番禺低隆起坡折带储层含气性综合预测技术_技术研究

摘要

摘要：PY气田位于番禺低隆起白云凹陷北坡断裂坡折带上，地质条件复杂，砂岩储层的含气性预测难度极大。为此，探究了由AV0技术、AFI流体成分反演技术及神经网络多属性反演技术组成的

摘要：PY气田位于番禺低隆起白云凹陷北坡断裂坡折带上，地质条件复杂，砂岩储层的含气性预测难度极大。为此，探究了由AV0技术、AFI流体成分反演技术及神经网络多属性反演技术组成的综合预测技术，以期有效摒除单一技术在含油气性预测过程中不尽客观的现象。首先是以AV0技术初步确定含气区，再结合AFI技术和神经网络多属性反演技术确定最终的有利含气区。该综合预测技术的应用有助于指导该区下一步天然气勘探，提高勘探成功率。

关键词：珠江口盆地；番禺低隆起；坡折带；天然气；流体；识别；地震勘探

1 地质概况

番禺低隆起是珠江口盆地中南部的一个重要含油气区，区内新近系沉积期主要发育NW向和近EW向的同沉积断裂，它们的发育和分布控制着沉积充填和总体的古构造地貌特征。古隆起的东南和东北缘发育的主要同沉积断裂形成明显的古地貌突变带或多级断裂坡折带(图1)。断裂坡折带下斜坡低位域具有形成构造-岩性油气藏的良好条件，并为该区近期的勘探突破提供了重要依据^[1]。PY气田位于珠江口盆地中南部番禺低隆起-白云凹陷北坡，位于一级坡折带上(图1)。主要目的层段新近系中新统珠江组SB21.0砂岩位于距今18.5Ma最大海泛面之下、距今21.0Ma层序界面之上，形成大型的构造+岩性复合圈闭，且在地震剖面上有很好的亮点显示。研究区内已钻探6口井，以断层为界，D井和F井位于气田的北部，A井、B井、C井和E井位于气田的南块。已钻6口井中，仅B井钻遇水层，但B井同其他井一样具有振幅亮点、AV0及吸收系数等明显的含气异常特征；AV0正演表明，气田北块储层的AV0类型不同于南块，珠江组砂岩含气性在该区呈现多样化的特征。因此，采用有效的地球物理技术、合理的区分储层流体的含油气性，有助于指导番禺天然气区坡折带下步勘探方向的确定，提高该区隐蔽型气藏勘探的效益。为实现这一目的，展开了有效技术系列在该地区应用研究的技术攻关。

2 AV0技术

Zoeppritz理论是AV0技术的核心，完整的Zoeppritz方程^[2]全面考虑了平面纵波和横波入射在平界面两侧产生的纵横波反射和透射能量之间的关系。当反射波地震勘探使用主要产生纵波的震源、接收的是反射纵波时，Zoeppritz公式可以被大大简化，即只考虑平面纵波入射产生的反射振幅随入射角的变化情况。一方面可以节省计算工作量，另一方面更有利于AV0技术的研究和应用。R.T.Shuey给出的简化公式是目前人们使用最多的Zoeppritz近似方程^[3]：

由式(2)可以看出：反射系数与sin²α近似为线性关系，其截距(P)为法线入射(零炮检距)时的反射系数，梯度(G)与泊松比有关。

利用Shuey公式进行了AV0正演模拟，其模拟结果见图2。

从图2中可见：PY地区构造圈闭内的井(A井、C井、E井)气层顶表现为振幅随偏移距增大而减小的趋势；复合圈闭内的含气砂岩(D井、F井)则表现为振幅随偏移距增加而增大的特征，不同圈闭类型的储层AV0响应特征不同的根本原因在于坡折带上沉积环境不同，导致泊松比关系不同，从而影响到AV0响应特征；含水砂岩(B井)则表现为振幅随偏移距增加而增大的含气的特征。因此，在研究区用AV0技术预测储层的含油气性具有很大的不确定性。

沿SB21.0储层顶得到AV0的PG属性平面图(图3)，红色区域代表储层顶的含气特征为“第三类”的AV0异常。按以往对储层含油气性的认识，PY地区有利的勘探目标(“第三类”AV0异常)主要集中在红色区域。AV0技术预测结果在B井处就不符合实钻的结论。

3 AFI流体成分反演技术

众所周知，地下不均匀性描述是储层可靠描述的关键因素，不均匀性部分造成了解释的不确定性。地震储层描述中的一些方法是基于多元技术^[4]的纯粹统计方法。另一些方法是确定性的，基于弹性理论及实验室观测导出的物理模型。依据特定的研究，每一组技术都有某种程度的成功。优化策略是把每种方法最好的部分结合起来，产生比单独使用纯粹统计或纯确定性技术都更好的结果^[5]。AFI流体成分反演技术中的统计岩石物理理论的创新之处是结合了Monte Carlo模拟和Bayes分类理论，并将其应用到AV0理论中得到流体成分反演理论。流体成分反演理论研究的最终目的是获得PY气田主要储层含油气性的定量解释。实例表明：该理论能有效地规避AV0技术陷阱，达到定量预测储层含油气性的目的，有助于提高该地区的勘探成功率。利用原始叠前道集得到流体成分反演结果如图4所示。

对比反演结果图，发现图4指示的含气范围(黄色区域)、气水界面以及与各井含油气性与实钻结果吻合。需要强调的是：该技术对B井的预测与实钻结果吻合，更接近地质认识。但是PY地区F井北部有一处面积达20km²的高含气区(箭头所示)，需要进一步评价、落实该地区的含油气性。

4 神经网络多属性反演

人工神经网络的并行处理能力、分布式信息处理方式、自组织自学习能力、高度容错性等优点，吸引了各个领域的学者^[6]。地球物理学家对它的识别能力特别感兴趣，它优于传统的统计方法和人工智能方法，因此很快被引入到地球物理学领域，并力图解决油气识别之类的问题。勘探地球物理学中常用的神经网络与多层感知器、自组织特征映射网络及Hopfield网络等。地震属性分析技术^[7]是近年来迅速发展起来的一种技术，它主要是应用多种数学分析(如神经网络等)方法，从地震数据体中提取有关储层物性、岩性信息的多种属性，同时结合工区内的测井资料，建立井旁道测井属性与地震属性的关系，使用相关性最大的属性预测和估算整个地震数据体的曲线属性特征，从而达到储层含油气性预测的目的^[8]。

多属性反演技术即是利用测井曲线和地震数据的关系“预测”或估测地震体上所有点的测井曲线特征体。利用基于神经网络的多属性反演技术得到了研究区的含水饱和度图5。综合分析图4、5，认为图4所示的F井北部应是一个相对高含水的区域，其余各井储层含油气性的预测结果与实钻结果较符合(图5)。

5 结论与认识

1) 流体成分反演技术不但是一种定量化的AVO技术，而且摒除了常规AV0技术中仅能从测井响应或地震响应单一进行含油气性分析的缺点，紧密地将井和震响应特征结合起来进行了相关性分析，提高了储层含油气性预测的准确度和直观性。

2) 神经网络多属性分析技术，能够紧密结合测井特征与井旁道地震属性，有效解决储层含油气性预测问题。

3) AV0技术、AFI流体成分反演技术和神经网络多属性反演技术组成的含油气预测技术系列，可有效提高钻前目标储层含油气性预测工作的准确度，降低勘探风险。

符号说明

R(α)为反射系数；R₀为0°角入射时的反射系数；α为入射角，(°)；α₁为反射角，(°)；α₁为透射角，(°)；P为截距；G为梯度；ρ为密度，g/cm³；ρ₁为介质1的密度，g/cm³；ρ₂为介质2的密度，g/cm³；v_p为纵波速度，m/s；v_p1为介质1的纵波速度，m/s；v_p2为介质2的纵波速度，m/s；v_s为横波速度，m/s；v_s2为介质2的横波速度，m/s；v_s1为介质1的横波速度，m/s；σ为泊松比；σ₂为介质2的泊松比；σ₂为介质1的泊松比。

参考文献

[1] 董伟，林畅松，谢利华，等.珠江口盆地番禺隆起东南缘断裂坡折带及其对低位域构造- 岩性油气藏的控制作用[J].地球学报，2009，30(2)：256-262.

[2] 殷八斤，曾灏，杨在岩.AV0技术的理沦与实践[M].北京：石油工业出版社，1995.

[3] SHUEY R T.A simplification of the Zoeppritz equations[J].Geophysics，1985.，50(4)：609-634.

[4] FOURNIER F.Extraction of quantitative geologic information from seismic data with multidimensional statistical analyses：PartⅠ，methodology，and PartⅡ：a case history[J].SEG Expanded Abstracts，1989(8)：726-733.

[5] LUCET N，MAVKO G.Images of rock properties estimated from a cross well tomogram[J].SEG Expanded Abstracts，1991(10)：363-366.

[6] 朱广生.地震资料储层预测方法[M].北京：石油工业出版社，1995.

[7] 国庆鹏.济阳坳陷大芦家区块薄储集层预测研究[J].石油勘探与开发，2005，32(5)：82-84.

[8] 张喜，乔向阳，王玉艳，等.神经网络多属性分析技术[J].油气田地面工程，2007，26(8)：1-3.

[9] 丁峰，尹成，朱振宇，等.利用改进的自组织网络进行地震属性分析[J].西南石油大学学报：自然科学版，2009，31(4)：47-51.

(本文作者：轩义华袁立忠汪瑞良秦成岗全志臻中海石油(中国)有限公司深圳分公司研究院)