張年念，王 偉，李爽爽，張 蘭

（中海石油（中國）有限上海分公司，上海 200335）

隨著勘探開發(fā)的深入，西湖凹陷的油氣勘探與開發(fā)方向逐漸由構(gòu)造圈閉轉(zhuǎn)變?yōu)闃?gòu)造巖性圈閉[1]。對于構(gòu)造巖性圈閉的落實，儲層的精細(xì)刻畫至關(guān)重要。近年來西湖凹陷勘探開發(fā)過程中發(fā)現(xiàn)諸多以河道砂體為背景[2]的構(gòu)造-巖性油氣藏，這為下一步挖潛指明了方向。因此，河道類儲層的精細(xì)解剖，對后續(xù)勘探開發(fā)具有重要的意義。

海上僅靠單井去預(yù)測砂體分布難度大，而地震資料能夠研究儲層橫向的分布和變化，預(yù)測儲層平面展布具有較大優(yōu)勢。地震資料的分辨率對比儲層精細(xì)刻畫至關(guān)重要，提高地震分辨率的措施有壓縮地震子波，或者拓寬地震頻帶范圍，尤其是準(zhǔn)確地拓寬與砂體頻率對應(yīng)的高頻成分。常見的地震處理方法有廣義譜分解、譜藍(lán)化技術(shù)、反褶積、小波變換等。研究氣田區(qū)常規(guī)地震資料在單砂體的刻畫上不能滿足開發(fā)生產(chǎn)的需要，因此寄希望于在地震資料分辨率提高的情況下，能有效地進(jìn)行單期河道的識別。同時儲層厚度的預(yù)測也具有至關(guān)重要，目前主要依據(jù)目的層的地震屬性與砂厚的相關(guān)性來預(yù)測砂厚，包括多屬性擬合、神經(jīng)網(wǎng)絡(luò)等。但是受到圍巖的影響，目的層的屬性往往不能準(zhǔn)確反映砂體的真實厚度。

研究區(qū)B 氣田內(nèi)地震資料分辨率較低，不能有效刻畫單砂體的形態(tài)和范圍，有效儲層的范圍難以確定，影響氣田下步挖潛決策。本文通過時變分頻反褶積提高地震的分辨率，在此基礎(chǔ)上，通過多屬性智能融合[3]綜合預(yù)測了目的層砂厚及其平面展布范圍。結(jié)合兩種技術(shù)方法達(dá)到了較好的儲層預(yù)測效果，對B 氣田剩余油氣挖潛提供了有利技術(shù)支撐。

1 研究區(qū)地質(zhì)概況

研究工區(qū)B 氣田整體位于東海陸架盆地西湖凹陷西南方向西次凹內(nèi)，為北東向的低幅向背斜構(gòu)造[4]（圖1）。目的層為花港組H3-H5 層，發(fā)育淺水三角洲前緣砂體，且砂體橫向變化快[5]，H4 層已鉆井揭示目前砂體欠發(fā)育，整體表現(xiàn)為“泥包砂”特征，單層砂體厚度基本小于10 m，厚度不等（圖2）。目前地質(zhì)認(rèn)識為平面上砂體分布規(guī)律不清，氣田開發(fā)前期效果未達(dá)預(yù)期，潛力方向不明，急需開展儲層精細(xì)研究。本研究重點針對B 氣田H 4 層開展儲層精細(xì)描述，在此基礎(chǔ)上對目的層儲層定量表征，尋找有利的儲層發(fā)育潛力區(qū)，為氣田滾動挖潛提供技術(shù)支持。

圖1 研究區(qū)構(gòu)造位置示意圖Fig.1 Schematic diagram of the structural location of the research area

圖2 研究區(qū)主要目的層砂體對比圖Fig.2 Comparison of main target sand bodies in the study area

2 儲層描述關(guān)鍵技術(shù)

2.1 時變分頻反褶積

提高地震分辨率的常規(guī)措施有反褶積處理，然而由于真實地下介質(zhì)是非均勻性，地震子波在地層傳導(dǎo)時是實時變化的，常規(guī)基于時不變提取的地震子波，致使反褶積后的地震剖面結(jié)果失真?？紤]到地震信號在地下傳播時的衰減作用及地下非均質(zhì)性影響，對待不同地震時窗，分別用差異頻率子波針對各個時窗地震資料來進(jìn)行分頻反褶積處理[6-7]（圖3），時變子波的求取是關(guān)鍵。

圖3 時變子波的提取過程Fig.3 Comparison of sand bodies in the target layer

地震記錄與地震子波和反射系數(shù)序列三者之間的關(guān)系為：

將wφ賦為0，然后對w( )ω做逆傅立葉變換，獲得井旁道的零相位子波w0(t) 。

復(fù)賽譜提取多個時窗的不同子波，對各個時窗內(nèi)對應(yīng)地震子波進(jìn)行反褶積處理求獲得反射系數(shù)，再對全段時窗反射系數(shù)運用高頻率子波進(jìn)行褶積，從而提高地震分辨率。

2.2 多屬性智能融合

多屬性融合技術(shù)[7-10]的目的是為了解決單一屬性預(yù)測結(jié)果的多解性問題，力求使預(yù)測結(jié)果吻合井點與井間實際儲層厚度。為了滿足精細(xì)油藏描述的需要，目前工作中大多采用線性回歸法、神經(jīng)網(wǎng)絡(luò)法、支持向量機等方法擬合多種地震屬性與砂體厚度之間的關(guān)系。而與線性回歸法和神經(jīng)網(wǎng)絡(luò)法相比，支持向量機[11-12]是一種專門針對小樣本的統(tǒng)計學(xué)習(xí)方法，主要用來處理回歸問題，同時避免神經(jīng)網(wǎng)絡(luò)算法可能陷入局部最優(yōu)的困境。支持向量機的重點考慮的是砂體預(yù)測結(jié)果是否與優(yōu)化屬性變化趨勢相吻合，基于此精準(zhǔn)預(yù)測目的層砂體厚度。利用該項技術(shù)關(guān)鍵是優(yōu)選反映儲層厚度的屬性，以井上砂體厚度作為監(jiān)督數(shù)據(jù)，實際井井旁道地震屬性作為訓(xùn)練數(shù)據(jù)，采用機器學(xué)習(xí)方法進(jìn)行多屬性智能融合[6-8]，實現(xiàn)了少井條件下的單河道厚度定量預(yù)測（圖4）。具體步驟可以描述為：①多屬性分析及優(yōu)選；②地震屬性與砂厚標(biāo)準(zhǔn)化處理；③選擇SVR 的模型參數(shù)；④通過訓(xùn)練數(shù)據(jù)集與監(jiān)督數(shù)據(jù)集，確定回歸預(yù)測函數(shù)；⑤運用最優(yōu)地震屬性組合預(yù)測砂體厚度。

3 儲層描述技術(shù)應(yīng)用效果

3.1 地震資料提頻處理

研究區(qū)地震資料品質(zhì)較差，目的層段地震資料主頻較低為28 Hz,有效頻寬約為10～60 Hz，范圍較窄。目的層H4 層有效厚度整體較薄，基本小于10 m，常規(guī)地震資料達(dá)不到精細(xì)識別儲層的程度，因而有必要開展了針對地震資料的時變分頻反褶積處理。

地震數(shù)據(jù)目的層段時間范圍為2 000～2 800 ms，采樣間隔為2 ms，分10 個時窗提取地震記錄頻譜，提取對應(yīng)的時域子波，應(yīng)用此方法對地震記錄做處理，可以得到各時窗時間域子波（圖5），通過分析可以看出時間越大子波主頻越低，可以反映子波在傳播中的衰減現(xiàn)象。

圖5 不同時窗提取的地震子波Fig.5 Time-varying wavelet extraction

在此基礎(chǔ)上求取對應(yīng)目的層段時窗的反射系數(shù)，最后褶積35 Hz 寬頻子波得到處理后的地震資料。處理后主頻和帶寬為35 Hz、50 Hz（圖6），較處理前的主頻24 Hz 和帶寬40 Hz 有了明顯提高，對比處理前后的地震剖面（圖7），處理前后整體上振幅相對關(guān)系差異不大，但處理后目的層地震同向軸明顯增多，細(xì)節(jié)特征明顯，河道期次的接觸關(guān)系更加清晰。

圖6 處理前后的地震頻譜圖（左圖為處理前，右圖為處理后）Fig.6 Comparison of average normalized amplitude spectra of images shown

圖7 處理前后的地震剖面圖（上圖為處理前，下圖為處理后）Fig.7 Seismic profile before and after processing (top shows before processing, bottom shows after processing)

結(jié)合本區(qū)地質(zhì)和地震特征綜合響應(yīng)規(guī)律，針對水道砂體在高分辨率處理的地震數(shù)據(jù)體上具有波形橫向變化的特點，通過標(biāo)定后的追蹤解釋，可清晰地識別出H4 三期河道砂體（圖8）。H4d 層第一期曲流型河道砂體沉積，河道自北向南展布，在構(gòu)造南部大量沉積，隨后向西南方向流入；H4c 層砂體為該區(qū)第二期河道砂體，河道展布近南北方向，井點鉆井巖性顯示有自下而上為正韻律特征，反映井點位于河道邊部，儲層泥質(zhì)含量高，物性較差；H4b 層砂體為近東西向河道砂體，河道彎曲度低，近順直型，向西南方向河道寬度及規(guī)模存在變好的趨勢。H4c層河道與H4b 河道在主井區(qū)交叉，平面呈X 型。

圖8 H4 層三期砂體平面圖（從左至右:H4d、H4c、H4b，平面圖屬性為波谷振幅之和屬性）Fig.8 III phases of sand bodies in Layer H4 (From left to right:H4d, H4c, H4b)

3.2 河道砂體定量表征

在定性表征河道的基礎(chǔ)上開展河道厚度描述，首先優(yōu)選反映儲層厚度的多屬性為砂體趨勢面，以井上砂體厚度作為監(jiān)督數(shù)據(jù)，實際井的井旁道地震屬性作為訓(xùn)練數(shù)據(jù)，采用機器學(xué)習(xí)方法進(jìn)行多屬性智能融合，最終實現(xiàn)了少井條件下的單河道厚度定量預(yù)測。

以H4d 層為例，研究區(qū)內(nèi)已鉆該目的層共有鉆井10口，提取不同類型的地震屬性，統(tǒng)計出與井上砂體厚度相關(guān)性大于0.65 的屬性后，通過聚類分析優(yōu)選三種屬性，即最大谷值振幅、平均振幅及最大能量，對四種地震屬性和砂厚做標(biāo)準(zhǔn)化處理，通過SRV 算法計算出多屬性與砂厚關(guān)系，通過支持向量機的算法得到多屬性與砂厚的非線性映射關(guān)系，進(jìn)而得到反映H4d 小層砂體厚度的目標(biāo)屬性（圖9、圖10）。

圖9 研究區(qū)B 氣田H4d 屬性優(yōu)選Fig.9 Optimization of H4d attributes in B gas field

圖10 基于支持向量機預(yù)測的厚度屬性Fig.10 Thickness attribute prediction based on support vector machine

根據(jù)儲層描述H4d河道砂體，得到砂體厚度平面圖（圖11），顯示河道主體部位主要于B3 井南側(cè)，砂體厚度約15～35 m，具有較大潛力?；诒敬蝺用枋龅恼J(rèn)識，有效推動了氣田南部多口調(diào)整井的上鉆。調(diào)整井B11HP、B12HP、B13HP、B16 實鉆結(jié)果顯示（圖12），其中三口井在H4d 層鉆探結(jié)果成功，均鉆遇較厚的油氣層，厚度在25～35 m。通過氣田區(qū)5 口開發(fā)井與儲層預(yù)測結(jié)果對比，發(fā)現(xiàn)實鉆砂體厚度與儲層描述結(jié)果基本一致，誤差基本在5 m 之內(nèi)（圖13）。此外，其他主力層H4b、H4c 層砂體展布和實鉆井也有較好的吻合，驗證了時變分頻反褶積與多屬性智能融合兩種技術(shù)手段的“二元耦合”在河道類儲層描述中有較高的可信度。

圖11 基于支持向量機預(yù)測的厚度等值線圖Figure 11 Thickness contour map based on support vector machine prediction

圖12 典型井砂體對比圖Fig.12 Sand bodies comparison of typical well

圖13 厚度預(yù)測統(tǒng)計分析柱狀圖Fig.13 Histogram of statistical analysis for thickness prediction

4 結(jié)論

（1）基于時變子波在反褶積中的運用，提高了地震資料的分辨率，實現(xiàn)了B 氣田多期河道期次的刻畫。

（2）通過多屬性智能融合，實現(xiàn)了少井條件下的單河道厚度定量預(yù)測，有效地預(yù)測氣田砂體有利發(fā)育區(qū)，支撐了后期開發(fā)調(diào)整井鉆探成功。

（3）基于時變子波的反褶積與多屬性智能相融方法適合于西湖凹陷B 氣田目的層的精細(xì)儲層描述，效果顯著，為后續(xù)決策提供了堅實技術(shù)支持。本文提出了一套河道砂體的精細(xì)解剖及砂厚預(yù)測的方法，為海上中深層儲層描述提供有效的借鑒意義。