川东南地区凉高山组致密砂岩岩石物理建模

doi:10.11720/wtyht.2025.1356

川东南地区凉高山组致密砂岩岩石物理建模

张郑玉成^,, 苏建龙

中国石化勘探分公司,四川成都 610041

Petrophysical modeling of tight sandstones of the Lianggaoshan Formation,Southeast Sichuan

ZHANG Zheng-Yu-Cheng^,, SU Jian-Long

Exploration Company,SINOPEC,Chengdu 610041,China

第一作者: 张郑玉成(1996-),男,硕士研究生,2022年毕业于中国石油大学(北京),主要从事岩石物理建模和储层预测方面的理论、方法与应用研究工作。Email:1170342450@qq.com

责任编辑: 叶佩

收稿日期: 2024-09-9 修回日期: 2025-01-13

基金资助:

中国石化股份项目“四川盆地及周缘资源评价”(P23221)

Received: 2024-09-9 Revised: 2025-01-13

摘要

近年来四川盆地勘探开发实践表明,侏罗系陆相致密砂岩已经取得了重大突破,但是由于致密砂岩低孔低渗的特征,常规的叠后反演分辨率不足,并不能满足实际勘探储层预测精度的需求,因此需要利用叠前反演来进行致密砂岩的精细刻画,而在叠前反演中横波速度信息至关重要。本文以近年来川东南陆相探井为基础,研究了一套针对于川东南致密砂岩的岩石物理建模技术:充分考虑致密砂岩渗透率低以及孔隙中流体不均匀混合的特性,优选Domenico模型计算孔隙流体模量;考虑到实际地下情况,流体模量和密度必然是变化的,前人在岩石物理建模过程中大多用的是定值,本文则是与深度相关的值;川东南地区致密砂岩孔隙度一般都小于10%,利用Nur模型、Krief模型计算出来误差较大,本文优选Lee-Pride模型进行骨架模量的计算,通过引入固结参数α的值来控制岩石基质和骨架之间的关系。将建立好的致密砂岩岩石物理模型应用于实际工区,从应用效果来看与实钻井吻合度高,通过统计测井数据,优选敏感参数泊松比开展叠前高精度反演,可以对河道砂岩内幕进行精细刻画及预测。

关键词： 致密砂岩; 岩石物理建模; 孔隙流体模量; 横波预测; 叠前反演

Abstract

The exploration and exploitation practices in the Sichuan Basin in recent years indicate that breakthroughs have been achieved in the Jurassic continental tight sandstones.Nevertheless,due to the low porosity and permeability of tight sandstone,conventional post-stack inversion frequently exhibits limited resolution,failing to meet the accuracy requirements for the prediction of actual exploration reservoirs.This necessitates pre-stack inversion for detailed characterization of tight sandstones,while S-wave velocity is crucial to pre-stack inversion.Based on continental exploration wells drilled in the southeastern Sichuan Basin in recent years,this study developed a petrophysical modeling technique for dense sandstones in this region.Specifically,given the low permeability of tight sandstones and the uneven mixing of fluids in the pore space,the Domenico model was preferentially employed to calculate the pore fluid modulus.Although fluid modulus and density are inevitably variable under the actual subsurface conditions,previous studies typically use constant values to conduct petrophysical modeling for tight sandstones.In this study,depth-dependent values were applied.Tight sandstones in the southeastern Sichuan Basin generally exhibit a porosity of less than 10%.Therefore,calculations using the Nur and the Krief models will yield high errors.Given this,this study preferred using the Lee-Pride model to calculate the skeleton modulus and controlled the relationship between the rock matrix and the skeleton by introducing the value of the cementation parameter.The application of the established petrophysical model of tight sandstone to an actual survey area indicates high agreement with data from actual wells.Additionally,based on log statistics,Poisson's ratio,the most sensitive parameter is used for high-precision pre-stack inversion in the proposed technique,enabling detailed characterization and prediction of the internal structure of channel sandstones.

Keywords： tight sandstone; petrophysical modeling; pore fluid modulus; S-wave prediction; pre-stack inversion

PDF (3907KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

张郑玉成, 苏建龙. 川东南地区凉高山组致密砂岩岩石物理建模[J]. 物探与化探, 2025, 49(2): 288-298 doi:10.11720/wtyht.2025.1356

ZHANG Zheng-Yu-Cheng, SU Jian-Long. Petrophysical modeling of tight sandstones of the Lianggaoshan Formation,Southeast Sichuan[J]. Geophysical and Geochemical Exploration, 2025, 49(2): 288-298 doi:10.11720/wtyht.2025.1356

0 引言

横波速度在流体识别、叠前反演、AVO分析和储层预测中是不可或缺的一个重要参数,但是在实际生产过程中,受限于生产成本以及技术条件的原因,许多井中往往缺乏横波速度信息,尤其是在老井中,在这种情况下,如何对横波速度进行高精度的预测就成了地球物理中重要研究内容之一。

近些年来,致密砂岩油气藏的勘探前景广阔,但是致密砂岩岩石物理建模存在孔隙度低、渗透率低、孔隙结构复杂、孔隙流体非均质性强以及渗流机制不明等问题,研究人员针对致密砂岩存在的这些问题开展了大量的研究工作,Ruiz等^[1]将致密砂岩的孔隙空间等效为软孔和硬孔的组合,建立了适用于致密砂岩储层中含气的双孔隙岩石物理模型,Avseth等^[2]将胶结模型和包裹体模型结合进行致密砂岩孔隙度结构的建模,未晛等^[3]通过改进的随机斑状饱和模型来表征孔隙流体的非均质性。

目前,横波速度预测的主要方法有经验公式法、神经网络法以及岩石物理模型法^[4]。经验公式法主要是基于研究工区的岩心测量实验数据和测井数据,拟合横波速度和对横波速度敏感的其他弹性参数之间的线性或者非线性关系式,Castagna等^[5]、Han等^[6]、Greenberg等^[7]通过此方法利用拟合的关系式来对横波速度进行预测。神经网络法是利用大量的测井数据和实验数据对神经网络进行训练,可以得到横波速度和其它参数之间的非线性关系,Rajabi等^[8]、王晓光^[9]、Zhang等^[10]利用此关系来对横波速度进行预测。岩石物理模型法是基于岩石的组成成分和结构,构建岩石弹性参数和岩石微观特征对其进行等效建模计算的方法,Xu等^[11-12]、Lee等^[13]、张广智等^[14]利用此方法进行横波速度的预测。对比3种不同的横波预测方法,经验公式法和神经网络法都非常依赖于大量的测井数据或者岩心实验数据,都属于数据驱动的预测方法,预测结果代表了输入数据样本的规律,并没有明确的物理意义,预测结果通常都具有区域性,如果输入数据样本的数量较少或者数据质量不好,则预测结果并不可信,可推广性比较差。岩石物理建模法则是基于弹性波传播理论,根据岩石的组成成分和微观结构,基于一定的假设对岩石进行建模,基于建立的岩石物理模型对横波速度进行预测,具有明确的物理意义和推导过程,可推广性好,因此基于岩石物理模型的横波预测法已经成为了主流的横波预测方法^[15]。

本文以四川盆地FL地区为例探讨岩石物理建模技术在横波预测以及后续叠前反演中的应用。首先,基于川东南地区致密砂岩特性分析,优选适用于低孔、低渗致密砂岩的岩石物理模型,并进行致密砂岩岩石物理建模;其次,将建立的致密砂岩岩石物理模型应用于实际工区,进行横波速度预测,预测误差为3.36%,此精度可以很好地应用于实际;最后,通过测井数据统计,优选对致密砂岩敏感的泊松比参数,对川东南FL地区进行高精度叠前反演,通过预测的泊松比数据体对河道砂岩内幕进行精细刻画及预测。

1 岩石物理建模流程方法

本章主要讲述了岩石物理建模的主要流程,出于对川东南致密砂岩低孔低渗、孔隙流体不均匀混合等问题的考虑,有针对性地选择合适的岩石物理模型进行建模,HS模型相比于VRH模型计算得到的上下限更加收敛,与实际测量数据更加吻合,王斌等^[16]的岩石物理实验也证明了这一观点,因此本文优选HS模型进行岩石基质模量的计算。针对致密砂岩低渗透率以及孔隙流体不均匀混合的问题,优选Domenico模型进行孔隙混合流体模量的计算,其中本文中流体模量不同于其他岩石物理建模流程中选用的固定值,而是利用经验公式计算出来与深度有关的值,这样更加符合地下实际情况。针对致密砂岩低孔隙度的特征,本文优选Lee-Pride模型进行岩石骨架模量的计算,Lee-Pride模型可以通过调节固结参数α的值来描述岩石骨架和岩石基质之间的关系,并且在岩石物理实验测量结果中也表明,Krief模型和Nur模型并不能准确描述孔隙度小于15%的岩石骨架与岩石基质之间的关系,通过张佳佳等^[17]的实验数据可以佐证这个结论,由于本研究工区的致密砂岩孔隙度均小于15%,因此优选Lee-Pride模型进行岩石骨架模量的计算。

1.1 岩石基质模量

在已知岩石基质组成矿物的弹性模量和体积分数的条件下,可以估算出岩石基质等效弹性模量,常用的公式有VRH公式和Hashin-Shtrikman公式^[18],针对致密砂岩而言,HS公式计算出来的上下限比VRH计算出来的上下限更加收敛,与实际数据更加吻合。HS公式如下:

(1)

\begin{array}{l} K^{H S \pm} = K_{1} + \frac{f_{2}}{(K_{2} - K_{1})^{- 1} + f_{1} (K_{1} + 4 μ_{1} {/ 3)}^{- 1}} \\ μ^{H S \pm} = μ_{1} + \\ \frac{f_{2}}{(μ_{2} - μ_{1})^{- 1} + 2 f_{1} (K_{1} + 2 μ_{1}) / [5 μ_{1} (K_{1} + 4 μ_{1} / 3)]} \end{array}

式中:K^HS±和μ^HS±分别为岩石基质等效体积模量和剪切模量的上下限,下标1和2代表不同的两种矿物成分, K、μ、f分别代表矿物成分的体积模量、剪切模量和体积分数。

按照Hill取算数平均的思想^[19],对HS公式的上下限取平均计算岩石基质等效弹性模量,公式如下:

(2)

\{\begin{array}{l} K_{0} = \frac{K^{H S +} + K^{H S -}}{2}, \\ μ_{0} = \frac{μ^{H S +} + μ^{H S -}}{2} 。 \end{array}

式中:K₀和μ₀代表岩石基质等效体积模量和剪切模量,K^HS+和μ^HS+为式(1)计算得到的上限,K^HS-和μ^HS-为式(1)计算得到的下限。

1.2 致密砂岩孔隙流体模量

在高孔高渗、受力均匀的常规储层中,孔隙中的流体是均匀混合的,一般选用Wood模型进行孔隙流体模量的计算,但是在四川盆地致密砂岩研究工区,由于孔隙度一般都小于10%,渗透率一般都小于0.1 mD,孔隙度和渗透率均比较小,导致孔隙中的流体往往并不是均匀混合,经常会存在部分饱和的情况,此时使用Wood公式计算混合流体体积模量得到的值会偏小,Domenico^[20]提出了一种在孔隙度较小、连通性较差的孔隙空间中混合流体体积模量的计算公式,贾凌云等^[21]进行的致密砂岩岩石物理实验测量也证明了这个观点,因此本文优选Domenico公式计算致密砂岩孔隙流体模量,公式如下:

(3)

K_{f} = S_{w} K_{w} + (1 - S_{w}) K_{g}

式中:K_f为混合流体等效体积模量,K_w和K_g分别为岩石孔隙中水和气的体积模量,S_w为岩石孔隙的含水饱和度。

Wood等^[22]给出混合流体等效密度的计算公式如下:

(4)

ρ_{f} = S_{w} ρ_{w} + (1 - S_{w}) ρ_{g}

式中:ρ_f为混合流体等效密度,ρ_w和ρ_g是岩石孔隙中水和气的密度,S_w为岩石孔隙的含水饱和度。

在常规的岩石物理建模流程中,水、气的体积模量和密度一般给的都是定值,但是在实际地下情况中,随着埋深的增加,水、气的体积模量和密度必定是随着深度和压力变化的,因此在本文岩石物理建模流程中孔隙中水和气的体积模量和密度均通过刘雯林^[23]总结的关系式给出,关系式如下:

(5)

\{\begin{array}{l} K_{w} = 2.02 + 0.304 H - 0.0572 H^{2}, \\ K_{g} = 0.00014 + 0.00946 H + 0.00145 H^{2}, \\ ρ_{w} = 1.102 - 0.0082 H + 0.00067 H^{2}, \\ ρ_{g} = 0.016 + 0.05 H - 0.00135 H^{2} 。 \end{array}

式中:H为深度,单位是km。

1.3 岩石骨架等效弹性模量

计算岩石骨架模量已有许多针对不同情况的等效模型,比如说Krief模型、Nur模型和Pride模型等^[24⇓-26],针对本文研究的川东南致密砂岩低孔隙度的特征,Krief模型、Nur模型在计算孔隙度小于15%的岩石时误差均比较大,适用于孔隙度比较高的岩石,而本文研究工区中的致密砂岩的孔隙度一般都小于15%,因此Krief模型和Nur模型均不适用于计算本工区的岩石骨架模量。Pride在岩石基质中加入了孔隙影响的同时引入了固结系数的概念,这个固结系数α取决于岩石的等效压力和岩石固结程度,通过固结参数的大小来更加准确地控制岩石基质和岩石骨架的关系,Lee在Pride模型基础上进一步进行修正,得到Lee-Pride模型,针对四川盆地致密砂岩此模型计算出来的值相比于Krief模型、Nur模型更加准确,张佳佳等^[27]文章中的测试结果也佐证了这一结论,因此本文采用Lee-Pride模型进行岩石骨架等效模量的计算,公式如下:

(6)

\{\begin{array}{l} K_{d r y} = \frac{K_{0} (1 - φ)}{(1 + α φ)}, \\ μ_{d r y} = \frac{μ_{0} (1 - φ)}{(1 + γ α φ)}, \end{array}

(7)$\gamma=\frac{1+2 \alpha}{1+\alpha}$

式中: K_dry和μ_dry分别为岩石骨架等效体积模量和剪切模量,K₀和μ₀分别为岩石基质等效体积模量和剪切模量,φ为孔隙度,α为固结参数,表示岩石的固结程度,这个参数与岩石孔隙形状和压力均有关,对于砂岩来说,一般取2~20。

1.4 岩石物理建模流程和示意

针对致密砂岩低孔低渗的特性,优选上述模型对川东南致密砂岩进行岩石物理建模,计算得到岩石骨架等效弹性模量,再利用Gassmann模型计算得到饱和流体岩石等效模量,最终得到饱和流体岩石的纵波速度和横波速度。整个岩石物理建模流程如图1所示,岩石物理建模示意如图2所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 岩石物理建模流程

Fig.1 Flowchart for petrophysical modeling

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 岩石物理建模示意

Fig.2 Schematic of petrophysical modeling

2 岩石物理模型测试分析

采用图1所示流程进行岩石物理建模,定量分析在建模过程中泥质含量、孔隙度、含水饱和度以及固结参数α对饱和流体岩石纵波速度和横波速度的影响,为之后构建川东南致密砂岩岩石物理模型提供相应的指导。在模型测试过程中,石英、黏土和孔隙流体的体积模量、剪切模量和密度取自于巴晶文章中的参数,这些参数是根据四川盆地工区内的测井资料和岩石物理实验得到的,具体数值见表1。

表1 石英、黏土和流体的体积模量、剪切模量和密度

Table 1 Bulk modulus, shear modulus and density of quartz, clay and fluids

类型	体积模量/GPa	剪切模量/GPa	密度/(g·cm^-3)
石英	52	31	2.72
黏土	23	7	2.54
气	0.001 5	0	0.002
水	2.2	0	1.1

新窗口打开| 下载CSV

对本工区内目的层测井数据进行统计,可以得到测井数据中的孔隙度、含水饱和度和泥质含量的最大值、最小值和平均值,具体数值如表2。

表2 测井数据中孔隙度、含水饱和度和泥质含量的最大值、最小值和平均值

Table 2 Maximum, minimum and average values of porosity, water saturation and mud content in logging data

参数	最小值	最大值	平均值
孔隙度/%	2.00	12.57	4.24
含水饱和度/%	3.21	100	52.10
泥质含量/%	1.06	62.19	21.90

新窗口打开| 下载CSV

针对砂岩Lee-Pride模型中的固结参数α的取值一般为2~20,不考虑极端情况,本文在模型测试过程中固结参数α的取值为6、10、14和18。

2.1 泥质含量模拟分析

根据前面通过测井数据统计出来的数据,给定孔隙度为4%,含水饱和度为52%,泥质含量从1%~60%,固结参数α取值为6、10、14、18进行模型测试,将给定的参数代入到上述建立的岩石物理模型中,得到不同参数下的纵波速度和横波速度(图3)。从图3中可以看出,纵波速度和横波速度均随着泥质含量和固结参数α的增加而减小。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 纵波速度(a)和横波速度(b)随泥质含量和固结参数α的变化

Fig.3 Variation of longitudinal(a) and transverse(b) wave velocity with mud content and consolidation parameter α

2.2 孔隙度模拟分析

根据前面通过测井数据统计出来的数据,给定泥质含量为22%,含水饱和度为52%,孔隙度从2%~13%,固结参数α取值为6、10、14、18进行模型测试,将给定的参数代入到上述建立的岩石物理模型中,得到不同参数下的纵波速度和横波速度(图4)。从图4中可以看出,纵波速度随着孔隙度的增加而减小,在孔隙度增加的过程中,纵波速度先减小的很快,随后趋于平缓;而横波速度随着孔隙度的增加而略微增加,呈现出线性变化的特征。随着固结参数α的增加,纵横波速度均呈现减小的趋势。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 纵波速度(a)和横波速度(b)随孔隙度和固结参数α的变化

Fig.4 Variation of longitudinal(a) and transverse(b) wave velocity with porosity and consolidation parameter α

2.3 含水饱和度模拟分析

根据前面通过测井数据统计出来的数据,给定孔隙度为4%,泥质含量为22%,含水饱和度从3%~100%,固结参数α取值为6、10、14、18进行模型测试,将给定的参数代入到上述建立的岩石物理模型中,得到不同参数下的纵波速度和横波速度(图5)。从图5中可以看出,纵波速度随着含水饱和度的增加而增加,在含水饱和度增加的过程中,纵波速度先增加的较快,随后趋于平缓;而横波速度随着含水饱和度的增加而减小,呈现出线性变化的趋势,随着固结参数α的增加,纵、横波速度均呈现减小的趋势。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 纵波速度(a)和横波速度(b)随含水饱和度和固结参数α的变化

Fig.5 Variation of longitudinal(a) and transverse(b) wave velocity with water saturation and consolidation parameter α

3 实例测试

将本文建立的岩石物理模型应用于四川盆地川东南地区A井进行实际数据测试,A井构造位置位于四川盆地川东弧形高陡褶皱带万县复向斜拔山寺向斜中部,以中侏罗统凉高山组二段砂岩油气层段为主要目的层。取A井目的层及上部的围岩进行实际数据测试,深度为2 750~2 850 m,需要的测井数据为纵波速度v_p、孔隙度φ、含水饱和度S_w、泥质含量S_h和密度ρ,各测井数据见图6。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 岩石物理建模过程中需要A井中的测井数据

Fig.6 Logging data from well A is required for the petrophysical modeling process

在对实际数据进行岩石物理建模过程中,岩石孔隙中的水和气的体积模量和密度是利用式(5)计算得到的,不同于模型测试过程中是通过测井数据和岩石物理实验得到的常值数据,岩石孔隙中的水和气的体积模量和密度如图7所示,从图中可以看出,孔隙中的水的体积模量K_w和密度ρ_w随着深度的增加而减小,孔隙中的气的体积模量K_g和密度ρ_g随着深度的增加而增加。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 岩石物理建模过程中孔隙中水和气的体积模量和密度

Fig.7 Bulk modulus and density of water and gas in pores during petrophysical modeling

利用A井中的实际测井数据进行岩石物理建模,得到的纵波速度的实测结果和预测结果、横波速度的实测结果和预测结果以及横波速度实测结果和预测结果的相对误差(图8)。结合图6和图8进行分析,将模型的横波预测结果规律和应用于实际井的横波预测结果规律进行对比、取实际曲线中孔隙度和含水饱和度大小接近的点进行对比,可以发现横波速度随着泥质含量的增加而减小,和章节2.1模型测试的结果规律一致;取实际曲线中泥质含量和含水饱和度大小接近的点进行对比,可以发现横波速度随着孔隙度的增加而略微增加,和章节2.2模型测试的结果规律一致;取实际曲线中泥质含量和孔隙度大小接近的点进行对比,可以发现横波速度随着含水饱和度的增加而略微减小,和章节2.3模型测试的结果规律一致;因此可以看出实例测试横波预测结果和模型测试横波预测结果规律一致,交互验证了建立的岩石物理模型的有效性。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 A井纵横波实测结果和预测结果以及横波实测结果和预测结果的相对误差

Fig.8 Relative error between measured and predicted longitudinal and transverse wave results and between measured and predicted transverse wave results for well A

对图8实例测试的纵、横波预测结果进行分析,由于是通过拟合预测的纵波速度和实测的纵波速度来得到固结参数α,所以预测的纵波速度和实测的纵波速度对应性很好。预测的横波速度和实测的横波速度吻合的也较好,趋势一致,相对误差绝对值的平均值为3.36%,表明利用此岩石物理模型预测的横波速度是有效的,建立的岩石物理模型可以应用于实际中,可以为后续岩石物理量版的建立、叠前反演以及AVO分析提供一定的指导意义。

4 实际应用

通过实例测试中四川盆地的A井可以验证本文建立的川东南致密砂岩岩石物理模型的有效性,将此方法应用到四川盆地川东南另一口B井,B井中没有实测的横波速度,在岩石物理建模的过程中需要B井中的测井数据(图9)。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 岩石物理建模过程中需要B井中的测井数据

Fig.9 The petrophysical modeling process requires the number of logs in well B

利用B井中已有的测井数据以及建立的岩石物理模型对B井的横波速度进行预测,B井实际的纵波速度、预测的纵波速度和预测的横波速度如图10所示。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 B井纵波速度的实测结果和预测结果以及横波速度的预测结果

Fig.10 Measured and predicted longitudinal wave velocities and predicted transverse wave velocities in well B

对测井数据齐全的A井进行交会图分析,x轴为纵波阻抗,y轴为泊松比,色标代表伽马的值,交会图如图11所示。从图11中可以看出:泊松比和伽马的对应性比纵波阻抗和伽马的对应性要好,泊松比值的高低对应伽马值的高低,因此通过泊松比值可以很好地区分岩性,而纵波阻抗的值并不能很好地区分岩性。因此在本工区,叠后反演并不能满足实际储层预测的需求,所以需要对此工区进行叠前反演,通过叠前反演得到的结果转换求得泊松比的结果,利用泊松比结果进行储层预测。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 A井泊松比和纵波阻抗交会

Fig.11 Poisson’s ratio and longitudinal wave impedance rendezvous plot for well A

通过上面的分析对此工区进行叠前反演,第一次只使用A井进行反演,第二次同时使用A井和通过岩石物理建模进行横波预测的B井进行反演,并将反演得到的数据体转换成泊松比数据体,两次泊松比的对比结果如图12所示,其中图12a是只使用A井得到的泊松比结果,图12b是同时使用A井和B井得到的泊松比对比。对比图12a、b可以看出,只使用A井进行反演得到的结果并不能完全刻画本工区河道砂的位置以及边界,在B井所在区域周边的砂体在反演的过程中由于没有B井的控制导致边界不清晰,连续性差,而同时使用A井和B井进行反演得到的结果可以清楚地刻画本工区河道砂的边界,在B井所在区域周边的砂体在反演的过程中由于受到B井的控制导致边界清晰、连续性好,且砂体分布平面图对应性好。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 使用A井(a)和同时使用A、B井(b)得到的泊松比反演对比

Fig.12 Comparison of Poisson’s ratio inversions obtained using well A(a) and also using well A and B(b)

提取B井点处两次反演结果曲线和测井的泊松比曲线进行对比(图13)。从图13中可以看出,利用两口井的泊松比反演结果明显好于利用一口井的泊松比反演结果,和原始测井曲线的趋势一致,误差更小,这说明建立的岩石物理模型的有效性和必要性。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 原始泊松比测井曲线和两次泊松比反演结果曲线对比

Fig.13 Comparison chart of original Poisson’s ratio logging curve and two Poisson’s ratio inversion result curves

5 结论

本文以川东南凉高山组致密砂岩为研究对象,基于凉高山组致密砂岩低孔低渗等特性进行岩石物理建模,并将其应用于实际工区,通过对结果分析得出以下几点结论:

1)基于致密砂岩低孔低渗的特征优选Domenico模型、Lee-Pride模型进行建模,孔隙流体模量和密度给定的是与深度有关变化的值,更加符合实际地下情况,以此为基础建立了一个适用于川东南凉高山组致密砂岩的岩石物理模型;

2)将建立的致密砂岩岩石物理模型应用于四川盆地陆相致密砂岩某口气井进行横波预测,实例井的横波预测结果规律和测试模型的横波预测结果规律一致,并且实例井实测横波和预测横波之间的误差为3.36%,这共同验证了本文建立的致密砂岩岩石物理模型的准确性以及有效性;

3)利用建立的致密砂岩岩石物理模型对此工区内的井进行横波预测,随后进行高精度叠前反演,对比两次反演剖面结果以及井上和两次反演的泊松比曲线结果,验证了建立致密砂岩岩石物理模型的有效性和必要性。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Ruiz

, Cheng

A rock physics model for tight gas sand

[J]. Leading Edge, 2010, 29(12):1484-1489.