FCZ 地区滩坝砂储层表征技术

刘志敏

（中国石化江苏油田分公司勘探开发研究院，扬州 225009）

FCZ 地区阜三段（E1f3）位于前三角洲—滨浅湖亚相，砂地比低，主要发育滩坝类型砂岩。关于滩坝砂的识别，通常是将地震相与地震属性、叠前叠后联合反演［1］多种手段相结合，刻画砂体发育特征。地震相分析技术［2］与敏感地震属性［3-5］能够描述滩坝储层分布范围；地震特征反演技术［6-7］可以对滩坝砂岩发育情况进行定量预测。受古地貌及构造运动的影响［8］，滩坝砂体常表现为连续性差的地震响应特征，且储层特征不稳定，导致滩坝型油藏勘探仍然存在较多问题：单一地震属性刻画砂体边界存在多解性；常规波阻抗反演分辨率较低，不能满足薄层识别精度要求。近年来，地震深度学习［9］、多属性分析［10-11］与融合技术、波形反演技术逐渐被应用到岩性油藏的研究之中。本文利用测井信息对地震属性开展深度学习与质控，通过PCNN 建模优选敏感属性并进行属性融合，精细刻画滩坝砂体边界；综合利用地震波形结构与阻抗信息，开展联合反演，量化滩坝砂岩平面发育情况。

1 滩坝砂体展布特征

2 滩坝储层预测关键技术

通过对地震资料进行解释性预处理，改善局部地区地震资料品质。综合运用近似古地貌恢复、地震相追踪、地震属性定性表征、储层厚度定量刻画等技术手段，在FCZ 地区开展滩坝储层预测与岩性圈闭识别（图1）。

图1 FCZ地区滩坝储层预测与圈闭识别技术路线

2.1 近似古地貌分析

E1f3沉积时期，MTZ—FCZ—SHN 东地区发育东西两个大型构造高带，研究区内则发育东西两个次级构造高带（zh13 块与fa10 块），南部存在一个宽缓的平台构造（图2）。南部断裂发育程度较低，滩坝砂体发育程度与坡折带、微幅隆起的平台构造有着较好的对应性。基于层拉平后的东西向、南北向两条地震剖面（图3），研究区南部古构造高的特征十分清晰。研究区北部发育多条“南掉”断层，滩坝砂体在同沉积断层上升盘相对发育。古构造高部位是滩坝砂体相对发育的有利区，并且砂体展布长轴方向往往与高带或同沉积断裂方向一致，基于古地貌恢复可以指导滩坝砂体有利发育区的识别。

图2 E1f3近似古地貌

图3 层拉平地震剖面

2.2 解释性预处理

因地震资料精度有限，地震反射特征与砂体发育程度吻合度较低，如井上砂体发育层段在地震剖面中表现为空白反射（图4），砂体反射特征因分辨率不足而被掩盖。频谱延拓后，局部地区资料品质有所改善：地震剖面整体趋势不变，但分辨率有所提高；局部地区复波分离，弱相位特征得到提升；频带宽度一定程度上得到延拓，地震信息更丰富（图5）。

图4 原始地震剖面（L636）

图5 原始地震剖面与拓频后地震资料对比

“提频”处理的同时会伴随出现随机噪音增加，因此，针对提频后地震资料进行“去噪”处理，提高资料整体的信噪比（图6）。滤波后地震资料噪音得到一定压制，地层反射特征更加清晰。

图6 滤波前后地震资料对比

2.3 储层精细标定

在亚段划分基础之上，将E1f3细分出10 个砂层组，通过井震精细标定，明确地震上可分辨的砂层组地震响应特征。faX10井上声波阻抗揭示，E1f3存在四个速度阶梯，对应于地震剖面中的四个反射同相轴（图7），每根同相轴具有不同的地质意义。第一根同相轴（）主要是E1f4底与E1f3顶的地层界面，同时叠合第一反射砂层组形成的中—强振幅反射；第二根同相轴是第二反射砂层组与上覆泥岩形成的中—弱振幅反射；第三根同相轴是第三反射砂层组与上覆泥岩形成的弱振幅反射，局部地区伴有复波现象；第四根同相轴（）主要为E1f3底与E1f2顶形成的地层反射。

图7 faX10井储层精细标定

2.4 深度学习地震属性分析

2.4.1 PCNN基本原理

PCNN 反馈型神经网络［12］是由若干个神经元互联构成的单层无导师模型。在多属性融合中，将属性的每个数据视为一个神经元，数据幅值充当输入信号。神经元的阈值随着外部输入信号发生改变，决定了脉冲输出或停止。利用神经元在多次迭代中产生脉冲输出的次数可实现地震多属性的融合［13］。

2.4.2 地震属性深度学习

通常砂体发育区呈强振幅反射，但强振幅是否与厚砂对应，存在不确定性。zh13 块E1f3中上部砂体横向变化快，第一反射砂层组的厚度在2～7 m 之间不等，砂岩发育段与欠发育段均呈现出中强振幅反射（图8），单凭振幅信息不能较好地刻画砂岩发育情况。

图8 zh13-18—zh13-11—zh13-2—zh13-17连井地震剖面

本次研究提取振幅类、频率类、相位类等多种属性并进行深度学习，利用自然电位曲线对属性进行质控，依据盲井和校验井误差分析结果、预测属性与实测曲线拟合的参数部分依赖图、多种属性敏感度排序图（图9），筛选敏感属性并调整神经网络计算结构。反复修改深度学习模型，直到获取最优结果，匹配井上岩性信息。

图9 地震属性深度学习质控图

常规的算术平均振幅、瞬时相位等属性与自然电位的相关性较低，且不符合现今的沉积规律，不能较好的表征砂体的平面展布形态。优选出的敏感属性与井上信息有着较好的对应性，并且符合砂体北多南少、东多西少的地质认识，如甜点累加求和振幅属性、几何均方根频率属性，砂岩发育区与黄色、橙红色属性高值区域相对应，砂岩欠发育区，对应于蓝绿色属性低值（图10）。

图10 不同地震属性平面

上述几种属性的平面趋势大体一致，仅在局部地区存在细节性的差异。如振幅类的累加求和属性对北部物源的刻画效果优于频率类的敏感属性，频率类的敏感属性更有利于刻画砂边界。敏感属性连井剖面中，砂体欠发育段对应属性低值，呈现蓝紫色；砂体较发育段呈黄色中高值属性；砂体发育段对应橙红色属性高值，不同的砂体发育程度分别对应不同的属性异常响应，能够较好得以区分（图11）。

图11 zh13块几何均方根频率属性连井剖面

2.4.3 敏感属性融合

综合运用振幅的横向高分辨率与频率的纵向高分辨率，优选与测井曲线相关度高的敏感属性进行融合。相对于单一地震属性提取的地层切片，融合后的地震属性不仅能更好的体现砂体平面分布趋势，而且能够更加清晰地刻画砂体边界（图12—图13）。

图12 第一反射砂层组属性平面

图13 第二反射砂层组属性平面

2.5 地震联合反演

常规阻抗反演中，受地震资料带宽的限制，只能提供中频成分，而高频和低频部分主要通过测井数据、地质信息获得［14］，但纯波阻抗反演存在不稳定性和多解性。地震波形反映了沉积环境和岩性组合的空间变化，代表储层垂向岩性组合的调谐样式，其横向变化反映了储层空间的相变特征。因此，依据地震波形的变化可以宏观反映储层的空间变异性［15］。

本次研究在阻抗反演的基础之上，结合地震反射特征的差异性，开展波形联合反演，并利用敏感曲线重构纵波阻抗，声波低频趋势结合自然电位高频特征提高储层反演精度。

反演结果中黄色高值表示砂体较为发育，整体上与滩坝砂体发育模式较为吻合：南北方向反演剖面中，北部砂岩相对更为发育，主要集中在断层上升盘；东西向反演剖面中，东部砂岩更为发育，且横向上不连续，表现为多个独立的滩坝砂体，主要集中在构造较为宽缓或有一定微幅隆起的构造高带之上（图14）。

图14 E1f3联合反演剖面

3 结论

（1）基于亚段研究尺度，细化砂层组开展沉积微相分析，能够更准确描述砂体平面展布特征。

（2）不同地震属性刻画砂体边界存在多解性，通过井震结合，利用深度学习与神经网络模型，寻找与井匹配度高的敏感属性进行融合，融合后的地震属性刻画砂体边界更加清晰，且更吻合地质沉积规律。

（3）通过储层精细标定，综合波形结构差异性与阻抗特征开展联合反演，能有效提高薄互储层预测分辨率，提高储层预测精度。