叠后地质统计学反演在混积层预测中的应用

张学敏，但玲玲，张军林，张 雨，杨丽娜，秦 欣

（中海油能源发展股份有限公司工程技术分公司，天津 300452）

常规稀疏脉冲反演对于混积砂泥岩薄互层的分辨能力有限，不能满足开发阶段精细油藏描述的要求，叠后地质统计学反演可以提高砂泥岩薄互层的识别能力。地质统计学反演是将随机模拟理论与地震反演相结合的反演方法，由随机模拟过程及优化模拟结果并使其与地震数据一致的过程组成[1，2]。反演过程中充分发挥随机模拟综合测井数据垂向分辨率和地震数据横向分辨率高的优势[3]。因此，基于研究区目标储层厚度薄，叠后确定性反演的分辨率不能满足储层预测的需要，故在叠后确定性反演得到的各部分叠加体子波、地质格架模型、纵波阻抗体的基础上，进行井震联合叠后地质统计学反演。

1 区域地质背景

F 油田Asmari 层沉积期处于近岸浅海环境（见图1），有陆源碎屑供应，存在碳酸盐岩建造及搬运，基于潮汐水流、波浪改造等作用形成碎屑岩和碳酸盐岩沉积物混积[4]，形成复杂的混积岩。

Asmari 层分为3 个油组：A 油组以白云岩为主，厚度约50 m；B 油组以砂泥岩和白云岩互层为主，厚度约100 m；C 油组以砂泥岩为主。

Asmari B 油组是典型的碳酸盐岩和陆源碎屑混积层，岩性组成极其复杂，主要包括石膏、石膏质云岩、泥岩、泥质粉砂岩、砂岩、白云质砂岩、白云岩、砂质白云岩、灰岩等；B 油组细分为11 个砂层，平均砂厚1.7～9.8 m（见图2），厚度0～2 m 有1 层，厚度2～4 m 有6层（占总层数54%），厚度4～6 m 有2 层，厚度＞6 m 有2层，总平均厚度4.38 m，混积砂泥岩薄互层极为发育。

图2 Asmari 层B 油组砂层厚度分布直方图

理论上研究区优势频带范围为15～50 Hz（见图3），主频30 Hz，地震资料以最高有效频带计算为75 Hz，目的层速度取2 500～2 900 m/s，地震理论极限分辨率为5.2～6.1 m。确定性反演所能达到的分辨率基本上与地震分辨率相当，对于7～9 m 的单砂体可在确定性反演成果上有效识别，而小于此厚度的砂体确定性反演无法准确识别。为满足地质精度要求，融合测井资料的纵向分辨率和地震资料的横向连续性[5]，采用地质统计学反演方法，达成对3～5 m 薄储层的有效识别。

图3 地震资料频带分析图

2 岩石地球物理分析

岩性变化、岩石孔隙度变化以及孔隙中流体（如油气）含量变化均会影响到地震波的波速，另一方面岩石的地震参数还受地层中压力和温度变化的影响，岩层的埋深、勘探的频率均会影响岩石的地震特性。实际上弹性波速度是上述因素综合作用的结果。波阻抗为岩石密度和纵波速度之积，表明其属岩石一种物性参数，对岩石性质的表述能力很强（如岩性、岩石的孔隙性和含烃饱和度等），岩性间是否存在波阻抗差决定了地震反射系数，而不是像地震反射数据那样代表界面特性，波阻抗统计分析是正演的必要条件。不同岩性波阻抗特征统计分析：B1 储层以砂泥岩为主，含少量白云岩，GR 和波阻抗交汇显示，波阻抗对砂岩和灰岩有很好的区分度，而砂岩和泥岩之间的界限不明显；B2 储层含有大量灰岩，GR 和波阻抗交汇显示，波阻抗对灰岩和白云岩有很好的区分，而灰岩和砂岩不能很好区分，GR 取值40 可以将泥岩和砂岩分开；B3 储层以砂岩和泥岩为主，GR 可以将两者很好区分开；B4 储层以砂泥岩居多，同样，波阻抗不能区分砂岩和泥岩，必须借助GR 数据来区分砂泥岩。

3 稀疏脉冲反演

稀疏脉冲反演是一种基于地下强反射系数界面不是连续分布而是稀疏分布，采用趋势约束的脉冲反演算法[6]。基于井震结合、微构造精细落实，稀疏脉冲反演剖面和井曲线对比情况显示，大套低阻砂岩能够较好的反演出来，但薄层砂岩效果较差。

4 地质统计学反演

叠后地质统计学反演采用严格的马尔科夫链蒙特卡罗算法（Markov Chain Monte Carlo，MCMC）[7-11]，该算法将叠后反演技术和随机模拟技术相结合，成为一种全新的随机反演算法。反演工作流程中，结合地震和岩相、测井曲线、概率分布函数、变差函数等信息，定义严格的概率分布模型。

4.1 概率密度分布函数与变差函数分析

概率分布函数描述的是特定岩性对应的岩石物理参数分布的可能性。针对目标层段，通过分析各岩性的测井纵波阻抗，获得砂岩、泥岩、灰岩和白云岩的概率密度分布函数（见图4）。

图4 Asmari 层B 油组概率密度函数

变差函数描述的是横向和纵向地质特征的结构以及特征尺度，即不同岩相及其属性在空间展布形态和变化尺度的大小[12]，其属于一空间三维函数，描述不同岩相的空间。由于井少且分布不均，变差函数统计比较困难，需要进行大量系统的测试。

4.2 岩性比例

岩性比例建立在对区域地质认识基础之上，对地质统计学反演起到软约束的作用，使得反演结果整合了更多的地质信息。根据钻井统计数据，研究区目标层段岩性划分的岩性比例（见图5）。

图5 Asmari 层B 油组岩性比例图

4.3 反演结果分析

叠前地质统计学反演得到高分辨率纵波阻抗和岩性体，多个实现的砂岩概率体和叠后确定性反演得到的砂岩概率体对比表明，叠后地质统计学反演得到的砂岩概率横向分布和整体趋势与确定性反演一致，但其保留了更多的地质细节[12]，砂岩概率与井上划分的砂岩更匹配，薄储层识别精度高，叠后地质统计学反演较叠后确定性反演识别薄储层更有效。

4.4 有利砂体预测

F 油田Asmari 层B 油组为混积潮坪相沉积，基于地质学统计反演所得到的有效砂体厚度特征，与井的吻合度较高，能够反映出沉积体系特点。结果表明：地质统计学反演保留更多地质细节，砂岩概率与井点处砂岩体匹配较好，对于薄储层的识别精度提高，砂层预测符合率达73%。

5 结论

稀疏脉冲反演能较好反演出大套低阻砂岩，但薄层砂岩反演效果较差。叠后地质统计学反演得到的砂岩概率横向分布和整体的趋势与确定性反演一致，但是其保留了更多的地质细节，砂岩概率与井上划分的砂岩相更匹配，因此利用叠后地质统计学反演相比于叠后确定性反演能够更有效的识别薄储层。