层序约束下的火山岩储层地震反演技术及其应用

2011-01-16白晓寅谭开俊

岩性油气藏 2011年6期

黄玉，白晓寅，郭璇，谭开俊

（中国石油勘探开发研究院西北分院）

0 引言

随着国内外油气勘探开发程度的不断加深，构造油气藏的勘探难度日益增大，而火山岩油气藏的发现越来越多。在美国、日本等地发现火山岩油气藏的同时，中国也相继在准噶尔、塔里木、松辽、冀中、济阳、苏北等盆地发现了火山岩油气藏。火山岩油气藏作为一种特殊的油气藏类型，已引起人们的普遍重视［1］。

目前，地震反演已成为储层横向预测和岩性油气藏勘探不可或缺的技术手段［2］。将地震数据与测井数据相结合，在已知的地质信息和测井数据约束下，获得高分辨率的地层波阻抗资料及一系列岩性、电性数据，可以精细地描述储层的平面展布、深度、厚度和物性的变化规律［3］。笔者在对准噶尔盆地西北缘红车断裂带火山岩油藏优质储层参数敏感性分析的基础上，针对（常规反演）火山岩储层非均质性强、横向预测难的特点，建立了该区火山岩层序序列，并在此基础上采用火山岩层序约束的多属性地震反演技术对红车断裂带火山岩储层进行了精细刻画。

1 区域地质背景

红车断裂带位于准噶尔盆地西北缘前陆冲断带的南端，是沙湾凹陷和盆1井西凹陷油气运移的长期指向区之一［1］，油气资源丰富，构造位置有利，断裂十分发育。该区古生界火山喷发主要分布在2类地区：一是沿红车断裂、红山嘴东侧断裂等大型边界断裂分布，如车47井、车43井、车46井、车72井等火山喷发中心或火山喷发口；二是规模较小的断裂附近，如车21井区等火山喷发中心。在红车断裂带火山岩中，从北向南已经发现了车72、车43、车47、车30井区等多个油气藏。这些油气藏主要为断块油气藏，同时受岩性和储层裂缝发育程度的控制，与火成岩的发生、发展有着直接的关系［4-5］。本次研究的是车47井区古生界火山岩。

2 火山岩储层分析

2.1 储层特征

车47井油藏是断层-岩性油气藏，上倾方向受断层遮挡，下倾方向及两侧受火山岩储层岩性变化和储层物性变化控制，油、气、水分布与构造等高线无直接关系。该区火山岩类型多样，主要有火山角砾岩、玄武岩、安山岩和凝灰岩。

车47井区火山岩岩性的多样性使其储集空间类型变得复杂、多样，其形成、发展、充填以至再形成孔缝是一个复杂的演化过程，并受多种因素的控制。从成因来看，储集空间可划分为原生储集空间（原生气孔、晶间孔、砾间孔、冷凝收缩缝和晶间缝等）和次生储集空间（溶蚀孔和构造缝）。储集空间组合主要有2种：一是裂缝-溶蚀孔，常见于火山角砾岩中，是主要的储油孔隙组合；二是晶间-裂缝-溶蚀孔，常见于安山岩中。据统计（图1），该区储层物性中以近火山口爆发相的火山角砾岩最好，碎裂玄武岩、安山岩次之，凝灰岩最差，且裂缝的发育程度对火山岩储层物性的改造作用较大［1，5］。

图1 火山岩储层物性与岩性关系Fig.1 The relationship between reservoir properties and lithology of volcanic reservoir

综上所述，该区火山岩优质储层以裂缝较为发育的火山角砾岩等爆发相火山岩为主。

2.2 储层敏感性参数分析

地震储层反演的首要前提是针对优质储层进行精确的测井参数敏感性分析。测井曲线能否正确区分有效储层和较致密的非有效储层，以及地震反演结果能否反映储层发育情况，都要看储层的测井参数敏感性分析结果。储层测井参数敏感性分析是利用各种测井数据与储层岩性、物性和测试数据，优选有效储层和致密储层的敏感测井数据类型，确定测井数据分界值，为地震反演提供可靠的岩石物理数据［6-7］。

在该区利用新井的岩矿鉴定报告、薄片鉴定报告、岩心资料等，归纳不同岩性的测井响应特征，建立了火山岩二维岩性识别图版（图2）。根据岩性解释量版，对该区所有井的岩性进行了重新解释，使火山岩的岩相识别精度有了明显提高。通过分析可知，车47井区判别古生界火山岩优质储层岩性最敏感的测井参数为密度，火山角砾岩和安山质玄武岩大都表现为高密度的特征，其值为2.5～2.75。

图2 火山岩岩性识别图版Fig.2 Two-dimensional chart for the identification of volcanic rocks

3 层序约束下的火山岩储层反演

火山岩储层反演，要求反演结果既要反映火山岩的地震、地质特征，又要有利于预测有效储层的空间分布，从而达到预测油气藏分布的目的。笔者为了克服实际应用中火山岩储层横向变化快、难以预测的难题，首先建立起该区的火山岩沉积序列，并在此约束下采用多属性储层反演技术，较好地控制了火山岩储层横向展布规律的预测精度。根据该区火山岩储层参数敏感性分析的结果，采用非线性多属性反演技术获得了该区火山岩储层最敏感的密度属性。虽然各种密度反演机理不很明确，但根据地质统计学原理，通过多属性综合反演，能很好地反映火山岩岩相变化，达到预测有利岩相的目的。

3.1 火山岩层序的建立

为了确定不同期次火山岩相带的平面展布规律，借鉴了沉积岩中的层序概念及相关方法，即火山岩层序是由一个或多个喷发—沉积旋回叠置而成的岩石组合，与火山活动的旋回相一致。本次火山岩层序的划分主要采取以下方法：①从测井、录井资料上识别火山活动间断，标志性的岩性为沉积岩，研究区内已钻井揭示的沉积岩为泥岩；②从地震剖面上识别目的层内的火山活动间断面，即火山机构；③通过井-震联合标定及对比，共同确定目的层的火山岩层序界面［8］。

根据上述思路，在该区划分了4套火山岩层序（图3）。单个火山旋回的下部为爆发相火山岩/火山碎屑岩，上部为溢流相熔岩，构成火山喷发的一个期次；早期以熔岩为主的喷发（车24，Ⅰ期）转变为中、晚期（Ⅱ—Ⅳ期）火山角砾岩的大规模发育，以及熔岩比例的减小，表明火山喷发方式由早期的裂隙式转变为中、晚期的中心式；石炭纪晚期火山活动逐渐减弱，局部发育了沉火山碎屑岩和含火山碎屑沉积岩。

图3 火山岩层序划分Fig.3 The sequence division of volcanic rocks

3.2 非线性多属性密度反演

多属性反演方法是一种非线性反演方法，本次研究采用神经网络算法进行密度反演，综合波形、能量、频率、相位等一系列基于几何学、运动学、动力学及统计特征的地震属性，反演出火山岩岩相在平面上的展布特征［9-13］。

3.2.1 反演的基本步骤

神经网络中单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的［9］。神经网络可分为3个层：输入层、隐含层和输出层。其主要步骤是：①选取与火山岩关系比较密切的地震属性参数，个数要适宜，本次主要选取的参数有波阻抗、相位、频率、层速度、振幅等；②将地震属性、井旁地震道和目标曲线作为原始数据输入到神经网络，对网络进行培训学习，神经网络经过培训，就可确定输入与输出之间的非线性映射关系，从而得到培训模型；③利用三维空间点的多种属性参数，根据培训后的神经网络模型，进行神经网络计算，即可反演出三维空间的岩性数据体。

3.2.2 神经网络反演的实现

利用培训后的神经网络模型和三维空间点的多种属性参数，即可反演出三维空间的密度数据体［12］。具体可分为以下3个部分：①加载地震、测井资料并作标定；②在井点附近训练地震资料，使之能够预测感兴趣的储层参数；③将训练出的关系应用于整个地震数据体，达到储层参数预测的目的。第一部分显然是标准的地震处理手段，后两部分是多属性预测的核心部分。地震属性与所预测对象之间的关系十分复杂，在对不同工区和不同储层进行预测时，各种地震属性的敏感程度是不完全相同的；即使在同一工区、同一储层，因预测对象不同，其对应的敏感地震属性也存在差异；地震属性优化技术可以提高地震储层的预测精度，以及更有效地进行储层描述，进一步提高钻井的成功率［13］。

3.2.3 反演效果分析

图4是多属性密度反演结果的联井剖面。从图中可以看出，主要出油的CHE91井在密度剖面上表现为高密度特征。虽然其横向非均质性特别强，相邻2口井发生了较快的岩性变化，但从已钻井的对比分析来看，其优质储层的高密度特征还是非常明显的，只是从反演剖面整体效果来看较为杂乱。因此，在本次研究中，利用多属性密度反演预测火山岩有利储层时加入了火山岩层序界面进行约束，所有的反演工作及结果分析都只针对某一特定的层序内部，超出该层序范围外的不加考虑，这就使反演结果在平面上更具有规律性，储层对比结果也更加可信。图5是该区二叠系佳木河组火山岩层序Ⅰ的多属性密度反演平面图，从图中可看出，其横向变化非常自然，与已钻井火山岩密度进行标定分析，认为实际出油井（图5中黑色实心为出油井）基本分布在南北向的高密度条带上，与前面的火山岩优质储层敏感性参数分析结果一致，预测出了火山岩有利储层的展布范围（图中红色范围）。