董洪超，范洪軍，劉向南，王宗俊，高云峰

（中海油研究總院有限責(zé)任公司，北京 100028）

油田從勘探成功，轉(zhuǎn)入開發(fā)，面臨的關(guān)鍵問題也隨著發(fā)生變化，勘探階段關(guān)注發(fā)掘更多的儲量，開發(fā)階段則需考慮如何優(yōu)化部署井位，確保油田高效開發(fā)及降本增效。淺水三角洲河道砂體窄小，非均質(zhì)性嚴重，傳統(tǒng)陸上利用加密井網(wǎng)，多井點資料進行儲層展布的刻畫，依然存在井網(wǎng)難控制住的問題[1]，而海上油田鉆井資料少，更需要結(jié)合地震數(shù)據(jù)對儲層進行精細預(yù)測。目前一些學(xué)者對三角洲河道砂體儲層開展了較為深入的研究，鄧慶杰等[2]、任雙坡等[3]采用高分辨率層序地層學(xué)方法分析三角洲前緣河道砂體的發(fā)育特征及單砂體疊置模式；熊兆川等[4]對水下分流河道的寬厚比進行了定量分析；畢俊鳳等[5]通過正演模擬，分析河道砂體反射振幅強弱的影響因素，對河道砂體追蹤和井位優(yōu)選提出指導(dǎo)；刁新東等[6]采用層序格架約束下多種屬性提取，結(jié)合地層切片等方法，刻畫了河道邊界形態(tài)。在前人研究的基礎(chǔ)上，本次通過正演模擬分析，優(yōu)選了90°相移體開展儲層預(yù)測研究，通過平面導(dǎo)航對儲層頂?shù)走M行了空間展布精細追蹤，在此基礎(chǔ)上提取能夠反映儲層展布及油水分布的敏感地震屬性，并通過多屬性無監(jiān)督聚類分析劃分優(yōu)質(zhì)儲層帶，從而為油田開發(fā)井網(wǎng)優(yōu)化部署提供依據(jù)。

1 模糊自組織神經(jīng)網(wǎng)絡(luò)技術(shù)

模糊自組織神經(jīng)網(wǎng)絡(luò)算法（Fuzzy self-organizing neural network）通過神經(jīng)元之間的相互競爭與學(xué)習(xí)來完成，在整個學(xué)習(xí)的過程中只需存在學(xué)習(xí)樣本，而不用去提供目標(biāo)與輸出。該算法由輸入層、距離層和隸屬層（輸出層）構(gòu)成的三層網(wǎng)絡(luò)，通過輸入樣本的特征，該網(wǎng)絡(luò)會自組織地進行映射，同時對訓(xùn)練的樣本進行自動分類，可以自動實現(xiàn)無監(jiān)督聚類和分類過程[7，8]。

輸入層是一維或多維的，接受信號輸入；距離層與輸入層的節(jié)點廣泛互連，它們之間用權(quán)值W 連接，主要計算與輸入節(jié)點的歐式距離；隸屬層（輸出層）可以是一維或多維的，并且輸出節(jié)點與距離層的節(jié)點廣泛互連，計算每組輸入數(shù)據(jù)的隸屬度（隸屬度指的是每個樣本屬于某類的隸屬程度），輸出層各神經(jīng)元在學(xué)習(xí)中進行競爭選擇，最后得出獲勝神經(jīng)元，其輸出結(jié)果可以是輸入數(shù)據(jù)隸屬于某一類的隸屬度，也可以是屬于某類的分類數(shù)（見圖1）。

圖1 模糊自組織神經(jīng)網(wǎng)絡(luò)算法示意圖Fig.1 Schematic diagram of fuzzy self organizing neural network algorithm

算法步驟：

（1）確定訓(xùn)練樣本x；

（2）隨機初始化權(quán)值Wij，0＜Wij＜1，i=0，1，…，N-1；j=0，1，…，K-1；

（3）輸入所有樣本點，計算每個樣本對所有子集的隸屬度：

（4）調(diào)整網(wǎng)絡(luò)權(quán)值：

（5）網(wǎng)絡(luò)穩(wěn)定的判定條件：

滿足學(xué)習(xí)結(jié)束，否則轉(zhuǎn)入步驟（3）繼續(xù)學(xué)習(xí)。

2 實際應(yīng)用

M 油田位于渤海南部海域萊北低凸起北部斷階帶和凸起區(qū)，目標(biāo)儲層位于明化鎮(zhèn)組下部，處于淺水三角洲平原和前緣環(huán)境，由東北和西北方向流入的多條分流河道和水下分流河道于研究區(qū)中部匯合后向西南和東南方向進積延伸。分流河道進積和側(cè)向遷移的砂質(zhì)沉積充填作用活躍，側(cè)向遷移頻繁。由于多期砂體發(fā)育疊置，主力砂體整體上呈中間厚、東、西兩側(cè)相對較薄的連片席狀分布。其中主河道平均寬度300 m 左右，主力砂體中分流河道和水下分流河道砂體平均厚度10～15 m，是儲集砂體最發(fā)育的位置，粒度相對較粗，以粉、細砂巖為主；分流河道間和分流間灣區(qū)域漫流沉積的砂體厚度往往不足3 m，粒度相對變細，以泥、粉砂巖為主。

目標(biāo)區(qū)地震主頻為35 Hz，地震四分之一波長為15 m，目標(biāo)區(qū)砂體平均毛厚度集中分布于地震分辨率之下，同時，由于河道縱向上多期疊置，易形成薄互層沉積，以及分流河道間和分流間灣區(qū)域漫流沉積厚度往往不足3 m，油水關(guān)系復(fù)雜，基于地震單一屬性進行開發(fā)井網(wǎng)部署，存在較大風(fēng)險。

依據(jù)研究區(qū)典型井實際砂體分布、沉積特征及橫向切疊關(guān)系，構(gòu)建研究區(qū)淺水三角洲河道砂體正演模型，包含孤立型、接觸型、側(cè)疊型、切疊型等不同砂體疊置模式，其中油層密度：2.06 g/cm3，速度：2 412 m/s；水層密度：2.08 g/cm3，速度：2 469 m/s；泥巖密度：2.28 g/cm3，速度：2 700 m/s。分別利用35 Hz 零相位和負90°相位子波進行正演模擬。通過正演模擬可以發(fā)現(xiàn)，薄層、砂泥互層等儲層較差區(qū)域振幅均明顯減弱，較薄單砂層振幅與較厚的互層振幅大小接近，同時，僅從振幅能量上難以對油層、水層進行識別，從地震振幅屬性上劃分油、水存在較大不確定性（見圖2）。

圖2 研究區(qū)淺水三角洲河道砂體正演模擬Fig.2 Forward modeling of shallow water delta channel sand body

相對零相位子波正演響應(yīng)，可以發(fā)現(xiàn)90°相位子波的正演響應(yīng)，更易于儲層的識別和空間刻畫，儲層段與其正演響應(yīng)的波谷對應(yīng)良好，雖然難以從波形中精確反映砂體厚度，但可以看到砂體對應(yīng)于波谷的中心位置，同時，相移響應(yīng)保持了不同砂體疊置關(guān)系在原始地震上的波形變化特征。通過在相移體中解釋波谷響應(yīng)的頂?shù)装j(luò)面，并在此基礎(chǔ)上提取儲層敏感屬性，可以更加精確的反映儲層空間展布。研究區(qū)90°相移連井剖面（見圖3），其中測井曲線為伽馬，可以看到井上的3 期砂體由于厚度較薄，在相移體上對應(yīng)一套反射，難以對每期砂體進行區(qū)分，但砂體頂?shù)着c反射的頂?shù)讓?yīng)良好。

圖3 研究區(qū)90°相移連井剖面Fig.3 Study area 90° phase shift profile

M 油田B 砂體共2 口井鉆遇，其中，7 井砂體鉆遇油層，厚度分別為8.3 m，7Sa 井鉆遇1.9 m 薄油層和9.1 m 的含油水層，中間有4 m 夾層，且由于測井資料不全，7Sa 井流體解釋結(jié)果存在較大不確定性，有變?yōu)樗畬拥目赡堋Ｔ趯ζ鋬禹數(shù)拙毥忉尩幕A(chǔ)上基于相移體進行敏感地震屬性提取，包括最小振幅、總負振幅、平均瞬時頻率、弧長、分頻屬性等5 種反映儲層展布及油水關(guān)系的敏感地震屬性[9-12]。其中，最小振幅（見圖4（a））、總負振幅（見圖4（b））：反映了儲層對應(yīng)相移數(shù)據(jù)的能量強弱，可以用于地層巖性相變分析，反映砂巖厚度等；平均瞬時頻率（見圖4（c））：檢測頻率吸收情況，可以反映薄互層與厚儲層以及流體檢測；弧長（見圖4（d））：用于區(qū)分強振幅高頻和低頻、弱振幅高頻和低頻反射，可以用來反映砂泥巖及砂地比；分頻屬性（見圖4（e））：地層吸收特性對介質(zhì)內(nèi)流體性質(zhì)具有明顯反映，油氣層相對水層表現(xiàn)出高頻衰減，低頻增加的趨勢。分別提取50 Hz 及20 Hz 分頻數(shù)據(jù)均方根振幅能量，對兩者相除，高值反映水層，低值反映油層，可一定程度反映油水分布。利用以上5 種屬性對B 砂體進行FSOM 無監(jiān)督聚類分析。

圖4 儲層敏感屬性Fig.4 Reservoir sensitive attributes

聚類分析結(jié)果（見圖5），其中一類儲層為圖中橙色區(qū)域，主要集中在北部高部位，為河道主體，二類儲層為圖中黃色區(qū)域，主要分布在北側(cè)及南側(cè)高部位，為河道縱向疊置區(qū)，砂體厚度相對較厚，其他區(qū)域的三類及四類儲層為水層或是厚度較薄的分流間灣區(qū)漫流沉積。基于聚類分析結(jié)果可以看出，雖然B 砂體儲層廣泛分布，但是優(yōu)質(zhì)儲層較少，中部大片區(qū)域布井存在較高風(fēng)險，基于以上研究，建議一類儲層部署水平井進行開發(fā)并兼顧二類儲層，三類及四類儲層建議暫緩開發(fā)，待評價井進一步落實。

圖5 B 砂體多屬性無監(jiān)督聚類平面分布Fig.5 B sand body multi-attribute unsupervised clustering plane distribution

3 結(jié)論和建議

渤海M 油田明下段目的層淺水三角洲沉積，窄河道多期疊置，平面“枝蔓式”分布，儲層內(nèi)部連通性及油水關(guān)系復(fù)雜，油田高效開發(fā)井網(wǎng)部署存在較大風(fēng)險。通過正演模擬分析，基于90°相移對儲層頂?shù)走M行了空間展布追蹤，并對反映儲層及流體的敏感地震屬性進行提取及解讀，最終基于FSOM 多屬性無監(jiān)督聚類分析實現(xiàn)了研究區(qū)優(yōu)質(zhì)儲層帶劃分，為合理編制開發(fā)方案奠定了基礎(chǔ)，對淺水三角洲窄河道儲層高效開發(fā)具有一定借鑒作用。