准噶尔盆地春风油田浅薄储集层地震逐级精细预测

束宁凯，汪新文，苏朝光，宋亮，钮学民，李强

（1. 中国地质大学（北京）地球科学与资源学院，北京 100083；2. 中国石化胜利油田公司物探研究院，山东东营 257022）

准噶尔盆地春风油田浅薄储集层地震逐级精细预测

束宁凯1，汪新文1，苏朝光2，宋亮2，钮学民2，李强2

（1. 中国地质大学（北京）地球科学与资源学院，北京 100083；2. 中国石化胜利油田公司物探研究院，山东东营 257022）

针对准噶尔盆地春风油田浅薄储集层地震资料信噪比低和分辨率不足等问题，开展针对性的处理、解释技术研究，形成浅薄储集层地震逐级精细预测方法。采用互叠式偏移距分组处理技术，将地震资料的覆盖次数由 8次增加至16次，同时经过提频去噪成像等精细处理，局部低信噪比区信噪比提高1.4倍；建立叠前提高分辨率目标处理、叠后子波重构拓频、叠前叠后联合反演的三级预测技术，最终砂体分辨能力由12 m逐步提高至2 m，有效提高了储集层识别精度。浅薄储集层在逐级提频后的资料中反射更为清晰、连续，与实际钻探结果吻合较好，资料具有较好的保幅性，取得了较好的实际应用效果。图11参17

准噶尔盆地；春风油田；中新统沙湾组；储集层预测；子波重构；叠前叠后联合反演

1 研究区概况

春风油田位于新疆准噶尔盆地西部隆起的车排子凸起东部，其西面和北面邻近扎伊尔山，南面为四棵树凹陷，东以红车断裂带与昌吉凹陷相接（见图 1）。车排子凸起属于准噶尔盆地西部隆起的次一级构造单元，平面上呈三角形，总体呈西北—南东走向，为海西晚期形成且长期继承性发育的古凸起。现今构造较为简单，总体表现为区域性南东倾单斜，地层倾角较平缓。受区域张扭性应力影响，发育高陡、近直立断层，断距一般在8 m左右，延伸长度一般在2～10 km。在中部和东南部可见两条近南北方向的次级派生断层，可与不整合和骨架砂体输导层沟通，对油气分布具明显控制作用。

据钻井揭示，车排子凸起发育的地层从下至上依次为：石炭系、下侏罗统、下白垩统、古近系、新近系、第四系。其中新近系发育的沙湾组在车排子地区分布广泛，总体上东南较厚，向西北方向变薄、尖灭，是目前春风油田的重点研究层位。根据岩性特征可将沙湾组自下而上分为3段：沙一段、沙二段、沙三段，各段的沉积特征存在一定差异。沙一段可进一步划分为 3个砂层组，岩性以厚层灰色砂砾岩、含砾细砂岩夹薄层泥岩为主，成岩演化程度较低，泥质胶结为主，以1砂层组为主要含油层位（见图1）。

图1 春风油田构造位置及岩性综合柱状图

春风油田储集层总体具有“浅”、“薄”两大特点[3-5]：油层埋藏浅，埋深仅200～600 m，平均埋深在500 m左右；储集层厚度薄，单砂体厚度为2～6 m。由此造成了储集层预测的两大难点：首先，由于油藏埋藏浅，地震资料的品质受到较大影响，导致浅层覆盖次数低，只有 7～10次，目的层段的信噪比低。因此，储集层在地震资料上呈空白反射，识别困难，预测多解性强。其次，沙湾组储集层厚度较薄，厚度10 m以下的储集层占 70%以上。而现有地震资料主频主要集中在50 Hz，按砂岩速度2 400 m/s计算，地震资料只能分辨12 m以上的厚砂体，无法分辨2～6 m的薄储集层。

本次研究针对春风油田浅薄储集层地震资料信噪比低和分辨率不足两个方面的问题，开展了针对性的处理、解释技术研究，形成了浅薄储集层地震逐级精细预测方法，较好地解决了该区浅薄储集层预测的两大难题，提高了浅薄储集层的预测精度。

2 预测思路及关键技术

2.1 浅薄储集层地震逐级精细预测思路

针对春风油田浅薄储集层地震资料品质差、储集层预测多解性强的难题，本次研究形成了针对浅薄储集层的地震逐级精细预测流程（见图2）。

图2 春风油田浅薄储集层地震逐级精细预测流程图

对于因储集层埋藏浅导致的地震资料覆盖次数低、信噪比低的难题，主要采用了互叠式偏移距分组处理技术以提高覆盖次数、改善信噪比，为储集层预测奠定资料基础；对于储集层厚度薄导致的地震资料分辨率低的难题，研究建立了叠前提高分辨率目标处理、叠后子波重构拓频、叠前叠后联合反演的三级提频技术，逐步提高地震资料主频和砂体分辨能力，达到有效提高储集层识别精度的目的。

2.2 互叠式偏移距分组处理技术

从该区原始地震偏移距成像资料看，只有偏移距小于800 m的地震数据对目标区目的层沙湾组的成像有贡献。按照常规偏移距分组60 m间隔独立分组进行偏移时，目的层沙湾组地震资料覆盖次数主要集中在7～10次，平均仅为8次，存在较严重的覆盖次数低、噪音大的问题。

为了优化偏移距分组参数，本次研究通过进行偏移距分组实验，采用偏移距段的互叠方式完成了偏移距分组，即采用120 m增量间隔进行偏移距分组，将0～120 m划分为第1组，60～180 m划为第2组，120～240 m划为第3组，依次类推，以提高单个偏移距分组内有效道数。该技术在保证偏移距分布均匀合理的前提下，提高了CIP道集（共成像点道集）的覆盖次数，达到了提高浅层地震资料覆盖次数和信噪比的目的。

从目标处理前后的道集上可以看出，采用互叠式偏移距分组技术后，道集覆盖次数明显提高，由原来的7～10次增加到15～16次（见图3）。

图3 处理前（a）、处理后（b）的共偏移距道集对比图

通过对互叠式偏移前后的新老地震剖面进行信噪比对比分析表明（见图 4），老资料信噪比低，地震反射不清；新资料剖面经处理后，信噪比明显提高，地震反射波组清楚，局部信噪比较差的地区信噪比提高1.4倍，从而为薄砂体储集层的地震预测奠定了基础。

2.3 叠前提高分辨率目标处理技术

从原始资料入手，通过加强处理参数实验和严格质量监控，在保幅、保真的基础上，合理提高地震资料分辨率，并制定了叠前提高分辨率目标处理流程。基本研究思路是，首先利用地表一致性反褶积进行叠前第 1次提频，同时压缩地震子波，然后对叠前道集进行预测反褶积，进行叠前 2次提频。偏移完成后采用蓝色滤波、反Q滤波技术进行叠后提高分辨率和信噪比处理。通过这些技术的组合应用，有效提高了地震资料的主频和有效频带，最终提高了砂体的分辨能力。

从处理前后剖面对比以及频谱对比中可以看出（见图5），处理后剖面地层振幅能量得到较好恢复，沙湾组层间空白现象得到消除，砂体反射更清晰，连续性更好，地震响应特征好，与自然伽马曲线吻合程度高，真实反映了地下砂体分布情况，保幅性较好。叠前目标处理前原始地震资料主频为50 Hz，优势频带在 10～90 Hz，能分辨厚度为 12 m 的砂体。应用叠前提高分辨率目标处理技术后，地震资料主频达到60 Hz，优势频带为10～110 Hz，能分辨厚度为10 m的砂体。

2.4 叠后子波重构拓频技术

图4 老（a，b）、新（c，d）地震剖面反射特征及信噪比属性对比图

图5 叠前目标处理前（a，b）、处理后（c，d）地震剖面及频谱对比图

子波重构技术是基于不同岩性地层产生的子波（能量、相位）差异，分析井数据提取的目的层子波特征规律，重构特定岩性地震反射的技术方法。该技术是把输入的地震数据体进行子波分解，根据需要将不同频率子波进行重构得到新的数据体[6-10]。具体过程为：精细合成记录标定、目的层段时窗精确选取、目的层段频谱范围选取、子波分离、选取分量、子波重构。

通过子波分解技术，将以往只能从宏观上认识的地震道（剖面和数据体）数据分解为不同形状、不同频率的地震子波组合。被分解出来的全部或部分不同振幅和主频的雷克子波按照其分解后的位置重新组合，形成新的地震道。如果选择所有的雷克子波重构地震道，与原始的地震道基本一致，其误差可以忽略，据此作为子波分解的质量控制手段；如果选择部分子波重构，则会得到一个新的地震道[11-14]。

为有效确定该区目的层段的子波重构频段范围，研究中选取排601井、排612-16井等多口井开展重构标定实验。结果表明，按砂岩速度2 400 m/s计算，该区厚度6.5～10.0 m的砂体主要分布在60～92 Hz频段范围，而厚度 6.5 m以下砂体及非砂体频率普遍小于60 Hz或大于92 Hz。因此，最终确定选取60～92 Hz频段范围进行子波重构，重构后的地震数据可最大限度反映该区厚度6.5～10.0 m的薄储集层横向变化，为后续的精细地震储集层预测奠定基础。

叠后子波重构拓频技术应用前后的过排612-16井的地震剖面对比表明（见图6），排612-16井沙湾组钻遇的两套砂体在处理前只对应一个同相轴，无法区分；经过处理后，薄层的地震响应明显改善，两套砂体分别对应于两个连续完好、反射能量较强的同相轴，地震资料的砂体识别能力得到了提高，砂体分辨能力由10.0 m提高到6.5 m。通过排612-16井标定、子波重构拓频技术应用后，在井点位置目的层地震响应特征与实际测井解释成果完全吻合，保幅性较好。

图6 叠后子波重构拓频技术应用前后的剖面对比图

2.5 叠前叠后联合反演技术

在春风油田浅薄储集层的地震预测中，单独依靠叠后或叠前处理资料均难以实现对储集层的精细预测。根据岩石物理分析，从该区波阻抗与泊松比交会图上可以看出（见图7），该区砂岩储集层与泥岩相比，具有低波阻抗、低泊松比的特点，因此可利用这一特点进行储集层识别。本次研究建立了叠前叠后联合反演技术，进一步提高了储集层预测的砂体分辨能力。

图7 排6井区波阻抗与泊松比交会图

叠前叠后联合反演技术的整体思路是，利用叠后反演得到的纵波波阻抗数据体，通过井中岩石物理统计分析获得的纵波速度、横波速度、密度相互关系建立纵波波阻抗、横波波阻抗以及密度的初始多信息约束模型数据体。在叠前反演过程中，在上述 3个数据体的约束下，可得到泊松比等多种岩石物理参数，该联合反演技术的基本流程如图8所示。

在叠前叠后联合反演过程中，采用了基于贝叶斯推论和马尔科夫链的蒙特卡罗法计算方法，其基本原理是，应用已有数据信息建立概率密度函数（包括直方图与变差函数），描述各种测井曲线、地震数据的空间概率分布。其中，直方图定义任意给定点的属性值的概率分布，而变差函数则定义了地质体在横向和垂向上的规模和分布特征，两者都是通过测井分析、岩石物理模型和地质分析获得[15]。

图8 叠前叠后联合反演技术流程图

在直方图和变差函数分析的基础上，应用贝叶斯推论将多个概率密度函数合并起来，得到基于所有已知和假设信息的后验有条件概率分布函数，其表达式为：

后验有条件概率分布函数表征所有输入概率分布函数的交集。在其控制下，利用基于马尔科夫链的蒙特卡罗法，进行地质统计学协模拟运算，获得统计意义上公平的数据结果，其表达式为：

由于地质统计学反演以及协模拟的计算过程是迭代完成的，其迭代收敛条件是获得的模型与所有的输入地质信息吻合。因此，利用该方法建立符合测井、地质和地震数据的地质模型，将高分辨率的测井信息以及低分辨率的三维地震信息进行整合，得到的地震反演数据结果具有较高的分辨率和先验数据吻合度[16-17]。

通过叠前叠后联合反演技术，储集层预测精度进一步提高，各井间各油层横向对比性关系明确，尖灭点清楚，可识别厚度2 m以上的储集层，储集层识别吻合率达95.2%。例如在排601井—排6井的叠前叠后联合反演的泊松比剖面上（见图9），排601井钻遇的5 m厚储集层、排6井钻遇的2.1 m薄储集层均得到了有效识别，泊松比属性与储集层厚度吻合较好。通过提取多口井沙湾组一段 1砂层组的泊松比属性值与储集层厚度做交会分析可知，储集层厚度与泊松比具有较好的负相关性，即泊松比越小，储集层厚度相对越大（见图10）。

图9 排601—排6井叠前叠后联合反演的泊松比剖面图

图10 春风油田沙湾组一段1砂层组泊松比与储集层厚度交会图

同时，对比沙湾组一段1砂层组的泊松比属性与储集层厚度图（见图 11）发现，泊松比属性较好地反映了储集层厚度的展布规律，与该区实际的钻探情况较为吻合。通过钻井误差分析，预测的储集层厚度误差最大为1.7 m，最小仅为0.2 m，储集层预测具有较好的吻合度。从泊松比属性图（见图11a）可见，预测有利储集层发育区可分为 3类，其中黄色—红色为Ⅰ类区，代表储集层厚度较大，范围在 8～14 m；绿色为Ⅱ类区，代表储集层厚度中等，厚度一般在4～8 m；蓝色为Ⅲ类区，代表储集层较薄，厚度普遍小于4 m，从储集层厚度图可以看出（见图 11b），该区储集层主要发育两个北北东向厚度中心：西部的排607—排631—排610井区及东部的排617—排611井区，这两个厚度中心在泊松比属性图上处于较低泊松比值区（0.355～0.372），而且两个厚度中心井间储集层厚度的横向变化较快。近年来，通过浅薄储集层地震逐级精细预测技术的应用，在春风油田排6井区新增探明储量1 006×104t，新增控制地质储量1 517×104t。

图11 春风油田沙湾组一段1砂层组的泊松比（a）及储集层厚度图（b）

3 结论

针对准噶尔盆地春风油田浅薄储集层预测中地震资料存在信噪比低和分辨率不足等两方面问题，研究建立了针对浅薄储集层的地震逐级精细预测方法，浅薄储集层在逐级提频后的资料中反射更为清晰、连续，与实际钻探结果吻合较好，资料具有较好的保幅性，取得了较好的实际应用效果。其中，采用互叠式偏移距分组处理技术，地震资料的覆盖次数由 8次增加至16次，同时经过提频去噪成像等精细处理，局部低信噪比区信噪比提高1.4倍，为储集层预测奠定了基础；研究建立了叠前提高分辨率目标处理、叠后子波重构拓频、叠前叠后联合反演的三级预测技术，最终砂体分辨能力由12 m逐步提高至2 m，有效提高了储集层识别精度。

符号注释：

D——观测数据；P(D)——模型化常量；P(D|θ)——似然函数；P(θ)——先验概率函数；P(θ|D)——后验有条件概率分布函数；t——随机变量所处的位置，变化范围为 1～T；Xt——在 t位置处的随机变量，既可以是纵波波阻抗，也可以是纵横波速度比或泊松比等其他岩石物理参数；θ——模型参数。

[2] 向奎. 准噶尔盆地车排子地区下切谷沉积体系及有利勘探方向[J].中国石油大学学报(自然科学版), 2007, 31(6)： 1-6.XIANG Kui. Entrenched valley depositional system and advantageous exploration direction of Chepaizi area in Junggar Basin[J]. Journal of China University of Petroleum (Edition of Natural Science), 2007, 31(6)： 1-6.

[3] 陈轩, 张尚锋, 张昌民, 等. 准噶尔盆地车排子地区新近系沙湾组层序地层[J]. 新疆石油地质, 2008, 29(1)： 65-67.CHEN Xuan, ZHANG Shangfeng, ZHANG Changmin, et al.Sequence stratigraphy of Neogene Shawan Formation in Chepaizi Area, Junggar Basin[J]. Xinjiang Petroleum Geology, 2008, 29(1)：65-67.

[4] 王学忠, 杨元亮, 席伟军. 油水过渡带薄浅层特稠油微生物开发技术： 以准噶尔盆地西缘春风油田为例[J]. 石油勘探与开发,2016, 43(4)： 630-635.WANG Xuezhong, YANG Yuanliang, XI Weijun. Microbial enhanced oil recovery of oil-water transitional zone in thin-shallow extra heavy oil reservoirs： A case study of Chunfeng Oilfield in western marginof Junggar Basin, NW China[J]. Petroleum Exploration and Development, 2016, 43(4)： 630-635.

[5] 杨少春, 孟祥梅, 陈宁宁, 等. 准噶尔盆地车排子地区新近系沙湾组沉积特征[J]. 中国石油大学学报(自然科学版), 2011, 35(2)：20-25.YANG Shaochun, MENG Xiangmei, CHEN Ningning, et al.Depositional characteristics of Shawan formation in Neogene of Chepaizi area, Junggar Basin[J]. Journal of China University of Petroleum (Edition of Natural Science), 2011, 35(2)： 20-25.

[6] 于正军. 灰质背景下浊积岩储层地震响应特征及识别方法： 以东营凹陷董集洼陷为例[J]. 油气地质与采收率, 2014, 21(2)：95-97.YU Zhengjun. Seismic response characteristics and recognition method of turbidity under carbonate depositional environment： A case in Dongji sag of Dongying sag[J]. Petroleum Geology and Recovery Efficiency, 2014, 21(2)： 95-97.

[7] 张军华, 刘振, 刘炳杨, 等. 强屏蔽层下弱反射储层特征分析及识别方法[J]. 特种油气藏, 2012, 19(1)： 23-26.ZHANG Junhua, LIU Zhen, LIU Bingyang, et al. Analysis and identification of reservoir characteristics of weak reflectors under strong shielding layer[J]. Special Oil & Gas Reservoirs, 2012, 19(1)：23-26.

[8] 汲生珍, 邬兴威, 夏东领. 子波分解与重构技术在储层预测中的应用 [J]. 石油天然气学报, 2013, 35(11)： 66-69.JI Shengzhen, WU Xingwei, XIA Dongling. Application of wavelet decomposition and reconstruction technique in reservoir prediction[J]. Journal of Oil and Gas Technology, 2013, 35(11)：66-69.

[9] DAUBECHIES I. Ten lectures on wavelets[M]. Ladephia： Society for Industrial and Applied Mathemetics, 1992.

[10] 赵爽, 李仲东, 许红梅, 等. 多子波分解技术检测含煤砂岩储层[J]. 天然气工业, 2007, 27(9)： 44-47.ZHAO Shuang, LI Zhongdong, XU Hongmei, et al. Using multiple wavelet decomposition technique to detect the sandstone reservoir with coal layer[J]. Natural Gas Industry, 2007, 27(9)： 44-47.

[11] LEBMN J, VEAERLL M. Balanced multi-wavelets theory and design[J]. IEEE Transactions on Signal Processing, 1997, 46(4)：1119-1125.

[12] 李曙光, 徐天吉, 唐建明, 等. 基于频率域小波的地震信号多子波分级及重构[J]. 石油地球物理勘探, 2009, 44(6)： 675-679.LI Shuguang, XU Tianji, TANG Jianming, et al. Seismic signal multi-wavelet decomposition and reconfiguration based on wavelet in frequency domain[J]. Oil Geophysical Prospecting, 2009, 44(6)：675-679.

[13] 何胡军, 王秋雨, 程会明. 基于匹配追踪算法子波分解技术在薄互层储层预测中的应用[J]. 物探化探计算技术, 2010, 32(6)：641-644.HE Hujun, WANG Qiuyu, CHENG Huiming. The application of wavelet decomposition technique based on matching pursuit algorithm in thin in ter-bedded reservoir prediction[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2010,32(6)： 641-644.

[14] 佘刚, 周小鹰, 王箭波. 多子波分解与重构法砂岩储层预测[J].西南石油大学学报, 2013, 35(1)： 19-27.SHE Gang, ZHOU Xiaoying, WANG Jianbo. Prediction of sand reservoir with multi-wavelet seismic trace decomposition and reconstruction[J]. Journal of Southwest Petroleum Institute, 2013,35(1)： 19-27.

[15] 胡英, 张东, 袁建征, 等. Laplace-Fourier域多尺度高效全波形反演方法[J]. 石油勘探与开发, 2015, 42(3)： 338-346.HU Ying, ZHANG Dong, YUAN Jianzheng, et al. An efficient multi-scale waveform inversion method in Laplace-Fourier domain[J]. Petroleum Exploration and Development, 2015, 42(3)：338-346.

[16] 胡华锋, 印兴耀, 吴国忱. 基于贝叶斯分类的储层物性参数联合反演方法[J]. 石油物探, 2012, 51(3)： 225-232.HU Huafeng, YIN Xingyao, WU Guochen. Joint inversion of petrophysical parameters based on Bayesian classification[J].Geophysical Prospecting for Petroleum, 2012, 51(3)： 225-232.

[17] 刘百红, 李建华, 魏晓东, 等. 随机反演在储层预测中的应用[J].地球物理学进展, 2009, 24(2)： 581-589.LIU Baihong, LI Jianhua, WEI Xiaodong, et al. The application of stochastic seismic inversion in reservoir prediction[J]. Progress in Geophysics, 2009, 24(2)： 581-589.

（编辑 黄昌武）

Stepped and detailed seismic prediction of shallow-thin reservoirs in Chunfeng oilfield of Junggar Basin, NW China

SHU Ningkai1, WANG Xinwen1, SU Chaoguang2, SONG Liang2, NIU Xuemin2, LI Qiang2
(1. China University of Geosciences, Beijing 100083, China; 2. Geophysical Research Institute, Sinopec Shengli Oilfield Company, Dongying 257022, China)

In view of the problems of low signal-to-noise ratio and low resolution of seismic data in shallow-thin reservoir in Chunfeng Oilfield of Junggar Basin, stepped and detailed data processing and interpretation technologies are proposed for shallow-thin reservoir prediction. The overlapping type offset packet processing technology can increase seismic fold from 8 to 16 times and increase signal to noise ratio by 1.4 times at local low noise ratio area by fine processing including frequency upgrade and de-noise imaging techniques.This study established three-level prediction techniques including pre-stack improving resolution target processing, post-stack wavelet reconstruction frequency extension, pre-stack and post-stack joint inversion, which can increase sand resolution from 12 m to 2 m and improve the identification accuracy of reservoir efficiently. The shallow-thin reservoirs after frequency extension have continuous and defined reflections, which are well coincided with actual exploration. The seismic data have well ability of preserving amplitude, and achieve good application effects.

Junggar Basin; Chunfeng oilfield; Miocene Shawan Formation; reservoir prediction; wavelet reconstruction; pre-stack and post-stack joint inversion

国家科技重大专项（2011ZX05028；2016ZX05011）

TE122.2

A

1000-0747(2017)04-0561-08

10.11698/PED.2017.04.09

束宁凯, 汪新文, 苏朝光, 等. 准噶尔盆地春风油田浅薄储集层地震逐级精细预测[J]. 石油勘探与开发, 2017,44(4)： 561-568.

SHU Ningkai, WANG Xinwen, SU Chaoguang, et al. Stepped and detailed seismic prediction of shallow-thin reservoirs in Chunfeng oilfield of Junggar Basin, NW China[J]. Petroleum Exploration and Development, 2017, 44(4)： 561-568.

束宁凯（1993-），女，江苏丹阳人，现为中国地质大学（北京）在读硕士研究生，主要从事构造地质及油气勘探综合研究。地址：北京市海淀区学院路29号，中国地质大学地球科学与资源学院，邮政编码：100083。E-mail：522345876@qq.com

联系作者简介：汪新文（1961-）男，湖北孝感人，中国地质大学（北京）教授，从事盆地油气综合研究。地址：北京市海淀区学院路29号，中国地质大学地球科学与资源学院，邮政编码：100083。E-mail：wxw@cugb.edu.cn。

2016-10-09

2017-05-09