0 引言

页岩油作为未来非常规资源勘探开发的重要领域，勘探热度持续高涨。杨智等^[1]按储层“甜点”类型将中国陆相页岩层系划分为三类，即以松辽盆地青山口组古龙页岩油为代表的页岩型、以准噶尔盆地芦草沟组页岩油为代表的混积型和以鄂尔多斯盆地延长组页岩油为代表的碎屑岩型。不同类型页岩油的甜点富集主控因素及地质甜点指标不同，亟待研发针对性甜点预测技术。因此，人们多从页岩油甜点地震响应特征入手，再运用地质统计学、波形分类、多属性融合、人工智能等方法预测页岩油甜点。不同于常规油气，页岩层段储层厚度、总有机碳含量(TOC)、孔隙度、含油气性、地层压力、地应力、脆性、裂缝密度等参数的空间分布的高精度预测，对储层预估和工程开发施工至关重要，从定性到定量的预测技术仍需持续探索。

近年来，鄂尔多斯盆地长7段陆相页岩油勘探连续获得重大突破，至2021年探明了10亿吨级庆城页岩油大油田。环县地区位于庆城油田西北角，地表沟壑纵横，海拔处于1200~1400m。该区长7段为深水沉积，以泥页岩为主，夹多期薄层粉细砂岩，纵向砂泥交互发育，单砂体薄(厚度大多为3~5m)，储层横向变化快、追踪难度大^[2]。本文依托三维地震数据，综合利用地质、测井资料，以长7页岩油储层地震响应特征分析为基础，充分运用GeoEast解释系统提供的地震属性提取及分析技术，对环县地区页岩油储层进行预测。

1 地震波形分类

地震波的波形特征包括相位的个数、相位间的宽窄(时差)、外形轮廓、振幅强弱、频率高低及干扰等，是地层埋深、产状、沉积环境、岩性、厚度、物性及含流体性等的综合表征。因此，地震波形分析作为一种属性分析方法，能用来表征不同沉积环境和岩性厚度的变化规律^[3]。针对该区页岩油薄储层纵向多层叠置、横向非均质性强特点，利用地震波形变化表征薄砂体结构变化的特性。

在地震正演及岩石地球物理分析的基础上，通过人工合成记录与井旁地震道波形对比分析，探究地震响应与砂体厚度的对应关系，并按照其地质规律对地震波形进行分类。该区长7上部储层地震波形可分为四类：Ⅰ类，中—强振幅反射，波峰较宽，地震波形稳定，同相轴连续，储层类型为厚层(厚度一般大于15m)块状砂岩；Ⅱ类，为中—弱振幅反射，同相轴较连续，储层类型多为厚层块状夹多薄层砂岩，厚度一般在10~15m；Ⅲ类，为弱—空白反射，同相轴连续性差，一般对应砂体不发育或多薄层，厚度小于10m；Ⅳ类，为强振幅反射，波峰较窄，多为薄层指状砂，厚度小于10m(图 1)。四种类型解释模式在频率域中也表现出明显差异，尤其在Ⅰ类和Ⅳ类常规剖面振幅强弱差异不易区分时，在40Hz单频体中振幅差别更明显(图 1)。

结合地质、测井认识，研究基于地震波形分析总结出的该区长7上段不同类型的储层地震响应特征(图 1)。结果表明：振幅类属性能较好反映砂体厚度和空间展布特征，相位类属性能反映储层横向变化，频率类属性能反映沉积厚度和流体性质的变化^[4]。该结论为后续利用地震属性技术识别储层提供了依据。

2 多属性融合砂体预测 2.1 属性优选

利用单一地震属性解释复杂地质问题具有多解性，而且用来描述同一地质问题的不同属性，对该问题的敏感性也有差异。地震属性优选就是运用岩石物理分析和数学分析方法，从众多地震属性中优选对储层较敏感的属性，从而提高储层预测精度^[5-6]。

基于地震波形特征分析，本文采用GeoEast提供的交会图分析方法，将30口井点处的7种地震属性与目标层砂体厚度进行交会分析，优选均方根振幅、瞬时频率、最大波峰振幅、瞬时振幅、中间频率等5种与砂体厚度相关性较强的属性，用于后期多属性融合分析(图 2)。

2.2 多属性融合精细刻画砂体

所用属性融合分析方法主要是GeoEast属性分析技术中的神经网络法。即采用已知井的井旁道地震敏感属性作为训练样本，以储层参数作为期望输出，对敏感属性进行学习直至收敛；用学习到的映射关系求取未知区域的储层参数。该方法适用于有一定数量已知井情形下对储层的定量分析和预测。

该方法应用效果的关键在于样本和属性的选取。样本选择要具有代表性，地质现象越复杂所需样本数就应越多。分别选取5、20和100个样本，用同样的属性组合进行多属性融合(图 3)。结果显示，在该区黑色图框部分中20个典型样本已能清晰地反映出主砂带和间湾，比5个样本预测结果的边界更清晰，但与100个样本点预测结果却相差不大。这一结果表明，样本的选取并非越多越好，当样本多到一定程度时，预测精度几乎再难提高。综合多次应用经验，可知训练样本数为参与多属性融合的属性个数的5~10倍为最佳。

在属性组合方面，也进行了探讨。将属性按与井点砂层厚度相关性的大小排序，依序进行2、3、4、5种属性的组合，将不同数量的属性组合分别进行多属性融合(图 4)。结果显示，属性个数为4的组合(图 4d，包含均方根振幅、瞬时频率、瞬时振幅、中间频率等4种属性)，对主砂带和边界的描述更清晰。值得一提的是，图 4e的参与融合的属性比图 4d多，但其黑色框中对边界的刻画不如图 4d的清晰。此结果说明，属性选择不仅要能反映地质特征，而且还应挑选最优属性组合，并非越多越好，属性过多反而可能引入其他干扰。

根据研究结果，最终选择包含均方根振幅、瞬时频率、瞬时振幅、中间频率4种属性的组合，并采用20个典型样本进行多属性融合，预测长7₁、长7₂砂体的展布特征，并通过已知井点的厚度值做标定，精细刻画长7₁、长7₂砂体厚度分布(图 5)。

3 单频相移储层预测

理论上，地震波可分辨厚度不小于λ/4(λ为地震波波长)的地层，但实际勘探需求是能预测厚度小于或远小于λ/4的薄层。地震资料主频高、频带宽，所携带的地震信号具有明显的多尺度性，能反映不同厚度砂体的特征。其中高频数据体的调谐厚度小且分辨率高，其振幅可反映薄砂体厚度变化；低频数据体调谐厚度大，其振幅可预测厚砂体厚度。

在零相位地震数据中，地层界面对应于地震反射同相轴的波峰或波谷，与不同阻抗的地层缺乏直接对应关系，90°相位旋转可将地震反射同相轴的波峰(谷)对应于不同阻抗的地层，地震相位也就具有指示岩性地层的意义^[7-8]。

单频相移属性既能反映不同频率对不同厚度砂体敏感程度的差异，又能描述岩性界面，是薄储层识别的有效工具。将该项技术应用于环县地区页岩油水平井部署及实钻导向。以水平井H1为例，该井在水平段钻进约1000m时遇泥岩，相应的气测值下降，40Hz单频相移剖面显示该段储层较差，预计再钻进约200m后储层可能变好。由于此处构造平缓，不建议对轨迹进行调整，以免影响井况。实钻按照建议方案继续保持原设计轨迹钻进，210m后钻遇储层、气测变好，与地震预测相吻合，进一步验证了该方法的可靠性(图 6)。

4 应用实例

环县地区长7段单砂体薄、横向变化快，小断层及裂缝发育，在水平井钻进时，微幅度构造变化及小断层很容易使水平井出层，导致水平钻井难度大^[9]。借助三维地震资料，通过多井层控建场、分平台精细时深转换，预测层间微幅度构造变化，在综合分析微幅度构造变化和储层发育情况的基础上，参照已完钻井资料，对水平井轨迹设计和优化调整提供建议^[10]。以水平井H2为例，地震预测该井入靶后构造较平，但实钻井斜在90.3°~90.5°之间，比地震预测轨迹抬升较大，随即建议轨迹下调以89.8°钻进，避免钻出储层。第二次调整在该井钻至水平段长850m附近，地震预测此处构造抬升较快，建议提前轨迹上调，实钻以井斜90.3°钻进，未出储层(图 7)。最终在地震调整建议下该井以砂体钻遇率81%、油层钻遇率80%完钻，效果良好。

5 结论

地震属性技术作为储层地震预测的核心技术，已被广泛应用。本文以环县地区页岩油储层预测实例，展现了地震属性技术在页岩油储层预测中的良好效果。

(1) 不同属性反映不同特征，属性优选是关键。本文优选方法是根据地震波形分析结果，结合交会图分析，优选与砂体厚度相关性较高的属性用于多属性融合。文中还对神经网络多属性融合法中样本和属性的选择对预测结果的影响进行了详细分析，所得结论在多次应用中得到了验证。

(2) 单频相移属性既能分辨横向储层变化，又能识别薄储层，它在水平井设计和随钻导向中已有良好表现。

(3) 地震属性能反映地质边界，但难以确定边界的具体位置，常作为储层定性识别的手段。本文虽用神经网络技术实现了页岩油砂体的定量预测，但因页岩油储层薄、横向变化快，对储层预测精度要求高，故仍需进一步探索定量化高精度预测技术。