致密砂岩地震储层质量评价方法研究

陈文浩, 董少群, 王志章, 侯加根, 李汉林

(1.中国石油大学地球科学学院,北京 102249; 2.中国石油大学油气资源与探测国家重点实验室,北京 102249;3.中国石油大学地球科学与技术学院,山东青岛 266580)



致密砂岩地震储层质量评价方法研究

陈文浩1,2, 董少群1,2, 王志章1,2, 侯加根1,2, 李汉林3

(1.中国石油大学地球科学学院,北京 102249; 2.中国石油大学油气资源与探测国家重点实验室,北京 102249;3.中国石油大学地球科学与技术学院,山东青岛 266580)

以红岗油田某研究区扶余油层致密砂岩储层为例,探讨储层质量评价的新方法。首先根据研究区砂岩储层的特点,综合岩性、物性等参数构造储层质量综合评价参数RQCP,以此确定储层质量级别标准,解决储层分类问题;然后应用核Fisher判别分析建立地震属性与储层质量分类的识别模型,预测储层质量平面展布;最终在储层质量平面约束下建立3维储层质量评价模型。结果表明,应用提出的储层质量评价方法获得的3维质量评价模型可以实现对储层质量的有效评价,提出的致密砂岩储层质量评价方法可为其他地区致密砂岩储层质量评价提供借鉴。

致密砂岩储层; 核Fisher判别方法; 地震属性; 储层质量评价

引用格式:陈文浩,董少群,王志章,等.致密砂岩地震储层质量评价方法研究[J].中国石油大学学报(自然科学版),2016,40(3):63-68.

CHEN Wenhao, DONG Shaoqun, WANG Zhizhang, et al. Seismic reservoir quality evaluation in tight sandstone reservoirs[J]. Journal of China University of Petroleum(Edition of Natural Science),2016,40(3):63-68.

对于致密砂岩油气这类非常规资源的勘探开发,储层质量评价工作尤为重要。针对储层质量评价,前人研究主要集中在储层质量参数的合理解释[1-3]、储层质量评价指标构建[4-6]等方面。由于地震资料能够提供丰富的地质体横向结构信息,许多学者利用地震属性结合多种方法进行储层评价研究[7-13],已有许多成功应用的实例。但是对于致密砂岩储层,随着储层致密性的增强,众多的地震属性与储层评价参数并非线性关系,影响储层评价工作的可靠性。为此,笔者以红岗油田红90区块扶余油层致密砂岩储层为例,探讨储层质量评价的新方法。首先综合利用岩性、产能、储能、脆性特征构建储层质量综合评价参数RQCP并制定储层评价分类标准;然后在地震属性筛选的基础上,利用核Fisher判别分析(KFDA)方法建立地震属性与储层质量分类的识别模型,以此预测得到储层质量评价分类的平面分布;最终,借鉴相控建模的思想,在储层质量平面分布约束下建立储层质量综合参数的3维模型,进行致密砂岩储层质量评价。

1　储层质量评价方法研究思路

储层评价是在对储层进行综合认识和评判的基础上,预测和评价研究区的含油气有利区。国内外常以储层物性参数作为常规砂岩储层主要的评价指标,对于致密砂岩储层而言,渗透率与孔隙度之间的相关性并非单一的线性,常呈现出某种非线性关系。因此,有的砂岩依据孔隙度评价为好储层,按照渗透率评价却为非储层,也就是说,仅以孔渗参数难以有效确定致密砂岩的储渗能力。另外,传统的储层评价方法的适用性也有限,它无法实现储层质量的3维可视化为致密砂岩储层后期钻井及压裂改造提供技术支持。针对这些问题,本文中提出了致密砂岩地震储层质量评价方法及其研究思路:

(1)储层质量综合评价参数及评价标准。中高渗储层所用到的评价参数不同于致密砂岩储层质量评价参数,为更多地考虑储层后期压裂改造措施,综合利用实验区的岩性、物性、脆性特征,重新构建储层质量综合评价参数;并根据实验区生产资料,利用经验统计法及聚类算法确定储层分类标准。

(2)基于地震属性的平面储层质量评价。提取研究区的地震属性,通过相关与聚类分析,研究地震属性之间的成因联系,成因联系密切的属性对揭示地质意义的作用相似,故对地震属性进行筛选,从中选择部分揭示地质意义作用不同的地震属性。

分层提取井点处地震属性和RQCP累加数据,利用核Fisher判别分析建立地震属性与致密砂岩储层分类的非线性识别模型,进而通过非井点处地震属性得到储层质量评价分类的平面展布图。

(3)建立储层质量评价预测地质模型。借鉴相控约束建立地质模型的思想,以井点的综合评价参数为基础,结合第二步中求得的基于地震属性得到的平面储层质量分类图,建立3维储层质量评价模型,并进行模型检验。

2　储层质量评价方法研究的实施

研究实验区为红岗油田红90区块致密砂岩储层,主要为扶余油层(泉四段),区内发育辫状河三角洲平原和前缘亚相,主要砂体为平原亚相的分流河道砂、溢岸薄层砂及前缘亚相的水下分流河道砂。主要岩性为长石岩屑砂岩,多为中砂质细砂岩。泉四段油层物性较差,孔隙度为3%～13%,最大为14.6%,平均为8.03%;渗透率一般为(0.024～1)×10-3μm2,平均为0.294×10-3μm2,为低孔超低渗透储层。

2.1储层质量综合评价参数及评价标准

2.1.1储层质量综合评价参数

常规的储层质量评价的重要参数为孔隙度、渗透率,泥质含量的高低影响着储层孔渗性能的好坏,也是评价储层优劣的一个参数。对于致密砂岩储层质量评价,也要考虑到后期的压裂改造措施,因此岩石在压裂作用下的易破碎性,也是致密砂岩储层质量评价的重要参数之一,通常用岩石的脆性指数表征。储层的质量是这4个参数综合作用的结果。本文中综合利用实验区储层岩性、物性、脆性特征,构建储层质量综合评价参数RQCP:

RQCP=VshsφslogksBIs.

(1)

其中

式中,Vsh为泥质含量;C为常数,本文中取40;Vshs为归一化处理的泥质含量;φ为孔隙度;φmin、φmax分别为孔隙度最小值和最大值;φs为归一化处理的孔隙度;k为渗透率,10-3μm2;kmin、kmax分别为渗透率最小值和最大值;logks为归一化的渗透率;BI为脆性指数;BImin、BImax分别为脆性指数的最小值和最大值;BIs为归一化的脆性指数。

对于式(1),泥质含量越低,孔隙度越大,渗透率越高,脆性指数越大,则对应的储层评价参数RQCP的值就越高。

2.1.2储层质量评价标准确定

为建立储层质量评价参数与地震属性的对应关系,单一深度点的RQCP与地震属性无法对应,某一地层的累积RQCP才具有实际意义,因此分层提取井点处地震属性和RQCP累加数据,搭建起地震属性与储层质量评价指标的桥梁(图1)。

图1　储层评价参数RQCP与地震属性提取Fig.1　Reservoir quality comprehensive parameter and seismic attribute extraction

计算RQCP累加数据时,利用统计法确定的储层下限进行约束。对层控累计RQCP求取累计丢失曲线(图2),以累计丢失5%(经验值)为限确定三类储层下限,下限为0.127 4,小于该下限的储层认为是非储层。

K-means算法是一类聚类算法,可以较好地反映数据的空间结构。该算法的基本思想是:首先随机选择K个对象,每个对象代表一个聚类的质心;对于其余的每一个对象,根据该对象与各聚类质心之间的距离,把它分配到与之最相似的聚类中。然后,计算每个聚类的新质心。重复上述过程,直到准则函数收敛。确定三类储层下限后,利用K-means算法确定一类、二类储层的下限分别为2.276 0、0.911 0。确定了一类、二类、三类储层和非储层后,便为已知井点处每层地震属性提供了一个类别标识,可以建立分类预测模型,进而获得储层质量优劣的平面展布。

图2　经验统计法确定层控储层类别标准Fig.2　Formation-controlled reservoir lower limit by empirical statistical method

2.2基于地震属性的平面储层质量评价

2.2.1地震属性提取与筛选

研究中共提取了21种地震属性,包括振幅类属性、能量类、频率类属性和相位类属性。它们之间相关系数大于0.8的区域较多(图3(a)),经过对提取的属性进行相关分析及聚类分析之后,去除高度线性相关的属性13个,剩余8个地震属性,分别为瞬时频率斜率、反射强度斜率、平均瞬时相位、平均瞬时频率、平均反射强度、平均振幅、平均波谷振幅和等时线属性(图3(b))。

图3　地震属性相关系数图Fig.3　Correlation coefficient figure of seismic attributes

2.2.2非线性分类预测模型建立及平面储层质量预测

核方法是近些年来解决非线性模式分析问题的一种有效途径,Mika等[14](1999年)利用核技巧对Fisher判别分析进行了改进,建立了针对两类问题的核Fisher判别分析(KFDA),较有效地处理非线性问题。Baudat等[15](2000年)改进了KFDA,使其可以处理多类别分类的问题。该方法不仅保持了原有线性算法的优点,同时对非线性可分的数据具有较强的分离能力,具有广泛的应用空间[16-18]。

对筛选出的8种地震属性及井点处储层分类进行核Fisher判别分析,建立致密砂岩储层质量分类识别模型。然后利用已经建立的分类识别模型进行平面储层质量预测(图4(b)),该图与地质人员绘制的砂地比图和沉积相图(图4(c)、4(d))较接近,表明采用核Fisher判别分析建立层控地震属性储层质量评价(分类)模型较为可靠。

图4　核Fisher方法储层质量评价预测结果Fig.4　Reservoir quality evaluation predicted by KFDA algorithm

2.33维储层质量评价地质模型

2.3.1模型建立

3维储层质量评价模型借鉴的是相控建模的思想。当井网稀疏或不均匀时,井间使用插值,可信度略差,如果井间部分考虑了相模式,效果优于前者。因此本文中地震储层质量评价尝试使用前文地震属性预测的储层质量分类平面展布进行约束建模。

在储层质量平面展布约束下,采用同位协同序贯高斯算法,对储层质量综合参数RQCP进行3维建模。实验区构造简单,借用前人解释的井分层和地震层位建立构造模型。X、Y方向网格为20m×20m,网格总数为390×415。Z方向为等比例网格,保证网格层平均垂向厚度约1.4m。根据统计设定主变程为2km,次变程为1km,主变程方向为312°。同时以储层下限作为约束,将小于储层下限的点设为低值。

2.3.2储层质量评价结果检验

建模后提取的第10小层对应的累计RQCP,利用RQCP下限将其划分为一类储层、二类储层、三类储层和非储层,给出相应的平面展布图(图5)。将其与生产动态资料结合分析,选用13口生产井资料,得出储层质量级别与高产、中产和低产井的相关情况。高产井4口,其中3口井分布于一类储层中,占75%,1口井分布于二类储层中,占25%;中产井8口,6口井分布于二类储层中,占75%,1口井分布于三类储层中,占12.5%,1口井分布于一类储层中,占12.5%;1口低产井分布于三类储层中。储层质量评价结果与实际较吻合。第10小层的储层质量评价显示,H90区扶余油层10小层平面上有3个储层质量相对较好的区域,分别位于实验区西南部、北部和中部。

图5　第10小层储层质量参数累计平面图Fig.5　Plan of accumulative reservoir quality parameter in layer 10

3　结束语

根据致密砂岩储层的特点,利用泥质含量、孔隙度、渗透率、脆性指数确定的储层质量综合参数RQCP,将储层划分为4类,并在地震属性筛选基础上,应用核Fisher判别分析方法建立地震属性与储层质量分类的识别模型,求取储层质量分类平面展布,最终建立3维储层质量评价模型。该方法不仅考虑了采用孔渗参数难以有效确定致密砂岩的储渗能力的问题,同时也为地震属性与储层评价参数并非线性关系引入了新的非线性判别算法,并且3维可视化模型较好地显示了各类储层的分布,该方法可为其他地区致密砂岩储层质量评价提供借鉴。应用提出的储层质量评价方法获得的3维质量评价模型可以实现对储层质量的有效评价。储层质量评价显示研究区扶余油层第10小层平面上有3个储层质量较好的区域,分别位于研究区西南部、中部和北部,结果可用于指导致密砂岩油藏后期压裂改造及水平井布井工作。

[1]文龙,刘埃平,钟子川,等.川西前陆盆地上三叠统致密砂岩储层评价方法研究[J].天然气工业,2005,25(s1):49-53.

WENLong,LIUAiping,ZHONGZichuan,etal.MethodofevaluatingupperTriassictightsandstonereservoirsinwestSichuanforelandBasin[J].NaturalGasIndustry, 2005,25(s1):49-53.

[2]张永浩,杜环虹,李新,等.苏里格气田致密砂岩储层条件下声波速度与孔隙度实验研究[J].测井技术,2013,37(3):229-234.

ZHANG Yonghao, DU Huanhong, LI Xin, et al. Experiment research on relation of accoustic velocity and porosity in compact sandstone reservoir,Sulige Gasfield[J].Well Logging Technology,2013,37(3):229-234.

[3]田华,张水昌,柳少波,等.致密储层孔隙度测定测定参数优化[J].石油实验地质,2012,34(5):334-339.

TIAN Hua, ZHANG Shuichang, LIU Shaobo, et al. Parameter optimization of tight reservoir porosity determination[J]. Petroleum Geology & Experiment, 2012,34(5):334-339.

[4]潘蓉,朱筱敏,张剑锋,等.基于主成分分析的储层质量综合评价模型:以克拉苏构造带巴什基奇克组为例[J].石油实验地质,2014,36(3):376-380.

PAN Rong, ZHU Xiaomin, ZHANG Jianfeng, et al. A model for comprehensive evaluation of reservoir quality based on principal component analysis: a case study of Bashijiqike Formation in Kelasu tectonic zone[J]. Petroleum Geology & Experiment, 2014,36(3):376-380.

[5]张琴,朱筱敏.山东省东营凹陷古近系沙河街组碎屑岩储层定量评价及油气意义[J].古地理学报, 2008,10(5):465-472.

ZHANG Qin, ZHU Xiaomin. Quantitative assessment of clastic reservoir of the Paleogene Shahejie formation in Dongying sag of shandong province and its hydrocarbon significance[J].Journal of Palaeogeography,2008,10(5):465-472.

[6]兰叶芳,邓秀芹,程党性,等.鄂尔多斯盆地华庆地区长6油层组砂岩成岩相及储层质量评价[J].岩石矿物学杂志,2014,33(1):51-63.

LAN Yefang, DENG Xiuqin, CHENG Dangxing, et al. Diagenetic facies and reservoir quality evaluation of Chang 6 sandstone reservoir in the upper Triassic Yangchang formation of Huaqing area,Ordos Basin[J].Acta Petrologica et Mineralogica,2014,33(1):51-63.

[7]邓继新,王尚旭,李生杰,等.砂岩储层地震属性参数对孔隙流体的敏感性评价[J].石油学报, 2006,27(6):55-59.

DENG Jixin, WANG Shangxu, LI Shengjie, et al. Sensitivity evaluation of seismic attribute parameters for sandstone reservoir to pore fluid[J].Acta Petrolei Sinica,2006,27(6):55-59.

[8]畅永刚,史松群,赵玉华,等.基于SVD法三维地震属性优化技术在苏里格气田含气性预测中的应用[J].天然气地球科学, 2012,23(3):596-601.

CHANG Yongsong, SHI Songqun, ZHAO Yuhua, et al. Application of optimization technology of SVD-based 3D seismic attribution in gas bearing prediction of sulige gas field[J]. Natural Gas Geoscience, 2012,23(3):596-601.

[9]杜丽筠,吴志强.多地震属性优化的神经网络技术在鄂尔多斯盆地高阻抗砂岩储层预测中的应用[J].海洋地质动态, 2010,26(10):45-49.

DU Lijun, WU Zhiqiang. Application of neural network technology optimized by multiple seismic attributes to predict high-impedance sandstone reservoirs in Ordos Basin[J].Marine Geology Letters,2010,26(10):45-49.

[10]胡兴中.济阳坳陷埕东北坡上第三系河道砂体地震描述及含油性预测技术[J].石油地球物理勘探, 2006,41(5):580-583.

HU Xingzhong. Seismic description and oil-bearing prediction of Neogene channel sand body in northern slope of Chengdong arch, Jiyang Depression[J].OGP,2006,41(5):580-583.

[11]晏信飞,曹宏,姚逢昌,等.致密砂岩储层贝叶斯岩性判别与孔隙流体检测[J].石油地球物理勘探, 2012,47(6):945-950.

YAN Xinfei, CAO Hong, YAO Fengchang, et al. Bayesian lithofacies discrimination and pore fluid detection in tight sandstone reservoirs[J].OGP,2012,47(6):945-950.

[12]张勇,宋维琪.基于储集层地质模式用多种地震属性参数预测砂体含油气性[J].石油勘探与开发, 2001,8(4):60-63.

ZHANG Yong, SONG Weiqi. Predicting the oil/gas bearing potential of sand bodies with various seismic attribute parameters based on geological model of the reservoirs[J].Petroleum Exploration and Development,2001,8(4):60-63.

[13]唐耀华,张向君,高静怀.基于地震属性优选与支持向量机的油气预测方法[J].石油地球物理勘探, 2009,44(1):75-80.

TANG Yaohua, ZHANG Xiangjun, GAO Jinghuai. Method of oil/gas prediction based on optimization of seismic attributes and support vector machine[J].OGP, 2009,44(1):75-80.

[14]MIKA S, RATSCH G, WESTON J. Fisher discriminant analysis with kernels[C]//Neural Networks for Signal Processing IX.Piscataway NJ:IEEE,1999.41-48.

[15]BAUDAT G, ANOUAR F. Generalized discriminant analysis using a kernel approach[J]. Neural Computation,2000,12(10):2385-2404.

[16]许建华,张学工,李衍达.应用核Fisher判别技术预测油气储集层 [J].石油地球物理勘探,2002,37(2):170-174.

XU Jianhua, ZHANG Xuegong, LI Yanda. Application of kernel Fisher discriminanting technique to prediction of hydrocarbon reservoir[J].OPG, 2002,37(2):170-174.

[17]徐正光,王淑盛,刘冀伟,等.基于主成分分析的核Fisher判别方法在油水识别中的应用[J].北京科技大学学报, 2005,27(1):126-128.

XU Zhengguang, WANG Shusheng, LIU Jiwei, et al. Application of kernel Fisher method based on Primary factor analysis to recognition Problem between oil layer and water layer[J]. Journal of University of Science and Technology Beijing, 2005,27(1):126-128.

[18]罗德江.基于核Fisher判别的碎屑岩储层流体识别[J].地球物理学进展, 2013,28(4):1919-1924.

LUO Dejiang. The method on the fluid identification of rock elastic properties by Fisher discriminant analysis in fragmental rock[J]. Progress in Geophysics, 2013,28(4):1919-1924.

(编辑修荣荣)

Seismic reservoir quality evaluation in tight sandstone reservoirs

CHEN Wenhao1,2, DONG Shaoqun1,2, WANG Zhizhang1,2, HOU Jiagen1,2, LI Hanlin3

(1.College of Geosciences in China University of Petroleum, Beijing 102249, China；2.StateKeyLaboratoryofPetroleumResourcesandProspectinginChinaUniversityofPetroleum,Beijing102249,China;3.SchoolofGeosciencesinChinaUniversityofPetroleum,Qingdao266580,China)

Taking tight sandstone reservoirs in Honggang area as an example, a seismic reservoir quality evaluation method in tight sandstone reservoirs was discussed. According to the characteristics of tight sandstone reservoir in Honggang area, a comprehensive parameter for evaluating reservoir quality,RQCPis introduced, which incorporates lithology and physical properties, in order to determine the levels of reservoir quality and to resolve the problem of reservoir classification. Based on optimized seismic attributes, using kernel Fisher discriminant analysis(KFDA) algorithm, the classification model is built between seismic attributes and reservoir quality levels to predict a reservoir quality distribution plane; constrained by 2D planes, a three-dimensional reservoir quality evaluation model was constructed. The research shows that the three-dimension model that uses this seismic reservoir quality evaluation method can describe reservoir quality distributions well, suggesting a broader application of the method in tight sandstone reservoirs in other regions.

tight sand reservoirs；kernel Fisher discriminant analysis(KFDA) algorithm; seismic attribute； reservoir quality evaluation

2015-03-05

国家重大科技专项(2011ZX05008-004-60-64)

陈文浩(1985-)，男，博士研究生，研究方向为油气田开发地质。E-mail：418220216@qq.com。

王志章(1962-)，男，教授，博士,博士后，博士生导师，研究方向为油气藏(含非常规)描述、油气田开发地质。E-mail：whx3998@vip.sina.com。

1673-5005(2016)03-0063-06doi:10.3969/j.issn.1673-5005.2016.03.008

P 631.9

A