三维地震资料在密井网区井间储层预测中的应用——以大庆油田PN地区典型区块葡萄花油层为例

唐金荣（大庆油田有限责任公司勘探开发研究院，黑龙江 大庆163712）

三维地震资料在密井网区井间储层预测中的应用
——以大庆油田PN地区典型区块葡萄花油层为例

唐金荣（大庆油田有限责任公司勘探开发研究院，黑龙江 大庆163712）

传统意义上基于测井曲线来预测沉积微相的方法已经不能满足密井网下特高含水阶段剩余油分布和井间砂体的精细预测，如何将密井网开发资料与三维地震资料有机结合进行井间砂体的预测就成为当务之急。以大庆油田PN地区典型区块葡萄花油层为例，利用井震结合的方法进行精细沉积微相展布的研究，以原有相带图井点数据为基础，运用测井曲线确定砂岩类型，根据地震属性和反演结果确定砂岩厚度、宽度和连通性，利用沿层切片确定不同时期发育的河道，以单层有效厚度和孔隙度确定砂体发育方向，其成果在实际生产中得到了较好的验证。

储层预测；地震反演；井震结合；沉积微相

大庆油田经过半个世纪的发展，开采的主要对象已由厚油层转向高度分散而又局部相对富集的薄差油层，如何将密井网开发资料与三维地震资料有机结合进行井间储层的预测就成为当务之急。因此，必须对开发区的沉积微相展布特征有很明确的认识，才能对储集砂体以及可能的剩余油分布有利区带有更详尽的认识，并用于指导加密井网的部署。以PN油田8断块典型区块为例，利用井震结合的方法，分沉积单元进行砂体预测，提高了葡萄花油层超薄砂体的预测精度。

1 研究方法

准确揭示沉积微相展布范围和分布特征是储层非均质性研究的关键和基础［1］。传统的沉积相研究方法从人工判相发展到测井相自动判别技术［2］，一般是统计单井上各层段的地层厚度、砂岩厚度和含砂率等数据，考虑各井各层段的测井曲线形态，以井点为控制点，勾绘工区内的上述等值线图，平面上分析砂体的展布状况，确定工区的沉积相展布。此次按短期、超短期沉积旋回（小层）两个级别来研究，前者考虑其含砂率分布，进而绘制沉积微相分布图；后者考虑各小层的测井曲线形态及砂岩厚度分布，在短期沉积旋回沉积微相分布趋势约束的前提下，编制各小层的沉积微相分布图。

目前国内外应用地震信息预测薄储层分布的常用方法可归纳为两大类。一类是纯粹依靠地震信息的地震属性分析方法，以不连续性分析法、时频分析法、波形分类法为代表；另一类是综合运用地震资料和测井信息，用反演的方式把地震数据转化为对薄储层反应敏感的声阻抗或其它地层电性信息，从而更精确地预测储层的分布［3～5］。

2 操作流程

地震属性方法［6～8］应用较广，由于地震属性是直接在地震数据体上提取的，因此，首选其作为沉积相研究的辅助方法；而测井约束地震反演的垂向分辨率可达3～8m，可以充分反映砂体的空间展布。基于两者优势，综合绘制沉积微相分布图（图1）。

图1 井震结合进行沉积微相研究流程图

2.1 井点属性提取

多信息预测的关键是提取并优选与地质特性有关的地震属性。因此，有必要对地震属性提取前进行合理的时窗选取和标准化、平滑和压缩等数据的预处理，目的是剔出由于各种属性之间数值差别大和量纲不同导致与地质条件无关的假象等。目前有数理统计模式、模糊模式、神经网络、函数逼近和地质统计学等众多方法。对井点网格和地震属性网格之间采用影响因子值来匹配，运用加权平均达到邻近网格点最佳的权值。

2.2 地震属性方法

地震属性可以从不同角度，以不同形式表征地震信息。主要的地震常规属性近十大类，如振幅、频率、相位、极性、波阻抗等，每一类又包括多种参数。通过地震属性的提取，分析地震属性与钻井信息（如砂岩厚度、储层厚度和油层厚度）之间的关系。

1）聚类分析 在聚类分析过程中，先对数据进行的标准差标准化，再求各个样本之间的模糊相似矩阵，选用布洛克距离算法［9］对多种地震属性进行亲疏程度的比较，并进行最优相关系数（同一类中对象间的相似度最大化，不同类中的对象间的相似度最小化）的计算，以确定最终选用的属性。若地震属性与井信息之间存在明显的相关性，说明地震资料对储层的可预测性。

2）地震属性点抽稀 对于小井距和面积不大的实验区此次操作可省略不做，强大的工作站硬件完全能够快速完成；对于井距已经较密且地震数据体较大的研究区，为了更加有效地预测井间的储层展布规律，有必要抽稀属性点（即虚拟井点），以方便研究井间小层的沉积微相展布特征［10］。

2.3 平面沉积微相研究

以原有相带图井点数据为基础，运用测井曲线确定砂岩类型，根据地震属性及反演结果确定砂岩厚度、宽度和连通性，利用沿层切片确定不同时期发育的河道，以单层有效厚度和孔隙度确定砂体发育方向，对平面沉积微相分布和砂岩展布情况进行预测。

3 应用实例及效果分析

以PN油田8断块典型区块为｀例，该区块面积约14.9km2，开发井218口，经过加密的井网局部达到100m×100m。三维地震资料重新处理后在目的层地震资料主频在40～45Hz，有效带宽10～80Hz，面元为10m×10m。此次研究在综合分析地质、岩心和测井资料的基础上，采用模糊神经网络方法进行地震属性储层预测。模糊神经网络与传统BP网络的最大区别就是借助模糊聚类的方法确定神经网络的个数，用BP网络的学习来求取隶属函数［11］。它能克服BP网络的不足，较好的解决了地质条件复杂情况下的储层及油气预测问题。主要包括四个层，输入层、隶属函数（模糊规则）生成层、推理层及反模糊化层（图2）。模糊神经网络的每层推导均有明显的物理意义，因而较之已有的网络模型，其物理意义更加明显。

图2 模糊神经网络地震属性储层预测示意图

实际研究过程中，通过地震属性组合的筛选，对整个葡萄花油层、主力生产层位提取了均方根振幅、平均振幅、半幅能量、瞬时频率、瞬时相位、瞬时频率梯度、反射强度梯度、吸收因子、信噪比和有效频带宽度10种属性，分为5种组合形式：组合1为10种属性的全组合选取；组合2为均方根振幅、平均振幅、半幅能量和吸收因子4种属性组合；组合3为瞬时频率、瞬时相位、瞬时频率梯度和反射强度梯度共4种属性组合；组合4为信噪比和有效频带宽度两种属性组合；组合5为均方根振幅、平均振幅、半幅能量、瞬时频率、瞬时相位和吸收因子共6种属性组合。

图3 测井曲线确定砂岩类型和沉积微相范围

对于葡萄花油层这个大层段而言，地震属性求取过程中的平均和光滑等处理方式使得垂向上多层砂岩在相位和频率上变化特征被淹没，其地震属性与砂岩厚度之间没有明显的相关性。对于砂层组和小层而言，组合5的这种平均化效应不明显，河道砂岩在地震资料中的响应特征得以保留到地震属性中，地震属性与砂岩厚度之间的关系较好，因此，组合5应用效果最优。

选取河道、主体席状砂、非主体席状砂、表外储层四个微相较全，面积分布较大的P021沉积单元为例，根据单井自然电位、微电极（电位）电测曲线形态（图3），得到纯井点勾绘的沉积微相图。

以前井点勾绘的沉积微相图（图4（a）），已经不能解决日益突出的小层间的开发调整矛盾，需要重新进行精细地质研究。经过地层重新对比后，依据微相类型的曲线形态，结合砂岩测井解释数据，确定定点位置的相带类型，得到新的井点绘制的相带图（图4（b）），修正了反演结果误差。利用地质统计随机反演方法的反演结果预测砂体厚度，划分了主导相带（河道相），参照单层厚度、反演孔隙度分布趋势确定了从东北向西南的河道流向（颜色深的区域），黑色线内是砂岩尖灭区（图4（c））。应用小层波阻抗和泥质含量切片，分析河道发育期次及摆动方向，确定平面上同一沉积单元不同时期砂体组合的关系。反演砂体厚度图累计了层间采样点的信息，反映出的是一个统计效果，在平面图可以看出砂体的发育形态，但不太容易确定井间砂体的发育宽度以及井间砂体的连通关系，可以借助过井的反演纵剖面来落实砂体宽度与连通性。充分借鉴老沉积相带图的成果，尤其是河间和表外的描述和刻画，结合井的信息、前人的研究成果以及地震预测的结果，刻画了井震结合沉积相带图（图4（d））。对比可以看出，结合地震后的沉积相在井间的变化更为丰富，对河道在井间的展布范围展现更为精确，同时在井间发现了一些新的区域（主要是西北角的席状砂区域，椭圆形黑线框内部），对于井间席状砂可以通过反演结果大概预测出其分布范围。说明地震信息的融入弥补了井点控制的“盲点”，地震在开发区的沉积相研究中起到了很好效果。

4 结 语

利用三维地震资料进行油藏精细描述可以在一定程度上加深和修正已有的油藏描述认识，尤其在对储层沉积微相分布和砂体展布方面。利用地震属性与砂体厚度（或含砂率）之间的相关性，把地震属性转换为砂体厚度，再通过砂体厚度与地震属性的总体分布并结合井点的认识，综合确定沉积格局和沉积微相的平面展布。利用测井约束地震反演垂向分辨率高的特点，用测井资料丰富的高频信息和完整的低频成分补充了地震资料有限带宽的不足，刻画了精细的井间砂体分布图。建议将地震反演与层序地层学、沉积学研究相结合，进一步提高井间地震反演储层预测的精度。

［1］冯国庆，李允.应用序贯指示模拟方法模拟沉积微相［J］.西南石油学院学报，2001，23（2）：1～41.

［2］薛林福，王剑，王东坡，等.储层沉积微相带自动跟踪方法［J］.石油与天然气地质，2004，25（1）：81～92.

［3］张辉，林春明，崔颖凯.三角洲沉积微相特征及其地震识别方法－以委内瑞拉卡拉高莱斯地区为例［J］.石油物探，2005，44（6）：557～562.

［4］关达，付强.地震解释技术新进展［J］.勘探地球物理进展，2003，26（5－6）：367～373.

［5］姜素华，王永诗，林红梅，等.测井约束反演技术在不同类型沉积体系中的应用［J］.石油物探，2004，43（6）：587～590.

［6］陈波，凌云，刘钦甫，等.利用地震属性技术分析储层含油气信息——以塔里木盆地HD4油田为例［J］.特种油气藏，2005，12（3）：12～15.

［7］倪逸，杨慈珠，郭玲置，等.储层油气预侧中地震属性优选问题探讨［J］.石油地球物理勘探，1999，34（6）：614～626.

［8］秦月霜，陈显森，王彦辉.用优选后的地震属性参数进行储层预测［J］.大庆石油地质与开发，2000，19（6）：44～45.

［9］Su J M，Ruan S Y，Wang Y L.Matlab engineering mathematics［M］.Beijing：Publishing House of Electronics Industry，2005.110～114.

［10］苏燕，杨愈.密井网区井震结合进行沉积微相研究及储层预测方法探讨——以大庆杏树岗油田杏56区为例［J］.地学前缘（中国地质大学（北京）；北京大学），2008，15（1）：110～112.

［11］许少华，陈可为，梁久祯，等.基于遗传－BP神经网络的沉积微相自动识别［J］.大庆石油学院学报，2001，25（1）：51～54.

Application of 3DSeismic Data to Predict Interwell Reservoirs in Dense Well Pattern Area

TANG Jin－rong（Research Institute of Petroleum Exploration and Development，Daqing Oilfield Co.Ltd.，CNPC，Daqing163712，Heilongjiang，China）

In tradition，the methods based on well log forecast of the sedimentary microfacies could not satisfy the prediction of remaining oil distribution and interwell sand bodies in dense well pattern areas at high water－cut stage.How to integrate the dense well data with 3Dseismic data to forecast the interwell sands would be the imperative task.The typical block in the PN Area of Daqing Oilfield was taken for example，the method of wells integrating with seismic data was used for studying the distribution of sedimentary micro－facies.Based on the original point data of the logging curve the sandstone thickness，its width and connectivity are determined according to the seismic attributes，inversion results to obtain the river channel developed at different periods by using of slices along the inversion layer，and to determine the direction of sand－body development of sedimentary facies mapping method based on the single－layer of effective thickness and porosity.The results are proven in actual production.

reservoir prediction；geophysics；seismic inversion；impedance；well－seism integration；sedimentary microfacies

P631.44

A

1000－9752（2010）05－0230－05

2010－07－10

唐金荣（1959－），女，1980年大专毕业，工程师，现主要从事油藏描述及随机建模方面的研究工作。