基于地震反演约束的储层建模方法及应用

潘 翼, 宫 伟, 赵 匡, 李 岩

(1.中国石油青海油田 采油一厂，甘肃 敦煌 736202；2.中国石油新疆油田分公司 风城油田作业区, 新疆 克拉玛依 834000； 3.东北石油大学，黑龙江 大庆 163318)

基于地震反演约束的储层建模方法及应用

潘 翼1, 宫 伟2, 赵 匡1, 李 岩3

(1.中国石油青海油田 采油一厂，甘肃 敦煌 736202；2.中国石油新疆油田分公司 风城油田作业区, 新疆 克拉玛依 834000； 3.东北石油大学，黑龙江 大庆 163318)

为了提高储层预测及表征精度，对基于地震反演约束的储层三维建模技术方法进行了研究及应用。首先利用地质统计学反演方法生成纵波阻抗三维数据体，与常规确定性反演结果相比，地质统计学反演方法建立的波阻抗数据体具有较高的纵向分辨能力和横向预测趋势，可反映井间薄储层的厚度及物性变化。其次，建立了纵波阻抗与岩性及孔隙度、渗透率、饱和度的岩石物理模版，其低阻抗值代表储层发育好的层段和位置。最后，以纵波阻抗数据体作为趋势约束，采用随机模拟算法，建立了研究区的岩性模型及储层属性模型。通过实钻井检验，模型结果与井点资料符合较好，显示了模型的精度和本文方法的可靠性，可以满足精细油藏描述和剩余油挖潜需求。

地震反演；储层建模；纵波阻抗；物理模版；应用研究

储层建模技术是在20世纪80年代中后期开始发展起来的，它通过三维模型的形式实现对油气储层的定量表征，在指导油气生产开发中发挥着积极的作用。常规建模方法是通过测井数据或钻井取心，用克里金或地质统计学算法进行空间插值而建立油藏岩性及物性模型。中国油气储层多为陆相沉积，储层横向变化大，单靠钻井资料的建模结果无法客观反映井间储层的非均质性和结构性，不能充分满足油藏数值模拟和剩余油挖潜的要求。

地震资料在横向上具有高密度采样的优势，可以反映井间有效储层特征、弥补单纯基于井建模的不足。从20世纪90年代开始，一些地质研究人员致力于将地震融入到地质建模中来，形成一系列井震联合建模方法。例如P.M.Doyen[1]提出了利用协克里金方法整合地震数据；C.B.Tjolsen等[2]依据纵波阻抗与河流相的相关性，井震结合建立了河流相模型；国内学者也做了一系列探索，形成了基于地震振幅、波阻抗及频率约束的建模方法[3-7]。

目前井震联合建模通常采用以井点数据为硬数据、以确定性反演生成的波阻抗为空间趋势约束，运用随机模拟算法生成储层的岩性及孔隙度、渗透率、饱和度参数[8-10]。该方法存在一系列不足：首先确定性反演结果纵向分辨率低，而井数据纵向分辨率高，二者统计相关性的点无法做到一一对应；其次，确定性反演方法中，井参与度小、井震一致性差，导致了预测结果在井点处与井点声波阻抗误差较大，这进一步增加了井间储层预测结果的多解性。

本文针对确定性反演分辨率低的不足，首先采用地质统计学反演方法建立高精度的纵波阻抗模型；其次，在岩石物理分析基础上，建立波阻抗与储层参数的云相互关系；最后以纵波阻抗为空间趋势约束，利用序贯高斯协模拟算法建立高精度的岩性及储层孔隙度、渗透率、饱和度三维模型，提高储层预测和表征精度。

1 区域概况

研究区BXX位于大庆长垣凹陷中北部，目的层主要为萨尔图油层，包括3个油层组、13个砂岩组、31个沉积单元，油层埋藏深度为860～1 000 m，面积为20 km2。BXX区包含6套井网，钻井时间跨度为1960年～2015年，共钻井 2 500余口，平均井距达到80～250 m。研究区的地层属于河流-三角洲相沉积，砂泥互层发育，平面非均质强。

研究区已处于油田后期开发阶段，含水率达90%以上，因此开发中对于储层描述的需求是精细识别井间薄储层、窄小河道及井间砂体连通关系等。从现阶段储层描述结果来看，单独依靠钻井数据进行井间砂体刻画存在多解性，因此引入地震数据，进行井震融合，从而提高井间砂体预测的精度。

2 地质统计学反演方法

地质统计学反演方法利用井点数据建立统计学函数和变差函数来描述变量空间结构关系，地震数据作为正演约束，建立符合井和地震特征的储层三维数据模型。与常规确定性反演方法相比，地质统计学反演纵向分辨能力更高，同时又能充分利用地震数据的横向相对变化，储层预测模型能够考虑储层空间的非均质性，满足开发中对于小尺度层系的识别要求[11-13]。

(1)

γ(x,d)为方差，用来表示已知点与距离为d的待求点的方差；Z(x)为待求点的估值；Z(x+d)与待求点距离为d的已知点值；x代表待求点位置；d为已知点与待求点的距离。

地质统计学反演基本流程如图1所示：首先，利用井点数据建立岩性与地震的统计学关系；其次，建立变差函数描述空间数据结构关系并形成初始纵波阻抗模型，将模型与子波(井旁道子波)正演与原始地震进行反复迭代，满足信噪比的要求；最后，利用密井网测井曲线进行质控，使最终输出的储层波阻抗三维数据体在井点处与井保持一致，在井间满足地震的横向预测趋势，减少了反演储层预测的多解性。

图2为确定性反演和地质统计学反演纵波阻抗剖面，二者整体预测趋势一致，其低值反映的是砂岩区。与确定性反演剖面相比，本文采用的地质统计学反演剖面纵向分辨能力较高，能够分辨厚度>2 m的河道砂体，横向上能够反映河道砂体的边界位置及砂体连通关系，为后续储层地质建模提供了高精度的纵波阻抗约束体。

图1 密井网约束下地质统计学反演基本流程Fig.1 Basic process of geological statistical inversion under dense well network constraint

3 地震反演约束的储层建模方法

目前油气开发中常用的储层三维表征方法为随机建模方法，其优点是纵向分辨率高，缺点是横向预测多解性强。将地震反演数据体融入随机模拟中，保证了纵向分辨能力的同时，提高了横向预测的确定性，适用于油田开发期的储层精细表征[14]。

3.1 岩性模型建立

如图3所示，研究区储层岩石物理特征分析表明,储层砂岩为低纵波阻抗特征,泥岩为高纵波阻抗特征,因此纵波阻抗能有效识别砂泥岩。研究区三维地震资料信噪比高、频带宽(6～80 Hz),能够有效进行砂体的横向分布预测。

图2 确定性反演与地质统计学反演剖面对比分析Fig.2 Comparison of profile analysis between deterministic inversion and geological statistical inversion (A)确定性反演;(B)地质统计学反演

图3 目的层纵波阻抗与岩性关系Fig.3 Relationship between P-wave impedance and lithology for target zone

图4为地质统计学反演纵波阻抗属性平面图，将它作为趋势面约束、采用序贯指示协模拟方法建立岩相模型。该方法利用井点的岩相数据拟合建立变差函数,包含主变程、次变程和垂向变程。主变程表现物源方向，反映砂体的延展范围；次变程与主变程方向垂直。主变程为2.2 km,次变程为1.1 km。

图5为基于反演结果约束的砂岩模拟结果，可见纵波阻抗约束得到的岩相模型与地震反演平面趋势一致，靠近物源方向砂体较多，河道相互叠合、切割。

图4 S2-13层纵波阻抗属性平面图Fig.4 Plan showing longitudinal wave impedance property of S2-13 layer

图5 S2-13层纵波阻抗约束的岩相平面图Fig.5 Lithofacies diagram of P-wave impedance constraint of the S2-13 layer

3.2 属性模型建立

地震反演的结果为高分辨率的纵波阻抗三维体，建立纵波阻抗与储层物性的关系是储层属性模型精度的关键因素。通过在井点处已经解释出的孔隙度、渗透率、饱和度曲线与提取的纵波曲线相关性分析，建立最终的岩石物理模版。图6为研究区纵波阻抗与储层孔隙度、渗透率及饱和度的关系模版，暖色调表示散点分布集中区。可见纵波阻抗与孔隙度、渗透率、饱和度呈反相关的云关系，其低阻抗值代表着储层发育好的层段和位置。

以钻井解释的孔隙度、渗透率、饱和度数据为主变量，反演纵波阻抗为Ⅱ级空间约束变量，采用序贯高斯同位协同模拟方法沿着不同的随机路径求取各节点的累积分布函数,确定井间节点的均值和方差，在变差函数的空间引导下进行定量模拟。变差函数方位角沿物源方向设置，主变程为1.6 km，次变程为0.8 km。应用上述模拟参数，模拟产生忠实于井点信息和地震反演信息的储层地质模型，反映储层的空间物性特征。从图7可以看出，孔隙度、渗透率、饱和度与纵波阻抗及岩相模型总体变化趋势一致，沿物源方向区域，河道相互叠合，而孔渗关系很好地反映了砂体的连通关系。

4 结果分析

采用10口开发井作为检验井，对基于反演约束的岩性模型和孔隙度、渗透率、饱和度模型进行了验证。图8为研究区S2油层组孔隙度连井剖面图，可见孔隙度预测结果与井点孔隙度曲线吻合较好。表1列举了S2-13小层10口检验井砂岩厚度、孔隙度、渗透率、饱和度定量统计情况，可见预测的砂体厚度及孔隙度、渗透率、饱和度数据与实钻井数据符合较好，相对误差基本控制在20%以内，只有极个别井点的误差达到了30%，说明建立的模型是可靠的，采用的基于地震反演约束的储层建模方法是有效的。

图6 研究区纵波阻抗与储层物性关系模版Fig.6 Template showing relation between P-wave impedance and reservoir property in study area

图7 研究区S2-13段属性模型图Fig.7 Attribute model diagram of S2-13 section in study area

图8 研究区S2油层组孔隙度连井剖面图Fig.8 Profile of drilling wells of S2 reservoir formation in study area

表1 模型S2-13层精度分析Table 1 The accuracy analysis of the model S2-13 layer

5 结 论

a.与确定性反演结果相比，地质统计学反演的纵波阻抗纵向分辨能力高，能够分辨厚度>2 m的砂岩，同时横向上(井间)能够反映河道砂体的边界位置及连通关系，可以为储层地质建模提供高精度的纵波阻抗约束体。

b.纵波阻抗与储层岩性、物性的关系是影响储层模型精度的关键因素，研究区低阻抗值反映储层发育好的层段和位置。反演结果反映靠近物源方向砂体较多，河道相互叠合、切割，内部隔层、夹层也广泛分布。

c.采用随机模拟算法、利用地震反演结果进行约束建立了储层三维模型，孔隙度、渗透率、饱和度与纵波阻抗及岩相模型总体变化趋势一致，沿物源方向区域，河道砂体相对发育，通过实钻井检验，相对误差基本控制在20%以内，显示出模型的精度及本文采用方法的可靠性。

[1] Doyen P M. Seismic porosity mapping in the Ekofisk Field using a new form of collocated cokriging[C]// SPE 364998, 1996: 21-30.

[2] Tjolsen C B, Johonsen Gyrid, Halvorsen Gunnar,etal. Seismic data can improve the stochastic facies modeling[C]//SPE 30567, 1996: 141-145.

[3] 崔永福，许永忠，彭更新，等.基于多种地震反演方法的哈拉哈塘地区火成岩识别及速度建模[J].东北石油大学学报，2016，40(4)：54-61. Cui Y F, Xu Y Z, Peng G X,etal. Igneous rock identification and velocity modeling based on several seismic inversion methods in Halahatang area[J]. Journal of Northeast Petroleum University, 2016, 40(4): 54-61. (in Chinese)

[4] 陈美伊，秦月霜，王建民，等.基于等时相控反演的致密砂岩储层地震识别方法[J].石油地球物理勘探，2016，51(4)：782-790. Chen M Y, Qin Y S, Wang J M,etal. Tight sandstone reservoir identification based on isochronal phase-controlled inversion[J]. Oil Geophysical Prospecting, 2016, 51(4): 782-790. (in Chinese)

[5] 马丽，薛海军，汶小岗，等.测井与地震资料联合反演预测K2灰岩及其含水性[J].煤田地质与勘探，2016，44(4)：142-146. Ma L, Xue H J, Wen X G,etal. Prediction of K2limestone and its aquosity by joint inversion of logging and seismic data[J]. Coal Geology & Exploration, 2016, 44(4): 142-146. (in Chinese)

[6] 孙瑞莹，印兴耀，王保丽，等.基于随机地震反演的Russell流体因子直接估算方法[J].地球物理学报，2016，59(3)：1144-1150. Sun R Y, Yin X Y, Wang B L,etal. A direct estimation method for the Russell fluid factor based on stochastic seismic inversion[J]. Chinese Journal of Geophysics, 2016, 59(3): 1144-1150. (in Chinese)

[7] 李志勇，钱峰，胡光岷，等.储层弹性与物性参数地震叠前同步反演的确定性优化方法[J].地球物理学报，2015，58(5)：1706-1715. Li Z Y, Qian F, Hu G M,etal. Prestack seismic joint inversion of reservoir elastic and petrophysical parameters using deterministic optimization method[J]. Chinese Journal of Geophysics, 2015, 58(5): 1706-1715. (in Chinese)

[8] 王晓欢，张阳.地震反演与地质建模技术联合储层预测方法[J].石油天然气学报，2013，3(5):67-70. Wang X H, Zhang Y. A reservoir prediction method by combining seismic inversion technology with geological simulation[J]. Journal of Oil and Gas Technology, 2013, 3(5): 67-70. (in Chinese)

[9] 姜贻伟，刘红磊，杨福涛，等.震控储层建模方法及其在普光气田的应用[J].天然气工业，2011, 31(3):14-17. Jiang Y W, Liu H L, Yang F T,etal. Seismic-constrained reservoir modeling and its application in the Puguang gas field[J]. Natural Gas Industry, 2011, 31(3): 14-17. (in Chinese)

[10] 王强.地震反演与地质建模技术联合预测薄层砂体[J].石油地质与工程，2015，29(3)：49-51. Wang Q. The thin sand prediction method by combining seismic inversion technology with geological simulation [J]. Petroleum Geology and Engineering, 2015, 29(3): 49-51. (in Chinese)

[11] 徐立恒,陈显森,姜岩,等.不同变差函数变程下随机反演与随机模拟对比分析[J].物探与化探,2012,36(2):224-228. Xu L H, Chen X S, Jiang Y,etal. A comparative analysis of stochastic inversion and stochastic simulation on different ranges of variograms[J]. Geophysical and Geochemical Exploration, 2012, 36(2): 224-228. (in Chinese)

[12] 姜岩,徐立恒,张秀丽,等.叠前地质统计学反演方法在长垣油田储层预测中的应用[J].地球物理学进展，2013，28(5)：2579-2586. Jiang Y, Xu L H, Zhang X L,etal. Prestack geostatistical inversion method and its application on the reservoir prediction of Changyuan oil field [J]. Progress in Geophysics, 2013, 28(5): 2579-2586. (in Chinese)

[13] 闵小刚，康安，周守信.基于相控地质统计学反演的薄储层岩性、物性预测[J].海洋地质前沿，2015，31(3)：27-31. Min X G, Kang A, Zhou S X. Lithological and physical properties prediction of thin reservoirs based on facies-controlled geo-statistical inversion[J]. Marine Geology Frontiers, 2015, 31(3): 27-31. (in Chinese)

[14] 石莉莉.基于地震资料的薄互层储层精细地质建模[J].长江大学学报(自然科学版)，2016，13(1)：12-15. Shi L L. Fine reservoir geological modeling of thin interbedded reservoirs based on seismic data[J]. Journal of Yangtze University (Natural Science Edition), 2016, 13(1): 12-15. (in Chinese)

Applicationresearchofreservoirmodelingmethodbasedonseismicinversionconstraint

PAN Yi1, GONG Wei2, ZHAO Kuang1, LI Yan3

1.OilProducingPlant,QinghaiOilFieldofCNPC,Dunhuang736202,China;2.OperationDistrict,XinjiangOilfieldFengchengOilfieldCompanyofCNPC,Karamay834000,China;3.NortheastPetroleumUniversity,Daqing163318,China

3D modeling technology based on seismic inversion constraint is studied in order to improve reservoir prediction and characterization accuracy. The comparison of 3D wave impedance obtained by geostatistics inversion method with the conventional deterministic inversion results reveals that the wave impedance data by geostatistical inversion method is of higher vertical resolution and lateral prediction, and it can reflect the thickness of thin reservoir and the change of physical property. Accordingly, the physical models of P-wave impedance, lithology, porosity, permeability and saturation are established. The low impedance values represent the well developed layers and positions. Then, the lithological model and reservoir attribute model of the study area are established by using the stochastic simulation algorithm and by taking the P-wave impedance data body as the trend constraint. The practical drilling test proves that the results are in good agreement with the well point data, with good accuracy and reliability. This method can meet the needs of fine reservoir description and potential tapping of remaining oil.

seismic inversion; reservoir modeling; P-wave impedance; physical template; application research

P631.443; TE122.24 [

] A

10.3969/j.issn.1671-9727.2017.05.03

1671-9727(2017)05-0529-06

2016-01-14。

国家科技重大专项(2016ZX05009005)。

潘翼(1988-)，男，助工，从事油气藏开发地质相关工作, E-mail:wanxiaoxun@163.com。