松辽盆地龙凤山气田致密砂岩含气性预测研究

李瑞磊,杨勤林,田建华,朱建峰

(1.中国石油化工股份有限公司东北油气分公司,吉林长春130062;2.中国石油化工股份有限公司石油物探技术研究院,江苏南京211103)

李瑞磊,杨勤林,田建华,等.松辽盆地龙凤山气田致密砂岩含气性预测研究[J].石油物探,2017,56(6):-881

LI Ruilei,YANG Qinlin,TIAN Jianhua,et al.Tight sandstone gas prediction in the Longfeng Mountain gas field of Songliao Basin,China[J].Geophysical Prospecting for Petroleum,2017,56(6):-881

松辽盆地龙凤山气田致密砂岩含气性预测研究

李瑞磊1,杨勤林2,田建华2,朱建峰1

(1.中国石油化工股份有限公司东北油气分公司,吉林长春130062;2.中国石油化工股份有限公司石油物探技术研究院,江苏南京211103)

松辽盆地龙凤山气田营城组发育河流相致密砂岩储层,主力气层营Ⅳ砂组具有孔渗低、单砂体薄(3～5m)、非均质性强、弹性参数差异小等特点,优质储层识别和预测难度大。基于研究区岩样测试和岩石物理分析,优选致密含气砂岩的敏感弹性参数组合;通过叠前道集振幅恢复处理和叠前地质统计反演获取高分辨率的敏感弹性参数体,并利用贝叶斯分类方法识别致密含气砂岩。识别结果与实钻井结果吻合度较高,提高了薄层致密含气砂岩的预测精度,为后期开发井位部署提供了有效的技术支撑。

致密砂岩;岩石物理;叠前道集优化;叠前地质统计反演;贝叶斯分类

随着东部断陷盆地中构造类油气资源的日益枯竭,岩性隐蔽油气藏逐渐成为勘探目标,而蕴含在致密储层中的油气在隐蔽油气藏中占有很大比例[1]。龙凤山气田位于松辽盆地南部长岭次凹南缘,主力油气层为下白垩统营城组,发育南部物源的扇三角洲前缘分流水道砂体,纵向上根据测井旋回特征划分为7个砂组,其中营Ⅳ砂组是主力产气层。营Ⅳ砂组埋深3000～3200m,具有砂泥薄互层特征,单砂体厚度3～5m,储层平均孔隙度5.6%,渗透率0.26×10-3μm2,属于低孔、低渗类致密砂岩储层。

由于致密砂岩储层孔渗低、非均质性强、与围岩弹性参数差异小,岩石物理特征复杂,因此利用常规地震属性和叠后纵波阻抗反演等方法识别有效砂岩存在多解性,叠前预测精度难以满足目前勘探生产需求。近年来,国内外学者针对致密储层和含气性预测开展了一系列攻关研究,巫芙蓉等[2]利用叠前AVO属性定性预测四川盆地WD区块致密砂岩储层的含气区分布,解决了叠后地震属性对气水难以识别的问题;李建华等[3]通过叠前AVO反演获得泊松比结果预测松南盆地薄层砂岩的含油气性;凡睿等[4]利用射线弹性阻抗反演和坐标旋转方法得到地震物相体,预测了川北元坝须二段致密砂岩有效储层的分布;晏信飞等[5]选用纵横波阻抗进行贝叶斯分类,结合反演的地震属性对川中致密砂岩储层和流体分布进行检测;洪忠等[6]通过岩石物理建模和贝叶斯判别结合叠前反演结果等预测致密碎屑气藏的岩性和流体概率,提升岩性和孔隙流体识别的成功率。

松辽盆地龙凤山气田营城组致密砂岩气藏是该地区目前油气勘探的重要领域,随着近年来水平井钻探和大规模体积压裂技术的推广应用,使得该区致密砂岩气资源的经济有效动用成为现实,但由于储层以致密薄砂层为主,对岩石物理特征尚缺乏系统认识,而且叠前道集质量制约了叠前储层预测效果[7-9],因此有利甜点区的分布难以准确落实。针对上述难点和研究现状,本文首先通过岩心样本测试和测井岩石物理分析,确定研究区致密砂岩的岩石物理特征,在此基础上优选出对致密含气砂岩敏感的弹性参数组合,然后通过叠前道集优化处理和叠前地质统计反演获得高分辨率的敏感弹性参数体,最后利用贝叶斯分类方法定量预测致密含气砂岩的分布,为龙凤山气田开发井位部署提供可靠依据。

1 致密砂岩储层特征

龙凤山气田主力油气层为下白垩统营城组,地层以砂泥薄互层为主,单砂体厚度3～5m,其中营Ⅳ砂组是主力产气层,发育多期扇三角洲前缘分流河道砂体,纵向上相互叠置,岩性以石英砂岩和岩屑石英砂岩为主,孔隙类型主要有粒间溶孔、粒内溶孔和裂缝等,孔隙度φ分布范围为0.70%～14.30%,平均值为5.64%,渗透率分布范围为(0.004～8.850)×10-3μm2,平均值为0.260×10-3μm2,具有典型致密砂岩储层特征。

为明确研究区致密砂岩储层的岩石物理特征,采用岩石物理测试系统对研究区四口井的营城组9块不同深度的岩心样品进行了测试,测试时模拟实际地层温度和压力条件,改变充填流体类型,对岩心样品进行超声波速度、弹性参数和力学参数测试分析,测试不同条件下样品的纵、横波速度(vP,vS)和密度(表1),并计算了泊松比(σ)、拉梅参数、杨氏模量、体积模量、剪切模量、抗压强度等岩石物理参数。

从岩心样本测试数据的交会结果来看,饱和含气砂岩和含水砂岩在vP与vS交会图上的斜率明显不同(图1);在vP/vS与纵波阻抗交会图上,含气砂岩与含水砂岩的vP/vS值域存在差异,含气砂岩vP/vS小于1.72,利用vP/vS可以对两者区分,而且含气砂岩的纵波阻抗整体略小于含水砂岩的纵波阻抗(图2)。

表1 砂岩岩石物理测试数据

图1 岩心样本vP与vS交会结果

从测井分析结果来看,地层主要划分为干砂岩(干层)、含气砂岩和泥岩3种岩相类型,含气砂岩和干砂岩相比泥岩具有低vP/vS特征,利用vP/vS可以大致区分出泥岩,再利用含气砂岩低纵波阻抗特征区分含气砂岩和干砂岩(图3)。

图2 岩心样本纵波阻抗IP与vP/vS交会结果

图3 测井岩石物理特征分析 a 测井曲线和解释结论(W1井); b纵波阻抗IP与vP/vS交会结果(6口井)

2 致密砂岩的含气性预测

2.1 预测思路及技术流程

针对致密砂岩储层纵波阻抗叠置、储层物性和弹性参数差异小等特征,通过岩心测试和测井岩石物理分析优选出致密含气砂岩的敏感弹性参数及其组合;针对研究区致密砂岩储层薄、非均质性强和深层原始道集质量较差等特点,通过叠前振幅恢复处理提高道集质量,利用叠前地质统计反演获得高分辨率的弹性参数体;为了减小常规交会图方式解释的误差,采用流体概率分析和贝叶斯分类方法对反演结果进行定量解释,从而提高致密含气砂岩的判别精度(图4)。

2.2 叠前道集真振幅恢复

叠前CRP道集数据质量是影响叠前反演预测效果的重要因素。叠前CRP道集往往存在中间能量强、两边能量弱的问题,主要是由于正交观测系统不可避免地造成偏移距覆盖的不均匀,从而导致照明不均匀,产生虚假的“弱-强-弱”AVO响应,也就是说由近、远偏移距道集的覆盖次数少引起[10-11]。本次采用基于覆盖次数统计的振幅补偿方法来解决,将全工区三维数据按照不同偏移距叠加成一个全数据道集,对这个数据利用多项式拟合方法可以拟合出随偏移距变化的覆盖次数函数,利用最小二乘的方法可以求取统计性的振幅补偿因子,将统计性振幅补偿因子应用于整个工区的叠前道集,减小不同偏移距道集能量的系统差异。

图5显示了叠前CRP道集振幅补偿前、后的效果,由图5b可以看到,目的层段的近、远道集能量均得到了有效补偿,消除了观测系统引起的能量畸变。统计性振幅补偿因子对整个工区数据的影响一致,不会破坏全区数据的横向变化关系,在很大程度上消除了与地质信息无关的振幅畸变,提高了CRP道集数据的质量,为叠前地震反演提供了可靠的基础数据。

图4 致密含气砂岩储层预测技术流程

图5 叠前道集振幅补偿前、后对比 a 原始道集; b 补偿后道集; c 振幅补偿因子

2.3 叠前地质统计反演

叠前地质统计反演是将叠前同时反演和地质统计学技术相结合的反演方法,采用了基于马尔科夫链-蒙特卡罗算法,是目前比较前沿的随机地震反演方法[12-17]。该方法对概率密度分布函数进行充分采样,得到多个等概率的实现,能反映储层非均质性特征,不仅解决了储层与围岩阻抗叠置下的有效储层识别问题,还提高了纵向分辨率,解决了薄层识别与储层描述问题。该方法主要有3个关键环节:地质统计参数分析、贝叶斯反演和蒙特卡罗采样。

根据研究区致密砂岩的地质沉积特征和岩石物理特征,将目的层段划分为含气砂岩、干砂岩和泥岩3种岩相类型,按钻井岩性统计确定不同岩相比例关系。考虑到致密砂岩地层结构、横向非均质性和砂体延伸距离等因素,变差函数选择高斯+指数函数类型。高斯型变差函数通常用来模拟横向连续性较好的地质体,指数型函数通常用来模拟连续性相对较差、横向变化快的地质体,通过调节这两种函数类型所占权重,从而保证井间岩性变化的一致性和合理性,突出储层横向变化细节和非均质性特征。参考研究区扇体的大致规模、平面分布范围和单砂层厚度等因素,确定纵、横向变程分别为1000m,2ms。分不同岩相对相应的弹性参数(包括纵波阻抗、vP/vS和密度的概率密度函数和变差函数)进行反复调整测试(图6),确定研究区岩石物理关系式包括密度与纵波阻抗的关系(公式(1a))以及纵、横波阻抗关系(公式(1b)),并将其作为统计反演的软约束条件。

式中:ρ为密度;IP,IS分别为纵、横波阻抗。

图6 不同弹性参数的概率密度分布 a 纵波阻抗; b 纵横波速度比; c 密度

根据贝叶斯公式,后验概率分布正比于先验概率分布和似然概率分布的乘积,似然概率分布对后验概率分布的影响取决于其不确定性,而不确定性由地震资料的信噪比控制。贝叶斯叠前反演的关键是确定分角度叠加地震数据的信噪比和角度子波,研究区目的层有效覆盖次数60次,最大入射角约35°,可分为5个部分叠加数据,满足每个部分叠加有较高信噪比和覆盖次数,信噪比参数主要参考叠前同时反演结果,近偏移距数据一般比远偏移距的信噪比高。

图7为叠前地质统计反演的纵波阻抗、纵横波速度比和泊松比剖面,井点处为相应的测井曲线和岩相曲线,红色为含气砂岩,绿色为泥岩,黄色为干砂岩。在纵波阻抗剖面上,泥岩表现为相对低值,砂岩为高值,其中含气砂岩的纵波组抗略小于干砂岩的纵波组抗;在纵横波速度比和泊松比剖面上,泥岩与干砂岩和含气砂岩差异较明显,泥岩表现为相对高值,但含气砂岩和干砂岩难以直接区分,需要综合纵横波速度比和纵波阻抗反演结果加以识别。从反演剖面上看,纵向分辨率较高,能分辨出2m左右薄层,同时含有丰富的储层细节信息,与测井曲线基本吻合,横向上忠实于原始地震资料,能真实反映薄储层的横向变化特征。

图7 叠前地质统计反演剖面 a 纵波阻抗; b 纵横波速度比; c 泊松比

2.4 贝叶斯分类

叠前地质统计反演获得纵波阻抗、纵横波速度比和密度等弹性参数,为龙凤山岩性和流体识别提供了基础数据。传统的利用参数交会图对反演结果进行定量解释存在人为解释误差和不确定性。贝叶斯分类是一种基于贝叶斯模糊判别的分类方法,通过计算不同岩相类型的概率分布,采用概率统计方法进行分类,并与地质先验信息和岩石物理关系结合,能降低岩相预测误差,提高致密含气砂岩解释精度[18-20]。该方法主要分4个步骤:①对测井资料进行交会分析,建立不同岩相类型弹性参数之间的关系(纵波阻抗和速度比),与前面岩石物理分析结果相吻合;②根据分析结果建立并调整3种岩相的概率密度函数;③编辑概率密度函数,通过对比井点预测结果调整相关参数,保证两者最大相似性;④将概率密度函数应用于叠前反演的弹性参数体,获得地震预测的不同岩相和概率数据体。图8a为干砂岩、含气砂岩和泥岩3种不同岩相的概率分布图,其中线圈表示岩相概率分布,不同颜色代表不同岩相类型,越往线圈中心该类岩相概率越大,线圈重叠区域表示样点在该处可能为不同岩相类别,但各种岩相的概率大小不同,此时判别为概率较大岩相类型。图8b对比了井点划分岩相与地震预测结果,最左侧为测井解释的岩相结果,右侧为地震资料预测岩相结果和不同岩相概率,地震预测结果具有较高纵向分辨率,概率值大小指示岩相可能性,局部薄储层预测存在一定误差,总体上看,含气砂岩位置和厚度预测结果吻合度较高。图9和图10分别为地震预测岩相、含气砂岩概率剖面图,井点处预测岩相结果与测井解释结果基本吻合,砂体以薄互层为主,主力砂体位于营Ⅳ段中下部,与实钻结果和地质认识规律一致,其中红色为含气砂体,预测结果纵向上能识别3～5m薄层含气砂体,横向变化与泊松比反演结果趋势基本一致,但对含气砂岩刻画更加清楚。

图8 井点贝叶斯分类预测 a 测井岩相概率分布; b 测井岩相与地震预测结果对比

图9 地震预测岩相剖面

图10 含气砂岩概率剖面

3 应用效果

利用叠前地质统计反演和贝叶斯分类的岩相预测结果,计算营Ⅳ段4-1砂层组含气砂岩相的样点总数,获得相应含气砂岩预测图(图11)。图11反映了研究区主要发育两个水下扇三角洲砂体,水下分流河道发育,河道相互叠置,呈北东、南西向展布,往北储层厚度有减薄趋势,同时反映沉积物源主要来自工区南部近物源,与地质认识基本吻合,其中W1与W7井区砂体有效厚度相对较大,大于15m,多口井钻遇营Ⅳ段主力含气砂体。对比预测结果与实钻结果可以看出,两者吻合度较高,气层预测厚度相对误差均小于5%,绝对误差小于5m,验证了该方法的有效性(图12)。后期围绕W1井区以及工区北部部署的多口开发评价井均获得工业油气流,有力支撑了该区油气勘探开发。

图11 营Ⅳ段4-1砂层组含气砂岩预测厚度

图12 气层预测厚度与实钻厚度对比

4 结论

1) 岩石物理分析结果表明,龙凤山气田营Ⅳ段致密含气砂岩具有低纵横波速度比、低泊松比和中高纵波阻抗特征,采用纵波阻抗和纵横波速度比双参数能有效识别致密含气砂岩,相比单一弹性参数识别提高了储层预测精度。将岩石物理分析与叠前弹性参数反演和地质统计方法结合是定量预测致密含气砂岩的有效途径。

2) 基于覆盖次数统计的振幅补偿方法能解决叠前CRP道集由于观测系统造成的能量差异问题,道集优化处理为叠前反演提供了可靠的基础数据;综合应用叠前同时反演和地质统计反演方法获得了高分辨率敏感弹性参数体,有效解决了研究区致密砂岩储层的识别难题。

3) 基于叠前弹性参数反演结果,通过流体概率分析和贝叶斯分类方法定量预测致密含气砂岩分布,提高致密砂岩储层预测和含气识别精度,该套技术方法在龙凤山气田开发阶段取得较好的实际应用效果,钻探结果验证了该方法的有效性。

[1] 张国生,赵文智,杨涛,等.我国致密砂岩气资源潜力、分布与未来发展地位[J].中国工程科学,2012,14(6):87-93

ZHANG G S,ZHAO W Z,YANG T,et al.Resource evaluation,position and distribution of tight sandstone gas in China[J].Engineering Sciences,2012,14(6):87-93

[2] 巫芙蓉,李亚林,王聃,等.AVO属性在致密砂岩储层流体检测中的应用[J].天然气工业,2011,31(5):55-57

WU F R,LI Y L,WANG D,et al.Application of AVO attribute to the detection of tight sandstone reservoirs[J].Natural Gas Industry,2011,31(5):55-57

[3] 李建华,刘百红,张延庆,等.叠前AVO反演在储层含油气性预测中的应用[J].石油地球物理勘探,2016,51(6):1180-1186

LI J H,LIU B H,ZHANG Y Q,et al.Oil-bearing reservoir prediction with prestack AVO inversion[J].Oil Geophysical Prospecting,2016,51(6):1180-1186

[4] 凡睿,刘力辉,石文斌,等.元坝西部地区须二下亚段致密砂岩储层预测研究[J].石油物探,2015,54(1):83-89

FAN R,LIU L H,SHI W B,et al.Tight sandstone reservoir prediction of lower subsection of Xu_2 Member in western Yuanba area[J].Geophysical Prospecting for Petroleum,2015,54(1):83-89

[5] 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):945-949

YAN X F,CAO H,YAO F C,et al.Bayesian lithofacies discrimination and pore fluid detection in tight sandstone reservoirs[J].Oil Geophysical Prospecting,2012,47(6):945-949

[6] 洪忠,张猛刚,朱筱敏.基于岩石物理的致密碎屑岩气藏岩性及流体概率预测[J].石油物探,2015,54(6):735-744

HONG Z,ZHANG M G,ZHU X M.Prediction on lithology and fluid probabilities of tight clastic gas reservoir based on rock physics[J].Geophysical Prospecting for Petroleum,2015,54(6):735-744

[7] 张津海,张远银,孙赞东.道集品质对叠前AVO/AVA同时反演的影响[J].石油地球物理勘探,2012,47(1):68-73

ZHANG J H,ZHANG Y Y,SUN Z D.The effects of seismic data conditioning on pre-stack AVO/AVA simultaneous inversion[J].Oil Geophysical Prospecting,2012,47(1):68-73

[8] SINGLETON S.The effects of seismic data conditioning on prestack simultaneous impedance inversion[J].The Leading Edge,2009,28(1):772-781

[9] 鲍熙杰,赵海波.CRP道集优化处理对叠前反演的影响[J].石油地质与工程,2013,27(1):39-41

BAO X J,ZHAO H B.Effects analysis of CRP gather optimal processing on prestack inversion[J].Petroleum Geology and Engineering,2013,27(1):39-41

[10] CANNING A.Some practical aspects of amplitude recovery before AVO and inversion[J].Expanded Abstracts of 80thAnnual Internat SEG Mtg,2010:393-396

[11] 刘力辉,杨晓,丁燕,等.基于岩性预测的CRP道集优化处理[J].石油物探,2013,52(5):482-487

LIU L H,YANG X,DING Y,et al.CRP gather optimization processing based on lithological prediction[J].Geophysical Prospecting for Petroleum,2013,52(5):482-487

[12] SEOK H O.Geostatistics approach to Bayesian inversion of geophysical data:markov chain Monte Carlo method[J].Earth Planets Space,2001,53(3):777-791

[13] 杨勤林,张静,郝涛,等.滨里海盆地盐下碳酸盐岩储层地震逐级预测方法[J].天然气地球科学,2014,25(8):1261-1266

YANG Q L,ZHANG J,HAO T,et al.Seismic stepped prediction methods of sub-salt carbonate reservoirs in Pre-Caspian Basin[J].Natural Gas Geoscience,2014,25(8):1261-1266

[14] 黄哲远,甘利灯,戴晓峰,等.随机地震反演关键参数优选和效果分析[J]．应用地球物理,2012,9(1):49-56

HUA Z Y,GAN L D,DAI X F,et al.Key parameter optimization and analysis of stochastic seismic inversion[J].Applied Geophysics,2012,9(1):49-56

[15] 慎国强,孟宪军,王玉梅,等.随机地震反演方法及其在埕北35井区的应用[J].石油地球物理勘探,2004,39(1):75-81

SHEN G Q,MENG X J,WANG Y M,et al.Random seismic inversion and its application in Chengbei No.35 well-zone[J].Oil Geophysical Prospecting,2004,39(1):75-81

[16] 黄捍东,张如伟,魏世平.地震非线性随机反演方法在陆相薄砂岩储层预测中的应用[J].石油学报,2009,30(3):386-390

HUANG H D,ZHANG R W,WEI S P.Research on application of seismic nonlinear random inversion to reservoir[J].Acta Petrolei Sinica,2009,30(3):386-390

[17] 张广智,潘新朋,孙昌路,等.纵横波联合叠前自适应MCMC反演方法[J].石油地球物理勘探,2016,51(5):938-946

ZHANG G Z,PAN X P,SUN C L,et al.PP- & PS-wave prestack nonlinear inversion based on adaptive MCMC algorithm[J].Oil Geophysical Prospecting,2016,51(5):938-946

[18] BULAND A,MORE H.Bayesian linearized AVO inversion[J].Geophysics,2003,68(1):185-198

[19] 王芳芳,李景叶,陈小宏.基于马尔科夫链先验模型的贝叶斯岩相识别[J].石油地球物理勘探,2014,49(1):183-189

WANG F F,LI J Y,CHEN X H.Bayesian facies identification based on Markov-chain prior model[J].Oil Geophysical Prospecting,2014,49(1):183-189

[20] 赵万金,唐传章,王孟华,等.湖相致密复杂岩性地震识别技术[J].石油学报,2015,36(增刊1):59-67

ZHAO W J,TANG C Z,WANG M H,et al.A seismic recognition technology of lacustrine complex tight lithology[J].Acta Petrolei Sinica,2015,36(S1):59-67

(编辑：顾石庆)

TightsandstonegaspredictionintheLongfengMountaingasfieldofSongliaoBasin,China

LI Ruilei1,YANG Qinlin2,TIAN Jianhua2,ZHU Jianfeng1

(1.SinopecNortheastOilandGasBranchCompany,Changchun130062,China;2.SinopecGeophysicalResearchInstitute,Nanjing211103,China)

The Yingcheng Formation of the Longfeng Mountain gas field in Songliao Basin,China,has a fluvial facies tight sandstone reservoir.However,it is difficult to predict the effective reservoir of the gas field,because its main gas formation,the Ying IV sandstone formation,has inferior reservoir properties,namely,low porosity and permeability,a thin single-body thickness of only 3～5m,strong heterogeneity,and a small elastic parameter difference.According to rock sample tests and rock physics analyses of nine cores from the research area,we optimally selected the elastic parameter combination of tight sandstone,and obtained the elastic parameters sensitive to gas sandstone by means of pre-stack gather optimal amplitude recovery processing and pre-stack geological statistical inversion.Then,we adopted the Bayesian classification method to predict tight gas sandstone.The predicted result was highly consistent with the field drilling data,which means its high accuracy of tight sandstone gas prediction.The proposed method could provide support for well deployment.

tight sandstone,rock physics,pre-stack gather optimal processing,pre-stack geological statistical inversion,Bayesian classification

2017-05-18;改回日期2017-09-04。

李瑞磊(1970—),男,博士,高级工程师,主要从事地震资料处理和综合解释工作。

杨勤林(1980—),男,博士,高级工程师,主要从事地震资料储层预测工作。

P631

A

1000-1441(2017)06-0874-08

10.3969/j.issn.1000-1441.2017.06.013