融合多种地震属性的储层预测技术，即通过从三维地震数据体中提取多种属性，选择与储层岩性或含油性对应关系较好的地震属性进行储层预测，这种方法常用于油田井网稀疏区域^[1]。本文以珠江口盆地文昌A 油田第三系下中新统珠江组一段三油组低渗储层研究为例，在综合岩心、测井、地震分析的基础上，运用多种地震属性进行井间储层预测及沉积微相研究。文昌A 油田位于珠江口盆地西部珠三拗陷，拗陷内地层从下至上分别为：古新统神狐组、始新统文昌组、下渐新统恩平组、上渐新统珠海组、下中新统珠江组、中中新统韩江组、上中新统粤海组^[2]。文昌A 油田下中新统珠江组一段三油组顶面埋深1 100 ~1 200 m，储层厚度10 ~30 m（平均17.1 m），储层岩性为泥质粉砂岩~ 粉砂质泥岩，泥质含量高，发育滨浅海过渡相滨外砂坝沉积，平面、层内非均质性较弱，井间渗透率分布在9.23×10^-3 ~ 87×110^-3 μm²，砂体平均渗透率49.2×110^-3 μm²，为典型海上低渗储层。由于储层厚度薄、砂体之间的叠置关系复杂，地震上区分砂体大小、相边界划分比较困难，而储层中隔夹层的空间分布，砂体之间的连续性以及油藏规模都受制于沉积相，特别是沉积微相的控制^[3]。目前该油组仅一口井开发，是挖潜调整的重要靶区。

鉴于研究区块的开发现状，仅利用单井信息和地震剖面砂体追踪研究沉积微相平面展布规律精度较低，同时也达不到开发调整的要求，因此尝试地震属性融合技术进行储层预测，研究流程如图 1。

图 1(Figure 1)

图 1 地震属性分析进行储层预测流程图

在储层界面精细解释的基础上，沿层提取多种地震属性。以GeoFrame 研究平台为例，在SATK 属性提取模块可以提取多达85 种以上的地震属性。按照地球物理属性类型归纳起来，都可以归到振幅、频率和相位三种类型。

任何一种地震属性参数均不可能反映全部地层信息，在运用单属性进行储集空间预测时，都会存在不同程度的多解性^[4]，因此地震属性提取后，对提取的众多地震属性进行优选并对属性地质含义进行标定才是属性分析的关键。在提取并初选地震属性参数后，重要的是建立地震属性参数与岩性、物性之间的联系^[5]。对于优选地震属性来说，利用经验或数学方法，优选出对所求解问题最敏感的、属性个数最少的地震属性或地震属性组合，以提高储层地震预测精度，改善与地震属性有关的处理及解释效果，这些是地震属性优化的核心内容^[6]。

通过多种方法将多种地震属性的非线性组合特征聚类成指定的地震相类别。以图示化的地震属性四维立体交会和N 维平行交会工具，直观、清楚地表示了地震属性的非线性组合在聚类空间上的分离度。在交会图上，一方面可以确定各种地震属性之间的相关关系，另一方面通过与平面图、剖面图之间的交互分析，研究地震属性平面展布特点与宏观地质背景之间的关联性，从而确定哪些属性能够反映地质规律。

如何利用地震属性进行沉积相砂体展布预测一直是个难点，地震属性能否定性甚至定量约束地质属性？利用GeoFrame 平台中的LPM 模块可以进行研究尝试。以优化的地震属性为基础，在密集的地震数据指导下，通过稀疏井点处建立地震属性与储层参数之间的关系，对井间油藏特性进行预测^[7]。在油田开发挖潜阶段，井资料相对勘探阶段更为丰富，通过统计各探井、开发井的砂体净厚、毛厚、净毛比、物性等储层参数数据与地震体属性数据进行对比，寻找一种或多种储层参数与地震属性相关性，进而利用地震属性与井点数据进行地质属性的重构（如砂体毛厚度图、物性图等），经过计算井点处残差分析产生残差网格数据，并利用残差网格数据校正转化的地质属性网格，最后显示井点与生成的地质属性网格可能存在的误差，作为评价结果可行度的指标，多手段进行沉积微相分析和砂体展布预测。

通过对该油田目的层11 口已钻遇井测井、录井、取心资料进行分析，建立单井相和联井相剖面，认为优势相带为滨外砂坝。在平面沉积微相研究和储层预测过程中运用属性分析技术，力求真实客观地呈现砂体展布规律。

根据工区资料品质及适用程度，在下中新统珠江组提取了振幅、频率类属性多种（目的层标定为负相位，振幅属性时窗上下各5 ms），通过GeoFrame 平台SeisClass 模块对属性进行优选。珠江组井资料未能有效覆盖全区，因此采用无样本监督，通过对所提取的振幅、频率属性进行关联度分析，认为振幅属性与井点信息吻合较好（图 2），将振幅属性分为四簇，在3D 属性交会图中（图 3），将各簇分别发射到平面图上，发现这些交会红点在工区的分布区域与已知井含油气分布特征有很高的吻合率（图 4）。

图 2(Figure 2)

图 2 文昌A 油田珠江组一段三油组多属性关联度对比图

图 3(Figure 3)

图 3 振幅属性在3D 交会图上分簇显示表

图 4(Figure 4)

图 4 振幅属性分簇在平面图上投影（红点区域）

选取珠江组一段三油组井点储层毛厚、净厚、砂层净厚、砂地比、孔隙度、渗透率等储层参数进行统计，提取的地震属性有最大、最小振幅、均方根振幅、半能量等。通过地震属性与储层参数相关性分析，认为储层毛厚、储层孔隙度、砂地比储层参数与半能量、最大、最小振幅、均方根振幅等地震属性综合响应具有良好的相关性（表 1），且数值越高相关性越好。故利用地震属性对砂体厚度进行构建，从而达到沉积微相精细解释和储层预测的目的。

表 1(Table 1)

表 1 ZJ1-3 油组储层地质参数与地震属性相关系数统计 %

表 1 ZJ1-3 油组储层地质参数与地震属性相关系数统计 % 地震属性 储层毛厚 储层净毛比 储层渗透率 储层孔隙度 储层净厚 半能量 66.8 52.0 56.4 69.0 49.0 最大振幅 84.8 82.6 75.8 80.4 85.4 最小振幅 87.1 76.1 67.5 76.7 77.9 均方根振幅 85.7 81.4 74.7 79.9 84.0 叠加综合 93.5 84.4 80.4 90.7 86.5

储层毛厚与地震属性关系式为：

储层毛厚＝ 64.28 +（-5.36e ^-19）× 半能量+（-1.37e ^-10）× 最大振幅+（2.09e ^-10）× 最小振幅+（9.88e ^-11）× 均方根振幅

通过上述公式将四种地震属性网格转化为储层毛厚度图，转化过程有三种算法：GuidedMapping、CoKriging 和GeoMapping。第一种算法是用储层参数与地震属性的标定结果将地震属性网格数据直接转化为储层参数网格数据，然后计算井点处的残差；第二种算法是基于克里金算法，综合井数据和地震数据产生储层参数网格数据；第三种算法也基于克里金算法，仅使用井数据产生储层参数网格数据。鉴于研究区为海上油田，井网密度稀，无法满足克里金算法要求，故选择第一种算法。经过井点残差分析得出井点残差分布图，将井点影响考虑在内校正转化的储层毛厚度图（图 5），可见西部井区（2 井、A9 井、A8 井、A12 井）储层毛厚度大于东部井区。另外可以通过该毛厚度图校正原沉积微相图（图 6），从图中可以得出结论：西部井区相带类型要好于东部井区，为开发挖潜的潜力区。

图 5(Figure 5)

图 5 文昌A 油田ZJ1-3 油组地震属性约束下重构储层毛 厚度图（已经井点残差校正）

图 6(Figure 6)

图 6 文昌A 油田珠江组一段三油组沉积微相图

运用地震多属性分析技术进行平面沉积微相研究和储层预测，能将储层参数与地震属性相关性量化，并通过相关性较好的地震属性对储层参数进行重构和解释，使平面沉积微相展布研究更为精确。值得注意的是运用此分析技术的工区必须有一定数目的井点信息作为依据，且为高品质三维叠前偏移纯波地震资料，同时进行测井、地质、地球物理与油藏多学科融合，否则往往会被地震属性这把“双刃剑”带入歧途。