南海珠江口盆地A油田低渗灰岩甜点地球物理识别技术与应用

董 政，李 黎，徐 超，赵伟超，刘 南

(中海石油(中国)有限公司深圳分公司 研究院，广东 深圳 518000)

1 引 言

近年来，随着南海东部勘探开发工作的不断深入，所面临的油藏类型越来越复杂，低渗油田在油气资源中的占比越来越大。特别是低渗灰岩油田,储层平面展布复杂，如何在低渗灰岩储层中寻找“甜点”一直是油田开发前期地质油藏研究的重点和难点[1]。目前针对低渗储层“甜点”预测工作，国内外许多学者也作了大量攻关研究，杨希濮等[1]、初广震等[2]、马强等[3]通过物性分析、薄片分析、扫描电镜等对致密储层孔隙结构进行了微观分析，在一定程度上明确了储层“甜点”主控因素。也有学者通过振幅、频率融合及分频属性来表征“甜点”分布，但考虑地震振幅易受储层调谐、地震波衰减以及流体性质、砂体耦合效应和孔渗关系等多种因素影响，常规地震属性预测难以实现“甜点”储层的精细表征[4-9]。目前应用最为广泛的是基于岩石物理分析的叠前、叠后储层反演技术，但是受限于地震资料分辨率影响，反演成果往往达不到开发阶段储层“甜点”精细预测要求[10-12]，特别是叠前CRP (CRP,Common Reflection Point,共反射点道集)道集质量的高低直接影响反演结果的可信度和效果[13-16]，且常规储层预测方法所采用的单一弹性参数区分“甜点”储层往往存在不同程度叠置，精细“甜点”预测存在一定的不确定性[17-19]。结合珠江口盆地A油田实际地质特点，笔者通过高精度曲线预测，以岩石物理分析为基础，优选“甜点”敏感参数，提出多参数融合变换建立低渗甜点综合敏感因子，并采用了相应的技术对策对叠前道集资料进行去噪、拉平、提频和能量补偿等工作，能明显改善道集资料品质，有效提升低渗储层“甜点”预测的精度和可靠性，并针对低渗灰岩油田，形成了一套较为完整的井控提高分辨率处理的储层“甜点”预测技术流程，具有一定的指导和借鉴意义。

2 地质概况和难点

A油田位于珠江口盆地东沙隆起北缘，为一个典型的礁灰岩油田，储层非均质性强，井间横向对比困难，纵向孔渗关系复杂，岩性边界及低渗灰岩“甜点”分布规律复杂，“甜点”分布对开发方案的制定、实施和调整产生较大影响。以往研究工作表明阻抗区分“甜点”具有较大叠置性，仅靠叠后阻抗反演无法实现对低渗段储层“甜点”的有效刻画，加之地震资料分辨率低，灰岩内幕成像品质差，进一步给低渗储层“甜点”预测结果带入了更多不确定性。因此，如何有效预测和表征低渗灰岩油藏“甜点”分布，明确储层展布规模及“甜点”分布规律成为摆在油田前期研究过程中的主要难题。

3 低渗储层“甜点”预测技术思路及创新对策

在A油田低渗灰岩储层“甜点”预测过程中主要面临三大任务：一是探寻表征低渗储层“甜点”的敏感因子，搭建弹性物理参数与储层岩性物性相关关系；二是优选精细合理的横波曲线预测方法，为岩石物理分析及储层反演提供精细可靠基础数据；三是优化和改善叠前道集品质，最大限度地深挖地震资料潜力，提高地震反演精度和分辨率。研究过程中通过岩石物理分析技术，分析和明确各弹性参数对研究区目的层“甜点”响应的敏感性，通过多参数构建储层物性敏感因子，并创新运用井控叠前道集优化处理技术提升灰岩油藏储层“甜点”预测精度，具体技术流程如图1所示。

图1 低渗灰岩油田高分辨率储层“甜点”预测流程Fig.1 Flow chart of high resolution reservoir “sweet spot” prediction in low permeability limestone oilfield

3.1 基于BP神经网络及SVR支持向量机模拟的横波曲线预测技术

横波测井对于地震资料的AVO(Amplitude Variation with Offset，AVO)分析、地震叠前反演、流体识别等具有重要意义， 研究过程中，通过多种横波曲线预测方法对比，形成了适用于本区低渗灰岩储层的横波曲线预测方法，为储层“甜点”预测方法优选及储层“甜点”定量识别提供依据。考虑横波曲线预测精度，在尽可能降低曲线预测偏差对高分辨率低渗“甜点”预测影响的前提下，选取BP(Back Propagation，BP)神经网络及SVR(Support Vactor Regression，SVR)支持向量机模拟技术开展横波曲线预测工作,并进行对比择优。

对比BP神经网络学习算法，SVR支持向量机在分类和模拟中的拟合精度具有明显的提升，特别是在解决小样本、非线性及高维模式识别中表现出特有的优势[20]。对比目标曲线，通过训练输入开展两种算法进行曲线学习模拟，可以看出SVR算法较BP神经网络具备更高的曲线预测精度，对开发阶段储层精细研究奠定了有利条件(图2)。同时，针对A油田LFA-2井对比两种算法模拟预测所得到的横波曲线可以看出，SVR回归模型输出结果较BP神经网络模拟结果更逼近真实地质情况，以LFA-2井位为目标参照，通过不断模拟训练，最终得到LFA-1井学习模拟的横波曲线(图3)。

图2 BP神经网络及SVR支持向量机曲线预测对比Fig.2 Comparison of BP Neural network and SVR curve prediction

图3 A油田横波曲线预测成果Fig.3 Prediction results of transverse wave curve in oilfield A

3.2 井控提高分辨率道集优化处理技术

随着油田开发地球物理研究工作的不断深入，对地震资料处理不但要求具备很高的成像精度，而且对地震资料的保真保幅效果也要求越来越高，对CRP道集资料的品质也逐步重视[9]，特别是CRP道集质量的好坏对叠前反演成果的质量及可信度均产生较大影响[10]。常规道集资料处理往往存在信噪比低、分辨率低、剩余噪音、道集不平和近中远道叠加时间、振幅等不闭合现象，针对A油田常规道集资料中存在的系列问题，本次创新采用井控道集优化处理技术系统开展道集资料的保真保幅提高分辨率处理研究，为叠前反演提供较为可靠的输入数据，提高反演成果质量，具体工作流程如图4所示。

图4 井控叠前道集优化处理流程Fig.4 Flow chart of well-controlled prestack gather optimization processing

道集优化处理过程中，以井控校准为前提，在提供最优化处理结果的同时，保证道集成果的可靠性。结合井旁正演道集及振幅趋势，开展道集去噪，确保高频信息，提升道集资料信噪比；通过地震频谱与合成地震记录约束对比，在地震有效频带范围内优化频谱特征，最大限度提升地震资料分辨率；通过剩余时差校正，拉平道集，确保叠加效果；最终结合井控约束正演模型背景下的振幅和频率域趋势，开展AVA(Amplitude Versus Angle, AVA)道集振幅能量补偿校准工作，获得AVA道集成果数据(图5)。

图5 井控叠前道集优化处理及质控Fig.5 Well controlled prestack gather optimization and quality control

通过定量道集质控，优化处理前后的道集资料主频由34 Hz提升至55 Hz，地震资料分辨率有了显著提高，同相轴连续性加强，灰岩储层尖灭现象清晰；与地震合成记录对比，优化处理后地震资料井旁道与合成地震记录相关系数由0.501上升到0.754(图6)；同时，通过分角度叠加剖面可以看出，经叠前优化处理后，近、中、远道叠加结果更趋重合，剩余时差和噪声消除后，近、中、远道记录波形趋于一致(图7)，有效提升反演数据体应用的可靠性，为叠前储层预测打下良好的基础。

图6 井控道集优化处理前、后叠加剖面对比Fig.6 Comparison of superimposed profiles before and after optimization processing

图7 井控道集优化处理后近、中、远道叠加对比剖面Fig.7 Comparison of near, middle and far superimposed profiles after the optimization processing

3.3 储层“甜点”综合敏感因子构建技术

A油田目的层段储层孔隙度相差不大，但渗透率却千差万别，即孔隙度虽然大，但孔隙之间相互不连通的特殊礁灰岩层(一般在2 mD以下)是存在的，这些特殊礁灰岩层有特殊的孔渗关系、岩电参数和含油性特征。通过岩石物理交汇，单一弹性参数在表征储层岩性、物性及孔渗关系上具备一定的响应，但单一敏感参数区分“甜点”储层仍存一定程度的叠置(图8)。

图8 A油田地球物理弹性参数敏感性分析Fig.8 Sensitivity analysis of geophysical elastic parameters in oilfield A

本次在单一敏感参数研究的基础上，优选纵、横波速度和纵、横波阻抗参数，开展基于坐标转换的体融合技术建立储层“甜点”综合敏感因子Em，取得了较好的识别效果。通过对Em因子储层“甜点”概率直方图可以看出，Em曲线对“甜点”储层的区分能力得到有效提升，“甜点”与“非甜点”叠置率显著降低(图9)，通过敏感参数融合，相对加强“甜点”与非“甜点”储层信号差异，Em因子能有效区分优质储层与差储层，突出“甜点”响应(图10)，为后续反演结果的精细解释奠定良好的基础。

图9 A油田储层“甜点”综合敏感因子构建Fig.9 Comprehensive sensitive factor of the reservoir “sweet spot” in oilfield A

图10 低渗储层“甜点”划分效果对比Fig.10 Effect comparison of low permeability reservoir “sweet spot”classification

3.4 高分辨率低渗灰岩储层“甜点”预测技术

相比于叠后波阻抗反演，做好叠前高分辨率弹性反演除具备可靠的测井基础资料、有效区分储层“甜点”的敏感因子和高分辨率道集优化处理成果外，还需要建立精细的低频趋势模型，低频趋势合理性直接影响储层“甜点”预测可靠性。

研究过程中基于地震速度趋势约束建立了符合地质认识的低频模型，低频趋势平面分布合理，井震趋势一致(图11)，有效地确保了储层预测精度。对比道集优化处理前后地震反演结果可以看出，经过高分辨率道集优化处理后的地震反演分辨率明显提高(图12)。

图11 A油田高分辨率叠前反演低频趋势Fig.11 Quality control of the low frequency trend in oilfield A

图12 道集优化处理前后阻抗反演效果对比Fig.12 Impedance inversion comparison before and after gather optimization processing

在此基础上，结合低渗灰岩储层“甜点”综合敏感因子Em，开展油田储层“甜点”分布规律解释，通过低渗储层“甜点”体地层切片显示：针对L2-T滩灰岩储层“甜点”，纵向上主要集中发育在储层段中下部，平面上沿南断层附近较为发育，储层连续性较好；针对L1-T礁灰岩储层“甜点”纵向上主要发育在储层中下段，平面上在油藏中部，“甜点”储层连续性好、厚度大。从下至上灰岩储层“甜点”平面展布呈现向北渐变迁移的过程(图13)。通过对“甜点”储层三维精细雕刻及累积加权落实“甜点”储层厚度如图14所示。

图13 灰岩储层“甜点”分布Fig.13 Limestone reservoir “sweet spot” distribution注：S-1-3：L2-T滩灰岩，S-4-9：L1-T礁灰岩

图14 灰岩储层“甜点”厚度平面Fig.14 Limestone reservoir “sweet spot” thickness distribution

4 应用效果与成效

A油田礁滩灰岩储层展布边界及低渗“甜点”分布对油田储量评估、动储量评价和开发方案设计均会产生较大影响。在高分辨率低渗储层预测的基础上，精确地刻画了储层展布边界及“甜点”分布，为油田地质油藏研究提供了有力的指导。结果表明，L1-T礁灰岩及L2-T滩灰岩储层局部分布，在油田主区分布较广，岩性边界明显、储层展布清晰(图15)。

图15 灰岩储层展布边界预测Fig.15 Limestone reservoir boundary prediction

基于低渗储层“甜点”平面分布规律研究成果，对A油田井网部署采用“平面分区、纵向分层”的设计方案，注采井设计在“甜点”分布集中、物性好、连通性好的区域，以保证注采受效(图16)。基于此套开发方案，油田建成投产后预计累产油超M万方，具备可观的经济效益。

图16 A油田L1-T礁灰岩油藏井网布署Fig.16 Well pattern layout of L1-T reef limestone reservoir in oilfield A

4 结 论

1)研究过程中，运用SVR支持向量机的横波曲线预测方法、多参数融合变换的低渗“甜点”敏感因子构建技术以及井控道集优化处理技术等，形成了高分辨率低渗储层“甜点”预测技术思路，可为后续类似油田礁灰岩储层“甜点”预测提供经验和借鉴；

2)在井控提高分辨率的道集优化处理过程中，以合成地震记录实时标定相关系数进行提频质量定量质控，并进行叠前道集优化迭代实时校准，保证叠前道集优化处理的可靠性，为面向开发的高分辨率储层预测提供相对可靠的基础数据；

3)通过高分辨率低渗储层“甜点”预测研究工作，精细地刻画了低渗灰岩“甜点”厚度及储层展布边界，为油田开发方案设计、注采井靶点优化和油田开发方案实施提供了有力支持和指导。