天然气地球科学 >

2025 , Vol. 36 >Issue 10: 1957 - 1968

DOI: https://doi.org/10.11764/j.issn.1672-1926.2025.04.005

天然气勘探

基于多边形孔隙岩石物理模型的致密砂岩储层AVO响应特征及敏感属性分析——以鄂尔多斯盆地延长组为例

  • 陈雪薇 , 1 ,
  • 刘致水 , 1 ,
  • 蔡露露 2 ,
  • 李之旭 3
展开
  • 1. 长安大学地质工程与测绘学院，陕西 西安 710054
  • 2. 中国海油集团能源经济研究院，北京 100036
  • 3. 中国石油辽河油田分公司开发事业部，辽宁 盘锦 124000
刘致水（1988-），男，甘肃庆阳人，博士，副教授，主要从事地震岩石物理建模、油气储层预测与烃类检测方面的教学与科研工作.E-mail：.

陈雪薇（2000-），女，陕西周至人，硕士研究生，主要从事致密砂岩储层流体预测方面的研究.E-mail：.

收稿日期: 2024-11-07

  修回日期: 2025-04-09

  网络出版日期: 2025-05-21

基金资助

国家自然科学基金项目(42474161)

国家自然科学基金项目(42442402)

国家自然科学基金项目(42104120)

长安大学青年学者学科交叉团队项目(300104240917)

收起

AVO response characteristics and sensitive attributes of tight sandstone reservoirs based on polygonal pore rock physical model： A case study in Yanchang Formation of Ordos Basin

  • Xuewei CHEN , 1 ,
  • Zhishui LIU , 1 ,
  • Lulu CAI 2 ,
  • Zhixu LI 3
Expand
  • 1. School of Geological Engineering and Geomatincs，Chang’an University，Xi’an 710054，China
  • 2. Energy Economics Institute of China National Offshore Oil Corporation，Beijing 100036，China
  • 3. Development Division，PetroChina Liaohe Oilfield Company，Panjin 124000，China

Received date: 2024-11-07

  Revised date: 2025-04-09

  Online published: 2025-05-21

Supported by

The National Natural Science Foundation of China(42474161)

the Chang'an University Young Scholars Interdisciplinary Team Project(300104240917)

Fold

摘要

鄂尔多斯盆地三叠系延长组致密砂岩经历了强烈的机械压实和胶结作用，孔隙度、渗透率极低，孔隙结构成为影响储层速度的重要因素，因此孔隙结构的变化会引起AVO响应的变化，这给利用AVO属性进行流体识别造成困扰。将二维规则多边形孔隙结构岩石物理模型与AVO分析方法相结合，分析研究区致密砂岩储层特征参数的AVO响应特征。结果显示：孔隙形状对AVO响应的影响十分显著，且储层中含有不同流体时孔隙形状引起的AVO响应规律近似但数值不同。AVO属性分析对比研究显示，超低孔隙度（ φ=1%）时P/G属性敏感性高，低孔隙度（1% φ≤3%）时 ∆ F属性敏感性较高，中孔隙度（3% φ8%）时 S P R × G属性敏感性较高，高孔隙度时（ φ≥8%）   F F属性敏感性较高。研究结果对研究区利用AVO属性进行流体识别提供了理论支持。

关键词： 致密砂岩储层; AVO响应; AVO属性; 正演模拟; 孔隙形状

本文引用格式

陈雪薇 , 刘致水 , 蔡露露 , 李之旭 . 基于多边形孔隙岩石物理模型的致密砂岩储层AVO响应特征及敏感属性分析——以鄂尔多斯盆地延长组为例[J]. 天然气地球科学, 2025 , 36(10) : 1957 -1968 . DOI: 10.11764/j.issn.1672-1926.2025.04.005

Abstract

The tight sandstone of the Triassic Yanchang Formation in Ordos Basin has strong mechanical compaction and cementation， the porosity and permeability are very low， and the pore structure become an important factor affecting the reservoir velocity. Therefore， the change of pore structure will cause the change of AVO response， which causes trouble to the fluid identification. In this paper， the rock physics model of the two-dimensional regular polygon pore structure is combined with the AVO analysis method to analyze the AVO response characteristics of the key parameters of the tight sandstone reservoir in the study area. The results show that the pore shape has a significant influence on the AVO response， and the AVO response law caused by the pore shape in the reservoir containing different fluids has similar trend but different values. The comparative study of AVO attribute analysis showed that the P/G property is highly sensitive at ultra-low porosity（φ=1%），∆F is sensitive at low porosity （1%φ≤3%）， SPR×G is sensitive at medium porosity （3%φ8%）， and FF is sensitive at high porosity （φ≥8%）. The results provide theoretical support for the fluid identification using AVO attributes in the study area.

Key words： Tight sandstone reservoir; AVO response; AVO attribute; Forward simulation; Pore shape

0 引言

致密砂岩油气已成为油气勘探与开发的重点目标［1］，准确识别致密砂岩中的流体类型对于提高油气勘探准确率异常重要。与常规砂岩不同，致密砂岩经历过强烈的机械压实与胶结作用，储层具有低孔、低渗特性，且孔隙以多边形形状和裂缝为主［1-3］。由于孔隙度低，孔隙结构是致密砂岩储层弹性模量的重要影响因素［4］。AVO属性分析是进行储层识别和流体预测的重要手段，其实质是利用储层岩性、流体导致的储层速度差异引起的振幅随偏移距（AVO）变化特征来识别岩性及流体信息。因此，进行孔隙结构、流体类型等储层参数AVO响应特征及孔隙结构影响下的流体敏感属性研究，对于致密砂岩储层的流体识别具有重要意义。
朴素的AVO分析技术源于20世纪60、70年代，学者们通过观察地震剖面中振幅异常突出的“亮点”来识别含气层。自20世纪80年代提出以来，AVO分析技术逐渐成为油气勘探和开发的重要工具。1985年，SHUEY［5］简化了Zoeppritz方程，提出了截距（ P）、梯度（ G）属性概念。1987年，SMITH等［6］引入流体因子的概念，使AVO属性交会图分析法得到广泛应用。1997年，CASTAGNA等［7］总结了4类含气砂岩的AVO响应特征。其后，学者们提出了诸多可以反映流体性质的敏感属性（流体因子），例如基于Shuey的P和G属性进行简单的加、减、乘、除运算获得的拟泊松比、横波反射系数。国内许多学者利用这些属性进行相关研究，贝智敏等［8］给出了多种组合属性的详细表达式及物理意义；刘伟方等［9］利用AVO属性识别油气异常，为钻探提供依据；章静等［10］基于BA-BP神经网络预测模型，利用AVO属性预测煤层瓦斯含量；陈康等［11］在基于Bayesian分类的AVO截距、梯度属性及孔隙度等参数约束下，对川中地区侏罗系沙溪庙组致密砂岩的岩相进行了划分。近些年许多国内外学者基于 P 、 G属性构造了新的属性［12-16］。
目前针对致密砂岩储层AVO响应的研究大多仅考虑储层厚度、孔隙度、流体的影响，对孔隙结构变化引起的致密砂岩储层AVO响应特征变化规律及其与孔隙度、流体等变化引起的AVO响应特征变化规律之间的差别，以及孔隙结构影响下的流体敏感属性分析研究尚需深入探讨。本文研究将2D规则多边形孔隙结构致密砂岩储层岩石物理模型［17］与AVO分析技术相结合，正演研究鄂尔多斯盆地延长组致密砂岩储层AVO响应特征规律，分析并优选流体敏感AVO属性，为后续的AVO属性反演提供指导。

1 研究区地质概况

鄂尔多斯盆地是中国致密油气资源的主要勘探开发区之一，本文研究的目标区位于鄂尔多斯盆地南缘天环向斜南部镇泾地区，该目标区中生界三叠系延长组发育致密砂岩储层。其中延长组6段以三角洲沉积体系为主，发育大量砂体，受古地貌和物源控制，砂体横向连续性差、非均质性强［18］。
延长组致密砂岩储层岩性以石英砂岩、长石砂岩为主，发育少量细砂岩、粉砂岩；填充物主要由黏土矿物、方解石、硅质及钙质胶结物等组成。储层的孔隙类型以原生粒间孔、粒间溶孔为主，孔隙度普遍低于10%，多在6% ~8%之间；渗透率普遍小于1×10-3 μm2，多小于0.3×10-3 μm2，是典型的低孔低渗砂岩储层［19］。延长组致密砂岩中的原生粒间孔隙，是沉积阶段砂粒堆积形成的原始孔隙结构经历压实、胶结等成岩作用改造后形成的，其几何形态以三角形、四边形等多边形为主；粒间溶蚀孔隙则源于颗粒接触带、胶结物及填隙物的选择性溶解作用，这类次生孔隙多发育于颗粒间隙，常呈现为不规则港湾状或棱角状结构；粒内溶蚀孔隙的形成与石英、岩屑等刚性颗粒的差异性溶蚀密切相关，呈不规则状、蜂窝状［20］。
图1 研究区位置（据文献［21］有修改）（a）及延长组地层示意（b）

Fig.1 Location of the study area （modified from Ref.［21］） （a） and schematic stratigraphic column of the Yanchang Formation （b）

2 方法原理

2.1　AVO技术

AVO技术是利用Zoeppritz方程及其简化式来分析地震振幅随偏移距变化特征识别岩性及流体的地震勘探技术。本文采用 Shuey简化公式进行研究［5］。
R P P θ ≈ A + B s i n 2 θ + C s i n 2 θ t a n 2 θ
式中： A = 1 2 Δ V P V P + Δ ρ ρ； B = B 0 A + Δ σ ( 1 - σ ) 2； B 0 = D - 2 ( 1 + D ) 1 - 2 σ 1 - σ； D = Δ V P V P Δ V P V P + Δ ρ ρ ¯；
C = 1 2 Δ V P V P； θ为入射角； Δ V P、 Δ V S、 Δ ρ、 Δ σ分别表示反射界面两侧的纵波、横波速度、密度和泊松比的差值； V P、 V S、 ρ、 σ分别表示反射界面两侧的纵波、横波速度、密度和泊松比的平均值。
当入射角小于30°时，Shuey近似公式简化为：
R θ = P + G s i n 2 θ
式中： R ( θ )为反射系数； P为AVO截距，反映垂直入射时的反射振幅； G为AVO梯度，是与岩石纵、横波速度和密度有关的项。
P与 G综合反映了岩石骨架、孔隙度、孔隙流体及孔隙结构等的影响，对储层及流体的识别有较好的效果，许多学者又以 P和 G为基础提出了新的属性，在实际生产中得到了较好效果。表1给出了常用的及近些年提出的新的AVO属性公式。
表1 AVO属性及其公式[12-16,22]

Table 1 The AVO attributes and their formulas[12-16,22]

AVO属性 P G G r
名称 截距属性 梯度属性 限制梯度属性
公式 1 2 Δ V p V p + Δ ρ ρ 1 2 Δ V p V p - 4 V s V p 2 Δ V s V s - 2 V s V p 2 Δ ρ ρ S N G P × G
适用性或意义 提供更可靠的零偏移距剖面 当反射界面上下介质弹性参数差异很大时，会产生梯度异常 反映了反射振幅的绝对值随入射角变化的梯度
AVO属性 P+ G P－ G P× G
名称 拟泊松比变化率属性 拟零偏移距横波反射系数属性 烃类指示属性
公式 / / /
适用性或意义 能较好地判断地层是否含气 反映了平面波垂直入射至地层界面上时的横波反射系数 有助于识别不同的岩性
AVO属性 P / G S P R × G F F
名称 比商属性 标量泊松比反射率×梯度属性 Farfour流体因子属性
公式 / S P R = Δ V p V p - Δ V s V s G - 1 - 8 γ 2 P
适用性或意义 反映了振幅随炮检距的响应与法线反射时振幅响应的偏差

比普通AVO属性对流体更敏感，

是 P与 G属性的替代

 对流体敏感，需根据具体地质情况进行校准，以获得更好的效果
AVO属性 ∆ F P r、 G r
名称 流体因子属性 扩展AVO属性
公式 1 2 Δ V p V p + Δ ρ ρ - 1.16 V s V p ⋅ Δ V s V s + Δ ρ ρ P r = P c o s θ - G s i n θ G r = P s i n θ + G s i n θ
适用性或意义 可以反映储层孔隙含气的状况

区分不同孔隙度条件下的油层和水层，

降低常规AVO属性的多解性

AVO属性 J s、 J p S Q p 、 S Q s
名称 J属性 P、S波质量因子属性
公式 J s = α 1 + α P - G J p = 4 ( 2 + α ) γ ( 1 + α ) P S Q p = 5 6 P - 2 + 3 ( P + G ) 2 2 3 - ( P + G ) S Q s = 10 3 P 3 ( P + G ) - 2 3 ( P + G ) + 2
适用性或意义 应用时需要考虑速度、孔隙度和含水饱和度的特征，旋转的角度需从特定储层的岩石物理关系中得出

SQ p属性在区分岩相方面具有很高的灵敏度，

SQ s属性在区分流体方面具有很高的灵敏度

2.2　二维多边形孔隙结构岩石物理模型

经典Mori-Tanaka［23］模型源于平均场应力近似方法，可被用于计算含孔隙的干岩石的弹性模量。在前者基础上，KACHANOV等［24］推导了含有二维规则多边形孔隙的干岩石的杨氏模量和泊松比的计算公式：
E d r y = E m [ 1 + 2 ( h 3 - h 2 ) φ 1 - φ ] - 1
σ d r y = σ m + φ ( 1 - φ ) - 1 1 + 2 ( h 3 - h 2 ) φ ( 1 - φ ) - 1
式中： E m和 σ m分别代表岩石基质的杨氏模量和泊松比； φ为岩石的孔隙度； h 2和 h 3是孔隙形状因子，部分情况下 h 3与另一孔隙形状因子 h 1有关系。
虽然KACHANOV等［24］的二维规则孔隙模型在理论建模方面取得重要进展，但其多个孔隙形状因子导致不利于数学方法应用、难以预知孔隙形状等局限。刘致水等［17，20］引入等效孔隙形状因子g替代Kachanov二维模型中的多个形状因子参数以对其简化，并提出一种考虑多边形孔隙结构的致密砂岩储层岩石物理模型，该模型孔隙形状及孔隙形状因子g如表2所示，公式如式（5）—式（7）所示。
g = 2 ( h 3 - h 2 ) - 1
表2 致密砂岩储层中的多边形孔隙类型及孔隙形状因子(据文献[17]修改)

Table 2 Polygonal pore types and pore shape factors in tight sandstone reservoirs (modified from Ref.[17])
模型 规则多边形形状孔隙岩石物理模型
①凸边三角形孔隙 ②凹边三角形孔隙 ③凸边四边形孔隙 ④凹边四边形孔隙 ⑤凸边五边形孔隙 ⑥凹边五边形孔隙
孔隙形状
孔隙形状因子 g=3.142 g=6.000 g=3.548 g=7.750 g=2.210 g=3.714
利用二维多边形孔隙结构岩石物理模型计算干岩石体积和剪切模量的公式为：
K d r y = 3 K m G m 1 - φ 3 G m + 3 K m + G m g - 3 K m - 4 G m φ
G d r y = 9 K m G m ( 1 - φ ) 9 K m + [ 2 ( 3 K m + G m ) g + 3 K m + 4 G m ] φ
式中： K d r y、 G d r y分别指干岩石的体积和剪切模量； K m、 G m分别指岩石基质的体积和剪切模量； φ为孔隙度。

2.3　流体替换

若已知岩石基质、骨架和孔隙流体的弹性模量，利用Gassmann方程可以计算饱和不同流体岩石的弹性模量。本文利用二维多边形孔隙结构岩石物理模型计算干岩石（骨架）的弹性模量，再利用Gassmann方程求算饱和不同流体岩石的弹性模量。
K s a t = K d r y + 1 - K d r y K m φ K f + 1 - φ K m - K d r y K m 2
G s a t = G d r y
式中： K s a t 、 G s a t为饱和流体岩石的体积和剪切模量； K f = K w K g K g + S g K w - K g 、 K g 、 K w分别为混合流体、气、水的体积模量，GPa； S g为含气饱和度，%。
最后计算饱和流体岩石的纵、横波速度 V P c、 V S c，进而进行AVO正演，从而分析孔隙形状对AVO响应的影响。
V P c = K s a t + 4 3 G s a t ρ s a t
V S c = G s a t ρ s a t
式中： ρ s a t= ρ f φ + ρ m（1－ φ）； ρ f= ρ g S g + ρ w（1－ S g）； ρ m、 ρ w、 ρ g 、 ρ f 、 ρ s a t分别为岩石基质、水、气、流体、饱和流体岩石的密度，g/cm3。

3 储层AVO响应特征分析

3.1　储层正演模型

据研究区实际情况建立致密砂岩储层在上，砂岩非储层在下的双层地质模型。利用岩心实验室测试数据给定基质岩石的纵、横波速度分别为5 103 m / s、3 241 m / s，密度为2.66 g / c m 3，由此计算得到基质岩石的体积、剪切模量和密度，研究中使用的岩石物理参数如表3所示。
表3 正演使用的储层参数

Table 3 Reservoir parameters used for forward simulation

参数 体积模量/ G P a 剪切模量/ G P a 密度/（ g / c m 3）
岩石基质 36.34 27.60 2.65
水 2.25 / 1.0
气 0.001 / 0.000 8

3.2　孔隙形状的AVO响应特征

假定孔隙度为5 %，分别分析孔隙饱含水和气两种情况时孔隙结构对AVO响应的影响，为了综合观察孔隙形状因子g的影响，分别取g=2.210、g=3.142、g=3.548、g=3.714、g=6.000、g=7.750来对比分析。图2中的AVO反射曲线显示，含不同形状孔隙储层在饱含水和气时反射系数随入射角增大的变化趋势近似且都降低。含不同形状孔隙储层的反射系数振幅有差别，从大到小依次是含凹边四边形、凹边三角形、凹边五边形、凸边四边形、凸边三角形、凸边五边形孔隙的储层。反射系数曲线振幅随孔隙形状因子的减小而减小，孔隙形状因子一定时反射系数曲线振幅随偏移距增大不断减小。由图2中的P—G交会图可以看出，随着孔隙形状因子增大，P值呈增大趋势，G值呈减小趋势，且交会点均落在第IV象限。
图2 相同孔隙度、不同孔隙形状因子下的AVO响应变化

（a）、（c）分别为饱含水、气的AVO反射曲线；（b）、（d）分别为饱含水、气的P—G交会图

Fig.2 AVO response of rock with same porosity and different pore shape factors

由于该地区储层孔隙多呈三角形、四边形等［20］，为考虑多种孔隙结构下的AVO响应特征，以储层含凸边三角形和凹边四边形孔隙为例，将致密砂岩中的孔隙类型等效为凸边三角形与凹边四边形孔隙的组合。以凸边三角形孔隙作为上界，凹边四边形孔隙作为下界，引入参数 w 1表征凸边三角形孔隙在总孔隙度中的占比，则 1 - w 1反映了凹边四边形孔隙的在孔隙度中的占比， w 1=1 时表示岩石仅发育凸边三角形孔隙， w 1 = 0时指示岩石孔隙均为凹边四边形孔隙。令 w 1在0% ~100%之间按照5%的步长变化进行模拟分析。图3展示了储层含不同孔隙形状时AVO响应特征与 w 1之间的关系。
图3 储层含凸边三角形孔隙和凹边四边形孔隙时的AVO响应变化

（a）AVO反射曲线；（b）P—G交会图

Fig.3 AVO response of reservoir containing convex triangular and concave quadrilateral pores

3.3　孔隙度的AVO响应特征

假定含气饱和度为20 %，孔隙度在0.5% ~12.5%之间按照2%的步长变化进行模拟分析。图4的AVO响应特征表明，无论孔隙形状因子取何值，反射系数曲线随孔隙度变化的趋势是相似的。当孔隙形状因子固定时，孔隙度降低将导致AVO曲线形态逐渐趋于平缓，同时零炮检距振幅随孔隙度减小呈现由正向负的极性反转。相应地，通过P—G交会图可以看出随着孔隙度的增大，P值逐渐增大，G值逐渐减小，且交会点从第III象限向第IV象限转变。
图4 不同孔隙度下的AVO响应变化

注：图（a）、（c）、（e）、（g）、（i）、（k）和（b）、（d）、（f）、（h）、（j）、（l）分别为g等于2.210、3.142、3.548、3.714、6.000、7.750的AVO反射曲线和P—G交会图

Fig.4 AVO response of rock with different porosity

3.4　含气饱和度的AVO响应特征

假定孔隙度为5%，含气饱和度在0 ~100%之间按照20%的步长变化进行分析。由图5可见，对于不同的孔隙结构，反射系数曲线和交会图上气水的差别均十分明显，通过振幅绝对值可以区分水层和含气层，且孔隙因子越大，气水差别越明显；通过振幅也可以区分含气饱和度，即振幅绝对值越大，储层含气饱和度越高；图5中的AVO曲线存在极性反转现象，且不同的孔隙结构储层含不同流体时极性反转现象不同：g=2.210时，孔隙中含水含气时反射曲线都有极性反转现象；g为3.142、3.548、3.714且孔隙含气时，反射曲线无极性反转现象；当g为6.000、7.750且孔隙中含水或含气时，反射系数曲线无极性反转现象。在P－G交会图中交会点都落在第IV象限，P值呈增大趋势，G值呈先增大后减小的趋势。
图5 不同含气饱和度下的AVO响应特征

注：图（a）、（c）、（e）、（g）、（i）、（k）和（b）、（d）、（f）、（h）、（j）、（l）分别为g等于2.210、3.142、3.548、3.714、6.000、7.750的AVO反射曲线和P—G交会图

Fig.5 AVO response characteristics at different gas saturation

3.5　各储层参数变化的影响对比

孔隙形状、孔隙度、含气饱和度对AVO响应有不同程度的影响，表4给出了这3种参数对AVO响应特征的影响规律。
表4 不同储层参数变化引起的AVO响应变化规律

Table 4 Characteristics of AVO response caused by different reservoir parameters

储层参数变化 不同储层参数变化引起的AVO响应变化特征
反射系数 P G
孔隙形状因子增大 正极性，呈正向增大趋势 增大 减小
孔隙度增大 极性由负变正发生反转，呈由负向减小变正向增大趋势 增大 减小
含气饱和度增大 正极性，呈正向增大趋势 增大 先增大，后减小

4 敏感属性优选

分别选取截距（P）、梯度（G）、拟泊松比（P+G）、拟零偏移距横波反射系数（P－G）、烃类指示因子（P×G）、比商（P/G）、P波和S波质量因子（SQ P、SQ S）、流体因子（ΔF）、Farfour流体因子（FF）及SPR×G进行属性敏感性定量评价。本文使用属性敏感系数（公式12），用于定量分析各种属性的敏感度。
S = A - B A + B
式中： S表示属性敏感性系数； A 、 B分别表示饱含气储层与非储层界面、饱含水储层与非储层界面的属性。S值越大表示两相介质的属性值差距越大，代表其敏感度越高。
假定孔隙度在1% ~12%之间按照1%的步长变化以模拟分析。由图6可见，在超低孔隙度（ φ=1%）时P/G属性敏感性较高；在低孔隙度（1% φ≤3%）时ΔF属性敏感性较高；在中孔隙度（3% φ8%）时SPR×G属性敏感性较高；而在高孔隙度（ φ≥8%）时FF属性敏感性较高。上述结果表明对该区域进行研究时应根据孔隙度特征选择合适的属性。
图6 不同孔隙度区间各属性的敏感性对比

Fig.6 Sensitivity comparison of various properties in different porosity intervals

5 实际资料测试

本文选取J研究区实际测井数据进行测试，该研究区平均孔隙度为10%，岩石基质体积和剪切模量分别为41.75 G P a、30.10 G P a。对J研究区进行敏感属性优选分析，结果显示在孔隙度为10%时FF属性有着较高的敏感性（图7）。
图7 孔隙度10%时J井各属性的敏感性对比

Fig.7 Sensitivity comparison of various properties of Well J at a porosity of 10%

选取研究区测井数据进行AVO正演模拟（图8），图中黄线为气层顶。由图8可见，储层顶部具有负截距和正梯度，且Farfour流体因子（FF）响应较强，对流体较为敏感。
图8 测井数据不同敏感属性AVO正演模拟结果

Fig.8 AVO forward mdeling with different sensitive properties using logging data

本文利用5° ~15°、15° ~25°、25° ~35°共3个分角度叠加数据体进行测试。反演计算得到P、G、P+G、P-G、P×G、P/G、ΔF、FF及SPR×G共9个属性体，剖面如图9所示，该剖面过J井，图10为J井测井数据及井正演角度道集，黄色为气层。结合AVO正演结果来看，在气层顶部P应表现为负异常、G应表现为正异常、P+G应表现为正异常、P-G应表现为负异常、P×G应表现为负异常、ΔF应表现为正异常、FF应表现为正异常、SPR×G应表现为正异常，FF较其他8个属性敏感性略优。实际资料测试结果与敏感属性评价结果一致，说明本文的敏感属性优选结果较为可靠。
图9 过J井地震剖面

注：图（a）、（b）、（c）、（d）、（e）、（f）、（g）、（h）、（i）、（j）分别为原始地震剖面、P、G、P+G、P－G、P×G、P/G、ΔF、FF、SPR×G属性剖面

Fig.9 Seismic profile through Well J

图10 J井气层段示意

Fig.10 Schematic diagram of gas-bearing intervals in Well J

6 结论

针对鄂尔多斯盆地三叠系延长组致密砂岩储层，将二维规则多边形孔隙结构岩石物理模型与AVO属性分析结合研究，得到以下结论。
（1）除孔隙度及流体类型外，孔隙形状因子对AVO响应的影响十分显著，且其影响与储层中包含的流体类型无关。储层中饱含气和水时，孔隙形状引起的AVO响应规律是相似的，即含凹边四边形孔隙时反射系数最大，其次是含凹边三角形、凹边五边形、凸边四边形、凸边三角形孔隙，含凸边五边形孔隙岩石的反射系数最小。
（2）AVO曲线的振幅绝对值可区分水层和气层，振幅绝对值越大储层含气饱和度越高；随着孔隙形状因子增大水层和气层区分度越明显，即二者的AVO曲线振幅绝对值差值越大。
（3）不同孔隙度时，不同叠前AVO属性的敏感性不同。在超低孔隙度（ φ=1%）时P/G属性敏感性较高；在低孔隙度（1% φ≤3%）时ΔF属性敏感性较高；在中孔隙度（3% φ8%）时SPR×G属性敏感性较高；在高孔隙度（ φ≥8%）时FF属性敏感性较高。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
孙龙德， 邹才能， 贾爱林， 等. 中国致密油气发展特征与方向［J］. 石油勘探与开发， 2019， 46（6）： 1015-1026．

SUN L D， ZOU C N， JIA A L， et al. Characteristics and directions of tight oil and gas development in China［J］. Petroleum Exploration and Development， 2019， 46（6）： 1015-1026.

[2]
LIU X F， WANG J F， HU F L， et al. Pore-scale characterization of tight sandstone in Yanchang Formation Ordos Basin China using micro-CT and SEM imaging from nm- to cm-scale［J］. Fuel， 2017， 209： 254-264.

[3]
ZHOU Y，JI Y L，XU L M，et al. Controls on reservoir heterogeneity of tight sand oil reservoirs in Upper Triassic Yanchang Formation in Longdong area， southwest Ordos Basin， China： Implications for reservoir quality prediction and oil accumulation［J］.Marine and Petroleum Geology，2016，78：110-135.

[4]
印兴耀， 刘倩. 致密储层各向异性地震岩石物理建模及应用［J］. 中国石油大学学报（自然科学版）， 2016， 40（2）： 52-58．

YIN X Y， LIU Q. Anisotropic rock physics modeling of tight sandstone and applications［J］. Journal of China University of Petroleum（Edition of Natural Science）， 2016， 40（2）： 52-58.

[5]
SHUEY R T. A simplification of the zoeppritz equations［J］. Geophysics， 1985， 50（4）： 609-614.

[6]
SMITH G C， GIDLOW P M. Weighted stacking for rock property estimation and detection of gas［J］. Geophysical Prospecting， 1987， 35（9）： 993-1014.

[7]
CASTAGNA J P， SWAN H W. Principles of AVO crossplotting［J］. The Leading Edge， 1997， 16（4）： 337-344.

[8]
贝智敏， 周英， 席敏红. AVO属性工作站处理及解释［J］. 海洋石油， 2001，23（3）： 22-29.

BEI Z M，ZHOU Y，XI M H.AVO attribute produce and interpretation on workstation［J］.Offshore Oil，2001，23（3）：22-29.

[9]
刘伟方， 于兴河， 黄兴文， 等. 利用地震属性进行无井条件下的储层及含油气预测［J］. 西南石油学院学报， 2006，28（4）：22-25，102.

LIU W F， YU X H， HUANG X W， et al. Study of using seismic attribute to predicate reservoir and oil-gas-bearing under little well［J］.Journal of Southwest Petroleum Institute，2006，28（4）：22-25， 102.

[10]
章静， 吴海波， 张平松， 等. 基于叠前AVO属性的煤层瓦斯含量预测［J］. 地球物理学进展， 2020， 35（5）： 2033-2039.

ZHANG J， WU H B， ZHANG P S， et al. Coal seam gas content prediction based on pre-stack AVO attributes［J］. Progress in Geophysics， 2020， 35（5）： 2033-2039.

[11]
陈康， 戴隽成， 魏玮， 等. 致密砂岩AVO属性的贝叶斯岩相划分方法——以川中地区侏罗系沙溪庙组沙一段为例［J］. 岩性油气藏， 2024， 36（5）： 111-121.

CHEN K， DAI J C， WEI W， et al. Lithofacies classification of tight sandstone based on Bayesian Facies-AVO attributes： A case study of the first member of Jurassic Shaximiao Formation in central Sichuan Basin［J］. Lithologic Reservoirs， 2024， 36（5）： 111-121.

[12]
FARFOUR M， FOSTER D. A new AVO fluid indicator using the fluid line：Theory and application［J］.Geophysics，2022，204： 104732.

[13]
王迪， 张益明， 牛聪， 等. 储层敏感流体因子反演及烃类检测［J］. 石油地球物理勘探， 2021， 56（1）： 146-154， 10.

WANG D， ZHANG Y M， NIU C， et al. Reservoir sensitive fluid factor inversion and its application in hydrocarbon detection［J］.Oil Geophysical Prospecting，2021，56（1）：146-154，10.

[14]
FARFOUR M， FOSTER D. New AVO expression and attribute based on scaled Poisson reflectivity［J］. Geophysics， 2021， 185： 104255.

[15]
DWINANDA I G， HARIS A. Reservoir charaterization using J-atribute as a new attribute to reduce ambiguity in predicting reservoirs［J］. Journal of Physics： Conference Series， 2021， 1882： 012008.

[16]
RIDWAN T K，HERMANA M，LUBIS L A，et al.New AVO attributes and their applications for facies and hydrocarbon prediction：A case study from the northern Malay Basin［J］.Applied Sciences， 2020， 10（21）： 7786.

[17]
刘致水， 包乾宗， 刘俊州， 等. 一种简化的二维规则多边形孔隙岩石物理模型［J］. 石油地球物理勘探， 2022， 57（1）：140-148， 9.

LIU Z S， BAO Q Z， LIU J Z， et al. A simplified 2D petrophysical model for regular polygon pores［J］. Oil Geophysical Prospecting， 2022， 57（1）： 140-148， 9.

[18]
吴彦君. 鄂尔多斯盆地陇东地区致密砂岩储层微观特征差异及其对可动流体的影响［D］. 西安： 西北大学， 2023.

WU Y J.Difference of Microscopic Characteristics of Tight San-dstone Reservoirs and Its Influence on Movable Fluid in Longdong Area，Ordos Basin［D］.Xi’an：Northwest University，2023.

[19]
张玉晔， 赵靖舟. 鄂尔多斯盆地延长组致密砂岩储层微观孔隙结构特征［J］. 矿产勘查，2021，12（2）： 288-294.

ZHANG Y Y， ZHAO J Z. Characteristics of micro-pore structure of tight sandstone reservoirs in Yanchang Formation，Ordos Basin［J］. Mineral Exploration， 2021，12（2）： 288-294.

[20]
刘致水， 王康宁， 包乾宗， 等. 致密砂岩储层岩石物理横波速度预测方法——以鄂尔多斯盆地延长组为例［J］. 石油学报， 2022， 43（9）：1284-1294.

LIU Z S， WANG K N， BAO Q Z， et al. Prediction method of rock physics S-wave velocity in tight sandstone reservoir：A case study of Yanchang Formation in Ordos Basin［J］. Acta Petrolei Sinica，2022，43（9）： 1284-1294.

[21]
吉园园，高一龙，郑锟.镇泾地区东北部长81-2低渗透碎屑岩储层成岩演化及致密化成因［J］.非常规油气，2020，7（2）：11-17.

JI Y Y， GAO Y L， ZHENG K. Diagenetic evolution and densification genesis of the tight-reservoir in Chang-81-2 member， northeastern part of Zhenjing Area［J］. Unconventional Oil Gas， 2020，7（2）：11-17

[22]
RUSSELL B H， GRAY D， HAMPSON D. Linearized AVO and poroelasticity［J］. Geophysics， 2011， 76（3）： C19-C29.

[23]
MORI T， TANAKA K. Average stress in matrix and average elastic energy of materials with misfitting inclusions［J］. Acta Metallurgica， 1973， 21（5）： 571-574.

[24]
KACHANOV M， TSUKROV I， SHAFIRO B. Effective moduli of solids with cavities of various shapes［J］. Applied Mechanics Reviews，1994，47：S151-S174.

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