孫爽，趙淑霞，侯加根*，周銀邦，宋隨宏，何應(yīng)付

1 中國石油大學(xué)(北京)地球科學(xué)學(xué)院 北京 102249

2 中國石油化工股份有限公司石油勘探開發(fā)研究院 北京 100083

3 中國石油化工集團(tuán)公司海相油氣藏開發(fā)重點(diǎn)實(shí)驗(yàn)室 北京 100083

隨著常規(guī)油氣資源的不斷消耗，致密砂巖油氣逐漸成為人們關(guān)注的勘探和開發(fā)新領(lǐng)域。在致密砂巖儲層中，由于巖石致密，巖石脆性程度大，在構(gòu)造應(yīng)力作用下天然裂縫發(fā)育[1]。天然裂縫是該類儲層重要的儲集空間和滲流通道，具有明顯的多尺度特征，對致密砂巖油藏的油氣聚集、勘探與開發(fā)具有重要影響[2-6]。因此，定量表征不同尺度的裂縫并建立裂縫三維地質(zhì)模型既可以反映裂縫空間分布規(guī)律和裂縫參數(shù)特征，又可以滿足油藏工程定量研究的需要，對提高該類油藏開發(fā)效率具有重要的現(xiàn)實(shí)意義。

目前的裂縫建模方法主要包括等效連續(xù)模型和離散裂縫網(wǎng)絡(luò)模型(DFN)[7]。等效連續(xù)模型將儲層劃分為有限的網(wǎng)格，并直接對每個網(wǎng)格賦予一定的平均裂縫屬性值[8]。DFN模型使用許多具有特定方向、長度和面積的離散面元來表征裂縫的分布，并且可以根據(jù)裂縫的幾何形態(tài)特征和傳導(dǎo)率進(jìn)行流體流動特性的預(yù)測[9]。與等效連續(xù)模型相比，DFN更能反映裂縫的非均質(zhì)性和多尺度性，并且具有多學(xué)科、多資料協(xié)同的優(yōu)勢，是目前裂縫建模中應(yīng)用最多、發(fā)展最快的模型[10-11]。針對多尺度裂縫建模，大中尺度裂縫一般根據(jù)地震資料進(jìn)行確定性建模，描述較準(zhǔn)確[7,10-12]；小尺度裂縫主要以井點(diǎn)數(shù)據(jù)為硬數(shù)據(jù)，以地震屬性為井間約束數(shù)據(jù)，用隨機(jī)模擬方法建立其DFN模型[13-15]。但是，小尺度裂縫模型具有較強(qiáng)的隨機(jī)性，且地震屬性常具有多解性，僅考慮地震屬性對井間裂縫分布的約束作用難以建立較可靠的小尺度裂縫離散網(wǎng)絡(luò)模型。

本文以鄂爾多斯盆地紅河油田92井區(qū)長8致密砂巖儲層為例，基于野外露頭、巖心、測井、地震等資料，根據(jù)裂縫規(guī)模、裂縫識別方法的尺度界限性以及裂縫發(fā)育的主控因素將裂縫主要劃分為大尺度裂縫、中尺度裂縫、小尺度裂縫3個規(guī)模尺度裂縫類型，并在此基礎(chǔ)上采用分級建模的思路建立多尺度裂縫離散網(wǎng)絡(luò)模型和裂縫屬性模型。

1 研究區(qū)概況

紅河油田位于鄂爾多斯盆地天環(huán)坳陷南部，東部為伊陜斜坡，南部為渭北隆起，西部為西緣逆沖帶(圖1)。紅河油田92井區(qū)位于紅河油田西北部，面積約100 km2，其構(gòu)造特征相對簡單，整體為一北東高、南西低的平緩單斜，地層傾角不足1°，主要受北東東向斷層控制，局部發(fā)育低幅度的小型鼻狀隆起。研究區(qū)主要沉積中生代和新生代碎屑巖，其中上三疊統(tǒng)延長組長8油層組、長9油層組為主要含油層系。

本次研究對象為長8油層組，厚度約為90～110 m，從上到下細(xì)分為長81和長82兩個小層，其中長81小層包括長811、長812和長813三個單層，而長82小層包括長821和長822兩個單層。研究區(qū)長8儲層沉積環(huán)境為辮狀河三角洲前緣，主要發(fā)育水下分流河道和分流間灣沉積微相，巖性主要為淺灰色細(xì)砂巖、粉砂巖與深灰色泥巖、粉砂質(zhì)泥巖的互層。根據(jù)巖心物性分析資料統(tǒng)計(jì)，長8儲層孔隙度主要分布在8%～12%，平均值為10.7%，空氣滲透率主要分布在0.10×10-3～0.25×10-3μm2，平均值為 0.20×10-3μm2，表現(xiàn)為低孔超低滲儲層。研究區(qū)長8儲層主要經(jīng)歷了印支期、燕山期和喜山期三期構(gòu)造運(yùn)動，由于巖石強(qiáng)度及脆性程度大，天然裂縫普遍發(fā)育，但是該區(qū)儲層裂縫主要受燕山期NE-SW方向擠壓應(yīng)力控制。

2 致密砂巖儲層多尺度裂縫特征

裂縫是致密砂巖儲層有效的儲集空間和重要的滲流通道，具有明顯的多尺度特征，對該類油藏的勘探與開發(fā)具有重要影響。不同尺度的裂縫具有不同參數(shù)特征和分布特征，其識別方法和發(fā)育程度的主控因素也存在差異。因此，本文基于野外露頭、巖心、測井、地震等資料，根據(jù)裂縫規(guī)模、裂縫識別方法的尺度界限性和裂縫發(fā)育的主控因素將致密砂巖儲層的天然裂縫主要分為3個尺度裂縫，即大尺度裂縫、中尺度裂縫、小尺度裂縫(表1)。

圖1 紅河油田構(gòu)造位置圖Fig. 1 Structural location map of the Honghe oil field

表1 多尺度裂縫分級標(biāo)準(zhǔn)Table 1 Multi-scale fracture classi fication standard

大尺度裂縫是指可以根據(jù)三維原始地震數(shù)據(jù)進(jìn)行人工解釋的斷層，平面延伸長度一般為千米級，裂縫開度大于100 μm，其發(fā)育的主控因素為構(gòu)造應(yīng)力，構(gòu)造應(yīng)力的大小和方向控制大尺度裂縫的發(fā)育程度和走向。紅河油田92井區(qū)發(fā)育9條斷層，主要分布在研究區(qū)北部，均為北東東向，延伸長度最小為1252.81 m，最大為4369.57 m，主要受燕山期構(gòu)造應(yīng)力控制(圖2)。

中尺度裂縫是指常規(guī)地震解釋無法準(zhǔn)確識別，需要利用螞蟻體追蹤等技術(shù)識別和預(yù)測的斷層，平面延伸長度一般為數(shù)十米級至百米級，裂縫開度大于100 μm，其發(fā)育程度主要受構(gòu)造應(yīng)力和斷層的控制。對于紅河油田92井區(qū)長8儲層，長8頂部標(biāo)志層的屏蔽作用使得儲集層內(nèi)幕反射較弱，而螞蟻?zhàn)粉櫦夹g(shù)可以突出地震數(shù)據(jù)中的不連續(xù)信息，較好地克服儲集層內(nèi)幕反射弱的問題，并自動拾取不同方位的中尺度裂縫，具有速度快、精度高等特點(diǎn)[16-18]。研究區(qū)中尺度裂縫主要分布在研究區(qū)北部，走向主要為北東東向，其次為近南北向，延伸長度最小為64 m，最大為1170 m，主要分布在64～300 m(圖3)。

小尺度裂縫是指地震螞蟻體無法識別，但可以根據(jù)巖心、成像測井、常規(guī)測井等資料識別的裂縫，平面延伸長度為米級至十米級，裂縫開度一般為30～100 μm[19]，其發(fā)育程度在構(gòu)造應(yīng)力背景下主要受巖性、脆性指數(shù)控制。根據(jù)紅河油田92井區(qū)巖心觀察描述以及鄰區(qū)成像測井解釋，小尺度裂縫主要有北東東向及近南北向兩個組系[20]，與大尺度裂縫和中尺度裂縫延伸方向一致，大部分為高角度構(gòu)造剪切縫，裂縫傾角主要為80°～90°(圖 4、5)，延 伸 長 度 主要分 布 在 0.5～50 m[19]。

實(shí)際上，除了上述3種主要裂縫規(guī)模類型外，在致密砂巖儲層中還發(fā)育有較為廣泛的微裂縫。微裂縫是指只有在巖心薄片上才能識別的微觀尺度的裂縫，延伸長度一般為厘米級及以下，裂縫開度小于30 μm，其發(fā)育程度主要受成巖作用、巖石組分控制。然而，由于微裂縫規(guī)模較小且局部發(fā)育，對油藏孔滲貢獻(xiàn)不大，暫不用于微裂縫建模和油藏?cái)?shù)值模擬[12]。

圖2 紅河油田92井區(qū)大尺度裂縫分布圖Fig. 2 Large scale fracture distribution map of wellblock 92 of the Honghe oil field

圖3 螞蟻體拾取的中尺度裂縫走向玫瑰花圖和延伸長度分布直方圖(N=549)Fig. 3 Rose diagram of strike and histogram of extension length of mesoscale fractures obtained from the ant body (N=549)

圖4 巖心上小尺度裂縫Fig. 4 Small scale fractures in cores

3 致密砂巖儲層多尺度裂縫分級建模方法

針對具有多尺度特征的裂縫，采用分級建模的方法，即分大尺度裂縫、中尺度裂縫和小尺度裂縫3個級別分別建立離散裂縫網(wǎng)絡(luò)模型，然后將單一尺度裂縫離散網(wǎng)絡(luò)模型融合成綜合離散裂縫網(wǎng)絡(luò)模型，并通過粗化建立裂縫屬性模型(圖6)。在紅河油田92井區(qū)長8油層組中，長812單層裂縫最發(fā)育并且是研究區(qū)重點(diǎn)開發(fā)的層位，因此，本文以紅河油田92井區(qū)長812單層為例，針對致密砂巖儲層進(jìn)行多尺度裂縫分級建模。以長812單層頂?shù)酌娣謩e作為地層構(gòu)造模型的頂面和底面，考慮裂縫尺度和建模精度要求，地層構(gòu)造模型X、Y、Z方向網(wǎng)格設(shè)計(jì)精度分別為20 m、20 m、0.5 m。

圖5 巖心識別的小尺度裂縫傾角統(tǒng)計(jì)直方圖(N=37)Fig. 5 Histogram of small scale fracture dip identi fied from core (N=37)

圖6 致密砂巖儲層多尺度裂縫分級建模技術(shù)路線圖Fig. 6 Technology roadmap of hierarchical modeling of multi-scale fractures in tight sandstones

3.1 大尺度裂縫模型

大尺度裂縫是由常規(guī)三維地震資料直接解釋的斷層，其建模采用確定性方法，即先依據(jù)斷層在地震剖面上的標(biāo)志以及斷層組合規(guī)律對三維地震資料進(jìn)行斷層解釋，確定斷層位置、產(chǎn)狀等參數(shù)，然后用確定性建模的方法直接建立與之相匹配的大尺度裂縫網(wǎng)絡(luò)模型(圖 7)。

3.2 中尺度裂縫模型

螞蟻?zhàn)粉櫦夹g(shù)可以自動拾取常規(guī)地震解釋不能識別出的中尺度裂縫，并且具有速度快、精度高等特點(diǎn)。在對原始地震數(shù)據(jù)體進(jìn)行構(gòu)造平滑處理的基礎(chǔ)上，使用方差分析技術(shù)獲得方差體，然后利用螞蟻?zhàn)粉櫦夹g(shù)對方差體中滿足預(yù)設(shè)斷裂條件的不連續(xù)痕跡進(jìn)行追蹤，提取螞蟻體。由于研究區(qū)長8油層組頂部標(biāo)志層的屏蔽作用，儲集層內(nèi)幕反射較弱，單次利用螞蟻?zhàn)粉櫦夹g(shù)提取得到的螞蟻體中裂縫信息不明顯(圖8a)。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，在前述螞蟻體的基礎(chǔ)上再次利用螞蟻?zhàn)粉櫦夹g(shù)可使裂縫信息更加突出，更容易被識別(圖8b)。最后，利用最終獲得的螞蟻體自動拾取不同方位的中尺度裂縫。然而，受地震數(shù)據(jù)品質(zhì)和分辨率的影響，自動拾取的中尺度裂縫具有一定的不確定性，因此需用人機(jī)交互方式，主要是以地質(zhì)認(rèn)識和地質(zhì)規(guī)律為基礎(chǔ)，對拾取的裂縫碎片進(jìn)行補(bǔ)充和修正，再用確定性建模方法建立中尺度裂縫網(wǎng)絡(luò)模型(圖9)。

圖7 紅河油田92井區(qū)長812單層大尺度裂縫網(wǎng)絡(luò)模型(N=9)Fig. 7 The large scale fracture network model of Chang 812 single layer in wellblock 92 of the Honghe oil field (N=9)

圖8 紅河油田92井區(qū)螞蟻體長8油層組頂沿層切片F(xiàn)ig. 8 The ant slice along the top of the eighth oil layer group of the Yanchang Formation in wellblock 92 of the Honghe oil field

研究區(qū)中尺度裂縫模型共由549片裂縫碎片組成，其中，距離斷層越近，中尺度裂縫數(shù)目越多，隨著到斷層距離的增加，裂縫數(shù)目明顯減少(圖10)，這與裂縫發(fā)育的一般認(rèn)識吻合，可在一定程度上證明中尺度裂縫模型的準(zhǔn)確性。

圖9 紅河油田92井區(qū)長812單層中尺度裂縫網(wǎng)絡(luò)模型(N=549)Fig. 9 The mesoscale fracture network model of Chang 812 single layer in the Yanchang Formation in wellblock 92 of the Honghe oil field (N=549)

圖10 中尺度裂縫到斷層距離分布直方圖(N=549)Fig. 10 Histogram of distance from mesoscale fractures to faults (N=549)

3.3 小尺度裂縫模型

小尺度裂縫是致密砂巖儲層裂縫的主要組成部分，但是受地震資料分辨率的影響，無法直接對井間的小

尺度裂縫進(jìn)行識別，因此，采用隨機(jī)模擬的建模方法，即先建立裂縫密度模型，然后以裂縫幾何形態(tài)和裂縫密度模型為約束數(shù)據(jù)，應(yīng)用基于目標(biāo)的示性點(diǎn)過程模擬方法建立小尺度裂縫模型[11-12,21-22]。已有的油氣勘探開發(fā)實(shí)踐表明，小尺度裂縫在縱向上和橫向上存在強(qiáng)烈的非均質(zhì)性，其發(fā)育程度主要受巖性、脆性指數(shù)、斷層和構(gòu)造應(yīng)力的控制[23]。本文在小尺度裂縫建模過程中，綜合考慮了巖性、脆性指數(shù)、斷層對小尺度裂縫發(fā)育的控制作用以及地震屬性的井間約束，以裂縫發(fā)育地質(zhì)規(guī)律為指導(dǎo)，遵循成因建模原則，先根據(jù)單井巖石脆性指數(shù)解釋模擬建立三維脆性指數(shù)模型，并且根據(jù)裂縫發(fā)育概率與地震屬性的相關(guān)分析建立地震屬性融合體，再利用多元線性回歸方法融合巖石脆性指數(shù)模型、到斷層距離屬性體、地震屬性融合體建立井間裂縫發(fā)育概率體，然后以此約束建立裂縫密度模型，最后將裂縫幾何形態(tài)參數(shù)和裂縫密度模型作為輸入?yún)?shù)，使用基于目標(biāo)的示性點(diǎn)過程模擬算法，生成小尺度裂縫模型(圖11)。

圖11 致密砂巖儲層小尺度裂縫建模技術(shù)路線圖Fig. 11 Technology roadmap of small scale fracture modeling in tight sandstones

3.3.1 脆性指數(shù)模型

從巖石礦物組成和含量出發(fā)，脆性指數(shù)是指儲層中脆性礦物的相對含量[24-26]。研究表明，巖石脆性指數(shù)是致密砂巖儲層小尺度裂縫發(fā)育程度的主控因素，脆性指數(shù)越大，裂縫發(fā)育程度越高[27]。一般來說，脆性礦物主要包括石英、長石和碳酸鹽礦物，但是在研究區(qū)長8致密砂巖儲層中，石英和碳酸鹽礦物相對含量較高，而與石英和碳酸鹽礦物相比，長石脆性程度相對較小，因此，本文采用的脆性指數(shù)計(jì)算公式如下[28]：

式中，Vqz為石英含量，%；Vcar為碳酸鹽礦物含量，%；Vfels為長石含量，%；Vclay為黏土含量，%。

脆性指數(shù)模型的建立一般是采用隨機(jī)模擬方法[29]，首先根據(jù)常規(guī)測井采用多礦物模型計(jì)算礦物成分，再利用礦物成分比值法計(jì)算單井脆性指數(shù)[30-31]，然后以單井解釋脆性指數(shù)為建模硬數(shù)據(jù)，在巖相的控制下用序貫高斯模擬建立脆性指數(shù)模型。

根據(jù)研究區(qū)X衍射全巖礦物資料分析，將長812單層看成是由石英、碳酸鹽礦物、長石、黏土和孔隙流體這幾部分組成，首先利用伽馬、聲波、密度、中子等常規(guī)測井曲線建立相關(guān)的非限定方程(式2)，并采用數(shù)值優(yōu)化方法進(jìn)行礦物組分的求解[31]，然后根據(jù)公式1計(jì)算各井脆性指數(shù)。結(jié)果表明，應(yīng)用多礦物模型計(jì)算的脆性指數(shù)與用X衍射全巖礦物分析結(jié)果計(jì)算的脆性指數(shù)具有較好的一致性(圖12)。圖12中，最后一道的紅點(diǎn)為根據(jù)全巖礦物分析資料計(jì)算的脆性指數(shù)實(shí)測值，黑色曲線為應(yīng)用多礦物模型計(jì)算的脆性指數(shù)預(yù)測值。

式中，GR、Δt、ρ、ΦN分別是自然伽馬(API)、聲波時(shí)差(μs/m)、密度(g/cm3)、中子孔隙度(%)的測井曲線值。V1、V2、V3、V4、V5分別是石英、碳酸鹽礦物、長石、黏土、孔隙流體的體積，小數(shù)。GR1、GR2、GR3、GR4、GR5分別是石英、碳酸鹽礦物、長石、黏土、孔隙流體的自然伽馬測井響應(yīng)值，其他的與之類似。

圖12 HH190井脆性指數(shù)預(yù)測結(jié)果驗(yàn)證Fig. 12 The veri fication of brittleness index prediction result of well HH190

研究區(qū)主要發(fā)育水下分流河道和分流間灣沉積微相，其中，根據(jù)儲層巖性、微觀孔隙結(jié)構(gòu)特征和宏觀儲層物性，水下分流河道微相可劃分為細(xì)砂巖相和粉砂巖相，分流間灣主要為泥巖相。細(xì)砂巖相石英和碳酸鹽礦物含量較高，泥質(zhì)含量低，脆性指數(shù)值較大，主要為0.40～0.55，而泥巖相泥質(zhì)含量高，石英和碳酸鹽礦物含量低，脆性指數(shù)值較小，主要為0.15～0.30，粉砂巖相則介于兩者之間，脆性指數(shù)主要為0.30～0.45(圖13)。因此，本文提出多級相控建立三維脆性指數(shù)模型方法，即先以單井沉積微相解釋成果為硬數(shù)據(jù)，以砂地比等值線圖作為平面約束數(shù)據(jù)，建立研究區(qū)沉積微相模型，然后以單井巖相解釋成果為硬數(shù)據(jù)，以不同巖相發(fā)育概率體為軟數(shù)據(jù)，在沉積微相模型控制下用序貫指示模擬方法建立巖相模型(圖14)。最后，在此基礎(chǔ)上，以單井解釋脆性指數(shù)為硬數(shù)據(jù)，在巖相約束下用序貫高斯模擬方法建立脆性指數(shù)模型(圖 15)。

圖13 巖相與脆性指數(shù)關(guān)系圖Fig. 13 Relationship between lithofacies and brittleness index

3.3.2 地震屬性融合體

圖14 紅河油田92井區(qū)長812單層巖相模型Fig. 14 The lithofacies model of Chang 812 single layer in wellblock 92 of the Honghe oil field

圖15 紅河油田92井區(qū)長812單層脆性指數(shù)模型Fig. 15 The brittleness index model of Chang 812 single layer in wellblock 92 of the Honghe oil field

受地震數(shù)據(jù)采集技術(shù)和精度的影響，地震屬性體無法直接識別出單一小尺度裂縫。然而，在小尺度裂縫發(fā)育區(qū)，裂縫之間的空隙和流體改變了儲層的原始物性，會影響地震波的傳播，從而引起地震屬性的異常響應(yīng)[32]。因此，地震屬性體可以反映小尺度裂縫的相對發(fā)育程度，從而進(jìn)行井間裂縫預(yù)測。根據(jù)地震屬性分析，相干體、構(gòu)造傾角屬性、均方根振幅屬性均與裂縫發(fā)育有較好的響應(yīng)關(guān)系(圖16)。圖中，相干體中突出的不連續(xù)信息、構(gòu)造傾角高值區(qū)和振幅低值區(qū)均可以較好地反映裂縫發(fā)育區(qū)的分布。但是，單一地震屬性是儲層巖性、物性和含流體性質(zhì)的綜合響應(yīng)，具有多解性，因此本文在建模過程中，根據(jù)裂縫發(fā)育概率與各地震屬性的相關(guān)分析，以裂縫發(fā)育概率與各地震屬性的相關(guān)系數(shù)絕對值作為權(quán)系數(shù)對以上3種地震屬性體進(jìn)行加權(quán)平均，構(gòu)建地震屬性融合體，這樣做可以突出多種地震屬性的共性特征，削弱單一地震屬性的多解性。

首先，對相干體、構(gòu)造傾角屬性、均方根振幅數(shù)據(jù)進(jìn)行歸一化處理，再根據(jù)巖心、常規(guī)測井識別的裂縫發(fā)育段計(jì)算各井裂縫發(fā)育概率，其中裂縫發(fā)育概率是指目的層的裂縫發(fā)育段厚度占目的層總厚度的比例，然后根據(jù)各井裂縫發(fā)育概率與其各地震屬性的相關(guān)分析(圖17)，以各地震屬性與裂縫發(fā)育概率的相關(guān)系數(shù)絕對值作為各地震屬性的權(quán)系數(shù)，運(yùn)用加權(quán)平均的方法得到地震屬性融合體的計(jì)算公式如下：

式中，S為歸一化地震屬性融合體，Coherence為歸一化相干體屬性，Dip為歸一化構(gòu)造傾角屬性，RmsAmpl為歸一化均方根振幅屬性。

圖16 相干體、構(gòu)造傾角屬性和均方根振幅屬性層間切片F(xiàn)ig. 16 Interlayer slices of coherence cube, structural dip attribute and RMS amplitude attribute

圖17 裂縫發(fā)育概率與各地震屬性相關(guān)關(guān)系圖(據(jù)10口探井和5口水平井導(dǎo)眼段)Fig. 17 Correlation diagram of fracture development probability and various seismic attributes (according to 10 exploration wells and vertical sections of 5 horizontal wells)

圖18 紅河油田92井區(qū)長812單層地震屬性融合體Fig. 18 The seismic attribute fusion body of Chang 812 single layer in wellblock 92 of the Honghe oil field

然后，根據(jù)公式3計(jì)算得到歸一化地震屬性融合體，如圖18所示。由圖可知，地震屬性融合體突出了各地震屬性體裂縫預(yù)測結(jié)果一致的區(qū)域，使裂縫發(fā)育區(qū)更加明顯，這樣可以提高預(yù)測精度，降低井間不確定性。

3.3.3 裂縫密度模型

裂縫密度模型的建立是小尺度裂縫建模的關(guān)鍵。裂縫密度曲線可通過成像測井裂縫解釋和取心井巖心裂縫描述獲得，但是研究區(qū)成像測井資料和取心資料有限，導(dǎo)致單井硬數(shù)據(jù)較少。在這種情況下，本文利用多元線性回歸方法建立裂縫發(fā)育概率與脆性指數(shù)、到斷層距離和地震屬性融合體的關(guān)系式(式4)。據(jù)此利用該公式，從脆性指數(shù)、到斷層距離和地震屬性融合體計(jì)算得到井間裂縫發(fā)育概率體，充分發(fā)揮地質(zhì)信息和地震信息對井間裂縫模擬的約束作用，然后，以單井裂縫密度曲線為建模硬數(shù)據(jù)，以裂縫發(fā)育概率體為軟數(shù)據(jù)，用序貫高斯模擬方法建立裂縫密度模型(圖19)。由模型可知，裂縫密度高值區(qū)主要分布在脆性指數(shù)高值區(qū)或斷層附近，與地質(zhì)認(rèn)識符合較好。

式中，P為裂縫發(fā)育概率，BI為脆性指數(shù)，S為歸一化地震屬性融合體，F(xiàn)d為歸一化到斷層距離。

圖19 紅河油田92井區(qū)長812單層小尺度裂縫密度模型Fig. 19 The small scale fracture density model of Chang 812 single layer in wellblock 92 of the Honghe oil field

3.3.4 小尺度裂縫網(wǎng)絡(luò)模型

根據(jù)研究區(qū)小尺度裂縫的發(fā)育特征，設(shè)置小尺度裂縫幾何形態(tài)和產(chǎn)狀參數(shù)，用基于目標(biāo)的示性點(diǎn)過程模擬方法隨機(jī)生成裂縫片，同時(shí)結(jié)合退火模擬，以裂縫密度模型為目標(biāo)函數(shù)，使生成的裂縫片滿足模型中裂縫密度要求，最終建立研究區(qū)小尺度裂縫網(wǎng)絡(luò)模型[21](圖20)。通過統(tǒng)計(jì)分析小尺度裂縫模型中水平井裂縫密度和產(chǎn)能的關(guān)系，發(fā)現(xiàn)水平井最大日產(chǎn)油量隨小尺度裂縫密度的增加而增加(圖21)，這可在一定程度上證實(shí)小尺度裂縫模型的可靠性。

最后，將大尺度裂縫、中尺度裂縫和小尺度裂縫3個級別的裂縫網(wǎng)絡(luò)模型疊加在一起，即可得到該致密砂巖儲層的綜合離散裂縫網(wǎng)絡(luò)模型。在此基礎(chǔ)上，用Oda方法對綜合離散裂縫網(wǎng)絡(luò)模型進(jìn)行粗化[33]，生成最終的裂縫屬性模型。

圖20 紅河油田92井區(qū)長812單層小尺度裂縫網(wǎng)絡(luò)模型Fig. 20 The small scale fracture network model of Chang 812 single layer in wellblock 92 of the Honghe oil field

圖21 小尺度裂縫模型中水平井裂縫密度和產(chǎn)能的關(guān)系(據(jù)12口水平井)Fig. 21 Relationship between fracture density and productivity of horizontal wells in the small scale fracture model (according to 12 horizontal wells)

4 結(jié)論

裂縫是致密砂巖儲層有效的儲集空間和重要的滲流通道，具有明顯的多尺度特征，根據(jù)裂縫規(guī)模、裂縫識別方法的尺度界限性和裂縫發(fā)育的主控因素可將致密砂巖儲層的天然裂縫主要分為大尺度裂縫、中尺度裂縫、小尺度裂縫3種規(guī)模類型。

針對致密砂巖儲層多尺度裂縫，采用分級建模的思路。對于大尺度裂縫，采用人工地震解釋的確定性建模方法；對于中尺度裂縫，采用螞蟻體追蹤的確定性建模方法；對于小尺度裂縫，充分考慮了地質(zhì)信息對裂縫發(fā)育的控制作用和地震數(shù)據(jù)的井間約束，先利用多級相控建模方法建立三維脆性指數(shù)模型，基于相關(guān)分析建立地震屬性融合體，再利用多元線性回歸方法融合巖石脆性指數(shù)模型、到斷層距離屬性體、地震屬性融合體建立井間裂縫發(fā)育概率體，并以此為約束數(shù)據(jù)建立裂縫密度模型，然后以裂縫幾何形態(tài)和裂縫密度模型為約束數(shù)據(jù)，用基于目標(biāo)的示性點(diǎn)過程模擬方法建立小尺度裂縫模型。最后，將大尺度裂縫、中尺度裂縫和小尺度裂縫網(wǎng)絡(luò)模型融合成綜合離散裂縫網(wǎng)絡(luò)模型，并通過粗化得到裂縫屬性模型。該方法建立的裂縫模型與地質(zhì)認(rèn)識和生產(chǎn)動態(tài)數(shù)據(jù)吻合較好，可用于油藏?cái)?shù)值模擬。