致密砂巖儲層“雙甜點”識別方法在南海東部陸豐地區古近系儲層的應用

張衛衛,肖張波,易 浩,姜 曼,朱焱輝

(中海石油(中國)有限公司深圳分公司,廣東深圳518054)

1 研究背景

陸豐凹陷位于珠江口盆地東北部,前期勘探目標主要是大型物源體系下的規模儲層,儲層物性條件較好,利用常規方法即可獲得產能。隨著勘探程度不斷提高,當前陸豐凹陷勘探重點逐漸轉向小型物源體系下的致密儲層[1]?？碧綄嵺`表明,研究區文昌組儲層具有超低孔、超低滲的特點,傳統“甜點”儲層識別方法不能滿足優質儲層識別要求。預測優質砂體展布特征以及尋找適合壓裂增產的有利區帶是研究區文昌組儲層增儲上產的重點,因此,深入開展甜點儲層研究很有必要。

目前針對陸上致密儲層及頁巖油氣儲層,國內外已經形成了地質與工程“雙甜點”識別技術,并得到廣泛應用[2-7]。地質甜點的評價標準是儲層物性,工程甜點的評價依據主要是儲層的可壓性,可壓性越好的儲層越容易形成縫網[4],綜合地質甜點、工程甜點的“雙甜點”分析評價方法是識別致密儲層、非常規儲層有利區的一種有效手段。針對地質甜點識別,夏洪泉等[8-9]使用測井資料優選對頁巖地質甜點敏感的儲層參數,構建判別向量識別地質甜點;焦晨雪等[10]構建含油孔隙度參數,結合測井和巖心數據刻畫單井垂向含油非均質性,實現地質甜點預測,郭春安等[11]提出的測井曲線無量綱交會法是地質甜點測井評價的高效手段。針對儲層工程甜點識別,普遍應用的測井評價方法主要是基于測井曲線及巖心資料的巖石脆性預測方法[12]。ALTAMAR等[13]綜合測井曲線及巖心礦物分析結果構建脆性指數,進而進行井震結合的脆性評價。LAI等[14]利用單位光電吸收截面指數下的自然伽馬測井值GR/Pe來估計脆性指數,并在鄂爾多斯盆地取得了良好的應用效果。GUO等[15]利用測井縱橫波速度曲線計算地層彈性參數,開展基于彈性參數的儲層脆性評價。上述研究主要在測井尺度進行,其經驗性強,三維空間的預測能力有限,難以為后續的井位部署提供指導。而基于地震資料的“雙甜點”識別方法目前主要應用于頁巖油氣儲層,例如陳超等[16]結合破裂壓力進行頁巖氣儲層工程甜點地震預測。黃杰等[17]結合壓裂G函數指導儲層改造工作。針對海上低滲儲層的“雙甜點”識別研究目前仍舊偏少。

近年來,海上油氣勘探逐漸走向深層,低滲儲量規模大,利用地球物理方法實現優質儲層預測十分關鍵。地震疊前反演技術的發展為工區范圍內儲層物性、脆性變化的預測及相應的“雙甜點”評價提供了重要途徑[18-20],與疊后反演相比,疊前反演方法可以獲取更加豐富的彈性參數信息,增強對儲層彈性性質的認識。利用疊前反演方法求得縱橫波速度比、泊松比、體積模量等彈性參數及其組合,進而進行地質及工程甜點識別的方法在國內外頁巖油氣儲層勘探中已經得到了應用[21-22]。對于海上致密砂巖儲層,將地質甜點與工程甜點結合,通過疊前反演實現“雙甜點”預測是當前儲層預測研究的重要方向。

本文將“雙甜點”評價思路應用于陸豐南古近系文昌組致密砂巖儲層研究中,結合巖石物理理論和地震疊前反演方法實現了海上致密砂巖儲層空間展布預測與脆性評價,為后續有利區優選與古近系儲層壓裂增產工作提供指導。

2 古近系儲層分類標準

陸豐15洼是已經證實的富生烴洼陷,研究區目標構造位于陸豐15洼陡坡斷裂轉換帶,砂巖儲層以粗砂巖和長石石英砂巖為主,具有近源成藏的優勢,但受沉積環境影響,研究區古近系砂巖儲層致密,多期砂體疊置發育,砂體橫向變化快。儲層物性特征是沉積、成巖等多因素綜合影響的結果,現有其它地區的儲層評價分類標準對于研究區古近系扇三角洲致密砂巖儲層并不適用。因此,在結合陸豐凹陷南部古近系儲層分析化驗資料、測井資料的基礎上,本文參考行業儲層分類標準,依據孔隙度、滲透率、平均孔徑、孔隙類型等參數,對研究區古近系文昌組儲層進行了分類,分類標準如表1所示。

表1 陸豐凹陷南部古近系文昌組儲層分類評價參數標準

表1中,Φ表示儲層平均孔隙度;K表示儲層平均滲透率。按照該評價標準,Ⅰ、Ⅱ、Ⅲ類為研究區有利儲層,其中物性較好的Ⅰ、Ⅱ類儲層是本區地質、工程雙甜點研究的重點目標,Ⅲ類為差儲層,Ⅳ類為極差-無效儲層。

3 致密儲層“雙甜點”識別技術

3.1 機器學習驅動下的地質甜點疊前反演識別

研究區發育陡坡帶扇三角洲沉積,儲層橫向變化大,砂體發育模式復雜,尋找優質儲層敏感參數是地質甜點識別的關鍵問題。巖石物理理論反映了儲層彈性參數與物性參數之間的關系,本文方法通過巖石物理分析尋找對優質儲層敏感的彈性參數,并通過地震疊前反演獲得相應的彈性參數體,借助BP神經網絡,利用其良好的非線性映射能力和較高的運算效率,從彈性參數數據體中提取物性參數,實現地質甜點預測。

3.1.1 甜點儲層巖石物理敏感性分析

對研究區內多口已鉆井資料的統計分析結果表明,研究區Ⅰ、Ⅱ、Ⅲ類儲層的縱波阻抗存在部分疊置(圖1a),僅根據縱波阻抗難以對儲層與非儲層實現有效區分。因此,疊后波阻抗反演無法滿足研究區優質儲層識別需求,需要從巖石物理理論出發,尋找對地質甜點敏感的參數組合。

圖1 A井區文昌組縱波阻抗直方圖(a)及縱波阻抗與縱橫波速度比交會分析結果(b)

考慮研究區儲層致密特性,本文基于巖石物理理論構建文昌組儲層物性與彈性性質的關系[25],并進行了多個參數的交會分析。研究區文昌組縱橫波速度比(vP/vS)-縱波阻抗交會分析結果顯示(圖1b),優質儲層表現為較低的縱波阻抗和較低的縱橫波速度比,尤其是物性較好的Ⅰ、Ⅱ類儲層,其縱橫波速度比在1.72以下,縱波阻抗在12000g/cm3·m/s以下,明顯區分于Ⅱ類和Ⅲ類儲層。因此認為綜合縱橫波速度比與縱波阻抗參數可以有效將優質砂巖儲層與差儲層區分開來,優選縱橫波速度比和縱波阻抗為文昌組儲層巖性、物性及含油性的敏感彈性參數,進行地震疊前同時反演。

3.1.2 多元信息耦合迭代低頻模型建立方法

低頻模型的建立是反演的基礎,也是反演多解性和反演結果質量的重要影響因素[26]。研究區低頻模型建立面臨的主要問題是工區面積大,實鉆井較少,文昌組儲層沉積環境復雜,構造-層序關系多樣[27],僅靠常規井插值低頻模型無法滿足反演精度需求,因此需要在構造約束下綜合利用速度場以及測井資料,通過多元信息耦合迭代的方法構建適合研究區的精細低頻模型[28-29],多元信息耦合迭代低頻建模技術流程如圖2,其主要步驟如下:

圖2 多元信息耦合迭代低頻建模技術流程

1) 首先基于構造解釋成果,進行復雜構造格架建模,構建反演地質框架;

2) 在構建常規井插值低頻模型的同時,通過建立速度與彈性參數的關系將地震速度數據體轉化為彈性參數體得到地震速度場低頻模型,并利用區域壓實趨勢建立壓實趨勢低頻模型;

3) 為改善子波旁瓣對趨勢低頻模型反演結果的影響,對壓實趨勢低頻模型進行反演迭代修正,用趨勢低頻屬性體模型進行疊前同時反演,從帶限結果中選取高阻抗、低縱橫波速度比的有利值與壓實趨勢低頻模型相融合,用于下一次反演,以此類推,直至建立一個穩定可靠、包含更多細節的壓實趨勢低頻模型[30];

4) 將井插值低頻模型、迭代修正壓實趨勢低頻模型以及速度低頻模型經頻率域融合,最終形成綜合多種信息的低頻模型。

該方法提高了井間地層低頻模型精度,解決了海上少井區深層復雜儲層低頻模型建立困難的問題。

圖3為常規井插值法及多元信息耦合迭代法建立的低頻模型對比?？梢钥闯?常規井插值法建立的低頻模型不能很好地符合實際地質規律,部分區域存在異常值。而多源信息耦合迭代低頻建模中,地震校正速度場及區域壓實趨勢對井插值模型起到了校正作用,使低頻模型更加準確地反映井間數據橫向變化,更加符合區域構造沉積特征和已鉆井情況,精度也有明顯提高,為地質甜點地震反演預測提供了良好的基礎。

圖3 常規井插值法(a)及多元信息耦合迭代法(b)建立的低頻模型對比

3.1.3 儲層物性參數提取

與疊后反演相比,疊前地震反演保留了彈性參數隨入射角變化的特征,可以提供更加豐富的彈性參數信息,是進行巖性與含油氣性識別、復雜油氣儲層特征描述的重要方法。疊前同時反演用不同偏移距疊加地震數據分別建立各自的反射系數方程,然后聯合反演求解,其目標函數可以寫為:

(1)

式中:Frefij為反射系數項;Fseisij為地震殘差項;Ftrendij為低頻趨勢項;Fspatialij為空間約束項;Ftimeij為時間漂移項。反演時最小化目標函數,通過不斷迭代得到穩定的反演結果。

儲層巖石物理模型可以最大限度呈現儲層參數與彈性參量之間的本質關系,但巖石物理理論模型比較復雜,利用機器學習神經網絡算法可以有效建立儲層參數與彈性參量之間非線性映射關系[31]。BP神經網絡是一種按誤差逆向傳播算法訓練的多層前饋神經網絡,是應用最廣泛的人工神經網絡模型,具有很好的自適應能力和泛化能力,容錯性也較強。將BP神經網絡與疊前反演相結合,可以更加高效地實現結果直接預測,提高預測精度。

BP神經網絡學習過程主要包括信號的正向傳播和誤差的反向傳播。正向傳播時,信號從輸入層傳入,經過隱含層的處理,從輸出層輸出。若實際輸出與期望輸出不符,則進入誤差的反向傳播。將誤差信號沿原神經網絡返回,在返回的過程中,逐層修改每個神經元連接的權值。這個過程會持續進行,直到最后的誤差達到允許的范圍,或者迭代次數達到設定上限。為避免過擬合以及陷入局部極小,本次BP算法主要基于自主編程完成,其結構如圖4所示。學習率為0.005,最大迭代次數50000次,通過優化隱含層,控制訓練精度和設定迭代次數來提高預測精度。

圖4 BP神經網絡結構

根據儲層敏感性參數分析結果,聯合利用縱橫波速度比縱波阻抗可以減小縱波阻抗疊置的影響,對研究區優質砂巖進行有效識別。為提高儲層參數反演精度,采用疊前確定性反演方法,針對研究區主要目的層段進行多角度道集疊前同時反演,得到比地震數據分辨率更高的縱波阻抗、縱橫波速度比等敏感彈性參數體。隨后將它們作為輸入,使用機器學習BP神經網絡直接預測得到反映儲層物性的孔隙度體和泥質含量體,并在3D空間進行有效儲層的刻畫,實現儲層預測結果的定量化,解決研究區優質砂體的有效識別和地質甜點的平面展布預測問題。

3.1.4 研究區地質甜點預測

圖5為目標區文四段過井反演縱波阻抗與縱橫波速度比剖面。井點處反演結果與測井曲線吻合較好,說明疊前反演結果精度較高,也表明基于多元信息耦合迭代的低頻模型建立方法在研究區的適用性。

圖5 縱波阻抗(a)及縱橫波速度比(b)反演結果

文四段縱橫波速度比反演結果平面圖如圖6所示。巖石物理研究表明,本文研究區內地質甜點的主要敏感參數是儲層的孔隙度,因此孔隙度預測是實現地質甜點識別的關鍵。將最小速度比和縱波阻抗的反演結果作為輸入,借助BP神經網絡開展孔隙度及泥質含量預測?？紫抖阮A測結果如圖7所示?？紫抖容^高的區域主要分布在工區南部,孔隙度最大值約0.125,符合致密儲層特征。依據研究區儲層分類標準,劃分有利儲層和差儲層,最終得到文四段地質甜點平面分布(圖8)。

圖6 文四段縱橫波速度比平面顯示

圖7 文四段孔隙度分布平面顯示

圖8 文四段地質甜點分布平面顯示

由圖8可以看出,A井區地質甜點主要集中分布在近南側陡坡帶,呈北西西向窄條帶,平行于斷層分布,有利儲層厚度最大可達100m,研究區西側也同樣存在地質甜點儲層發育條件,但其規模相對較小。

3.2 儲層脆性評價及工程甜點識別

研究區儲層致密,孔隙度及滲透率極低,僅靠自然產能無法滿足需求,因此需要通過壓裂制造儲層裂縫,提高產能。與陸上壓裂相比,海上低滲儲層壓裂受到更多的限制,在本文研究區內儲層可壓性主要受其脆性的影響,因此儲層脆性評價及脆性指數疊前反演預測是尋找可壓性最好的“工程甜點”區域的有效手段,為海上致密儲層的井位部署和壓裂增產提供重要指導。

3.2.1 儲層脆性指數計算

工程甜點預測方法首先在頁巖油氣勘探中得到應用,其主要目標是尋找油氣儲層中容易通過壓裂形成復雜縫網,進而提高產能的高脆性區域。脆性是巖石受力發生破裂時表現出的一種固有性質,儲層巖石的脆性間接反映了儲層壓裂后所形成裂縫的復雜程度。在前人研究中,儲層脆性的大小主要用脆性指數(BI)來衡量。常見的脆性指數定義方法主要有兩大類,一類是與儲層巖石的礦物組分有關的脆性指數[32-33],另一類是與儲層彈性參數有關的脆性指數。

巖石力學實驗表明,巖石的楊氏模量和泊松比對圍壓變化有較好的敏感性。楊氏模量反映著巖石破碎的難易程度,而泊松比反映了巖石保持裂縫開啟的能力,綜合楊氏模量和泊松比可以有效評價儲層的可改造性。RICKMAN等[34]提出了一種使用楊氏模量和泊松比的脆性指數計算方法,其計算公式為:

(2)

(3)

(4)

式中:BI為脆性指數;EB為歸一化楊氏模量;E為計算楊氏模量;Emin為楊氏模量極小值;Emax為楊氏模量極大值;σmin為泊松比極小值;σmax為泊松比極大值;σB為歸一化泊松比。該方法有巖石物理實驗結果作為依據,較為簡單高效,實用性強,因此本次研究采用Rickman的脆性指數計算方法,依據反演的楊氏模量和泊松比對研究區內目標地層的脆性進行評價。

3.2.2 楊氏模量及泊松比疊前直接反演方法

研究區工程甜點預測的關鍵在于獲取區域內楊氏模量和泊松比的數據體,進而計算得到整個工區內的脆性指數分布圖。地震疊前AVO反演可以較為準確高效地獲得工區內儲層彈性參數的變化特征,其基礎是Zoeppritz方程,但該方程的形式較為復雜,具有較強的非線性性質,因此在實際應用中,往往會使用各種近似方程來完成AVO反演。AKI等[35]基于縱橫波速度和密度推導的近似方程是較為常用的近似方程之一:

(5)

式中:α和β分別為縱波速度和橫波速度;ρ為密度;θ表示入射角;Δα/α,Δβ/β,Δρ/ρ分別是縱波速度、橫波速度和密度的反射率。在Aki-Richard近似方程的基礎上,宗兆云等[36]進行了進一步的推導,提出了一種適用于疊前地震反演的楊氏模量和泊松比反射系數近似方程(YPD方程),建立了地震縱波反射系數與楊氏模量反射系數、泊松比反射系數和密度反射系數的線性關系:

(6)

式中:θ表示入射角;k表示縱橫波速度比的平方;ΔE/E,Δσ/σ分別表示楊氏模量和泊松比的反射率。

本文基于YPD方程,在貝葉斯反演框架下進行地震疊前AVO反演,假設待反演參數反射系數服從柯西分布,似然函數服從高斯分布,通過該方程從分角度地震數據中直接獲得研究區A井區文昌組目的層楊氏模量、泊松比及密度數據體,進而對研究區內的脆性指數進行評價。

3.2.3 研究區脆性指數預測

基于YPD方程進行疊前AVO反演,從疊前分角度地震數據中直接獲得研究區楊氏模量及泊松比反演數據體,楊氏模量及泊松比反演結果平面分布如圖9和圖10所示?？梢钥闯?研究區文昌組四段地層楊氏模量值為2.50×1010～3.20×1010Pa,泊松比為0.25～0.32,楊氏模量及泊松比的橫向變化趨勢十分相似,高楊氏模量區域與高泊松比區域基本重合,均分布在研究區南部。

圖9 文四段楊氏模量平面顯示

圖10 文四段泊松比平面顯示

使用Rickman脆性指數公式計算研究區脆性指數。脆性指數平面分布(圖11a)顯示,脆性相對較高的砂巖儲層主要集中在近源區南側,整體呈現北西西向條帶展布,是工程甜點分布的有利區。區別于地質甜點,工程甜點的分布范圍更廣、更連續,局部儲層脆性指數可達0.8,這些高脆性指數區域的儲層具有較好的可壓裂性和改造潛力。為驗證地震疊前反演脆性指數預測的準確性,在研究區內選擇測井資料較為完整的已鉆井進行測井尺度脆性指數預測,并與地震預測結果進行對比(圖11b),通過楊氏模量及泊松比反演結果求得的脆性指數與從測井曲線求取的脆性指數取值范圍相近,預測所得脆性變化趨勢一致,證明了地震疊前反演方法求取脆性指數的合理性。

圖11 文四段脆性指數平面顯示(a)及測井脆性指數預測曲線(b)

4 研究區“雙甜點”儲層預測效果

為有效挖掘研究區文昌組致密砂巖儲層潛力,提高產能,需要綜合考慮地質甜點及工程甜點,優選儲層改造有利區進行井位部署及壓裂設計。這里分別對孔隙度和脆性指數進行歸一化,利用加權平均得到本區甜點指示因子。地質甜點優選優質砂體、含油氣性好的區域,工程甜點優選儲層脆性指數較高區域,融合地質甜點及工程甜點預測有利區(圖12),可以看出融合屬性大于0.6位置處為“雙甜點”有利區帶。后鉆井A井在3645.79～3657.79m測試井段進行壓裂求產,產油66.6m3/d,氣少量,證明了“雙甜點”預測方法的有效性。

圖12 文四段地質甜點及工程甜點疊合有利區預測結果

5 結論

本文針對陸豐南地區提出了一套古近系文昌組致密砂巖儲層“雙甜點”儲層預測方法,在建立古近系致密砂巖儲層評價標準的基礎上,通過巖石物理分析確定優質儲層敏感參數,結合地震疊前反演與BP神經網絡實現地質甜點預測,并通過脆性指數計算預測了工程甜點的空間展布,最終將地質甜點與工程甜點融合,客觀評價低滲儲層產能潛力。主要結論如下:

1) 依據研究區實際情況及儲層特征,建立研究區有利儲層評價標準體系是優選“雙甜點”預測重點研究對象的基礎;

2) 對于井資料相對稀疏的區域,基于多元信息耦合迭代建模方法能夠最大化地利用地震信息,解決反演精度不足的問題;

3) 在研究區“雙甜點”區域鉆井并取得良好壓裂成果,證明地震“雙甜點”識別可以作為陸豐南地區致密砂巖儲層井位部署的重要參考,展示了“雙甜點”識別技術的良好應用前景。