叠前AVO处理解释技术应用研究

2019-08-04王洪星

非常规油气 2019年6期

王洪星.

(中国石油吉林油田公司地球物理勘探研究院，吉林省松原 138000)

现阶段，国际油价低迷，各个油田的油气勘探领域，已经从找油向找气转变，众所周知，寻找含气性储层的最有效的方法是叠前反演技术，但由于目前常用的叠后地震资料，采用多次覆盖的水平叠加技术，隐含在横波信息中的振幅随偏移距变化特征被损失掉了，因此，常规的叠后地震资料已经满足不了叠前反演的需求。

目前，国内叠前反演方面比较成熟的技术有叠前AVO反演技术、叠前弹性参数反演技术和叠前地质统计学反演技术，本文主要针对叠前AVO反演技术在有效储层预测方面进行了研究，并把该项技术在红岗地区的H152井区进行了推广应用，精细刻画了该地区储层含油气性AVO异常分布范围，可以根据该分布范围调整加密井网，也可以在有利区域为探评井提供有利钻探目标。

1 研究区地质概况

2 AVO技术原理

叠前AVO技术主要是以岩石物理学和地震弹性波为理论基础，以叠前时间偏移的CRP道集为基础数据，进行叠前AVO反演。它是利用叠前道集上一次地震反射波振幅随炮检距的变化而变化的特点来分析AVO特征，并找到地震反射波振幅与炮检距之间的变化规律，进而找到反射系数随炮检距的变化规律，同时对含油气储层顶底介质的岩性特征、物性参数等进行分析，从而实现利用一次地震反射波振幅的变化关系直接进行油气检测。

AVO理论基础是Zoeppritz方程以及该方程的一些简化式如Shuey、Aki—Richards公式，这些公式都有各自的假设条件，在应用时应该注意使用条件的限制，Zoeppritz方程具有明确的物理意义，它能够精确的描述非零入射角时地震反射振幅随着炮检距的变化关系。由于Zoeppritz方程过于复杂，很难通过该方程直观的反映各个参数与反射系数之间的关系，因此，人们通常用该方程的Aki—Richards简化式，如下：

Rp(θ)≈A+Bsin2θ+Ctan2θsin2θ

(1)

(2)

(3)

(4)

式中Rp(θ)——反射系数

Vp——纵波速度

Vs——横波速度

ρ——密度

（三）健全生态环境保护法治体系。依靠法治保护生态环境，增强全社会生态环境保护法治意识。加快建立绿色生产消费的法律制度和政策导向。

θ——入射角

通常把A称为小角度项，Bsin2θ称为中角度项，Ctan2θsin2θ称为大角度项,通过求解这些方程能够得到多种AVO属性，同时经过多种参数综合分析，从而实现直接利用叠前地震道集进行储层含油气性预测。

3 AVO技术实现

叠前AVO技术是一套综合技术，它包括岩石物理建模技术、叠前道集优化技术、模型正演技术、AVO分析及属性提取等技术组成，其中岩石物理建模技术主要作用是通过岩石物理模型求取横波速度，叠前道集优化技术能够突出AVO地震响应特征，模型正演技术能够判定AVO类型,并为后续AVO反演提供验证，它们是AVO属性分析的基础数据。

3.1 岩石物理建模

岩石物理建模工作对于叠前AVO反演技术具有重要作用，通过该技术建立起岩石参数与地球物理所需要的物理量之间的定量关系，它是利用地震资料预测油气的物理基础。岩石物理工作主要是求得泥质含量、含水饱和度、孔隙度等信息，通过这些信息建立岩石物理模型，进而得到横波速度、泊松比、纵横波速度比等关键参数，这些参数是储层特征与地震参数之间的桥梁，它为模型正演和后续的叠前AVO反演提供有效信息。

进行岩石物理建模之前需要对测井曲线进行分析、校正工作，红岗地区主要以砂泥岩沉积为主，从井径曲线看多处存在井眼垮塌现象，泥岩地层井壁垮塌后导致测量密度的仪器无法紧靠井壁测量致使密度测量不准，影响泥质含量的计算，进而影响岩石模型的建立。具体做法是在垮塌曲线附件找一段岩性稳定段，利用伽马、中子、电阻率和声波时差不易受井眼影响的曲线合成一条密度曲线，然后再把受井眼影响的曲线段替换掉，没受影响的曲线保留，校正结果如图1所示，在目的层位置，发生了扩径，测量的密度曲线由于受泥浆影响，密度值偏低部分值低于1.66 g/cc，经过校正后，密度值恢复到2.5 g/cc左右。

图1 曲线校正Fig.1 Curve correction

岩石物理另一项重要工作是计算泥质含量、孔隙度和饱和度。通常计算泥质含量有多种方法，主要是单曲计算法如自然伽马、自然电位、电阻率等和中子密度交汇法，但是每种方法都有其应用条件。红岗地区的地层，泥岩中不含有其它放射性矿物，其放射性主要是泥质吸附放射性元素产生的，因此，单独使用自然伽马就能较准确的求取泥质含量，其关键参数是通过直方图得到纯泥岩和纯砂岩的伽马值如图2所示，伽马低值为砂岩区其伽马值为45 API，高值为泥岩区，值为145 API，利用公式(5)计算黏土含量,其公式如下：

(5)

其中GRlog——伽马曲线：

GRlean——纯砂岩伽马值

GRclay——纯泥岩伽马值

图2 伽马直方图Fig.2 Gamma Rayhistogram

红岗地区孔隙度计算采用密度曲线求取总孔隙度，其关键是要对密度孔隙度进行泥质校正。该地区含水饱和度的计算采用阿尔奇公式，利用电性曲线计算含水饱和度，其关键参数是地层水的电阻率求取，该地区地层水电阻率为0.05。这样有了泥质含量、孔隙度、饱和度信息再结合温度、压力、矿化度等信息就可以模拟横波等信息,其结果如图3所示，其中VCL为求取泥质含量曲线、PHI为孔隙度曲线、SW为计算的含水饱和度曲线，DTS为最终求取的横波时差曲线。有了横波曲线就可以计算泊松比、纵横比速度比和各种体积模量，为叠前弹性参数反演和AVO属性分析提供基础数据。

图3 预测出的曲线Fig.3 Predicted curve

3.2 道集优化技术

AVO特征与叠前地震道集的质量密切相关，叠前地震道集的好坏直接影响AVO分析的结果，红岗地区地震资料采集的较早，观测系统为窄方位的，其面元为20 m×40 m ，最大炮检距只有2 000 m，受地表及采集因素影响，地震资料品质较差，导致最终处理成果的叠前道集质量较差如图4所示，该道集明显存在三方面问题：一是信噪比过低，二是明显存在剩余静校正问题，三是横向上能量不均衡问题。这些问题会直接影响AVO属性分析效果，甚至产生假象，影响解释人员的判断。因此，进行AVO分析之前需要对叠前道集进行优化处理，以满足AVO分析需求，它也是实现AVO技术的关键所在。根据红岗地区资料存在的问题，主要从三方面对叠前道集进行优化处理：一是提高道集的信噪比，突出有效信息的可靠性。在提高道集信噪比方面遵循的原则是循序渐进、有的放矢。为了提高地震道集的质量，本文选过H152井的地震数据进行超道集处理，它的作用是提高信噪比，该技术把相邻面元内的道集按照一定比例进行加权，叠加成一个道集，并以AVO异常提取的截距属性作为质控标准，当超道集的面元合适，目的层位置的截距信息就会增强。本文试验了3*3面元叠加、5*5面元叠加和7*7面元叠加等,经过试验并利用截距信息进行质控，认为选用5*5面元进行叠加效果较好如图5所示左侧为超级道集，右侧是用该道集得到的AVO截距属性，从超道集上看目的层的信噪比明显比原始道集提高，过井的截距属性能够看到了。但从超道集来看其信噪比还是很低，还存在一些随机噪音，满足不了叠前需求，因此，又进行了随机噪音衰减。目前，常用的随机噪音衰减技术有F-X域随机噪音衰减技术、径向滤波技术、多项式拟合技术等，本文采用F-X域随机噪音衰减技术，它利用随机噪音不可预测性，而线性有效信号可预测理论，对有效信号和噪音进行分离，到达压制噪音目的，再次是利用拉冬变换技术对多次波干扰进行去除工作，它是利用多次波与一次反射波的旅行时有差异，就会造成速度校正不足或者速度校正过量，多次波的反射同相轴就会偏离一次反射波，利用偏离的时差识别出多次波后再从道集中减去识别出的多次波，达到去除多次波的目的，更有利于提取AVO振幅特征。

图4 原始叠前道集Fig.4 Original Pre-stack gathers

图5 左超道集(面元5*5)右截距属性Fig.5 Left—super gathers (dimension 5*5)，Right—intercept attribute

二是通过能量均衡技术，消除非地质因素造成的能量异常，增强振幅的真实性。通常认为相邻道集的能量是相近的，在横向上是渐变的，不应该出现突变，但从处理后的超道集(图5)看，明显存在能量不均衡问题，其近道炮检距和远道炮检距的振幅能量弱，中间振幅能量强，为了消除这个现象，在提高信噪比的道集上又采用了剩余能量补偿技术，它的原理是基于模型AVO特征的背景趋势能量补偿技术，它依靠模型来驱动，具体做法是在道集上开一定时窗，通常时窗大小在100 ms左右，能够把目的层包括进去，然后对时窗内道集随偏移距振幅能量变化进行统计，把统计出来的变化趋势与模型趋势进行比较，求取随偏移距变化的刻度因子，再把刻度因子用于实际地震道集，实现目的层振幅能量补偿。图6是经过能量均衡技术处理后的叠前地震道集，它的远道和近道能量均得到均衡与图4 的原始道集相比，信噪比高，整体上地震反射同相轴更平，横向上能量的变化是渐变的，更符合地质认识；三是道集拉平技术，它能够消除远道同相轴发生的畸变，增加方位角信息，减少AVO异常的多解性。红岗地区的地震道集在远偏移距的位置明显存不平，存在下拉现象，这种现象会增加AVO的多解性。目前消除这种现象的技术，主要有两类方法：一类为剩余静校正法，假定在地震射线路径上局部速度扰动引起道集同相轴波动，因此不能使用全局速度场调整，可看作静校正误差引起的，该方法通过逐道确定静校正漂移量，它的优点是实现简单，缺点是每道的校正值是固定的，只能整体时移，会造成局部变差，产生虚假信息。二类是速度调整法，它假定道集不平是由剩余NMO引起，可以通过二阶和四阶均方根速度场高分辨率估计来矫正。该方法利用AVO技术进行自动剩余NMO分析以达到剩余时差校正的目的，该方法不适合地震反射同向轴不平较严重的数据。红岗地区的数据在远道存在整体的畸变，通过采用剩余静校正法，较好的消除了这种现象，目的层位置的反射同向轴更平。经过道集优化处理后地震道集的质量明显提高，能够满足叠前反演要求，其AVO属性特征更加突出如图7所示。

图6 能量均衡后的道集Fig.6 The gathers after energy equalizing

图7 左优化后道集右对应截距属性Fig.7 Left—optimized gathers，right—intercept attribute

3.3 模型正演

利用井资料进行AVO正演模拟，能够分析不同地质条件下储层含油、气、水的AVO特征。它通过Zoeppritz方程或者舒伊简化式模拟非零偏移距地震道集，由模拟的地震道集能够确定储层AVO属性类型及分布特征，利用该特征可以佐证地震道集反演得到的AVO特征是否正确，同时指导由地震道集得到的AVO反演结果进行有利分布范围的预测。

H152井为红岗地区一口含油气的井，主要含气储层为F油层Ⅱ、Ⅲ砂组，由5层单砂层组成，储层总厚度有8 m，通过Zoeppritz方程，使用射线追踪的方法模拟了目地层段地震道集如图8所示，为了使模拟的道集与原始道集入射角一致，利于两种道集对比，对原始道集的入射角做统计，以统计的最大入射角度，作为模拟道集的最大角度。通过模型正演，可以看出在1 740 m位置，存在明显的AVO异常，通过进一步对模拟道集的AVO响应分析表明，含油气储层的顶面随着炮检距的增大，AVO振幅特征在减小，从目的层提取得振幅随炮检距的变化关系来看，AVO特征也是减小的，再结合目的层位置的交汇分析，可以判断该储层AVO类型为四类AVO特征如图9所示，同时可以根据正演分析结果，指导地震道集AVO分布范围及类型的判定。

图8 模拟道集Fig.8 Simulation gathers

图9 模拟道集的AVO分析Fig.9 AVO analysis of simulated gathers

3.4 AVO属性提取及交汇分析

红岗地区的资料，经过道集优化处理后其AVO特征更加明显，提取了多种属性如截距、梯度、泊松比、流体因子等，这些属性具有不同物理意义，如截距属性反映了自激自收时的反射系数，梯度代表了非零入射时斜率的变化，泊松比反应储层含油气性，流体因子能够区分储层流体性质等。通过对过H152井提取的截距和梯度属性分析来看，目的层顶面截距为负(蓝色)，说明储层的反射系数小于上覆地层的反射系数，含油气的可能性较大，图10所示，目的层的梯度为正(红色)，它代表了偏移距的变化率为正(图11)。通过把提取的截距和梯度属性进行交汇分析(图12)可以看出，红岗地区F油层的AVO特征为四类AVO异常，它与正演模拟的结果一致，说明地震道集提取的AVO特征与地质规律是一致。通过敏感参数分析，发现泊松比属性能更好的反映AVO异常，因此，在该地区直接利用泊松比属性进行了油气检测。经过分析H152井F层的泊松比的范围在0.22～0.25之间，说明目的层以产油为主，这与H152井统计的结果相一致，该井到目前为止累产油2 000多吨，产气184万m3。

图10 截距属性Fig.10 Intercept attribute

图11 梯度属性Fig.11 Gradient attribute

图12 截距与梯度属性交汇分析Fig.12 Crossplots of intercept and gradient attributes

4 AVO应用效果分析

吉林油田H152井区孔隙度13%，渗透率2 mD，在F油层位置投产了5层8 m，投产初期产油3.7 t/d，产气126 m3/d，累产油2 000多吨，累产气184万m3，在该地区应用常规的叠后波阻抗反演方法效果较差，在目的层位置如图13所示箭头位置，叠后反演出的剖面叠置比较严重，不能把储层细化，该储层预测结果与井的符合率很低，不足以支持井位部署的需求。

图13 叠后波阻抗反演剖面Fig.13 Post-stack impedance inversion section

通过在该地区开展叠前AVO反演技术和叠前弹性参数反演技术后，发现叠前弹性参数反演结果(图14)比叠后波阻抗反演效果稍好一些，目的层位置的储层刻画的清晰了一些，储层预测效果有所改善，但储层位置分开的还不是很明显，对于储层的边界及非均质性的刻画还是不够，不能够反映储层非均质性的变化特征。

图14 叠前弹性参数反演剖面Fig.14 Pre-stack elastic parameter inversion section

图15 叠前AVO泊松比属性Fig.15 Pre-stack AVO poisson ratio attributes

敏感参数分析表明，泊松比属性对该地区的AVO异常更敏感，目的层位置AVO异常清楚，横向延展范围更大，如图15所示为泊松比属性，其提取的AVO异常范围比梯度属性、截距属性在横向上扩展的都大，通过对异常体提取平面属性分布特征来看与生产井分析结果基本一致，它们之间的符合率可以达到80%以上。图16是针对目的层位置提取的泊松比异常平面分布属性，从平面属性分布图来看，有利异常区有6个区带，从已钻探的井来看，在有异常分布的区域部署的井产油、产气量都较高，在异常范围外的井主要以产油为主，同时含有少量的气，这与预测的结果基本一致，但有一定的出入。经过分析，发现本次AVO反演是以H152井为参考井开展叠前反演的，该井含气饱和度较高，AVO异常明显，而AVO异常外的井，由于含气饱和度低，引起的AVO异常特征不明显。可以根据预测结果，提供探评井井位目标，同时还可以调整加密井网。