引用本文
高磊, 陈文雄, 薛明星. 渤海A油田气烟囱识别及其研究意义[J]. 物探与化探, 2016,40(4): 675-680.
GAO Lei, CHEN Wen-Xiong, XUE Ming-Xing. The identification of gas chimney in Bohai A oilfield and its implications[J]. Geophysical and Geochemical Exploration, 2016,40(4): 675-680.
Doi:10.11720/wtyht.2016.4.06  
Permissions
Copyright©2016, 《物探与化探》编辑部
《物探与化探》编辑部 所有
渤海A油田气烟囱识别及其研究意义
高磊, 陈文雄, 薛明星
中海石油(中国)有限公司 天津分公司 渤海石油研究院,天津 300452

作者简介: 高磊(1982-),男,工程师,硕士研究生学历,现主要从事渤海油田地震地质综合研究工作。

收稿日期: 2015-07-23
基金: 国家重大专项“渤海海域大中型油气田地质特征”(2011ZX05023-006-002)
摘要

气烟囱是一种特殊的地质现象,与油气的生成、运移密切相关。在地震资料上进行气烟囱的识别研究有助于工区的断层封闭性、油气运移通道、成藏模式的研究。基于倾角数据体的气烟囱识别技术引入倾角和方位角信息,结合有监督的神经网络分析方法,提取出能够反映气烟囱地震异常体的地震属性组合,完成了对气烟囱的识别研究,相对以往方法,该方法具有识别准确度高、效率快的优点。此方法运用于渤海A油田,较好地完成了油田的油气运移及成藏模式分析,为油田的储量增长奠定了基础。同时,对渤海A油田断层的封闭性进行了风险分析和提示,保证了油田的钻井安全。

关键词: 气烟囱识别; 倾角数据体; 神经网络; 油气运移; 成藏模式
中图分类号:P631 文献标志码:A 文章编号:1000-8918(2016)04-0675-06 doi: 10.11720/wtyht.2016.4.06
The identification of gas chimney in Bohai A oilfield and its implications
GAO Lei, CHEN Wen-Xiong, XUE Ming-Xing
Research Institute of Bohai Petroleum,Tianjin Branch of CNOOC, Tianjin 300452, China
Abstract

Gas chimney is a special geological phenomenon which is closely related to oil and gas generation and migration.The gas chimney recognition research on the seismic data contributes to the fault sealing,hydrocarbon migration and accumulation mode research.The gas chimney identification technology based on steering cube uses the dip and azimuth information for the identification of gas chimney.Combined with a supervised neural network analysis method,the technology extracts the seismic attribute combination which can reflect the prominent gas chimney seismic anomaly body.Compared with the previous method,this method has the advantages of high accuracy and efficiency.This method was applied to the Bohai A oilfield,and the research on the field hydrocarbon migration and accumulation mode was preferably completed,which laid the foundation for the growth of oil reserves. In addition,the authors conducted the risk analysis of the closed fault in the Bohai A oilfield,thus ensuring the drilling safety.

Keyword: gas chimney recognition; steering cube; neural network; hydrocarbon migration; accumulation model

气烟囱是由活动热流体垂向和横向运移在地震剖面上形成的一种异常现象, 其形态与断层、裂隙、裂缝相似, 又具幕式张合的特征, 气烟囱既包括垂向泄压形成的底辟伴生构造, 也包括侧向泄压形成的层间伴生构造, 不仅形似烟囱, 且具有烟囱效应, 故名气烟囱[1]。地震剖面上的主要表现为:在品质很好的常规地震剖面上, 突然出现外形呈丘状或柱状的杂乱反射, 其内部反射波形杂乱, 无连续性好的反射同相轴, 或为空白反射, 而杂乱反射两侧地震反射波为连续的正常反射。气烟囱的存在与油气运移有直接关系, 通常与断层伴生。张为民等[1]对气烟囱的形成机理进行了深入的探讨与分析, 并对不同的气烟囱类型与油气勘探的关系进行了分析。

目前, 国内外对气烟囱的研究主要处于识别阶段, 在识别过程中主要运用了多层非线性神经网络技术对未知地震区块进行预测, 称为“ 地震气烟囱处理技术” [2]。Heggland和Meldahl等提出采用一种有监督的神经网络技术识别气烟囱, 生成气烟囱数据体和非气烟囱数据体, 从而识别气烟囱 34。气烟囱与油气生成、运移密切相关, 从而显示了气烟囱对油气的勘探开发具有重要的研究意义。

笔者结合前人的研究成果, 在常规研究方法的基础上, 将倾角数据体技术引入到气烟囱识别中, 结合有监督的神经网络分析方法, 综合地震数据体的倾角、方位角信息, 提取出能够反映气烟囱异常响应特征的敏感属性, 并在此基础上完成对气烟囱分布范围的识别 57。以气烟囱研究为基础, 对渤海A油田的油气运移及成藏模式进行了分析, 并对油田内断层的封闭性进行了风险分析和提示, 为油田的储量增长和安全开发奠定了基础。

1 基于倾角数据体的神经网络气烟囱识别方法

气烟囱在地震剖面上以近乎垂直噪声的特征呈现, 常规的单一地震属性分析方法不能完全展现气烟囱的空间展布特征。而传统的多属性联合分析方法在识别气烟囱的同时也包含了断层等其他地震异常信息, 不仅影响了对气烟囱体的识别, 而且耗时高、效率低。基于倾角数据体的神经网络气烟囱识别思路是[8]:首先计算原始叠加地震数据体的倾角数据体; 在倾角数据体的某一时窗内拾取能够明显识别气烟囱的地震异常和非地震异常作为样本; 然后针对所拾取的样本提取振幅、频率、相位、相干、能量、曲率等多种地震属性, 将所提取的属性用于神经网络培训, 并进行误差分析, 直至得到最能反映气烟囱体的属性组合, 即最佳属性组合为止; 最后将所生成的最佳属性组合应用于整个地震数据体, 结合钻井资料识别气烟囱体(图1)。运用倾角数据体控制和神经网络分析方法是本次研究思路的重要创新, 也是区别于其他常规气烟囱识别方法的重要方面, 下面对倾角数据体控制和神经网络方法分析两个方面进行重点介绍。

图1 基于倾角数据体的神经网络气烟囱识别思路

1.1 倾角数据体控制

地质目标体在构造地质学上有走向和倾向两个方向属性, 如果地震解释不能有效合理地考虑这两个方向属性, 得到的解释结果将与实际地质情况有较大的出入。倾角数据体是以每一个采样点处提取的线、道方向上的地震同相轴的倾角为模型, 使用平滑的三维傅里叶分析技术, 通过计算得到。以此建立的倾角体不仅本身是一种属性, 而且还可以用来完善那些为构造、储层预测而提取的其他属性 910, 特别是在高倾角区域能减少杂乱同相轴造成的假象, 提高属性的精确性和目标探测能力。

倾角数据体控制是指在数据处理过程中沿着倾角方向从一道到另一道的处理过程。 倾角数据体控制模式分为两种:中心控制和全控制。图2为无控制、中心控制和全控制三者的区别。中心控制模式是沿评价点的倾角、方位角信息来追踪需要计算属性反馈的道, 只能反映局部地层的真实倾角、方位角; 而在全控制模式中, 起始道将搜索临近道的倾角、方位角信息, 先与临近道作计算, 临近道再计算其相邻其它道的倾角、方位角信息, 以此类推, 每道的倾角、方位角信息都将得到更新。

图2 倾角数据体控制模式示意

1.2 有监督的神经网络分析方法

神经网络是通过模仿人脑对外界事物的处理方式进行自适应地解决实际中的生产与科研问题, 它通过特殊的方式把多个神经元的简单信息处理单元连接在一起, 并能够自适应的处理输入信号。有监督的神经网络是具有一个隐含层的全关联多层处理系统, 即输入信息流从输入层经过隐层向输出层单向流动 1112。首先通过人工方法在地震剖面中拾取已知的地震异常体和非地震异常体, 然后将反映地震异常体和非地震异常体地震属性信息赋予计算机, 计算机根据这种人工思路进行地震异常体识别。在计算过程中, 首先对叠加数据体提取多种地震属性, 然后对所拾取样本的大量属性(如振幅、频率、相干、曲率、相位、能量等)进行误差分析, 控制误差匹配, 提取最佳属性。其误差分析计算公式为:

其中, δ rms为实际输入属性值和预测属性的均方根误差; δ normrms为归一化均方根振幅; n为样点个数; δ i和ei为第i个样点的输入属性值和预测属性值; δ mean为样点平均值。当均方根误差值δ rms在0.8~0.6时, 被认为合理, 在0.6~0.4时被认为很好, 低于0.4时就认为极好了。

针对渤海A油田气烟囱的特点, 采用基于倾角数据体的神经网络气烟囱识别方法, 在计算倾角数据体的基础上, 拾取气烟囱体和非气烟囱体两类数据作为神经网络训练的样本点, 并计算与气烟囱相关的多种地震属性, 通过神经网络计算, 最终优选出最能反映气烟囱体特征的地震属性组合, 并将这些最佳地震属性组合应用到整个地震数据体中, 最终计算得到气烟囱数据体。

2 渤海A油田气烟囱识别实例分析
2.1 气烟囱识别

渤海A油田位于渤海南部海域, 区域构造上位于黄河口凹陷东洼北缘, 由渤南低凸起披覆背斜构造和边界大断层下降盘的断鼻组成, 是渤海海域油气富集最有利地区之一。A油田自上而下分别钻遇新近系的明化镇组、馆陶组和古近系的东营组、沙河街组及部分古生界地层, 主要含油层系为明化镇组和沙河街组。在油田的构造主体部位分布大面积的气烟囱, 气烟囱影响地区地震资料呈现如下特点:地震反射杂乱, 振幅减弱, 成像品质差, 信噪比低, 同相轴破碎, 连续性差。由于气烟囱内部气体局部富集, 造成富集层段上下地层波阻抗差异明显, 局部出现强振幅反射(图3)。

图3 渤海A油田气烟囱地震响应特征

采用基于倾角数据体的神经网络气烟囱识别方法对油田内的气烟囱进行了识别, 在计算过程中, 对所提取的大量地震数据进行误差分析, 通过对误差的控制, 优选出最佳的属性组合, 这些属性主要包括相干类、振幅类、能量类及频率类属性, 将这4类地震属性组合应用到整个地震数据体中, 计算得到气烟囱数据体。可以看出, 气烟囱在渤海A油田的中北部广泛发育, 最大分布面积达12.5 km2(图4黄绿色为气烟囱分布范围)。纵向上, 气烟囱向上冲至海底, 向下影响至馆陶组上部地层。

图4 气烟囱在常规地震剖面及相干属性时间切片的三维显示

前文提到, 气烟囱的存在与油气的生成、运移密切相关, 在气烟囱识别的基础上, 通过对气烟囱与断层的耦合关系、与油气分布规律分析, 对渤海A油田的油气运移及油气藏成藏模式进行研究, 并在此基础上, 指导油田的潜力挖掘, 为油田的增储上产提供技术支持。

2.2 油气运移及成藏模式分析

渤海A油田气烟囱的存在给构造解释及储层预测带来较大的困难。通过气烟囱识别, 结合钻井、测井及地质资料, 开展进一步的研究。

国内外气烟囱的应用研究主要包括以下几个方面:①研究油气运移通道及浅层气成因分析; ②预测烃源岩的发育情况; ③判别断层的封闭性 1316。笔者在气烟囱识别的基础上, 着重对断层的封闭性进行判断, 从而指导油气的运移模式分析, 进一步挖掘油田潜力。

渤海A油田整体构造是渤南凸起披覆断裂背斜构造与边界大断层下降盘断鼻组成的复杂断块, 构造呈北东走向, 由多条长期发育的近东西向大断层及其派生的一系列次级断层所夹持。渤海A油田断层广泛发育, 从气烟囱剖面图可以看出, 气烟囱与某些断层尤其是沟通上下的大断层相伴生, 气烟囱广泛分布于断层的两盘(图5)。断层F1、F2、F4、F5不仅在垂向上沟通上下地层且气烟囱广泛发育, 结合渤海A油田主要为拉张型正断层的整体构造认识, 断层对油气的运移作用要大于封闭作用。综合分析认为, 这4条断层不仅在一定程度上控制着油田的构造格局演化, 且可以作为油气运移的有利通道。

图5 渤海A油田气烟囱剖面特征

已钻探井揭示, 油田的主力含油层段为明化镇组, 埋深1 400~1 600 m左右(对应剖面时间 1 200 ~1 400 ms)。从主要目的层明化镇组向上100 ms(图6a)及向下100 ms(图6b黄绿色为气烟囱分布范围)的气烟囱平面分布特征看, 油田中部的1、2、3、4井气烟囱发育区, 经钻井证实以自生自储的油气成藏模式为主, 但该井区由浅至深受气烟囱影响严重, 储层识别存在较大困难。油田北部的5井区经钻井证实以下生上储的成藏模式为主, 油气通过大断层由深层烃源岩向上运移, 在断层两侧沉积的砂体可以成为油气聚集的有利区域。根据这一认识, 在5井区南开展油田潜力分析, 以储层精细分析为基础, 根据下生上储的油气成藏模式, 结合该区域地垒状断块的构造特征, 认为该断块油气充注程度高, 油气较富集, 可作为评价井钻探的有利目标。渤海A油田5井区南部署的评价井A6井在明化镇组钻遇15 m厚油层, 增加探明石油地质储量110万t。

渤海A油田气烟囱广泛分布于F1、F2、F4、F5四条断层的两侧, 说明这4条断层的封闭性较差。已钻探井揭示, 该区域浅层油气显示活跃, 海拔450 m之下即有浅层气存在。在油田开发井实施过程中, 气烟囱发育位置尤其需注意地层压力异常, 规避浅层气, 降低油田的钻井风险。

图6 渤海A油田明化镇组沿层切片气烟囱平面分布特征

3 结论

1) 与常规气烟囱识别方法相比, 基于倾角数据体的气烟囱识别方法具有计算快速、识别精度高的特点。在渤海A油田的实践应用中表明, 通过神经网络方法优选出的相干类、振幅类、能量类及频率类属性较适用于本区域的气烟囱识别, 而曲率类、相位类属性的适用性较差。

2) 渤海A油田发育的区域大断层不仅在一定程度上控制着油田的构造格局演化, 且可以作为油气运移的有利通道。

3) 在气烟囱发育位置尤其需要注意地层压力异常, 规避浅层气, 降低油田的钻井风险。

4) 通过对渤海A油田的气烟囱识别, 结合钻探成果, 对渤海A油田的油气成藏模式进行了分析, 认为油田中部以自生自储的成藏模式为主, 油田北部以下生上储的成藏模式为主。并以此指导了油田北部评价井的成功钻探。

The authors have declared that no competing interests exist.

参考文献
[1] 张为民, 李继亮, 钟嘉猷, 等. 气烟囱的形成机理及其与油气的关系探讨[J]. 地质科学, 2000, 35(4): 449-455. [本文引用:2]
[2] Meldahl P, Heggland R, Bril B, et al. Identifying fault and gas chimneys using multi-attributes and neural networks[J]. The Leading Edge of Geophysics, 2001, 20(5): 474-482. [本文引用:1]
[3] Heggland R. Gas seepage as an indicator of deeper prospective reservoirs: study based on exploration 3D seismic data[J]. Marine and Petroleum Geology, 1998, 15: 1-9. [本文引用:1]
[4] 刘殊, 范菊芬, 曲国胜, 等. 气烟囱效应——礁滩相岩性气藏的典型地震响应特征[J]. 天然气工业, 2006, 26(11): 52-55. [本文引用:1]
[5] 杨瑞召, 李洋, 庞海玲, 等. 倾角导向体控制的气烟囱识别技术及其在海拉尔盆地贝尔凹陷中的应用[J]. 现代地质, 2013, 27(1): 223-230. [本文引用:1]
[6] 邱电伟, 何顺利, 李中锋, 等. 改进的B-P神经网络系统在储层敏感性伤害预测中的应用[J]. 特种油气藏, 2005, 12(6): 65-67. [本文引用:1]
[7] 何家雄, 冼仲猷, 杨希冰, 等. 莺歌海盆地莺东斜坡带油气地质条件及近期勘探领域探讨[J]. 中国海上油气: 地质, 2001, 15(4): 242-248. [本文引用:1]
[8] 刘伟, 陈学华, 贺振华, 等. 基于倾角数据体的神经网络气烟囱识别[J]. 石油地球物理勘探, 2012, 47(6): 937-944. [本文引用:1]
[9] 马光克, 李达, 隋波, 等. 地震多属性融合曲线重构技术在储层预测中的应用[J]. 物探与化探, 2013, 37(6): 993-997. [本文引用:1]
[10] 尹成, 王治国. 明确地质含义的地震准属性的回顾与探讨[J]. 地球物理学进展, 2012, 27(5): 2024-2032. [本文引用:1]
[11] 赵成, 桂志先. 基于神经网络的储层参数预测方法及应用[J]. 石油天然气学报, 2005, 27(3): 467-469. [本文引用:1]
[12] 孙致学, 姚军, 孙治雷, 等. 基于神经网络的聚类分析在储层流动单元划分中的应用[J]. 物探与化探, 2011, 35(3): 349-353. [本文引用:1]
[13] 梁全胜, 刘震, 王德杰, 等. “气烟囱”与油气勘探[J]. 新疆石油地质, 2006, 27(3): 288-290. [本文引用:1]
[14] Ligtenberg J H. Unraveling the petroleum system by enhancing fluid migration paths in seismic data using a neural network based pattern recognition technique[J]. Geofluids, 2003, 3: 255-261. [本文引用:1]
[15] Ligtenberg J H. Unraveling the petroleum system by enhancing fluid migration paths in seismic data using a neural network based pattern recognition technique[J]. Geofluids, 2003, 3: 255-261. [本文引用:1]
[16] 张德润, 卢建忠. 郯城—庐江断裂带(渤海海域)对油气田的影响[J]. 物探与化探, 2007, 31(6): 499-513. [本文引用:1]