地球物理学进展  2017, Vol. 32 Issue (2): 827-833   PDF    
少井区鲕滩储层敏感地震属性优选及预测
赵虎1,2, 罗磊2, 杨天2, 张俊杰2, 钟克修3, 胡雯雯3     
1. 西南石油大学天然气地质四川省重点实验室, 成都 610500
2. 西南石油大学地球科学与技术学院, 成都 610500
3. 中国石油西南油气田分公司川东北气矿, 达州 635000
摘要:全球油气资源中碳酸盐岩油气藏所占比重很大,碳酸盐岩油气主要分布在台地边缘的礁滩中,对于鲕滩储层横向预测,以地震属性预测方法最为常见.然而并不是所有的地震属性都能很好的反映储层特征,这其中必然要涉及到属性优选的问题.但是对于井位很少的工区,常规的地震属性优选方法无法准确的优选属性.因此本文在结合前人经验基础上,提出少井区基于模型的地震属性优选方法,根据鲕滩储层典型的地震剖面,建立正演模型,分析地震属性与鲕滩储层厚度之间的关系,进而优选地震属性,为提高勘探前期区块的地震储层预测精度,提供了新的思路和方法.
关键词鲕滩储层    地震属性    碳酸盐岩储层    属性优选    
Oolitic reservoir sensitive seismic attributes optimization and prediction in less well work area
ZHAO Hu1,2 , LUO Lei2 , YANG Tian2 , ZHANG Jun-jie2 , ZHONG Ke-xiu3 , HU Wen-wen3     
1. Sichuan Province University Key Laboratory of Natural Gas Geology, Southwest Petroleum University, Chengdu 610500, China
2. School of Geoscisence and Technology, Southwest Petroleum University, Chengdu 610500, China
3. Northeast Sichuan Gas Field, PetroChina Southwest Oil & Gasfield Company, Dazhou 635000, China
Abstract: Carbonate rock reservoirs have a great proportion in global oil and gas resources, carbonate rock reservoirs are mainly distributed in the reef and oolitic which are on the edge of the platform. Using seismic attributes to predict reservoir is most popular in oolitic reservoir horizontal prediction. We must optimize seismic attributes firstly, because not all the seismic attributes can describe the features of reservoirs. However the common optimization methods cannot select seismic attributes exactly in less well work area. This paper combines with previous researches and proposes the new seismic attributes optimization method in less well work area, this method is based on model. Firstly building model according to the typical seismic profile of oolitic reservoirs, optimizing attribute by analyzing the relationship between seismic attributes and oolitiic reservoir's thickness, this method provided new idea to improve the accuracy of reservoir prediction in pre-exploration area.
Key words: oolitic reservoir     seismic attributes     carbonate rock reservoir     attributes optimization    
0 引言

目前全球油气资源中碳酸盐岩油气藏所占比重很大,碳酸盐岩油气主要分布在台地边缘的礁滩中,其中四川盆地礁滩储层具有极大的勘探前景,这势必对鲕滩储层预测提出了更高的要求.武丽等 (2009)根据川东北通南巴构造带构造复杂、储层特征难以确定等特点,提出了通过正演模型的方法优选地震属性,其根据工区内飞仙关鲕滩储层的测井和地震响应特征,建立单井的正演模型,进而优选地震属性,并预测了飞仙关组鲕滩储层分布特征.张延充等 (2011)根据下二叠统的滩相勘探一直没有新的突破问题,提出在以前注重地质、测井等研究基础上,加大对地震相的研究,并通过地震相分析,总结下二叠统碳酸盐岩三大地震相特征,利用这三种特征预测有利于高能滩发育的古地貌区域,提高了钻探的成功率.何军和吴雪莎 (2009)从实际钻井、测井资料出发,建立相应的地质模型,从而总结了建南地区鲕滩地震相识别模式,并将相应的分析方法在储层预测中进行了实际应用,获得了较好的效果.熊晓军等 (2010)针对鲕滩储层的速度差异及“高频衰减”现象,提出了基于T-K能量的地震属性提取方法,有效预测了鲕滩储层.针对四川地区的礁滩储层特点,纪学武等 (2012)在地震、测井数据基础上,利用层拉平、体曲率、层序地层学及叠前反演等技术手段,精确的描述了龙岗西地区礁滩储层,初步形成了一系列技术流程.杨威等 (2011)在详细分析成岩作用和成岩环境的基础上,划分了扬子板块局部地区的岩相,预测了有利于鲕滩发育的岩相展布范围.何谦和熊高君 (2014)针对川东北地区飞仙关鲕滩储层中泥质含量对速度异常产生干扰这一问题,提出利用伽马曲线剔除泥质造成的低速异常,较为准确的预测飞仙关鲕滩的分布范围.

以上研究可以发现鲕滩储层地震响应特征明显,常规地震剖面中能清楚的识别鲕滩“亮点”特征 (刘宏等,2008),在前人提出的鲕滩储层横向预测方法中,以地震属性预测方法最为常见,显然并不是所有地震属性都能很好的预测储层特征,这其中必然要涉及到属性优选的问题 (古发明等,2007).然而对于钻井很少的工区,是无法利用常规地震属性优选方法进行优选,因此本文在结合前人经验基础上,提出少井区基于模型的地震属性优选方法,根据鲕滩储层的典型地震剖面,建立正演模型,分析地震属性与鲕滩储层厚度之间的相关性,提炼相关性较好的地震属性.

1 速度选择及模型建立

通常鲕滩储层周围分布有非储层灰岩,这些非储层灰岩速度要高于含油气的储层,而地震波正演的基础是速度参数,为了准确的获得速度信息,本文利用测井数据来确定它们的变化范围,从测井解释的鲕滩储层与非储层段提取声波速度信息,并进行直方图统计分析.图 1图 2分别为非储层段和储层段灰岩速度分布直方图.由图可知:非储层段灰岩速度的变化范围在6100 m/s到6600 m/s之间,鲕滩储层段灰岩速度的变化范围在5500 m/s到6300 m/s之间,显然,储层段速度明显低于非储层段速度,这为鲕滩储层的地震识别提供了依据.

图 1 非储层灰岩段速度统计图 Figure 1 Statistical figure of the velocity of non-reservoir limestone

图 2 鲕滩储层段灰岩速度统计图 Figure 2 Statistical figure of the velocity of oolitic reservoir limestone

完成速度统计后,根据工区内以往解释的二维地震剖面 (图 3),图中浅青色层位为飞四底,深红色层位为飞一底,分析鲕滩储层的地震响应特征,根据以往地震解释的结论,识别出飞四与飞一之间共有两套鮞滩储层,如图 3所示,表现为局部亮点特征.同时在下伏地层拉平的情况下,生物礁隆起特征明显.根据以上结论,建立相应的地质模型 (图 4a),模型长为5000 m,深为1000 m.根据地震剖面的特征,模型中飞四底和飞一底之间设计了两套鮞滩储层,飞四底以上的地层速度为5800 m/s,飞一底以上的地层速度为6300 m/s,长兴底以上的地层速度为6800 m/s,鲕滩的速度为5500 m/s,生物礁的速度为5800 m/s.利用波动方程正演方法对该地质模型进行了正演 (图 4b).正演参数如下:道间距50 m,采样率2 ms,子波主频为26Hz (与实际资料吻合).从正演剖面中可以看出,由于飞四—飞一底之间发育有两期鲕滩,所以在正演和实际剖面中鲕滩亮点特征都很明显,同时由于生物礁处长兴组厚度增大,所以两个地震剖面中都表现为飞一底同相轴隆起的特征,因此正演结果与实际地震剖面对应关系较好.

图 3 实际二维剖面地震响应特征 Figure 3 Seismic characteristics of 2D profile

图 4 地质模型与模型正演结果 Figure 4 Geological model and result of forward modeling
2 敏感地震属性优选

由于工区内钻穿鲕滩储层的井位极少,因此本文提出利用地震属性与鲕滩储层累计厚度相关性这一思想进行属性优选.首先根据所建立的地质模型,统计鲕滩储层的累积厚度图 (图 5),分析地震属性曲线与储层累积厚度曲线的相关性,进而优选地震属性.根据图 4可见没有鲕滩处累积厚度曲线应为零,所以图 5的累积厚度曲线统计范围为图 4左侧刚出现鲕滩储层处至模型最右侧.从图 5中可以看出,鲕滩储层的累积厚度变化平缓,在上下储层叠置处厚度达到最大,最大厚度达到70 m.

图 5 鲕滩累积厚度曲线 Figure 5 The curve of oolitic cumulative thickness

为了研究不同地震属性对鲕滩储层的敏感性,利用以上正演数据来提取相应的地震属性,时窗长度选择的是两层间,提取了包括振幅类、频谱类、瞬时类、层序类和非线性类5大类共47种地震属性,下图 6图 7图 8分别为提取的典型地震属性,从中可以发现不同的地震属性与鲕滩储层厚度曲线之间,存在一定的相似性和差异性,这也印证了地震属性优选在储层预测中的重要性,剔除差属性,可以提高储层预测的精度.

图 6 振幅类典型地震属性 Figure 6 Typical seismic attributes of amplitude class

图 7 瞬时类和频谱类典型地震属性 Figure 7 Typical seismic attributes of instantaneous and spectral class

图 8 层序类和非线性类典型地震属性 Figure 8 Typical seismic attributes of sequence and nonlinear class

通过对比累积厚度和地震属性的相关性可知,对鲕滩储层敏感的地震属性以振幅类居多,振幅类中也有敏感性不高的属性,如振幅的斜度,分析原因主要由于鮞滩储层的速度低于围岩速度,速度差异越大,反射系数也会越大,进而形成亮点特征,随着鮞滩储层厚度的增加,会形成能量更强的同相轴,亮点特征也更加明显.瞬时类和频谱类只有少数几个敏感性高的属性,如平均反射强度、波形长度,敏感性不高的属性有平均零交叉样点数、反射强度的斜率、关联维数、瞬时频率的效率等.层序类和非线性类属性整体敏感性不高,如图 8所示的顶底振幅比、能量半时间、复合包络差等.

具体敏感属性如下:

振幅类属性:平均绝对值振幅、平均能量、平均峰值振幅、平均谷值振幅、振幅的峰度、均方根振幅、总能量、振幅的方差.

瞬时类属性:平均反射强度.

频谱类属性:波形长度.

3 实际工区应用

研究工区位于开江—梁平海槽东侧,四川盆地东北部,发育北西向、北东两组潜伏构造高带,区内主要目的层二叠系—三叠系主要发育了梁山组、栖霞组、茅口组、龙潭组、长兴组、飞仙关组、嘉陵江组、雷口坡等几套地层,其中长兴组、飞仙关组具有向北东方向埋深逐渐加大的特点,能形成良好的生储盖组合,而其中飞仙关组一段—三段则发育良好的鲕滩储层,是勘探的重点层位,工区内钻遇鲕滩储层的井位2口,邻区钻遇鲕滩储层的井位4口.

根据以往常规剖面中亮点异常范围的解释结论,鲕滩储层主要分布在工区的中部,总体上呈北西—南东走向,然而这一特征是否能在优选的敏感地震属性中得以体现呢.本文利用以上优选的地震属性,提取相应敏感属性的沿层切片,图 9为 (早期) 鲕滩储层部分敏感地震属性沿层切片图,图中可以看出敏感地震属性异常特征与常规地震解释结论具有很好的相关性,工区的中部表现为属性异常,异常区呈北西—南东走向,同时属性图中存在着横向非均质性,这符合碳酸盐岩储层特征.

图 9 (早期) 鲕滩储层部分敏感地震属性图 Figure 9 Oolitic reservoir (early) part of the sensitive seismic attributes

地震属性聚类具有识别河道、(早期) 礁滩储层横向展布特征识别、砂体厚度定性预测层等特征,因此为了进一步刻画 (早期) 鲕滩储层内部横向非均质性,本文利用以上优选的地震属性及地震属性聚类分析原理,综合预测 (早期) 鲕滩储层横向展布特征.图 10为以上敏感地震属性聚类分析的结果图,图中聚类结果分为三类,地震属性聚类结果图中红色一类部分 (第3类),与常规剖面解释结论基本一致,呈北西—南东条带状走向,结合钻井等地质资料,标定红色一类区域为鲕滩发育区,聚类结果显示工区中部储层发育较好,两侧较差,局部存在很强的非均质性.根据工区内已有的钻井岩芯解释结论,WL井为台缘向台地过度区域,位于鲕滩发育的边缘区域,单井相解释中划分为台地相,图 10中该井位于青色一类区域 (第2类).FS井单井相解释为斜坡相,不发育鲕滩,而图 10中该井位于蓝色一类区域 (第1类).P1、P2、P4、P5井都钻遇鲕滩,图 10中这四口井基本上都落在红色一类区域 (第3类),但井间红色一类 (第3类) 横向连续性一般.分析原因,是由于这四口井处于工区边缘,地震数据的边界效应产生较大的干扰.以上分析显示,预测结果与已知井解释结论具有很高的吻合率.因此,根据以上的认识结论,本文进一步预测了飞仙关组鲕滩储层 (早期) 整体发育范围 (图 11).

图 10 鲕滩储层 (早期) 敏感地震属性聚类分析图 Figure 10 Oolitic reservoir (early) part of the sensitive seismic attributes cluster analysis

图 11 鲕滩储层 (早期) 地震属性预测图 Figure 11 Seismic attributes prediction of Oolitic beach reservoir (early)
4 结论

地震属性优选会提高储层预测的精度,本文的研究表明,在勘探前期的少井工区,根据工区内典型地震剖面,建立地质模型,进行地震敏感属性优选方法是可行的,从5大类47种地震属性的优选结果可以看出,振幅类地震属性对鲕滩储层敏感性最高,瞬时类和频谱类次之.同时多属性综合预测可靠性要高于单一属性预测,本文利用地震多属性聚类方法,很好的指示鲕滩储层横向分布特征和非均质性,该方法对常规剖面“亮点”异常识别鲕滩储层方法进行了有效的补充,为提高勘探前期的地震储层预测精度,提供了新的思路和方法.

致谢 感谢审稿专家提出的修改意见和编辑部的大力支持!
参考文献
[] Gu F M, Yin C, Ding F. 2007. Appling rough set theory to optimize seismic attributes[J]. Journal of Southwest Petroleum University (in Chinese), 29(S2): 1–4.
[] He J, Wu X S. 2009. Seismic facies analysis in reservoir prediction in F3 oolitic shoal reservoir of Jiannan area[J]. Petroleum Geology and Engineering (in Chinese), 23(6): 39–40, 44.
[] He Q, Xiong G J. 2014. Application of natural gamma inversion in the prediction for oolitic beach reservoir[J]. Journal of Yangtze University (Natural Science Edition)(in Chinese), 11(31): 101–102.
[] Ji X W, Zhang Y Q, Zang D G, et al. 2012. Carbonate reef-shoal reservoir identification in western Longgang, Sichuan Basin[J]. Oil Geophysical Prospecting (in Chinese), 47(2): 309–314.
[] Liu H, Cai Z Q, Tan X C, et al. 2008. Forecasting of fracture reservoirs in thin carbonate rocks of precipitous structure belt, East Sichuan[J]. Petroleum Exploration and Development (in Chinese), 35(4): 431–436.
[] Wu L, Dong N, Zhu S W. 2009. The oolite beach reservoir prediction at Feixianguan formation in Tongnanba structural belt, Northeast Sichuan province[J]. Geophysical Prospecting for Petroleum (in Chinese), 48(3): 277–284.
[] Xiong X J, Wang X P, He Z H. 2010. Oolitic reservoir prediction method based on nonlinear energy analysis[J]. Journal of Southwest Petroleum University (Science & Technology Edition) (in Chinese), 32(4): 1–5.
[] Yang W, Wei G Q, Jin H, et al. 2011. Methods for diagenetic facies research on carbonate rocks and its application:Example from oolitic beach reservoir of the Feixianguan Formation in the northern margin of Yangtze block[J]. Acta Petrologica Sinica (in Chinese), 27(3): 749–756.
[] Zhang Y C, Liu K N, Peng C, et al. 2011. Seismic prediction of high-energy beach reservoirs in the Lower Permian of the Jiulongshan area, western Sichuan basin[J]. Natural Gas Industry (in Chinese), 31(6): 42–45.
[] 古发明, 尹成, 丁峰. 2007. 应用粗集理论优选地震属性的方法研究[J]. 西南石油大学学报, 29(S2): 1–4.
[] 何军, 吴雪莎. 2009. 地震相分析法在建南地区飞三段鲕滩储层预测中的运用[J]. 石油地质与工程, 23(6): 39–40, 44.
[] 何谦, 熊高君. 2014. 自然伽马反演在鲕滩储层预测中应用[J]. 长江大学学报 (自科版), 11(31): 101–102.
[] 纪学武, 张延庆, 臧殿光, 等. 2012. 四川龙岗西区碳酸盐岩礁、滩体识别技术[J]. 石油地球物理勘探, 47(2): 309–314.
[] 刘宏, 蔡正旗, 谭秀成, 等. 2008. 川东高陡构造薄层碳酸盐岩裂缝性储集层预测[J]. 石油勘探与开发, 35(4): 431–436.
[] 武丽, 董宁, 朱生旺. 2009. 川东北通南巴构造带飞仙关组鲕滩储层预测[J]. 石油物探, 48(3): 277–284.
[] 熊晓军, 王小品, 贺振华. 2010. 基于非线性能量分析的鲕滩储层预测方法[J]. 西南石油大学学报, 32(4): 1–5.
[] 杨威, 魏国齐, 金惠, 等. 2011. 碳酸盐岩成岩相研究方法及其应用-以扬子地块北缘飞仙关组鲕滩储层为例[J]. 岩石学报, 27(3): 749–756.
[] 张延充, 刘克难, 彭才, 等. 2011. 川西九龙山地区下二叠统高能滩地震预测[J]. 天然气工业, 31(6): 42–45.