基于地质统计学反演方法的洛带气田储层预测

罗钏江， 罗耀华， 鲁建隆， 殷晔宗， 胡 鑫

(1.成都理工大学 能源学院，成都 610059；2.中国石油集团 渤海钻探井下作业分公司，任丘 062552)

0 研究区概况

洛带遂宁组气藏构造以北东低南西高的鼻状背斜为特征，在西南构造轴上形成了低振幅局部高点，局部低鞍且闭合面积受限。气藏类型一般是低-特低孔隙度、特低渗储层、细孔-小喉孔隙型三角洲前缘砂岩、构造-岩性复合型圈闭气藏，该气藏无边缘、底部有水，是一种低丰度、中低产量的恒定容量封闭式弹性气驱驱动类型。该研究区沉积环境主要为三角洲前缘亚相，具有非均质性强、垂向上具有多层叠置的正粒序、储层薄、相变快等特征 (图1) 。

图1 区域构造位置图Fig.1 Location map of regional tectonics

图2 Earthmodel模块建立的低频模型Fig.2 Low frequency model established by Earthmodel module

图3 洛带地区叠后波阻抗剖面Fig.3 Post stack impedance profile in Luodai area

1 地质统计学反演原理

叠后地震反演的方法主要分两类：①基于物性的波阻抗反演和孔隙度反演；②基于岩性的GR拟声波反演和地质统计学反演。

1.1 约束稀疏脉冲反演

约束稀疏脉冲反演是地质统计学的基础, 波阻抗反演采用稀疏脉冲反演方法[2]。构建初始波阻抗模型，将测井资料、钻井数据和地震资料结合，在EarthModel模块里面建立低频初始模型。该模型能够较好地反映沉积体地质特征，在建立初始的模型过程中，将在纵向上具有高分辨率测井资料与在横向上具有连续变化特征的地震界面结合。建立初始波阻抗模型的原因有两方面：①在地震反演过程中控制解的范围，保证结果的稳定性和收敛性；②大大弥补了地震资料的低频部分(图2)。

稀疏脉冲反演的步骤：①遵从稀疏的原则在地震道中提取的反射系数与子波褶积合成新的地震道；②依据原始的地震道修改反射系数；③循环步骤①、步骤②，直至得到最逼近地震道的反射系数序列；④通过得到的反射系数序列，在测井资料的约束下得到一个全频带的绝对波阻抗[3]。反演结果如图3所示。

1.2 叠后地质统计学反演

叠后地质统计学反演是在地震反演当中引入了序贯拟合的思路[4]。首先从约束稀疏脉冲反演得到波阻抗，掌握储层大致的展布特征，以此为依据求取差变函数；然后以测井资料为依据，以原始地震数据为约束，随机模拟出井间的波阻抗并转换成反射系数，再与子波褶积合成新的地震道，通过反复迭代，达到最佳逼近原始地震道的程度[3,8,11]。

2 地质统计学反演过程

地质统计学反演的过程主要包括：①岩性划分；②反演参数分析；③岩性模拟；④孔隙度模拟4个部分[6]。

图4 洛带遂宁组气藏GR和阻抗的交汇图Fig.4 Intersection diagram of GR and impedance of Suining formation gas reservoir in Luodai

2.1 岩性划分

本次项目岩性划分是在对工区内钻井分析的基础上开展的，通过对工区内100余口井的岩性与GR和阻抗的交汇分析(图4)，泥岩主要表现为高GR低阻抗特征，而砂岩主要表现为低GR高阻抗特征，当砂岩含气或空隙较好时则表现为低GR低阻抗特征，岩性的划分则可以根据GR与阻抗双重参数最终确定。

2.2 反演参数分析

地质统计学反演的精确程度主要受反演参数约束，反演参数包括概率密度函数、差变函数等。其中，变差函数反映储层的空间结构，就地质意义来讲，纵向变程对纵向分辨率有影响，主要是通过测井数据来求取；横向变程反映了目的层的横向展布特征，需要对地质沉积的规律并结合分布的泥岩或煤层反演的测试结果来确定。

变差函数的公式为：

(1)

式中：h为滞后距；Z为区域变量；N为距离为h的个数；R为变差函数。

图5 变差函数参数示意图Fig.5 Schematic diagram of variogram parameters

图5中,α为r(h)达到平稳时滞后距离的值(变程),其表示空间中的最大相关距离;C0为一常数,表示区域化变量随机变化; 滞后值α表示在空间分布上区域化变量的平均尺度，滞后值越大，在空间分布上区域化变量相关性越大，变化的速度也就越慢，随机性越小。C为拱高,代表区域化变量的结构性变化;C0+C为基台值,代表着区域化变量的最大变化范围。当C0+C保持不变时,C0变大,则C变小,表示在空间分布上区域化变量的随机性变强,则区域化变量的结构性越差;反之如果C0+C保持不变C变大,则C0变小,结果也将相反[7]。

笔者对研究区内100余口测井曲线质量好的井进行分析，阻抗概率分布严格服从高斯分布，如图6所示。中值为11 069.77(kg/cm3*m/s)，偏差为538.185 4(kg/ cm3*m/s)2；变差函数的求取来自于井震拟合，在拟合的过程中需要确定两个方向的变程，即纵向变程以及横向变程。由于井的数量较多，在纵向上的变程也就比较精确，再通过比较高斯型和指数型拟合，该地区指数型拟合较好，纵向变程为6 m。

图6 洛带遂宁组气藏波阻抗概率分布图Fig.6 Probability distribution of wave impedance in Suining formation gas reservoir, Luodai

图7 洛带遂宁组气藏连井岩性反演剖面Fig.7 Lithology inversion section of Suining formation gas reservoir in Luodai

图8 洛带遂宁组气藏砂组孔隙度与纵波阻抗交汇关系图Fig.8 Relationship between porosity and P-wave impedance of Jsn10 and Jsn11-1 sand formations in Suining formation gas reservoir, Luodai

图9 洛带遂宁组气藏砂组孔隙度与纵波阻抗交汇关系图Fig.9 Relationship between porosity and P-wave impedance of Jsn11-2 and Jsn12 sand formations in Suining formation gas reservoir, Luodai

图10 洛带地区连井孔隙度反演剖面Fig.10 Inversion profile of continuous well porosity in Luodai area

图11 地震岩性反演砂体厚度预测与实钻对比Fig.11 Seismic lithology inversion sand body thickness prediction and real drilling contrast

2.3 岩性模拟

地质统计学反演具有很强的识别薄层和精确预测储层的能力[1,3,9]。该反演技术在水平方向上使用多网格蒙特卡洛模拟，在纵向时间域中使用马尔科夫链蒙特卡洛模拟方法。通过对地震资料、地震子波、岩性分布、地层格架、差变函数，统计学参数的优选、新井检验等进行反演预测[5,13]。通过20次的岩性模拟，再根据最新的钻井成果与模拟出的结果对比分析，从中优选模拟结果进行极大似然岩性体求取，最终得到本区的极大似然岩性体，为后续的砂体厚度求取和储层厚度求取提供借鉴(图7)。

2.4 孔隙度模拟

3 反演结果校验

通过进行地质统计学反演，最终得到极大似然岩性体，在岩性体上进行各砂体顶、底面的精细解释。为了验证反演的平面展布特征的准确度，开展了预测砂体与实际钻井砂岩厚度的对比分析，通过图11的对比来看，砂岩厚度在正负1.5 m误差范围内到达81.3%，这表明储层预测结果可靠，可以应用到后期的各项的研究。

4 结论

本次研究旨在刻画精确有利储层，优化了地震资料，使储层的地质模型在空间分布上更加合理。也以此了解到要优化地震资料，只用一种地震反演方法远远不能达到精细的预测结果。虽然通过约束稀疏脉冲反演将界面形地震剖面转换为地层形剖面，提出了围岩变化对于储层地震响应特征的干扰，但是在纵向分辨率上得不到精确的效果。地质统计学反演是一种概率随机反演，通过随机模拟和优化随机模拟的结果组成，并且利用了随机建模和地震反演的特点[6]，极大地提高了垂向分辨率。但是它同样需要以约束稀疏脉冲反演方法得到的波阻抗来校正，通过不断完钻的新井，来检验预期的成果，才能更有效地识别厚度薄的砂体，更精确地细刻画地震相带[12]，建立的地质模型才能更加接近实际地质情况。