火山岩储层作为一种特殊的油气储层类型越来越受人们的关注与重视^[1]，目前国内外发现并投入开发的火山岩油气藏较少，整体研究程度较低.国外投入开发的火山岩气田主要集中在日本，我国已发现并投入开发的火山岩气田是位于松辽盆地的徐深气田.从地质特征上看，徐深气田火山岩气藏储层埋藏深、中-低孔、低渗或特低渗透，储集空间以原生为主、次生为辅，有利储层的发育受构造、岩相(岩性)、古地貌等多重因素控制，储层空间非均质性强^{[2, 3]}.从开发动态上看，徐深气田火山岩气藏单井产量以中-低产为主，一般需压裂投产方可获得工业气流，气、水分布复杂且普遍发育底水.从经济效益上看，徐深气田火山岩气藏已经投产的开发(直)井产能较低，低效井较多，成本高，储量动用程度低，经济效益较差.究其原因除火山岩储层地质条件复杂等客观因素外，对火山岩气藏规律性缺乏应有的认识也是重要原因.

地质建模作为一种油气藏储层描述与表征的基本手段，其核心内容是井间的储层预测，火山岩储层建模是一个世界性难题，随着国内外含油气盆地的火山岩中大量油气藏的发现，有学者在这方面作了一些有益的探索.李长山等人尝试先通过对火山岩岩性、岩相识别基础上建立剖面地质模型，再通过对火山机构分析建立岩相平面模型，最后模拟储层空间物性参数分布^[4~9].

通过近年来的勘探开发探索，针对徐深气田火山岩分布范围较广、开发评价井较多、地质认识程度较深区块，已经形成了一套井、震、相协同三维地质建模技术，采用井控、相控、地震反演体约束的地质建模方法进行储层研究，即以井筒资料为基准数据，以岩相及其平面分布为空间趋势约束条件，以地震反演波阻抗或岩石密度属性体为协同模拟条件，充分、有效地利用现有的数据和信息资源，实现了三种地质信息有机整合，从而建立地震速度模型、构造模型、古地貌模型、火山岩相模型、储层参数随机预测模型、储层发育概率预测模型和裂缝模型等三维可视化地质模型.这使得三维地质模型所包含的不确定性较大幅度地降低了.在实际开发井位优选、钻井轨迹设计和随钻实时地质导向中得到了广泛应用，取得了较好的实际应用效果^[10].

然而，徐深气田火山活动规模受控陷断裂或深大断裂控制，不同火山体之间可能部分发育沉火山碎屑岩，其地震响应与碎屑岩类似，在一定程度上影响火山岩储层的物性和气井的产能，这已在实际钻井的试气结果中证实，若用地震资料作为地质建模约束，这部分沉火山碎屑岩严重影响了地质建模的储层预测效果，为此我们密切结合火山岩成因特点，探索性地提出地质体约束地质建模的新思路，即在层序地层学分析的基础上，以火山岩体为研究目标，结合钻井、测井资料，井震结合从三维空间上精细识别和刻画火山岩体，并以此解释结果作为地质模型的约束条件，从而避免了沉火山碎屑岩对预测结果的干扰，然后通过利用神经网络算法建立多种地震属性与测井参数的定量关系，实现了火山岩体内部多种地质属性的定量表征，建立的三维可视化地质模型比较真实地反映了火山机构及其内部属性空间发育和分布特征.目前对该类油气藏的系统研究方法相对缺乏，勘探开发技术不够完善，因此研究火山岩油气藏成因机制、岩性和岩相识别、地质建模等技术具有重要意义^[11~14].

无论是对沉积岩还是火山岩而言，空间上的沉积相带分布均受控于当时的古地理环境.古地貌恢复对于建立能够真实反映储层成因规律的沉积相模式是十分重要的，是降低储层预测不确定性的有效途径.通过构造的形变、压实和剥蚀量等因素恢复，建立了徐深B 区块营城组时期古地貌三维可视化模型，证实了徐深B 区块营城组时期火山喷发以裂隙式喷发为主，平面上火山岩体沿控陷断裂呈串珠状分布，具有多期次喷发特点，常伴生有多个次火山口(图 1).

图 1

Fig. 1

图 1 营一段火山岩沉积后古地貌模型 (a)火山岩底面；(b)火山岩顶面. Fig. 1 A model for palaeo-geomorphology before the Yingcheng Ⅰ series volcanic formation deposited in the Xu shen B Block (a)Base；(b)Cap.

基于岩芯特点和井筒资料精细解剖及区域对比，综合判断徐深B 区块火山岩具有水下喷发特点.本区营一段顶部普遍发育一套沉火山碎屑岩地层，由于致密沉火山碎屑岩层的存在，使得该区块火山岩有利岩相(或岩性)地层经受后生改造作用较差，致使整体上储层物性较差，仅在火山口环形山部位因缺失沉火山碎屑岩地层或沉火山碎屑岩地层厚度很小才发育较好的储层(如XS-21井等).由于岩石密度是火山岩储层较为敏感的物性参数，但岩石密度并不能很好地区分火山岩与沉火山碎屑岩，若能从空间上识别通道并刻画出火山岩体形态，再在火山岩体内部进行岩石密度属性建模就能够取得较好效果，因此，笔者通过对该区块火山岩地震响应特征的分析，并利用野外火山岩露头考察和已有的研究成果和认识^[15~21]，密切结合该区块火山岩成因特点，建立了徐深气田B区块火山喷发模式(图 2).

图 2

Fig. 2

图 2 徐深气田火山岩喷发模式 Fig. 2 Eruption mode of volcano in Xushen gas field

首先，利用井筒测井资料制作合成地震记录，井、震结合精细标定地震地质层位.然后，依据火山岩喷发模式，进行断层解释和火山岩顶、底界面及其内部旋回界面的层位追踪(图 3).

图 3

Fig. 3

图 3 徐深气田B区块营城组火山岩地层构造解释地震剖面 Fig. 3 Seismic cross-section of structure elucidation of volcanoformation of Yingcheng series in B Block of Xushen gas field

火山岩与其围岩的物性及成因机制不同，地震响应特征存在较大差异.经钻井证实:火山岩地震响应特征一般表现为中~弱振幅、中~高频、弱连续或杂乱反射，围岩(碎屑岩或沉火山碎屑岩)一般表现为中~ 强振幅、中~ 低频、平行~ 亚平行连续反射(图 4).火山岩体在垂向地震剖面上呈蘑菇或云朵状，往往具有较明显的穿时现象(因火山物质源于地下深部)，火山口附近一般厚度较大，随着离火山口距离的增大逐渐变薄，火山口顶部偶见连续的强反射---沉火山碎屑岩(图 5)^{[22, 23]}.

图 4

Fig. 4

图 4 XS-X与XS-A联井剖面 Fig. 4 Seismic profile crossing well XS-X and XS-A

图 5

Fig. 5

图 5 地震剖面的火山岩反射特征 Fig. 5 Reflection characteristics of volcano on seismic profile

相干体技术主要通过地震道之间进行相关系数的计算来确定地震属性空间的连续性的分布，根据地震属性的连续性的展布来客观地解释地质体空间展布规律.火山岩体与围岩(碎屑岩或沉火山碎屑岩)的地震反射特征差异在地震相干等属性切片上表现更为明显，一般呈环状弱相干分布(图 6).

图 6

Fig. 6

图 6 相干体水平切片上火山口的显示 Fig. 6 Crater display on horizontal slice of coherent volume

依据上述地震响应特征，在地震体时间切片和剖面上识别火山通道和追踪解释火山岩体的顶、底界面，结合古地貌模型，从而刻画出火山岩体三维空间的形态.

首先根据徐深气田火山岩储层电性评价结果:岩石密度和电阻率是火山岩储层预测的敏感电性参数，选择建立岩石密度和电阻率模型^{[24, 25]}.按照常规属性建模流程，先将井筒测井曲线(密度和电阻率)数据离散化，即将测井曲线数据分配给对应的三维地质模型网格单元.由于受计算机计算速度和存储空间的限制，三维地质模型空间上网格单元不可能被无限制细化，通常井筒数据的采样间隔都在一定程度上小于三维地质网格的高度，因此在将井筒测井曲线数据分配给网格单元时，需要对其进行离散化处理.为最大程度地保持离散化数据与原始数据的一致性，网格高度与离散算法的选择很重要，通过本例实践，最终选择算术平均算法，网格高度为2m效果较好.

然后从深度域三维地震数据体中将每一个火山岩体目标刻画并抽取出来，将其离散化到精细构造模型网格中，建立宏观岩性模型.结果证明，地震属性与测井岩性和物性参数之间经常存在良好的关系.通过提取研究区块火山岩体内部多种地震属性与相应的井筒测井密度等属性参数进行神经网络训练，发现深测向电阻率与多种地震属性总体相关系数高达0.8487，密度与多种地震属性总体相关系数高达0.7985，为此我们采用了神经网络算法在宏观岩性模型约束下建立了确定性体控岩石密度模型和电阻率模型(图 7).

图 7

Fig. 7

图 7 徐深B区块营城组火山岩储层模型 (a)岩石密度模型；(b)深测向电阻模型. Fig. 7 Reservoir model of volcano of Yingcheng series in B block of Xushen gas field (a) Density model； (b) Deep resistivity model.

利用上述建立的体控三维地质模型，结合叠前AVO 含气检测结果、构造应力场研究、裂缝研究和气水界面研究获得的认识，优化设计了一口水平井(图 8，9).

图 8

Fig. 8

图 8 叠前AVO含气检测时间切片 Fig. 8 Time slice of prestack AVO gas detection

图 9

Fig. 9

图 9 过设计水平井的储层预测模型 (a)密度模型；(b)电阻率模型. Fig. 9 Reservoir forecast model crossing design course of horizontal well (a) Density model； (b) Resistivity model.

该水平井完钻结果表明，着陆点预测绝对误差和相对误差分别为9 m 和2.5‰.神经网络确定性模型预测以钻遇二、三类储层为主，实际以钻遇二、三类储层为主，与确定性模型预测基本吻合.目前该井正在试气准备中.

(1) 对于开发欠成熟的火山岩气藏而言，利用现有的高分辨率三维地震资料深入研究火山岩地震反射特征，精细刻画火山岩体三维空间形态，采用体控地质建模方法能够在一定程度上降低三维地质模型的不确定性，进而降低开发方案实施的风险.

(2) 地震属性与测井属性参数之间往往存在较好的相关性，通过提取多种属性进行神经网络训练，找到与火山岩储层测井属性参数相关性较好的若干地震属性，利用神经网络算法确定性地建立三维可视化地质模型，可以获得精度较高、风险较小的储层井间预测结果.

感谢陈炳峰同志在该项研究中的悉心指导及大庆油田有限责任公司勘探开发研究院天然气室所有领导及同事们的帮助，作者也感谢审稿专家以及吉林大学的王璞臖教授对本文提出的宝贵意见!