应用测井储层因子预测变质碎屑岩裂缝-孔隙型储层——以海拉尔盆地贝尔凹陷基岩为例

李 娟，郑 茜，孙松领，张 斌，陈广坡，何巍巍，韩乾凤

（1.中国石油勘探开发研究院西北分院，兰州 730020；2.中国石油天然气集团公司油藏描述重点实验室，兰州 730020）

0 引言

裂缝储层是一种重要的油气储层类型，广泛发育于致密砂岩、油页岩、碳酸盐岩、火山岩、变质岩等多种岩性中，在中东、中亚、北美等全世界常规及非常规油气中占据相当大的比例与规模［1］。由于其强烈的非均质性，裂缝预测是该类油气藏勘探开发中的关键点，也是难点。国内外学者对裂缝储层的预测方法进行了大量的研究。Pérez 较早提出应用地震资料开展碳酸盐储层裂缝检测［2］；邓攀等［3］、Jenkins等［4］、周新桂等［5］以分形方法、岩石破裂法和能量法等为基础，建立构造裂缝分布预测的数学模型；鞠玮等［6］、詹彦等［7］、王珂等［8］、张继标等［9］在岩石力学参数测试基础上，应用三维有限元法对裂缝形成期的古构造应力场进行数值模拟，进而预测构造裂缝分布；王蓓等［10］应用FMI 成像测井、叠前地震各向异性等地球物理方法开展裂缝预测，表征裂缝产状、开度、密度、孔隙度等参数。现有方法都存在某些局限性，如数值模拟法受到构造应力、形变分析及地质模型的限制，分形几何法基于裂缝几何参数与数学模型，两者得到的结果往往偏理论化，难以保证准确度与储层的有效性［11-12］。地球物理方法是目前油气勘探领域流行的裂缝储层预测方法。其中，基于地震叠后资料的蚂蚁追踪［13］，曲率、倾角、相干、似然等地震属性技术［14-15］，基于地震叠前资料的纵波方位各向异性技术［16-18］，以及基于测井、地震资料相结合的深度学习［19］、相控反演［20］、多属性神经网络反演［21］等裂缝预测方法可以定性或半定量预测裂缝的发育程度与位置，但受到地震资料品质、学习样本数量和分布以及裂缝型储层强非均质性等影响，预测准确度与精度远远不能满足当今油气勘探开发中裂缝储层预测的要求。

海拉尔盆地贝尔凹陷基岩潜山储层岩性以变质碎屑岩为主，储层表现为裂缝、孔隙叠加发育的特征，即除构造成因为主的裂缝外，不同级别孔隙也贡献了重要的储集空间，有效储层分布预测应当兼顾裂缝与孔隙2 个因素。本文提出了应用综合概率法获取测井储层因子这一敏感参数，结合地震波形指示反演，定量预测海拉尔盆地贝尔凹陷基岩潜山储层分布，在该类型油气藏的勘探开发中有较大的应用推广价值。

1 地质概况

贝尔凹陷是海拉尔盆地重要的富油气凹陷之一，包括贝西、贝中、贝北3 个生烃次凹及贝西斜坡带、中部隆起带、贝东断隆带3 个正向构造单元（图1）。石炭系—二叠系基岩之上发育沉积地层，从下往上分别为下白垩统铜钵庙组、南屯组、大磨拐河组、伊敏组，上白垩统青元岗组及古新统至全新统地层，侏罗系地层缺失。南屯组暗色泥岩为区域内的主要烃源岩，在伊敏组沉积早期开始生烃，伊敏组沉积晚期达到生烃高峰。贝尔凹陷中部隆起带的苏德尔特次级构造带被贝西、贝中2 个主力生烃次凹环绕，具备优越的成藏条件，是海拉尔盆地贝尔凹陷主要的含油气构造之一。苏德尔特构造带的基岩潜山因上覆泥质含量较高的南屯组沉积地层形成基底、铜钵庙组、南屯组多套层系立体成藏，而其北部的霍多莫尔构造带，虽与苏德尔特构造带同属中部隆起带，但其基岩潜山因盖层条件变差及断层的强烈活动而未成藏，油藏主要分布于南屯组、大磨拐河组。苏德尔特次级构造带基岩潜山单井日产油0.15～170.2 t，平均日产油20 t，产量从西向东变化大，反映了基岩储层在平面上的强非均质性。西部控凹断裂附近B30，B38，B42，B10 等井区产量中等，日产油8.1～39.7 t 不等，平均日产油为28.4 t；中部B28，B40，B12，B14 等井区产量略低，日产油5.22～41.9 t，平均日产油为22.39 t；东部B16，D112等井区产量最高，日产油9.01～170.2 t，平均日产油为68.8 t。

图1 海拉尔盆地贝尔凹陷构造单元划分Fig.1 Division of structural units in Beier Sag，Hailar Basin

2 储层特征

2.1 岩性控储

海拉尔盆地基底为石炭系—二叠系，是一套经历了浅变质作用的陆源碎屑岩、火山碎屑岩、火山岩及过渡岩性的复杂岩系。储层发育程度受岩性控制，主要岩性为凝灰岩、凝灰质砂岩、粉细砂岩等浅变质火山碎屑岩—沉积岩系列［22］。不同岩性样品的物性试验和试油结果显示，浅变质不等粒砂岩、碎裂蚀变凝灰质不等粒砂岩、碎裂安山质凝灰岩和粉细砂岩的储层物性最好，日产油可超过15 t；其他岩性如碳酸盐泥岩、粉砂质泥岩、闪长玢岩等物性差，不出油或产极少量油。

2.2 物性特征

根据岩心样品的物性测试、试油及生产数据，贝尔凹陷基岩储层可分为裂缝型、孔隙型、裂缝-孔隙型（图2）。其中，孔隙型储层的孔隙度大于4%，渗透率小于1 mD，孔隙度较高但裂缝发育程度较低，为中等储层，产量为1～15 t/d；裂缝型储层的孔隙度为2%～4%，裂缝发育导致渗透率较高，渗透率为1～1 000 mD，裂缝既是储集空间又是渗流通道，该类储层为好储层，试油产量超过15 t/d；裂缝-孔隙型储层为优质储层，裂缝、孔隙均发育，孔隙度超过4%且渗透率超过1 mD，测试产量超过15 t/d，个别井可超过30 t/d。孔隙度小于4% 且渗透率小于1 mD 的为差储层，产量低或不出油。

图2 海拉尔盆地贝尔凹陷基岩储层孔渗特征Fig.2 Porosity and permeability characteristics of basement reservoirs in Beier Sag，Hailar Basin

储集空间包括开启裂缝、未完全充填裂缝、溶蚀裂缝、溶蚀孔洞等。储层的总孔隙度由裂缝孔隙度和基质孔隙度共同贡献。其中，裂缝主要为构造成因缝，包括高角度、低角度和水平裂缝，开启裂缝以中高角度为主，倾角为30°～90°［图3（a）］。多期构造运动叠加形成的裂缝呈网状，裂缝内部被多种矿物填充或半填充，包括石英、方解石、白云石、铁白云石、高岭石、绿泥石和黄铁矿［图3（b）—（c）］。开启裂缝以及断裂带充填胶结物（如方解石、白云石、铁白云石和其他矿物）的再溶蚀形成有效储集空间［图3（b），（d）］。沿裂缝面见油渍、油斑，表明油气可以沿着裂缝运移聚集［图3（e）］。显微镜下可见微裂缝中胶结物的溶蚀形成有效储集空间［图3（f）］。

图3 海拉尔盆地贝尔凹陷基岩储层特征（a）B15 井，2 225.70 m，浅变质细砂岩，开启的高角度裂缝；（b）B40 井，2 367.30 m，安山质凝灰岩，裂缝和溶蚀孔隙，裂缝部分被方解石、石英和黄铁矿胶结物充填；（c）B28 井，1 936.05 m，泥质粉砂岩，多期发育的被充填裂缝，呈网状切割；（d）B28 井，1 935.55 m，断层角砾岩，碎裂带内发育的溶蚀孔隙；（e）B40 井，2 372.6 m，安山质凝灰岩，裂缝面见油斑、油渍以及黄铁矿；（f）B15 井，2 203.8 m，变质砂岩，微裂缝内的溶蚀孔隙，SEMFig.3 Basement reservoir characteristics in Beier Sag，Hailar Basin

2.3 纵向分带性

海拉尔盆地贝尔凹陷基岩潜山纵向上有明显的分带特征，分为强风化带（Ⅰ）、中等风化带（Ⅱ）、弱风化带（Ⅲ）、未风化带（Ⅳ）4 个相带（图4）。强风化带因为岩石机械风化与强烈破碎，裂缝呈网络状发育，张开度高，大多被砂质、泥质或化学沉淀物充填，因而不易形成优质储层；中等风化带由于较强的物理、化学风化作用，细粒黏土物质被搬运带走，发育裂缝-孔隙型储层，物性好；弱风化带以裂缝型储层为主，溶蚀孔隙较少发育；未风化带岩性致密，储层较难发育，发育少量裂缝。

不同纵向分带结构和储层发育段在测井曲线、地震反射上均有特定的响应特征，这是应用测井、地震资料进行储层预测的基础。强风化带、中等风化带表现为电阻率曲线的倾斜、跳跃，声波、密度曲线的波动，强风化段曲线变化幅度大于中等风化段。其中，电阻率、密度降低、声波曲线锯齿化、深浅电阻率值差异段为裂缝-孔隙型储层发育段。弱风化带和未风化带表现为较平直的电阻率、声波、密度曲线，未风化带的平直程度高于弱风化带。在地震剖面上从强风化带向到未风化带，振幅增强、频率增高，反射特征由低频空白弱反射变为中频较连续强反射，其中，裂缝-孔隙型储层段表现为弱振幅背景下的相对强振幅反射特征。

3 方法原理

基于测井资料计算裂缝孔隙度的方法，包括电阻率、声波、放射性、地层倾角、密度、补偿中子井以及电成像、声成像测井等［23］，其中电阻率方法是目前国内外常规测井计算裂缝孔隙度普遍采用的方法。常用的电阻率模型主要有Sibbit 模型、P-A 模型、网状裂缝模型、三维有限元法裂缝孔隙度模型等。基本原理是根据体积模型，将实际不规则非均匀分布裂缝的地质体简化成各种规则均匀分布的理想化模型，然后通过一定的假设条件，建立起裂缝孔隙度与电阻率的关系，继而求解裂缝孔隙度。据文献［19-22］修改如下：

（1）Sibbit 模型（T1）［24］。包括了含水裂缝孔隙模型和含油气裂缝孔隙模型，该模型重点考虑了裂缝孔隙流体对电阻率的影响，没有考虑裂缝产状及其开度对电阻率的影响。

含油裂缝模型

含水裂缝模型

式（1）—（2）中：mf为裂缝孔隙度指数，一般取1.059～1.119；Kr为双侧向畸变系数（低角度缝1.2，倾斜裂缝1.1，高角度缝1.0）；Rb，Rs，Rw，Rm分别为基岩、浅侧向、地层水及泥浆滤液电阻率，Ω·m。

（2）P-A 模型（T2）。将平行等间距的裂缝性地层等效为宏观均匀的各向异性介质，推导任意倾角条件下裂缝性地层的双侧向测井响应［25］，进而给出用于计算近水平或近垂直裂缝孔隙度的评价模型。

近水平裂缝孔隙模型

近垂直裂缝孔隙模型

式（3）—（4）中：Cf是裂缝孔隙流体电导率，S/m；孔隙充满地层水时为Cw，充满泥浆滤液时为Cm；Cd，Cs为深、浅侧向电导率，S/m；双侧向测井响应正差异（Rd＞Rs）为近垂直裂缝，负差异（Rd＜Rs）为近水平裂缝。

（3）网状裂缝孔隙模型（T3）。将裂缝地层简化为网状，假设裂隙网格长度相对大小为χ，裂缝孔隙内饱含水，根据并联导电模型，利用双侧向测井资料推导网状裂缝孔隙模型［26]。

地层因子

裂缝孔隙度指数

迭代算法步骤：①假设mf=1，根据式（5）计算Фf1；②将Фf1代入式（6），求取x，然后利用式（7）—（8）求mf；③再次利用式（5）计算Фf2，比较两次计算误差，ε=（Фf1－Фf2）/Фf1；④若误差满足精度要求则停止迭代，否则令Фf1=Фf2，重新由式（6）计算，直到精度满足要求为止。

（4）三维有限元裂缝孔隙模型（T4）。根据裂缝性地层非均质性特点，利用三维有限元法建立的裂缝性地层电导率正演模型，将裂缝分为低角度缝、倾斜缝和高角度缝3 种状态，并分别推导了3 种状态下裂缝性地层的双侧向测井响应与地球物理参数间的函数关系［27］。

双侧向测井响应（电导率）数学模型

裂缝孔隙度

因式（9）—（10）为近似相等，根据误差最小原则，利用二分法确定最佳x0，根据式（11）计算裂缝孔隙度；σd，σs为深、浅侧向电导率，S/m；σb为基岩电导率，S/m；d1～d4，s1～s4根据裂缝产状分析得到；Rmf为泥浆滤液电阻率，Ω·m。

然而，因为裂缝储层的非均质性及复杂性，实际应用中单一模型很难满足裂缝孔隙度计算的精度及准确度。本次研究基于上述多种测井裂缝孔隙度模型，应用综合概率法构建最佳的裂缝孔隙度计算方法。具体方法是，各种模型计算结果分别乘以一个概率系数，再取加权后的结果之和为最终裂缝孔隙度，即测井储层因子LRF（Logging Reservoir Factor）。通过多次试验与迭代计算获取合适的概率系数，使计算结果与成像测井解释、试油测试结果达到最佳吻合。测井储层因子计算公式为

式中：a1+a2+…+an=1；Φf为测井储层因子计算裂缝孔隙度；Φi为单模型计算孔隙度；ai为单模型概率系数；n为模型个数。

通过反复测试，得到上述4 种方法的概率的系数依次为0.15，0.12，0.08 和0.65。概率系数的确定要充分结合已钻井资料，特别是成像测井、岩心测试分析资料。首先通过储层发育段的测井特征分析，并参照基础模型的不同物理意义给出初始模型，即给定初始概率系数，再通过参数修改与多次迭代进行误差分析，最终将误差校正到合理范围内，并将未参与计算的井资料进行充分验证，以确保概率系数取值准确。如图5 用盲井进行测井储层因子LRF计算结果验证，P为成像测井解释的次生孔隙度，包括溶蚀孔隙、孔洞以及其他可识别的基质孔隙，DF为成像测井解释的裂缝视孔隙度。将不同基础模型进行融合获得的测井储层因子LRF，既反映了裂缝储层的发育，又突出了溶蚀孔隙、孔洞对储层的贡献，因此能有效地定量表征裂缝-孔隙型储层的发育程度，也说明了概率系数取值的合理性。

图5 海拉尔盆地贝尔凹陷典型井测井储层因子分析Fig.5 Logging reservoir factor analysis of typical well in Beier Sag，Hailar Basin

4 应用效果

4.1 测井储层因子

针对海拉尔盆地贝尔凹陷基岩储层，用综合概率法构建的测井储层因子对储层发育段的指示效果良好。对比发现，单一模型计算的裂缝孔隙度曲线均存在一定误差，很难准确反应裂缝发育程度。测井储层因子曲线与岩心裂缝统计、成像测井解释结果及生产测试结论一致，计算结果与钻井吻合程度超过70%。如B12 井T4 曲线在中下部（1 708 m以下）计算结果与岩心裂缝统计可基本对应，但在上部（1 708 m 以上）与成像测井结果对应效果一般，而T1，T2，T3 曲线在上部效果好，在中下部几乎没有反应出裂缝段［图6（a）］。构建的测井储层因子能综合各计算方法的优势，与岩心、成像测井结果基本吻合，更好地指示裂缝发育段，如1 701～1 711 m，1 724～1 734 m，1 740～1 748 m 为高值，指示裂缝发育段，在1 701.8～1 707.3 m 与1 725～1 747 m 层段进行生产测试分别获得工业油流。

测井储层因子的优势在于综合表征了储层中裂缝和溶蚀孔对孔隙度的叠加贡献，能更好地反映储层的真实物性。B30 井2 296～2 305 m 岩心显示该段以发育孔洞为主，局部发育高角度、低角度裂缝，成像测井显示电阻极高，图像为明显亮色，表明该段发育裂缝、溶蚀孔洞优质储层。该段除T4 曲线有响应外，T1，T2，T3 曲线均无响应［图6（b）］。测井储层因子的孔隙度曲线有明显响应，该段曲线值大幅度高于纯裂缝发育段（2 280～2 294 m），是裂缝与溶蚀孔孔隙度的综合响应，储层物性优，生产测试获得日产油30.78 t。

图6 海拉尔盆地贝尔凹陷B12 井裂缝孔隙度计算结果（a）与B30 井裂缝孔隙度计算结果（b）T1.Sibbit 模型；T2.P-A 模型；T3.网状模型；T4.三维有限元模型；LRF.测井储层因子；D.岩心观察裂缝密度Fig.6 Fracture porosity calculation of well B12（a）and well B30（b）in Beier Sag，Hailar Basin

4.2 储层分布预测

由于地震分辨率的限制，井震联合反演可以充分利用测井高、低频信息，进而拓宽频带，是目前高精度储层预测的有效手段之一。当前流行的高精度反演方法包括地质统计学反演和地震波形指示反演等［28-29］。地质统计学反演的核心是利用变差函数来表征空间变异程度，即在对未知井进行随机模拟时，根据所有井统计出的变程优选样本进行模拟［图7（a）］，因此预测值受到样本距离和是否均匀分布的影响，对储层的横向变化不敏感，平面分辨率低［30-31］。地震波形指示反演是以地质统计学为基础，采用波形相控反演思想的一种高精度地震反演方法。根据波形相似性和距离2 个因素优选统计样本，因此能更好地体现沉积、岩性等宏观要素的影响，实现相控随机反演［图7（b）］。

图7 地震反演统计样本优选原理示意Fig.7 Principles of selecting statistical samples for seismic inversion

变质岩裂缝储层发育程度宏观上受到岩性分布的影响，变质火山碎屑岩-沉积岩是储层发育的主要岩性序列。岩性的变化与地震波形特征的变化有相关性。因此，选择了波形指示反演方法，考虑岩性对储层发育的宏观控制因素，能实现相控随机模拟，更符合储层发育规律。利用地震数据与测井数据建立初始地质模型，在此基础上进行参数优选，并将预测结果与实际地震的结果进行对比质控，得到适合本区的反演关键参数。

通过井震精细标定，测井储层因子反映的储层发育程度与地震波形信息有相关性，储层发育段与不发育段的波形特征存在较大差异。测井储层因子高值指示裂缝-孔隙型储层发育，在井旁地震道上表现为不对称双峰正偏态波形，振幅值高，形态表现为中到高等尖度［图8（a）］。测井储层因子低值指示的储层不发育段则表现为基本对称的单峰形态，振幅值低，形态平坦变化幅度小［图8（b）］。反演结果表明储层预测分辨率高，在纵向和平面上基本与已钻井储层发育情况一致（图9）。如B14 井的4 个储层段在反演结果中均有很好的体现［图8（c）］，预测储层厚度与钻井结果一致。如第2，4 段钻井揭示裂缝储层发育，反演预测孔隙度值高，厚度大，横向较连续；第1，3 段裂缝发育程度略低，预测结果孔隙度值降低，厚度减小，横向不连续分布。提取不同地震时窗预测结果，代表不同纵向分带的不同地区储层发育情况，研究区钻井验证储层预测结果的符合率超过75%（图10），该技术能有效预测基岩潜山裂缝-孔隙型储层。

图8 海拉尔盆地贝尔凹陷B14 井地震波形特征对比与反演结果Fig.8 Seismic waveform characteristics and inversion results of well B14 in Beier Sag，Hailar Basin

图9 海拉尔盆地贝尔凹陷中部构造带基岩储层预测剖面Fig.9 Predicted profiles of basement reservoirs in the central uplift belt of Beier Sag，Hailar Basin

图10 海拉尔盆地贝尔凹陷中部构造带基岩储层预测平面图Fig.10 Predicted planar distribution of basement reservoirs in the central uplift belt of Beier Sag，Hailar Basin

4.3 判别阈值确定

为了能更精确地揭示贝尔凹陷中部构造带基岩裂缝-孔隙型储层的发育程度，达到定量识别预测储层的目标，通过对已钻井的油层、干层测井储层因子统计分析（图11），表明研究区基岩产油层段的测井储层因子均大于0.008，结合地震预测值的分布情况，将预测值0.01 作为该区有效储层是否发育的判别阈值，超过该值，则判定有效储层发育，且数值越大代表储层发育程度越高，低于该值，判定为有效储层欠发育。

图11 海拉尔盆地贝尔凹陷各井油层、干层平均测井储层因子Fig.11 Distribution diagram of average logging reservoir factor of oil layer and dry layer of each well in Beier Sag，Hailar Basin

5 结果分析讨论

5.1 储层分布形态

基岩岩性与原始沉积地层对储层的分布形态有控制作用。从预测结果看，剖面上储层形态呈现整体似层状、局部不连续，平面上呈不连续的片状、点状展布形态。研究区内基岩有效储层呈短丘状、豆状的剖面形态，以及平面的不连续性均反应储层发育的强非均质性，而剖面上储层整体又呈准连续分布的似层状，这与变质碎屑岩基岩岩性控储的宏观规律有关。由于基岩储层的优势岩性为变质碎屑沉积岩、沉积火山碎屑岩等，变质程度较低，因此储层分布的整体形态可能继承了原始沉积地层的层状分布特征，这是此类裂缝-孔隙型储层分布形态的特殊性（图12）。

图12 海拉尔盆地贝尔凹陷变质岩基岩储层发育模式Fig.12 Development pattern of basement reservoirs in Beier Sag，Hailar Basin

5.2 储层发育规律

变质碎屑岩基岩的纵向分带控制裂缝-孔隙型储层的发育深度，储层主要发育在基岩中部，上部次之，下部弱。基岩中部中等—弱风化带储层最发育，预测结果与钻井资料裂缝-孔隙型储层吻合。强风化带由于细粒物质充填较多，导致储层发育中等，如B15，B28，B38-22 等井在基岩上部亦发育储层。未风化带储层发育最弱，仅有B30，B38-22 等井在基岩下部局部发育储层。

变质碎屑岩基岩的断裂、构造位置控制裂缝-孔隙型储层的平面分布。整体上断裂附近的储层发育程度高于远离断裂的地区；受断层控制发育的基岩构造高部位储层发育程度高于构造低部位；背斜、断背斜的脊部储层发育程度高于翼部。好储层主要发育在断裂带附近，以及背斜、断背斜、断块等构造高部位，在中等—弱风化带好储层发育程度高、面积大，相对能连片，钻探证实在B16，D110，B12 等井均发现中—高产工业油层。在强风化带好储层发育面积较小而分散，呈不连续发育，钻探证实在B15，B28，B10 等井发现低产工业油层。未风化带整体储层不发育，但在大断裂附近有储层发育区，面积小，局部具备储层甜点特征，如B30，B38-22井在潜山内幕获得油流，这与烃源岩生烃作用过程中的流体以及岩浆热液等流体对储层的溶蚀作用有关［32］，是基岩内幕油气勘探的潜在领域。

6 结论

（1）海拉尔盆地贝尔凹陷变质火山碎屑岩基岩的裂缝-孔隙型储层定量预测的判别标准是预测值大于0.01 为有效储层，数值越大代表储层发育程度越高。

（2）基岩岩性对储层发育有宏观控制作用，储层分布整体形态继承了原始沉积地层的层状分布特征，有效储层在地震剖面上呈整体准连续似层状分布的短丘状、豆状形态，平面上呈不连续的片状、点状展布。

（3）储层发育受垂向分带、断裂和构造位置的控制。中等—弱风化段的裂缝-孔隙型储层最发育，强风化段次之，好储层主要发育在断裂带附近，以及背斜、断背斜、断块等构造高部位。未风化段储层不发育，在大断裂附近局部发育储层甜点，是基岩内幕油气勘探的潜在领域。