(二)地震定量描述技术
发布网友
发布时间：2022-05-16 16:02
共1个回答
热心网友
时间：2023-10-29 19:46
对浅层油藏来说，储层物性影响砂体的含油气性。根据统计，济阳坳陷新近系储层孔隙度小于25%基本不含油或含油性非常差。储层横向孔、渗的变化对开发工作也是非常重要的。
地震储层研究是一项新的地震解释技术，在勘探、开发的不同阶段，应用地震技术，并与测井、地质及油藏工程等资料结合起来，对储层作出完整的描述，可弥补测井资料或岩心资料难以推断储层参数空间变化规律的缺陷。
图 8-21 飞雁滩馆上段 14 + 5砂组 Rave 储层预测图
1.储层厚度预测方法
(1)应用时差法求取储层厚度
当地层的时间厚度大于地震反射子波的延续时间时，地层的上下界面可以在地震剖面中分别拾取，这样就可以利用两界面的反射时间差乘以层速度求取地层厚度。
(2)综合应用振幅、频率求取储层厚度
根据楔形模型厚度与其地震响应的振幅 (A)、频率 (F)关系的统计规律 (图8-22)。
图 8-22 楔形模型厚度与其地震响应的振幅 (A)、频率 (F)关系图
在储层厚度较薄时，振幅随着厚度的增加呈近线性增加，并一直持续到层厚为 λ/4 处，尔后随厚度增加振幅缓慢减小并趋于稳定，频率则随厚度的增加呈近似线性减小，并一直持续到层厚3λ/8 处，随厚度继续增加频率增大并趋于稳定，以3λ/8 处所对应的厚度称为频率调谐厚度。由此可见，频率和振幅随厚度增加具有相反的变化趋势，因此可以利用一个新的参数 A/Fn对厚度进行预测。在层厚小于 λ/4 的薄层区内，根据统计规律选择适宜的 n 值，便可以建立起 A/Fn与储层厚度的理想线性关系，而且参数 A/Fn受储层孔隙流体和灰质成分的影响小，对计算误差有较好的控制作用。对于厚度介于 λ/4 和 3λ/8 的储层，仍可以采用此方法准确地求得储层厚度。当层厚大于频率调谐厚度3λ/8 时，采用时差法即可。
该方法利用振幅和频率两种信息，充分考虑了它们与储层厚度关系上的互补关系，克服了调谐曲线法将时间和振幅分开所带来的误差。因此，该方法相对于调谐曲线法对薄层的计算更为精确，但是计算复杂，在建立厚度与振幅频率的线性关系时仍会有误差。此外，上述方法是在层状模型的基础上建立起来的，对于目的层的上下相邻介质不都是泥岩的情况是否会存在上述关系也成问题。在飞雁滩地区统计结果基本上符合上述规律。
(3)地震反演资料求取储层厚度
随着地震反演理论与技术的发展。反演后波阻抗 (或层速度)剖面的可靠性和分辨能力越来越高，如果能够通过地震反演获得分辨率较高的反映层信息的波阻抗或速度剖面，则可在具有较高分辨率的地层波阻抗或层速度剖面上，直接拾取储层的顶、底界面反射时间，进而由时差和层速度求取储层的厚度，这种方法简单易行而且精度较高 (图 8-23)。
(4)谱分解技术
谱分解技术研究不同厚度目标体的调谐振幅的变化。该技术主要是基于调谐数据体的解释，是沿研究目的层面，或对两层之间进行短时窗离散傅立叶变换，生成在垂向上频率连续变化的振幅数据体 (图 8-24)。它表示在相同的研究时窗内，调谐体在垂向上为连续变化的频率，在平面上为单一频率对应的经归一化之后的调谐振幅，其最大调谐振幅是对应该频率下的储层的调谐厚度产生的。在频率域内对每一个频率所对应的振幅进行分析，排除了时间域内不同频率成分的相互干扰，从而可得到高于传统分辨率的储层成像。
砂体的识别主要依靠能量法，利用分频技术可有效的识别薄砂体或较厚的砂体。解决砂体是 “饼状”或 “条状”的问题 (图 8-25)。
2.储层物性预测
在储层地震学中，主要应用地震层速度 (或波阻抗)资料对储层岩性和物性进行预测。然而，由于层速度或波阻抗受多种因素的影响，与泥质含量或孔隙度并不一定具有确定的关系，而且随着地质条件的横向变化更加复杂化。因此，在取得可靠层速度 (或波阻抗)资料基础上，如何选用先进的分析方法，加以合理应用，是储层岩性及物性参数预测可靠与否的关键。
利用地震资料单独估计孔隙度和饱和度已经有很多研究实例。孔隙度对纵波速度和密度影响较大，因此利用常规地震资料确定的孔隙度精度高于预测的饱和度。Domenico 和Grerogy 等人研究了饱和度对速度和密度的影响; Meissner 等人通过理论计算证明纵波与横波反射系数比可能是一种有前途的油气藏评价方法; Theodoros 利用全波列声波测井资料分析纵、横波衰减用于区分天然气与凝析油。实验与实测数据都表明，同时应用纵、横波速度、衰减资料等能更好地区分不同流体及估计流体的饱和度。
图8－23 飞雁滩地区地震波阻抗反演预测储层厚度图
图 8-24 埕 130 井区馆陶组河道型砂体分频厚度预测剖面图
图 8-25 埕 130 井区河道砂体分频厚度预测图
多波地震资料或叠前弹性反演能提供纵、横波速度、密度或阻抗等信息，因此地震资料具备同时用于反演孔隙度与饱和度的基础。地震属性与油藏参数的关系可以用岩石物理模型来描述。Koesoemadina 利用已发表的实验数据论述了油藏参数 (包括孔隙度、饱和度、泥质含量、有效压力等)与地震纵、横波速度、密度、衰减等参数间的统计关系，同时提出分步反演油藏参数的方法。
目前，利用地震资料进行泥质含量和孔隙度预测的方法很多。主要有量板法、经验公式法、数理统计法、地质统计学方法及地震反演法等。我们在分析了这些方法优缺点的基础上，探索适合河流相储层有效的物性预测方法。
(1)传统方法
1)量板法。将速度数据标在速度-深度 (v-z)坐标中，绘出各岩性的速度变化曲线，继而根据速度求取岩性。这种方法虽然简便易行，但人为因素多，定量预测的误差较大。
2)经验公式法。用经验公式法求取泥质含量常用的是时间平均方程，如下式所示(8-1):
济阳坳陷北部馆陶组油气地质与勘探技术
式中: v 为地层波速; Vsh为泥质含量; vm为纯泥岩波速; vs为砂岩波速。
求取孔隙度的时间平均方程如下:
济阳坳陷北部馆陶组油气地质与勘探技术
利用式 (8-5)，由 v，vm，vs可以求出泥质含量; 利用式 (8-6)，由 v、vf、vr及 c 可求出孔隙度。这些经验公式是在实验室中得出的，要求岩石波速的精度较高，而实际上用地震资料求取的层速度，往往存在一定的误差，这将导致泥质含量和孔隙度估算的较大误差。
3)数理统计法。这种方法目前较为流行，一般是利用井点已知泥质含量或孔隙度与层速度 (或波阻抗)进行统计分析回归出对应关系式，然后用此关系式将地震求取的层速度 (或波阻抗)转化为泥质含量或孔隙度，达到参数预测的目的。
例如，根据研究区的声波测井资料，设计一个速度-岩性间的函数关系:
v = α·Zn
式中: α 为岩性指数; n 为比例指数。
然后统计钻井资料的速度、深度、岩性组成以及孔隙度等参数，对它们进行统计分析，用待定系数法解出 α 和 n。当 n 确定后，就可通过 α 的取值判断岩性分布的区间。然而，由于地质条件的复杂性，不同岩性的速度分布范围往往都比较宽，用一个函数式拟合很难具代表性，用其预测的泥质含量也只能反映参数的分布趋势，还需要用井点资料进行校正，这无疑又会产生人为因素造成的误差。在储层横向变化较大的地区，利用井点拟合出的关系式来预测远离井区域的储层参数，也必然会产生误差。
(2)地质统计学方法
这是目前较为先进、在国内外非常流行的方法，该方法在储层参数预测时，确保预测结果在井点处准确无误，在井点以外则根据测井、地震资料的空间变化规律、参数的分布概率等进行储层参数的预测。
由于传统的统计学方法在进行点间估值时不能反映地质规律所造成的储层参数在空间上的相关性，而地质统计学方法在进行横向预测时，可以应用考虑储层参数空间变化规律的变差函数进行井间插值 (吴胜和，1999)。因此，与上述预测方法相比，地质统计学方法以其用地质规律为约束的先进插值算法和等概率多实现的方式，在对空间分布变量的分析预测中独具优势。图 8-28 为利用该方法预测的孔隙度图，其精度较高，但对钻井资料的依赖性较高。该方法适用于钻井较多地区。
(3)地震反演法
地震反演法也是目前较为先进、非常流行的方法。该方法是在宽带约束反演的基础上，进一步将层速度 (或层波阻抗)反演为岩性 (泥质含量)和孔隙度剖面。首先，应用测井资料求出井中的岩性 (砂、泥含量)和孔隙度，并据此生成初始的岩性 (孔隙度)模型; 第二步，根据这一初始模型，正演生成一个波阻抗 (或速度)模型，并将生成的波阻抗 (速度)模型与宽带约束反演的波阻抗 (或速度)模型进行比较，并求出残差; 第三步，根据残差、灵敏度及地质约束条件估计岩性和孔隙度修改值，根据修改值对初始模型进行修改。由于波阻抗 (或速度)与岩性和孔隙度的关系并非线性的，因此，上述正演-比较-修改的过程需要反复多次，直到残差在最小二乘意义上最小为止，从而得出最终的岩性和孔隙度模型。
利用这种方法，对飞雁滩地区进行了预测，预测结果与本区地质规律及实钻情况都比较吻合。
(4)基于岩石物理模型的物性描述方法
本文在现有研究的基础上，尝试探索一些新的基于岩石物理模型与混合优化算法定量反演孔隙度和饱和度的方法。
岩石物理模型可用于描述地震响应和油藏参数的关系。很多岩石物理学家对此作了大量的实验研究。用油藏参数定量反演地震分析的岩石物理模型可分为两类: 一类是利用岩心、测井数据经统计分析得到的统计模型，另一类是通过理论推导得到的理论模型，应用时要利用实验室数据确定模型参数。
Koesoemadinata 利用已发表实验数据拟合得到纵、横波速度、密度与油藏参数间的统计模型为:
济阳坳陷北部馆陶组油气地质与勘探技术
式中: ρ 为密度; vp·和 vs分别为纵、横波速度; 为孔隙度; C 为泥质含量; S 为饱和度;p 为有效压力; f 为频率。
上式给出了地震波速度、密度、纵、横波速度比与油藏参数间的基本统计关系。针对不同地区，油藏参数组合可以改变，须利用实际数据拟合得到模型参数。针对不同工区可以得到不同的统计模型，参考上式可以建立统计关系。
岩石物理理论模型应用较多的是 Gassmann 方程 (黄中玉，2006)。该方程给出了含流体岩石纵、横波速度、密度与饱和度、孔隙度间的关系，在应用时要满足方程假设时才能得到好的效果。其数学表达式为:
济阳坳陷北部馆陶组油气地质与勘探技术
式中: k 为体积模量; μ 为剪切模量; ρ 为含流体岩石密度; d 表示干岩石; m 表示岩石基质; f 代表孔隙中流体。根据上述公式可计算孔隙度、含油饱和度等参数。
尽管速度、密度对孔隙度的变化较为敏感，但它们还是受到了饱和度的影响; 速度比值对饱和度的变化较为敏感，但它同时也受到了孔隙度变化的影响。为了提高计算精度，可以联合速度 (或密度、波阻抗)与速度比值来表征孔隙度和饱和度。
目前，不仅通过对纵波资料进行 AVO 分析处理可以得到纵波速度、纵波波阻抗、泊松比 (或速度比值)，而且通过对转换波勘探资料进行分析处理，也能够得到这些参数，所以可将纵波速度图与速度比值图、纵波波阻抗图与速度比值图叠合在一起来考察 (图8-26)。
图 8-26 砂岩的纵波速度、纵波波阻抗和速度
纵波速度 (或纵波波阻抗)等值线与速度比值等值线近似垂直，这表明联合利用纵波速度 (或纵波阻抗)与速度比值来计算孔隙度、饱和度的算法将是较稳定的。
孔隙度、饱和度的估算流程如下:
1)确定工区储层的岩石骨架参数和孔隙内油气参数。
2)根据 Gassmann 方程，计算储层的纵波速度 (或纵波阻抗)和速度比值 (或泊松比)随孔隙度和饱和度变化的图版。
3)根据地震资料计算出实际储层的纵波速度 (或纵波波阻抗)和速度比值 (或泊松比)。
4)查图版得到孔隙度和饱和度。
利用该方法求得飞雁滩地区的孔隙度 (图8-27)，预测结果与已钻井吻合率在80%以上。
