石油地球物理勘探  2022, Vol. 57 Issue (s2): 123-129  DOI: 10.13810/j.cnki.issn.1000-7210.2022.S2.020
0
文章快速检索     高级检索

引用本文 

王海峰, 李万中, 朱波, 李祥, 熊业刚, 何湘. 风西超薄藻灰岩勘探地震技术预测与评价. 石油地球物理勘探, 2022, 57(s2): 123-129. DOI: 10.13810/j.cnki.issn.1000-7210.2022.S2.020.
WANG Haifeng, LI Wanzhong, ZHU Bo, LI Xiang, XIONG Yegang, HE Xiang. Seismic exploration technology for prediction of ultra-thin algal limestone in Fengxi area. Oil Geophysical Prospecting, 2022, 57(s2): 123-129. DOI: 10.13810/j.cnki.issn.1000-7210.2022.S2.020.

本项研究受中国石油天然气股份有限公司重大科技专项“柴达木盆地建设高原大油气田勘探开发关键技术研究与应用”子课题“柴达木盆地复杂油气藏地震配套技术研究”(2016E-01)资助

作者简介

王海峰  高级工程师,1980年生;2003年毕业于西南石油大学,获勘查地球物理专业学士学位;现就职于中石油青海油田勘探开发研究院,主要从事地震储层预测综合研究工作

王海峰, 甘肃省敦煌市七里镇青海油田勘探开发研究院,736202。Email:whfqh@petrochina.com.cn

文章历史

本文于2022年2月7日收到,最终修改稿于同年10月9日收到
风西超薄藻灰岩勘探地震技术预测与评价
王海峰 , 李万中 , 朱波 , 李祥 , 熊业刚 , 何湘     
①. 中国石油青海油田勘探开发研究院,甘肃敦煌 736202;
②. 中国石油青海油田采油二厂,甘肃敦煌 736202
摘要:针对柴西北风西地区超薄藻灰岩油气藏勘探需求,以地质任务为导向,开展了采集、处理、解释一体化技术应用。采集方面,采用“高精度可控震源组合”与“单个高灵敏检波器”相结合,获得宽频、高信噪比地震资料;处理方面,运用网格层析反演速度建模及TTI叠前深度偏移技术,提高地质体成像精度与水平井储层钻遇率;解释方面,优选地震分频属性开展薄层藻灰岩预测,结合已钻井定性认识碳酸盐岩藻灰岩地震响应模式与平面展布规律。研究表明:藻灰岩沉积厚度在一定程度上受微地貌控制;利用残余厚度法恢复微层沉积前古地貌可预测优势储层分布;运用BP神经网络地震反演技术能够精细刻画藻灰岩发育区。运用多种地震勘探技术开展优势储层预测结果与实钻吻合率达到80%。
关键词藻灰岩    可控震源    网格层析反演    分频属性    残余厚度    BP神经网络    
Seismic exploration technology for prediction of ultra-thin algal limestone in Fengxi area
WANG Haifeng , LI Wanzhong , ZHU Bo , LI Xiang , XIONG Yegang , HE Xiang     
①. Research Institute of Exploration and Development, Qinghai Oilfield Company, PetroChina, Dunhuang, Gansu 736202, China;
②. No.2 Oil Production Plant of Qinghai Oilfield Company, PetroChina, Dunhuang, Gansu 736202, China
Abstract: Considering the exploration demand of ultra-thin algal limestone oil & gas reservoirs in the Fengxi area of northwestern Qaidam Basin, and guided by geologi- cal tasks, researches on the application of the integrated technology of acquisition, processing, and interpretation was carried out. Regarding the acquisition, the acquisition technology combining the "high-precision vibroseis array" and "single highly-sensitive geophone" is adopted to obtain broadband and high signal-to-noise ratio (SNR) seismic data. In terms of processing, the grid tomography inversion for velocity modeling and TTI pre-stack depth migration technology are used to improve the imaging accuracy of geological bodies and the probabi-lity of penetration of horizontal well reservoirs. In terms of interpretation, the seismic frequency-division attribute is selected for thin-layer algal limestone prediction, and the response mode and plane distribution law of the seismic attributes of carbo-nate algal limestone are qualitatively recognized in combination with the drilled wells. The research results show that the sedimentary thickness of algal limestone is controlled by the micro geomorphic feature to a certain extent. The distribution of dominant reservoirs can be predicted by the residual thickness method to restore the ancient landform before micro-layer sedimentation. The seismic inversion technology of BP neural networks can be used to accurately depict the algal limestone deve-lopment area. The coincidence rate between the prediction of dominant reservoirs by various seismic exploration technology and the actual drilling results reaches 80%.
Keywords: algal limestone    vibroseis    grid tomography inversion    frequency division attribute    residual thickness    BP neural network    
1 概况

风西地区位于柴西北大型古鼻隆西翼[1],勘探面积约为440km2,E32-N21柴西北整体为滨浅湖—半深湖沉积环境,岩性以碳酸盐岩为主。主要目的层在N1-N21为滨浅湖相沉积,发育灰云坪、藻席及砂坝等三类沉积微相(图 1),储层岩性主要为灰云岩、藻灰岩和粉砂岩,其中藻灰岩储层最有利,灰云岩次之。

图 1 风西地区N21-Ⅳ-5油层段沉积相平面图

风西地区发育一较完整的背斜油藏,试油及试采证实该区同一层系构造中、低部位油井多为油水同出,高部位有少量纯油层,油层分布明显受岩性控制。该区储层具有岩性多样、单层厚度薄的特点,储层预测难度较大。优势藻灰岩储层单层厚度一般集中于0.05~0.50m(图 2)。通过对现有地震资料评价分析得知,储层速度为3200m/s,资料主频为35~40Hz,地震调谐厚度为20~22m。

图 2 FX7-2井下油砂山Ⅴ层岩心综合柱状图 图中CNL、DEN、RD、GR分别为中子、密度、深电阻率、自然伽马测井

为快速提高该区建产进度,目前开展了多口井的“直改平”(直井改水平井)作业并取得了显著效果。然而风西地区油气勘探目的层矿物成分复杂、混积现象严重,优质储层分布范围不清楚,油水关系复杂;针对薄储层部署水平井入靶点及水平段深度预测难度大。为此,拟定“高效绿色采集”、“深度偏移处理”、“多属性甜点预测”工作思路,重点对藻灰岩储层进行识别和地震储层预测,明确该区重点层系储层分布规律及含油气特征,为下步评价、开发部署打好基础。

2 技术对策 2.1 高精度采集技术

以往地震勘探实践表明,采用高密度、宽方位、小面元观测有利于提升原始资料信噪比[2-3],结合研究区地质需求,确定了“宽频激发、单点接收”的“两宽一高”三维地震采集方案。设计32L6S456T正交式观测系统,面元尺寸为15m×15m, 覆盖次数为912,覆盖密度为405万道/km2。采用2台高精度可控震源进行一次激发,低频拓展到1.5Hz,充分利用低频信号穿透性强的特点,提高目的层分辨率。采用单只SG5高灵敏度检波器,拓宽接收频带,提高目标层位反射成像效果。

经高精度采集的三维地震资料品质改善明显,信噪比明显提高,波组特征、断点清楚,构造形态更明显,有效信号强、低频信息更丰富(图 3右)。

图 3 高精度采集前(左)、后(右)资料叠前时间偏移剖面对比
2.2 速度建模及TTI叠前深度偏移技术

根据水平井部署要求,本次处理的重点任务是提高水平井对储层的钻遇率及成像精度。为此,充分利用已钻井资料,基于“真”地表速度精细建模,应用TTI各向异性叠前深度偏移处理技术改善成像质量和精度,确保构造形态、地层产状准确、可靠。

2.2.1 速度建模

井约束层速度反演建模过程如下:①利用近地表及钻、测井等信息对初始速度建模进行约束[4-5],使主要地质层位的速度趋势和测井速度相一致,保证初始速度的准确性(图 4a);②在构造模式控制和层位约束的基础上建立层位约束速度场(图 4b);③利用网格层析反演方法求取剩余速度,通过多轮次迭代逐步提高速度精度,完成各向同性地层叠前深度偏移速度迭代(图 4c)。

图 4 初始速度场(a)、层位约束速度场(b)和网格层析反演速度场(c)
2.2.2 TTI叠前深度偏移技术

首先,利用研究区现有井资料分层数据和上一步得到的各向同性地层叠前深度偏移速度结果,求取平均速度及各向异性参数,即变异系数δ与纵波各向异性强度ε;其次,以小平滑基准面作为建模基准面,嵌入由微测井约束层析反演计算出的浅表层速度模型,并综合露头、测井成像、构造背景等信息共同约束,构建精确的速度模型;最后,通过井控TTI各向异性参数提取及网格层析成像技术,迭代计算以提高速度模型及各向异性参数的精度,进而改善成像效果[6-7]

2.3 地震分频属性技术

分频振幅属性是基于叠后地震数据,利用短时窗傅里叶变换、广义S变换、小波变换等方法生成的多个单频数据体。通过低频段振幅识别厚层,把握整体沉积规律;通过高频段振幅识别薄层,更能反映沉积细节,同时较好地排除了时间域不同频率成分间的相互干扰,得到优于传统方法的解释结果,从而进一步精细刻画储层[8-9]

将研究区叠后保幅地震数据体进行分频处理后得到5~40Hz内的多个单频体。如图 5所示,纵向上35Hz分频振幅属性对藻灰岩集中发育段(井上绿色线段表示)具有强振幅响应特征,因此选取该频段属性进行藻灰岩平面预测。

图 5 35Hz分频振幅属性连井剖面

横向上,分别选取5、20、35Hz分频振幅属性对比、评估预测效果。从细节上看,5Hz低频振幅对于F5、FX3-5、FX103三口井藻灰岩均无法表征(图 6a);20Hz中频振幅对FX103无法表征(图 6b);而利用35Hz主频振幅切片刻画藻灰岩较精确(图 6c)。因此,利用分频属性进行藻灰岩刻画时,以低频端振幅属性把握整体沉积规律为主,高频端振幅属性刻画细节为辅。

图 6 分频振幅属性图 (a)5Hz;(b)20Hz;(c)35Hz
2.4 古地貌分析技术

研究表明,藻灰岩发育受到古构造—地貌、物源供给、气候条件以及海平面升降等因素的共同作用,在相似气候条件与水介质环境下,构造运动与水平面升降显得更为重要[10-11]。为进一步落实藻灰岩发育区,采用残余厚度法恢复研究区古地貌。

首先选取一个相对等时界面作为沉积顶界面,如构造等时面;其次在等时界面以下目的层附近选取一个横向稳定、易追踪的同相轴作为等时底界面;最后将两个界面进行差运算得到相对残余厚度。以N1-Ⅲ-3小层古地貌为例,分析认为在钻井区域该小层呈现东、西两个局部古地形高点(图 7左)。将多井统计的藻灰岩累计厚度与地层厚度进行交会分析,显示藻灰岩厚度与地层厚度呈负相关(图 7右),即古地貌越高,藻灰岩厚度越大。

图 7 N1-Ⅲ-3古地貌图(左)、藻灰岩厚度与地层残余厚度交会图(右)
2.5 BP神经网络反演储层预测技术

从FX101井测井曲线资料可知,藻灰岩总体表现为低声波、高密度、相对高阻抗特征。从图 8纵波阻抗直方图可见,藻灰岩与非储层的纵波阻抗门槛值为13000 g·cm-3·m·s-1,将该门槛值作为藻灰岩储层识别的指标。

图 8 N1-Ⅲ-3纵波阻抗直方图

由于研究区储层普遍较薄,单层厚度为0.05~0.50m,因此地震反演的重点是尽可能地提高储层纵向分辨率。本文应用BP神经网络地震反演方法开展储层预测,即在层位控制下,将工区内多口井测井数据及井旁地震道数据输入到BP网络,同时进行整体训练,获得整个工区的自适应权函数;在此基础上建立综合非线性映射关系,并根据储层在纵向上的变化特征适时更新非线性映射关系,从而对反演过程起到约束与控制作用,以获得稳定、分辨率较高的反演结果[12-13]。与稀疏脉冲反演结果进行对比可见(图 9上),采用BP神经网络地震反演对储层(暖色)的识别能力从8m提升至3m,大大提高了储层纵向识别精度。

图 9 稀疏脉冲反演(上)、BP神经网络反演(下)剖面对比
3 实际应用效果 3.1 叠前深度偏移技术效果

FX102井在4100~4110m井段射孔后油管畅喷获得高产, 随后针对薄层藻灰岩设计水平井开发,采用TTI叠前深度偏移技术进行精确成像,提高水平井储层横向钻遇率。利用叠前深度偏移成果部署FX102H1井,结果显示实际钻探轨迹的水平段在一套红色波谷中(图 10左),而叠前时间偏移剖面上显示该水平段井轨迹出现“窜层”现象(图 10右)。该井在N1-Ⅴ-4小层水平段储层钻遇率为70%,证明运用网格层析反演速度建模及TTI叠前深度偏移技术,提高了地质体成像精度与水平井储层钻遇率。

图 10 深度域(左)、时间域(右)地震剖面对比
3.2 古地貌分析、地震分频属性效果

结合沉积背景与多种相关统计数据分析,认为古地貌与生物成因藻灰岩分布具有一定关系,古地貌相对越高,藻灰岩厚度越大。针对该区薄层发育特点,采用高频端地震分频属性识别藻灰岩薄层,定性识别储层发育区。钻井结果显示:N1-Ⅲ-3小层在F5、FX3-5、FX103三口井钻遇藻灰岩,均获得工业油气流。综合古地貌、地震分频振幅属性分析结果可见,三口井位于古地貌相对高点(图 11左),且分频振幅呈现异常强振幅(图 11右),预测结果与实际钻探情况吻合。

图 11 N1-Ⅲ-3沉积前古地貌(左)、地震分频振幅属性平面图(右)
3.3 BP神经网络反演预测效果

针对超薄藻灰岩储层,运用高分辨率BP神经网络地震反演方法开展精细储层预测,纵向上提高了薄层识别精度,横向上定量预测储层“甜点”区块,开展藻灰岩岩性圈闭评价。预测结果显示:地震反演、分频振幅属性平面预测效果具有一致性,N1-Ⅲ-3小层藻灰岩储层大面积发育于研究区东部,F5、FX3-5、FX103井均位于预测范围内(图 12左);剖面上红色箭头指示的油气显示段位于预测藻灰岩储层上(图 12右),说明本文方法反演预测结果具有可靠性。

图 12 N1-Ⅲ-3地震反演储层预测平面图(左)及反演连井预测剖面(右)
4 结束语

(1) 采用“高精度可控震源组合”与“单个高灵敏检波器”结合的采集技术,拓宽资料频带,提高资料信噪比,获得了高品质原始地震资料。

(2) 采用叠前深度偏移技术,提高了目的层成像精度与水平井储层钻遇率。

(3) 综合运用古地貌恢复、地震分频、BP神经网络反演等储层预测技术开展藻灰岩预测,预测结果与钻井吻合并取得了良好的效果,证明相应地震配套技术在该区具有一定的适用性。

参考文献
[1]
张勤学, 杨乾政, 张霞, 等. 大风山风西构造下油砂山组藻灰岩储层分析[J]. 新疆地质, 2014, 32(4): 505-508.
ZHANG Qinxue, YANG Qianzheng, ZHANG Xia, et al. The reservoir characteristic of Xiayoushashan formation in the Fengxi structure of Dafeng mountain[J]. Xinjiang Geology, 2014, 32(4): 505-508.
[2]
张丽艳, 李昂, 于常青. 低频可控震源"两宽一高"地震勘探的应用[J]. 石油地球物理勘探, 2017, 52(6): 1236-1245.
ZHANG Liyan, LI Ang, YU Changqing. Application of low frequency vibrator "two widths and one height" seismic exploration[J]. Oil Geophysical Prospecting, 2017, 52(6): 1236-1245.
[3]
王学军, 于宝利, 赵小辉, 等. 油气勘探中"两宽一高"技术问题的探讨与应用[J]. 中国石油勘探, 2015, 20(5): 41-53.
WANG Xuejun, YU Baoli, ZHAO Xiaohui, et al. Development and application of "2W1H" technique in oil and gas exploration[J]. China Petroleum Exploration, 2015, 20(5): 41-53. DOI:10.3969/j.issn.1672-7703.2015.05.005
[4]
程玉坤, 刘建红, 周振晓, 等. 速度建模特色技术的实际应用[J]. 石油地球物理勘探, 2017, 52(增刊2): 110-115.
CHENG Yukun, LIU Jianhong, ZHOU Zhenxiao, et al. Depth-domain velocity model building for prestack depth imaging[J]. Oil Geophysical Prospecting, 2017, 52(S2): 110-115.
[5]
赵玲芝, 谷跃民, 张建中. 多信息融合的近地表速度建模技术及应用[J]. 石油地球物理勘探, 2017, 52(1): 34-41.
ZHAO Lingzhi, GU Yuemin, ZHANG Jianzhong. Near surface velocity modeling technology and application of multi information fusion[J]. Oil Geophysical Prospecting, 2017, 52(1): 34-41.
[6]
吴超, 许安明, 尚江伟, 等. TTI各向异性叠前深度偏移技术在库车复杂山地的应用[J]. 新疆石油地质, 2019, 40(1): 103-107.
WU Chao, XU Anming, SHANG Jiangwei, et al. Application of TTI anisotropic prestack depth migration technology in complex mountain areas of Kuqa depression[J]. Xinjiang Petroleum Geology, 2019, 40(1): 103-107.
[7]
徐敏, 杨晓, 王静, 等. 叠前深度偏移技术在复杂断块井位目标优化中的应用[J]. 中国石油勘探, 2015, 20(3): 73-78.
XU Min, YANG Xiao, WANG Jing, et al. Application of pre-stack depth migration technology for optimization of well location target in complicated faulted block structure[J]. China Petroleum Exploration, 2015, 20(3): 73-78. DOI:10.3969/j.issn.1672-7703.2015.03.009
[8]
刘静静, 刘震, 齐宇, 等. 地震分频处理技术预测深水储集体[J]. 石油学报, 2016, 37(1): 80-87.
LIU Jingjing, LIU Zhen, QI Yu, et al. Prediction of deep-water reservoir by seismic frequency division technology[J]. Acta Petrolei Sinica, 2016, 37(1): 80-87.
[9]
马志霞, 孙赞东. Gabor-Morlet小波变换分频技术及其在碳酸盐岩储层预测中的应用[J]. 石油物探, 2010, 49(1): 42-45, 53.
MA Zhixia, SUN Zandong. Spectral decomposition technique based on Gabor-Morlet wavelet transform and its application to carbonate reservoir prediction[J]. Geophysical Prospecting for Petroleum, 2010, 49(1): 42-45, 53.
[10]
王朝锋, 王红平, 杨柳, 等. 巴西桑托斯盆地S油田盐下碳酸盐岩地层古地貌恢复技术及应用[J]. 物探化探计算技术, 2020, 42(5): 629-635.
WANG Chaofeng, WANG Hongping, YANG Liu, et al. Paleo-geomorphologic restoration technology and its application of Presalt carbonate strata in the S oilfield of Brazil Santos basin[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2020, 42(5): 629-635.
[11]
王玉珍, 张军勇, 赵师权, 等. 柴西南老油区藻灰岩油藏滚动开发目标综合评价[C]. SPG/SEG南京2020年国际地球物理会议论文集, 江苏南京, 2020, 699-702.
WANG Yuzhen, ZHANG Junyong, ZHAO Shiquan, et al. Comprehensive evaluation of rolling development objectives of algal limestone reservoir in the old oil area of Southwest Qaidam[C]. Proceedings of SPG/SEG Nanjing 2020 International Geophysical Conference, Nanjing, 2020, 699-702.
[12]
张繁昌, 刘汉卿, 钮学民, 等. 褶积神经网络高分辨率地震反演[J]. 石油地球物理勘探, 2014, 49(6): 1165-1169.
ZHANG Fanchang, LIU Hanqing, NIU Xuemin, et al. Convolutional neural network high resolution seismic inversion[J]. Oil Geophysical Prospecting, 2014, 49(6): 1165-1169.
[13]
王钰, 郭其一, 李维刚. 基于改进BP神经网络的预测模型及其应用[J]. 计算机测量与控制, 2005, 13(1): 39-42.
WANG Yu, GUO Qiyi, LI Weigang. Predictive model based on improved BP neural networks and its application[J]. Computer Measurement & Control, 2005, 13(1): 39-42.