李 超,張金淼,朱振宇

(1.中海油研究總院,北京100028;2.中國石油大學(北京),北京102249;3.海洋石油勘探國家工程實驗室,北京100028)

李超,張金淼,朱振宇.深部儲層流體因子直接反演方法[J].石油物探,2017,56(6):-834

LI Chao,ZHANG Jinmiao,ZHU Zhenyu.Direct inversion for fluid factor of deep reservoirs[J].Geophysical Prospecting for Petroleum,2017,56(6):-834

深部儲層流體因子直接反演方法

李 超1,2,3,張金淼1,3,朱振宇1,3

(1.中海油研究總院,北京100028;2.中國石油大學(北京),北京102249;3.海洋石油勘探國家工程實驗室,北京100028)

深層油氣藏勘探是目前油氣勘探的熱點之一,但是由于缺乏高質(zhì)量的大角度地震道集數(shù)據(jù),基于疊前地震反演的儲層流體識別難以有效實施。為此,從Zoeppritz方程的近似方程出發(fā),結(jié)合彈性參數(shù)間的巖石物理關系,推導了包含Gassmann流體項和剪切模量項的兩項地震反射系數(shù)近似方程。利用模型試驗證明了該方程的精度與三項方程相當,可以用于疊前地震反演。在貝葉斯反演理論框架下,基于該近似方程建立了不需要大角度地震數(shù)據(jù)的概率化疊前地震反演方法,用于直接反演Gassmann流體項,并進行儲層流體識別。模型試算結(jié)果表明,該方法具有較高的準確度和穩(wěn)定性;實際資料應用結(jié)果表明,該方法具有一定的實用性。

深部儲層流體識別;兩項反射系數(shù)近似方程;大角度地震數(shù)據(jù);貝葉斯理論;疊前反演

儲層流體識別是油氣勘探的關鍵環(huán)節(jié),識別精度關系到油氣藏開發(fā)的成敗。地震數(shù)據(jù)中包含的諸多信息都被用于指示儲層流體性質(zhì),彈性參數(shù)因其明確的物理意義和穩(wěn)定的估計方法成為較常用的一類參數(shù)。地下巖石的速度、密度、阻抗等參數(shù)由于較容易獲得,因而最早用于判別儲層性質(zhì)。20世紀七八十年代,泊松比因?qū)瑲馍皫r儲層的良好指示而被廣泛應用,至今仍然在含氣儲層預測中發(fā)揮重要作用[1]。GOODWAY[2]提出拉梅參數(shù)和密度的乘積是儲層流體性質(zhì)的良好指示參數(shù)。GRAY[3]認為拉梅參數(shù)本身就可以區(qū)分流體性質(zhì),推導了可以用于拉梅參數(shù)直接反演的方程。QUAKENBUSH等[4]指出在復雜儲層條件下可以通過組合縱、橫波阻抗得到泊松阻抗來區(qū)分儲層的巖性和流體性質(zhì)。RUSSELL等指出流體項ρf和Gassmann流體項f對于流體性質(zhì)的變化都比較敏感,而且可以利用地震反演技術對其進行估計[5-6]。ZONG等[7]建立了利用縱橫波模量表示的孔隙彈性理論和反射系數(shù)近似方程,并發(fā)展了基于縱橫波模量反演的流體識別方法。郝前勇等[8]提出基于體積模量和剪切模量的組合彈性模量流體因子可以降低流體識別的多解性。劉立峰等[9]利用多種地震屬性的不同角度疊加數(shù)據(jù)體組合流體識別因子進行碳酸鹽巖儲層流體識別。李超等[10]提出利用孔隙流體模量作為流體因子可以降低固體骨架的影響,提高流體識別精度。

精確估計流體因子是流體識別過程必不可少的步驟[11]。疊前地震反演技術極大地促進了地震流體識別技術的發(fā)展。BULAND等[12]和DOWNTON[13]分別提出了不同的AVO反演方法,用于直接反演縱橫波波阻抗;YOUNG等[14]采用LMR反演方法將拉梅參數(shù)用于儲層流體識別;ZONG等[15]提出了一種疊前同步反演方法用于Gassmann流體項的估計;ZONG等[16]提出了泊松比和楊氏模量的直接反演方法,用于頁巖儲層的脆性評價;LI等[17]基于入射角近似方程提出了Russell流體項的疊前反演方法;桂金詠等[18]提出了致密儲層流體因子的疊前同步反演方法。這些常用的疊前反演方法大都利用三項反射系數(shù)近似方程,因此需要從小角度到大角度的疊前道集數(shù)據(jù)才能獲得穩(wěn)定的反演結(jié)果。

Zoeppritz方程的線性近似方程是目前疊前反演中較為常用的反射系數(shù)方程。這些近似方程以三項方程為主,且第3項通常是密度項。要進行密度的穩(wěn)定反演,則需要大角度的疊前地震數(shù)據(jù)[19-20]。深部地層中蘊含有大量的石油天然氣,但是由于埋深較大,深層油氣藏勘探采集到的地震數(shù)據(jù)質(zhì)量遠不及中淺層,最突出的表現(xiàn)就是大角度(大偏移距)的疊前地震道集品質(zhì)低下,從而限制了常規(guī)的基于疊前地震反演的油氣預測技術的應用。

本文提出了一種可以在缺少大角度地震道集數(shù)據(jù)的情況下精確估計流體因子的疊前地震反演方法?；赯oeppritz方程的線性近似方程和巖石物理理論推導出一個兩項反射系數(shù)近似方程,其包含Gassmann流體項和剪切模量。該近似方程僅有兩項,而且不包含密度項,因而利用其進行疊前反演不需要大角度疊前地震數(shù)據(jù)?；谪惾~斯反演理論構建了疊前地震反演的目標方程和相應的反演算法來直接反演流體項,并利用得到的流體項實現(xiàn)深部儲層的流體識別。最后用模型數(shù)據(jù)和實際地震數(shù)據(jù)驗證了方法的正確性和實用性。

1 流體因子反演方法

1.1 反射系數(shù)方程

Zoeppritz反射系數(shù)方程可以精確描述反射、透射波的振幅,但是由于本身的強非線性性,用其進行反演穩(wěn)定性較差。因此在疊前地震反演中,常采用反射系數(shù)方程的近似方程。Aki和Richards給出的Zoeppritz方程近似公式如下:

(1)

其中,ΔvP=vP2-vP1,ΔvS=vS2-vS1,Δρ=ρ2-ρ1,vP=(vP1+vP2)/2,vS=(vS1+vS2)/2,ρ=(ρ1+ρ2)/2,γ=vS/vP。vP1,vS1,vP2,vS2,ρ1,ρ2分別為界面兩側(cè)地層的縱波速度、橫波速度和密度,θ為入射角和透射角的平均值。

GARDNER等[21]研究了地下巖石的縱波速度與密度之間的關系,將其提出的方程改寫為差分形式:

(2)

其中,c為常系數(shù)。

(3)

(4)

其中,γdry為干燥巖石縱橫波速度比。

綜合方程(2),(3),(4)可以得到:

(5)

(6)

將方程(2),(5),(6)代入方程(1),可以得到:

(7)

方程(7)是一個兩項近似方程,基于此方程建立疊前地震反演方法,可以在不需要大角度地震數(shù)據(jù)的情況下反演Gassmann流體項和剪切模量。

其中,Kdry為干燥巖石的體積模量。

1.2 方程精度驗證

為了檢驗方程(7)的精度,選用如表1所示的兩個經(jīng)典模型(Ostrander模型和Goodway模型),計算模型中地層界面處的縱波反射系數(shù),并與Zoeppritz精確方程和Russell近似方程(包含Gassmann流體項的三項近似方程[6,22])的計算結(jié)果進行對比。

圖1a和圖1b分別給出了Ostrander模型和Goodway模型利用不同方程的計算結(jié)果。從圖1可以看出,藍色線和粉色線均與紅色線接近,而且藍色線與紅色線的距離更近,說明方程(7)的精度略高于Russell近似方程,因此其精度滿足疊前反演的要求。

表1 兩個模型的模型參數(shù)

1.3 疊前地震反演算法

疊前地震反演是綜合利用疊前地震數(shù)據(jù)、測井數(shù)據(jù)和地質(zhì)先驗信息的地震反演方法。基于貝葉斯反演理論框架,建立一種可以穩(wěn)定估計流體因子的疊前反演方法[23]。首先考慮1個界面、m個角度的情況,將方程(7)寫成矩陣形式:

(10)

在n個界面、m個角度的情況下,基于褶積理論添加子波矩陣W,將矩陣變成塊化矩陣方程:

(11)

其中,A,B,m,d分別為方程(10)中對應項的矩陣形式。

圖1 兩個模型的計算結(jié)果對比 a Ostrander模型; b Goodway模型

矩陣方程(11)可以簡寫成以下形式:

(12)

根據(jù)貝葉斯理論,待反演數(shù)據(jù)的后驗概率密度分布可以表示為:

(13)

其中,P(m|d)是后驗概率密度,P(d|m)是似然函數(shù),P(m)是先驗概率密度,P(d)是邊緣概率密度。

由于觀測到的地震數(shù)據(jù)中包含的噪聲通常服從高斯分布,因此假設似然函數(shù)服從高斯分布。為了更好地保護弱小反射,得到高分辨率的反演結(jié)果,假設先驗分布服從兩參數(shù)柯西分布,則后驗概率密度函數(shù)可以表示為:

(14)

對方程(14)待反演參數(shù)求導并取極值,可以得到如方程(15)的初始目標函數(shù):

(15)

為了提高反演結(jié)果的橫向連續(xù)性并補償?shù)皖l信息,在目標函數(shù)中加入模型約束項,得到:

(16)

式中:α是權重因子;C和ξ由低頻模型計算得到。

方程(16)的最大后驗概率解為:

(17)

利用迭代重加權最小二乘方法可以求解方程(17),然后利用方程(18)對結(jié)果積分即可得到最終反演結(jié)果。

(18)

式中:t0為第1個采樣點的時間。

兩項近似方程的優(yōu)勢不僅在于其不需要大角度地震道集數(shù)據(jù),而且由于方程的項數(shù)減少,其系數(shù)矩陣的穩(wěn)定性也大大提高。計算方程(7)與三項方程(Russell方程)在不同角度情況下系數(shù)矩陣的條件數(shù),來比較兩個方程的穩(wěn)定性(圖2)。圖2中實線和虛線分別是方程(7)和三項方程的條件數(shù),可以看出前者的條件數(shù)更小,即穩(wěn)定性更好,抗噪能力更強。

圖2 兩項和三項方程的條件數(shù)對比

2 模型試算

為了檢驗本文反演方法的有效性,建立典型模型,利用合成地震記錄進行試算。圖3給出了利用實際測井數(shù)據(jù)建立的模型數(shù)據(jù)。利用褶積理論和精確Zoeppritz方程可以合成不同角度的疊前地震數(shù)據(jù)。

圖3 模型數(shù)據(jù) a Gassmann流體項; b 剪切模量

圖4是無噪聲的合成地震記錄。對疊前數(shù)據(jù)進行分角度疊加得到小角度疊加數(shù)據(jù)(1°～10°)和中角度疊加數(shù)據(jù)(11°～20°),利用本文方法進行反演,結(jié)果如圖5所示。圖5中黑色曲線為原始模型,藍色曲線為反演結(jié)果。從圖5可以看出,反演得到的Gassmann流體項和剪切模量與模型數(shù)據(jù)十分接近。

為了進一步說明本文方法的有效性,利用含噪聲的數(shù)據(jù)測試無大角度數(shù)據(jù)的疊前地震反演。首先利用前述正演方法得到1°～30°的疊前地震數(shù)據(jù),然后在1°～20°的地震數(shù)據(jù)中加入信噪比為2∶1的高斯噪聲,用于模擬正常包含噪聲的中小角度數(shù)據(jù)。實際生產(chǎn)中采集到的大角度地震數(shù)據(jù)質(zhì)量往往較差,因而在21°～30°的地震數(shù)據(jù)中加入信噪比為1∶1的高斯噪聲。加噪聲后的地震記錄如圖6所示。將1°～20°的地震數(shù)據(jù)采用本文方法進行反演,為了進行對比說明,將1°～30°的地震數(shù)據(jù)用基于Russell近似方程的貝葉斯反演方法進行了反演。反演結(jié)果如圖7a和圖7b 所示,圖中黑色曲線是原始模型,藍色曲線是本文方法反演結(jié)果,紅色曲線是基于Russell近似方程的貝葉斯反演方法的反演結(jié)果。從圖7可以看出,紅色曲線與真實模型曲線相差比較大,說明大角度數(shù)據(jù)的低信噪比對反演結(jié)果的影響較大,這種情況下依然利用大角度數(shù)據(jù)進行反演得到的Gassmann流體項不能用于流體識別;而藍色曲線誤差較小,說明雖然受噪聲的影響,本文方法反演結(jié)果的精度略有下降,但是仍然在可以接受的范圍內(nèi),僅利用中小角度疊前地震數(shù)據(jù)進行反演也可以得到準確的Gassmann流體項,從而進行流體識別,同時也證明本文方法具有較好的穩(wěn)定性。

圖4 無噪聲的合成地震記錄

圖5 無噪聲合成地震記錄的反演結(jié)果對比 a Gassmann流體項; b 剪切模量

圖6 加入高斯噪聲的合成地震記錄

圖7 有噪聲合成地震記錄的反演結(jié)果對比 a Gassmann流體項; b 剪切模量

3 實際應用

利用東部某油田實際工區(qū)地震資料進行應用研究。研究的目標儲層位于東營組二段,埋深約為3400m。由于儲層埋深較大,且受采集條件限制得到的大角度道集信噪比較低,不適合用于地震反演。為了開展儲層特性的研究,將本文提出的流體識別方法應用于該工區(qū)儲層流體識別研究。

圖8 實際工區(qū)地震疊加剖面 a 小角度道集疊加; b 中角度道集疊加

在圖8所示地震剖面的CDP136處有一口井(A井),井位置處有一條測井曲線,該柱狀曲線表示測井解釋結(jié)果,紅色、綠色和藍色部分分別表示含油砂巖、含水砂巖和泥巖。利用工區(qū)內(nèi)井數(shù)據(jù)進行Gassmann流體項和剪切模量的交會分析,結(jié)果如圖9所示。從圖9可以看出,Gassmann流體項可以較好地識別含油砂巖和含水砂巖,而剪切模量識別效果差于前者。反演前,綜合工區(qū)的地震數(shù)據(jù)、測井數(shù)據(jù)和地質(zhì)資料進行了井震標定,圖10是A井的井震標定結(jié)果。

對該工區(qū)資料利用本文方法進行疊前地震反演,得到的Gassmann流體項和剪切模量分別如圖11a 和圖11b所示。圖11a中在2.65s處有低值異常,與井上的含油砂巖對應,而2.49s處有另一低值異常,與井上的含水砂巖對應。而且前者Gassmann流體項值明顯低于后者,因此Gassmann流體項可以清晰地區(qū)分出含油、含水儲層,與測井解釋結(jié)果和鉆井資料一致。圖11b中在2.49s和2.65s處也有低值異常,但是二者差別不大,這是因為孔隙流體的性質(zhì)對于剪切模量的影響不大。另外,使用未參與反演過程的B井作為驗證井,過B井的Gassmann流體項和剪切模量剖面分別如圖12a和圖12b所示。圖12a中2.46s和2.56s處的含水砂巖和含油砂巖所對應的低值異常有明顯差別,而且與測井、鉆井資料相符合,說明反演得到的Gassmann流體項可以識別含油砂巖,與圖11中A井過井剖面結(jié)論一致。

圖9 巖石物理交會分析結(jié)果

圖10 A井井震標定結(jié)果

圖11 實際工區(qū)反演結(jié)果過井剖面 a Gassmann流體項; b 剪切模量

圖12 反演結(jié)果過驗證井的剖面 a Gassmann流體項; b 剪切模量

4 結(jié)論

為了在缺乏大角度疊前地震數(shù)據(jù)的情況下實現(xiàn)深部儲層的流體識別,本文推導了包含Gassmann流體項的兩項地震反射系數(shù)近似方程,并基于此方程構建了貝葉斯疊前地震反演方法,用于直接、穩(wěn)定地反演Gassmann流體項。利用該方法可以使用不含大角度的疊前道集數(shù)據(jù)進行流體項的直接反演,并開展深部儲層的流體識別。模型實驗和實際工區(qū)應用結(jié)果均證明了該方法的有效性、穩(wěn)定性和實用性。

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

[2] GOODWAY B.AVO and Lamé constants for rock parameterization and fluid detection[J].CSEG Recorder,2001,26(6):39-60

[3] GRAY D.Bridging the gap:using AVO to detect changes in fundamental elastic constants[J].Expanded Abstracts of 69thAnnual Internat SEG Mtg,1999:852-855

[4] QUAKENBUSH M,SHANG B,TUTTLE C.Poisson impedance[J].The Leading Edge,2006,25(2):128-138

[5] RUSSELL B H,HEDLIN K,HILTERMAN F J,et al.Fluid-property discrimination with AVO:a Biot-Gassmann perspective[J].Geophysics,2003,68(1):29-39

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

[7] ZONG Z,YIN X,WU G.AVO inversion and poroelasticity with P- and S-wave moduli[J].Geophysics,2012,77(6):29-36

[8] 郝前勇,印興耀,王玉梅,等.彈性模量流體因子在永新工區(qū)儲層預測中的應用[J].石油物探,2012,51(5):502-507

HAO Q Y,YIN X Y,WANG Y M,et al.Application of elastic modulus fluid factor in the reservoir prediction in Yongxin area[J].Geophysical Prospecting for Petroleum,2012,51(5):502-507

[9] 劉立峰,孫贊東,韓劍發(fā),等.量子粒子群模糊神經(jīng)網(wǎng)絡碳酸鹽巖流體識別方法研究[J].地球物理學報,2014,57(3):991-1000

LIU L F,SUN Z D,HAN J F,et al.A carbonate fluid identification method based on quantum particle swarm fuzzy neural network[J].Chinese Journal of Geophysics,2014,57(3):991-1000

[10] 李超,印興耀,張廣智,等.基于貝葉斯理論的孔隙流體模量疊前AVA反演[J].石油物探,2015,54(4):467-476

LI C,YIN X Y,ZHANG G Z,et al.Prestack AVA inversion for pore fluid modulus based on the Bayesian theory[J].Geophysical Prospecting for Petroleum,2015,54(4):467-476

[11] 印興耀,宗兆云,吳國忱.巖石物理驅(qū)動下地震流體識別研究[J].中國科學:地球科學,2015,45(1):8-21

YIN X Y,ZONG Z Y,WU G C.Research on seismic fluid identification driven by rock physics[J].China Science:Earth Science,2015,45(1):8-21

[12] BULAND A,OMRE H.Bayesian linearized AVO inversion[J].Geophysics,2003,68(3):184-198

[13] DOWNTON J E.Seismic parameter estimation from AVO inversion[D].Canada:University of Calgary,2005

[14] YOUNG K T,TATHAM R H.Lambda-mu-rho inversion as a fluid and lithology discriminator in the Columbus Basin,offshore Trinidad[J].Expanded Abstracts of 77thAnnual Internat SEG Mtg,2007:214-218

[15] ZONG Z,YIN X,WU G.Direct inversion for a fluid factor and its application in heterogeneous reservoirs[J].Geophysical Prospecting,2013,61(5):998-1005

[16] ZONG Z,YIN X,WU G.Elastic impedance parameterization and inversion with Young’s modulus and Poisson’s ratio[J].Geophysics,2013,78(6):N36-N42

[17] LI C,YIN X,ZHANG G,et al.Fluid elastic impedance inversion based on the incident-angle approximation[J].Expanded Abstracts of 84thAnnual Internat SEG Mtg,2014:1980-1984

[18] 桂金詠,高建虎,雍學善,等.致密儲層敏感彈性參數(shù)疊前同步反演方法[J].石油物探,2015,54(5):541-550

GUI J Y,GAO J H,YONG X S,et al.A prestack simultaneous inversion method for sensitive elastic parameters of tight reservoir[J].Geophysical Prospecting for Petroleum,2015,54(5):541-550

[19] BEHURA J,KABIR N,CRIDER R,et al.Density extraction from P-wave AVO inversion:tuscaloosa trend example[J].The Leading Edge,2010,29(7):772-777

[20] KHARE V,RAPE T.Density inversion using joint PP/PS data:sensitivity to the angle range[J].Expanded Abstracts of 77thAnnual Internat SEG Mtg,2007:965

[21] GARDNER F,GARDNER W,GREGORY R.Formation velocity and density-the diagnostic basics for stratigraphic traps[J].Geophysics,1974,39(6):770-780

[22] 張世鑫,杜向東,韓文明,等.適于Russell流體因子提取的孔隙彈性介質(zhì)反射系數(shù)近似方程[J].石油物探,2016,55(2):178-187

ZHANG S X,DU X D,HAN W M,et al.A reflection coefficient approximation equation of poroelastic media for Russell fluid factor estimation[J].Geophysical Prospecting for Petroleum,2016,55(2):178-187

[23] LI C,ZHANG J,ZHU Z.Bayesian AVO inversion with consistent angle parameters[J].Journal of Applied Geophysics,2017,139:246-256

(編輯：陳 杰)

Directinversionforfluidfactorofdeepreservoirs

LI Chao1,2,3,ZHANG Jinmiao1,3,ZHU Zhenyu1,3

(1.CNOOCResearchInstitute,Beijing100028,China; 2.ChinaUniversityofPetroleum,Beijing102249,China; 3.NationalEngineeringLaboratoryforOffshoreOilExploration,Beijing100028,China)

Exploration of deep reservoirs has been one focus of oil and gas exploration.However,it is difficult to discriminate reservoir fluids in deep reservoirs based on prestack seismic inversions,because of the lack of high-quality large offset prestack gathers.In this study,based on an approximation of the Zoeppritz equations and rock physics theory,we derive a two-term reflection coefficient approximation equation containing the Gassmann fluid and shear modulus terms.A model test shows that this approximation equation has comparative accuracy with the three-term equation,indicating that it can be used for the prestack inversion.Based on Bayesian inversion theory,we establish a probabilistic prestack seismic inversion method with no need for large offset prestack gathers,to invert the Gassmann fluid term directly for reservoir fluid discrimination.A synthetic test proves its accuracy and robustness,and a real data test demonstrates its applicability and validity.

deep reservoirs fluid discrimination,two-term reflection coefficient approximation equation,large offset seismic data,Bayesian theory,prestack inversion

2017-02-23;改回日期2017-04-26。

李超(1987—),男,博士,主要從事地震反演、儲層預測和流體識別方面的研究工作。

中國博士后科學基金(2016M601238)、國家科技重大專項課題(2016ZX05024001)和海洋石油勘探國家工程實驗室自由探索課題聯(lián)合資助。

This research is financially supported by the China Postdoctoral Science Foundation (Grant No.2016M601238),the National Science and Technology Major Project of China (Grant No.2016ZX05024001) and National Engineering Laboratory for Offshore Oil Exploration Free Research Project.

P631

A

1000-1441(2017)06-0827-08

10.3969/j.issn.1000-1441.2017.06.008