改进的基于目标的高精度沉积微相建模方法在苏14加密实验区的应用

尹楠鑫, 张 吉, 李存贵, 李明映, 朱睿哲,任 宏, 蒋 茜, 李涤淑, 崔英琢

(1.中国石化中原油田 博士后工作站，郑州 450018; 2.中国石化中原油田 勘探开发科学研究院，郑州 450018；3.中国石油长庆油田公司 苏里格气田研究中心，西安 710018; 4.中国石化中原油田分公司 开发管理部，河南 濮阳 457001；5.中国石油化工股份有限公司 上海海洋油气分公司 勘探开发研究院,上海 20012)

改进的基于目标的高精度沉积微相建模方法在苏14加密实验区的应用

尹楠鑫1,2, 张 吉3, 李存贵4, 李明映2, 朱睿哲5,任 宏2, 蒋 茜2, 李涤淑2, 崔英琢2

(1.中国石化中原油田 博士后工作站，郑州 450018; 2.中国石化中原油田 勘探开发科学研究院，郑州 450018；3.中国石油长庆油田公司 苏里格气田研究中心，西安 710018; 4.中国石化中原油田分公司 开发管理部，河南 濮阳 457001；5.中国石油化工股份有限公司 上海海洋油气分公司 勘探开发研究院,上海 20012)

探讨适合鄂尔多斯盆地苏里格地区地质特征的相控建模方法。以苏里格气田苏14加密实验区为解剖对象，综合运用地质、测井和三维地震资料，在基于模型的测井约束反演结果基础之上，用反演波阻抗数据协同模拟泥质含量模型，进而利用泥质含量识别储层的下限标准建立岩相模型；再利用岩相模型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；最后用基于目标体结果的方法(示性点过程法)建立高精度的三维沉积微相模型，开展不同“相控”条件下的属性模型比较分析。结果表明沉积微相控制下的属性模型中，心滩内部储层物性条件最好，其次是点坝，再次是河道微相；而以岩相控制的属性模型无法反映不同沉积微相内部储层物性参数的数学期望值与方差值，模拟结果具有较大的随机性。利用该方法所建的三维沉积微相模型可精细反映各微相的平面、剖面形态以及各微相的接触关系，其约束下的属性模型分相带反映储层的物性变化。

测井约束反演；岩相模型；相控建模；沉积微相模型；属性模型

沉积微相建模是储层地质学及油藏描述的重要研究方向，它对于提高属性模型的精度具有十分重要的意义。目前用于沉积微相的建模方法可分为基于目标的建模方法和基于像元的随机建模方法，每种方法各有其利弊[1]。近几十年来，随着储层随机建模技术的日益完善以及广泛使用，沉积相建模技术也取得了长足发展并被各研究单位及高等院校推广应用。针对不同沉积环境，国内外学者提出了诸多沉积微相建模与参数定量预测的思路、方法及步骤[2-8]。当前的相控建模通常指的是运用沉积微相或者是岩相控制建立储层物性模型。由于三维地质模型具有很高的垂向网格精度，模拟的岩相模型能较为精细地反映隔层、夹层分布；但将不同相带的储层整体作为一个单元(岩相模型)约束建立属性模型，必然导致很大的误差。而沉积微相控制建模则能分相带预测储层参数的空间变化特征，针对不同类型沉积微相物性参数的数学期望值与方差不同，利用计算机建立三维沉积微相模型，最终通过三维沉积相模型为约束，采用数理统计方法，分相带进行变差函数分析，综合运用确定性与随机模拟技术预测孔隙度、渗透率及含油饱和度(含气饱和度模型)的时、空展布[9-12]，进而使得物性模型更加接近地下真实情况。相分布控制了储层的空间分布，只有建立其高精度的三维沉积微相模型，才能模拟出更加接近地下实际情况的物性参数模型[13-14]。本文提出用反演波阻抗协同模拟建立岩相模型，通过对岩相模型提供的各种地质统计参数建立沉积微相模型的方法探索，以期能建立反映苏里格气田低渗透储层物性变化的储层参数模型，同时也为苏里格气田其他相似地质条件的区块建模提供技术支持和方法借鉴。

1 研究区概况

2000年5月，苏14等高产气井的发现标志着苏里格大型砂岩气藏勘探成功[15]。该气田位于鄂尔多斯盆地伊陕斜坡西北侧，区域构造横跨陕北斜坡、伊盟隆起及天环拗陷3个构造单元，构造形态为宽缓西倾的单斜，构造带内除发育少数低幅鼻状构造外，区内大部分地区构造十分平缓，平均坡降为3‰～5‰。该气田勘探面积约3.6×104km2，天然气地质资源量3.8×1012m3。其中苏14加密实验区块位于苏里格气田中区南部，加密区块的具体位置是南起苏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，区内共钻井46口。目前的勘探开发发现：苏14加密实验区主力产气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，属典型的岩性圈闭气藏，气藏由多个单砂体横向复合叠置而成，储层砂体大部分孔隙度<15%，渗透率主值区间<5×10-3μm2，基本属于低孔、低渗、低丰度的大型气藏。前人研究表明苏14加密实验区垂向上沉积环境变化快，空间上储层非均质性严重。其盒8上段和山1段为曲流河沉积，盒8下段为辫状河沉积。其中山1段岩性为细—中粒岩屑砂岩、岩屑质石英砂岩和泥质岩。盒8段以含砾粗砂岩、中砂岩及长石岩屑质石英砂岩或岩屑砂岩为主，夹泥岩。由于加密区范围小，目前的研究认为区内目的层段只发育河道、点坝、心滩以及泛滥平原4种微相。依据Cross的高分辨率层序地层学原理，将山1段划分为3个短期旋回、6个超短期旋回，盒8段被划分为4个短期旋回，8个超短期旋回。其中短期旋回大致与小层相当，超短期旋回大致与单层对应。依据等时界面控制的旋回对比方法，可解决地层对比过程中的穿时性问题，从而为沉积微相模型的研究及储层物性模型的建立提供不同级次的地层格架模型。

2 基于模型的测井约束反演

随着地质统计学理论在石油勘探开发领域的成功应用，三维地质建模技术得到了空前发展。这段时期，整合地震资料的三维地质建模也取得了成功，大量的新方法、新成果不断涌现。本文就是利用Petrel建模软件，以测井约束反演波阻抗协同模拟岩相模型，从而获取建立三维沉积相模型的各种参数，来建立高精度的三维地质模型。但其首要前提是开展高精度的测井约束反演。

测井约束地震反演实质上是地震-测井联合反演，其结果是测井高频信息与地震的低频信息的高度融合。该方法主要是在精细构造解释的基础之上，利用测井曲线求得的波阻抗沿层位外推，井间按距离加权内插建立初始模型；再结合优选的子波，不断修改模型参数，反复迭代建立波阻抗模型，在人工合成地震剖面与实际地震剖面误差最小的情况下停止迭代，从而获得最终的高分辨率的波阻抗数据体[16]。

由于研究区目的层段为河流相沉积，河道砂岩与泛滥平原泥岩的波阻抗差异较明显，因此用基于模型的测井反演结果可以较为有效地区分储层与非储层，从而实现砂体空间分布规律的预测。图1是苏14加密实验区块盒8段和山1段过井的测井约束波阻抗反演剖面，通过井上识别储层砂体的自然伽马曲线与波阻抗的标定分析，本区砂岩和泥岩波阻抗差异明显。红黄色标的高值条带反映砂岩的空间展布，波阻抗值为11 000～14 500 kg/(m2·s)。波阻抗<11 000 kg/(m2·s)的部位主要为泥岩。研究发现，对于叠置厚度>8 m的砂体，反演结果均能有效识别；但对于厚度<8 m的砂体，反演识别能力有限。剖面显示，部分薄砂体预测效果不理想，通过统计测井资料识别的储层与反演波阻抗结果的吻合程度发现，反演结果识别精度达到80%左右。为精细刻画厚度<8 m的薄砂层，本文引入了地质统计学方法，用波阻抗反演结果协同模拟泥质含量模型，通过泥质含量识别储层的下限标准，来预测岩相模型，从而预测优质储层的空间分布。

图1 苏14加密实验区块盒8段和山1段测井约束反演波阻抗过井剖面Fig.1 Cross wells of acoustic impedance section from seismic inversion controlled by well logs of He8 and Shan1 section in Su14 infill area井上曲线为自然伽马曲线

3 基于测井约束反演的相建模

在三维地质建模过程中，如何充分整合地震信息、以地震资料为约束来建立高精度的三维地质模型是储层建模技术发展的一个重要方面。20世纪90年代，国外的主流地质建模软件(Petrel、RMS、GOCAD)均开发出了多信息综合约束建模的模块，尤其是在地震约束建模方面的探索取得了很大的成功[17-22]。通过地震资料为约束条件建立三维地质模型可在一定程度上提高建模的精度，降低单纯依靠井插值带来的不确定性。约束属性模型的地震资料包括：①建立构造模型所需的构造和断裂系统解释成果；②约束岩相模型或者孔、渗模型单一地震属性资料；③聚类分析地震属性组合资料。国内的一些专家学者根据地震属性与测井数据的相关性好坏，分别用其约束建模并取得了相应成果[23-25]。因此，本文提出了运用基于测井约束反演的高精度储层预测方法，通过测井反演波阻抗与泥质含量的高相关性，再运用地质统计学方法，预测岩相模型，继而在岩相模型的基础之上开展沉积微相建模。

3.1 岩相模型的建立

目前建立岩相模型有3种方法。由于研究区井资料较少，单纯依靠井的资料进行井间插值具有很大的随机性，模拟结果精确度不高[26]。因此，充分发挥地震资料协同模拟技术来建立岩相模型。在Petrel建模软件中，根据各种地震属性所能反映的地质意义，结合工区研究的目的，初步选出反演波阻抗、均方根振幅、瞬时振幅、瞬时频率、主频、瞬时相位、相位余弦等能反映岩性、沉积相边界及断层分布的属性来进行储层预测，并对这几类地震属性进行优选。为了定性分析地震属性能否识别岩性的分布，了解所提取属性的总体异常特征分布规律是否能反映岩性的分布规律，必须计算井旁道的地震属性，将地震属性与井上的岩性解释和测井曲线对比(图2)进行直观的判断分析。从图2地震属性定性分析可以得出：反演波阻抗识别储层的能力最强，其次是瞬时振幅和均方根振幅。这2类属性对大套的砂、泥交互层有明显的响应，但识别精度不高，其余各地震属性与岩性没有直接的对应关系，因此不能反映岩性的分布规律。另外，计算井旁道地震属性与测井曲线的相关系数亦可以定量地分析地震属性与岩性的相关系数。分析发现：研究区反映岩性的泥质含量参数与视波阻抗具有线性相关关系，相关系数达到0.87。

图2 Su14-5-18井提取的井旁道地震属性提取及其岩性标定Fig.2 Seismic attributes extracted from seismic trace near Well Su14-5-18 and their lithologic calibration

因此，可利用速度模型，将反演波阻抗数据体通过速度模型转换至深度域，再将深度域的反演波阻抗数据重采样到三维地质模型中(图3)，进而可采用协同克里格为基本算法的条件模拟技术，用反演波阻抗数据体协同模拟泥质含量模型，并根据该区测井二次解释泥质含量(质量分数：wsh)识别储层的下限标准(wsh>30%为泥岩)，将三维泥质含量模型转换为岩相模型(图4)。对比图3和图4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，而岩相模型直观地反映了储层的空间展布。波阻抗反演结果虽具有其他资料无法比拟的横向信息，但受地质资料垂向采样率的制约，通过时-深转换以后的波阻抗垂向识别储层的能力远远小于测井资料，因此，运用地质统计学方法，以波阻抗协同模拟的岩相模型，其垂向识别能力明显好于波阻抗反演结果。

图3 苏14加密试验区波阻抗三维地震数据体Fig.3 3D impedance data of Su14 infill test area

图4 苏14加密试验区三维岩相模型Fig.4 3D lithofacies model of Su14 infill test area

3.2 沉积微相模型的建立

相分布控制了储层的空间分布，同一相带内部，沉积物的沉积、成岩以及生物化学过程都具有极大的相似性；因此，沉积微相在很大程度上控制着储集层属性参数场的展布方向和分布规律。正确认识沉积微相的分布范围及展布特征是储层非均质性研究的关键，只有确定了沉积微相的边界和分布，才能更好地进行储层参数的预测。根据沉积相类型选择合适的随机建模方法是建立高精度沉积微相模型的前提。常用的沉积微相随机建模方法主要有：示性点过程(亦称标点过程)、截断高斯模拟、指示模拟等以及多点地质统计学方法，每种方法均有各自的适用范围及优缺点[27]。多点地质统计学中，训练图像获取方法、大小、平稳性都影响其精度，且难以求准，进而也影响沉积微相模型的精度。基于像元的沉积微相建模方法是把单井沉积微相作为一种离散数据，通过垂向网格离散化以后，运用随机模拟建立沉积微相模型。这种方法虽然满足了模拟结果的概率统计与已知单井数据概率一致性的问题，但是无法刻画复杂储层的几何形态，且所建立的模型很难符合相序规律及地质认识。对于基于目标建模方法，目前多数地质建模人员主要是依据平面相带的边界参数为约束，而平面相表征又主要是在单井垂向优势相基础上来开展的；因此，这种沉积微相模型则无法完全忠实于井点信息，垂向上无法刻画隔夹层分布，模型中的各种微相之间均呈突变接触关系，不符合地质实际。

本次沉积微相建模突破了传统的以相找砂体的思路，主要是通过波阻抗协同模拟岩相模型以后，在已预测的砂体内部去划分沉积微相。通过建立小层级别的层序地层格架，最大限度地克服了在优势相表征基础上用传统的基于目标建模方法面临的相丢失现象，即在所建沉积微相模型中，单井柱子上一个层只有一种相，且各微相间呈突变接触的问题(沉积微相模型平面显示与勾绘的小层平面图相吻合，而垂向呈柱状箱体且只有一种优势相，而无其他微相)。以盒8上1.1小层为例，通过地质统计方法，运用地震资料协同模拟岩相模型以后，进而提取各小层的砂体厚度，再结合各小层的单井沉积微相划分结果，勾绘各小层的沉积微相平面图。如图5所示，该小层发育3条曲流河，河道弯曲度较大，点坝规模大。苏14-3-014井和苏14-2-17井附近的点坝长宽近2.5 km，苏14-0-04井和苏14-02-13井附近的点坝长度近2 km。在波阻抗协同模拟的基础上所勾画的微相主要是确定各平面微相的边界；而垂向要体现微相的渐变接触关系，需要利用所建的岩相模型，通过提取各小层的砂体顶面和底面构造图来确定。由此建立的沉积微相模型能体现各微相的横向和垂向的渐变关系，同时又解决了传统的基于目标方法中不能刻画垂向上隔夹层分布的问题(图6)。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，进而可模拟整个目的层段的沉积微相模型。模拟的结果显示，沉积微相模型中的有利相带与储层岩相模型中的砂体分布(图7)是完全重合的；同时还能充分体现微相的空间形态和各微相间的接触关系，并且还能刻画多期砂体间的夹层分布。所建立的沉积微相模型，平面上符合河流相沉积模式，剖面上能反映各沉积微相的形态，如河道剖面形态为顶平底凸形、点坝为底平顶凸形、心滩为顶平底凸形等等(图8)。以此方法建立的三维沉积微相模型精细地刻画沉积微相的空间展布，为后期的高精度属性建模奠定了基础。

图5 盒8上1.1小层沉积微相平面图Fig.5 Plan of sedimentary microfacies of H8S1.1

图6 盒8上1.1小层三维沉积微相模型Fig.6 3D sedimentary microfacies model of H8S1.1

图7 苏14加密试验区岩相模型栅状图Fig.7 Grid diagram showing 3D lithofacies model of Su14 infill test area

图8 苏14加密试验区三维沉积微相模型栅状图Fig.8 Grid diagram showing 3D sedimentary microfacies model of Su14 infill test area

4 不同相控条件下的属性建模

沉积微相模型控制下的储层属性参数(孔隙度、渗透率、含气饱和度)模型，其实质是分层、分相带类型统计各种物性参数分布特征，然后分别模拟，其关键之处在如何建立高精度的三维沉积相模型。同一微相内的岩性具有相近的岩石物理性质，在相同的微相内用序贯高斯算法建立的岩石物性参数分布模型会大幅度提高预测精度。同时，采用序贯高斯算法的关键又在于高精度变差函数的对比优选分析，它是描述区域化变量空间结构及相关性的工具。

4.1 分相开展变差函数优选分析

变差函数是地质统计学的三大理论基础之一。它主要是通过变程、块金常数、基台值等参数来刻画区域化变量的性质，反映储层参数的空间变化特征，是定量描述储层非均质性的一种手段。

变差函数的拟合过程主要是对不同层位待模拟数据的带宽、搜索半径、搜索角度等相关参数的反复试验修改，拟合出最佳变差函数曲线，从而求取变程值及方位。为了充分体现不同相带内的储层参数变化特征，本次研究在相控属性建模时，也采取了分相带拟合储层参数的实验变差函数曲线。因沉积微相是一种离散数据，如果分单层、分相拟合实验变差函数曲线将面临着样本数据不足、数据空间结构性差、样本数据不稳定等问题。所以，在实验变差函数拟合过程中，是以整个研究目的层位为对象，分微相拟合实验变差函数。Cambardella (1994)用η等于块金值与基台值的比来表示变量之间的相关性[28]，并给出变量间相关程度的4个标准。李琼(1999)提出了用I0=(C1+C0)/a(基台值与变程的比值)来反映地层介质参数在某一方向的非均质性强度[29]，认为I0值越小，非均质性越弱，反之越强。依据这2种判别方法，分相带拟合了研究区的实验变差函数。图9为河道微相内的实验变差函数，拟合结果显示，主变程为1 050 m、次变程为800 m、垂直变程为6 m，方位为北东30°。目的层实验变差函数拟合优选主要遵循了以下原则：首先通过块金值与基台值的比值来优选不同变差函数模型(球状模型、指数模型、高斯模型)；进而在优选的实验变差函数模型条件下，开展不同方位的实验变差函数对比分析；最后可确定不同微相条件下的变差函数值。研究区内的储层物性参数变差函数分析结果见表1。

4.2 不同相控下的模型比较

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，它们是精细油藏描述中的核心部分。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。孔隙度、渗透率等物性参数的空间分布，主要取决于不同微相的类型与空间分布。不同微相类型物性参数的期望值与方差通常不同，其空间相关性也不同，因此对物性参数插值时需要按其所属的相体类型分别进行模拟。本次属性模型的建立主要是在高精度的三维沉积微相模型基础之上，以研究区内46口井的测井二次解释数据为输入数据，在垂向网格离散化以后，将测井数据进行正态得分转换，使其服从正态分布；并通过数据分析，变差函数优选以后，以沉积微相模型为控制条件，分相模拟储层参数模型。

表1 储层物性参数变差函数分析结果Table 1 Experimental variogram showing analysis results of reservoir physical parameters

相控属性建模方法中，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的约束作用。图10为不同相控条件下的孔隙度模型，通过对比发现，以岩相模型(图10-A)为控制条件的孔隙度模拟结果具有很大的随机性，它只是在变差函数条件下满足了模拟结果与单井数据的概率一致性，无法反映不同沉积微相内的储层空间变化特征(图10-C)。而沉积微相模型(图10-B)控制建立的孔隙度模型则能明显反映心滩或者点坝物性变化的连续性以及优越性(10-D)，突出反映了同一微相内储层物性特征的极大相似性。如图10-D所示，心滩和点坝微相内的孔隙度明显要好于河道微相；同时，心滩微相内的孔隙度又好于点坝微相：这与实际地质情况也都完全吻合(心滩比点坝物性条件好)。模拟结果也充分体现了沉积模式对储层的控制作用，揭示了不同微相内的储层物性差异特征，从而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10 不同相控条件下的孔隙度模型Fig.10 The different porosity models controlled by different sedimentary facies models(A)岩相模型；(B)沉积微相模型；(C)岩相控制下的孔隙度模型；(D)沉积微相控制下的孔隙度模型

5 结 论

a.本次沉积微相建模突破了传统的以相找砂体的思路，在高精度的层序地层格架基础上，通过基于曲线重构的测井约束反演波阻抗协同模拟岩相模型，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，如各种微相的砂体顶底构造、砂厚、砂地比、河道延伸方向、宽度、厚度等。通过在储层内部预测微相的空间展布，建立的三维沉积微相模型能精细地刻画各微相的空间展布以及各微相间的接触关系，如河道、心滩以及点坝的平面和剖面形态。

b.不同微相内部储层参数的期望值与方差通常不同，其空间相关性也不同。以沉积微相模型为约束条件建立的储层属性模型不仅满足了模拟结果与已知数据的概率一致性问题，同时又能分相带反映储层的空间变化特征，模拟结果明显优于岩相控制的储层属性模型。各微相的模拟结果对比发现，研究区心滩内部储层物性条件最好，其次是点坝，最后是河道微相。

[1] 丁圣，林承焰，周明晖，等.油藏地质建模及实时跟踪研究[J].地球科学与环境学报，2010,32(1):70-72. Ding S, Lin C Y, Zhou M H,etal. Study on reservoir geological modeling and real-time tracking[J]. Journal of Earth Sciences and Environment, 2010, 32(1): 70-72. (in Chinese)

[2] Elvind D, Tjolsen C B, More H,etal. A two-stage stochastic model applied to a north sea reservoir[J]. Journal of Petroleum Technology, 1992, 44(4): 402-408.

[3] 胡勇，于兴河，李胜利，等.应用地震正反演技术提高地质建模精度[J].石油勘探与开发，2014,41(2):190-197. Hu Y, Yu X H, Li S L,etal. Improving the accuracy of geological model by using seismic forward and inversion techniques[J]. Petroleum Exploration and Development, 2014, 41(2): 190-197. (in Chinese)

[4] 胡先莉,薛东剑.序贯模拟方法在储层建模中的应用研究[J].成都理工大学学报(自然科学版),2007,34(6):609-613. Hu X L, Xue D J. An application of sequential simulation to reservoir modeling[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2007, 34(6): 609- 613. (in Chinese)

[5] 张建林，吴胜和.东营凹陷北部陡坡带T71块深水浊积扇相控孔隙度建模方法[J].中国石油大学学报(自然科学版)，2009,33(5):12-16. Zhang J L, Wu S H. Method of porosity modeling of deep water turbidity-fan based on facies controlled in T71 block of northern steep structure belt of Dongying depression[J]. Journal of China University of Petroleum, 2009, 33(5): 12-16. (in Chinese)

[6] 于兴河，李胜利，赵舒，等.河流相油气储层的井震结合相控随机建模约束方法[J].地学前缘，2008,15(4):33-41. Yu X H, Li S L, Zhao S,etal. The constraining method on stochastic modeling for fluvial petroleum reservoir controlled by depositional facies integrating wells with seismic data[J]. Earth Science Frontiers, 2008, 15(4): 33-41. (in Chinese)

[7] 尹艳树，吴胜和，秦志勇.目标层次建模预测水下扇储层微相分布[J].成都理工大学学报(自然科学版)，2006,33(1):53-57. Yin Y S, Wu S H, Qin Z Y. Modeling of subwater fan reservoir microfacies using the hierarchical object-based modeling method in the Pucheng Oilfield, China[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2006, 33(1): 53-57. (in Chinese)

[8] 黄志洁，张一伟，熊琦华，等.油藏相控剩余油分布四维模型的建立方法[J].石油学报，2008,29(4):562-566. Huang Z J, Zhang Y W, Xiong Q H,etal. Development of four-dimensional model for remaining oil distribution under control of reservoir sedimentary facies[J]. Acta Petrolei Sinica, 2008, 29(4): 562-566. (in Chinese)

[9] 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):553-557. Zhou C C, Wang Y J, Zhou F M. Modeling and application of the lithofacies-controlled primary pore reservoir of proximal sandstone[J]. Petroleum Exploration and Development, 2006, 33(5): 553-557. (in Chinese)

[10] 李玉君，邓宏文，张新培，等.辽河油田龙10块Es31密井网条件下相控随机建模[J].石油勘探与开发，2007,34(6):677-681. Li Y J, Deng H W, Zhang X P,etal. Facies controlled modeling of close spacing Es31Block Long 10, Liaohe Oilfield[J]. Petroleum Exploration and Development, 2007, 34(6): 677-681. (in Chinese)

[11] 兰义飞,王东旭,樊友宏.相控建模在剥蚀残留碳酸盐岩储层中的应用[J].天然气工业，2007,27(8):52-53. Lan Y F, Wang D X, Fan Y H. Application of facies-controlling modeling in the erosion carbonate reservoir[J]. Natural Gas Industry, 2007, 27(8): 52-53. (in Chinese)

[12] 李玉君，邓宏文，田文，等.波阻抗约束下的测井信息在储集层岩相随机建模中的应用[J].石油勘探与开发，2006,33(5):569-571. Li Y J, Deng H W, Tian W,etal. Application of impedance-constrained logging data in reservoir facies modeling[J]. Petroleum Exploration and Development, 2006, 33(5): 569-571. (in Chinese)

[13] Haldorsen H H, Damsleth E. Stochastic modeling[J]. JPT, 1990, 42(4): 404-412.

[14] 张连进，朱占美，郑伟，等.龙岗地区礁滩气藏地质建模方法探索[J].天然气工业，2012,32(1)：45-48. Zang L J, Zhu Z M, Zheng W,etal. Geological modeling of reef-bank gas reservoirs in the Longgang Gas Field, Sichuan Basin[J]. Natural Gas Industry, 2012, 32(1): 45-48. (in Chinese)

[15] 尹楠鑫，国殿斌，李中超，等.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加密实验区为例[J].中国海洋大学学报，2015,45(3):92-98 . Yin N X, Guo D B, Li Z C,etal. Stochastic modeling of sedimentary microfacies-lithofacies and property modeling under it’s control: Taking Su49-01 infill test area of Sulige gas field for example[J]. Periodical of Ocean University of China, 2015, 45(3): 92-98. (in Chinese)

[16] 魏立花，郭精义，杨占龙，等．测井约束岩性反演关键技术分析[J]．天然气地球科学，2008，17(5)：731-735． Wei L H, Guo J Y, Yang Z L,etal. Analysis on key techniques of log constrained lithological inversion[J]. Natural Gas Geosciences, 2008, 17(5): 731-735. (in Chinese)

[17] Araktingi U G, Bashore W M. Effects of properties in seismic data on reservoir characterization and consequent fluid-flow predictions when integrated with well logs[C]// Paper 28382-MS Presented at SPE Annual Technical Conference and Exhibition, 4-7 October 1992, Washington. http://dx.doi.org/10.2118/24752-MS.

[18] Doyen P M, Psaila D E, Strandenes S. Bayesian sequential indicator simulation of channel sands from 3D Seismic Data in the Oseberg field[C]// Paper 28382-MS Presented at SPE Annual Technical Conference and Exhibition, 25-28 September, New Orleans. http://dx.doi.org/10.2118/28382-MS.

[19] Yang C T, Chorpa A K, Chu J,etal. Integrated geostatistical reservoir description using petrophysical, geological, and seismic data for Yacheng 13-1 Gas Field[C]// paper 30566-MS presented at SPE Annual Technical Conference and Exhibition , 22-25 October, Dallas. http://dx.doi.org/10.2118/30566-MS.

[20] Bakke N E, Ertresvag, E T, Naess A,etal. Application of seismic data and sequence stratigraphy for constraining a stochastic model of calcite cementation[C]//Paper 35487-MS Presented at European 3-D Reservoir Modelling Conference, 16-17 April 1996, Stavanger. http://dx.doi.org/10.2118/35487-MS.

[21] Tjolsen C B, Johnsen G, Halvorsen G,etal. Seismic data can improve the stochastic facies modeling[J]. SPE Formation Evaluation, 1996, 11(3): 141-146.

[22] Behrens R A, Macleod M K, Tran T T,etal. Incorporating seismic attribute maps in 3D reservoir models[J]. SPE Reservoir Evaluation & Engineering, 1998, 1(2): 122-126.

[23] 林承焰，陈仕臻，张宪国，等.多趋势融合的概率体约束方法及其在储层建模中的应用[J].石油学报，2015,36(6):730-739. Lin C Y, Chen S Z, Zhang X G,etal. Probability constraint method based on multiple trend intergration and it’s application in reservoir modeling[J]. Acta Petrolei Sinica, 2015, 36(6): 730-739. (in Chinese)

[24] 胡勇，陈恭洋，周艳丽.地震反演资料在相控储层建模中的应用[J].油气地球物理，2011,9(2):41-45. Hu Y, Chen G Y, Zhou Y L. The application of seismic inversion data in the facies constrained reservoir model building[J]. Petroleum Geophysics, 2011, 9(2): 41-45. (in Chinese)

[25] 陈更新，赵凡，曹正林，等.地震反演、地质协同约束储层精细建模研究[J].天然气地球科学，2014,25(11):1839-1846. Chen G X, Zhao F, Cao Z L,etal. Integrated reservoir modeling based on seismic inversion and geological data[J]. Natural Gas Geoscience, 2014, 25(11): 1839-1846. (in Chinese)

[26] 贾玉梅，徐芳，陈斌，等.基于地震资料的薄互层储层三维地址建模——以埕海油田二区为例[J].天然气地球科学，2010,21(5)：833-838. Jia Y M, Xu F, Chen B,etal. Three-dimensional geological reservoir modeling of thin beds based on seismic data: A case on Chenghai oilfield Ⅱ area[J]. Natural Gas Geoscience, 2010, 21(5): 833-838. (in Chinese)

[27] 胡向阳，熊琦华，吴胜和，等．标点过程随机模拟方法在沉积微相研究中的应用[J]．石油大学学报(自然科学版)，2002，26(2)：19-22． Hu X Y, Xiong Q H, Wu S H,etal. Application of marked point process stochastic simulation to study sedimentary microfacies[J]. Journal of the China University of Petroleum, 2002, 26(2): 19-22. (in Chinese)

[28] Cambardella C A, Moorman T B, Novak J M,etal. Field-scale variability of soil properties in central Iowa soils[J]. Soil Science Society of America Journal, 1994, 58: 1501-1511．

[29] 李琼，鄢永玲，李正文．地层介质非均质性预测方法技术研究[J]．矿物岩石，1999，19(3)：86-89． Li Q, Yan Y L, Li Z W. Study on prediction technique by stratigraphic medium anisotropy method[J]. Journal of Mineralogy and Petrology, 1999, 19(3): 86-89. (in Chinese)

Application of the improved object-based method of high resolution microfacies model to infilled wellblock Su14, Ordos Basin, China

YIN Nanxin1,2, ZHANG Ji3, LI Cungui4, LI Mingying2, ZHU Ruizhe5,REN Hong2, JIANG Xi2, LI Dishu2, CUI Yingzhuo2

1.PostdoctoralResearchWorkstationofZhongyuanOilFieldCompany,ZhongyuanOilfieldofSINOPEC,Puyang457001,China;2.ExplorationandDevelopmentResearchInstitute,ZhongyuanOilfieldBranchCompanyofSINOPEC,Puyang457001,China；3.SuligeGasFieldResearchCenterofChangqingOilfieldCompany,PetroChina,Xi’an710018,China;4.DevelopmentandManagementDepartmentofZhongyuanOilfieldBranchCompany,SINOPEC,Puyang457001,China;5.InstituteofExploration&DevelopmentofShanghaiOffshoreOil&GasCompany,SINOPEC,Shanghai20012,China

The geological, well logging and seismic data in the Sulige area of Ordos Basin are studied in order to establish a microfacies modeling method suitable for the area. Reservoir lower limit standard is determined by shale content model derived from logging constrained inversion on the basis of geological model which collaboratively simulated the wave impedance and shale content. The parameters of the object-based modeling are obtained on analysis of the dimension and distribution of sandstone based on the lithofacies model. Marked point process modeling method is used to build three dimensional high resolution microfacies model. Comparison of property models under different conditions indicates that property of mid-channel bar is better than that of point bar, and the microfacies of channel comes the last. The lithofacies-controlled model is stochastic as the model can not reflect expectation and variance of reservoir property of different microfacies. Three-dimensional microfacies model can be established with method mentioned above to reflect the plane and profile shapes of different microfacies as well as their contact relationship of the microfacies. The property model can represent features of reservoir property of different microfacies.

logging constrained inversion; facies-controlled modeling; lithofacies models; sedimentary microfacies models; properties models

10.3969/j.issn.1671-9727.2017.01.10

1671-9727(2017)01-0076-10

2015-06-24。

国家重大科技专项(2011ZX05001)。

尹楠鑫(1982-)，男，博士,主要从事油气田开发地质研究工作, E-mail:5607431@qq.com。

TE19: TE121.31

A