川东北元坝地区长兴组岩相及裂缝表征预测

王 浩 陈志强 刘远洋

1.中国石化西南油气分公司勘探开发研究院 2.中国石油集团测井有限公司新疆分公司

0 引言

元坝地区位于四川盆地川中低缓构造带北缘，地处川东北通南巴背斜构造带西南侧，北邻九龙山背斜构造带。整体构造平缓，二级构造可进一步可分为二隆（北部隆起，通南巴背斜）、一拗（中央拗陷带）和一突起（南部褶皱突起）构造单元[1]。沉积相上表现为碳酸盐岩台地和台盆两种沉积体系，台缘生物礁相和浅滩相是有利沉积相带。前期研究表明[2]：元坝地区二叠系上统长兴组生物礁具有单礁体规模小，平面分布散且垂向多期叠置的特点；储层物性差、单层厚度薄且非均质性强的特征。针对元坝生物礁刻画及储层预测，刘殊、胡伟光[3-6]等从层序地层学、数值正演模拟、地震多属性分析及地震反演技术等方面开展了深入的研究，分析认为元坝地区长兴组生物礁共发育4个NW—SE方向的生物礁条带和1个礁滩叠合区，礁滩地震相上具有典型的斜交反射、下超或上超现象，而单礁体通常表现为丘状外形结构，内部杂乱、礁翼上超的反射特征；优质储层位于礁盖的顶部，反演上表现为低波阻抗值域，常规的反演技术能大致刻画储层的分布，但识别精度受限。吕其彪[7-8]等采用地质统计学反演和伽马拟声波等反演技术在该区开展储层预测，地质统计学反演可识别薄的Ⅰ、Ⅱ类储层，伽马拟声波反演能有效地剔除低阻抗的泥岩，在一定程度解决了分辨薄储层和岩性横向变化的问题，但受沉积微相变化而引起礁盖岩性变化的细节不能完全反映出来，反演预测的岩性与实钻的岩性结果不符合，难以满足开发生产需要。因此，在叠后波阻抗反演的基础上，引入深度神经网络预测技术，将井点岩相训练结果推广至井间，开展全区岩相预测，提高储层预测精度。国外学者[9-10]在该技术研究及应用方面做了大量工作，该方法利用地震数据包含的丰富岩性信息，在钻井岩相划分的基础上，开展大量训练，建立井点处岩相与地震属性的关系，引入贝叶斯判别预测岩相的概率分布，降低预测风险，在礁滩相岩相预测取得较好效果。

测井及录井资料表明：元坝长兴组地层天然裂缝发育，类型多样，但主要分成构造裂缝和成岩裂缝2类。由于裂缝成因机理复杂，分布规律性差，预测裂缝发育程度、产状及分布范围一直是预测的难点。地震裂缝预测手段主要有3大类，即转换波裂缝检测、纵波方位各向异性检测和叠后地震属性分析。不同检测手段对于地震资料有着不同要求。转换波裂缝检测技术需要三分量地震资料，并且在处理时快、慢波能否完全分离也是该方法预测裂缝的关键[11]。纵波方位各向异性预测裂缝需要宽方位地震采集数据，主要利用振幅和速度等参数随方位角的变化来估算裂缝强度和裂缝方向[12]。叠后地震属性预测裂缝是目前常用方法，对地震资料的要求比前2种方法少，主要利用地震波的不连续性特征预测裂缝，包括曲率、相干和频谱分解等技术。本地区裂缝预测的工作之前研究较少，而使用相干、曲率等不连续属性预测裂缝发育，通常只能做定性分析，裂缝检测尺度过大。针对本地区裂缝特征，采用最大似然裂缝预测技术提高检测尺度，相对相干属性和曲率属性，该方法预测精度进一步提高。

1 长兴组礁滩储层岩相预测

1.1 储层特征

元坝地区长兴组礁滩相储层岩性为白云岩和石灰岩，主要为残余生屑结晶白云岩、生物礁白云岩及亮晶生屑石灰岩；储层类型多为孔隙型，其次为裂缝—孔隙型，储集空间以溶孔为主，包括晶间溶孔、粒间溶孔和晶间孔等[13]。长兴组礁滩相储层孔隙度介于0.53% ～ 23.59%，平均为4.87%，渗透率几何平均值为0.511 mD，属于低孔、低渗储层；测井解释结果表明长兴组储层主要以Ⅱ、Ⅲ类为主，并以Ⅲ类储层居多，平均厚度25.8 m；Ⅱ类储层平均厚度18.5 m；而Ⅰ类储层平均厚度仅2.66 m。礁滩相储层纵、横向上非均质性强，不同类型储层交错分布，整体特征表现为纵向不同类型储层不等厚互层、横向连通性差、平面厚度变化大的特点[2]。因此常规反演技术虽能预测储层分布，但对受沉积微相变化而引起礁盖岩性变化的细节不敏感，导致反演预测的岩性与实钻的岩性存在不符合的情况。

1.2 礁滩储层岩相预测

选择在叠后波阻抗反演基础上开展岩相预测，通过深度神经网络技术，充分利用叠后地震数据及井点处的岩相信息，在井点处建立地震数据与岩性的对应模式，利用概率相的方法研究储层变化情况，同时进行多次独立的神经网络过程，预测井点处的岩性；然后引入非标签数据，运用井点处的训练关系开展井间练习，得到多个符合一定条件的结果，最后统计每个模型的岩性概率，计算得到一个最可能的岩性体（即岩相体）和最大概率体。深度神经网络采用的是“自下而上的无监督学习”和“自顶向下的监督学习”来实现对网络的预训练和微调，对输入数据的处理是分层进行的，用每一层神经网络提取原始数据不同水平的特征，比传统的BP神经网络算法更为收敛[14-15]。

实现过程可分为4步：

1）单井岩相划分（图1）。第1列是利用测井解释成果开展岩相划分，总体上可划分为4类：①孔隙度大于10%为Ⅰ类（岩相为4），孔隙度介于5%～10%为Ⅱ类（岩相为3），孔隙度介于2%～5%为Ⅲ类（岩相为2），孔隙度小于2%为非储层（岩相为1）；第2列为将一些小于地震采样间隔的岩相合并或剔除后的岩相。

2）输入井点地震样本数，建立岩相与地震数据之间的神经网络，并统计单井训练的误差。

3）选择合理的培训样本，利用井点的网络关系训练其他的地震属性。图1第3列是利用井点地震数、反演数据和井插值模型作为样本开展神经网络训练后的结果，整体上训练后的岩相与原始划分的岩相具有较好的相似性。

图1 元坝地区长兴组礁滩叠合单井训练结果展示图

4）将井点的神经网络和第3步的样本作为输入，并引入贝叶斯判别，预测井间的岩性及其对应的岩性概率。图1第4列是预测岩相的最大概率，多井统计结果表明井点处训练的每一类岩相与原始划分的岩相吻合度超过90%，说明井点处建立的地震数据与岩性的对应模式符合预测需求，利用这种对应模式并引入贝叶斯判别的方法开展井间储层预测。为保证井间预测的合理性，针对元坝地区长兴组礁滩相储层的特征，在输入样本上选择叠后反演体和地层框架模型和地震数据。由于叠后波阻抗反演体反映储层的平面变化规律，地层框架模型反映礁体的空间形态。因此输入样本能控制井间储层和礁体的形态。结合井点训练的模式则可合理预测井间岩相的变化。

图2 元坝地区长兴组礁滩叠合区顺A井轨迹方向的岩相预测平面图（1 ft = 0.304 8 m，下同）

图2 是礁滩叠合区元坝A井的岩相预测平面图，钻井表明该井钻遇长约180 m的灰岩段，在叠后波阻抗反演体上白云岩储层与石灰岩均表现为低波阻抗值，无法区分；而岩相预测结果显示灰岩段为低值域（冷色调），白云岩储层为高值域（暖色调）。基于深度神经网络技术预测的岩相结果比叠后波阻抗反演更符合实际钻井成果。

2 长兴组裂缝表征及预测

2.1 元坝长兴组裂缝表征

区域构造演化研究结果表明[16-17]，川东北地区经历了加里东、海西、印支、燕山和喜山期等多期构造运动，不同时期时序差异应力挤压导致元坝地区长兴组裂缝发育，且类型多样，按成因可分为构造裂缝和成岩裂缝。 构造裂缝进一步细分为高角度裂缝、斜交裂缝、水平裂缝，其中高角度裂缝倾角一般大于60°，斜交裂缝倾角介于20°～60°，水平裂缝倾角一般小于20°；岩心及成像测井研究结果表明该地区长兴组裂缝主要以NW—SE向为主，其次为近E—W向和NE—SW向（图3）。成岩裂缝也可细分为溶蚀缝、构造—溶蚀缝和压溶缝，其中溶蚀缝发育较为普遍。在镜下薄片和岩心上表现为不规则的形态，缝面粗糙。

2.2 最大似然法预测裂缝

基本原理：原始地震数据包含倾角和方位信息，计算每一个包含倾角方位角信息采样点的相似性；保留最小的相似性（称之为最大似然体）及对应的倾角和方位角值，针对相似性做全区归一化处理，使之能够反映断层的线性关系。

图3 构造成因裂缝岩心照片图

图4 倾角成像增强和断层增强处理后与原始地震对比

关键步骤：①采用倾角成像增强技术压制地震数据体的高频噪声，提高信噪比；②采用断层增强技术进一步改善断面清晰度，再次提高地震数据的信噪比，如图4所示，图框范围为目的层，经倾角成像处理后，压制地震数据的高频噪音（图4-d中的绿线）后，信噪比显著提高且低频信息未减弱（图4-e中的蓝线）；③计算每个采样点与整个数据样点的相似性，依次类推，求取每个采样点的全局最小值。而相干属性计算的原理是对某一采样点周围几道或几十道地震波纵向和横向相似性判别，非全局统计计算，因此最大似然法较相干分析技术具有更高的精度。

图5为叠后相干属性与最大似然裂缝预测的对比。可见相干属性仅能反映大尺度裂缝特征，而最大似然裂缝预测可展示裂缝发育细节，能清晰表征中小尺度裂缝。最大似然裂缝的不同数值代表裂缝发育的概率，值越大说明裂缝发育的可能性越大；反之，值越小说明裂缝发育的可能性越小。

图5 元坝地区长兴组顶部相干属性及最大似然裂缝预测对比图

平面上最大似然裂缝预测精度比相干属性预测精度高；剖面上，最大似然裂缝预测能细致反映裂缝边界（图6），过元坝B井相干属性上无低相干系数团块状反映，礁体内幕的裂缝无法识别；而最大似然法预测的裂缝能反映礁体内幕的裂缝，值越大裂缝发育的概率越大。另一方面，结合地质认识，该区高角度缝为有效裂缝，为突出高角度裂缝的特征，在进行倾角扫描时，扫描的倾角在50°以上，因此图6-b预测结果主要表征高角度裂缝。

图6 过元坝B井相干属性与最大似然裂缝属性剖面对比图

同时，最大似然法不仅能预测裂缝分布还能表征裂缝的走向。裂缝走向信息主要来源于原始地震数据本身所包含的方位角。元坝C井的成像测井（图7-a）显示该井在长兴组上亚段裂缝发育，构造裂缝在成像测井图上表现为一条条正弦或余弦曲线特征，且较连续，若裂缝显示为黑色，则可能未被石英等低导矿物充填，属于高导缝，为有效裂缝，其蝌蚪图解释裂缝倾角大部分超过20°，发育高角度缝或斜交缝；玫瑰图（图7-b）则显示该井裂缝发育的方位主要以NW向为主；最大似然法裂缝方位预测（图7-c）的数值范围为－90e～90°，负值表示北西方向，正值表示北东方向，结果显示元坝C井附近裂缝方位的数值主要分布范围是－30°～ －68°，即NW向，与成像测井解释结果吻合。

3 结束语

1）川东北元坝地区长兴组礁滩相储层非均质性强，采用深度神经网络技术，建立井点岩相与地震数据的神经网络关系，逐步开展井间岩相预测，可获得合理的井间岩相变化结果，比叠后波阻抗反演更符合实际钻井成果。

2）元坝地区长兴组裂缝发育，采用最大似然法预测裂缝，可展示裂缝发育细节，表征中小尺度裂缝，并能获得裂缝的方位信息，提高了裂缝检测精度，预测结果与实钻符合。是值得在元坝长兴组裂缝检测中推广的技术手段。

图7 元坝C井长兴组上亚段储层裂缝特征及走向预测图