缝洞型碳酸盐岩储层地震综合预测——以塔里木盆地中古21井区为例

刘立峰，孙赞东，杨海军，韩剑发，敬兵，赵海涛

(1. 中国石油大学(北京) 地质地球物理综合研究中心，北京，102249；2. 中国石油塔里木油田分公司 勘探开发研究院，新疆 库尔勒，841000)

塔里木盆地碳酸盐岩基质孔隙度低，渗透性能差，不能成为有效的储集空间，其化学成分和物理特性决定了碳酸盐岩储层更容易遭受各种因素的影响和改造。塔里木盆地经历过多期次的构造升降运动、多次暴露地表的风化淋滤、盆内各种流体的作用以及大规模火山活动，使得区内不同区域经受了各种条件下成岩作用的改造和叠加，形成了大量的溶孔、溶洞和溶缝，极大地改善碳酸盐岩储层的储集性能。因此，有效储集空间类型是经过多期多旋回构造、溶蚀等作用改造后形成的次生溶蚀孔洞和裂缝，及它们交互耦合而成的网状裂缝等，常常表现为缝－缝交错、缝－洞相连、缝－洞叠合，高产、稳产的关键是钻遇裂缝和溶蚀孔洞发育带[1-3]。多年油气勘探实践证明，奥陶系碳酸盐岩是塔里木盆地寻找大型油气田的重要领域，现已相继在塔河、轮南、塔中等地区都发现了亿吨级的大油气田，具有巨大的勘探潜力[4-5]。但是，缝洞型碳酸盐岩储层非均质性极强，其外部形态和内部结构极不规则，纵向上和横向上变化快，缝洞储集体与致密碳酸盐岩基质随机交互出现，储集能力和渗流能力空间分布不均匀，地球物理特性十分复杂，储层分布异常复杂。同时，奥陶系碳酸盐岩地层埋藏深，地震反射信号弱，地震资料主频和信噪比都较低，地震资料品质不理想，运用单因素的地质或地球物理方法难以准确预测碳酸盐岩储层的分布[6-7]。因此，对该地区奥陶系碳酸盐岩溶洞、溶孔、裂缝发育区以及碳酸盐岩有效储层的预测，依然是当前塔里木盆地碳酸盐岩油气勘探实现扩大发现、降低钻探风险所面临的主要难题。

1 缝洞型碳酸盐岩储层预测技术应用效果分析

本文选取塔里木盆地中古21井区为研究区。该工区位于塔中Ⅰ号断裂带的西北部，存在多个勘探目的层段，包括石炭系的东河砂岩和志留系的沥青砂岩等，自从中古21井和中古11井在下奥陶统获得高产工业油气流后，从而取得了该区下奥陶统勘探的重大突破，展示了良好的勘探前景。但由于奥陶系碳酸盐岩储层十分复杂，且目前只有3口井钻至下奥陶统，其碳酸盐岩储层的分布规律目前仍不十分清楚，制约了该区油气勘探的扩大发现。针对缝洞型碳酸盐岩储层的特点，充分利用多种地震信息进行综合预测，筛选出一套具有针对性的储层预测技术系列，以期对塔里木盆地缝洞型油气藏勘探起到有益的指导作用。分析结果表明，碳酸盐岩储层在地震剖面上表现为强振幅、低相干、低频率、高衰减、低阻抗的地震响应特征。

1.1 振幅分析技术

振幅是最基本也是最重要的地震属性，如果不考虑地震数据采集、处理的影响，那么，在碳酸盐岩储

层中影响振幅的则是其孔、洞、缝的发育程度，能够揭示储层横向展布规律及储层内部流体的变化[7]。碳酸盐岩缝洞体的反射特征一般表现为：缝洞体顶部相对弱振幅，缝洞体底界振幅强，缝洞体内部振幅较围岩振幅强、相对于底界振幅弱[8]。与实际的钻井、测井资料对比分析发现：当下奥陶统碳酸盐岩内部存在缝洞时，局部孔隙度增大、速度降低，缝洞体与围岩速度差异增大，可以在缝洞内部或外部形成强振幅反射，即在弱振幅背景下强振幅(即弱中强)区域缝洞储层较为发育(图1)。

图1 中古21井区下奥陶统均方根振幅数据体Fig.1 Lower Ordovician RMS Amplitude data of ZG21 well area

1.2 相干体技术

相干体技术的核心就是对地震数据进行求同存异，以突出那些不相干的数据，通过计算横向上波形的相似性，得到三维地震相关性的估计值，用以识别细微的岩层横向非均一性和断裂特征[9]。虽然不能直接预测裂缝或孔洞， 但能从宏观上预测碳酸盐岩孔、洞、缝的发育带。研究区目的层地层产状较缓，岩性变化不大，在排除因断裂错位而在横向上出现的非相似性情况下，影响地震道不相关因素主要是溶蚀孔洞及裂缝发育带和微小断裂，即碳酸盐岩的主要储集空间。对中古 21井区进行了基于本征算法相干体的提取，以检测缝洞型碳酸盐岩储层裂缝发育带和溶洞发育特征(图2)，发现高产油气井(如ZG21和ZG11)都处于弱相干值区域，而处于强相干区域井的储层发育较差(如 TZ35)。

1.3 频谱分解技术

图2 中古21井区下奥陶统相干数据体Fig.2 Lower Ordovician coherence data of ZG21 well area

频谱分解技术是一种基于频谱分析的地震成像方法，在频率域内通过分析地震信号的时变特征，可以揭示储层横向之间由于岩性、物性等因素引起的微小振幅变化，刻画碳酸盐岩储层中缝洞发育所引起的地震反射波振幅和频率的变化异常，达到精细预测描述储层的目的[10]。其中非正交Gabor-Morlet小波变换的分频方法直接使用频率尺度参数来控制频谱分解，避免了常规小波变换尺度参数与频率不直接对应的缺陷，同时克服了常规谱分解方法时窗对计算结果的影响，增强了地震信号的局部特性，提高了稳定性和分辨率[11]。本次研究采用基于非正交Gabor-Morlet小波变换的分频方法对缝洞型碳酸盐岩储层进行预测，用测井解释和产油气情况等单井资料，对分频属性进行标定，发现 22Hz分频属性异常值与碳酸盐岩缝洞型储层段有良好的对应关系(图3)，高产油气井(如ZG21和 ZG11)储层发育段都位于分频属性调谐振幅高值异常区，而干井(如TZ35)位于分频属性调谐振幅低值区。

图3 中古21井区下奥陶统分频数据体(22 Hz)Fig.3 Lower Ordovician frequency division data (22 Hz)of ZG21 well area

1.4 地震波吸收衰减技术

大量的正演模型和理论研究表明[12-13]：地震波在聚集了石油、天然气的储层中传播时，高频能量衰减要比低频能量衰减大，即存在“高频吸收”现象。在吸收衰减属性中，地震波频率衰减梯度对检测流体和预测储层分布最为敏感。频率衰减梯度是指在频谱分解基础上的高频端振幅包络的拟合斜率，表示高频段的地震波能量随频率的变化情况。利用地震波频率衰减梯度来检测缝洞系统对地震波高频成分的吸收衰减情况(图4)。通过对比分析发现：各井碳酸盐岩缝洞储层发育段与高频率衰减梯度异常有良好的对应关系，位于高频率衰减梯度分布区的钻井(如ZG21和ZG11)油气产量很高，而位于低频率衰减梯度分布区则储层较差(如TZ35)，表明利用地震波吸收衰减属性能有效地对缝洞型碳酸盐岩储层进行预测。

图4 中古21井区下奥陶统频率衰减梯度数据体Fig.4 Lower Ordovician frequency attenuation gradient data of ZG21 well area

1.5 多井约束波阻抗反演技术

多井约束波阻抗反演通过测井与地震资料的融合，将测井资料丰富的高频信息和完整的低频成分加入到反演结果中，有效地补充了地震信号有效带宽的不足，能得到高分辨率的地层波阻抗资料。碳酸盐岩通常表现为高速度、高密度、高波阻抗，当存在溶蚀孔洞和裂缝时，特别是被油气水或与围岩差异大的岩性充填后，会引起速度、密度、波阻抗降低；因此，可以利用波阻抗信息来预测碳酸盐岩缝洞储层的分布(图 5)。高产工业油气流井(如 ZG21和 ZG11)位于低阻抗区域，而干井(如TZ35)位于相对高的阻抗区域，即缝洞储层发育的部位对应的是高阻抗背景之下的弱阻抗区。

图5 中古21井区下奥陶统波阻抗数据体Fig.5 Lower Ordovician impedance data of ZG21 well area

2 地震属性优化及综合预测

每一种储层预测技术都是从不同角度反映地震信息在纵向和横向上的变化，它们与岩性、物性、孔隙流体性质之间的关系非常复杂，是多种复杂地质因素或参数的综合反映。每种预测技术都有其自身的特殊性与局限性，存在预测的多解性和精度问题。本文将相干体、波阻抗等“特殊属性”都划入“广义地震属性”的范畴，以便和常规属性一起进行优化处理，对碳酸盐岩储层进行综合预测。

地震属性优化技术可以从众多地震属性中挑选出与研究目标关系最密切、反应最敏感、相互独立的优势属性，利用优化算法将多种地震属性进行优化处理，能明显降低多解性，提高预测精度[14]。目前，地震属性优化算法很多，如聚类分析、因子分析、搜索算法、决策分析、遗传与神经网络联合分析等，但实际的应用效果并不是很理想，都存在着优化结果稳定性和准确性较差等缺点，特别是针对塔里木盆地这样复杂的缝洞型碳酸盐岩储层，盲目的应用还可能导致产生错误的预测结果。

本文利用多元逐步判别分析和核主成分分析等相结合的方法对多种地震属性进行优化处理。该方法可以综合多种地震属性的有效信息，建立地震属性与储层信息的某种线性或非线性函数关系，能实现地震属性到地质参数的转换，同时可以将其中判别能力差或起干扰因素的地震属性剔除，最终在判别函数中只保留数量不多而判别能力强的属性参数，并且能有效地避免由于多地震属性之间具有的相关性造成的信息重复和冗余，从而对井间未知区域的储层信息进行准确的综合判识。

具体步骤如下(见图6)。

图6 地震多属性分析及优化储层预测工作流程Fig.6 Processing chart for seismic multi-attribute analysis and optimization of reservoir prediction

(1) 地震属性的优选。不同的地震属性所代表的地质意义不完全相同，一些属性可能对预测结果起着干扰作用，为此必须在众多的地震属性中优选那些有用的信息[15]。地震属性优选是指从地震属性集合中选出合理的地震属性子集，主要从地震属性的物理意义、敏感性和相关性等方面考虑。在上述分析的基础上，对研究区奥陶系碳酸盐岩储层提取多种地震属性体，然后结合研究区实际地质情况，利用测井解释和产油气情况等单井资料进行标定，选择多个对碳酸盐岩储层反映敏感且具有明确物理意义的属性，并进行属性间的相关分析，选择彼此间相关性小的属性集，最终确定8种优势地震属性体，包括均方根振幅数据体、瞬时频率数据体、相干数据体、弧长数据体、能量半衰时数据体、分频调谐能量数据体、频率衰减梯度数据体、波阻抗数据体。

(2) 地震属性预处理。地震属性的提取难免会受到个别地段信噪比较低的影响和噪声的干扰，使得参数出现“毛刺”、“野值”等异常数据，这样就会干扰地震属性参数的地质标定，且利用属性参数进行模式识别时，容易造成解释中出现“假异常”[14]。因此，对优选的8种地震属性数据体内的异常数据进行手工剔除和适当的平滑滤波处理，并且进行中心标准化(零均值化)处理，使各种属性的数值变换到某种相同的尺度之下，处理后每种地震属性的均值为零，标准差为1。

(3) 选取训练样本。根据研究区钻井所揭示的储层实际情况，将奥陶系碳酸盐岩储层分为油气层、油气显示层和非储层3类，将其作为建立判别模型的分类。综合测井解释结果及试油、岩芯等资料确定各井在碳酸盐岩层段内各深度点的储层类型。由于地震数据体是时间域的，而由已知钻井得到的储层信息是深度域的，因此，需要利用高精度的合成地震记录将其由深度域转换成时间域，才能确定每口井在时间域内每个采样点上的储层类型。并假设距井口100 m范围内储层类型与井口位置一致，选取奥陶系碳酸盐岩层段井旁100 m范围内的属性点作为优化的训练样本。

(4) 地震属性多元逐步判别。各种地震属性对储层参数的影响是不同的，有的起主要作用，有的起次要作用，有的甚至起干扰作用。多元逐步判别可以将其中判别能力最差的地震属性剔除，最终在判别函数中只保留数量不多而判别能力强的属性参数。利用多元逐步判别计算经过标准化后的8种优势地震属性体对判别模型的贡献，其中频率衰减梯度数据体对模型的贡献最大，其次是波阻抗数据体、分频调谐能量数据体、均方根振幅数据体、相干数据体、能量半衰时数据体，用上述6种地震属性数据体建立的判别函数具有非常显著的判别效果，而瞬时频率数据体、弧长数据体对模型的判别效果不显著或起干扰作用，经逐步判别将其剔除。

(5) 核主成分分析。在多数情况下，优选后的地震属性集的空间维数仍然较高，必然会增加预测分类的计算量；同时，优选的地震属性即使考虑了相关属性的筛选，仍然不能保证属性间绝对的不相关，存在着冗余信息，直接影响到预测结果的稳定性，因此，必须对地震属性空间进行压缩和相关性处理，以提高模式识别的速度与精度。核主成分分析可将原来的地震属性参数转化为彼此独立的一组新综合变量，同时能有效地处理多个地震属性之间的非线性关系。

对经过多元逐步判别所引入的6种地震属性数据体进行核主成分分析，将其转变为彼此独立的新变量Y1，Y2，…，Y6，计算特征空间 F中协方差矩阵的特征值和累计贡献率。其中前3个核主成分的累计贡献率达到95%，集中了原始地震属性的绝大部分信息，并能很好地概括各储层类型之间的差异。

(6) 综合判别分析及储层综合预测。最后根据选取的训练样本，对核主成分分析得到的前3个核主成分进行基于贝叶斯准则的判别分析，建立该地区储层的判别模型[16]。将研究区内各属性点代入建立的判别模型，就可以得到该地区奥陶系碳酸盐岩储层类型在三维空间中的分布情况，并对各储层类型的概率进行归一化处理，得到多属性优化数据体(见图7)，含油气区用2～3表示，其值越大，表示油气储层类型的概率越大；含油气显示区用1～2表示，非储层区用0～1表示，进而可以对该地区奥陶系碳酸盐岩储层进行定量预测。

图7 中古21井区下奥陶统多属性优化数据体Fig.7 Lower Ordovician multi-attribute optimization data of ZG21 well area

建立在多种统计方法分析基础上的地震多属性优化方法，综合考虑了多种地震属性的有效信息，以已知井数据作为训练样本，并经过多元逐步判别和核主成分分析后，对判别结果不显著甚至是起干扰因素的信息已被剔除，并利用相对独立的核主成分进行综合判别分析，保证了运算结果的稳定性，同时考虑了各地震属性间的非线性关系，提高了预测结果的可信度。图8所示为研究区各井的优化数据体过井剖面，图9所示为下奥陶统鹰山组顶界多属性优化数据体沿层切片。通过对比分析发现，多属性优化结果预测的储层与各井碳酸盐岩缝洞型储层发育层段都有良好的对应关系。图8中箭头指示各井的产油气层段，说明优化结果能对碳酸盐岩型储层做到准确定位，可以很好地反映碳酸盐岩储层的位置和空间形态。

图8 中古21井区下奥陶统多属性优化数据体过井剖面Fig.8 Well profiles of Lower Ordovician multi-attribute optimization data of ZG21 well area

图9 下奥陶统鹰山组顶界优化数据体沿层切片Fig.9 Hierarchy slicing of multi-attribute optimization data of top surface of YingShan formation, Lower Ordovician

图10 中古21井区下奥陶统溶蚀孔洞储层三维雕刻Fig.10 3D carving Lower Ordovician solution pole reservoir of ZG21 well area

运用三维可视化技术对多属性优化数据体进行精细刻画(图10)，可以准确预测溶蚀孔洞型碳酸盐岩储集体在三维空间的有利分布范围，深化认识碳酸盐岩储层的空间分布规律，进而使该地区碳酸盐岩储层建模、油藏动态模拟和制定开发方案变为可能，可为提高钻探成功率，井位的部署，指导勘探开发提供重要依据。

3 结论

(1) 针对缝洞型碳酸盐岩储层的特点，通过中古21井区地震、地质、钻井等资料的综合分析，形成了以振幅分析技术、基于本征算法的相干体技术、频谱分解技术、地震波吸收衰减技术和测井约束波阻抗反演技术为核心的技术系列。

(2) 利用多元逐步判别分析和核主成分分析相结合的办法对多种地震属性进行优化求解。该方法综合考虑了多种地震属性的有效信息，经过多元逐步判别和核主成分分析后，剔除了判别能力差或起干扰因素的地震属性，最终在判别函数中只保留数量不多而判别能力强的属性参数，并利用相对独立的核主成分进行综合判别分析，保证了运算结果的稳定性；同时考虑了各地震属性间的非线性关系，提高了预测结果的可信度，有效解决了多种地震属性存在的多解性问题。其优化结果能较好地刻画缝洞型碳酸盐岩储层的有利分布范围，取得了良好的地质效果，以期为地震多属性优化与缝洞型碳酸盐岩储层预测研究提供一种科学、有效的方法。

[1] 王世星, 曹辉兰, 靳文芳, 等. 碳酸盐岩缝洞系统地震响应特征分析和塔中卡1区缝洞储层预测[J]. 石油物探, 2005, 44(5):421-427.WANG Shi-xing, CAO Hui-lan, JIN Wen-fang, et al. Seismic response and prediction of fracture-cavity system in carbonate reservoir: A case study in the Ka-1 field[J]. Geophysical Prospecting for Petrole, 2005, 44(5): 421-427.

[2] 韩革华, 漆立新, 李宗杰, 等. 塔河油田奥陶系碳酸盐岩缝洞型储层预测技术[J]. 石油与天然气地质, 2006, 27(6): 860-870.HAN Ge-hua, QI Li-xin, LI Zong-jie, et al. Prediction of the Ordovician fractured-vuggy carbonate reservoirs in Tahe Oilfield[J]. Oil & Gas Geology, 2006, 27(6): 860-870.

[3] 杨子川. 塔河油田碳酸盐岩储层预测技术与应用[J]. 勘探地球物理进展, 2004, 27(6): 432-439.YANG Zi-chuan. Carbonate reservoir prediction technology and its application in Tahe Oilfield[J]. Progress in Exploration Geophysics, 2004, 27(6): 432-439.

[4] 赵宗举. 海相碳酸盐岩储集层类型、成藏模式及勘探思路[J].石油勘探与开发, 2008, 35(6): 692-703.ZHAO Zong-ju. Types, accumulation models and exploration concepts of marine carbonate reservoirs[J]. Petroleum Exploration and Development, 2008, 35(6): 692-703.

[5] 陈志海, 戴勇, 郎兆新. 缝洞性碳酸盐岩油藏储渗模式及其开采特征[J]. 石油勘探与开发, 2005, 32(3): 101-105.CHEN Zhi-hai, DAI Yong, LANG Zhao-xin. Storage-percolation modes and production performance of the karst reservoirs in Tahe Oilfield[J]. Petroleum Exploration and Development, 2005,32(3): 101-105.

[6] 杨海军, 邬光辉, 韩建发, 等. 塔里木盆地中央隆起带奥陶系碳酸盐岩台缘带油气富集特征[J]. 石油学报, 2007, 28(4):26-28.YANG Hai-jun, WU Guang-hui, HAN Jian-fa, et al.Characteristics of hydrocarbon enrichment along the Ordovician carbonate platform margin in the central uplift of Tarim Basin[J].Acta Petrolei Sinica, 2007, 28(4): 26-28.

[7] 温志新, 王红漫, 漆立新, 等. 塔河油田奥陶系缝洞型碳酸盐岩储层预测研究[J]. 地学前缘, 2008, 15(1): 94-100.WEN Zhi-xin, WANG Hong-man, QI Li-xin, et al. Research on the prediction of Ordovician carbonatite reservoir of fissure-cave type in the Tahe Oilfield[J]. Earth Science Frontiers, 2008, 15(1):94-100.

[8] 蔡瑞. 基于谱分解技术的缝洞型碳酸盐岩溶洞识别方法[J].石油勘探与开发, 2005, 32(2): 82-85.CAI Rui. Carbonate cave identification by using a spectral decomposition technique[J]. Petroleum Exploration and Development, 2005, 32(2): 82-85.

[9] 孙夕平, 杜世通. 相干体技术算法研究及其在地震资料解释中的应用[J]. 石油大学学报: 自然科学版, 2003, 27(2): 32-35.SUN Xi-ping, DU Shi-tong. Development and application of algorithm of coherency cub technique to seismic interpretation[J].Journal of the University of Petroleum: Science and Technology,2003, 27(2): 32-35.

[10] 龚洪林, 王振卿, 李录明, 等. 应用地震分频技术预测碳酸盐岩储层[J]. 地球物理学进展, 2008, 23(1): 129-135.GONG Hong-lin, WANG Zhen-qing, LI Lu-ming, et al.Predicting carbonate reservoir by applying seismic spectral decomposition technique[J]. Progress in Geophysics, 2008, 23(1):129-135.

[11] 苑书金. 非正交小波变换的频谱分解技术在大牛地气田储层预测中的应用[J]. 天然气工业, 2007, 27(12): 52-54.YUAN Shu-jin. Application of spectrum decomposition of nonorthogonal wavelet transforms to reservoir prediction in Daniudi gas field[J]. Natural Gas Industry, 2007, 27(12): 52-54.[12] Sams M S, Neep J P, Worthington M H, et al. The measurement of velocity dispersion and frequency-dependent intrinsic attenuation in sedimentary rocks[J]. Geophysics, 1997, 62(5):1456-1464.

[13] Sinha S, Routh P S. Spectral decomposition of seismic data with continuous-wavelet transform[J]. Geophysics, 2005, 70(6):19-25.

[14] 印兴耀, 周静毅. 地震属性优化方法综述[J]. 石油地球物理勘探, 2005, 40(4): 482-489.YIN Xing-yao, ZHOU Jing-yi. Summary of optimum methods of seismic attributes[J]. Oil Geophysical Prospecting, 2005,40(4): 482-489.

[15] 马中高, 管路平, 贺振华, 等. 利用模型正演优选地震属性进行储层预测[J]. 石油学报, 2003, 24(6): 35-39.MA Zhong-gao, GUAN Lu-ping, HE Zheng-hua, et al. Reservoir characterization using seismic attributes optimized with rock physics modeling[J]. Acta Petrolei Sinica, 2003, 24(6): 35-39.

[16] SUN Zan-dong. Seismic methods for heavy oil reservoir monitoring and characterization[D]. Calgary: University of Calgary. Department of Geology and Geophysics, 1999:108-117.