52(2): 226-232. ZHANG Hua, CHEN Xiaohong, LI Hongxing, et al. 3D seismic data de-noising approach based on Curvelet transform[J]. Oil Geophysical Prospecting, 2017, 52(2): 226-232. |
[13] |
李继伟, 臧殿光, 刁永波, 等. 自适应相减和Curvelet变换组合压制面波[J]. 石油地球物理勘探, 2020, 55(5): 1005-1015. LI Jiwei, ZANG Dianguang, DIAO Yongbo, et al. Combination of adaptive subtraction and Curvelet transform to suppress surface waves[J]. Oil Geophy-sical Prospecting, 2020, 55(5): 1005-1015. |
[14] |
汪天池, 刘少勇, 顾汉明, 等. 倾角域逆时偏移绕射波成像方法[J]. 石油地球物理勘探, 2020, 55(3): 591-598. WANG Tianchi, LIU Shaoyong, GU Hanming, et al. Seismic diffraction imaging by reverse time migration in dip angle domain[J]. Oil Geophysical Prospecting, 2020, 55(3): 591-598. |
[15] |
孔雪, 李振春, 黄建平, 等. 基于平面波记录的绕射目标成像方法研究[J]. 石油地球物理勘探, 2012, 47(4): 674-682. KONG Xue, LI Zhenchun, HUANG Jianping, et al. Diffracting objective imaging based on plane wave record[J]. Oil Geophysical Prospecting, 2012, 47(4): 674-682. |
[16] |
舒梦珵, 王真理, 崔蕊, 等. 潜山裂缝型油气藏综合描述方法[J]. 石油地球物理勘探, 2014, 49(4): 766-775. SHU Mengcheng, WANG Zhenli, CUI Rui, et al. Integrated characterization of buried hill fractured reservoirs[J]. Oil Geophysical Prospecting, 2014, 49(4): 766-775. |
[17] |
舒梦珵. 潜山裂缝型油气藏绕射波属性预测方法[J]. CT理论与应用研究, 2017, 26(2): 139-146. SHU Mengcheng. The prediction method of diffracted wave attribute on buried hill fractured reservoir[J]. CT Theory and Applications, 2017, 26(2): 139-146. |
[18] |
刘雷, 谭方玉. 基于主成份分析的探地雷达信号去噪研究[J]. 物探化探计算技术, 2019, 41(5): 674-681. LIU Lei, TAN Fangyu. Research on ground penetra-ting radar signal denoising based on principal component analysis[J]. Computing Techniques for Geophy-sical and Geochemical Exploration, 2019, 41(5): 674-681. DOI:10.3969/j.issn.1001-1749.2019.05.17 |
[19] |
陈雷, 肖创柏, 禹晶, 等. 基于相似性传播聚类与主成分分析的断层识别方法[J]. 石油地球物理勘探, 2017, 52(4): 826-833. CHEN Lei, XIAO Chuangbai, YU Jing, et al. Fault recognition based on affinity propagation clustering and principal component analysis[J]. Oil Geophysical Prospecting, 2017, 52(4): 826-833. |
[20] |
刘坤岩, 许杰. 塔河奥陶系隐蔽溶洞体地震精细识别[J]. 石油地球物理勘探, 2019, 54(5): 1106-1114. LIU Kunyan, XU Jie. Identification of Ordovician subtle cave reservoirs in Tahe on seismic data[J]. Oil Geophysical Prospecting, 2019, 54(5): 1106-1114. |