作者简介: 韩东(1986-),男,助理工程师,2012年毕业于中国石油大学(北京)油气田开发地质专业并获硕士学位,研究方向为油气田开发地质及储层预测。E-mail:handong.syky@sinopec.com
塔河油田缝洞储集体空间非均质性强,基于地震资料的确定性预测方法表征缝洞储集体时存在多解性。采用一种基于马蒙算法的地质统计学反演方法实现了缝洞储集体的定量预测并作出不确定性评价。首先从地质、地球物理角度获取目标区储集体发育的先验信息,再进行地质统计学参数的实验调试,最终利用地质统计学反演获得储集体岩相类型结果及波阻抗结果的多个实现,并对预测结果作出不确定性评价。该方法提供了一种地震数据主导的缝洞储集体定量预测手段,能够较好地解决溶洞储集体纵向深度归位、地震预测成果不确定评价问题,对于该类油藏的地质建模表征具有指导意义。
The spatial heterogeneity of carbonate fractured-vuggy reservoir is very strong in the Tahe oilfeild.Interwell reservoir prediction mainly depends on the application of seismic data.However,the results of deterministic seismic interpretation have multi-solutions.A geostatistical inversion method based on Markov Chain and Monte-Carlo algorithm is adopted for fractured-vuggy reservoir quantitative prediction and uncertainty evaluation.Firstly,geological prior information of the target zone can be obtained by geological regularity and deterministic interpretation results from well logging and seismic survey.Then,controlled by suitable geostatistical simulation parameters of the study area,the geostatistical inversion can be done, yielding many equal probability results of reservoir type volume and impedance data volume.Based on these results,the uncertainty of inversion can be analyzed.The method provides an effective seismic-driven way for quantitative prediction of fractured-vuggy reservoir,giving better solutions to the problems of the cave vertical depth positioning and the uncertainty evaluation of seismic prediction results.It is of great guiding significance for the modeling and characterization of fractured-vuggy reservoir.
塔河油田中下奥陶地层(以
由于油藏储集体的强分均质性, 传统碎屑岩中常用的“ 相控” 与“ 层控” 地质建模储集体预测方法在该类油藏已不再适用。依赖于地震资料的储层预测已成为该类油藏缝洞型储集体预测与表征的重要手段, 因此前人在塔河地区的缝洞储集体预测方面做了大量的探索工作, 并取得显著效果。王世星、曹鉴华等[1, 2]从能量、波形结构等原始地震属性角度得到的储集体预测成果为现场生产提供了有效支撑。胡向阳、侯加根、刘钰铭[3, 4, 5, 6, 7]等则依靠地质建模技术, 创新性地将地质、地震、测井等多尺度数据整合, 实现了不同缝洞储集体的的单独刻画及物性模拟, 在油藏规模上定量评价了缝洞储集体空间非均质性[8]。但目前对于缝洞型储集体的预测表征仍存在不少问题, 例如地质建模类预测方法中的多点地质统计学算法并不适用于塔河地区非河道储集体的预测[9], 而地震响应的放大作用导致的大尺度溶洞储集体的深度归位问题[10], 以及地震预测成果本身带来的不确定性问题也缺少深入研究。
本次研究利用一种基于马尔科夫链— 蒙特卡洛算法(MCMC)的地质统计学反演方法(以下简称MC地质统计学反演), 实现了塔河油田某区缝洞储集体的定量预测。该方法融入了对于储集体发育规律的地质认识, 并融合不同尺度数据, 获得多个反映目标区缝洞储集体发育规律的等概率实现结果[11]。由于反演本身以反映地震信息为主, 在多次反演结果的基础上可对储集体预测结果的不确定性进行评价, 这为缝洞储集体的定量预测提供了一种切实可行的方法。
地震反演技术, 简单而言可认为是将常规地震资料的界面型反射剖面转化为岩性地层剖面的过程。反演最终结果是反映岩石弹性信息的波阻抗数据体。MC地质统计学反演则是在常规地震反演技术的基础上, 加入地质、测井、物探等反映储集体发育规律的先验信息, 再以统计学方法为手段, 通过反演算法的耦合, 获得同时满足地震数据与输入先验信息的一种地震储集体预测方法。其本质上属于反演而非“ 模拟” , 是一种地震约束的油藏属性建模方法, 因此更加忠实于地震数据, 反演结果在提供更高垂向分辨率的同时, 井间充分利用地震数据的横向信息, 目前多用于油藏开发中后期的储集体表征工作中。由于地质统计学反演方法在纵向上有更高的分辨率, 缝洞储集体预测结果将更好地匹配于钻井资料解释结论, 这也为研究区发育较大尺度的溶洞储集体纵向归位奠定理论基础。
MC地质统计学反演的核心是贝叶斯判别理论与马尔科夫链蒙特卡洛抽样算法。贝叶斯判别理论能够根据输入数据(地震、测井)与先验信息, 综合其概率密度函数得到储集体发育的后验概率分布函数, 即获得多种概率的空间交集(可理解为所求取的储集体空间发育规律)。从理论上讲, 贝叶斯推断和分析是比较容易实施的, 因为其本质上就是计算后验分布某一函数的高维积分。但是由于最终反演结果的求解是多维度的, 贝叶斯推断所获得的后验分布函数的求解就变得异常复杂。
马尔科夫链蒙特卡洛算法(MCMC)则能够解决针对后验概率分布函数的求解问题, 它通过模拟的方式对高维积分进行计算, 进而使原本异常复杂的高维积分问题迎刃而解[12]。该方法属于启发式反演算法, 其基本思想是通过重复抽样, 建议一个平稳分布为所求后验分布的马尔科夫链, 得到后验分布的样本, 基于这些样本再作各种统计推断[13]。算法本身仍属于蒙特卡洛方法, 其基础是对概率分布的直接模拟。设ϕ 为某一空间, n为产生的总样本数, m为链条达到平稳时的样本数, 则MCMC的基本思路可以概括为[12]
1)构造Markov链:构造一条Markov链, 使其收敛到平稳分布π (x);
2)产生样本:由ϕ 中的某一点x(0)出发, 用(1)中的Markov链进行抽样模拟, 产生点序列:x(1), x(2), …, x(n);
3)蒙特卡洛积分。任一函数f(x)的期望估计
通过该算法抽样之后, MC地质统计学反演便将传统地质统计学建模与确定性地震反演技术结合起来, 综合地质、地震、测井等信息, 获得高于常规地震反演分辨率的储集体预测结果[14]。由于在反演时直接由原始地震数据参与, 而不需以确定性反演结果作为输入条件, 因此结果更加尊重原始地震数据, 受人为影响减小。
先验信息包括的种类较多, 前期的地质认识、地震解释获得的地层格架、测井分析得到的岩石物理模型及地质统计学参数, 都可以作为先验信息来约束反演结果。从井点解释成果来看, 缝洞型油藏的储集体发育主要包括三种类型:溶洞型、溶蚀孔洞型、裂缝型。其中溶洞型储集体在声波时差曲线上的差异较明显, 表现为典型的高值(对应于波阻抗值则为低值), 溶蚀孔洞型与裂缝型较非储集体声波时差有异常, 但幅度较小(波阻抗值较低), 与碳酸盐岩基质较难区分。因此, 准备先验信息时, 需将溶蚀孔洞与裂缝型储集体以及碳酸盐岩基质合并为一类储集体类型, 即非溶洞相类型。虽然溶洞与非溶洞相在波阻抗上仍有部分叠置(图2), 但叠置部分结果的多解性将在后续不确定性评价中得到体现。
地质统计学模拟参数测试是对前面地质资料分析得到的认识进行定量化设置, 并测试其合理性, 最终确定的参数与地震解释层位一样将作为先验信息用于后续地质统计学反演的过程约束[15]。需要测试的参数包括离散岩相信息与连续属性信息两部分。对于离散岩性信息, 需要测试不同岩相类型发育比例、变差函数。对于连续属性信息, 需要测试不同岩相类型的连续属性(例如波阻抗属性)的概率分布函数和变差函数。具体测试参数如表1所示。
![]() | 表1 地质统计学模拟参数调试分类 |
对于离散岩相数据, 岩性发育比例参数是根据井点解释结论统计获得或者基于对研究区沉积背景的地质认识进行设置。对于连续属性数据, 主要分析对应储集体类型在该属性上的概率分布函数, 一般需要转换为高斯分布, 方便后续模拟过程的采样。变差函数作为控制离散岩相和连续属性纵向以及平面展布范围的参数, 则需单独调试。
图3是根据确定后地质统计学参数模拟产生的岩相类型切片。由于地质统计学模拟产生的结果是在没有地震参与情况下获得的, 其反映出的溶洞储集体展布模式与前期地质认识相符(除少数河流成因溶洞外, 溶洞分布多呈离散状, 平面连续性差), 说明设置参数是合适的。需要说明的是, 这里的模拟参数在反演过程中只起到一个软约束的作用, 但能够保证最终反演结果在储集体展布上的合理性[16]。
在确定地质统计学模拟参数之后, 加入提取的地震子波, 以及地震数据, 即可进行MC地质统计学反演工作。在反演时可以通过地震信噪比参数控制地震数据对最终反演结果的贡献程度。信噪比参数是描述地震数据体噪声相对值的物理量, 可以参考井震标定以及常规约束稀疏脉冲反演方法获得的地震数据的信噪比信息来进行参数设置。由于反演过程中通过地质统计学参数加入了测井成果以及地质分析获得的先验信息, 因此反演结果分辨率得到很大提高。
通过对塔河油田某区的地质资料分析, 确定了不同类型岩相发育比例及地质统计学参数。通过MC地质统计学反演获得多个等概率的反演实现。图4是得到的一个实现结果, 分别是反演得到的波阻抗及岩相结果。可以看出二者本身具有较好的吻合性:波阻抗值低的部分主要为尺度较大、物性较好的溶洞型储集体; 而对于非溶洞储集体部分, 波阻抗值的差异则反映出物性存在差异, 即波阻抗值较高的部分为孔洞— 裂缝型储集体, 波阻抗值最高的部分则为致密碳酸盐岩基质。但是这种对应关系并不是确定的, 原因有两个方面:一是反演过程中加入了地质统计先验信息, 结果中的高频信息包含一定的随机性。二是反演的岩相类型存在波阻抗值域上的叠置, 因此对于中间值域的波阻抗在反映岩性信息时也具有不确定性。
由于反演所获得的溶洞储集体厚度明显低于地震可识别厚度, 所以预测溶洞的纵向归位是否准确仍需验证。对此, 可制作简化的溶洞发育模型通过正演手段来进行对比说明。图5所示为模拟
同时, 反演岩相结果与地质统计学模拟岩相结果的差异将体现地震数据在反演运算中所起的作用。从反演得到的岩相数据体地层切片来看(图6a), 预测溶洞范围与地震均方根振幅属性(图6b)显示的地震强能量反射位置相一致, 反映出研究区类“ 串珠状” 反射为溶洞储集体发育优势区带。且溶洞储集体在北西— 南东向呈条带状展布, 结合塔河地区岩溶发育模式[17, 18, 19, 20]认为该深度段为古岩溶水平潜流带的地下暗河沉积发育, 因此连通性较好。从T615井钻井取芯来看, 暗河沉积溶洞存在异地砂泥质沉积物充填现象, 因此产能会受此影响。除暗河沉积溶洞外, 孤立离散状分布也是该区溶洞发育的显著特点。
由于声波速度主控的波阻抗参数在一定程度上反映了储集体的综合物性信息[21], 可根据波阻抗与孔隙度的协同关系, 将波阻抗数据体转换为反映缝洞储集体等效孔隙度数据体, 在此基础上可对研究区物性作出定量评价。
MC地质统计学反演的中低频信息来源于地震资料, 高频信息来源于测井资料以及地质分析获得的先验信息, 因此最终反演结果具有统计学上的不确定性。同时溶洞与非溶洞岩相类型在波阻抗值域上的部分叠置, 也使得相同波阻抗值对应的储集体类型并不唯一。这也是在追求储集体预测高分辨率与高精度效果时必须面临的问题。尤其是对于缝洞型这类对地震预测成果依赖性很强的油藏类型来说, 地震资料及预测成果的不确定评价尤其重要。
地质统计学理论的优势便在于可以对预测成果进行多次等概率实现。结合研究区MC地质统计学反演的多次实现结果, 利用概率分析工具得到了溶洞储集体发育概率体以及岩相极大似然体, 如图7所示。概率体代表多次实现中同一储集体出现的概率, 极大似然体则代表统计学上储集体最可能出现的情况。从评价结果来看, 溶洞发育主要集中在强波谷— 强波峰转换的零相位处, 另外在地震反射能量较强— 中等的部位, 仍有溶洞发育的可能性, 但溶洞规模相比强反射区要小, 利用地震资料刻画的难度加大。
通过不确定性评价分析, 将储集体预测结果以概率体的形式进行应用, 能够弥补确定性反演结果对于地震解释结果多解性的掩盖, 对缝洞储集体的地质表征研究具有更科学的指导意义。
1)MC地质统计学反演是一种将地震反演与地质建模技术相结合的新型反演方法, 通过贝叶斯判别理论与马尔科夫链蒙特卡洛抽样算法实现了地震数据驱动下的精细波阻抗反演, 在提高纵向储集体分辨能力的同时能够得到溶洞储集体纵向发育的相对位置, 同时为缝洞储集体的物性评价提供约束条件。
2)反演结果的多次实现可为缝洞储集体地震预测成果的多解性提供一种有效分析手段。通过对反演多次实现结果进行不确定性分析, 得到缝洞储集体发育的概率体, 实现地震预测结果不确定性的定量评价, 更好地用于后期缝洞型油藏地质建模表征研究。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|