渤海蓬莱19-3 油田新近系明下段曲流河储层构型表征

徐中波，汪利兵，申春生，陈铭阳，甘立琴

（中海石油（中国）有限公司天津分公司，天津 300452）

0 引言

渤海蓬莱19-3 油田经过近二十年的开发，由于储层连通性复杂导致的水淹规律认识不清和调整井位部署难度大的问题限制着油田开发效率的提升［1-2］，因此，迫切需要开展蓬莱19-3 油田单一河道内复合砂体储层构型单元的形态、规模及砂体结构关系的精细表征，从而明确储层连通性，进一步提升油田开发水平。学者们对河流相储层砂体的内部结构开展了野外露头［3］、探地雷达［4］、现代沉积［5］、密井网［6］等方面的研究工作，对特定油田的构型单元解剖和规模定量表征具有重要的指导意义，然而在海上油田稀井网、大井距条件下，井控程度不高，单纯依靠井资料对地下河流相四级和三级储层构型单元进行井间精准预测难度较大［7-8］。蓬莱19-3油田明下段为河道频繁迁移的曲流河沉积，沉积期次多，导致河道砂体相互切叠，平面和纵向非均质性较强［9］，进一步加大了不同级次构型单元解剖的难度。非线性的智能属性融合可综合多个反映地质体信息的地震属性，得到更全面、更可靠的结果［10］，利用加入参数监督的属性融合结果能更准确地进行储层预测。

利用岩心、测井、地震等资料，以蓬莱19-3 油田三区为例，以Miall［11］河流相构型划分方案为指导，明确不同级次构型界面及构型单元特征，结合单井构型标定，开展基于神经网络算法多属性融合的构型单元预测；以单井标定结合典型曲流河沉积模式，准确刻画四级构型单元，进一步开展单一点坝内部三级构型单元侧积体的空间分布预测，降低井间储层对比的多解性与定量刻画的不确定性，以期指导油田的高效开发，同时探索一套在海上稀井网条件下多级次曲流河储层构型表征的方法体系。

1 地质概况

蓬莱19-3 油田位于渤海海域，构造上位于中南部的渤南低凸起中段东北端，西邻渤中凹陷，东依庙西北洼和南洼（图1a），成藏条件有利，储量规模大，为渤海最大的新近系油田［1］。发育在郯庐断裂带的蓬莱19-3 油田受北东向和南北向2 条走滑大断层控制，整体断裂发育程度高，为一大型断背斜构造［12］，平面上可划分为22 个区块，本次研究以西侧的三区为重点解剖对象，该区块地势东高西低。

蓬莱19-3 油田的含油层系主要为新近系的明化镇组和馆陶组，明下段纵向上可划分为Ⅰ，Ⅱ，Ⅲ，Ⅳ和Ⅴ等5 个油组，其中Ⅳ油组为主力含油层系，内部进一步可划分为4个小层（图1b）。区域沉积研究表明，研究区新近纪为湖盆萎缩期，整体地貌平缓，物源主要为南和南西向，形成一套以河流-三角洲相为主的沉积体系。其中，馆陶组为“小平原、大前缘”浅水辫状河三角洲沉积；明下段属于曲流河沉积，点坝为主要的储集体［9］，砂体横向变化快，非均质性强。明下段沉积厚度为130～260 m，岩性主要为细砂岩、中砂岩和粗砂岩，含少量含砾砂岩；孔隙度平均为29%，渗透率平均为1 173 mD，属于高孔高渗储层；油藏为岩性、构造-岩性油藏。

蓬莱19-3 油田于2002 年正式投产，至今已成功开发近二十年，高峰期年产油量达800×104m3［1］，油田开发期间出现了产能递减速度快、注采关系不平衡、开发井网不完善等一系列问题。目前综合含水率超过80%，处于中高含水期，因储层连通性认识不清，导致被强水淹的新钻井占比近20%。为明确储层砂体的空间分布规律，降低因储层连通性认识不清带来的井位部署风险，对储层表征的尺度与精度提出了更高的要求。目前蓬莱19-3 油田三区钻遇明下段的钻井共有298 口，井距为200～300 m，测井项目包含自然伽马、电阻率、中子、密度、声波等。高分辨三维地震资料在明下段频宽为10～80 Hz，主频为35 Hz，以3 000 m/s 的速度计算，纵向分辨率大约为20 m，满足明下段五级和四级储层构型解剖的资料要求，动态资料的辅助可作为构型界面表征的重要验证手段。

2 储层构型级次划分与特征

2.1 构型级次划分

蓬莱19-3 油田明下段为一套曲流河沉积，采用Miall［11］提出的河流-三角洲相构型级次划分方案，重点对油田开发效果影响较大的曲流带内部的四级和三级构型界面及构型单元进行表征。对构型界面的准确识别与划分是储层构型单元多级次表征的关键，亦是储层连通性研究的基础［13］。大型底形界面，如点坝、废弃河道的界面作为四级构型单元界面，在该类型界面限定下的点坝、废弃河道、天然堤、决口扇等砂体作为四级构型单元。大型底形内增生体，比如点坝沉积内部的侧积体，作为三级构型单元，由点坝内部加积增生面或前积增生面限定。

2.2 构型界面与构型单元特征

研究区明下段曲流河沉积可以划分为点坝、废弃河道、天然堤、决口扇和泛滥平原等沉积微相，其中主要的储层沉积微相是点坝和废弃河道沉积。以取心井P3 井为例，分析岩心岩性、沉积结构、沉积构造和不同类型的沉积界面；采用岩心标定测井，结合测井曲线形态，建立不同级次构型界面和不同类型构型单元的测井相标志，实现单井储层构型界面和单元的解释。

通过岩心观察和测井资料分析，P3 井明下段Ⅳ油组垂向上可识别出以泛滥平原为代表的4 个五级构型界面，岩心上表现为较致密的灰黑色泥岩，厚度为10～20 m，测井自然伽马（GR）曲线呈微齿状较平直，GR为大于110 APⅠ的泥岩基线。在该界面的限定下为点坝、废弃河道和天然堤等四级构型单元，共同组成单一曲流带五级构型单元。在埋深2 124 m 处的天然堤和点坝之间的四级构型界面主要为泥岩和泥质粉砂岩的细粒沉积，GR曲线轻微回返，物性差，厚度约为2 m，纵向作为夹层影响注采效果和剩余油分布。侧积层三级构型界面在岩心上显示较明显，沉积物粒度更小，下部为平行层理的中—细砂岩，上部为块状粗砂岩，偶含细砾，含油级别较下部高，三级构型界面测井响应GR曲线表现为在箱形或箱形—钟形的点坝砂体中曲线轻微回返，孔隙度和渗透率减小，分隔不同期次的侧积体（图2）。

图2 渤海蓬莱19-3 油田P3 井新近系明下段Ⅳ油组构型单元及构型界面识别Fig.2 Architecture units and interfaces identification of N1mLⅣ-2 of well P3 in Penglai 19-3 oilfield，Bohai Sea

点坝是研究区最主要的储层类型，在垂向上表现为正韵律和复合韵律，点坝构型单元主体为细—中砂岩，分选磨圆较好，岩性粒度向上变小，底部偶含砾，同时沉积规模向上变小，底部发育的层理类型主要包括槽状交错层理和板状交错层理等，顶部层理厚度减小，逐渐过渡为楔状层理和平行层理。正韵律底部发育较强水动力条件下所形成的冲刷面，冲刷面之上可见少量泥砾及炭化植物碎屑。在测井响应上，自然电位曲线和自然伽马曲线多为锯齿状钟形或箱形。废弃河道构型单元在研究区分为“突弃型”和“渐弃型”2 种。“突弃型”废弃河道是河道在突发事件中与主河道分隔后，仅在洪水期接受泥质、粉砂质为主的细粒沉积，该类废弃河道四级构型单元下部以中—细砂岩，顶部以泥岩和粉砂岩为主［13］，在测井响应上呈指状，厚度为3～5 m。“渐弃型”废弃河道废弃前始终与主河道相连，主要沉积悬浮组分和一定的跳跃组分，在测井曲线上，该类废弃河道四级构型单元呈典型钟形正韵律响应，厚度为8～12 m。整体废弃河道与点坝砂体间存在岩性和物性的差异，因此可形成有效的渗流屏障影响储层连通性。

经过井震标定，研究区新近系明下段顶、底两套泛滥平原为低频的波谷响应，明下段Ⅳ油组2 小层点坝构型单元为一套中—高频连续性较好的波峰响应（图3），良好的井震匹配关系为后续构型单元的地震预测奠定了较好的基础，并且点坝构型单元厚度与振幅响应具有较好的正相关关系。在二维剖面上波峰振幅的强弱和侧向尖灭等特征代表了储层构型单元的变化规律，但在平面上解剖构型单元，需要进一步开展基于地层切片技术的地震属性提取及优选。三级构型界面受限于垂向分辨率而无法直接在地震剖面中有效识别，但对于规模较大的点坝中倾角相对较小的三级构型界面，在地震切片上能观察到相应的响应特征。

图3 渤海蓬莱19-3 油田三区过A1—A6 井新近系明下段Ⅳ油组2 小层的地震剖面Fig.3 Seismic section of N1mL Ⅳ-2 across well A1-A6 in the third region of Penglai 19-3 oilfield，Bohai Sea

3 物性参数监督的多地震属性融合

为降低单一地震属性解释的局限性和多解性，地震属性融合是近年来学者们探索较多的领域［10］，旨在通过去除冗杂的信息提高地质体的地震识别精度。融合方法通常有线性融合、非线性（智能）融合和颜色（RGB）融合，其中对于多个复杂的地震属性，非线性的智能融合逐渐成为主流手段［14］。为进一步提高井震匹配程度，将测井解释的储层参数与多个地震属性进行联合监督学习能够得到更全面可靠的结果，融合后的属性也直接代表了监督数据的地质意义，这大大优化了储层预测和构型解剖的研究流程［15］。本次研究首先选定目的层进行地震属性提取，通过定性和定量分析，优选出对储层响应敏感的地震属性，进行测井信息与地震信息的标定，然后以神经网络为融合算法，孔隙度为监督属性，进行多属性融合，从而得到反映储层物性分布规律的融合属性，达到储层构型解剖的目的。

3.1 地震属性优选

首先通过提取井旁道的振幅类、波阻抗类、波形特征类多种地震属性，定性分析其与井上明下段Ⅳ油组砂体的相关关系，优选出最大振幅、反射强度、相对波阻抗等3 种属性。其中，最大振幅属性与井上中间厚砂体（2 小层）的匹配关系较好，能够从垂向上反映砂体的分布范围及物性纵向变化规律，反射强度属性和相对波阻抗属性对砂体的响应略差于最大振幅（图4a）。以最大振幅属性为例，定量统计研究区P3 井明下段Ⅳ油组2 小层孔隙度与最大振幅的关系，发现二者具有明显的正相关性，相关系数达到0.77（图4b）。反射强度、相对波阻抗地震属性与孔隙度的相关系数分别是0.68 和0.61，整体相关系数相对较高，为多属性融合的输入奠定了良好的数据基础。

图4 渤海蓬莱19-3 油田P3 井新近系明下段Ⅳ油组2小层井旁道地震属性与砂体的对应关系Fig.4 Correspondence between seismic attributes of well bypass and sand bodies of N1mL Ⅳ-2 of well P3 in Penglai 19-3 oilfield，Bohai Sea

目的层段明下段Ⅳ油组2小层砂体厚度为10～30 m，考虑到地震资料的垂向分辨能力约为20 m，对于薄层的砂体垂向识别能力有限。由于大多数沉积体具有宽度远远大于厚度的特征，也就是具有较大的宽厚比，研究区高精度三维地震资料的垂向分辨率与横向分辨率相当，可利用地震横向分辨率将沉积体的平面特征识别出来［16］，同时通过井震标定发现目标砂体基本对应一条同相轴的波峰响应，这就为利用地震等时地层切片的属性变化刻画地质体提供了依据，也提高了预测结果的可信度。

3.2 基于神经网络的多属性融合方法

神经网络在大量地震信息和井数据的非线性分析中具有独特的优势。此次研究选用BP 神经网络构建的深度学习算法进行地震多属性智能融合。经过优选出最大振幅、反射强度、相对波阻抗等3种属性后，在井点处提取各属性的特征变量，与目标变量（孔隙度）进行统计分析，以目标变量作为神经网络融合的监督数据，设计具有3 个隐含层的网络结构，避免了隐含层过多导致的收敛慢和容易陷入局部极小值的问题。参数监督下的融合属性具有孔隙度的地质意义，反映了储层物性和分布规律。在现代沉积和通过野外露头分析构建的曲流河模式指导下，可实现构型单元的纵向和平面的精细刻画（图5）。

图5 渤海蓬莱19-3 油田新近系明下段Ⅳ油组2 小层的神经网络多属性融合流程（据文献［16］修改）Fig.5 Principle diagram of multi-attribute fusion of neural network of N1mL Ⅳ-2 in Penglai 19-3 oilfield，Bohai Sea

4 曲流河储层构型表征

在储层构型表征中，确定五级构型单元单一曲流带后，在内部预测四级构型单元单一点坝，然后进行三级构型单元点坝内部侧积体的级次解剖是构型分析研究的关键［17］。此次研究在基于神经网络多属性融合和曲流河沉积模式约束，实现四级构型单元的刻画。在单一点坝内部，主要根据实钻井资料实现三级构型单元的表征。

4.1 四级构型单元单一点坝识别

点坝又称为边滩，是曲流河中最重要的沉积微相类型，对应的四级构型单元也是构型表征中的核心级次。现代点坝沉积模式的指导有助于点坝构型的定量表征。在神经网络融合属性的约束下，以井点所揭示的四级构型单元类型为硬数据，参照现代沉积曲流河沉积特征和该地区已有的曲流河规模的定量关系式，实现明下段Ⅳ油组2 小层四级构型单元的平面解剖。

经过孔隙度监督的神经网络多属性融合后，单一地震属性与井上孔隙度的相关系数均大于0.85，同时融合属性与井点孔隙度硬数据呈线性相关，相关系数达0.93（表1），进一步提高了依靠地震属性进行构型解剖的可信度。新融合属性除继承了3种单一地震属性的特征外，在非主力区地震干扰信号的成分更少，所刻画的曲流带边界以及内部结构更清晰，进一步凸显了岩性的差异，减少了储层构型单元边界的多解性，更有利于四级构型单元单一点坝分布范围的准确刻画。

表1 渤海蓬莱19-3 油田三区新近系明下段Ⅳ油组2 小层多种地震属性间的相关系数Table 1 Correlation coefficient among various seismic attributes of N1mLⅣ-2 in the third region of Penglai 19-3 oilfield，Bohai Sea

根据单一属性以及多属性融合结果，属性高值区呈南北向条带状展布，整体限定了单一曲流带五级构型单元的展布范围。南部曲流带宽度约为1 000 m，往中间逐渐变窄（500～700 m），向北部再次逐渐变宽（800～1 000 m）。在曲流带内部，最大振幅属性的变化表现出一定的规律性，高值分布区多呈弯月状、近圆状，南北向呈串珠状连接，反映了点坝的迁移、改造、合并等过程的展布特征（图6）。

图6 渤海蓬莱19-3 油田三区新近系明下段Ⅳ油组2 小层的地震属性平面分布及多属性融合解释Fig.6 Seismic attributes and multi-attribute fusion interpretation of N1mL Ⅳ-2 in the third region of Penglai 19-3 oilfield，Bohai Sea

以单一点坝PB5的识别为例，首先根据井上解释的点坝四级构型单元结合弯月状的砂体厚度高值区，推测其为点坝发育区。通过统计井上点坝砂体的平均厚度为8.3 m，经过压实校正后，得到曲流河满岸深度为7.6 m［18］。根据Leeder［19］建立的经验公式推算出古活动河道满岸宽度约为212 m。继而根据河道满岸宽度与点坝跨度经验公式［20］估算出点坝PB5 的跨度约为810 m，这与弯月形物性高值区的跨度吻合度较高。在定量计算点坝砂体规模的约束下，融合属性的特征为点坝的识别起到了较好的规模控制作用。最后根据井点所揭示的废弃河道四级构型单元，结合点坝形态和规模，以及神经网络融合属性的低值区范围，刻画出废弃河道的分布，完成单一点坝构型单元的识别与刻画。由于曲流河道的频繁迁移、摆动和改道，点坝砂体相互切割叠置，在研究区共识别出13 个单一点坝，在点坝凹岸方向发育新月形废弃河道，符合点坝的定量构型模式。在研究区南部物源南偏西，点坝多凹向南东；随着河道迁移至研究区中部，古河流由南向北流动，点坝东西向摆动生长；在研究区北部，河道方向为北偏东，点坝逐渐转为凹向北西，整体北部晚期形成的点坝切叠南部早期形成的点坝（图6）。单一点坝的平面分布刻画将进一步有效指导油田的高效开发与剩余油挖潜。

4.2 三级构型单元侧积体识别

在垂向上呈正韵律的点坝砂体是构成曲流河“二元结构”的主体，在点坝砂体内部发育多个被侧积层分隔的侧积体。因此，针对单一侧积体的刻画，三级构型界面（侧积层）的识别与划分成为点坝砂体构型解剖的关键［17］。三级构型界面侧积层往往物性较差，作为2 期侧积体之间的沉积分界面。以PB5 为解剖目标，在PB5 点坝的多属性神经网络融合图上表现为近圆状高值区内部的弧形线状低值区（图7a），将点坝分割成4 个新月状的侧积体（图7b）。侧积层岩性以泥质或细粒沉积的夹层为主，测井GR曲线上在箱形或箱形—钟形对应的点坝砂体中曲线轻微回返。根据垂直PB5 和PB3 两个侧向切叠的点坝跨度方向的连井剖面，可识别出PB5 的3 个侧积层和4 期侧积体，PB3 的2 个侧积层和3 期侧积体（图8）。侧积层的倾向与侧积体一致，指向凹岸，在研究区小井距的井组内，计算倾角为2°～5°，单个侧积层的厚度为0.5～2.0 m，单个侧积体呈正韵律，自然伽马、电阻率曲线呈钟形，厚度为5～18 m。

图7 渤海蓬莱19-3 油田三区新近系明下段Ⅳ油组2 小层多属性神经网络融合解释（图6a 中红框部分）Fig.7 Multi attribute neural network fusion of N1mLⅣ-2 in the third region of Penglai 19-3 oilfield，Bohai Sea

图8 渤海蓬莱19-3 油田三区新近系明下段Ⅳ油组2 小层PB5 和PB3 点坝内部三级构型单元解剖垂向分布Fig.8 Vertical distribution of the third-order architecture unit in PB5 and PB3 point bar of N1mL Ⅳ-2 in the third region of Penglai 19-3 oilfield，Bohai Sea

5 矿场应用效果

储层连通性对注采井组的受效性及水淹差异具有较为明显的控制作用。渤海蓬莱19-3 油田三区新近系明下段Ⅳ油组2 小层点坝PB5 中A8为注水井，周围的A7，A9，A12 和A13 井均为采油井，采油井投产初期生产制度一致，平均单井日产油60～80 t。经过近2 年的生产，A12 井和A13 井见水较早，且含水率为60%～70%，且表现为继续上升的趋势，而A7 井和A9 井的含水率稳定为30%～40%。在四级构型和三级构型解剖的基础上，分析认为该点坝内的三级构型界面为影响不同采油井含水率上升的主要因素。注水井A8 与A7，A9井位于不同侧积体中，侧积层对注入水起到一定的遮挡作用；注水井A8 和A12，A13 井位于同一侧积体中，储层连通性较强，流体运移较快，因此见水时间早，含水率上升较快。基于构型界面的渗流屏障分析，解释了井组内部含水率上升规律的差异，为进一步的生产制度优化奠定了地质基础。后期针对该注采井组进行精准调剖调驱，A12 井和A13 井含水率下降至40%，日产油稳定在70 t左右。

根据四级构型单元的刻画解释成果，研究区点坝PB3 和PB4 内部储层物性和连通性均较好。部署采油井A10 井和A11 井进行挖潜，钻后储层均未水淹，投产后初期日产油达100 t，验证了研究区南部点坝的潜力。后期基于点坝内部侧积层的预测，将进一步部署调整井位、完善注采井网，以提高油田开发效率。

6 结论

（1）渤海蓬莱19-3 油田可划分出3 个级次的构型界面和构型单元，其中构型单元分别是单一曲流带五级构型单元、单一点坝四级构型单元和点坝内部侧积体三级构型单元，明确了不同成因类型构型单元的几何形态、规模大小及其结构关系。

（2）研究区最大振幅、反射强度和相对波阻抗等3 种地震属性对储层响应较为敏感。基于物性参数监督的神经网络多属性融合进一步提高了储层预测的精度和可信度。研究区发育南北向展布、中间窄两端宽的单一曲流带五级构型单元；单一点坝四级构型单元呈串珠状分布且互相切割改造；单一点坝内部侧积体呈正韵律，侧积层倾角为2°～5°。

（3）综合运用岩心、测井及地震资料的不同级次的曲流河构型单元精细表征，尤其是多种地震属性的神经网络融合方法，为油田水淹井分析、优化注水开发和挖潜供了地质依据，对渤海海域少井条件下的储层预测可提供一定的借鉴和指导意义。