基于地震属性的扇三角洲边界不确定性定量表征方法*

肖大坤 王 晖 范廷恩 胡晓庆 张宇焜 赵卫平 张显文 陈仕臻

(1. 中海油研究总院 北京 100028； 2. 中国石油大学(华东)地球科学与技术学院 山东青岛 266580)

基于地震属性的扇三角洲边界不确定性定量表征方法*

肖大坤1王 晖1范廷恩1胡晓庆1张宇焜1赵卫平1张显文1陈仕臻2

(1. 中海油研究总院 北京 100028； 2. 中国石油大学(华东)地球科学与技术学院 山东青岛 266580)

渤海古近系扇三角洲油藏类型以岩性、岩性-构造油气藏为主，扇体边界预测的多解性直接影响储量规模。提出了利用地震属性进行扇三角洲边界不确定性定量表征的方法和流程，以渤海石臼坨凸起A油田沙河街组一、二段为例，表征了该油田扇三角洲5期扇体边界的不确定性，并落实了最优边界位置。首先,开展地震属性解释性处理，突出目标扇体边界响应；其次，利用地震属性截断值实现边界量化，形成定量描述方案；然后，建立扇体边界初始表征模型，根据边界量化方案对各期扇体边界进行敏感性分析，并筛选对储量参数敏感性最强的评价对象；最后，通过随机模拟生成多个表征方案，根据扇三角洲演化模式，优选先进积后退积的扇体组合表征方案，并结合储量概率分布特征，选取P50表征方案作为最优边界推荐方案。本文方法可推广应用至其他类型沉积储层(河流相、三角洲相等)。

扇三角洲；扇体边界；不确定性；定量表征；地震属性；渤海；古近系

渤海油田古近系以三角洲、扇三角洲沉积体系为主，油藏类型多为岩性或岩性-构造油气藏,其中扇三角洲沉积储层具有多期扇体叠置、横向分布变化快的特点，因此扇三角洲油藏含油范围受扇体沉积边界的影响更为显著[1]。目前利用地震属性预测扇三角洲储层展布是常用手段[2-5]，但扇体展布边界的预测结果常常受到地震资料分辨率限制而具有较强的多解性，须开展不确定性研究以明确最佳边界方案，这就需要先采用合适的方法对边界予以量化，而量化方法的选择就成为关键环节。

A油田位于渤海石臼坨凸起北带，沙一、二段为主力含油层系，沉积类型为扇三角洲，纵向共发育5期相互叠置的扇体，各期扇体展布形态、规模分布差异较大，呈裙带状自南向北展布，形成巨厚沉积储层(单井厚度高达220 m)。该油田油藏类型为岩性-构造油气藏，油藏幅度大、边水水体规模小，油水界面十分靠近储层边界，因此，对扇体边界位置的判断将直接影响储量计算，需要开展不确定性研究以确定最佳边界方案。本文以渤海石臼坨地区A油田为例，详细阐述利用地震属性表征扇三角洲储层边界不确定性的方法。

1 扇体边界不确定性表征思路

多位学者已从不同角度对储层不确定性的评价内容及思路进行了研究[6-11]。分析认为，对于扇三角洲沉积储层边界而言，其不确定性表征应围绕地震响应特征、扇体层序演化及对储量的影响开展，具体思路(图1)如下：首先，通过地震属性解释性处理，剔除目标扇体外的无效响应和构造因素异常响应，对扇体内部的极值属性进行适度补偿，突出地震属性的扇体边界响应特征，并开展属性截断值论证，建立边界量化描述方案；其次，开展扇体边界初始表征，明确空间表征范围及网格参数，根据层序期次格架、扇体展布规模及纵向演化模式构建初始表征方案，为不确定性定量表征提供模型基础；然后，根据扇体边界量化方案分析扇体落实程度及风险性，合理设置各期扇体表征变量，明确变量分布范围，完成多变量参与的不确定性定量综合表征；最后，结合地质模式与储量概率分布特征，对不确定性表征的系列实现进行优选，落实最优边界表征结果。

图1 基于地震属性的扇三角洲储层边界不确定性研究思路

2 扇体边界定量研究

扇体边界能否实现定量化主要取决于地震属性对储层分布的预测效果，能够直接用于边界量化的地震属性须具备精度高、多解性低的条件，而且边界处的属性等值线应呈现连续、渐变的分布趋势，能从细节上反映储层边界的延展形态。如果边界处其他非储层地质信息(如断裂系统导致的属性异常)产生较强的干扰，就会影响属性等值线的分布趋势，进而降低边界位置量化的准确性。由于研究区扇三角洲的地震属性预测效果受地震资料品质、相邻层位干扰及提取方式的影响，无法直接用于边界定量刻画，因此提出通过地震属性解释性处理和目标体截断属性值论证建立边界量化描述方案的研究方法。

2.1 地震属性解释性处理

地震属性解释性处理的目的在于通过差异放大突显目标地质体的某方面特征。对研究区扇三角洲沉积砂体的敏感地震属性进行解释性处理，可显著提高扇体边界辨识度，具体手段包括外部属性剔除、构造属性剥离、边缘属性粗化及内部极值补偿等。

以A油田沙一、二段扇三角洲③期扇体为例，以振幅统计类地震属性为主，通过对比不同属性对扇三角洲砂体响应的敏感程度，筛选出均方根振幅、最大峰值振幅、总能量等敏感属性集进行非线性加权，得到反映扇体边界效果最显著的最优地震属性，用于不确定性定量表征。目标扇体在敏感地震属性上呈短轴裙带状展布，内部不均一性强，但外包络边界明显(图2a)。由于同期及相邻期次扇体影响了目标扇体的地震属性提取效果，导致包络边界之外存在干扰信息，应予以剔除。通过人机交互式处理，剔除外部非扇体异常响应，仅保留目标扇体属性(图2b)。由于断裂系统的存在导致目标扇体内部出现反映断层延伸的异常低值属性响应(图2c)，也会影响目标扇体刻画。通过构造解释平剖结合、相互验证，参考相邻区域属性值，对断层处的异常属性予以补偿，在一定程度上削弱断层的影响，进一步提高地震属性对储层边界的识别度。剔除外部属性与剥离构造异常属性后，对目标扇体地震属性进行归一化处理，在不改变整体趋势的前提下进行适度平滑，削弱内部极高响应值，补偿极低响应值，最终使边界处地震属性连续渐变，达到定量反映扇体边界的目的(图2d)。

图2 A油田沙一、二段扇三角洲③期扇体地震属性解释性处理

2.2 目标体截断属性值论证

在地震属性解释性处理基础上，利用专家经验法可快速识别储层边界位置。由于经验识别界线一般与属性等值线相交，因此采用如下方法论证地震属性截断值的不确定性范围：首先，利用重构的地震属性制作等值线图，将其与经验识别边界叠合；然后，以与经验识别界线相切的最外侧地震属性等值线作为乐观表征边界，以相切的最内侧地震属性等值线作为悲观表征边界，以中间平均属性等值线作为最可能表征边界；最后，以最外侧属性值到最内侧属性值的范围作为储层边界的不确定表征范围。以A油田沙一、二段扇三角洲③期扇体为例(图3)，与经验识别界线相切的最外侧地震属性等值线即乐观边界为0.6，相切的最内侧等值线即悲观边界为0.4，中间平均属性等值线即最可能边界为0.5，从而确定该扇体储层边界地震属性截断值的不确定范围为0.4～0.6。

2.3 边界量化描述方案的建立

对A油田沙一、二段不同期次扇体开展地震属性截断值论证，获得各自的储层边界量化范围区间(表1)。由于地震属性对各期边界的预测效果差别较大(图4)，导致各期次扇体边界具有不同的风险级别，须根据预测效果建立合适的量化描述方案(表1)。

图3 A油田沙一、二段扇三角洲③期扇体储层边界的地震属性不确定性范围论证

期次边界属性截断值范围可能值悲观值乐观值风险等级分布形式①期0.150.100.20低均匀②期0.300.250.35低均匀③期0.500.400.60中三角④期0.650.500.80高正态⑤期0.450.350.55中三角

图4 A油田沙一、二段不同期次扇体地震属性预测及边界分布

①、②期扇体储层的地震属性预测效果最好，边界响应特征最清晰，属性截断值变化范围最小，说明其边界相对确定，风险最小，可采用均匀分布函数描述属性截断值变化区间;③、⑤期扇体储层地震预测效果也较为明显，边界响应特征相对清楚，但属性截断值范围较大，说明边界预测的不确定性强于①、②期扇体，风险较大，为了避免不确定性表征过程中出现过多的端点不合理采样，采用三角分布函数对属性截断值变化区间进行描述，通过提高属性平均截断值附近的采样率来减少不合理样品数量;④期扇体储层的地震预测效果相对较差，但是该扇体规模最大、分布最广，对油气储量计算至关重要，风险等级最高，因此采用正态分布函数描述截断值变化区间，进一步提高均值附近的采样率以降低不合理采样的影响。

3 扇体边界不确定性定量表征

扇体边界不确定性定量表征包括初始表征、敏感性分析、定量实现及综合优选等内容，旨在获得最接近真实地质特征的表征结果。根据扇体边界量化描述方案，在相同外部运行环境及模拟条件下完成表征。

3.1 扇体边界初始表征

作为不确定性定量表征的启动模型，初始表征方案或初始模型在多次随机模拟实现过程中承载的各项不确定性参数将根据量化方案与概率分布通过采样的方式被赋予不同的值，而且每一次实现均产生新的表征方案，因此，初始表征方案构建的目的在于确定空间表征范围及网格参数，建立通畅的定量表征单向工作流程，为不确定性采样和多次实现提供模型基础。为保证空间表征范围与网格参数的合理性，初始表征方案的建立必须忠实于基础地质研究成果与沉积模式。

A油田沙一、二段识别的5期扇三角洲扇体沉积的形态特征、展布规模差别较大，这与沙一、二段扇三角洲发育过程密切相关。纵向上，沙一、二段基准面先短期下降后持续抬升，导致扇三角洲沉积呈现早期剧烈叠置、中期完整发育、后期改造明显的特点，规模上具有前期快速扩大、后期逐渐萎缩的特征，外形表现为由裙带状逐渐过渡为狭长条带状。在研究区井点约束下，采用确定性建模方法实现多期扇体层序格架及岩相展布精细表征，并且通过地质模式验证保证扇体组合样式最大程度地忠实于地质认识。

根据扇体分布特征，A油田沙一、二段扇体边界表征范围必须覆盖多期扇体最大叠合外边界，由此确定的表征范围如图5所示。由于网格的“锯齿”特点导致在表征连续沉积扇体时会模糊化边界形态，产生边界的局部表征不完全的现象，所以网格尺度越大，“锯齿”效应越严重，表征精度越低；网格尺度越小，“锯齿”效应越不明显，但会大幅增加网格数量而降低表征效率[12]。因此，通过多次实验最终确定研究区网格尺度为45 m×45 m，既保证了精度，又最大程度地降低了“锯齿”效应。

图5 A油田沙一、二段多期扇体边界初始表征

3.2 多期边界敏感性分析

扇体边界的敏感性可通过对含油气面积的影响程度来体现。由于A油田沙一、二段各期扇体边界的风险级别不同，对含油气面积的影响程度也各有差异，因此通过评价各期扇体规模变化导致含油气面积的变化情况(图6)，落实各期扇体边界的敏感性进而剔除最不敏感的变量，有利于充分挖掘敏感变量的不同组合并提高表征效率。根据前述各期扇体边界量化描述方案及风险特征，A油田沙一、二段①期扇体地震属性预测效果最好，边界相对确定，边界变化对含油气面积的影响在5%以内，属于最不敏感变量，可予以剔除。

图6 A油田沙一、二段各期次扇体边界变化对含油面积的影响程度风暴图

3.3 不确定性定量表征

扇体边界不确定性表征流程由构造层面模拟、属性模拟(岩相、物性模拟)、储量计算及方案导出等子环节组成。本次研究借助Petrel地质建模软件的Workflow模块，通过编辑循环工作流程实现相同运行环境下的批量模拟，实现步骤如下：①根据扇体边界量化描述方案，将初始表征中的相应参数赋予不确定变量，并设置变量分布函数、变化区间以及采样基数等；②以描述方案为基础编制工作流结构，测试工作流的运行流畅度；③将初始表征结果作为模拟本体导入工作流，将扇体边界变量之外的其他模拟参数(如孔隙度、饱和度等)设置为定值；④在Monte-Carlo采样器中利用拉丁超立方方法完成采样，并基于各次采样获得的实现结果开展储量计算，导出系列表征方案，以备优选。

3.4 表征方案优选

关于随机建模的优选方法，目前多数学者采用的方法包括专家经验法、概率储量法及油藏工程法等，方法选择与油田所处的开发阶段相关[6,13-15]。本次研究结合地质模式法与概率储量法进行2步优选获得最优表征方案。

A油田沙一、二段扇三角洲不确定性表征结果显示，5期扇体纵向组合特征呈现3种样式(图7)：连续退积式(a)、先进后退式(根据最大规模扇体出现的期次又可细分为2类(b、c))、间歇退积式(d)。

图7 A油田A5井沙一、二段扇体边界表征样式

根据基准面演化特征，各期扇体纵向上应具有“先进后退”的组合特征，最大扇体规模为第④期(图7c)，与这一地质规律不相符的其他表征结果均予以剔除。在此基础上，对储量概率分布开展最终优选，取其累积概率达到10%的表征结果作为低方案或保守方案，取其累积概率达到90%的表征结果作为高方案或乐观方案，取其累积概率达到50%的表征结果作为中方案或推荐方案(图8)。

图8 A油田扇体边界概率储量分布及P50方案模型剖面

4 结论

1) 针对扇三角洲储层边界预测的多解性，提出了利用地震属性开展边界不确定性表征的新思路和一套完整的技术流程，包括边界量化描述、敏感性分析、不确定性表征及优选等子环节，其中通过地震属性实现储层边界定量化的方法具备一定的普遍适用性，也可推广应用至其他类型沉积储层(河流相、三角洲相等)。

2) 利用地震属性实现扇三角洲扇体边界定量刻画，需要对地震属性进行解释性特征处理,其目的是为了突出边界响应特征，以建立边界量化描述方案。文中采用的解释性处理手段包括属性剔除、构造属性剥离、边缘属性粗化及极值补偿等，均需要人机交互完成，在推广应用该方法时应视具体的储层特征及其地震属性响应选择合适的处理方法。

3) 采用随机模拟、多次实现的方式完成了渤海石臼坨凸起A油田沙一、二段扇三角洲储层边界的不确定性定量表征，为了将关键地质认识体现在表征结果中，首先采用地质模式法对生成的多个表征方案进行一次优选，然后针对一次优选结果根据储量概率统计分布特征进行二次优选，最终选取P50表征方案作为最优边界推荐方案。

[1] 霍春亮，古莉，赵春明，等．基于地震、测井和地质综合一体化的储层精细建模[J]．石油学报，2007,28(6)：66-71．

Huo Chunliang,Gu Li,Zhao Chunming,et al. Integrated reservoir geological modeling based on seismic,log and geological data[J].Acta Petrolei Sinica,2007,28(6):66-71.

[2] 张璐，印兴耀，李红梅，等．基于地震奇异性属性划分砂砾岩扇体沉积界面[J]．物探化探计算技术，2009,31(4)：361-368．

Zhang Lu,Yin Xingyao,Li Hongmei,et al.Dividing the depositional interface of glutenite fans based on seismic singularity attribute[J].Computing Techniques for Geophysical and Geochemical Exploration,2009,31(4):361-368.

[3] 朱超，宫清顺，孟祥超，等．地震属性分析在扇体识别中的应用[J]．石油天然气学报，2011,33(9)：64-67．

Zhu Chao,Gong Qingshun,Meng Xiangchao,et al.Application of seismic attribute analysis in fan recognition[J].Journal of Oil and Gas Technology,2011,33(9):64-67.

[4] 王建花，唐何兵，张良庆，等．基于地震多属性分析的深层浊积扇刻画研究[J]．西南石油大学学报(自然科学版)，2012,34(2)：54-64．

Wang Jianhua,Tang Hebing,Zhang Liangqing,et al.Study of deep layer turbidite fan detection based on the seismic multi-attribute analyses[J].Journal of Southwest Petroleum University(Science & Technology Edition),2012,34(2):54-64.

[5] 李存磊，张金亮，宋明水，等．基于沉积相反演的砂砾岩体沉积期次精细划分与对比：以东营凹陷盐家地区古近系沙四段上亚段为例[J]．地质学报，2011,85(6)：1008-1018．

Li Cunlei,Zhang Jinliang,Song Mingshui,et al.Fine division and correlation of glutenite sedimentary periods based on sedimentary facies inversion：a case study from the Paleogene strata of Upper Es4 in the Yanjia area,Dongying depression[J].Acta Geologica Sinica,2011,85(6):1008-1018.

[6] 孙立春，高博禹，李敬功．储层地质建模参数不确定性研究方法探讨[J]．中国海上油气，2009,21(1)：35-38．

Sun Lichun,Gao Boyu,Li Jinggong.A discussion on the method to study uncertainty of geologic modeling parameters[J].China Offshore Oil and Gas,2009,21(1):35-38.

[7] 刘卫丽．油藏建模中的不确定性研究[D]．西安：西安石油大学，2012．

Liu Weili.The study on the uncertainty of the reservoir modeling[D].Xi’an:Xi’an Shiyou University,2012.

[8] 石石，冉莉娜．基于概率法的油气储量不确定性分析[J]．天然气勘探与开发，2011,34(1)：18-21．

Shi Shi,Ran Lina.Probability-method-based reserves uncertainty analysis[J].Natural Gas Exploration and Development,2011,34(1):18-21.

[9] 霍春亮，刘松，古莉，等．一种定量评价储集层地质模型不确定性的方法[J]．石油勘探与开发，2007,34(5)：574-579．

Huo Chunliang,Liu Song,Gu Li,et al.A quantitative method for appraising reservoir geological model uncertainty[J].Petroleum Exploration and Development,2007,34(5):574-579.

[10] 李少华，张昌民，彭裕林，等．储层不确定性评价[J]．西安石油大学学报(自然科学版)，2004,19(5)：16-19,24．Li Shaohua,Zhang Changmin,Peng Yulin,et al.Appraisement of the uncertainty of reservoir[J].Journal of Xi’an Shiyou University(Natural Science Edition),2004,19(5):16-19,24.

[11] 张岚．地质不确定性因素分析方法研究及应用[J]．吐哈油气，2012,17(1)：12-17．

Zhang Lan.Analysis method on geological uncertainties and its application[J].Tuha Oil & Gas,2012,17(1):12-17.

[12] 高博禹，孙立春，胡光义，等．基于单砂体的河流相储层地质建模方法探讨[J]．中国海上油气，2008,20(1)：34-37．

Gao Boyu,Sun Lichun,Hu Guangyi,et al.A discussion on a fluvial reservoir modeling method based on a single sandbody[J].China Offshore Oil and Gas,2008,20(1):34-37.

[13] 高博禹，孙立春，胡光义，等．基于砂控地质建模和Monte Carlo模拟的储量评价方法[J]．中国海上油气，2009,21(2)：109-112．Gao Boyu,Sun Lichun,Hu Guangyi,et al.A method to evaluate OIIP based on geological sand control modeling and Monte Carlo simulation[J].China Offshore Oil and Gas,2009,21(2):109-112.

[14] 周丽清，熊琦华，吴胜和．随机建模中相模型的优选验证原则[J]．石油勘探与开发，2001,28(1)：68-71．

Zhou Liqing,Xiong Qihua,Wu Shenghe.The principles of selecting and testifying facies models in stochastic modelling[J].Petroleum Exploration and Development,2001,28(1):68-71.

[15] 崇仁杰,于兴河,李婷婷.应用实验设计优选随机建模的储层模型[J]．石油与天然气地质，2012,33(1)：94-100,110．

Chong Renjie,Yu Xinghe,Li Tingting.Application of experimental design theory in stochastic reservoir model optimization[J].Oil & Gas Geology,2012,33(1):94-100,110.

(编辑：杨 滨)

Uncertainty quantitative characterization method of fan delta boundary with seismic attributes

Xiao Dakun1Wang Hui1Fan Tingen1Hu Xiaoqing1Zhang Yukun1Zhao Weiping1Zhang Xianwen1Chen Shizhen2

(1.CNOOCResearchInstitute,Beijing100028,China; 2.SchoolofGeosciences,ChinaUniversityofPetroleum,Qingdao,Shandong266580,China)

Lithologic and lithologic-structural oil and gas reservoirs are the main types for Paleogene fan delta in Bohai sea, and uncertainty of fan boundary prediction affects reserves. The method and process of uncertainty quantitative characterization on fan delta boundary by seismic attributes are proposed. Taking the 1st and 2nd member of Shahejie Formation in A oilfield of Shijiutuo uplift, Bohai sea as study cases, boundary uncertainties of 5 fans in fan delta are quantitatively characterized, and the optimal boundaries are chosen. Firstly, seismic attributes are processed and interpreted to highlight fan boundary characteristics response. Then, by analyzing cutoff value of seismic attributes, boundaries are quantified and the quantitative description scheme is built, with which the initial fan boundary model is established and the most sensitive parameters are selected based on the sensitivity analysis of each fan boundary on reserves. Finally, projects are generated with stochastic simulation. Considering fan evolution mode, simulation projects reflecting the type of retrogradation after progradation are selected. Combining with reserves probability distribution analysis of different characterization results, P50 project is recommended as the optimal project. The method can be applied to other types of reservoirs such as fluvial and delta facies.

fan delta; fan boundary; uncertainty; quantitative characterization; seismic attribute; Bohai sea; Paleogene

肖大坤，男，工程师，2013年毕业于中国石油大学(华东),获硕士学位，主要从事沉积学、开发地质学、储层地质及油藏描述方面研究。地址：北京市朝阳区太阳宫南街6号院(邮编：100028)。E-mail：xiaodk3@cnooc.com.cn。

1673-1506(2016)04-0063-07

10.11935/j.issn.1673-1506.2016.04.010

TE32+1

A

2015-08-25 改回日期：2015-11-11

*“十二五”国家科技重大专项 “海上开发地震关键技术及应用研究(编号：2011ZX05024-001)”部分研究成果。

肖大坤,王晖,范廷恩，等.基于地震属性的扇三角洲边界不确定性定量表征方法[J].中国海上油气，2016,28(4)：63-69.

Xiao Dakun,Wang Hui,Fan Tingen,et al.Uncertainty quantitative characterization method of fan delta boundary with seismic attributes[J].China Offshore Oil and Gas,2016,28(4):63-69.