碳酸盐岩礁滩油气储层地震预测方法探讨

贺振华,贾义蓉,蒋炼,黄德济

(1.成都理工大学 油气藏地质及开发工程国家重点实验室,成都 610059;2.成都理工大学 信息工程学院,成都 610059)

碳酸盐岩礁滩油气储层地震预测方法探讨

贺振华1,2,贾义蓉2,蒋炼2,黄德济2

(1.成都理工大学 油气藏地质及开发工程国家重点实验室,成都 610059;2.成都理工大学 信息工程学院,成都 610059)

储层结构和孔隙流体预测是目前碳酸盐岩礁滩油气储层地震预测的重点和难点。这里从流体敏感性参数的选择和基于储层结构模拟的孔隙度预测二方面,研究了碳酸盐岩礁滩油气储层的流体识别问题。其中,基于测井资料统计分析和/或岩石物理岩样测试的参数交会图的制作,是优选烃类敏感参数的基础。在单一敏感参数的基础上,构组复合型的流体识别因子,能获得更好的流体识别效果。储层孔隙度预测是这样实现的:首先,对Gassm an流体替换方程通过引入近似关系βp-βs≈βp进行简化;然后引入Eshelby-W alsh储层结构参数以获得直接计算孔隙度的表达式;最后,根据弹性反演得到的纵波、横波阻抗(或纵波、横波速度)等参数,计算得到孔隙度及孔隙流体预测剖面。经实际地震资料的流体预测结果显示,新方法比常规方法预测的精度高。

礁滩储层;流体预测;地震孔隙度反演;孔隙结构

0 概述

碳酸盐岩油气储层的预测,主要包括缝洞型和礁滩型,或二者的复合型储层的预测。在这里,我们主要涉及的是生物礁滩型油气储层的识别和预测问题。

生物礁是碳酸盐岩隆的一种类型,由各种抗浪耐冲击的,具有极强生命力的造礁生物组成的特殊碳酸盐岩建造。礁、滩岩体相对围岩具有较高的孔隙度和渗透率,是石油和天然气的良好储存场所,具有油气丰度大、产能高的明显特征。世界上曾经达到日产万吨级油气的井总共只有九口井,八口井在碳酸盐岩储层中,而其中四口井在生物礁储层中。由此可见,生物礁油气储层在油气勘探开发中占有十分重要的地位。

我国石油工业部门在四川盆地东北部、塔里木盆地和南海珠江口等盆地,先后发现了不同类型和特征的大型礁滩油气田,有巨大的潜在资源量。因此,加强生物礁、滩储层的勘探开发,对缓解我国能源供求紧张的局面,具有现实而又长远的战略意义。

然而,生物礁滩储层属于隐蔽型岩性油气藏或者岩性～构造复合油气藏,有相当大的预测难度。在以二维地震资料为主的勘查阶段,预测生物礁滩储层的钻探成功率很低,据刘划一等人[1、2]的资料显示,在八十年代初投入了较多的礁滩勘探工作量以后,至1997年底在已知的三十口礁井中,属于正确预测的只有10%。目前,随着三维地震资料的广泛应用,新的预测方法不断涌现,以及勘探精度的逐步提高,预测生物礁滩储层的钻探成功率已有大大提高[3～5],有的钻探成功率已达90%以上,但这只是指钻遇生物礁体本身而言。而生物礁滩储层的内部结构和含流体性质的预测依然十分困难,并且钻遇干井和水井的风险很大。主要原因在于:

(1)储层结构和流体预测本身是国内、外的高难度研究课题,探索性强。

(2)碳酸盐岩礁滩储层内部岩性和孔隙流体结构的非均质性较其它储层更强,与围岩的差异更小,使得地震信号杂乱,甚至空白。

(3)目前储层识别和流体预测的一些有效方法和统计关系,大多是针对碎屑岩储层的,直接利用有一定困难。

(4)碳酸盐岩储层往往埋藏深,这一方面限制了多波和大出射角地震资料和相关先进方法的利用;另一方面使地震资料的分辨率降低。

因此,发展有针对性的预测方法是十分必要的。这里,我们根据近年来在生物礁滩型油气储层识别和流体预测方面的实践,探讨一些具体问题,主要包括流体敏感性预测参数的选择和基于储层结构模拟的孔隙流体预测方法。

1 流体敏感性预测参数的选择

基于地震资料储层流体预测的一个重要前提是选择对流体比较敏感的物性参数和地震响应属性。所谓敏感参数系是指能将储层和非储层,油气层和干层,油气层和水层有效区分的参数。其主要方法有:

(1)基于测井资料和/或岩石物理样品测试分析的流体敏感参数的选择。

(2)应用物理和数学分析方法,构组高灵敏度流体识别因子,提高地震反演预测流体的可靠性。

1.1 基于测井资料或岩石物理样品测试分析的流

体敏感参数选择

首先,要根据任务要求,并利用各种参数的交会图对有关参数逐一分析,最后确定有利于流体识别的敏感参数或参数组合。由于生物礁滩储层的复杂性,不同地区的储层,其流体敏感参数可能很不相同;即使在同一地区,同一目的层,各个井的敏感参数也会存在较大差异,需要全面分析,仔细选择。

图1为ZJ地区礁滩储层有效孔隙度和密度的测井参数交会图。由图1可见,在相同孔隙度情况下,利用密度可区分碳酸盐岩和碎屑岩层,但很难识别油层和水层。

图2(见下页)为ZJ地区礁滩储层中有效孔隙度与横波速度、纵横波阻抗差、纵横波阻抗平方差和自然伽玛的交会图。其中,在相同孔隙度且孔隙度小于20%的情况下,利用纵横波阻抗差和纵横波阻抗平方差有可能区分油～水层。而横波速度和自然伽玛不能可靠区分。

图1 ZJ地区礁滩储层有效孔隙度和密度的测井参数交会图Fig.1 C rossp lotof effective porosity and density for carbonate reef-shoal reservoirwell-log data in ZJ area

1.2 复合型流体识别因子的构组

通过基本的弹性参数λ(拉梅系数)、μ(剪切模量)、ρ(密度)和纵横波阻抗Ip、Is可以构组更多、更敏感的复合型流体识别因子,以获得更好的流体识别效果,如公式(1)～公式(5)所示。

下页图3～后面图5展示了部份流体识别因子对气～水层的潜在识别能力。

(1)泊松比。

(2)Goodw ay(1997)等提出的识别因子。

(3)Russell(2003)等提出的流体属性。

式中 f为流体因子;c为调节参数。

(4)贺振华等提出的高灵敏度流体识别因子

式中 B为调节参数。当B=2 Ip/Is时,得

式(5)结合了Ip/Is和的优点。

2 基于储层孔隙结构模拟的孔隙流体预测方法探讨

我们将Gassm an流体替换方程和由Eshelby 1957年提出,后经W alsh简化的方程[6,7]相结合,以便在考虑储层结构的同时,预测孔隙流体。因为孔隙结构和孔隙度,对储层的影响都很重要。

图2 ZJ地区礁滩储层流体敏感参数的测井统计分析Fig.2 Crossp lotsof effective porosity and shearwave velocity(a)difference between P and S impedance(b)square difference of P and S impedance(c)Gamm a curves from ZJwell-log data

图3 L地区礁滩储层高灵敏度流体识别因子(HSFIF)与纵波阻抗的交会图Fig.3 Crossp lotof high sensitive fluid factor(HSFIF)and Pwave's impedance from carbonate reef-shoal reservoir in L area

图4 L地区礁滩储层泊松比与纵波阻抗的交会图Fig.4 Crossp lotof high sensitive fluid factor and poisson'sratio from the area sam e as Fig.3

2.1 方法原理

Gassm an流体替换方程[8～12]如下:

式中 βs、βD、βp、¯β和η分别为含流体双相介质的基质(骨架)压缩系数、干燥(含空气)岩石的压缩系数、孔隙流体的压缩系数、含孔隙流体储层的有效压缩系数和储层的孔隙度。考虑到孔隙流体(油、气、水)的压缩系数,一般大于岩石基质(骨架)的压缩系数达一个数量级以上,可得βp-βs≈βp的近似关系(对碳酸盐岩来说,其基质压缩系数比碎屑岩的小一倍以上,可使该项近似的可行性更好!)。于是,式(6)可简化为:

图5 L地区礁滩储层纵波、横波阻抗的交会图Fig.5 Crossp lotof P-wave and S-wave impedances in L area

由式(7),得

由Eshelby和W alsh的干燥岩石椭球包体近似公式[5、6]:

式中 m为干燥岩石椭球包体的结构参数之一;α是另一结构参数,表示椭球孔隙或裂隙的纵横(或长短轴)比;βD在式(8)和式(9)中具有相同的涵义。将式(9)代入式(8),经化简后得式(10)。

由A、B的表达式,很易得到:

¯β和η为饱和流体的压缩系数和孔隙度,可由岩石物理测试分析或测井参数统计获得。βp的参考值可用公式计算[16、17],βs为岩石基质压缩系数,一般较难得到。但通过式(10)的统计分析和线形拟合,可求出A、B,再按式(11),很易求得βs。上述关系式对地震弹性正演、反演和流体识别,有着重要参考价值。

2.2 应用效果

图6 基于礁滩储层内部孔隙结构模拟的孔隙度预测剖面(红黄色的中低孔隙度指示含油层)Fig.6 Comparison between new porosity inversion(a)and traditional Pwave velocity inversion(b).The resultof porosity inversion is better than the one in(b)

通过地震叠前弹性参数反演,首先获得纵横波阻抗或纵横波速度,然后利用上述公式获得考虑了孔隙结构的孔隙度和孔隙流体反演剖面。图6为某区通过Ky1井的孔隙度地震反演剖面。图6(b)为同一资料的常规叠前纵波速度反演剖面。剖面中的红黄色标代表中低孔隙度和中低纵波速度,是油层存在的标志。二者相比,孔隙度反演的结果与Ky1井资料的吻合度比纵波速度反演结果的吻合程度更好。

3 结论

(1)流体敏感性预测参数的选择,对碳酸盐岩礁滩油气储层以及其它类型储层的流体预测都是十分重要的。其中,根据测井参数和岩石物理测试参数所做的交会图,是进行流体敏感参数选择的基础性图件。在制作不同参数的交会图件时应当尽可能全面,以便挑选出真正的敏感性参数或参数组合。

(2)复合型流体识别因子较单一的敏感参数有更好的流体识别效果,而且构组方法简单。读者可根据研究任务的需要,自行构组更多、更有效的复合型流体识别因子。

(3)基于储层内部孔隙结构模拟的孔隙度预测(反演)方法的优点是考虑了孔隙结构这一重要因素,有利于储层基质压缩系数的估算,并见到了一定的实际应用效果。但仍然存在孔隙结构参数估算的困难,而且基质压缩系数的估算值要随孔隙流体的性质变化,这些问题还需要进一步认识和探索。

[1]刘划一,王一刚,杨雨,等.川东上二叠统生物礁气藏多元信息综合预测方法研究[J].天然气工业,1999,19(4):13.

[2]陈太源.九龙山构造南侧存在长兴组台缘礁的探讨[J].天然气工业,1989,9(1):6.

[3]贺振华,蒲勇,熊晓军,等.川东北长兴～飞仙关组礁滩储层的三维地震识别[J].物探化探计算技术,2009,31(1):1.

[4]贺振华,黄德济,文晓涛.裂缝油气藏地球物理预测[M].成都:四川科学技术出版社,2007.

[5]牟书令.中国海相油气勘探理论技术与实践[M].北京:地质出版社,2009.

[6]陈颙,黄庭芳.岩石物理学[M].北京:北京大学出版社,2001.

[7]陈颙,黄庭芳,刘恩儒.岩石物理学[M].合肥:中国科学技术大学出版社,2009.

[8]SHER IFFR E.ReservoirGeophysics[M].SEG,1992.

[9]AMOSNUR.双相介质中波的传播[M].许云,译.北京:石油工业出版社,1986.

[10]PER AVSETH,TAPAN MUKERJI,GARY MAVKO.Quantitative Seism ic In terp retation—App lying Rock Physics Too ls to Reduce Interp retation R ick[M].Cambridge University Press,2005.

[11]LEON THOM SEN.Understanding seism ic anisotropy in exp loration and exp loitation[M].SEG,2002.

[12]MAVKO G,MUKERJIT,DVORK IN J.The rock physics handbook-o ls for seism ic in porousm edia[M].Cam bridgeUniversity Press,2003.

[13]RUSSELL B H.The app lication ofm u ltivariate statisticsand neu ralnetwo rks to the p red iction of reservoirparam eters using seism ic attributes.Calgary[M].Departm entof Geology and Geophysics,Canada,2004.

[14]CONNOLLY.Elastic impedance[J].The Leading Edge,1999,18(4):438.

[15]王之敬(W ang Zee).“岩石物理概述”学术报告(PPT)[D].2002.

[16]邹文.基于地震资料的流体识别技术研究[D].成都:成都理工大学,2008.

[17]刘雯林.油气田开发地震技术[M].北京:石油工业出版社,1996.

TE 122.2+21

A

1001—1749(2011)01—0001—05

国家自然科学基金资助(40739907,40774064)

2010-08-23

贺振华(1938-),男,湖北大悟县人,教授,博士导师,现主要从事油气地球物理和岩石物理等领域的教学与研究工作。