储量是油气勘探的最终目标，储量增长是实现油气勘探良性循环的重要基础，开展油气储量增长趋势的科学预测对于指导油气勘探部署规划具有重要意义。油气储量增长趋势预测方法很多^[1]，目前常用的可以归纳为三大类：一是基于探明储量来源，开展储量升级转化规律的研究，即储量转化升级预测法^[2-5]；二是基于油气资源发现过程具有旋回性的特点，通过储量发现时间序列的模型拟合来达到预测的目的，即生命旋回模型预测法^[6-9]；三是基于新增油气地质储量与勘探工作量之间的统计关系进行外推预测，即勘探成效外推预测方法^[1]。另外，将神经网络与人工智能技术引入油气储量增长预测是未来的重要发展方向^[10]。

大量的油田勘探证实，控制储量对探明储量的贡献占有相当重要的地位，通过对控制储量构成及其升级转换进行详细的分析统计已成为预测新增探明储量的重要途径^[11-13]。但是，影响油气控制储量升级的因素众多，如储量规模、储量丰度、油气产能、油藏埋深等，要想建立控制储量升级的统计学模型，探区必须具有较高的勘探程度，否则就不具备预测的基础。

生命旋回模型预测法的基本原理是将油气勘探发现与储量增长历史看成一个生命成长的过程，期间储量发现率会经历一个从慢到快，再由快转慢近于对称的过程，与一个生命经历幼年到青壮年，再到老年的过程是类似的。常用的基于生命旋回理论的储量预测方法，包括单旋回的Gauss模型、Hubbert模型、Gompertz模型、Logistic模型、Gauss模型、Weng模型、HCZ模型等^[14-15]。不管是采用单旋回还是多旋回，也无论是基于年度探明储量，或是基于累计探明储量来开展储量增长规模预测，这类方法的基本原理均是针对油气储量增长时间序列，通过选用不同的模型进行待定参数拟合来开展时间序列的预测。这类方法最大的缺陷就在于未能与勘探成效及勘探工作量建立起相应的联系，因此也就无法体现勘探工作量投入对油气储量增长的影响^[16-18]。

对于目前常用的勘探成效外推方法，其基本思路是将油气地质储量作为因变量，勘探工作量（如探井数量、探井进尺、二维地震测线长度、三维地震勘探面积等）作为自变量，通过建立二者间的关系来达到预测未来增储潜力的目标。这类方法对于预测探区的最终可探明储量是有意义的。但是，由于此类方法缺乏时间序列的观念，在油气勘探规划中难以发挥有效的指导作用。

因此，本研究旨在探索一套既能很好地揭示油气勘探储量增长规律，又能更好地满足油气规划决策的储量增长预测新方法。

开展探明储量的预测研究，既要充分考虑到油气储量发现规律，同时又要充分考虑勘探工作量投入，只有将二者有机地结合起来，才能有效指导油气勘探部署规划^[19-20]。

影响油气储量增长的因素一般包括油气成藏地质条件、勘探理论与技术发展、勘探程度与勘探阶段、勘探资金与工作量投入、政治经济与产业形势等^[21-23]。在这些因素中油气成藏地质条件与油气勘探投入尤其重要。探区的油气成藏地质条件，如盆地与区带类型、油气资源潜力、资源分布富集特征、圈闭发育特征等，这些因素极大地影响到储量的发现过程、发现速度和发现规模。勘探投入更是直接影响增储规模。“钻头未到、油气不冒”，没有勘探工作的投入，实现油气储量增长就是一句空话。预探井及评价井的实施数量与进尺，与油气储量增长规模之间往往具有正相关关系。

从上述影响储量增长的主要因素分析及目前储量增长预测方法存在的问题可以看出，一种合理的油气储量增长预测方法，既要能够有效地揭示探区的勘探规律（储量增长随时间的变化规律），同时又能够将勘探工作量纳入预测模型中来，才能更好地为勘探部署规划提供决策依据。本文提出的基于钻探成效时间序列的油气储量增长预测方法就是将二者有机结合，首先通过钻探成效随时间的变化来确定储量增长旋回，划分储量增长阶段；然后依据不同的储量增长阶段选择合适的数学模型，开展储量增长成效的时间预测；最终按照钻探工作量进行储量增长潜力规模的合理预测。

一个探区并非每个年度均会有新增油气探明地质储量、新完钻探井，因此在时间序列中存在很多“零值”数据点，加之年度数据构成的时间序列波动性很大。在本次方法构建过程中，一律采用累计探明地质储量、累计探井数和累计探井进尺数据。这样就可以大大降低因数据不足、数据波动对勘探储量增长趋势分析的影响。

不同的探区，由于成藏地质条件、资源富集条件、勘探认识程度和勘探技术应用等方面的差异，其储量增长过程与储量增长规律是大不一样的。总体上，储量增长过程可以划分为不同的勘探周期，在一定的周期内，又可以进一步划分为不同储量增长阶段。

基于钻探成效时间序列的油气储量增长预测方法的基本原理，就是利用钻探成效参数时间序列来表征油气地质储量增长过程，包括储量增长的周期性、目前所处的储量增长阶段。然后，针对探区所处的阶段，优选合理的数学模型，并规划可能的钻探工作量投入（探井数或探井进尺），来实现探区储量增长潜力的合理预测。

通常的钻探成效参数是指年度探明储量与年度完钻探井数或完钻探井进尺的商，又称为年度增储指数。而本文中的钻探成效参数不是年度新增探明储量与当年完钻的探井工作量的商，而是指累计探明油气地质储量与累计探井工作量的商。即

式中Z₁——单井平均探明地质储量，10⁴t或10⁸m³；

Z₂——单位进尺平均探明地质储量，10⁴t/10⁴m或10⁸m³/10⁴m；

R_i——年度新增探明地质储量，10⁴t或10⁸m³；

N_i——年度完钻探井数，口；

F_i——年度完钻探井进尺，10⁴m。

基于钻探成效时间序列的油气储量增长预测方法如图 1所示，主要包括以下4个步骤。

图 1

图 1 基于钻探成效时间序列的油气储量增长预测流程图 Fig. 1 Flow chart of oil and gas reserve growth prediction based on time series of drilling effectiveness

建立钻探成效时间序列所用的数据不是年度探明储量、年度探井数和年度探井进尺，而是要用累计探明油气地质储量、累计探井数和累计探井进尺来分别计算单井平均探明地质储量及单位进尺平均探明地质储量。图 2是准噶尔盆地车排子凸起胜利探区从2006年第一次提交探明储量到2021年提交储量过程中的钻探成效时间序列。可以明显看出，在利用年度数据计算得到的钻探成效时间序列上，数据起伏幅度很大，而且有很多“零值”数据点；而采用累计数据则可以大大降低年度数据波动大的干扰，更好地反映探区的储量增长特征。需要指出，采用累计探明油气地质储量与累计探井数得到的钻探成效时间序列变化周期与采用年度探明油气地质储量及钻探工作量得到的时间序列相比，其峰值和谷值出现的时间一般均有一定的滞后。如图 2b中1个峰值、2个谷值出现年份分别为2012年、2010年、2018年，而在图 2a中则分别为2011年、2009年及2017年。

图 2

图 2 基于年度数据（a）和基于累计数据（b）得到的钻探成效时间序列对比图 Fig. 2 Comparison of time series of drilling effectiveness based on annual data (a) and cumulative data (b)

利用每个勘探年度累计探明地质储量、累计探井数和累计探井进尺等数据，可以计算得到钻探成效参数，由此建立钻探成效时间序列。通过在钻探时间上峰值、谷值位置的确定，即可开展勘探周期分析与储量增长阶段划分。

对于某一探区而言，可能会经历两个甚至更多的储量增长周期（图 3）。大量的分析表明，在一个完整的勘探周期内，按照钻探成效参数的差异及其变化过程，一般可以细分为4个典型储量增长阶段，即缓慢上升阶段、快速上升阶段、快速下降阶段、缓慢下降阶段，即图 3中标注的A、B、C、D 4个阶段。从车排子凸起钻探成效时间序列（图 2b）来看，2006—2018年是第1个储量增长周期，2018年开始进入第2个储量增长周期。在第1个储量增长周期（2006—2018年）内，A、B、C、D段的起始时间节点分别为2006—2010年、2010—2012年、2012—2014年、2014—2018年。

图 3

图 3 钻探成效时间序列多周期分布模式图 Fig. 3 Multi-period distribution pattern of time series of drilling effectiveness

中西部四大叠合盆地（塔里木盆地、准噶尔盆地、四川盆地、鄂尔多斯盆地）不同勘探区块的统计结果表明，并非每一个探区的储量增长周期均可以划分为4个阶段。碳酸盐岩油气、页岩气勘探区块，钻探成效参数的缓慢上升段（A段）往往不明显或者缺乏，而是直接从B段开始，如塔里木盆地顺北探区石油勘探及四川盆地涪陵探区页岩气的勘探（图 4）。而碎屑岩勘探区块4个阶段往往发育得比较完整，如车排子凸起胜利探区的勘探（图 2）。分析原因，可能与碎屑岩储层及圈闭分布非均质强，早期钻探效果差，而碳酸盐岩及页岩本身储层发育规模大，大油气田易于被早期发现有关。

图 4

图 4 塔里木盆地顺北深层碳酸盐岩（a）及四川盆地涪陵页岩气探区（b）钻探成效时间序列图 Fig. 4 Time series of drilling effectiveness of deep carbonate reservoir in Shunbei block in Tarim Basin (a) and Fuling shale gas exploration block in Sichuan Basin (b)

在钻探成效时间序列周期分析与阶段界定的基础上，优选针对性的数学模型，开展预测模型的建立。通过在我国中西部四大叠合盆地大量应用该方法，得出储量增长预测数学模型优选的基本原则：当探区处于储量增长第一阶段（A阶段）时，由于是一个缓慢上升的过程，因此宜采用指数模型进行拟合；当处于第二、第三阶段（B、C阶段）时，是一个钻探成效参数由快速增加到缓慢增加，或者是由缓慢降低到快速降低的过程，因此选用对数模型可以得到较好的效果；第四阶段（D阶段）一般为一个缓慢下降的过程，采用幂函数模型进行拟合效果较好（图 5）。大量应用还表明，预测数学模型的拟合效果主要受储量增长阶段的影响，而与资源类型（石油、天然气、页岩气等）无关。

图 5

图 5 不同储量增长阶段预测数学模型优选实例 Fig. 5 Optimal selection of reserve prediction mathematical model in various stages of reserve growth 横坐标年份序号（从2010年起算），是指2010年的年份序号为1，2011年的年份序号为2，以此类推

在储量增长预测模型建立工作完成以后，就可以按照勘探总体设计及年度部署的钻探工作量（探井数、探井进尺），开展储量增长潜力规模的预测。其过程非常简单，首先通过近几年探区的年度工作量投入，明确每年完钻探井数与探井进尺，通过累加，就可以得到未来不同年份的累计钻探工作量。然后，将储量增长模型外推预测得到的某一年的钻探成效参数，去乘该年份累计达到的累计探井数或累计探井进尺即可。这一过程，利用Excel表格的数据计算功能即可轻松完成。

为验证基于钻探成效时间序列的储量增长潜力预测方法的可行性及有效性，本文利用塔里木盆地中国石化ST探区石油勘探项目勘探成果及钻探历史数据开展预测。2015年是该探区首次发现油田的年份。随后钻探工作量直线上升，从2015年的3口探井迅速增加到2020年的41口，2021年更是一年新增探井14口。该探区分别于2016年、2018年、2019年、2020年、2021年5个年次成功申报探明地质储量。截至2021年底，该探区累计完钻探井55口，累计探井进尺为44.0×10⁴m，累计石油探明地质储量为17748×10⁴t。据此可以计算各年次的钻探成效参数，从而可以得到该探区的钻探成效时间序列（表 1）。

表 1

表 1 塔里木盆地ST探区2015—2021年间钻探成效时间序列数据表 Table 1 Time series of drilling effectiveness during the 2015-2021 in ST block in Tarim Basin 年份 年份序号 累计井数/口 累计进尺/104m 累计石油探明地质储量/104t 单井平均石油探明地质储量/104t 单位进尺平均石油探明地质储量/(104t·(104m)-1) 2015 1 3 2.2860 2016 2 17 12.3987 1386 81.529 111.786 2017 3 25 18.9353 1386 55.440 73.197 2018 4 32 24.5000 6437 201.156 262.735 2019 5 36 27.9673 9903 275.083 354.092 2020 6 41 32.0673 13007 317.244 405.616 2021 7 55 44.0000 17748 322.691 403.364

表 1 塔里木盆地ST探区2015—2021年间钻探成效时间序列数据表 Table 1 Time series of drilling effectiveness during the 2015-2021 in ST block in Tarim Basin

从探区的石油探明地质储量增长过程及钻探成效参数变化可以看出，该探区累计石油探明地质储量呈直线式线性上升态势。而其钻探成效参数除了2017年的数据点之外（当年未提交探明地质储量），总体呈现出逐渐增长，但是增速具有变缓的趋势。

建模之前首先必须确定有效建模数据对。其主要目的是排除累计钻井数与累计钻井进尺增加，而累计探明地质储量没有增加的数据点。ST探区2017年共完钻8口井，累计探井数为25口，累计探井进尺为18.9353×10⁴m，但是当年并无新增探明地质储量，所以单井平均探明地质储量及单位进尺探明地质储量参数明显下降，从2016年的81.529和111.786下降到2017年的55.440和73.197。2018年再次提交了探明地质储量，这两个钻探成效参数快速上升。因此，根据有效数据点的选用原则，2017年的数据在建模中不予采用。

从图 6可以看出，该探区钻探成效参数呈现总体增加，但是增速有逐渐变小的趋势，选用对数模型较为合适。因此以钻探成效参数（单井平均探明地质储量、单位进尺平均探明地质储量）为因变量，以年份序号为自变量（首次提交储量的2016年年份序号为1, 其后的2017年年份序号为2，以此类推），采用对数模型进行拟合，拟合精度系数R²均在0.97以上，说明模型拟合精度较高。

图 6

图 6 塔里木盆地ST区块钻探成效参数的对数模型拟合结果图 Fig. 6 Logarithmic model fitting results of drilling effectiveness parameters in ST block in Tarim Basin

利用上述预测模型进行外推，可以看出2022—2030年间，单井平均石油探明地质储量分布在(350~460)×10⁴t之间，单位进尺平均探明石油地质储量为（440~570）×10⁴t/10⁴m（图 7）。

图 7

图 7 塔里木盆地ST探区钻探成效参数变化趋势预测图 Fig. 7 Change trend prediction of drilling effectiveness parameters in ST block in Tarim Basin

根据中国石化西北分公司年度部署，2022年计划完钻探井17口，探井进尺13.01×10⁴m。2022年实际完钻探井17口，完钻探井进尺15.45×10⁴m，新增石油探明地质储量8224×10⁴t，累计石油探明地质储量25972×10⁴t。根据基于单井平均探明地质储量预测模型和基于单位进尺平均探明地质储量预测模型计算结果，预测2022年底累计可探明石油地质储量分别为25026×10⁴t和26163×10⁴t。可以看出，探明进尺模型预测结果与实际累计石油探明地质储量非常接近。如果每年均按照相同的钻探工作量实施勘探，预测到“十四五”末的2025年，ST探区累计可探明石油地质储量分别为48919×10⁴t和53070×10⁴t（图 8）。

图 8

图 8 塔里木盆地ST探区累计石油探明储量增长预测结果图 Fig. 8 Prediction results of cumulative proven oil reserve growth in ST block in Tarim Basin

（1）利用累计探明地质储量、累计钻探工作量参数计算的钻探成效参数时间序列可以压制因有效数据少及数据波动大带来的干扰，因此可以更清晰地反映储量变化趋势，更合理地划分储量增长周期，可以更准确地明确探区目前所处的储量增长阶段。

（2）基于钻探成效时间序列的储量增长预测方法能够更好地揭示近期的油气储量增长趋势，加之在潜力预测中引入了钻探工作量投入参数，从而使得其预测结果能够更好地满足油气勘探规划部署的现实需求。

（3）一个完整的勘探储量增长周期一般包括增储成效缓慢上升期、快速上升期、快速下降期、缓慢下降期4个阶段，但是碎屑岩与碳酸盐岩及页岩勘探领域之间储量增长规律具有较大差异，主要表现在碳酸盐岩及页岩油气勘探中的储量增长成效缓慢上升阶段不明显。

（4）充分认识探区目前所处的储量增长阶段，同时根据储量提交的年份来确定有效的建模数据，这对于提高储量增长预测模型的精度尤为重要。不同的储量增长阶段，由于钻探成效参数的变化规律不同，应选择针对性的数学模型，才能达到最佳的预测效果。

（5）基于钻探成效时间序列外推的储量增长预测方法主要的不足之处在于，可能会因为近期新增储量的年份数据不多而使得用于建模的有效数据偏少，在一定程度上会影响储量增长潜力预测的准确性。