基于地震正演的低渗油藏甜点预测方法及应用<br/>——以渤海B油田为例

基于地震正演的低渗油藏甜点预测方法及应用
——以渤海B油田为例

2022-05-09范洪军王宗俊董洪超

物探化探计算技术 2022年2期

范洪军, 田楠, 王宗俊, 董洪超

(中海油研究总院有限公司，北京 100028)

0 引言

低渗透油藏具有渗透率低、丰度低、单井自然产能低的特点[1]。我国陆相低渗储层的沉积成因复杂，总体表现为储层岩石成分成熟度和结构成熟度低、成岩差异大、孔喉半径小、渗透率低和非均质性强等特征[2]。上述特征的形成是沉积物被埋藏以前的状态和埋藏以后的成岩过程综合作用的结果。贾文瑞等[3]根据沉积特征将低渗储层成因归纳为以下三种主要类型：①远物源低能环境的粉、细砂岩:沉积环境以滨、浅湖相为典型,粒度低、磨圆度较好，颗粒比较均匀，以原生孔隙为主，胶结物含量高，渗透率和孔隙度与粒度中值有良好的关系;②成岩作用较强的低渗透砂岩:这些岩层形成时代常在前新生代，一般都处于成岩作用晚期，原生孔隙相对不太发育，往往伴生石英次生加大等成岩后生作用，使原生孔隙变小，由于溶蚀、淋滤作用，次生孔隙发育，孔喉不均匀程度强;③近物源的冲积扇、辫状河相砂砾岩:这种低渗透层分选差，磨圆度差，粒度曲线为双峰或多峰态。由于近物源，能量较强，泥石混杂，胶结物泥质含量较高，碳酸盐含量低。

利用地震数据预测储层渗透率一直是前沿及难点问题[4]。究其原因，渗透率与孔隙度之间缺乏较好的相互对应关系，不同孔隙结构的岩石孔隙度与渗透率对应关系存在明显差异，从而造成利用地震响应特征无法直观地反映渗透率的变化。目前主要技术方法有经验法、地震属性分析法[5-6]和地质统计学模拟法等。经验法即通过井中实测孔隙度和渗透率散点交汇图进行拟合，将拟合公式应用于实际地震数据中。在岩石孔隙较为复杂时，往往很难得到孔隙度与渗透率的线性回归关系，导致该二元线性回归方法存在较大误差[7]。地震属性分析法即采用神经网络等方法，将地震属性与渗透率建立非线性神经网络关系，然后将空间分布的地震属性体转换为渗透率体[8]。该技术可能存在因渗透率样本较少导致神经网络过拟合现象。地质统计学模拟方法即采用协克里金插值方法，以井点渗透率为主变量，通过次变量地震属性趋势约束对渗透率曲线进行插值。该方法要求井资料丰富，而且要求井在平面上分布较均匀。

由上述方法可知，约束条件越多时，地震数据预测储层渗透率结果越准确。笔者通过储层岩石学特征研究，分析目标区储层低渗成因及控制因素，总结低渗储层相对高渗条带分布模式，并建立低渗储层地震正演等效模型。进行相对高渗条带地球物理响应特征机理分析，总结低渗油田相对高渗储层的地球物理响应规律，并筛选出适用于此类储层预测的敏感地震属性。最后通过基于相约束的两步法多属性致密砂岩高渗条带预测方法，建立地震属性与储层岩性和储层物性相关关系，进行靶区油田相对高渗条带空间分布预测。

1 方法与实现

在低渗透率储层区域寻找到相对高渗的优质储集层，对油藏的开发方案的制定和部署至关重要。因此，加强对低渗透储层特征的研究，了解低渗透储层的形成机理，寻找低孔隙度、低渗透率储层中相对优质储层的形成与分布规律，并形成相应的地震反射特征规律认识，从而指导高渗条带预测[9-12]。笔者从①划分标准;②控制因素;③低渗成因;④物性分布模式这四个方面入手，总结相对高渗条带分布模式，进而建立相对应的等效模型，并进行地震正演，在进行地震识别尺度分析的基础上,进一步筛选出高渗条带分布及厚度相对敏感的地震属性。与此同时开展沉积相-井-震联合反演，对岩性进行预测，明确储集层发育的空间分布，最后综合筛选的高渗条带敏感属性、沉积相、砂体比等在储集层空间中通过聚类分析的方法得到高渗条带的分布。

图1为基于地震正演的相约束低渗油藏甜点预测方法技术流程。①通过岩石类型和岩石特征和沉积相-物性-测井特征之间的关系分析，总结低渗储层成因及控制因素；②通过单井测井曲线特征总结相对高渗条带分布模式；③建立高渗条带分布等效模型；④进行地震正演，分析不同分布模式时的地震响应特征，并行横向对比分析，从而对比不同分布模式时的地震响应差异，并总结不同分布模式时敏感地震属性差异特征；⑤采用“两步法”，首先基于相约束的岩性预测，进一步基于岩性预测结果进行相约束的高渗条带预测。

图1 相对高渗条带预测技术流程Fig.1 Technical process of relative high permeability belt prediction

通过“先储集层、后高渗条带”的方式,明确储集层空间位置后，再在储集层中去预测高渗条带。上述方式相对单一的高渗条带预测方法，降低了高渗条带预测的多解性同时，提高了预测精度。

因此，采用基于相约束的两步法多属性致密砂岩高渗条带预测方法，建立地震属性与储层岩性和储层物性相关关系，是实现高渗条带预测的关键。图2为两步法相约束地震属性预测高渗条带流程图。

图2 两步法相约束地震属性预测高渗条带流程图Fig.2 Flow chart for high permeability belts prediction constrained by seismic attribute

基于相约束的两步法多属性致密砂岩高渗条带预测方法，通过分步先进行储层展布预测，再进行物性预测。①先对靶区的地层岩性展布预测，获得靶区的砂地比分布结果，储层泥质含量不同，储层物性也会不一致;②在储层分布的基础上，将渗透性较好区域识别出来。利用筛选的高渗条带敏感属性、砂地比和沉积相，作为相对高渗条带预测的控制属性进行预测，获得相应的高渗条带聚集区的空间分布结果。

高渗条带预测分析过程中，将沉积相图作为一个关键的控制约束条件加入聚类过程中，实现地质成果融入地震预测中，并且不断调整沉积相在预测过程中的权重，使预测的结果尽量地符合沉积规律。利用预测的结果指导相图的修改和细化，将预测结果体现到沉积相图的修改中去，使相图更加细致和完善。相当于从地震回到地质上来，使地震预测和地质成果融合为一体，实现油藏地球物理多数据、多专业的数据一致性。

在进行岩性预测及高渗条带预测时，都将采用相约束的聚类分析方法。通常情况下，聚类分析技术是将一系列地震特征参数，根据其距离来进行分类判别。聚类分析是将数据分类到不同的类或者簇的一个过程，同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。传统的聚类分析，都是基于单纯的地震属性去聚类分析的，聚类过程中缺少地质信息的控制，得到的结论往往会与地质认识差异较大，那么如何将地质研究的成果信息加入聚类分析过程中，使预测的结果能够符合沉积规律作为聚类分析的一个关键点。

1)地质研究成果通过沉积相平面图的方式展示，由于低渗储层相对高渗条带受沉积相的控制，那么可通过沉积相的细化将优势储层通过优势相的方式展现出来。

2)在聚类分析过程中，把沉积相图作为一个关键的控制约束条件加入聚类过程中，并且不断调整沉积相在预测过程中的权重，使预测的结果尽量地符合沉积规律。

3)利用预测的结果指导相图的修改和细化，将预测结果体现到沉积相图的修改中去，使相图更加细致和完善。相当于从地震回到地质上来，使地震预测和地质成果融合为一体。

4)整个相约束聚类分析的过程是一个闭合循环的过程。可以利用进一步修改完善的相图，进行新一轮的相约束聚类分析，然后用得到的预测结果继续优化沉积相图。如此往复的迭代修改以后，当最后的预测结果变化不大时，可以终止这个迭代聚类的过程，认为这是最终的预测结果和最终的沉积相带分布图。

2 实例应用

B油田是位于渤海海域的复杂断块油田，研究区目的层位于凹陷陡坡带相对平缓的斜坡区，沉积期处于一种浅水环境、近物源、牵引流的辫状河三角洲沉积。储层以低渗储层为主，高渗储层较薄，平均孔隙度和渗透率较小，而且多层薄砂体叠置。

2.1 低渗储层成因及控制因素

由于目标油田为辫状河三角洲沉积。通过对目标油田储层的综合研究，从宏观及微观上，对其沉积相、物源、砂体展布以及岩石学特征、孔隙结构及演化特征等，进行了系统研究分析，认为其为典型的低孔、特低渗油藏，其相对高渗储层的分布受到沉积作用及成岩作用双重影响，其分布特征从整体上具有非常强的非均质性和复杂性。不同沉积相带砂体的厚度、粒度、分选、杂基含量等均有差异,就是在同一沉积相带中,由于水动力条件的变化,沉积物成分及结构也有变化,导致渗透率也会有差异。统计分析显示，不同沉积相带、同一沉积相带不同微相砂体的物性存在着明显的差异，说明沉积作用对储层物性起着明显的“先天性”控制作用。该区低渗储层相对高渗条带的发育主要受沉积的差异影响。因此，低渗储层下相对高渗条带的分布主控差异因素为沉积微相的不同。

2.1.1 河道型高渗条带成因及控制因素

此类高渗条带模式主要为河道型沉积砂体，渗透率相对大、粒度较粗。河道的沉积过程中，物性下部好，上部随着粒度的变细，孔渗都会减低。因此在统一的后期成岩作用改造下，原始沉积颗粒较粗的河道内，下部仍然会为相对渗透率较好的储层，高渗储层主要位于砂体底部。这种模式的特点为：①典型河道砂，砂体较厚，下部渗透率较大，上部较小；②相对高渗发育在主河道中下部位，渗透率相对较高；③杂基充填普遍，上部泥质含量相对较高，GR呈齿化状。该类低渗储层相对高渗条带地质成因主控因素，为强压实、一般胶结、粗粒沉积泥质充填。

2.1.2 河口坝型高渗条带成因及控制因素

此类高渗条带为典型的河口坝沉积砂体，平均渗透率中等，但物性差异相对较大、岩性差异较大。河口坝砂，砂体较厚，整体粒度下细上粗，泥质含量相对较高，测井相呈漏斗状。高渗储层位于砂体上部，渗透率较大，下部较小。该类低渗储层相对高渗条带地质成因主控因素为强压实、一般胶结、粗粒沉积，岩性差异较大。

2.1.3 席状砂型高渗条带成因及控制因素

此类高渗条带为典型的席状砂体类型，测井类型主要呈指状，总体而言粒度较细，层薄、渗透率相对略小、中部渗透率较大。席状砂砂体较薄，整体粒度较细，泥质含量相对较高，测井相多呈指状。相对高渗储层位于砂体中部，渗透率较大，上下较小。该类低渗储层相对高渗条带地质成因主控因素为强压实、一般胶结、细粒沉积。

2.2 相对高渗条带分布模式

低渗储层成因的分析，不同高渗砂体的差异控制因素，以渗透率为模式组合导向，基于地震地质融合的研究尺度，建立多种辫状河三角洲沉积模式下的低渗储层相对高渗类型的储层分布模式。依据单井砂体的纵向分布特征，相对高渗砂体在低渗储层内的不同分布方式，分3大类13类沉积组合模式，分别为单层模式、两层模式、多层模式。单层模式细分为单层顶部模式、单层中部模式、单层底部模式。后期正演模型主要是基于相对高渗条带的分布模式建立机理模型，并总结响应的地震正演规律特征。

2.2.1 单层模式

该模式储层为一个单一砂体。在砂体内部由于沉积的差异，砂体岩性和物性差异较大，基于高渗的储层段位于砂体的纵向不同位置，细分为顶部、中部、底部三种类型。①顶部型高渗条带为典型的河口坝砂体，上部岩性粗、物性好，下部较细、物性差；②中部型主要为河道侧翼或席状砂，砂体相对较薄，在砂体中部物性较好；③底部型高渗条带为典型河道沉积砂体，底部物性好，上部物性较差(图3)。

2.2.2 两层型

由于沉积环境的不断演变以及物源供给的变化，沉积中心砂体呈现多期叠置样式。辫状河三角洲前缘的河道、河口坝砂体的多期叠置模式，纵向上形成不同的相对高渗条带分布模式(图4)。

图4 高渗条带两层模式图Fig.4 Two high permeability layers pattern

2.2.3 多层型

砂体整体较厚，为多期砂体叠置。内部由于原始沉积的差异，使岩性、物性上存在差异，经历统一的成岩后期作用，使砂体内部的物性差异较大，颗粒较粗较大，抗压实能力较强，经过溶蚀能改善渗透性，形成不同的位置的高渗段(图5)。

图5 高渗条带多层模式图Fig.5 Multi high permeability layers pattern

基于靶区油田实际钻井砂体数据，统计各井中单砂体的大于10 mD的高渗透储层层数分布情况。单砂体内高渗透层主要为1 层～2层为主，最多为4层高渗储层段组合。单砂体内高渗储层的低渗岩性隔夹层厚度范围为1 m～5 m，平均为2.5 m。这些统计数据为后期建立机理模型的提供了很好的参考(图6～图7)。

图6 单砂体内部高渗的分布层数Fig.6 Layers of high permeability in single sand body

图7 隔夹层厚度直方图统计Fig.7 Histogram statistics of interlayer thickness

图8 基于储量单元统计储层厚度和高渗储层厚度分布直方图Fig.8 Histogram of reservoir thickness and high permeability reservoir thickness based on reserves unit(a)储层厚度;(b)高渗储层厚度

综合低渗储层相对高渗储层的成因及控制因素，以及相对高渗条带分布的模式特征，可知优势相带控制了高渗条带分布。

2.3 层相对高渗条带地球物理响应及敏感属性

由于高渗条带的分布模式十分复杂，其地震响应受相对高渗条带的厚度、分布样式、泥岩夹层等的综合影响。因此，单纯的从实际地震资料入手，很难总结出有效的振幅、波形规律以预测相对高渗条带。基于机理模型的地震正演方法是研究相对高渗条带模式的反射波特征的重要手段之一。通过机理模型的地震响应反射特征总结和梳理，筛选出对高渗条带厚度和分布比较敏感的地震属性，并应用到实际工区中，从而在现有资料的状态下，综合多方面信息，预测高渗条带分布。

在进行模型建立前，首先对相应的类型进行地球物理参数和各类型的几何参数统计分析。通过统计目标区岩石物理特征(表1)，低渗和相对高渗的声波和密度差异较小，泥岩则与前二者的差异较明显。因此，储层与非储层的地球物理参数差异较容易区分，低渗和相对高渗储层差异则相对小很多。

表1 岩石物理特征统计(平均值)Tab.1 Statistics of petrophysical characteristics (average value)

结合储层的分布模式特征，低渗区域内基于储量单元统计储层厚度、相对高渗储层的厚度、低渗储层中的隔夹层的厚度、高渗的个数等,作为机理模型建立的参考依据。储量单元内储层的厚度范围3 m～40 m，主要为12 m～18 m。而相对高渗的厚度范围为1 m～24 m，主要为4 m～11m。结合单砂体内的隔夹层厚度以及高渗储层层数，低渗储层地震正演等效机理模型参数主要为：低渗砂体厚为40 m；高渗砂体厚度最大为24 m；隔夹层厚度为2 m；高渗层数最大4层。

为了便于模型正演响应规律总结及不同类型高渗条带敏感属性分析，笔者提出了一种新的高渗条带类型的划分方法。传统的用渗透率的大小去划分储层的渗透类型有些差异，主要是借鉴砂地比的概念，提出用一个相对的概念来划分储层的渗透类型。相对高渗储层的比例值RHPC(Relative High Permeability Content)由式(1)计算得到。

RHPC=h/H*100%

(1)

式中：RHPC为相对高渗储层的比例值；h为渗透率大于10 mD储层的累积总厚度；H为储层总体厚度。因此，RHPC作为相对高渗条带的类型划分的依据，RHPC越大，表明储层的渗透性越好。

2.3.1 高渗条带厚度变化机理模型(RHPC)

根据低渗储层相对高渗条带特征，将RHPC的比值分为6类:①非储层;②0%～20%;③20%～40%;④40%～60%;⑤60%～80%;⑥>80%。基于此，建立单一高渗条带厚度不变，高渗条带增厚的机理模型(储层总厚度不变，相对高渗砂体厚度从0 m～34 m，对应RHPC分别为0%、15%、30%、45%、70%、85%，分别对应高渗条带类型2、类型3、类型4、类型5、类型6)，分析随着高渗条带增多(RHPC值增大)，相应的地震正演响应特征，以及筛选可以很好地表征RHPC变化规律的敏感属性(图9)。

图9 高渗条带增厚机理模型Fig.9 Mechanism model of high permeability layer with increasing thickness(a)不同高渗厚度模型;(b)不同高渗厚度模型正演结果

由图10可知，地震属性与高渗含量关系密切，随高渗储层含量增加振幅、波形类属性呈明显减小趋势。

图10 不同高渗条带数增多模型正演地震属性对比图Fig.10 Forward seismic attributes for models with increasing number of high permeability layers(a)RMS振幅;(b)整波形能量；(c)波形面积;(d)波形长度

以纯低渗储层为地震属性的基础数据，求取低渗储层中不同RHPC值与纯低渗储层的正演属性差异的百分比。以RHPC=0.7(高渗砂体厚度为28 m)为例，对相对高渗条带厚度比较敏感的地震属性为RMS振幅、波形峰度、整波形能量和主频能量(图11(a))。因此，当高渗条带厚度增加时：①地震属性与高渗含量关系密切，随高渗储层含量增加振幅、波形呈明显减小趋势；②RHPC<30%，振幅降低变化率较缓，RHPC>30%，振幅降低变化率较陡(图11(b))。

图11 高渗储层增加模型敏感属性分析Fig.11 Sensitive attribute analysis of models with increasing number of high permeability layers(a)地震敏感属性蜘蛛网图;(b)地震属性差异百分比变化图

2.3.2 高渗条带等厚机理模型

此类型机理模型等效于非均质储层，根据单元内高渗储层参数的统计，单元内的高渗条带纵向上是一层或多层的高渗砂体的叠置组合。那么高渗之间的低渗岩性各隔夹层是否对地震响应有影响，建立总厚度为12 m的高渗条带，高渗条带的个数从1个～4个。从而形成了等厚储层、高渗储层厚度一致，而隔夹层数不同的机理模型。通过地震正演去分析它们之间的地震响应差异(图12)。

图12 等厚高渗储层隔夹层不同模型及正演结果图Fig.12 Different models of equal-thickness high permeability layers and forward modeling results(a)不同隔夹层模型;(b)不同隔夹层模型正演结果

等厚高渗储层不同隔夹层正演对比可知，有隔夹层时振幅、波形属性均略强于无隔夹层的模式。而且随着隔夹层的增多，振幅波形属性值逐渐降低，并且振幅类和波形类属性的变化规律是一致的(图13)。

图13 等厚高渗储层隔夹层不同模式正演地震属性与隔夹层模式交会图Fig.13 Cross plot of forward seismic attributes and interlayer models with equal-thickness high permeability layers(a)RMS振幅;(b)整波形能量；(c)波形面积;(d)波形长度

以纯低渗砂岩作为正演地震属性的比较对象，RHPC值相同，分别求取隔层不同模型与纯低渗砂岩储层的地震属性差异百分比。通过蜘蛛网图分析可知，低渗储层中高渗条带是否有隔层，波形面积和波形平均弯度是比较敏感的地震属性(图14(a))。图14(b)为等厚高渗储层隔夹层不同模式敏感属性差异百分比变化图。可以看到波形类属性，对于高渗条带分布模式比较敏感，从另一方面也可以说明，当高渗条带的非均质性比较强时，可通过波形面积及波形平均弯度等波形类属性将其区分开。

图14 等厚高渗储层隔夹层不同模型敏感属性分析Fig.14 Sensitive attribute analysis of models with equal-thickness high permeability layers(a)地震敏感属性蜘蛛网图;(b)地震属性差异百分比变化图

2.3.3 高渗条带位置变化模型

此类型机理模型等效于RHPC不变，高渗储层分布于不同位置储层，根据统计的相对高渗储层分布模式的模式一单层模式，其高渗条带分布模式有三类，顶部、中部、底部。当高渗条带位于储层中位置不同时，是否可以通过地震正演响应区分。建立高渗条带厚度分别为2 m、5 m、8 m、10 m的机理模型，并且每一厚度的高渗条带位于储层中的顶、中、底三个位置，如图15(a)所示。通过地震正演去分析不同厚度、不同位置的单一高渗条带的地震响应差异。

图15(b)为不同厚度高渗条带位置变化地震正演对比图。通过波形显示看，在同一厚度下，当高渗条带的位置不同时能量相差不大，波形分布有一些区别，并且随着高渗条带厚度的增加，波形分布的差别也逐渐增大。图16为不同厚度高渗条带正演地震属性与高渗条带位置模式交会图，通过量化对比看，波形类属性对高渗储层的位置比较敏感。当高渗储层位于顶或者底部时，较难区分，位于中部时，可与顶底部位置区分开，并且当厚度达到10 m左右时，可将高渗储层的位置区分开。

图15 不同厚度高渗条带位置变化模型及正演对比图Fig.15 Models and forward modeling result of high permeability layer with different thickness and position(a)不同厚度高渗条带位置变化模型;(b)正演对比

图16 不同厚度高渗条带正演地震属性与高渗条带位置模式交会图Fig.16 Cross plot of forward seismic attributes and location pattern of high permeability layers with different thickness(a)均方根振幅;(b)波形丰度；(c)峰波谷各偏斜比;(d)波形长度

图17(a)为不同高渗条带位置高渗条带正演地震属性敏感属性蜘蛛网图，通过对比，波形对称性、波形弯曲度、波形长度等波形类属性对高渗条带位置分布比较敏感。当RHPC>20%，振幅降低变化率较缓，可区分不同位置高渗储层(图17(b))。对比高渗条带厚度变化模型和等厚非均质模型，不同位置高渗条带正演地震属性敏感属性差异百分比，较前两个模型要小很多。因此，在实际地震资料的储层预测中，高渗条带的分布位置是比较难区分的。

图17 不同高渗条带位置模型敏感属性分析Fig.17 Sensitive attribute analysis for models of high permeability layer with different position(a)地震敏感属性蜘蛛网图;(b)地震属性差异百分比变化图

2.4 “两步法”相对高渗条带预测

针对实际工区，利用多属性聚类分析的方法，对砂地比和厚度的平面展布进行预测。首先通过井-震联合分析井点储层厚度、砂地比(NTG)与地震振幅属性相关性较好，与频率和相位相关较差。然后，以地震振幅为主利用多属性聚类的方法，分别进行储层厚度、NTG分布平面预测，如图18、图19所示。

图18 储层厚度与地震振幅属交会图和敏感属性统计表Fig.18 Cross plot of reservoir thickness and seismic amplitude as well as sensitive attribute statistical table(a)RMS振幅-砂体厚度;(b)平均瞬时振幅;(c)敏感属性统计表

图19 储层砂地比与地震振幅属交会图和敏感属性统计表Fig.19 Cross plot of NTG and seismic amplitude as well as sensitive attribute statistical table(a)RMS振幅-砂体厚度;(b)平均瞬时振幅;(c)敏感属性统计表

图20(a)、图20(b)为分别利用多属性聚类技术方法，预测的储层厚度和砂地比预测。预测结果和沉积相发育规律一致，砂体NTG较高、储层厚度较大主要为河道微相，席状砂沉积相的NTG和厚度都相对较小。

图20 储层厚度和砂地比(NTG)预测平面图Fig.20 Prediction of reservoir thickness and NTG(a)储层厚度;(b)NTG

基于低渗储层相对高渗条带提出的划分方法，用RHPC比值作为高渗条带的依据，参照模型中RHPC的划分标准，分为6类储层类型。①RHPC<20%为相对高渗条带类型2；②20%～40%为相对高渗条带类型3；③40%～60%为相对高渗条带类型4；④60%～80%为相对高渗条带类型5；⑤>80%为相对高渗条带类型6。如表2所示，类型1为非储层，该区为湖相沉积泥岩，相对高渗储层类型2为较差的高渗透条带类型，渗透率>10 mD的高渗砂体比例较少，主要为砂体整段渗透率较低，高渗透段较薄，RHPC<20%，单元内席状砂属于典型的此类相对高渗条带类型，部分河口坝砂体，岩性较细，泥质含量较高的储层也属于此类型。类型3、类型4、类型5、类型6中渗透率大于10 mD的储层含量逐渐增大，类型3、类型4、类型5、类型6主要为水下分流河道、河口坝沉积砂体。

表2 高渗条带类型划分方案Tab.2 Classification scheme of high permeability layer type

基于筛选的高渗储层的敏感地震属性、NTG(图21)和沉积相图(图22)平面分布图，采用相约束的多属性致密砂岩高渗条带聚类的方法，获得相对高渗条带的平面分布图(图23)。从预测结果可知，相对高渗条带分布与储层厚度和砂地比分布规律基本一致，物源为西南方向，符合沉积地质规律。相对高渗条带主要为2类、3类型，RHPC小于40%为主，储层品质特征相似。

图21 敏感地震属性+NTG平面图Fig.21 Sensitive seismic attributes and NTG(a)RMS;(b)波形长度;(c)波形峰度;(d)NTG

图22 目的层沉积相平面图Fig.22 Sedimentary facies of the target layer

图23 高渗条带预测平面图Fig.23 Prediction of high permeability belt

为了验证预测结果的可靠性，分别选取了4口井作为盲井在不同的油组进行验证，对比预测储层类型与井点实际类型符合程度。表3为验证井符合率统计表，通过对比，二者的预测结果整体趋势基本一致，在2-1井点预测结果有误差，井上划分为储层相对高渗类型5，预测结果为储层高渗类型3，其余盲井预测结果与井点一致。造成2-1井误差主要是该井位于断裂带上，地震属性受断裂的影响而产生了预测误差。