天然气地球科学 >

2020 , Vol. 31 >Issue 4: 578 - 586

DOI: https://doi.org/10.11764/j.issn.1672-1926.2019.12.006

天然气勘探

松辽盆地苏家屯区块致密砂岩岩石物理分析和含气性预测

  • 杨勤林 , 1 ,
  • 李洋 1 ,
  • 曹少蕾 1 ,
  • 柯兰梅 1 ,
  • 韩璇颖 1 ,
  • 李宁 2
展开
  • 1. 中国石油化工股份有限公司石油物探技术研究院，江苏 南京 211103
  • 2. 中国石油化工股份有限公司东北油气分公司勘探开发研究院，吉林 长春130062

杨勤林（1980-），男，湖北潜江人，高级工程师，博士，主要从事地震资料解释和储层预测研究.E-mail:.

收稿日期: 2019-10-18

  修回日期: 2019-12-09

  网络出版日期: 2020-04-26

收起

Rock physics analysis and gas-bearing prediction of tight clastic reservoir in Sujiatun block, Songliao Basin

  • Qin-lin YANG , 1 ,
  • Yang LI 1 ,
  • Shao-lei CAO 1 ,
  • Lan-mei KE 1 ,
  • Xuan-yin HAN 1 ,
  • Ning LI 2
Expand
  • 1. Sinopec Geophysical Research Institute, Nanjing 211103, China
  • 2. Exploration and Development Research Institute, Sinopec Northeast Branch Company, Changchun 130062, China

Received date: 2019-10-18

  Revised date: 2019-12-09

  Online published: 2020-04-26

Supported by

The Sinopec Northeast Branch Company Science and Technology Project(DBKJ2017004)

Fold

本文亮点

松辽盆地苏家屯区块沙河子组发育河流相致密砂岩储层，具有低孔、低渗、单砂体薄（3~5 m）、非均质性强及弹性参数差异小等特点，储层识别和预测难度大。在Xu⁃White理论模型基础上，通过引入虚拟岩性和误差融合方法，优化了横波速度预测过程，提高测井横波速度预测精度，并结合实测岩心样本分析结果，构建了适合研究区致密含气砂岩敏感的流体因子参数，通过叠前地质统计反演获取高分辨率的敏感弹性参数体，对目的层含气砂体的分布范围进行预测。预测结果与实钻井吻合度较高，取得了较好的实际应用效果。

本文引用格式

杨勤林 , 李洋 , 曹少蕾 , 柯兰梅 , 韩璇颖 , 李宁 . 松辽盆地苏家屯区块致密砂岩岩石物理分析和含气性预测[J]. 天然气地球科学, 2020 , 31(4) : 578 -586 . DOI: 10.11764/j.issn.1672-1926.2019.12.006

Highlights

The Shahezi Formation of Sujiatun block in Songliao Basin has developed multi-stage water diversion channel sand body, and the single body is only 3-5 m thick. It is difficult to perform effective reservoir prediction in the gas field, because of the inferior reservoir property and strong heterogeneity. In this paper, we present the virtual lithology and the error fusion technology based on Xu-White theory model, which optimizes the S-wave prediction process and improves the shear wave prediction accuracy. Combined with core sample test results, we build the fluid factor parameter of gas-bearing sandstone. Through pre-stack geological statistics inversion, we obtain the corresponding high resolution parameter bodies. The prediction results are in good agreement with the real drilling and achieve good application effect.

0 引言

苏家屯区块位于松辽盆地南部梨树断陷北部斜坡带，目前在下白垩统沙河子组沙一段上部多口井测试获得工业油气流，具有较好的油气勘探潜力。沙一段主要发育近岸水下扇—扇三角洲沉积体系，纵向河道砂体多期叠置，单砂体厚度薄（3~5 m），储层物性相对较差，平均孔隙度约为5%，渗透率为0.25×10-3 μm2，储层横向变化快，非均质性极强，同时岩石物理特征较复杂，与非储层纵波阻抗叠置现象严重，具有典型致密砂岩薄储层特征。
致密砂岩储层预测问题一直是地球物理预测难题，国内外学者[1,2]通过薄互层正演模拟、地震属性分析和地震反演方法等对致密储层预测，取得了一些效果。徐美娥等[3]利用测井曲线岩性重构和叠后反演方法对鄂尔多斯盆地红河油田长8砂体进行预测，凡睿等[4]利用射线弹性阻抗反演和坐标旋转方法得到地震物相体，预测川北元坝地区须二段致密砂岩有效储层分布，刘玲等[5]利用贝叶斯稀疏脉冲反演获得纵横波速度比预测岩性，洪忠等[6]通过岩石物理建模和贝叶斯判别结合叠前反演结果等预测致密碎屑气藏的岩性和流体概率，提升岩性和孔隙流体识别的成功率。结合蒙特卡罗—贝叶斯分类方法对龙门山前侏罗系沙溪庙组致密砂岩孔隙度进行预测。将储层岩石物理分析和叠前地震反演方法紧密结合，才能提高致密薄储层预测精度[7,8]。
苏家屯区块沙一段储层以致密薄储层为主，岩石物理特征复杂，同时研究区横波资料相对较少，本文从致密砂岩岩石物理特征出发，在Xu-White理论模型基础上，引入虚拟岩性和误差融合方法，优化了横波速度预测过程，提高研究区横波速度的预测精度，综合分析储层的测井岩石物理特征和岩心样本的岩石物理测试结果，优选出对砂岩和含气砂体敏感的弹性参数E/λ和流体因子属性f，并采用高分辨率叠前地质统计反演实现了2个参数体预测，落实了研究区沙一段薄层含气砂体分布范围，储层预测结果与实钻井能较好吻合，为后期开发井位部署提供了有利支撑。

1 基于虚拟岩性优化的Xu⁃White模型法

XU和White[9,10]结合Gassmann方程、Kuster-Toksöz模型和差分等效介质理论（DEM），提出了一种利用孔隙度和泥质含量估算砂泥岩纵横波速度的方法，即Xu-White模型，该方法同时考虑了岩石基质性质、孔隙度及孔隙形状、孔隙饱含流体性质的影响，为目前估算砂泥岩横波速度最主要的方法，它适用于低孔隙度情况下的横波预测。
Xu-White理论模型可简单的表达为：
f V s h , φ , α s a n d , α c l a y , o t h e r p a r a m e t e r s ⇒ V p , V s , ρ
式中： V s h 、 φ 、 α s a n d 和 α c l a y 分别为泥质含量、孔隙度、砂岩孔隙扁度和泥岩孔隙扁度；其他参数包括矿物质的框架、流体的物理模量等。
在实际应用中，由于Xu-White模型法考虑因素相对较多，输入参数也较多，实际生产中难以准确获取相关参数，而且实际地层岩性和孔隙类型复杂多样，不能简化成等效的纯岩性或2~3种简单的岩性组合，此时利用岩石物理建模进行横波估算往往与实测值存在一定差异[11,12]。
目前，有学者提出使用虚拟孔隙度和变化纵横比等方法优化建模参数从而提高横波速度预测精度[13,14,15,16]，基于此思路，本文尝试通过使用虚拟岩性这一概念来优化建模参数，通过误差融合技术把矿物骨架、孔隙扁度和流体等其他弹性参数带来的误差融合为一个参数，即等效为岩性参数的影响，并采用优化算法求以下表达式的最小方差：
V p m e a s u r e - V p e s t =
V p m e a s u r e - f V s h , ϕ , α s a n d , α c l a y , o t h e r p a r a m e t e r s
式中： V p m e a s u r e为实测纵波速度，m/s; V p e s t为用Xu-White方法估计的纵波速度，m/s; φ为孔隙度,%;V sh为泥质含量曲线，反映地层岩性比例。从测井解释得到的泥质含量曲线出发，通过对纵波速度误差多次迭代后计算优化后的虚拟岩性曲线，基于优化后的岩性曲线再次利用Xu-White模型法能提高横波速度的预测精度。
图1(a)为S1井利用Xu-White模型法横波估算结果，蓝色为原始曲线，红色为估算曲线，估算纵、横波曲线与实测结果整体较相似，但曲线局部细节上有一定差异，图1(b)为利用岩性优化后的Xu-White模型法横波估算结果，岩性曲线保持原来相对变化特征，估算后纵波速度曲线与实测曲线基本一致，而且预测横波速度曲线与实测横波速度吻合程度得到了明显提升，分布范围更加集中，曲线整体相关性提高到85%以上，进一步说明该方法和岩石物理参数可以用于其他没有实测横波曲线的井（图2）。
图1 S1井横波估算结果

Fig.1 Shear wave prediction results of Well S1

图2 估算横波速度和实测横波速度对比

Fig.2 Cross analysis of logging elastic parameters

2 储层岩石物理特征分析

不同的岩石物理参数所反映的岩石物理特性是不同的，它们反映储层或含流体特征的灵敏度也是不同的。只有全面分析不同岩石物理参数的特征，才能充分理解和把握储层段的岩石物理特征，建立岩石物理参数和储层特征的关系，指导储层和油气检测。本文首先采用岩石物理测试系统对研究区11块不同深度的岩心样品进行测试，模拟实际地层温度（120 ℃）、压力（30 MPa）条件，改变充填流体类型，对岩心样品进行超声波速度、弹性参数和力学参数测试分析，测试不同条件下样品的纵波速度、横波速度、密度和孔隙度等参数（表1），并计算其他相关弹性参数包括纵横波速度比、纵波阻抗、横波阻抗、泊松比、体积模量（K）、杨氏模量（E）、拉梅常数（λ和μ）、E/λ、λ/u、λ-cu、λρ、μρ和流体因子f（Ip2-2.28×Is2/ρ）等。对不同饱和状态下（水、气）砂岩的弹性参数进行交会分析(图3)，黄色和蓝色分别代表饱含气和饱含水状态下的砂岩，从交会结果来看，含气砂岩表现为明显的低纵横波速度比、低泊松比、低λ和低流体因子f 等特征，其中流体因子对含水和含气砂体区分能力最强。
表1 砂岩岩石物理测试数据

Table 1 Rock physics test data of sandstone

样品编号 完全气饱和 完全水饱和 孔隙度
Vp/(m/s) Vp/(m/s) 速度比 Vp/(m/s) Vp/(m/s) 速度比 /%
1 4 746 3 142 1.51 5 429 3 003 1.81 2.31
2 4 924 2 884 1.71 5 468 2 757 1.98 2.56
3 5 097 3 369 1.51 5 547 3 211 1.73 1.72
4 4 819 2 952 1.63 5 154 2 654 1.94 3.36
5 4 973 3 198 1.56 5 308 3 060 1.73 2.81
6 4 704 2 684 1.75 4 860 2 580 1.88 4.31
7 4 902 2 836 1.73 5 138 2 752 1.84 3.54
8 4 472 2 890 1.55 4 652 2 704 1.72 3.80
9 4 641 2 847 1.63 4 802 2 724 1.76 6.69
10 4 728 2 901 1.63 4 900 2 860 1.71 8.46
11 4 274 2 800 1.53 4 424 2 703 1.64 3.36
图3 岩心测试数据交会分析

Fig.3 Cross analysis of the core test data

在岩心样本测试分析结果的基础上，利用研究区多口测井资料进行储层岩石物理特征分析。由于其他井缺少横波测井资料，首先采用前文虚拟岩性优化的Xu-White模型法估算其他4口井的横波速度，然后利用纵波速度、横波速度和密度等资料，分别计算其他各种相关弹性参数，并对这些弹性参数进行交会分析。图4中不同颜色代表不同的测井解释结果，红色为气砂，绿色为泥岩，黄色为干砂。
图4 测井弹性参数交会分析

Fig.4 Cross analysis of logging elastic parameters

从测井弹性参数交会结果来看，对岩性敏感参数有纵横波速度比、泊松比和E/λ等，其中E/λ识别岩性效果最好，砂岩表现为相对高E/λ特征（值>2.5），而纵横波速度比能够大致区分砂泥岩，但存在局部重叠区域；对含气砂岩敏感的弹性参数有纵横波速度比、λ和流体因子等，其中流体因子f识别含气砂体效果最好，含气砂岩表现为相对低流体因子f特征值（<80 GPa）,利用流体因子f可以直接区分含气砂体，与实验岩心样本测试分析的结果基本一致，值域分布范围略有差别。

3 叠前地质统计反演

叠前地质统计反演是将叠前同时反演和地质统计学技术相结合的反演方法，通过对地震岩相体、测井曲线、概率密度函数及变差函数等信息结合，定义严格的概率分布模型，采用马尔科夫链—蒙特卡罗算法对概率密度分布函数进行充分采样，得到多个等概率的实现，它提供了大量超过地震数据带宽的细节内容，同时趋势和地震数据完全相同，能反映薄储层的非均质性变化特征[17,18,19,20]。通过叠前地质统计反演可以获得高分辨率弹性参数体，包括纵波速度、横波速度、纵横波速度比和密度等参数，进一步计算得到前面岩石物理分析的相应敏感弹性参数数据体，对储层岩性和流体性质等进行预测。
图4为叠前地质统计反演的纵波阻抗、E/λ和流体因子f剖面，井点处为相应的测井曲线和岩相曲线，红色为含气砂岩，绿色为泥岩，黄色为干砂。砂岩整体表现为相对高纵波阻抗和高E/λ特征，但局部高孔隙砂体纵波阻抗值有所降低，与泥岩的纵波阻抗值接近，因此利用纵波阻抗难以准确识别高孔砂岩，而其对应E/λ参数反而相对更高，容易识别高孔砂岩与泥岩。从E/λ反演剖面上看，高E/λ值基本对应砂体分布，反映砂体更加连续稳定，纵向多期河道砂体相互叠置，与实钻井吻合度更好，进一步利用流体因子反演结果进行气砂识别，低流体因子对应气砂分布，井点处预测结果与测井解释结果基本吻合，对薄层含气砂岩进行有效识别，纵向识别精度3~5 m，反映含气砂体的纵横向变化特征。

4 应用效果

苏家屯地区主力油气层为白垩系下统沙河子组沙一段，发育多个物源体系沉积的扇三角洲前缘扇体，地层以砂、泥岩薄互层为主，储层平均孔隙度为5%，渗透率约为0.25×10-3 μm，属于典型致密碎屑岩薄储层。致密储层由于岩石物理规律复杂加上受地震资料分辨率限制，前期利用地震属性和波阻抗反演等对砂体分布范围难以准确落实，影响了苏家屯地区目前开发井位部署和水平井钻探实施。本文通过测井和岩心测试数据分析明确了致密储层岩石物理特征，优选对储层和含气砂体敏感弹性参数E/λ和流体因子f，以此为基础开展叠前地质统计反演预测含气砂体分布范围。基于前面岩石物理分析结果，砂岩对应相对高E/λ值（>2.5），气砂对应低f值（<80），利用这2个参数体可以获得目的层沙一段砂体和含气砂体预测厚度图（图6）。
图5 叠前地质统计反演剖面

Fig.5 Prestack geostatistical inversion sections

图6 沙一段砂体和含气砂体预测厚度

Fig.6 Prediction thickness maps of sand body and gas-bearing sand body of Sha-1 member

图6（a）为沙一段砂体预测厚度图，反映研究区沙一段主要发育2个扇三角洲扇体，来自西北方向S2井扇体以及来自西南方向物源的S3井近岸水下扇体，物源方向有所不同，从扇体分布范围来看，扇体分布规模相对有限，主要集中2个井区周围，往东远离扇体部位的砂体厚度呈逐渐减薄趋势，到S5井砂体基本不发育，以泥岩为主，与前期地质认识和实际钻井情况基本吻合。图6（b）反映含气砂体主要分布在S2井扇体，物性相对较好，多口井S1、S2和S2-2等测试获工业气流，而靠近S3井近岸水下扇体的砂体物性整体相对较差，以干层为主，对预测结果与实钻结果进行统计，储层和含气砂体预测厚度绝对误差小于5 m。后期围绕S2井区部署多口开发井均获得不同程度的工业油气流，有效支撑苏家屯开发井位部署，同时也证实该方法预测结果可靠性。

5 结论

（1）本次采用基于虚拟岩性优化方法对常规Xu-White岩石物理建模过程进行了改进，减小了常规建模过程中多种参数带来的不确定性影响，优化后横波速度的预测结果与实测结果误差较小，预测精度有所提高，证明该方法针对致密碎屑岩地区的横波速度预测是有效的。
（2）结合测井岩石物理和岩心测试样本数据分析结果，研究区致密砂岩表现为低纵横波速度比、低泊松比和高E/λ等特征，优选E/λ作为岩性识别的最佳参数；含气砂岩表现为低纵横波速度比、低λ和低流体因子f等特征，而流体因子对含水和含气砂体的区分能力相对最强，可以作为类似致密碎屑岩储层流体识别的一项重要参数。
（3）以岩石物理分析为基础，采用高分辨率的叠前地质统计反演获得相应敏感弹性参数体E/λ和流体因子f,对研究区致密薄储层的岩性和含气性进行预测，最终储层预测结果与测井解释结论和地质认识能较好地吻合，指导了研究区下一步开发井位设计和勘探部署，可以为类似地区致密薄储层的地震预测提供技术参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
凌云， 葸晓宇，孙德胜，等.薄储层叠后反演影响因素分析与地震属性解释研究[J]. 石油物探，2008,47（6）：531-538.

LING Y, XI X Y, SUN D S, et al. Analysis on affecting factors of post-stack inversion and seismic attribute interpretation of thin reservoir[J].Geophysical Prospecting for Petroleum, 2008,47(6): 531-538。

2
牛聪，张益明，王迪，等.LA地区盒8段优质储层的特征与分布预测[J].石油地球物理勘探，2017，52（3）：591-598.

NIU C, ZHANG Y M, WANG D, et al. Prediction of high-quality reservoir characteristics and distribution in the area LA [J]. Oil Geophysical Prospecting, 2017, 52(3):591-598.

3
徐美娥，尹伟，陈冬，等.鄂尔多斯盆地红河油田延长组致密砂岩储层反演预测[J].中国石油勘探，2015，20(1)：63-68.

XU M E, YIN W, CHEN D, et al. Inversion prediction of tight sandstone reservoir of Yangchang Formation of Honghe Oilfield in Ordos Basin[J].China Petroleum Exploration, 2015, 20(1): 63-68.

4
凡睿，刘力辉，石文斌,等.元坝西部地区须二下亚段致密砂岩储层预测研究[J].石油物探，2015，54(1)：83-89.

FAN R, LIU L H, SHI W B, et al. Tight sandstone reservoir prediction of lower subsection of Xu_2 Member in western Yuanba area[J]. Geophysical Prospecting for Petroleum, 2015,54(1): 83-89.

5
刘玲，沃玉进，孙炜，等.龙门山前侏罗系沙溪庙组致密砂岩储层叠前地震预测[J].天然气地球科学，2019，30(7)：1072-1082.

LIU L, WO Y J, SUN W, et al. Prestack seismic prediction of tight sandstones for Jurassic Shaximiao Formation in front of Longmenshan[J]. Natural Gas Geoscience, 2019, 30(7): 1072-1082.

6
洪忠，张猛刚，朱筱敏.基于岩石物理的致密碎屑岩气藏岩性及流体概率预测[J].石油物探，2015，54(6)：735-744.

HONG Z, ZHANG M G, ZHU X M. Prediction on lithology and fluid probabilities of tight clastic gas reservoir based on rock physics [J]. Geophysical Prospecting for Petroleum, 2015, 54(6): 735-744.

7
边婧.地震岩石物理分析在致密砂岩储层预测中的应用[J].东北石油大学学报，2015，39（5）：63-70.

BIAN J. Application of rock physics in the prediction of tight sandstone reservoirs [J]. Journal of Northeast Petroleum University, 2015，39（5）：63-70.

8
许翠霞，马朋善，赖令彬，等.致密砂岩含气性敏感参数——以松辽盆地英台气田营城组为例[J]．石油勘探与开发，2014,41（6）：712-716.

XU C X, MA P S, LAI L B, et al. Sensitivity parameters of tight sand gas: A case study of Lower Cretaceous Yingcheng Formation of Yingtai gas field in Songliao Basin[J]. Petroleum Exploration and Development，2014，41（6）：712-716.

9
XU S, WHITE R E. A new velocity model for clay sand mixtures[J]. Geophysical Prospecting, 1995, 43: 91-118.

10
XU S Y， WHITE R E. A physical model for shear⁃wave velocity prediction［J］.Geophysical Prospecting，1996，44（4）：687-717.

11
窦龑，高刚，梁琳,等.基于Xu-White 模型的横波速度预测[J].新疆石油地质，2016，37（1）:83-87.

DOU Y， GAO G， LIANG L, et al. Prediction of S⁃Wave velocity based on Xu⁃White model[J]. Xinjiang Petroleum Geology, 2016, 37（1）:83-87.

12
张杨.利用Xu⁃White模型估算地震波速度［J］.成都理工大学学报:自然科学版，2005，32（2）：188-195.

ZHANG Y. Xu White model for seismic wave velocity prediction［J］. Journal of Chengdu University of Technology:Science & Technology Edition，2005，32（2）：188-195.

13
王金伟，张尔华，谢春临.虚拟孔隙度优化的Xu-White模型法预测横波速度[J].断块油气田，2011，18（4）：445-448.

WANG J W, ZHANG E H, XIE C L. Prediction of shear wave velocity with optimized Xu-White model based on virtual porosity[J]. Fault-Block Oil &Gas Field, 2011, 18(4): 445-448.

14
乔悦东，高云峰，安鸿伟.基于Xu-White模型的优化测井横波速度预测技术研究与应用[J].石油天气然学报，2007，29 5）：100-102.

QIAO Y D, GAO Y F, AN H W. Study and application of optimal technique of shear-wave velocity prediction based on Xu-White model[J]. Journal of Oil and Gas Technology, 2007, 29(5): 100-102.

15
白俊雨，宋志翔，苏凌，等.基于Xu-White模型横波速度预测的误差分析[J].地球物理学报，2012，55（2）：589-595.

BAI J Y, SONG Z X, SU L, et al. Error analysis of shear-velocity prediciton by the Xu-White model[J]. Chinese Journal of Geophysics, 2012, 55(2): 589-595.

16
孙璞，高刚，胡瑞卿，等.采用Xu-White模型进行横波预测影响因素分析[J]．油气藏评价与开发，2014，4（2）：15-18.

SUN P, GAO G, HU R Q, et al. Influential factors analysis on shear wave prediction by the adoption of Xu-White model[J]. Reservoir Evaluation and Development, 2014, 4(2): 15-18.

17
HUA Z Y, GAN L D, DAI X F, et al. Key parameter optimization and analysis of stochastic seismic inversion[J]. Applied Geophysics, 2012, 9(1)：49-56.

18
姜岩，徐立恒，张秀丽，等.叠前地质统计反演方法在长垣油田储层预测中的应用[J].地球物理学进展，2013，28（5）：2579-2586.

JIANG Y, XU L H, ZHANG X L, et al. Prestack geostatistical inversion method and its application on the reservoir prediction of Changyuan oil field [J]. Progress in Geophysics, 2013, 28(5):2579-2586.

19
杨勤林，张静，郝涛，等.滨里海盆地盐下碳酸盐岩储层地震逐级预测方法[J].天然气地球科学，2014，25(8)：1261-1266.

YANG Q L, ZHANG J, HAO T, et al. Seismic stepped prediction methods of sub-salt carbonate reservoirs in Pre-Caspian Basin [J]. Natural Gas Geoscience, 2014, 25(8): 1261-1266.

20
朱石磊,杨瑞召,刘志斌,等.密集井网下随机地震反演方案及砂体预测[J].石油地球物理勘探，2018，53(2)：361-368.

ZHU S L, YANG R Z, LIU Z B, et al. Stochastic seismic inversion scheme and sand body prediction in dense well pattern areas[J].Oil Geophysical Prospecting,2018,53(2):361-368.

Options
文章导航

/

〈 〉

陇ICP备2021001824号-7　 甘公网安备 62010202000678号
版权所有 © 《天然气地球科学》编辑部
地址：甘肃省兰州市天水中路8号　
邮编：730000　
电话：(0931)8277790　
E-mail：geogas@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司