天然气饱和度预测方法研究及应用

杨东升李绪宣曹思远

（1．中海油研究总院； 2．中国石油大学（北京）CNPC物探重点实验室）

天然气饱和度预测方法研究及应用

杨东升1李绪宣1曹思远2

（1．中海油研究总院； 2．中国石油大学（北京）CNPC物探重点实验室）

基于对AVO技术研究现状的深入调研，重点研究了基于叠前地震资料预测天然气饱和度的线性岩石属性变换的NI反演方法，探讨了如何对反演结果进行敏感性分析来正确预测有商业开采价值的天然气储层。实际应用结果表明，本文提出的天然气饱和度预测方法可行有效。

天然气饱和度；AVO技术；岩石属性变换；NI反演

1 问题的提出

近几年利用地震振幅来预测油气储层信息而进行的各种AVO分析技术研究，都有助于提高油气地震勘探技术的应用［1-4］。然而，低饱含气储层（Fizz）和饱含气储层（Gas）具有非常相似的地震响应特征［5］，储层的不确定性和围岩属性的变化增加了商业气藏的勘探难度，简单依靠先前的AVO技术打出了许多干井。当孔隙空间的天然气百分含量≤25%时，称该储层为低饱含气储层［6］；当孔隙空间的天然气百分含量＞25%时，称该储层为饱含气储层。通常状况下，储层含少量的天然气能够使纵波速度急剧降低，并且随着天然气饱和度的增加，原始速度并不会发生显著改变，这就使得对孔隙流体的预测变得更加困难。图1为模拟获得的饱含气储层和低饱含气储层的AVO响应特征，可以看出2类储层具有非常相似的AVO响应，表明传统的AVO分析并不能有效识别饱含气储层和低饱含气储层。因此，很难利用AVO技术预测有商业开采价值的天然气储层［6］。

图1 低饱含气储层和饱含气储层的AVO响应特征

研究表明，利用多种AVO反演（分别以Aki＆Richard近似公式、Shuey近似公式和Fatti近似公式为基础的参数反演）技术组合也不能区分低饱含气储层和饱含气储层［7］。近几年，随着国内外油气勘探新技术的发展，很多学者在这方面进行了很多有意义的研究工作。例如，金龙等［8］提出了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；李勇根等［9］根据地震地质模型的褶积结果，讨论了地层厚度、孔隙度、流体饱和度变化引起地震响应的一般性规律以减少预测结果的多解性；陈克勇等［10］针对致密砂岩含气性的识别，提出了定性与定量相结合、测井与试井相印证的方法；李景叶［11］定量分析了储层孔隙度变化对流体识别因子的影响；李云省等［12］利用川西某气田实际测井资料，研究了利用几种常用气层识别方法对致密砂岩气层的识别效果；汪勇等［13］利用四川盆地某工区珍珠冲段致密砂岩储层建立的地震地质模型，研究了孔隙度、含气饱和度与含气特征的关系，为气层的半定量、定量识别和储层预测提供了依据。Hilterman等［14］建立了岩石属性趋势和AVO的关联方程，并在GOM区块的深水储层预测中取得了较好的应用效果。笔者基于对AVO技术研究现状的深入调研，利用MG地区A井X段储层建立了一系列正演模型，并通过稳定性分析探寻含气饱和度敏感参数，最终利用2个岩石属性变换来提高储层含气饱和度的预测精度，并探讨了如何对反演的属性结果进行敏感性分析来正确预测饱含气储层。

2 岩石属性变换分析

利用MG地区A井X段下倾部位含水（Wet）、上部含气的储层参数建立了正演模型，其中饱含气储层的含水饱和度（犛w）为0.3，孔隙度（φ）为27%，低饱含气储层的含水饱和度（犛w）为0.9，孔隙度（φ）为30%。如图2所示，通过模型对比饱含气储层和低饱含气储层的AVO合成记录，CMP道集的合成记录非常相似，其差异在实际地震数据中很难识别；然而，下倾部位2个含水模型的合成记录却完全不同，这就为我们提供了一种辨别思路，即利用下倾部位不同含水饱和度地层的AVO响应的差异性来协助识别低饱含气储层和饱含气储层。

图2 不同含水饱和度、孔隙度条件下饱含气储层与低饱含气储层及下倾部位不同含水饱和度地层的AVO合成记录

分别使用从区域趋势中得到的标准偏差值来获取模型A在不同偏差下含水、饱含气和低饱含气砂岩各类AVO的响应（图3～5）。这8类偏差模型分别是：①将泥岩的密度和速度增加1个标准偏差值；②将泥岩的密度和速度减少1个标准偏差值；③将砂岩的密度和速度增加1个标准偏差值；④将砂岩的密度和速度减少1个标准偏差值；⑤同时将砂岩和泥岩的密度和速度增加1个标准偏差值；⑥同时将砂岩和泥岩的密度和速度减少1个标准偏差值；⑦将砂岩属性增加0.5个偏差值并将泥岩属性减小0.5个偏差值；⑧将泥岩属性增加0.5个偏差值并将砂岩属性减小0.5个偏差值。

图3 原始模型（模型A）的AVO响应及合成记录

图4 泥岩的密度和速度增加1个标准偏差值（模型一）的AVO响应及合成记录

图5 泥岩密度和速度减少1个标准偏差值（模型二）的AVO响应及合成记录

对比这8类偏差模型的AVO响应特征可知：较小的岩石属性变化能够引起AVO响应较明显的变化。然而，AVO响应的变化又显示在含气层和含水层中。图6为原始模型和8类偏差模型NI属性的稳定性分析，其中NIhy－NIwet对岩石属性的变化不是很敏感。当时，该储层为饱含气储层。因此，如果能够从地震中反演出流体的NI属性参数，就能够通过有效的模型分析来预测出饱含气储层。

图6 原始模型及8类偏差模型的稳定性分析

依据8类偏差模型所得的不同流体法向入射时反射系数的NI值绘制了含油气和含水的NI线性关系图（图7），并且通过拟合关系式来获取模拟“区域约束方程”。孔隙流体变换是利用含水层的NI来约束含油气的NI值，而岩性变换是利用各流体的法向入射反射系数来求取出30°角入射时的反射系数RC（30°）值，因此通过这2个变换可以找出一种有效的方法从地震中反演出流体的NI参数，从而得到NIhy－NIwet属性值来有效识别饱含气储层。

同理，可绘制不同流体30°角入射时的反射系数和法向入射时的反射系数的线性关系图（图8），其线性相关式的系数见表1。

图7 不同流体的NIhy与NIwet的线性孔隙流体变换

图8 不同流体的RC（30°）与NI的线性岩性变换

表1 RC（30°）＝L1×NI＋L2的系数

如果以上2个岩石属性变换结果可用的话，从地震中预测薄互层含气饱和度的可行性将大大提高。第一个变换是含水砂层的法向入射的反射系数NIwet和含烃类法向入射的反射系数NIhy的线性相关的变换。另一个变换是各流体类型下法向入射反射系数NI和30°角入射时的反射系数RC（30°）的线性相关变换［15］。这些变换是从MG地区的岩石属性趋势得到的，所以根据该区的这2个变换、AVO道集和低倾部位含水储层的道集，可以用统计性测试来区分饱含气储层和低饱含气储层［16］。

3 含水饱和度地震反演方法

Lin等［17］将薄层振幅近似定义为

式（1）中：k是常数；b是岩床厚度，m；θ是入射角，（°）；A（θ）是薄层地震振幅；RC（θ）是上层边界的反射系数；v是薄层的层速度m·s－1；T是子波周期，s。对某一地区同一地震测网来说，k和T被视为常数值。

由图8所示的岩性变换，远偏移反射系数可以被表述为

即

式（2）、（3）中：L1、L2分别为不同流体岩性变换线性相关式系数。

首先用式（1）给定的地震振幅（θ设置为30°入射）减去0°地震振幅的L1倍，并将式（3）代入，然后合并可得

A（0°）和A（30°）是从实际CDP道集中表征地震振幅的项，不同的流体饱和度有不同的L1、L2值。因此，用从低倾含水的CDP道集及表1中“Wet”的系数获得的远近道振幅能够估算出NIwet。含烃饱和储层的NI值可以从远景区的CDP道集和表1中的“Gas”或“Fizz”的系数来求得NIgas或NIfizz，也可以通过孔隙流体变换的约束方程通过NIwet来求取NIgas或NIfizz。

笔者将线性岩石属性变换的含水饱和度NI反演称为线性变换NI反演。

4 敏感度分析

利用式（4）的线性变换NI反演来求取各流体模型的NIwet、NIgas和NIfizz值；然后分别计算无约束情况下和孔隙流体变换约束下的ΔNIfizz＝NIwet－NIfizz和ΔNIgas＝NIwet－NIgas。如果ΔNI≥0.05，则为饱含气储层；如果ΔNI＜0.05，则为低饱含气储层。从图9中分析得知，孔隙流体变换约束下的反演结果更接近理论值，依据ΔNI能有效识别出低饱含气储层和饱含气储层：低饱含气储层的ΔNI值总是在0.03～0.05之间，饱含气储层的ΔNI值总是在0.05～0.08之间。因此，可以利用孔隙流体变换约束下的含水饱和度地震反演来识别低饱含气储层和饱含气储层。

图9 线性变换NI反演的精度分析

5 实际资料的含水饱和度反演

对于远景区流体饱和度的评估，应用式（4）的线性变换反演来计算NIwet。图10中，根据Dr．Caosy提供的数据集反演出了不同流体的NI值，但很难通过反演出的NI值来区分流体。图11绘制了某一目标区整个深度范围的NIhy－NIwet，尽管有一定的重叠，但在深度趋势上仍然能够清楚地区分开两组，这表明采用NIhy－NIwet属性预测天然气饱和度是比较有效的。

图10 根据Dr．Caosy提供的数据集反演出的某一目标区不同流体NI值随深度的变化趋势

图11 与图10同目标区反演出的整个深度范围内的NIhy－NIwet

6 结论

1）低饱含气储层和饱含气储层具有相似的AVO特征，可以利用下倾部位不同含水饱和度地层的AVO响应的差异性来协助识别低饱含气储层和饱含气储层。

2）岩石属性变换NI反演提供了一个从近、远角叠加振幅提取NI的方法，同时提供了一种从地震数据中估算流体饱和度的方法。通过对是否利用孔隙流体变换约束所做的对比分析，证明孔隙流体变换约束下的线性岩石属性变换NI反演能够估算出更可靠的ΔNI值，提高了该方法的识别效果。实际资料的应用结果表明，ΔNI属性对低饱含气储层和饱含气储层的识别是可行有效的。

［1］ 付琛，任科英，王兴芝，等．根据纵横波速度联合分布特征识别地层含气性的新方法［J］．中国海上油气，2013，25（1）：28-32．

［2］ 崔炯成．高压地层条件下AVO异常陷阱研究［J］．中国海上油气，2012，24（3）：21-24．

［3］ 张卫卫，颜承志，庞雄，等．珠江口盆地白云深水区储层AVO异常特征分析［J］．中国海上油气，2012，24（3）：25-29．

［4］ 徐萍，李景叶，黄饶．薄互层油气藏AVO特征模拟分析［J］．中国海上油气，2010，22（2）：91-94．

［5］ HAN D，BAz TLE M．Fizz water and low gas-saturated reservoirs［J］．The Leading Edge，2002，21：395．

［6］ HAN D．Seismic evaluation of hydrocarbon saturation［J］．University of Houston，2009，20（3）：313-317．

［7］ 张世鑫，印兴耀，孔国英，等．基于岩石物理模型的最优化AVO三参数同步反演方法［J］．中国海上油气，2010，22（5）：300-304．

［8］ 金龙，陈小宏，姜香云．利用地震资料定量反演孔隙度和饱和度的新方法［J］．石油学报，2006，27（4）：63-66．

［9］ 李勇根，徐胜峰．地震岩石物理和正演模拟技术在致密砂岩储层预测中的应用研究［J］．石油天然气学报，2008，30（6）：61-65．

［10］ 陈克勇，张哨楠，丁晓琪，等．致密砂岩储层的含气性评价［J］．石油天然气学报，2006，28（4）：65-68．

［11］ 李景叶，陈小宏．基于地震资料的储层流体识别［J］．石油学报，2008，29（2）：235-238．

［12］ 李云省，曾渊奇，田建波，等．致密砂岩气层识别方法研究［J］．西南石油学院学报，2003，25（1）：25-28．

［13］ 汪勇，宁松华．孔隙度与含气饱和度变化正演模型特征分析［J］．石油天然气学报，2011，33（10）：65-69．

［14］ HILTERMAN F J，LIANG L．Linking rock-property trends and AVO equations to GOM deep-water reservoirs［C］．73rd Annual International Meeting，SEG，Expanded Abstracts，2003，211-214．

［15］ REN H，HILTERMAN F，z HOU z．Seismic rock property transforms for estimating lithology and pore-fluid content［J］．AAPG convention，2006：24-88．

［16］ z HU F，GIBSON R L，WATKINS J S，et al．Distinguishing fizz gas from commercial gas reservoirs using multicomponent seismic data［J］．The Leading Edge，2000，19：1238-1245．

［17］ LIN T L，PHAIR R．AVO Tuning［C］∥63rd Ann．Internat．Mtg．，Soc．Expl．Geophys．，Expanded Abstracts，1993：727-730．

A method to predict gas saturation and its application

Yang Dongsheng1Li Xuxuan1Cao Siyuan2
（1.CNOOC Research Institute，Beijing，100027；2.China University of Petroleum，Beijing，102249）

Based on probing into the research status of A VO technique，a NI inversion method of linear rock-attribute transformation was emphatically researched，which can be used to predict gas saturation on a basis of prestack seismic data．Furthermore，it was discussed how to make the sensitivity analysis of the inversion results in order to correctly predict commercial gas reservoirs．The practical applications have shown that this method to predict gas saturation is feasible and effective．

gas saturation；AVO technique；rockattribute transformation；NI inversion

2013-03-15改回日期：2013-10-23

（编辑：周雯雯）

杨东升，男，工程师，2009年毕业于中国石油大学（北京），获硕士学位，现主要从事石油勘探综合研究工作。地址：北京市东城区东直门外小街6号海油大厦（邮编：100027）。E-mail：yangdsh＠cnooc．com．cn。