沉积微相-岩石相随机模拟及其控制下的属性建模*——以苏里格气田苏49-01加密试验区为例

尹楠鑫，国殿斌，李中超，李明映，张倩萍，贾海松，何 康，张 宁

（1.中国石化中原油田博士后工作站，河南 郑州 450018；2.中国石化中原油田勘探开发科学研究院，河南 郑州 450018；3.中国石油大学（北京）地球科学学院，北京 102249；4.中海油天津分公司，天津 300452）

在油气田开发阶段，三维地质建模是油藏描述的核心，也是研究剩余油分布的基础［1－3］。模型精度的高低不仅直接影响石油地质家们对研究区的地质认识，也对油藏工程人员的数值模拟结果产生重要影响，进而也影响到后期开发方案的部署与调整。因此如何建立精细的三维地质模型是石油地质家们面临的一个难点问题。三维地质建模在方法上分为确定性建模和随机建模，在提高模型精度方面，目前主要通过相控建模方法来实现。这里的相指的是岩相或者是沉积微相，然而这两种相控建模方法均难以精细刻画不同岩性所引起的储层非均质性类型及强度。因此本文以苏里格气田苏49-01加密试验区块为例，以波阻抗为约束条件建立了研究区的泥质含量模型，通过神经网络判别分析，给出泥质含量对应的砂、泥界限的门槛值下限，由此建立起研究区的岩相模型，在岩相模型的基础之上，统计沉积微相建模所需的参数，运用确定性建模方法，建立起研究区的三维沉积相模型。结合沉积微相－岩石相划分方法所表征的不同成因类型的砂体间的岩性、物性特征，在三维沉积微相模型内模拟沉积微相－岩石相模型，以该模型为约束条件建立起研究区精细的三维属性模型，从而为油田后期的储层非均质性研究、剩余油分布研究以及油田开发调整方案的编制奠定基础。

1 工区概况

苏49-01加密试验区位于苏里格气田苏14试验区西北角，其三维地震覆盖区南起苏14-6-10井，北至苏14-03-10井，西起苏14-1-02井，东至苏14-1-18井。面积160km2，实施钻井46口。研究目的层为上古生界二叠系下石盒子组的盒8段及山西组的山1段。气藏类型为典型的岩性圈闭气藏，气层由多个单砂体横向复合叠置而成，基本属于低孔、低渗、低丰度的气藏。盒8段在本区主要为辫状河沉积，其沉积微相包括河道滞留沉积、心滩、天然堤、泛滥平原，其中河道和心滩最为发育，其它微相则零星分布。剖面结构中以砂砾岩及中粗砂岩为主，细砂及粉砂沉积在连续的砂质剖面中所占份额很少。该层段内单层平均渗透率一般在（0.15～2）×10－3μm2，最高达到62 174×10－3μm2；单层平均孔隙度一般为12%～15%，最高达到21.12%，是盆地迄今为止发现的上古生界储层最好的地区之一。山1段砂体总体则表现为曲流河的沉积特征，发育河道、边滩、天然堤、决口扇等微相，本加密实验区主要发育河道和边滩沉积，岩性为细—中粒岩屑砂岩、岩屑质石英砂岩和泥质岩。储层物性在该区相对较差，单层平均渗透率一般在（0.13～0.16）×10－3μm2，平均孔隙度为7%～10%。

2 储层相模型的建立

相控建模是最近几年三维地质建模发展的重要方向，其首要前提是建立符合地质认识的精细的三维相模型［4－7］。三维相建模就是定量描述储集体的大小、几何形态及其三维空间的分布。无论是岩相控制建模还是沉积微相控制建模，其主要目的是在对储层物性参数进行模拟时考虑同一位置的岩相或者沉积相对其的约束作用。因此，建立高精度属性模型的首要前提是建立精细的三维相模型。在开发阶段，建立沉积微相模型的诸多统计参数除来自岩心数据以及测井数据外，其不同类型的相边界参数以及垂向的厚度参数则主要来自岩相模型。为此，本文在49-01加密实验区细分层的基础之上，通过测井约束地震反演，依据波阻抗与井上砂岩含量的正相关性，采用序贯高斯的随机模拟方法建立泥质含量模型。然后对泥质含量模型采用基于神经网络分析判别方法，建立起研究区的岩相模型，进而对砂体规模和展布进行分析并获得基于目标建模所需的各种参数，如河道的延伸方向、宽度、厚度等，最后可通过采用基于目标的方法建立研究区的沉积微相模型。

2.1 岩相模型的建立

目前建立岩相模型有3种方法［8］，本文则是通过优选与地震参数最为接近、相关性最好而且最能反映岩相特征的泥质含量曲线作为建模的主变量（见图4），将测井约束反演所得波阻抗三维地震数据体作为次变量（见图1），以协同克里格为基本算法的条件模拟技术建立苏49-01加密实验区的泥质含量模型，该模拟过程充分整合了地震信息，使得模拟结果始终忠实于单井上的测井数据的同时，井间又吻合了测井约束反演所识别的砂体，且其精度大大提高。在已有的泥质含量模型的基础之上，通过神经网络判别法，发现苏49-01加密实验区储层泥质含量小于30%，依据门限值将泥质含量模型直接转换成岩相模型。图2为苏49-01加密实验区的岩相模型，模型更加直观的表征了研究区砂体在三维空间的展布。理论上，模型预测的砂、泥岩精度远远高于测井约束反演所预测的结果，将图1和图2对比发现，测井约束反演的波阻抗只是从宏观上预测了储层的空间展布，其砂、泥岩边界较为模糊。而通过测井约束反演波阻抗协同模拟所建立的岩相模型不仅精细刻画了砂、泥岩的边界，而且也对无井区的砂体分布预测提供了可靠依据。

图1 苏49-01加密试验区波阻抗三维数据体Fig.1 3Dimpedance data of Su 49-01infill test area

图2 苏49-01加密试验区三维岩相模型Fig.2 3Dlithofacies model of Su 49-01infill test area

2.2 沉积微相模型的建立

相分布控制了储层的空间展布，同一沉积微相控制了沉积物、砂体的形成条件以及成岩过程，因而其内部的储层物性也具有一定的相似性［9］。不同沉积微相内的沉积物形成条件有明显的差异，储层物性变化较大，通过分相带进行变差函数分析，统计不同相带内储层的变化参数，进而约束建立储层参数模型能在一定程度上提高储层物性的预测精度［10］，但反映不了同一相带内不同岩性所引起的储层物性差异。在苏49-01试验区，依据超短期基准面旋回的叠加样式、层序结构和河流频繁改道形成的“河道＋泛滥平原”沉积模式把多期河道划分开，在每一个短期旋回内分出粗、细两个沉积单元，研究区目的层段划分了14个超短期旋回对应于14个单层，通过将研究单元刻画到单砂层以后，可最大化减少优势相表征所引起的“相丢失现象”。由于研究区目的层段为河流相沉积（曲流河和辫状河），其主要的沉积微相为泛滥平原，因而可将其作为背景相（不需要统计建模参数），待模拟的微相为河道滞留沉积、点坝和心滩微相。在岩相模型的基础之上，通过对砂体规模和展布进行分析，获得基于目标建模所需的各种参数，如河道的延伸方向、宽度、厚度等（见表1）。以基于目标的方法建立研究区的沉积微相模型（见图3）。通过沉积微相模型与反演数据体约束建立的岩相模型对比发现，在单层级别的层序地层格架之上未出现“非优势相”丢失现象（见图2）。另外研究区目的层段主要发曲流河和辫状河两种沉积相，沉积微相则主要发育河道、心滩、点坝以及泛滥平原，其余的天然堤、决口扇等微相不发育。

2.3 沉积微相－岩石相模型的建立

2.3.1 沉积微相－岩石相的划分 辫状河、扇三角洲和冲积扇沉积都具有近物源、相变快的特点，沉积相对储集层的发育起着明显的控制作用［11］，将岩性变化很大的储层作为一个单元（岩相模型）约束建立属性模型，必然导致很大的误差；另外沉积微相也只是对沉积类型和部位的划分，其内部仍然有岩性的变化，将沉积相带作为建模单元则难以考虑这种变化［12］，因此仅仅依靠岩相或者沉积相控建模所得到的属性模型精度是不够的。分相带对其内部岩性进行解释，进而在沉积相内部模拟沉积微相－岩石相模型，用该相模型约束建立的属性模型可在同一沉积微相内部反映岩性变化所引起的储层物性变化，其首要前提是对研究区各单井不同沉积微相内的岩性识别，朱怡翔在苏里格气田通过选择5种对岩相响应敏感的岩石物理测井作为样品的属性特征，识别了含砾砂岩、粗－中砂岩、中细砂岩、细粉砂岩、泥岩、煤6种不同的岩相［13］，本次研究依据其测井解释模板，从多角度综合分析相控因素，将沉积微相划分同岩性划分相结合（见表2），二者耦合形成新的“沉积微相－岩石相”，用来精细表征研究区的储层特征。

表1 H8X1.1单层沉积微相模拟参数表Tabel 1 The data tabel of sedimentary microfacies simulation parameters of H8X1.1monolayer

图3 苏49-01加密试验区三维沉积微相模型Fig.3 The 3DSedimentary microfacies model of Su 49-01infill test area

表2 沉积微相－岩石相耦合划分方案Tabel 2 The coupling division scheme of sedimentary microfacies-lithofacies

盒8上段发育曲流河沉积，砂少泥多，典型的泥包砂序列，砂体主要为河道滞留沉积和点坝沉积，单砂体厚度较小，岩性以粗中砂岩为主。储层物性相对较差，储层平均孔隙度小于1%，渗透率小于0.01×10－3μm2。含气饱和度小于10%，多为干层。盒8下段发育辫状河沉积相，砂多泥少，砂体主要为河道滞留沉积和心滩沉积，单砂体厚度比曲流河点坝要大，岩性以含砾砂岩以及粗砂岩为主。储层物性相对较好，储层平均孔隙度为7%，平均渗透率为0.5×10－3μm2，含气饱和度多高达50%以上，为研究区的有利产层。山1段时期又相变为曲流河沉积，该段内同样砂少泥多，砂体主要为河道滞留沉积和点坝沉积，单砂体厚度较小，岩性以粗中砂及细砂岩为主。储层物性相对较差，储层平均孔隙度小于1%，渗透率小于0.01×10－3μm2。含气饱和度小于10%，多为干层。依据沉积相与各岩相的耦合关系，在研究区目的层对各单井进行了沉积微相－岩石相的划分（见图4）。

图4 单井沉积微相－岩石相划分Fig.4 The division of sedimentary microfacies-lithofacies for single-well

2.3.2 沉积微相－岩石相模拟 岩石相控建模突出反映了储集层的“四性”关系。岩性、物性、含油气性差异是造成测井响应（电性）差异的主要原因，其中，岩性是基础，物性是表征，含油气性是结果，电性则是手段［9］。不同成因的岩性反映了储层孔隙结构差异，也是储层测井曲线响应差异的本质表现。以沉积微相－岩石相为约束条件建立的属性模型更能反映储层的非均质性，特定的岩性基本上代表了特定的一类孔隙结构，确定岩性就是间接进行孔隙结构的分类，从而达到由孔隙结构控制建模的目的。苏49-01试验区，盒8段到山1段共识别了10种沉积微相－岩石相，在随机模拟时，这10种成因岩石相均作为离散变量输入，其实质是分单层、分相带统计每种沉积微相－岩石相的原始分布概率，并将其做为随机模拟时的全局概率，预测井间的相分布。图5为研究区沉积微相控条件下的沉积微相－岩石相模拟，从该模型中可以看出，盒8段下2小层河道微相内主要以河道含砾砂岩相为主，顺着河道方向呈北东南西向展布，其次是河道细砂岩相对较发育。这两种河道成因岩性所反映的储层孔隙结构变化大，对后期约束建立的属性模型起明显的控制作用。该小层心滩内的沉积微相－岩石相则是以心滩含砾砂岩相为主，心滩粗砂岩相次之，最少为心滩细砂岩相。

图5 苏49-01试验区沉积微相－岩石模型Fig.5 The sedimentary microfacies-lithofacies model of Su 49-01infill test area

3 沉积微相－岩石相控制下的属性模型

沉积微相－岩石相模型控制下建立的储层属性参数（孔隙度、渗透率、含气饱和度）模型。其实质是分层、分岩石类型统计各种物性参数分布特征，然后分别模拟。同一微相内相同岩性具有相近的岩石物理性质，在相同的岩性内用序贯高斯算法建立的岩石物性参数分布模型会大大提高预测精度。

3.1 属性模型的建立

属性模型主要是指孔隙度模型、渗透率模型、有效厚度模型以及流体模型，它是精细油藏描述中的核心部分［14－15］。高精度的属性模型可准确预测有利目标的空间展布，是油气开发方案部署和调整的依据。本次属性模型的建立主要是在岩相模型、沉积微相模型以及沉积微相－岩石相模型的框架内，以苏49-01试验区内46口井的测井二次解释数据为输入数据，应用前期储层精细评价中的沉积微相分布特征、储层参数的测井计算和评价、储层非均质性认识、储层的分类评价、储层的展布特征等相关资料为约束条件，通过序贯高斯随机模拟对建模过程加以趋势约束，对井间孔隙度、渗透率加以约束建立研究区的高精度三维属性模型（见图6）。结合图5沉积微相－岩石相的模拟结果分析可知，储层物性较好的区域主要分布在河道含砾砂岩相和心滩含砾砂岩相中，其次是河道粗砂岩相和心滩粗砂岩相，最差为河道细砂岩相和心滩细砂岩相，这也充分说明不同类型不同成因的岩性对储层物性起关键性的控制作用。

图6 苏49-01试验区属性模型Fig.6 The property model of Su 49-01test area

3.2 不同相控下的模型比较

通过砂－泥岩岩相、沉积微相以及沉积微相－岩石相控制建立的孔隙度模型对比（见图7），可以看出，砂-泥岩岩相控制的孔隙度模型（见图7B），在储层内部具有很大的随机性，它只是在变差函数约束条件下满足了随机模拟结果的概率分布与已知硬数据的概率分布的一致性，其井间不能反映因相变或者岩性变化所引起的储层物性差异，也没有体现出沉积模式对储层的控制作用。而沉积相控制建立的孔隙度模型（见图7C）虽然能反映河道或者点坝物性变化的连续性，但它不能反映同一相带内或者不同相带内岩性对储层物性的影响，其约束建立的属性精度还不能充分反映储层的非均质性。基于砂－泥岩岩相和沉积微相模型所建立起来的沉积微相－岩石相模型控制建模则能弥补以上两种相控建模所面临的不足。从图7A和图7D对比可知，河道含砾砂岩相和心滩含砾砂岩相所反映的孔隙度均较好，而河道细砂岩相和心滩细砂岩相约束下的孔隙度较差，加之受沉积相带的约束，模拟结果也充分体现了沉积模式对储层的控制作用。这种复合相控法建立的储层参数模型，揭示了同一微相不同岩石相带之间储层岩性、物性上的差异，为油藏开发中后期调整挖潜提供了更为可靠的地质模型。

图7 不同相控条件下的孔隙度模型Fig.7 The different porosity model controlled by different facies model

4 结论

（1）在高精度的层序地层格架（单层）基础上，通过测井数据与地震属性相关性优选，发现研究区以反演波阻抗协同模拟的泥质含量模型，在经过神经网络判别法给定的下限值所得到的砂岩相模型可充分反映储层的空间展布，其为准确建立沉积相模型提供了必要的相关参数，同时，单层级别的层序地层格架可减少优势相表征过程中的“非优势相”丢失现象。

（2）单纯的砂－泥岩岩相约束建模和沉积相控建模虽然在一定程度上反映了储层的物性变化，但均难以精细刻画不同成因岩性所引起的孔隙结构变化从而导致的储层非均质性。

（3）沉积微相－岩石相控制建模其实质是按单层、按相带分岩性统计各种物性参数分布特征，进而模拟属性模型，能充分反映同一微相或者不同微相内因岩性变化而引起的储层非均质性，分岩性采用序贯高斯算法建立的岩石物性参数分布模型会大大提高预测精度。

［1］白薷，张金功，李渭.鄂尔多斯盆地水和地区延长组长63岩性油藏储层地质建模 ［J］.吉林大学学报：地球科学版，2012，42（6）：20-35.

［2］裘怿楠.储层地质模型 ［J］.石油学报，1991，12（4）：55-61.

［3］潘少伟，杨少春，杨柏，等.相控建模技术在江苏油田庄2断块中的应用 ［J］.天然气地球科学，2009，20（6）：935-940.

［4］尹艳树，吴胜和，张昌民，等.用多种随机建模方法综合预测储层微相 ［J］.石油学报，2006，27（2）：68-71.

［5］于兴河，陈建阳，张志杰，等.油气储层相控随机建模技术的约束方法［J］.地学前缘，2005，12（3）：237-243.

［6］吕晓光，张永庆，陈兵，等.深度开发油田确定性与随机建模结合的相控建模［J］.石油学报，2004，25（5）：60-64.

［7］周丽清，熊琦华，吴胜和.随机建模中相模型的优选验证原则 ［J］.石油勘探与开发，2001，28（1）：68-71.

［8］贾玉梅，徐芳，陈斌，等.基于地震资料的薄互层储层三维地质建模——以埕海油田二区为例 ［J］.天然气地球科学，2010，21（5）：833-838.

［9］吴胜和，张一伟，李恕军，等.提高储层随机建模精度的地质约束原则 ［J］.石油大学学报，2001，25（1）：55-58.

［10］计秉玉，赵国忠，王曙光，等.沉积相控制油藏地质建模技术 ［J］.石油学报，2006，27（增刊）：111-114.

［11］侯维虹，渠永宏，张永庆，等.通过地层沉积过程进行储集层的精细描述 ［J］.石油勘探与开发，2004，31（增刊）：106-109.

［12］周灿灿，王拥军，周凤鸣.近源砂岩原生孔隙储集层岩石相控建模及其应用 ［J］.石油勘探与开发，2006，33（5）：552-557.

［13］朱怡翔，田昌炳，于兴河，等.鄂尔多斯盆地苏里格气田相对高渗砂体的成因及其岩石物理测井识别方法 ［J］.石油与实验地质，2004，26（4）：389-396.

［14］Wong P M，Shibli S A R.Modeling a fluvial reservoir with mult-ipoint statistics and principal components［J］.Journal of Petro-leum Science and Engineering，2001，31（2）：157-163.

［15］李莎莎，张金亮，王金凯.复杂小断块储层精细模型研究 ［J］.中国海洋大学学报：自然科学版，2011，41（Sup）：337-340.