黄河口凹陷位于渤海海域南部, 石油地质条件优越, 勘探程度较高, 已陆续发现了若干个大中型油气田, 证明其为一富生烃凹陷。在近些年的勘探时间中, 陆续在500~1 600 m的浅层地层中发现了相当规模的油气藏, 涉及到的含油气层位主要为新近系的明化镇组地层。勘探实践表明, 该层系的油气层与水层均为强振幅特征, 在该油田做过多轮的叠后、叠前属性烃类检测工作, 均难以将水层与含油气层进行有效区分。

地震属性技术是从地震数据中获得含烃地层特征参数的方法之一 13。目前较为流行的分类方法是从运动学角度将地震属性分为振幅、频率、相位、能量、波形和比率等几大类 413。在频率类属性中, 众多的地球物理学家注意到低频地震异常与油气藏有着密切的联系, 李庆忠^[14]用一系列理论模型分析了砂层含油气后的频率和振幅特征。认为亮点条件下, 地震波的瞬时频率会变低, 并且在其频谱10 Hz附近的低频成分能量增加。Chapman^{[15, 16 ]}等指出在低频范围内, 油气储层显示出高异常。Goloshubi n[1720]利用实际地震数据证实富含油储层使得低频范围内的反射系数显著的增加, 拓展了有效地震带宽到更低频端, 并表明利用地震波的低频信息预测流体的潜力。

在以上研究基础上, 笔者结合黄河口凹陷周边油田实际地震资料分析, 以A油田为例, 利用含油气亮点的特有频率及振幅特征, 采用目标处理方法, 对该区振幅上同样表现为亮点特征的水层进行压制, 达到含油气层识别的目的。

A油田位于黄河口凹陷的西北洼, 油田面积约为100 km²。早期主要受渤南凸起边界断裂的影响, 形成断裂背斜的构造背景, 晚期受次级断层的影响, 使浅层构造复杂化, 形成了一系列的断块构造。新近系明化镇组是A油田的主要含油层系, 属于河流相— 极浅水三角洲沉积, 砂体分布广泛。宏观上表现为纵向叠置、横向连片, 且含油气性差异较大。油气分布主要受构造和岩性双重因素控制, 以构造— 岩性油气藏为主。

油田区的沉积岩性通常为砂泥互层。根据已钻井分析, 砂岩与泥岩相比, 具有低速度、低密度的特点; 同时, 由于油气藏原油密度与水相近, 导致含油气层和含水层的地震响应差异性较小。基于以上两种原因, 油、气及大部分水层在A油田的地震资料中均表现为明显的“ 亮点” 特征而难以区分。

A油田范围内有8口评价井, 22口开发井, 累计钻遇砂体共79套。将砂体的类型按照含油气性分为含水砂体、含油砂体及含气砂体。对所有钻遇砂体在井点处的振幅值进行统计(图1)。从图中可以看到, 含气层振幅整体偏高, 小部分与水层重叠。含油层与大部分含水层振幅能量相当。因此从振幅属性上, 很难对含油气层与水层进行区分。

图1

	Figure Option ViewDownloadNew Window
	图1 A油田明化镇组含油、气、水砂体井点处振幅统计

对地震剖面中典型含油气层与水层的频谱进行分析和对比, 如图2所示。图中可以看到, 含油气层与含水层的频宽基本一致; 含水层在高频成分中(约30~80 Hz)能量相对较强, 而含油气层则在低频成分中(约10~30 Hz)能量相对增加。

图2

	Figure Option ViewDownloadNew Window
	图2 A油田明化镇组已钻井不同含油气层与不同含水层频谱特征对比a— A11井水层频谱; b— A12井水层频谱; c— A2井水层频谱; d— A1井油层频谱; e— A11井油层频谱; f— A13井油层频谱

以上对地震资料的分析表明, 可以在地震资料的低频端(约10~30 Hz), 通过振幅能量的差异, 区分油气层和含水层。

根据含油气层、水层频谱、振幅的分析结果, 将地震资料的频率域与时间域处理相结合, 对含油气层进行信息提取。

首先对实际地震资料进行频率域滤波, 得到滤波后10~30 Hz的地震剖面, 在该频率段中, 大部分含油气层的振幅略高于含水层振幅, 从而使二者在振幅上具有可区分性。

对滤波后的剖面继续采用幂指数加权方法:

y=xn (n=1, 2, …), (1)

其中n为幂指数, x代表地震剖面振幅。

假设频率域滤波后, 含油气层振幅为a, 含水层振幅为b, 对剖面进行幂指数n次加权后, 含油气层振幅为aⁿ , 含水层振幅为bⁿ , 二者加权后的差异值随着幂指数n的增大而迅速增大:

|a-b≪an-bn|, (n=1, 2, …)。(2)

通过该方法, 可使含油气层与含水层在低频端的细微差异得以放大, 更易于识别含油气层, 同时通过振幅的较大差异, 对水层也进行了有效压制。

根据工区内已钻探井的含油气显示特征, 通过井震对比, 对处理过程中的幂指数值进行测试。测试结果表明, 当n=4时, 幂指数加权剖面对油气、水的区分能达到较好的效果。

实际剖面处理应用效果如图3所示。在原始地震剖面中, 油层与水层均表现为亮点特征, 且图中标示的油层与水层的振幅比值为0.93(图4), 即油层在井点处的振幅值略低于水层; 在频率域滤波后的地震剖面中, 油层与水层井点处振幅的比值为 1.15。即在地震资料低频成分区, 油层的振幅值略高于水层; 经过4次幂指数加权后, 得到时间域幂指数加权剖面, 剖面中油层与水层的振幅比增大到12.8。通过处理后, 井点处油层的振幅明显高于水层。图3中幂指数加权剖面与井对比结果表明, 通过对油气、水振幅差异的寻找和放大, 使含油气层原有的亮点特征得到保持的同时, 压制了Well2井上同样表现为亮点特征的水层, 从而达到有效区分含油气层与水层的目的。

图3

	Figure Option ViewDownloadNew Window
	图3 A油田过井地震剖面时频域处理效果对比(井上为岩性数据)

图4

	Figure Option ViewDownloadNew Window
	图4 A油田典型油层与水层井点处振幅比值在处理过程中的变化

经过频率域滤波、时间域幂指数加权处理的地震剖面中, 井上钻遇的含油气层与表现为波谷的同相轴对应关系较好。对工区内各井的时深关系进行调整, 使含油气层与波谷相对应, 以黄色表示剖面中的含油气层, 得到含烃亮点属性剖面。

图5为工区内过A11、A12、A13、A14井的含烃亮点属性与叠前同时反演v_p/v_s属性剖面对比。其中Nm2、Nm3、Nm4为A油田主要目的层系内的不同油组。对于井上钻遇的含油气层(对应图中所投岩性曲线绿色和红色), 含烃亮点属性剖面与井具有相对更高的吻合率。如A11井的目的层Nm4为顶气底油, 由于在原始地震剖面中振幅较弱, 所以在v_p/v_s属性反演中, 该层没有含油气响应; 而在含烃亮点属性剖面中, 通过频率和振幅结合, 表现为含油气层的亮点特征。

图5

	Figure Option ViewDownloadNew Window
	图5 A油田明化镇组“ 含烃” 亮点属性(a)与叠前反演结果(b)对比(井上为岩性数据)

对于井上钻遇的水层(井曲线蓝色), 叠前v_p/v_s属性反演结果对A11、A13、A14在Nm3水层的响应均表现为含油气特征, 与含油气层难以区分; 含烃亮点属性剖面中则对这些水层进行了较好的压制, 无亮点响应。

对于含油水层(A14井Nm4, 测井岩性曲线浅蓝), 在含烃亮点剖面中无含油气亮点显示, 而在v_p/v_s反演结果中显示为含油气层。

从以上剖面的分析对比来看, 含烃亮点属性剖面能够更准确预测出含油气层的同时, 对含水层的压制表现出了非常突出的效果。

分别在目的层Nm2、Nm3、Nm4拾取含烃亮点剖面及叠前v_p/v_s属性的最小振幅平面属性进行对比, 如图6所示, 含烃亮点剖面的平面属性对含油气型砂体的分布及边界的刻画更为清晰。结合工区内其他已钻的22口开发井累计钻遇的79套砂体, 对含烃亮点属性及叠前v_p/v_s属性所预测的含油气砂体分布准确性进行统计对比和评估。对于所有砂体, 含烃亮点属性与井的吻合率为86%, 叠前同时反演结果与井的吻合率为69%。

图6

	Figure Option ViewDownloadNew Window
	图6 A油田Nm2、Nm3、Nm4油组含烃亮点剖面与叠前vp/vs反演最小振幅平面属性对比

a— Nm2“ 含烃” 亮点剖面最小振幅属性; b— Nm2叠前反演v_p/v_s最小振幅属性; c— Nm3“ 含烃” 亮点剖面最小振幅属性; d— Nm3叠前反演v_p/v_s最小振幅属性; e— Nm4“ 含烃” 亮点剖面最小振幅属性; f— Nm4叠前反演v_p/v_s最小振幅属性

将79个砂体分为含油气砂和含水砂两大类。与已钻井对比表明, 含烃亮点属性对水砂的预测吻合率达到96%, 对含油气砂体预测吻合率为79%; 叠前v_p/v_s属性对水砂的预测吻合率为63%, 对含油气砂体预测吻合率为71%。统计结果说明, 含烃亮点属性不仅提高了对含油气层的识别率, 同时对含水层进行了有效的压制。

从烃类预测方法上看, 叠前同时反演是在道集上进行, 需要的数据量远远大于叠后目标处理; 含烃亮点属性直接来自地震资料目标处理, 仅与地震资料相关, 叠前同时反演方法则受测井数据质量和数量的制约。从计算时间上看, 同样工区面积大小, 叠前同时反演所需时间约是叠后目标处理的10倍, 远远高于含烃亮点剖面的目标处理方法。

1) 地震资料中均表现为“ 亮点” 特征的含油气层和水层, 频率分布特征存在差异。含油气层的低频成分能量相对水层有所增强。

2) 针对工区含油气层、水层的典型特征, 采用频率域滤波与时间域加权的处理方法, 得到含烃亮点属性剖面。在去除伪亮点的同时, 提高了真亮点的识别准确率。

3) 含烃亮点属性提高含油气砂体预测准确率的同时, 降低了计算成本, 提高了计算效率。