砂砾岩致密油藏地震预测技术综述

王 静，张军华，谭明友，张云银，张营革

(1.中国石油大学(华东)，山东 青岛 266580；2.中国石化胜利油田分公司，山东 东营 257022)

0 引 言

砂砾岩是一种含砾成分较高的砂岩，也称为含砾砂岩。国内外一般是将砾岩、砾状砂岩等粗碎屑岩为主的油气藏统称为砂砾岩油气藏[1-2]。砂砾岩油气藏一般离物源近、发育期次多、厚度大、单位面积产能高，但岩性变化快，非均质性强，储层连通性不易描述，加之低孔、低渗及较大的埋深，勘探开发难度较大。因此，在对砂砾岩勘探的国内外研究现状进行回顾的基础上，对该类油气藏的地质、测井和地震基本特征进行了详细总结和分析，并对砂砾岩油气藏的地震预测与描述方法进行了重点阐述，研究结果对中国正在进行的致密油勘探开发有一定借鉴作用和指导意义。

1 砂砾岩勘探现状

中国砂砾岩勘探主要集中在渤海湾盆地济阳坳陷、准噶尔盆地西北缘、南襄盆地泌阳凹陷、松辽盆地徐家围子断陷，此外，塔里木盆地库车坳陷、二连盆地、鄂尔多斯盆地、柴达木盆地、四川盆地等也有地质勘探的应用实例。其中，新疆油田砂砾岩发育层系为二叠统和三叠统[3]；松辽盆地砂砾岩勘探集中在徐家围子断陷[4]；南襄盆地砂砾岩主要分布在泌阳凹陷南部陡坡带下古近统核桃园组[5]；鄂尔多斯盆地砂砾岩储集层主要发育于山西组和下石盒子组[6]；塔里木盆地库车坳陷主要分布层系为白垩统[7]等。

国外砂砾岩油气藏勘探开发文献报道较多的为美洲，如美国洛杉矶盆地的上新世Yorba Linda砾岩油气藏、库克湾盆地McArthur River油田渐新统Hemlock组砾岩油气藏[8-9]、阿根廷的库约盆地Mendoza油田侏罗—白垩系Barrancas组顶部红色砾岩油气藏[10]，以及加拿大西部盆地Pembina油田上白垩统Cardium油气藏[11-12]和巴西的Sergipe-Alagoas盆地Carmopolis油田下白垩统Carmopolis油气藏[13]等。

2 砂砾岩致密油气藏基本特征分析

2.1 砂砾岩致密油气藏的地质特征

砂砾岩体纵向上多期叠置，平面上往往沿边缘断层或凸起带呈裙带状分布，向湖盆中心方向又有“扇根、扇中、扇缘”等沉积差异。砾岩类油气藏油气富集及高产的主要控制因素是沉积相带和断裂作用，扇顶亚相是油气聚集的最有利相带[14-16]。有学者根据扇体的不同位置，将砂砾岩发育模式分为冲积扇、扇三角洲、三角洲、近岸水下扇、深湖浊积扇[17-18]。

2.2 砂砾岩致密油气藏的测井响应特征

砂砾岩地层电阻率测井对应高阻异常，曲线形态则与沉积时的水进水退旋回、离物源区的距离及供给速率、水流能量、沉积背景等因素有关[14]。以下为几个典型油田的砂砾岩测井响应特征：塔里木库车地区砂砾岩具有低声波、高密度、高电阻、低中子的特征[19-20]；盐家地区盐22块砂砾岩储层测井曲线特征为高伽马、中高自然电位、中低密度、中低井径、中低声波，含砾砂岩的电阻率呈相对低值，而砾状砂岩的电阻率值相对较高[21]；准噶尔盆地西北缘砂砾岩储层自然电位为负异常、平直响应特征，自然伽马呈高值，密度值中低，与盐家油田砂砾岩的特征极为相似[22-23]。

综上所述，砂砾岩储层的测井响应特征基本表现为高伽马值、中低声波值，且随着储层中砾石含量的增多，电阻率值增大。

2.3 砂砾岩致密油气藏的地震相特征

沉积类型不同，砂砾岩体的地震相也不同。蔡全升等人[24]将砂砾岩地震相特征总结为5种形式：冲积扇地震相向盆方向为楔形，平行盆缘方向为丘形，内部见斜交或发散结构；扇三角洲内部呈不明显的前积结构；三角洲反射外形为宽缓席状，内部具叠瓦式或“S”形前积结构；近岸水下扇反射外形呈楔形或丘形，扇中可见斜交前积和波状结构，扇端连续性较好；深湖浊积扇在剖面上反射外形为丘形或透镜状，内部为波状-杂乱结构。

3 砂砾岩致密油气藏地震预测与描述方法

3.1 基于属性分析及融合的砂砾岩预测方法

3.1.1 属性分析方法

由于砂砾岩体的成因、岩石物性等存在差异，当地震波通过砂砾岩扇体时，地震波的传播速度、振幅、频率等特征参数均会发生明显变化，因此，利用地震属性信息进行砂砾岩体预测对砂砾岩致密油气藏勘探的突破起到重要作用，比较有效的地震属性有相干属性、最大振幅属性、波形分类属性、相对波阻抗属性等。例如利用相干分析技术，可以推断沉积环境的变化，确定有利储层的沉积相带；利用振幅类属性可以划分砂砾岩体岩性及预测有利扇体发育带；根据时频类属性，在一定条件下可以确定出砂砾岩储层的内部沉积结构，从而预测储层在横向和纵向上的变化[25-28]。

3.1.2 属性融合方法

单一地震属性只能描述地震波形的某一种特征，对多属性进行优化、融合，可以得到更为可靠的预测结果，有利于清晰准确地突出有利目标。

属性融合可分为3种类型：①将构造图叠合在属性上，这是一种简单而又很直观的融合显示方式，在实际解释中经常采用；②采用二元色或RGB显示技术，将2种或3种属性融合显示，可用于砂砾岩的立体雕刻；③地震多属性聚类融合或井约束基础上的属性融合，可称为广义上的融合方法，目前应用较多的有聚类分析方法、模式识别方法、支持向量机方法等，随着大数据和人工智能的发展，基于深层网络构建与训练的深度学习也正应用于储层预测中。

3.2 基于反演的砂砾岩预测及描述方法

由于砂砾岩储层一般由多期扇体叠置而成，横向变化快，非均质性强，因而给储层预测带来了困难。地震资料反演技术可充分利用测井、钻井、地质资料为油气藏描述提供丰富的构造、层位和岩性等信息，可从常规的地震剖面推导出地层的波阻抗、密度、速度、孔隙度、渗透率等信息。目前用于砂砾岩储层预测较多的反演方法主要包括常规波阻抗反演、叠前弹性波阻抗反演和叠前地质统计学反演等。

3.2.1 常规波阻抗反演

常规波阻抗反演是利用地震资料反演地层波阻抗(或速度)的地震特殊处理解释技术，可用于识别砂砾岩体内幕以及砂体描述[29-30]，但常规波阻抗反演存在模型化严重的问题。在该方法基础上研究出随机地震反演方法，反演结果更加符合砂砾岩沉积的特点，符合区域地质规律，相对常规波阻抗反演具有较高的可信度[31]。

3.2.2 叠前地质统计学反演

叠前地质统计学反演是将叠前反演和随机反演技术相结合，将地震横向分辨率和测井纵向分辨率有机结合，以测井数据为主，将地震数据作为井间变化的约束条件，寻求各类沉积类型的储层参数变化规律。不仅能够解决砂砾岩储层与围岩阻抗叠置情况下有效储层的识别问题，而且能够有效提高纵向分辨率。该方法主要包括地质统计学参数分析、随机模拟、随机反演3个环节[32-33]。

图1a和图1b分别为克拉玛依油田WSD区过A1—A3井的约束稀疏脉冲反演与地质统计学反演效果对比分析。其中，红黄色代表储层，蓝绿色表示非储层，黑色曲线为波阻抗曲线，与反演结果基本对应，目的层底部P3w12段储层普遍发育，与已知地质认识较为符合。相对于图1a所示的约束稀疏脉冲反演，图1b所示的地质统计学反演在纵、横向上的分辨率有很大程度提高，砂体的薄厚变化、尖灭特征以及砂体间的叠置关系清晰可见，可稳定薄砂体或较厚的单砂体，实现储层砂体的精细追踪解释[32]。

图1 稀疏脉冲反演与地质统计学反演效果对比分析

3.2.3 叠前弹性反演

叠前弹性反演通过对叠前道集数据进行角道集叠加得到不同角度范围内的地震数据(分别为近、中、远角道集数据)，利用井震标定提取不同角道集数据对应的子波，然后合成一个综合子波用于反演，建立反演模型，最终在反演模型的约束下进行AVO纵横波联合反演，得到多种弹性参数数据体，主要包括纵横波阻抗数据体、纵横波速度比数据体、剪切模量以及杨氏模量数据体等，能较好地预测优质储层的分布特征。叠前弹性反演保持了多种弹性参数反演的一致性，增强了反演结果的稳定性和可靠性，可以实现对地下地质体的最佳预测[34]。

辽河坳陷清水地区的实际应用效果表明，叠后波阻抗反演剖面上对于含灰粉砂岩和含灰泥岩的预测同细砂岩相当，均表现为高波阻抗，预测存在误区；而叠前弹性反演得到的叠前拉梅常数乘密度剖面能准确预测出细砂岩，其余岩性的层段预测为非储层，表明叠前弹性反演结果更为准确[34]。

3.3 砂砾岩储层裂缝识别及预测方法

目前应用较多的叠后裂缝检测技术包括相干体分析、曲率分析、蚂蚁体技术等属性分析技术，叠前裂缝检测技术主要是纵波各向异性裂缝预测技术。除此之外，随机建模技术可以描述裂缝的储集能力及井间裂缝连通信息，并根据神经网络算法将一系列与裂缝密切相关的岩石物性、地震属性及油气井产能数据有机整合在一起，对裂缝分布方位进行定量化分析，寻找裂缝潜在发育位置[35]；基于井震结合的地震属性裂缝预测方法，将测井解释得到的叠后大裂缝分布特征和叠前CRP道集计算得到的小裂缝特征进行综合分析，最终得到砂砾岩储层裂缝预测结果[36]。

在致密油气藏的开发过程中，裂缝网络是此类储层获得工业油气流的关键所在，裂缝网络的形成除了与天然裂缝以及地应力的分布有关外，还与岩石的脆性特征密切相关。目前，针对储层的脆性指数预测主要包括脆性矿物含量计算、地球物理反演以及测井数据计算等几类方法。其中，基于叠前地震的脆性预测方法，对岩石力学参数杨氏模量和泊松比进行直接反演，在信噪比较低的情况下，可有效提高脆性参数反演精度[37]。

4 结 论

(1) 砂砾岩致密油气藏地质结构复杂，岩性复杂，岩相变化快，低孔低渗，且横向展布不均匀，对其地质特征、测井响应特征以及地震相特征进行详尽的分析有助于储层的预测。

(2) 目前对砂砾岩致密储层的预测方法大体上包括：属性分析和反演方法。通过前者可以提取明显反映砂砾岩体的地震属性，然后利用多种统计类方法可以对储层参数进行预测；通过波阻抗反演、叠前弹性反演等反演方法，可以反映地下岩层的空间变化情况，进而确定储层的连通性以及裂缝展布等。

(3) 为了进一步提高砂砾岩致密储层的勘探开发效果，需要理论和实际应用的密切结合。要充分利用现有的储层预测方法，并在其基础上研究新的技术，如基于深层网络构建与训练的深度学习方法，以期取得常规方法难以取得的效果。