中亚阿姆河右岸东部地区侏罗系盐下碳酸盐岩储层特征及预测新方法

2023-11-09唐昱哲王红军张良杰陈鹏羽张文起蒋凌志潘兴明

岩性油气藏 2023年6期

唐昱哲，柴辉，王红军，张良杰，陈鹏羽，张文起，蒋凌志，潘兴明

（1.中国石油勘探开发研究院，北京 100083；2.中国石油工程技术研究院北京石油机械有限公司，北京 102206；3.中国石油（土库曼斯坦）阿姆河天然气公司，北京 100101）

0 引言

碳酸盐岩在全球油气勘探领域中占有非常重要的地位，在全球油气储量中，约47.5%来自于碳酸盐岩储层［1-3］。礁滩及裂缝型储层作为一种典型的碳酸盐岩储层，在全球各大油气区广泛发育［4-6］，如伊拉克米桑油田、阿联酋Fateh 油田，美国Yates油田等［7-9］。

中亚阿姆河盆地位于图兰地台东部，面积约42×104km2，其形成经历了中生代基底发育阶段、二叠纪—三叠纪裂陷期、侏罗纪—古近纪坳陷期以及新近纪—第四纪前陆盆地阶段，在稳定基底之上发育了多套含油气系统。根据基底起伏特征及沉积构造形态，可将盆地划分为阿姆河坳陷、穆尔加勃坳陷、中央卡拉库姆隆起、巴哈尔多克斜坡及科佩特山前坳陷等5 个大型构造单元［10］。自2007 年中国石油天然气海外勘探开发公司在阿姆河右岸区块陆续发现多个大型盐下侏罗系含油气区以来，对该区的油气勘探也取得了诸多成果。如王红军等［11］认为阿姆河右岸东部地区气藏根据圈闭及储集空间类型可划分为台内礁滩叠合气藏、台缘斜坡礁滩气藏以及逆冲带缝洞型气藏；张良杰等［12］认为阿姆河右岸东部地区受原始沉积环境及西南吉萨尔逆冲带影响，储集空间组合多样，以基质物性较差的低能黏结丘滩叠合多期次断裂及沿缝溶蚀孔、洞而形成的复杂裂缝-孔隙型储层为主；武重阳等［13］认为阿姆河右岸卡洛夫—牛津阶包括2 种地层层序发育模式，分别为卡洛夫期缓坡台地模式以及牛津期镶边台地模式；单云鹏等［14］认为阿姆河右岸天然气主要有3 期成藏期，分别为早白垩世末期、晚白垩世末期以及喜山期。整体而言，目前针对该区储层的预测手段相对单一，储层研究仍较薄弱，尤其是对储层发育及分布规律的认识不足。然而，在盐下地震资料品质一般且钻井数量较少的背景下，仅利用单一属性或传统地质认识很难开展储层精细研究，这严重制约了该区侏罗系气藏勘探成果的进一步扩大。阿姆河右岸东部地区作为中亚天然气重要的产能建设区，亟需综合新技术手段与攻关新方法对储层发育和分布规律开展更进一步的工作。

以岩心、薄片、测井、录井及地震资料为基础，分析阿姆河右岸东部地区侏罗系牛津阶储层的岩性、物性等特征，利用正演模拟、波形聚类、分频RGB 融合及集成学习等方法，通过地震沉积学与人工智能相结合［15-17］等多种手段对储层的分布及厚度进行半定量预测，以期为该区油气勘探工作提供支撑。

1 地质概况

阿姆河右岸位于阿姆河盆地东北部，面积约1.43×104km2，自西向东可划分为查尔朱隆起、坚基兹库尔隆起、卡拉别克坳陷、桑迪克雷隆起、别什肯特坳陷与西南吉萨尔逆冲带（图1）。阿姆河右岸东部地区是指吉萨尔山前构造区，横跨别什肯特坳陷和吉萨尔逆冲带，面积约为2 100 km2，受吉萨尔山隆升挤压影响，整体表现为东高西低构造形态。

图1 阿姆河右岸东部地区构造特征及地层综合柱状图Fig.1 Structural features and stratigraphic column of the eastern right bank of Amu Darya

阿姆河盆地是在古生界基底上发育形成的中—新生代沉积盆地，在经历二叠世—三叠世裂陷期后，于侏罗纪开始进入稳定和广泛沉积阶段［18］，中—下侏罗统陆相含煤地层为区内主要的烃源层系，中—晚侏罗世开始，盆地进入海相碳酸盐岩沉积期，海平面的周期性变化叠加独特的古地貌格局，使礁滩体快速发育。在中—晚侏罗世卡洛夫—牛津期可识别出2 个二级层序，分别对应卡洛夫阶与牛津阶。根据旋回特征可将卡洛夫—牛津期碳酸盐岩地层划分为6 段，自下而上依次为致密层状泥晶灰岩层（XVI）、含生屑块状灰岩层（XVa2）、致密灰岩层（Z）、含生屑块状灰岩层（XVa1）、含生屑厚层状灰岩层（XVhp）以及高伽马钙质泥岩层（GAP）（图1）。研究区在卡洛夫—牛津阶碳酸盐岩沉积期，水体较深，礁滩体发育规模较小，受后期胶结作用影响，原生孔隙基本消失殆尽。新近纪喜山运动时期，吉萨尔山全面隆升，研究区发生大规模构造运动，在大规模断层及碎裂带的改造下，形成了复杂的孔、缝、洞储层。

2 储层特征

2.1 岩性特征

阿姆河右岸东部地区共16 口井钻遇侏罗系，从其中8 口井选取牛津阶岩心进行了观察和描述，并对202 块样品进行了薄片制备和鉴定。根据岩心及薄片的宏、微观分析结果，研究区储层岩性以生屑灰岩、颗粒灰岩及泥晶灰岩为主（图2）。

图2 阿姆河右岸东部地区侏罗系牛津阶储层镜下照片Fig.2 Thin sections of Jurassic Oxfordian reservoirs in the eastern right bank of Amu Darya

生屑灰岩通常为灰黑—深灰色，生屑种类较多，包含海绵、有孔虫、棘屑、腕足、苔藓虫等，生物部分白云石化，少量硅质化，填隙物通常以泥晶方解石为主；该类储集岩原生孔隙度较高，部分岩心可见针孔，自然伽马值小于15 API。颗粒灰岩通常为深灰—灰色，颗粒以砂屑为主，少见鲕粒，颗粒粒径为0.2～1.2 mm，保存较完好，结构较清晰，部分呈竹叶状，具有定向性特征；可见少量有孔虫、介形虫、棘皮类碎片，自然伽马值小于15 API。泥晶灰岩通常为黑—灰黑色，岩性较致密，多发育于滩间或潟湖沉积内，水体能量较弱，生物活动匮乏，原生孔隙不发育，部分可见黄铁矿，储集空间多为后期构造作用形成的裂缝。

2.2 储集空间类型

研究区牛津阶储层储集空间类型多样，组合复杂，可划归为孔、洞、缝的组合，其中选择性溶蚀所形成的生物格架孔和粒内孔为孔隙型储层的主要储集空间。生物格架孔和粒内孔主要发育于生屑灰岩及颗粒灰岩中，由礁滩体暴露出水时大气淡水的选择性溶蚀所形成。原生孔隙主要为海绵体腔孔、球形生物体腔孔和壳壁孔，孔隙分布不均，孔径为0.1～1.0 mm。溶蚀孔洞多发育于裂缝附近，为后期岩溶流体沿裂缝溶蚀改造而形成，孔隙形态不规则，个别溶洞被方解石充填，少量白云石晶体半充填，孔径为2.0～50.0 mm（图3a）。牛津阶储层裂缝可识别出构造成因缝、缝合线及溶蚀缝，在各类岩性中均有发育（图3b—3f）。这些裂缝对于提高储层孔隙作用甚微，但对于改善储层渗透率、为后期溶蚀流体提供通道作用极大。构造缝多呈平直状发育，切穿作用强，缝隙内部大多为方解石所充填或半充填，晶粒长轴垂直于裂缝壁，缝宽0.01～0.05 mm（图3c）。

图3 阿姆河右岸东部地区侏罗系牛津阶储层岩心照片Fig.3 Core photographs of Jurassic Oxfordian reservoirs in the eastern right bank of Amu Darya

2.3 储层物性特征

在卡洛夫—牛津期，阿姆河右岸东部地区水体较深，水动力弱，礁滩体发育欠缺，即便发育部分礁滩体，也很难接受暴露改造，无法形成规模性孔隙储层，最终演化为物性较差的原生基质。对研究区典型井分析发现，在整体基质物性低孔、低渗的背景下，依然存在部分物性较好的层段。从取心及镜下分析可见岩心裂缝大量发育，部分裂缝被方解石充填，但沿裂缝可见大量溶蚀孔或扩溶孔，孔隙度增大层段往往伴随着裂缝的发育。成像测井结果显示研究区高角度缝发育，且裂缝周缘常可识别出暗色溶洞发育段，与岩心观察结果相一致。大量的裂缝及沿裂缝发育的溶蚀孔、洞与部分原生孔隙叠合后形成复杂的裂缝-孔隙型储集体（图4）。

图4 阿姆河右岸东部地区单井侏罗系牛津阶XVhp层测井响应特征Fig.4 Logging response characteristics of Jurassic Oxfordian XVhp layer of single well in the eastern right bank of Amu Darya

根据研究区16 口井的测井解释统计数据分析可知，卡洛夫—牛津阶储层总厚度平均值为47.3 m。其中牛津阶储层平均厚度为41.6 m，平均孔隙度为4.65%，储层发育的厚度与孔隙度均较阿姆河右岸其他地区更小（表1）。阿姆河右岸西部地区储层最发育，储层总厚度平均为111.0 m，平均孔隙度为6.84%，中部次之，储层总厚度平均为105.2 m，平均孔隙度可达6.26%。

表1 阿姆河右岸东部地区卡洛夫—牛津阶储层厚度及平均孔隙度统计Table 1 Statistics of reservoir thickness and average porosity of Callovian-Oxfordian in the eastern right bank of Amu Darya

3 储层预测

综合分析阿姆河右岸东部地区16 口实钻井的资料发现，受沉积环境分异及裂缝发育期次的影响，储层多发育于牛津阶XVhp 层的上部和下部。根据储层分布位置可将其划分为底部型储层（储层发育位置靠近XVhp 层底部）、顶部型储层（储层发育位置靠近XVhp 层顶部）、两期型储层（储层在XVhp 层的下部和上部均有发育）以及无储层等4 种类型（图5）。

图5 阿姆河右岸东部地区侏罗系牛津阶储层发育特征Fig.5 Reservoir development characteristics of Jurassic Oxfordian in the eastern right bank of Amu Darya

3.1 正演模拟

基于沉积背景、地层充填特征、实钻井资料及储层发育情况，设计理论正演模型，研究储层在不同厚度及不同发育位置下的地震反射响应特征。

基于对16 口实钻井的测井资料，拾取各段地层平均厚度和理论地层单元速度，建立地震正演模型。将地层分为7 段，自上而下依次为膏盐岩层，GAP，XVhp，XVa1，Z，XVa2 和XVI 层，分别设定各层的厚度为100 m，10 m，110 m（其中XVhp 层储层段0～90 m，非储层段20～110 m），25 m，20 m，35 m和100 m，分别设置地层速度为5 985 m/s，4 400 m/s，4 976 m/s（XVhp 层储层段），5 800 m/s（XVhp 层非储层段），5 960 m/s，5 600 m/s，5 870 m/s 和5 700 m/s（图6）。采用射线追踪法模拟地震波反射［19］，选择与地震资料目的层主频相同的33 Hz 正极性雷克子波以自激自收的方式进行数值模拟。

图6 阿姆河右岸东部地区侏罗系牛津阶XVhp层储层发育模型（a）及正演模拟（b）Fig.6 Reservoir development model（a）and forward modeling（b）of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

模拟结果显示：①外部地层对XVhp 层的地震反射影响较小。②在XVhp 层内部，当储层不发育时，XVhp 层顶部表现为一连续强波峰反射，底界为一连续弱波峰反射；当储层厚度由地层顶部开始逐步增大到大于15 m 时，受反射波叠加干涉作用影响，XVhp 层顶界波峰反射振幅值变小，储层底界反射振幅逐步增强，表现为一明显的强波峰反射，随着储层厚度继续增大，XVhp 层内部出现“亮点”反射特征（提取XVhp 层底部最大波峰振幅属性值，振幅越强，则储层越发育）；当储层厚度由地层顶部开始逐渐减小到小于90 m 后，XVhp 层内部沿储层顶界波谷反射逐渐增强，地震反射整体表现出双强波峰夹强波谷的特征。

由于牛津阶地层埋深约3 500 m，且受上覆巨厚膏盐岩层的遮挡影响，地震体主频低、信噪比低、资料品质较差。同时，在XVhp 层独特的地层组合模式下，受储层发育位置及厚度影响，储层底界反射与XVhp 层底界反射在波的叠加干涉作用下，可出现多种强、弱反射特征，无法准确表征地下储层发育的真实情况。因此，单一地利用振幅强弱作为判断储层发育指标，会造成预测结果失真。

3.2 波形聚类分析

地震波形聚类是地震波形分类中的一种，也是岩性识别和沉积相（地震相）常用的分析工具之一［20-22］。其原理是通过提取所开时窗内地震道的波形特征与邻近时窗进行对比，利用神经网络或模糊聚类等算法，通过不断的特征提取、学习、分类及分析对地震波形进行归类，从而得到不同波形组合在平面上的展布规律。结合典型过井剖面、正演模拟特征及储层发育情况，将研究区波形聚类划分为4 种（图7）：Ⅰ类波形表现为顶部弱—中强波峰、底部强波峰反射夹弱波谷反射，两波峰间距小，底部波峰发育位置靠上，该反射模式所对应的储层发育位置靠近XVhp 层顶部，“亮点”靠上，为顶部型储层；Ⅱ类波形表现为顶部弱—中强波峰及底部强波峰夹弱波谷反射，储层底部波峰反射位置靠下，“亮点”靠下，属于两期型储层；Ⅲ类波形表现为双轴强波峰夹强波谷反射，储层底部波谷反射随储层变化而上下波动，两波峰间距大，“亮点”靠下，属于底部型储层；Ⅳ类波形表现为顶部强波峰，内部弱波谷反射，底部弱波峰反射，无“亮点”，储层发育差。

图7 阿姆河右岸东部地区典型井侏罗系牛津阶XVhp层储层地震及波形响应特征Fig.7 Reservoir seismic response and waveform response characteristics of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

通过对波形聚类结果进行分析可知，底部型储层主要集中于研究区西部，顶部型储层主要分布于研究区中部及东部，两期型储层大量发育于研究区西北部（图8）。

图8 阿姆河右岸东部地区侏罗系牛津阶XVhp层储层波形聚类属性平面特征Fig.8 Waveform clustering of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

3.3 分频融合分析

常规叠后地震属性在储层预测方面的有效性受多种因素制约，其中最主要的是储层与非储层之间是否存在明显的波阻抗差。对研究区实钻井的波阻抗与孔隙度关系进行分析发现，XVhp 层碳酸盐岩孔隙度随波阻抗的增加而减小，两者呈明显的负相关关系，因此可利用孔隙度值进行储层及非储层波阻抗区间的划分。XVhp 层岩性主要为生屑灰岩、颗粒灰岩及泥晶灰岩，在储层研究中将其划分为孔隙灰岩（储集岩）和致密灰岩（非储集岩），根据这2 类岩性的平均波阻抗计算反射系数约为0.07。因此，等储层发育段在动力学地震属性如振幅属性剖面上具有较好的响应特征（图9）。

图9 阿姆河右岸东部地区侏罗系牛津阶XVhp层储层波阻抗与孔隙度关系Fig.9 Relationship between wave impedance and porosity of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

研究区牛津阶储层发育厚度为7.2～74.8 m，平均厚度约为41.6 m。根据单井储层解释厚度，结合地震资料频率分布特征，分别选取30 m，45 m 和60 m 作为薄、中、厚储层的代表厚度，计算出不同厚度所对应的高、中、低调谐频率值分别为43 Hz，33 Hz 和23 Hz。在3 个频率体上分别提取XVhp层内均方根振幅属性（RMS），结果显示，在低频域西部和东北部振幅较强，东南部振幅较弱；随着频率增加，西部及东北部振幅值降低，东南部振幅增强（图10a—10c）。

为了更好地展现储层在平面上的分布规律，将3 种频率振幅属性利用RGB 三色融合技术进行平面叠合（低频、厚储层平面特征转换为红色，中频、中等厚度储层平面特征转换为绿色，高频、薄储层平面特征转换为蓝色），利用三原色纵向叠合，得到XVhp 层储层厚度在平面上的分布图（图10d）。将三色融合图预测的厚度与实钻井测井解释的储层厚度进行对比发现，两者在趋势上大致相同；对比波形聚类结果，储层较发育的西部及东部地区，低频数据响应较好，储层厚度相对较大，东南部则高频响应较好，表明储层发育较差，厚度较小。分频融合结果与波形聚类结果表现出较高的一致性，也印证了本方法在储层半定量预测中的可靠性。

3.4 集成学习计算

机器学习作为人工智能研究中的热点，其理论与方法被广泛应用于解决工程和科研领域的复杂问题。集成学习是机器学习领域中功能较强大的技术手段之一，其核心是针对同一问题，建立并训练多个模型同时进行处理运算，并将计算结果结合起来以获得更加准确的结果。

为了更好地指导阿姆河右岸东部地区牛津阶气藏的勘探与开发，除了半定量地刻画储层厚度的平面展布趋势，还有必要开展储层厚度的精确计算，在储层半定量研究的基础上，引入集成学习技术开展储层厚度计算。在集成学习中，使用多个不同的学习算法组合以期提高模型的泛化能力和准确性，同时也可通过互相补充，减少单个算法的缺点。结合实钻井资料及地质模型，对研究区牛津阶提取的13 种不同类型地震属性进行分析，选择异质集成方法中的Stacking 方法进行模型运算，并构建了6 个基学习器，其中最小绝对值收敛和选择算子回归（LASSO regression）、弹性网回归（elastic net regression）、核岭回归（kernel ridge regression）、梯度增强回归（gradient boosting regression）、梯度提升算法（XGBoost 和LightGBM）都是被广泛应用于各种预测和分类任务中的算法。

离群值剔除和缺失值处理是机器学习模型建立中非常重要的步骤，对于提高模型预测能力和准确性具有至关重要的作用。离群值剔除目的是去除那些与其他数据相差较大的极端数据，避免这些数据对模型的建立和预测结果产生不良影响。常用的离群值剔除方法包括基于箱线图的方法和基于Z-score 的方法等，本次采用基于箱线图的离群值剔除方法，通过确定数据的上下四分位数以及上下限来去除离群值（图11a）。在模型调优方面，采用交叉验证法来评估模型的预测性能，从而确定最优的模型结构和算法参数。交叉验证法可以将数据集划分为训练集和测试集，反复训练和测试模型，并根据测试结果来评估模型的性能，以此来选择最优的模型参数（图11b），再优化各算法参数、迭代次数及权重值，从而计算得到单井储层计算厚度值（图11c）。从11 口井计算储层厚度与实钻井测井解释的储层厚度值进行拟合发现，除Ho-23 井及Jo-21 井储层计算厚度受断层影响与真实厚度相差较大外，其他井的计算厚度与实际厚度变化趋势相符，相关性较好（R2=0.74）。

图11 阿姆河右岸东部地区机器学习数据预处理及储层拟合图Fig.11 Machine learning data preprocessing and reservoir fitting diagram for the eastern right bank of Amu Darya

保存优化好的计算模型，将全区地震属性数据带入模型中进行迭代计算，得到全区储层计算厚度结果。为了更直观地展示储层厚度与断层之间的关系以及储层的平面分布特征，将计算厚度结果勾绘成图并与断层叠合。如图12 所示，研究区西部和东部储层厚度较大，一般为45～75 m，且与主要断层的延展趋势相关性较高，这与岩心及成像测井所观察的结果相一致，裂缝的发育对储层贡献巨大；中部和东南部区块距断层稍远，加之基质物性较差，储层厚度较小或不发育，一般小于30 m；所有参与训练及验证的井数据均落在预测趋势内，这一预测结果与RGB 属性融合图分析的结果及波形聚类结果趋势大致相同，可信度较高。由此可见，利用机器学习进行储层厚度预测比传统测井相内插及单一地震属性预测的效果更好，精确度更高。

图12 阿姆河右岸东部地区牛津阶储层厚度机器学习模型预测叠合断层平面分布特征Fig.12 Machine learning model of reservoir thickness superimposed on fault distribution of Oxfordian in the eastern right bank of Amu Darya