2024, Vol. 36
2. 中国石油勘探开发研究院西北分院, 兰州 730020;
3. 中国石油集团渤海钻探工程有限公司 井下作业分公司, 河北 任丘 062552
,
CHEN Yongbo2
,
YANG Dong3,
LI Xiao1,
SU Hang1,
ZHOU Junfeng2,
QIU Tingcong2,
SHI Xiaoqian2
2. PetroChina Research Institute of Exploration and Development-Northwest, Lanzhou 730020, China;
3. Downhole Services company BHDC, Renqiu 062552, Hebei, China
天然气是当今世界主要的清洁能源之一，作为民用及工业燃料在保障国家能源安全中具有举足轻重的地位[1-2]。准噶尔盆地天然气资源十分丰富，但探明率仅为7.5%，勘探潜力巨大。目前已经在盆地内发现克拉美丽、呼图壁和玛河等一批大中型气田，储层岩性以碎屑岩为主[3]，其中侏罗系西山窑组和八道湾组多套煤层广覆式分布，煤层气资源十分丰富[4-5]。近年来，在白家海凸起部署的C504、C512、C17等直井先后在西山窑组煤层中获得气流，煤层厚度为3~20 m，孔隙度为5.0%~17.3%，埋深为1 500~3 500 m，煤层中的天然气既有来自侏罗系的自源气，也有来自深部石炭系的高—过成熟它源气，赋存状态为吸附气、游离气共存，约各占一半；在试采过程不需长期排采即可快速获得低产气流，表现出明显不同于煤层气的特征。学界将这种既不同于煤层气、也不同于常规气的新聚集类型的天然气定义为煤岩气[6]，煤岩气在试气中表现出和煤层气迥异的特征，预示着一种全新的天然气资源类型，也是一个全新的勘探领域。目前，学界对西山窑组煤岩气的成藏主控因素进行了分析，认为煤岩气“甜点”（高产富集）受构造、煤岩厚度、通源断裂和含气饱和度四重因素的共同控制[7-9]。在预测煤岩气“甜点”时，通常采用单项物探技术来预测煤层的厚度和含气性，如尹海洋等[10]利于地震属性优化和机器学习方法预测煤层厚度；张晨林[11]利用约束稀疏脉冲反演预测煤层厚度；单蕊[12]利用地震多属性分析技术预测煤层厚度；成润根[13]利用高分辨率地质统计学反演技术预测煤层厚度；邱杰等[14]利用AVO技术对煤层的含气性进行预测。这些研究为该区的勘探开发做出了贡献，然而，这些单项技术预测结果受盆地内地震资料信噪比低、分辨率低、保幅性差等因素的影响，预测精度较低，制约了探井成功率[15-17]。
以准噶尔盆地白家海凸起侏罗系西山窑组三维地震道集资料处理、解释一体化成果为基础，综合利用钻井、测井、沉积构造及生产等资料，采用逐级控制的测井-地质-地震一体化研究思路，对煤岩气“甜点”储层分布进行预测，以期为该区探井部署及水平井轨迹优化设计、提高单井产能提供依据，为勘探部署提供参考。
1 地质概况白家海凸起位于准噶尔盆地中央隆起带东段，是一个呈北东—南西走向的继承性古隆起，南面紧邻阜康凹陷，北面连接东道海子凹陷，东北面衔接五彩湾凹陷[18]（图 1a）；自下而上沉积了石炭系（C）、三叠系（T）、侏罗系（J）、白垩系（K）及新生界5套地层。白家海凸起形成于海西中晚期，隆起时间长、剥蚀作用强，凸起高部位上石炭统及二叠系缺失；晚二叠世末期—三叠纪，盆地整体下降，进入泛盆沉积时期的填平补齐阶段，白家海凸起与周边凹陷连成一体，隆起特征依然存在；三叠纪末，白家海凸起构造相对稳定，侏罗系西山窑组、八道湾组煤系地层广泛沉积；侏罗纪末期，燕山运动造成白家海凸起北东方向大幅度抬升，形成具有北东高、西南低，且北东—南西向展布的鼻状凸起，沿凸起轴部发育北东—南西向一系列正断层，呈雁行式排列。区内断裂从石炭系断至侏罗系，且断裂活动时期与石炭系和侏罗系西山窑组烃源岩排烃期相匹配，是重要的油气运移通道[19-20]。白家海凸起三面为生烃凹陷所环绕，长期处于油气运移的有利构造位置，成藏条件十分有利，具有多层系含油、多期成藏的特点[21]，侏罗系是油气勘探的重点层系之一，C504、C512、C17等直井在侏罗系西山窑组煤岩中获得低产气流，断背斜构造区域水平井CT1H井西山窑组煤岩试气获得高产工业气流，实现了煤岩气勘探的重大发现。
|
下载原图 图 1 准噶尔盆地白家海凸起构造位置（a）及侏罗系西山窑组岩性地层综合柱状图（b） Fig. 1 Structural location(a)and stratigraphic column of Jurassic Xishanyao Formation(b)in Baijiahai uplift, Junggar Basin |
研究区C512，C504，C49，C36等直井的勘探实践表明，西山窑组厚度为190~340 m，煤岩储层的岩性主要为厚层泥岩夹薄层煤岩，即上煤岩、泥岩夹层、下煤岩，上、下煤岩的总厚度为3~20 m，泥岩厚度为2~4 m；储盖组合为泥岩-煤岩-泥岩，上覆泥岩（含头屯河组泥岩）分布范围广，厚度为160~ 180 m，作为煤岩气的区域性盖层，保存条件好[22]；下泥岩（含三工河组泥岩）厚度为140~160 m，煤岩顶、底板封堵条件好（图 1b）。
2 智能综合预测技术采用“五步法”逐级控制的测井-地质-地震一体化研究思路，通过叠前CRP道集优化处理、煤岩厚度预测，断裂检测、含气性预测以及“甜点”展布特征分析，对准噶尔盆地白家海凸起西山窑组煤岩气“甜点”进行智能综合预测。
2.1 叠前CRP道集优化处理技术 2.1.1 叠前CRP道集品质分析对研究区C504，C512，C17等5口井进行井旁道集特征分析可知，叠前CRP道集最大偏移距为3 650 m，西山窑组煤岩深度为2 400~2 800 m，双程反射旅行时间为2 200~2 500 ms，广角信息丰富，道集信噪比较低，噪声较为严重，地震反射同相轴横向不连续；地震资料有效频带为5~58 Hz，地震主频为30 Hz，低频丰富，高频不足，道集偏移速度较合理，同相轴不存在剩余时差；道集由近道至远道振幅能量增强，符合AVO规律。
2.1.2 叠前道集处理关键技术（1）处理思路
采用地质目标驱动下处理、解释一体化思路对叠前CRP道集进行优化处理，处理流程如图 2所示。
|
下载原图 图 2 准噶尔盆地白家海凸起侏罗系西山窑组叠前CRP道集优化处理流程 Fig. 2 Flow chart of pre-stack CRP gather optimization processing of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
（2）关键技术
高信噪比、高分辨率地震剖面是获得煤岩气“甜点”储层预测结果可靠性的资料基础，提高CRP道集信噪比及分辨率处理是叠前道集处理的关键。本文主要采用构造保边去噪技术提高资料信噪比，采用谐波高频恢复分辨处理技术提高垂向分辨能力，以识别薄层煤岩。
构造保边去噪技术。研究区资料信噪比较低，断裂发育，常规去噪方法在去除噪声的同时，横向平滑模糊了断裂边界，不利于断层刻画。构造保边去噪技术是从物理的扩散现象引申而来，将图像作为初始条件，通过解关于时间的偏微分方程得到扩散后的图像；在扩散方程中通过引入结构张量获取局部结构信息（断层、尖灭等），根据这些结构信息设计扩散张量，即在不同的方向上采用不同的扩散系数，在提高信噪比的同时又有效保持了断裂边界细节。在CRP道集上采用构造保边去噪技术，将滤波和边缘检测的过程结合起来，在提高地震资料信噪比的同时，还可以增强反射同相轴的连续性，保护重要的地质构造信息。以C512井旁道集为例，叠前CRP道集去噪前信噪比低（图 3a），构造保边去噪后信噪比明显提高，同相轴横向连续性也得到增强（图 3b），去噪残差道集表现为弱振幅、斜干扰的特征，与地层产状不一致（图 3c）。
|
下载原图 图 3 准噶尔盆地白家海凸起C512井侏罗系西山窑组叠前CRP道集构造保边去噪处理效果分析 Fig. 3 Effict analysis of edge preservation and denoising processing in pre-stack CRP dataset construction of Jurassic Xishanyao Formation in well C512 in Baijiahai uplift, Junggar Basin |
谐波高频恢复分辨处理技术。地震波在地下介质中传播时，高频信号相对于低频信号吸收衰减更快，使得地震信号主频低、频带宽度小，将地震信号分解到连续小波域，高频信号的小尺度小波系数能量会相对较弱。谐波高频恢复分辨处理技术是基于地震信号在连续小波域具有多分辨率的特征，利用谐波拓频原理，在原始信号中加入高频谐波地震子波信号[23]。该方法在研究区的应用效果较好，地震信号的分辨率得到了提高，主频提高（图 4a，4b），频带宽度变大，由原来的0~18 Hz拓宽到0~32 Hz（如图 4c中红色框线所示），能更好地刻画地层反射信息。
|
下载原图 图 4 准噶尔盆地白家海凸起侏罗系西山窑组地震子波谐波高频恢复分辨处理效果分析 Fig. 4 Effect analysis of seismic wavelet and harmonichingh-frequency recovery processing techniques in the Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
将上述方法应用于过C504井旁道集处理（图 5），原始道集信噪比低，经构造保边去噪处理后，信噪比提高，地震反射同相轴连续性增强；将保边去噪处理后的道集拉平，消除了远道不平的影响；再采用谐波高频恢复分辨处理技术对道集进行处理，叠前道集分辨率得到了提高，薄层响应特征更清晰（如图 5中蓝色线条所示）。采用上述技术进行优化处理后的叠前CRP道集与正演道集具有相似的AVO响应特征，即随着炮检距（入射角）的增大，振幅能量增大，符合Ⅳ类AVO特征（图 5e）。
|
下载原图 图 5 准噶尔盆地白家海凸起C504井侏罗系西山窑组叠前CRP道集优化处理效果分析 Fig. 5 Effect analysis of pre-stack CRP gathers optimization processing of Jurassic Xishanyao Formation in well C504, Baijiahai bulge, Junggar Basin |
将原始地震剖面与叠前CRP道集优化处理后的地震剖面进行对比，处理后的地震剖面上波组强弱关系、断点均更清晰，地震信号的分辨率、信噪比都得到了明显的提高，保幅性更好，有效频带宽度由处理前的5~58 Hz上升为5~80 Hz，主频由30 Hz提升为40 Hz（图 6a，6b）。以C504井为例，其西山窑组煤岩厚度为18 m，煤岩间有4 m泥岩夹层，分别将原始地震剖面和本文方法处理后的地震剖面中煤岩顶、底在小时窗内进行井-震合成记录标定可知，原始地震剖面中煤岩顶、底地震响应特征均为一强波峰，对应波峰的上、下过零点位置，而本文方法处理后的地震剖面中煤岩顶、底地震响应特征为波峰夹波谷（薄层泥岩响应）夹波峰，泥岩夹层得到了较好地显示，地震合成记录相关系数达到95%[24-25]（图 6c—6e）。
|
下载原图 图 6 准噶尔盆地白家海凸起侏罗系西山窑组叠前时间偏移剖面处理效果分析 Fig. 6 Effect analysis of pre-stack time migration section of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
研究区西山窑组煤岩及上覆、下伏泥岩的地震波速度差异大，分别为2 200~2 500 m/s、3 400 m/s和3 900 m/s，易形成明显的反射系数界面，地震波主频40 Hz，煤岩调谐厚度约为20 m，正处于1∕4波长范围内，符合调谐厚度原理，即煤层的厚度与地震反射振幅值呈正相关。将叠前CRP道集优化处理后的三维地震数据体（纯波数据）进行90°相移后[26-27]，在层位标定基础上，沿煤岩顶、底全三维自动解释后提取最大波峰振幅属性平面图；统计已钻井目的层段煤岩厚度及对应井旁地震道的振幅值，制作振幅-厚度调谐曲线，并拟合二者的关系式，即可将煤岩对应的振幅属性转换成厚度[28-29]。以该方法结合已钻井西山窑组煤岩厚度，即可预测研究区煤岩厚度（图 7a）。预测结果显示，工区北部煤岩厚度大于15 m，煤岩较发育；南部煤岩厚度小于10 m，煤岩欠发育。结合工区西山窑组煤岩沉积前古地貌（图 7b）分析，煤岩主要发育在北部低洼区，厚度大于15 m，中部低隆部位煤岩厚度为10~15 m，而南部深水区煤岩不发育。本文方法对煤岩厚度的预测结果与沉积规律相符合[4]。
|
下载原图 图 7 准噶尔盆地白家海凸起侏罗系西山窑组煤岩厚度定性预测（a）和沉积前古地貌（b） Fig. 7 Qualitative prediction of coalbed thickness(a) and pre-sedimentary paleogeomographic(b)of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
分频反演作为一种高分辨率反演方法在储层预测中日臻成熟[30-31]，并与人工智能反演、数据驱动的多属性反演相结合，初步形成了分频智能反演方法[32]。该方法是将地震分频技术与机器学习方法相结合进行地震反演，与常规反演结果相比，其反演结果与原始地震波形具有较好匹配度，与测井曲线的吻合度更高，且储层分布更连续，形态更清晰，可以精确预测储层的几何形态[33]。
分频智能反演的实施步骤如下：
（1）选取敏感参数。将研究区煤岩和泥岩的自然伽马（GR）值分别与声波时差、密度、波阻抗和电阻率等进行交会分析（图 8）可知，GR曲线可以有效地对泥岩和煤岩进行区分，煤岩的GR值小于42 API，而泥岩GR值通常大于42 API。此外，研究区GR曲线样本充足，为储层反演奠定资料基础。因此，以自然伽马测井曲线作为区分岩性的敏感参数。
|
下载原图 图 8 准噶尔盆地白家海凸起侏罗系西山窑组煤岩、泥岩的特征参数交会图 Fig. 8 Crossplot of characteristic parameters of coal-rock and mudstone of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
（2）地震数据分频处理。采用的三维纯波数据有效频带为5~80 Hz，以Marr子波作为母小波，利用连续小波变换算法将原始地震资料分解为低、中、高频数据体[34]，其中低频数据体（5~40 Hz）主频为20 Hz，中频数据体（20~60 Hz）主频为40 Hz，高频数据体（40~80 Hz）主频为60 Hz。
（3）井-震标定。为了保留地震信息，将分频地震道和分频道积作为内部属性输入，由于地震资料分辨率低，在井-震信息匹配时，将GR曲线采样间隔放大至1 ms，与地震采样间隔一致。
（4）机器学习参数设置。反演时选取研究区内的8口探井数据参与训练学习，其中随机选择60% 的井数据作为机器学习的训练集，20% 的井数据作为测试集，20% 的井数据作为验证集；在每个分频地震数据体中提取井点周围地震道作为特征向量，GR曲线作为监督数据（标签），得到的反演数据体属性值在一定程度上可以反映GR值的分布特征。
（5）分频智能反演模型建立。利用Vapnik等[35]提出的支持向量机训练方法建立回归模型，其中核函数为径向基函数（RBF）。该方法在保证高精度拟合的同时，可得到全局最优且避免局部最优结果[36-37]，通过支持向量机建立GR曲线与地震道之间的非线性映射关系，将所有频段的属性体转换为一个代表标准化GR曲线的反演数据体。
采用分频智能反演方法对研究区西山窑组煤岩厚度进行预测。以过C36—C504—C49连井反演剖面为例（图 9a），其分频智能反演结果与3口井的GR曲线的吻合度均较高；C504井的上煤岩、泥岩夹层及下煤岩在反演剖面上的厚度及分布形态清晰。根据下煤岩储层的横向延伸范围，煤岩顶、底的双程旅行时间及反射速度可计算得到下煤岩厚度，结果（图 9b）显示，下煤岩受古地貌和沉积环境影响明显，厚度变化较大，北部低洼区（C512— C504—C49井区），下煤岩厚度为15~20 m，中部低隆区（BJ2—C3163—CT1H井区），下煤岩的厚度为10~15 m，而南部深水区（C36—C48—BJ6井区），煤岩厚度为5~10 m，整体而言，由北至南，下煤岩的厚度逐渐变小。统计4口未参与反演井的煤岩厚度与预测厚度吻合率达95% 以上，也证实了分频智能反演煤岩厚度预测的准确性和可靠性。
|
下载原图 图 9 准噶尔盆地白家海凸起侏罗系西山窑组煤岩分频智能反演剖面（a）和下煤岩厚度预测平面图（b） Fig. 9 Frequency division intelligent inversion profile of coalbed(a)and quantitative prediction plan of lower coalbed thickness(b)of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
研究区西山窑组天然气既有来自侏罗系煤层的自源气，也有来自深部石炭系的高—过成熟它源气，印支期压扭形成的逆断层将石炭系的油气垂向输导运移到西山窑组煤岩，侏罗纪末期的燕山运动拉张走滑在西山窑组煤岩沉积时期活动强度最大，垂向上断裂将石炭系的它源气沟通到西山窑煤岩，横向上油气藏的分布也受走滑断裂控制[38]，因此断裂展布预测尤为重要。传统的断裂解释主要采用人机交互方式，断层解释效率低、人为不确定性大，增加了油气勘探开发的成本和风险，而智能断裂检测技术无须设置任何参数即可对地震数据进行断层识别，避免了常规方法中人为设置参数造成的经验误差和不确定性。
深度学习智能地震断裂检测技术主要流程：①模型构建。采用深度学习算法[39]，构建一系列Unet三维断层体模型，其中U-net模型由编码子网络和解码子网络组成，这2个子网络使整个模型以端到端的方式进行模型训练，从而获取地震资料解释的断层预测模型[40]，训练后的断层识别模型无须设置多余参数即可对地震数据进行断层识别。②地震资料解释性处理。采用构造导向滤波（可以提高地震资料的信噪比，增强同相轴的连续或间断特征，以突出断层面的地震资料响应）及低频滤波（可以有效降低低频趋势造成的影响，从而凸显断层信息）2种方法进行解释性处理组合应用，并进行多次迭代，达到增强断层地震资料响应特征的效果。③断层智能解释。根据地震数据面元、采样数及断层响应特征确定输入参数值，地震数据子体面积大小选择应与训练样本保持一致，通过调整插值百分比可以改善断层预测效果。
与常规相干体断层预测技术相比，研究区西山窑组煤岩顶采用深度学习智能断裂检测技术提取的相干体平面图上断裂的展布规律更加清晰（图 10a，10b），将之与地质构造应力场分析结合起来编制的断裂纲要（图 10c）显示，研究区发育2组方向的断裂，一组为近东西向展布的2排雁列式断裂带，分布在鼻状凸起的南北两翼，均为正断裂，其中北翼断裂长30.5 km，断距为10~20 m，由6条S形右旋走滑断裂相接形成辫状走滑断裂，切割鼻状凸起的轴部，在平面上形成地堑型断块圈闭，该断裂带发育时间较早，在晚侏罗世—早白垩世燕山期构造活动较活跃，纵向上从石炭系延伸至侏罗系，产气井C512、C504、C17、C3163等井均分布在该走滑断裂两侧；南翼断裂长7.2 km，断距为10~15 m，切割鼻状凸起的翼部。另一组断裂为北东—南西向正断裂，是雁行式断裂的共轭断裂，平面上延伸长度为2~8 km，断距为10~15 m。这2组断裂的活动时期与石炭系和西山窑组烃源岩的排烃期相匹配，为油气垂向运移提供了重要的通道。
|
下载原图 图 10 准噶尔盆地白家海凸起侏罗系西山窑组煤岩顶不同方法断裂预测结果对比 Fig. 10 Comparison of fault prediction results of different methods for coalbed roof of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
流体替换是指从一种孔隙流体状态下的岩石物理参数计算出另一种流体状态下的岩石物理参数，可为AVO研究提供正演模拟及定量分析的工具[41-42]。本文在煤岩厚度和顶、底板岩性不变的前提下，通过流体替换方法来研究煤岩含气时的AVO特征。以C504井为例，对该井西山窑组煤岩进行流体替换，分别设置孔隙流体的含气饱和度为0，20%，40%，60%，80% 和100%，结果表明，含气饱和度越高，煤岩的纵波速度越小（图 11）。
|
下载原图 图 11 准噶尔盆地白家海凸起C504井侏罗系西山窑组煤岩流体替换分析 Fig. 11 Fluid substitution analysis of Coalbed of Jurassic Xishanyao Formation in well C504 in Baijiahai uplift, Junggar Basin |
将C504井西山窑组煤岩流体替换后的纵、横波速度和密度曲线进行角道集正演（图 12），振幅值、泊松比（P+G，P为截距，G为梯度）均随含气饱和度的增大而增大；煤岩含气后随入射角增大，振幅值也随之增大，表现出Ⅳ类AVO特征。
|
下载原图 图 12 准噶尔盆地白家海凸起侏罗系西山窑组煤岩气顶不同含气饱和度时的AVO特征 注：P+G为泊松比，其中P为截距，G为梯度。 Fig. 12 AVO characteristics with different gas saturation of Coalbed methane roof of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
根据煤岩气顶不同含气饱和度的AVO特征，对工区过C36—C504—C49井西山窑组煤岩含气饱和度剖面进行反演（图 13a），位于背斜顶部的C504井煤岩厚度为16 m，含气饱和度大于80%，自喷期天然气产量达0.73×104 m3/d以上；位于南斜坡的C36井和北斜坡的C49井煤岩厚度分别为8 m和20 m，含气饱和度均小于30%，试气结果均为干层。
|
下载原图 图 13 准噶尔盆地白家海凸起侏罗系西山窑组煤岩含气饱和度分布预测 Fig. 13 Gas saturation distribution prediction of coalbed of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
根据反演的研究区西山窑组煤岩含气饱和度三维数据体可编制含气饱和度平面分布图（图 13b），含气区主要分布在研究区北部走滑断裂带南北两侧，走滑断裂北侧即C512—C504—C17—CT1H井区为煤岩气高产富集区，C512、C17和CT1H井的煤岩天然气产量分别为0.15×104 m3/d，0.80×104 m3/d和2.00×104 m3/d；走滑断裂南侧BJ2—C3163井区为煤岩气富集区，其中C3163井煤岩天然气产量为0.10×104 m3/d。研究区南部C36—C48—BJ6井区（斜坡区）试气结果为干层，煤岩气不富集。将区内4口未参与反演井的产气量与平面预测结果进行标定，吻合度可达88%，证实了本文方法预测煤岩含气性的可靠性。
2.5 煤岩气“甜点”展布特征对C17、C504、C512、CT1H等井西山窑组下煤岩气高产主控因素进行分析可知，煤岩气“甜点”储层受圈闭类型、煤岩厚度、通源断裂和含气饱和度四重因素共同控制。以西山窑组下煤岩顶面构造图为基础，采用叠合分析法确定“甜点”储层的特征，即圈闭类型为断鼻或断块、煤岩厚度大于10 m、存在通源断裂且断距大于10 m，含气饱和度大于50%。煤岩气“甜点”储层主要分布在走滑断裂的南北两侧，其中走滑断裂北侧发育5个“甜点”储层，圈闭类型为断层-岩性圈闭，圈闭面积为12.1~17.8 km2，该区探井较少，但C504、C17、C016井均获得高产工业气流，勘探潜力大，可作为下一步重点勘探区；走滑断裂南侧发育26个“甜点”储层，圈闭类型主要为断块-岩性圈闭和断层-岩性圈闭，圈闭面积为2.1~9.8 km2，区内C512、C514等井获得工业气流，可作为储备目标。研究区合计预测了31个“甜点”区，累计面积达231.9 km2（图 14）。
|
下载原图 图 14 准噶尔盆地白家海凸起侏罗系西山窑组下煤岩气“甜点”分布预测 Fig. 14 Prediction of"sweet spot" distribution of lower coalbed methane of Jurassic Xishanyao Formation in "Baijiahai uplift, Junggar Basin |
采用“五步法”逐级控制的研究思路，围绕准噶尔盆地白家海凸起西山窑组煤岩气“甜点”储层的平面分布范围，沿辫状走滑断裂的两侧部署探井，如C514、C016、C33等井都在煤岩气“甜点”储层获得工业气流。为了验证该方法的合理性及可靠性，设置圈闭类型、煤岩层厚度、油源断裂和油气产量4个指标的权重均为25%，在KH1、KH2、KH3等3口直井完钻后进行考核（图 14），并将预测结果与实钻结果进行对比（表 1）可知，煤岩气“甜点”储层预测的吻合率达92%。
|
下载CSV 表 1 准噶尔盆地白家海凸起侏罗系西山窑组下煤岩气“甜点”储层预测分析 Table 1 "Sweet spot"prediction of lower coalbed methane of Jurassic Xishanyao Formation in Baijiahai uplift, Junggar Basin |
此外，根据本文方法预测的含气性分布特征，对新钻井BJ10井西山窑组下煤岩水平井井轨迹进行调整及动态监控，钻遇西山窑组下煤岩厚度为12.6 m，提高了钻探成功率（图 15）。
|
下载原图 图 15 准噶尔盆地白家海凸起BJ10井侏罗系西山窑组下煤岩水平井轨迹动态监控调整 Fig. 15 Dynamic monitoring and adjustment of horizontal well trajectory in lower coaled of Jurassic Xishanyao Formation of BJ10 well in Baijiahai uplift, Junggar Basin |
（1）对准噶尔盆地白家海凸起西山窑组采用“五步法”逐级控制的测井-地质-地震一体化思路进行煤岩气“甜点”储层预测，该预测结果与实钻井结果的吻合率达92%；指导水平井的井轨迹调整及动态监控，提高了钻探成功率。
（2）研究区西山窑组煤岩气“甜点”储层的分布主要受圈闭类型、煤岩厚度、走滑源断裂和油气产量4个因素共同控制；“甜点”储层的特征为圈闭类型为断鼻（或断块），煤岩厚度大于10 m，存在通源断裂且断距大于10 m，含气饱和度一般高于50%；主要分布在区域北部走滑断裂的南北两侧，共有31个“甜点”区，累计面积达231.9 km2，其中走滑断裂北侧的5个“甜点”储层勘探潜力更大。
| [1] |
李国欣, 朱如凯. 中国石油非常规油气发展现状、挑战与关注问题. 中国石油勘探, 2020, 25(2): 1-13. LI Guoxin, ZHU Rukai. Progress, challenges and key issues in the unconventional oil and gas development of CNPC. China Petroleum Exploration, 2020, 25(2): 1-13. DOI:10.3969/j.issn.1672-7703.2020.02.001 |
| [2] |
张懿, 朱光辉, 郑求根, 等. 中国煤层气资源分布特征及勘探研究建议. 非常规油气, 2022, 9(4): 1-8. ZHANG Yi, ZHU Guanghui, ZHENG Qiugen, et al. Distribution characteristics of coalbed methane resources in China and recommendations for exploration research. Unconventional Oil & Gas, 2022, 9(4): 1-8. |
| [3] |
何海清, 支东明, 雷德文, 等. 准噶尔盆地南缘高泉背斜战略突破与下组合勘探领域评价. 中国石油勘探, 2019, 24(2): 137-146. HE Haiqing, ZHI Dongming, LEI Dewen, et al. Strategic breakthrough in Gaoquan anticline and exploration assessment on lower assemblage in the southern margin of Junggar Basin. China Petroleum Exploration, 2019, 24(2): 137-146. |
| [4] |
支东明, 薛冽, 王屿涛, 等. 准噶尔盆地煤岩气资源及勘探潜力. 北京: 石油工业出版社, 2009. ZHI Dongming, XUE Lie, WANG Yutao, et al. Coalbed methane resources and exploration potential in Junggar Basin. Beijing: Petroleum Industry Press, 2009. |
| [5] |
杜世涛, 安庆, 常智泰, 等. 新疆煤层气勘探开发迈向新阶段. 非常规油气, 2023, 10(6): 1-7. DU Shitao, AN Qing, CHANG Zhitai, et al. The exploration and development of coalbed methane in Xinjiang are entering a new stage. Unconventional Oil & Gas, 2023, 10(6): 1-7. |
| [6] |
郭绪杰, 支东明, 毛新军, 等. 准噶尔盆地煤岩气的勘探发现及意义. 中国石油勘探, 2021, 26(6): 38-49. GUO Xujie, ZHI Dongming, MAO Xinjun, et al. Discovery and significance of coal measure gas in Junggar Basin. China Petroleum Exploration, 2021, 26(6): 38-49. DOI:10.3969/j.issn.1672-7703.2021.06.003 |
| [7] |
朱志良, 高小明. 陇东煤田侏罗系煤岩气成藏主控因素与模式. 岩性油气藏, 2022, 34(1): 86-94. ZHU Zhiliang, GAO Xiaoming. Main controlling factors and models of Jurassic coalbed methane accumulation in Longdong coal field. Lithologic Reservoirs, 2022, 34(1): 86-94. |
| [8] |
侯海海, 李强强, 梁国栋, 等. 准噶尔盆地南缘西山窑组与八道湾组煤层气成藏富集条件对比研究. 非常规油气, 2022, 9(1): 18-24. HOU Haihai, LI Qiangqiang, LIANG Guodong, et al. Comparative study of CBM accumulation conditions between the Xishanyao Formation and the Badaowan Formation in the southern Junggar Bain. Unconventional Oil & Gas, 2022, 9(1): 18-24. |
| [9] |
王圣柱, 王千军, 张关龙, 等. 准噶尔盆地石炭系烃源岩发育模式及地球化学特征. 油气地质与采收率, 2020, 27(4): 13-25. WANG Shengzhu, WANG Qianjun, ZHANG Guanlong, et al. Development mode and geochemical characteristics of Carboniferous source rocks in Junggar Basin. Petroleum Geology and Recovery Efficiency, 2020, 27(4): 13-25. |
| [10] |
尹海洋, 陈同俊, 宋雄, 等. 基于地震属性优化和机器学习的煤层厚度预测方法. 煤田地质与勘探, 2023, 51(5): 164-170. YIN Haiyang, CHEN Tongjun, SONG Xiong, et al. Methods for predicting the thickness of coal seams based on seismic attribute optimization and machine learning. Coal Geology & Exploration, 2023, 51(5): 164-170. |
| [11] |
张晨林. 约束稀疏脉冲反演在煤层厚度预测中的应用. 中国煤炭地质, 2022, 34(9): 68-81. ZHANG Chenlin. Application of constrained sparse pulse inversion in coal thickness prediction. Coal Geology of China, 2022, 34(9): 68-81. DOI:10.3969/j.issn.1674-1803.2022.09.13 |
| [12] |
单蕊. 地震多属性分析技术在煤层厚度预测中的应用分析. 物探化探计算技术, 2021, 43(3): 304-310. SHAN Rui. Application of seismic multi-attribute analysis technique in coal seam thickness predication. Computing Techniques for Geophysical and Geochemical Exploration, 2021, 43(3): 304-310. DOI:10.3969/j.issn.1001-1749.2021.03.06 |
| [13] |
成润根. 基于高分辨率地质统计学反演技术预测煤层厚度应用研究. 中国煤炭地质, 2020, 32(增刊1): 131-134. CHENG Rungen. Applied research on coal thickness prediction based on high resolution geostatistical inversion. Coal Geology of China, 2020, 32(Suppl 1): 131-134. |
| [14] |
邱杰, 符文, 孟祥迪, 等. AVO技术在煤层气勘探中的应用. 中国煤炭地质, 2013, 25(33): 55-62. QIU Jie, FU Wen, MENG Xiangdi, et al. Application of AVO technique in CBM prospecting. Coal Geology of China, 2013, 25(33): 55-62. |
| [15] |
陈跃, 王丽雅, 李国富, 等. 基于随机森林算法的低煤阶煤层气开发选区预测. 油气藏评价与开发, 2022, 12(4): 596-603. CHEN Yue, WANG Liya, LI Guofu, et al. Prediction of favorable areas for low-rank coalbed methane based on Random Forest algorithm. Petroleum Reservoir Evaluation and Development, 2022, 12(4): 596-603. |
| [16] |
陈永波, 张虎权, 张寒, 等. 基于OVT域偏移数据的云质岩储层预测技术及应用: 以玛湖凹陷乌夏地区风三段为例. 岩性油气藏, 2021, 33(6): 145-155. CHEN Yongbo, ZHANG Huquan, ZHANG Han, et al. Dolomitic reservoir prediction technology based on OVT domain migration data and its application: A case study of Feng 3 member in Wuxia area, Mahu Sag. Lithologic Reservoirs, 2021, 33(6): 145-155. |
| [17] |
吴聿元, 陈贞龙. 延川南深部煤层气勘探开发面临的挑战和对策. 油气藏评价与开发, 2020, 10(4): 1-11. WU Yuyuan, CHEN Zhenlong. Challenges and countermea sures for exploration and development of deep CBM of South Yanchuan. Reservoir Evaluation and Development, 2020, 10(4): 1-11. |
| [18] |
靳军, 付欢, 于景维, 等. 准噶尔盆地白家海凸起下侏罗统三工河组沉积演化及油气勘探意义. 中国石油勘探, 2018, 23(1): 81-90. JIN Jun, FU Huan, YU Jingwei, et al. Sedimentary evolution of the Lower Jurassic Sangonghe Formation in Baijiahai uplift, Junggar Basin and its significance in oil and gas exploration. China Petroleum Exploration, 2018, 23(1): 81-90. DOI:10.3969/j.issn.1672-7703.2018.01.009 |
| [19] |
程亮, 王振奇, 陈勇, 等. 准噶尔盆地白家海凸起侏罗系油气成藏模式与勘探方向. 科学技术与工程, 2015, 15(25): 115-134. CHENG Liang, WANG Zhenqi, CHEN Yong, et al. Reservoir forming model and exploration direction of Jurassic petroleum, Baijiahai Swell, Junggar Basin. Science Technology and Engineering, 2015, 15(25): 115-134. DOI:10.3969/j.issn.1671-1815.2015.25.021 |
| [20] |
汤磊鑫, 周虎, 殷磊磊. 淮北地区含煤岩系有机地球化学特征及生烃潜力分析. 非常规油气, 2022, 9(6): 51-60. TANG Leixin, ZHOU Hu, YIN Leilei. Analysis on organic geochemistry characteristics and hydrocarbon-generating potential of coal-bearing strata in Huaibei Area. Unconventional Oil & Gas, 2022, 9(6): 51-60. |
| [21] |
胡海燕, 吴坚, 黄芸, 等. 白家海凸起油气成藏机理及其主控因素. 新疆石油地质, 2013, 34(2): 137-139. HU Haiyan, WU Jian, HUANG Yun, et al. Petroleum accumulation mechanism and controlling factors in Baijiahai Swell, Junggar Basin. Xinjiang Petroleum Geology, 2013, 34(2): 137-139. |
| [22] |
韩永胜, 王峰, 宋煜, 等. 筠连煤层气储层特征与含气量主控因素分析. 非常规油气, 2021, 8(6): 7-13. HAN Yongsheng, WANG Feng, SONG Yu, et al. Analysis of Junlian coalbed methane reservoir characteristics and main controlling factors of gas content. Unconventional Oil & Gas, 2021, 8(6): 7-13. |
| [23] |
马昭军, 胡治权, 张剑飞. 基于谐波分解恢复弱信号的高分辨率处理技术. 新疆石油地质, 2024, 45(2): 235-243. MA Zhaojun, HU Zhiquan, ZHANG Jianfei. High-resolution processing technology for restoring weak signals based on harmonic decomposition. Xinjiang Petroleum Geology, 2024, 45(2): 235-243. |
| [24] |
苏勤, 曾华会, 徐兴荣, 等. 沙漠区地震数据高分辨率处理关键方法及其在尼日尔Agedem地区的应用. 岩性油气藏, 2023, 35(6): 18-28. SU Qin, ZENG Huahui, XU Xingrong, et al. Key techniques of high-resolution processing of desert seismic data and its application in Agedem area, Niger. Lithologic Reservoirs, 2023, 35(6): 18-28. |
| [25] |
侯艳, 柯沛, 宁宏晓, 等. 沁水盆地煤层气地震资料处理技术. 非常规油气, 2024, 11(2): 9-20. HOU Yan, KE Pei, NING Hongxiao, et al. CBM seismic data processing technology in Qinshui Basin. Unconventional Oil & Gas, 2024, 11(2): 9-20. |
| [26] |
刘化清, 刘宗堡, 吴孔友, 等. 岩性地层油气藏区带及圈闭评价技术研究新进展. 岩性油气藏, 2021, 33(1): 25-36. LIU Huaqing, LIU Zongbao, WU Kongyou, et al. New progress in study of play and trap evaluation technology for lithostrati graphic reservoirs. Lithologic Reservoirs, 2021, 33(1): 25-36. |
| [27] |
张军华, 常健强, 王作乾, 等. 90°相移薄互层解释技术理论诠释与实际应用. 吉林大学学报(地球科学版), 2022, 52(4): 1348-1359. ZHANG Junhua, CHANG Jianqiang, WANG Zuoqian, et al. Theoretical annotation and application of 90° phase-shifting thin interbed interpretation technique. Journal of Jilin University(Earth Science Edition), 2022, 52(4): 1348-1359. |
| [28] |
赵长永, 陈希光, 李俊飞, 等. 基于三维地震数据的短期旋回内薄层砂体的预测. 特种油气藏, 2023, 30(6): 40-47. ZHAO Changyong, CHEN Xiguang, LI Junfei, et al. Application in the prediction of thin sand body within short-term sequence cycle based on 3D seismic data. Special Oil & Gas Reservoirs, 2023, 30(6): 40-47. DOI:10.3969/j.issn.1006-6535.2023.06.006 |
| [29] |
刘化清, 苏明军, 倪长宽, 等. 薄砂体预测的地震沉积学研究方法. 岩性油气藏, 2018, 30(2): 1-11. LIU Huaqing, SUN Mingjun, NI Changkuan, et al. Thin bed prediction from interbeded background: Revised seismic sedimentological method. Lithologic Reservoirs, 2018, 30(2): 1-11. |
| [30] |
于建国, 韩文功, 刘力辉. 分频反演方法及应用. 石油地球物理勘探, 2006, 41(2): 193-197. YU Jianguo, HAN Wengong, LIU Lihui. Frequency-divided inversion and application. Oil Geophysical Prospecting, 2006, 41(2): 193-197. DOI:10.3321/j.issn:1000-7210.2006.02.015 |
| [31] |
张卫卫, 刘军, 刘力辉, 等. 珠江口盆地番禺4洼古近系文昌组岩性预测技术及应用. 岩性油气藏, 2022, 34(6): 118-125. ZHANG Weiwei, LIU Jun, LIU Lihui, et al. Lithology prediction technology and its application of Paleogene Wenchang Formation in Panyu 4 depression, Pearl River Mouth Basin. Lithologic Reservoirs, 2022, 34(6): 118-125. |
| [32] |
LI Wei, YUE Dali, WU Shenghe, et al. Characterizing meander belts and point bars in fluvial reservoirs by combining spectral decomposition and genetic inversion. Marine and Petroleum Geology, 2019, 105: 168-184. DOI:10.1016/j.marpetgeo.2019.04.015 |
| [33] |
淮银超, 张铭, 谭玉涵, 等. 澳大利亚东部S区块煤层气储层特征及有利区预测. 岩性油气藏, 2019, 31(1): 49-56. HUAI Yinchao, ZHANG Ming, TAN Yuhan, et al. Reservoir characteristics and favorable areas prediction of coal bed methane in S block, eastern Australia. Lithologic Reservoirs, 2019, 31(1): 49-56. |
| [34] |
李洪辉, 岳大力, 李伟, 等. 基于分频智能反演的曲流河点坝与废弃河道识别. 石油地球物理勘探, 2023, 58(2): 358-368. LI Honghui, YUE Dali, LI Wei, et al. Identification of point bar and abandoned channel of meandering river by spectral decomposition inversion based on machine learning. Oil Geophysical Prospecting, 2023, 58(2): 358-368. |
| [35] |
VAPNIK V, LEVIN E, CUN Y. Measuring the VC-dimension of a learning machine. Neural Computation, 1994, 6(5): 851-876. DOI:10.1162/neco.1994.6.5.851 |
| [36] |
苏建龙, 米鸿, 王彦春, 等. 基于支持向量机的非线性弹性阻抗反演方法. 石油地球物理勘探, 2014, 49(4): 751-758. SU Jianlong, MI Hong, WANG Yanchun, et al. Nonlinear elastic impedance inversion method supported by vector machines. Oil Geophysical Prospecting, 2014, 49(4): 751-758. |
| [37] |
张彦周, 刘叶玲, 谢宝英. 支持向量机在储层厚度预测中的应用. 勘探地球物理进展, 2005, 28(6): 422-424. ZHANG Yanzhou, LIU Yeling, XIE Baoying. Application of SVM in prediction of reservoir thickness. Progress in Exploration Geophysics, 2005, 28(6): 422-424. |
| [38] |
陈棡, 卞保力, 李啸, 等. 准噶尔盆地腹部中浅层油气输导体系及其控藏作用. 岩性油气藏, 2021, 33(1): 46-56. CHEN Gang, BIAN Baoli, LI Xiao, et al. Transport system and its control on reservoir formation of Jurassic-Cretaceous reservoirs in hinterland of Junggar Basin. Lithologic Reservoirs, 2021, 33(1): 46-56. |
| [39] |
丁燕, 杜启振, YASIN Q, 等. 基于深度学习的裂缝预测在S区潜山碳酸盐岩储层中的应用. 石油物探, 2020, 59(2): 267-275. DING Yan, DU Qizhen, YASIN Q, et al. Fracture prediction based on deep learning application to a buried hill carbonate reservoir in the S area. Geophysical Prospecting for Petroleum, 2020, 59(2): 267-275. |
| [40] |
赵邦六, 雍学善, 高建虎, 等. 中国石油智能地震处理解释技术进展与发展方向思考. 中国石油勘探, 2021, 26(5): 12-23. ZHAO Bangliu, YONG Xueshan, GAO Jianhu, et al. Progress and development direction of PetroChina intelligent seismic processing and interpretation technology. China Petroleum Exploration, 2021, 26(5): 12-23. |
| [41] |
刘红星, 陈海清, 陈斌, 等. AVO技术在鄂东缘煤系致密气预测中的适用性分析. 石油地球物理勘探, 2023, 57(增刊2): 92-99. LIU Hongxing, CHEN Haiqing, CHEN Bin, et al. Analysis of application of AVO technique in prediction of Coal-measure tight gas in easter margin of Erdos Basin. Oil Geophysical Prospecting, 2023, 57(Suppl 2): 92-99. |
| [42] |
张鹏豹, 李凡异, 杨童, 等. AVO技术在二连盆地吉尔嘎朗图凹陷低煤阶煤层气预测中的应用. 大庆石油地质与开发, 2021, 40(1): 129-136. ZHANG Pengbao, LI Fanyi, YANG Tong, et al. Application of AVO technique in the prediction of low-rank CBM in Jiergalangtu sag of Erlian Basin. Petroleum Geology & Oilfield Development in Daqing, 2021, 40(1): 129-136. |