薄互层储层预测方法

塔中地区志留系薄互层砂体预测方法王成林1,2,李毓丰3,张 雷4,赵宽志3,党青宁3(1.中国石油勘探开发研究院塔里木分院,北京100083;2.中国石油大学(北京)资源与信息学院,北京102249;3.中国石油塔里木油田分公司勘探开发研究院,新疆库尔勒841000;4.大庆石油学院,黑龙江大庆163318)摘要:塔中地区志留系地质条件复杂,目的层段砂层薄,横向连续性差,地质建模困难,利用常规反演方法难以获得精确的反演结果。

根据高分辨率层序地层理论,利用稀疏脉冲拟波阻抗反演技术在塔中地区进行了储层预测。

结果表明,塔中地区志留系柯坪塔格组上段下沥青砂岩段砂体具有成片分布、连续性好和厚度大的特点;上沥青砂岩段砂体具有分块分布和厚度小的特点。

约束稀疏脉冲反演技术对于塔中地区志留系薄砂层的进一步勘探开发和降低开发风险有一定的指导意义。

关键词:砂体预测;高分辨率层序地层;地震反演技术;塔中地区中图分类号:TE19文献标识码:A 文章编号:1009-9603(2008)01-0029-03 塔里木盆地塔中地区志留系是塔里木油田的重要油气勘探领域[1]。

研究表明,该区志留系存在大面积的地层-岩性油气藏[2],但由于志留系单砂体厚度薄、变化大、横向连续性较差和各向异性强,因此,用常规地震资料不能进行有效的砂体预测。

随着勘探程度的提高,从高分辨率层序地层学以及井)震联合反演等工作入手,在前人研究成果的基础上[3-6],对该区志留系进行了精细储层预测和非均质性研究,为油田下一步勘探工作提供技术支持。

1 区域地质概况塔中地区位于塔里木盆地中央隆起带塔中低凸起的北部斜坡上,其北侧与满加尔凹陷毗邻(图1)。

图1 塔里木盆地塔中地区构造位置截至2004年底,塔中地区已有75口井钻遇志留系,自下而上包括柯坪塔格组(下沥青砂岩段、灰色泥岩段、上沥青砂岩段)、塔塔埃尔塔格组(红色泥岩段和砂泥岩段)和依木干他乌组。

该区志留系主要发育以滨海潮坪相为主要类型的细粒沉积物,常见灰色或褐色细砂岩、粉砂岩、灰绿色泥质粉砂岩、绿色粉砂质泥岩或褐色粉砂质泥岩薄互层。

薄互层储层预测方法
陈守田;孟宪禄
【期刊名称】《石油物探》
【年(卷),期】2004(043)001
【摘要】针对松辽盆地葡萄花油层三角洲沉积薄互层储层的特点,研究不同微相的砂岩与测井特征、地震属性的关系,探讨利用沉积微相、波形特征定性预测砂岩储层发育带的技术.利用地震属性预测技术定量预测储层厚度结果表明,本区整个油层砂岩总厚度与地震属性有很高的相关度,厚砂层的预测符合率较高.
【总页数】5页(P33-36,79)
【作者】陈守田;孟宪禄
【作者单位】石油大学盆地与油藏研究中心,北京,102249;大庆石油管理局物探公司,黑龙江大庆,163357;大庆石油管理局物探公司,黑龙江大庆,163357
【正文语种】中文
【中图分类】P631.4
【相关文献】
1.高邮凹陷SB油田砂泥岩薄互层储层预测方法 [J], 娄国泉
2.塔河油田石炭系卡拉沙依组薄互层储层预测方法研究 [J], 骆福嵩;韩博
3.一个砂泥岩薄互层地区的储层预测方法及效果 [J], 李晓光
4.白马庙须家河薄互层储层预测方法与应用 [J], 杨孛;李瑞;杨滔
5.新疆塔里木盆地温宿凸起区新近系薄互层储层预测方法研究与应用 [J], 韩淼;白忠凯;周新桂;高永进;袁坤平;程明华
因版权原因，仅展示原文概要，查看原文内容请购买。

作者简介:刘金平,1964年生,高级工程师;1990年毕业于原长春地质学院;多年从事地震勘探研究工作,现任物探公司副总工程师。

地址:(163357)黑龙江省大庆市红岗区杏五井物探公司。

电话:(0459)4103429。

E mail:liujin ping@w t.d 叠前地震属性在薄互层储层预测中的应用刘金平 侯亚彬 杨懋新 王允清(大庆石油管理局钻探集团地球物理勘探公司)刘金平等.叠前地震属性在薄互层储层预测中的应用.天然气工业,2007,27(增刊A):262 264.摘 要 松辽盆地北部扶杨油层属三角洲平原沉积,河道广泛发育。

河流的频繁改道及多期河道的纵向叠置使扶杨油层的储层呈砂泥岩薄互层复杂的沉积序列,单期河道砂体厚度一般小于5m 。

近年来利用叠后地震属性预测扶杨油层的储层发育状况取得了一些成功的经验,但尚不能满足勘探开发的需求。

随着叠前地震属性分析技术的不断成熟,探索了应用叠前地震属性进行薄互层储层预测的方法。

通过对叠前地震属性参数的分析,研究薄互层砂体的AVA/FVA 、AVO/FVO 变化规律,实现薄互层砂体的定性识别与描述,利用叠前弹性波阻抗反演结果定量预测了薄互层砂体的空间分布。

松辽盆地北部GTZ 地区的应用结果表明,AVA/FVA 、AVO/FVO 属性砂体的分布规律与叠前弹性波阻抗反演结果定量预测结果具有较好的一致性,并且砂体定量预测结果与两口后验井的平均相对误差在10%左右。

由此表明了叠前地震属性在砂泥岩薄互层储层预测中的潜力。

主题词 薄层 储集层 地震勘探 声阻抗 松辽盆地一、引 言随着地震勘探程度的不断深入,勘探目标逐步转向薄互层低孔、低渗储层,并成为油气勘探的重要领域,因此,薄互层储层砂体预测技术成为国内外各油田的重要研究课题。

从国内外文献看,对薄互层储层砂体预测主要采用叠后地震属性分析、叠后地震资料反演、可视化等技术手段。

由于松辽盆地北部扶杨油层属陆相砂泥岩薄互层沉积,其地震响应不仅时间上不可分辨,能量分辨也是模糊的,利用叠后地震资料在扶杨油层进行储层砂体预测效果不理想。

孤东九区南馆陶组等速砂泥岩储层预测作者：王玉环来源：《西部大开发·中旬刊》2012年第11期摘要：以孤东油田九区南馆上段为例，针对砂泥岩速度接近的薄互层储层进行储层预测。

采用试错法获得能够有效反映砂岩反映程度的地震属性，通过与地震反演平面图、砂岩发育指数平面图比较，认为低的振幅加速度与砂岩发育指数高值分布的平面位置吻合程度高，振幅加速度对砂岩反映效果最好，是该区识别和预测砂岩较有效的手段。

关键词：孤东油田；地震属性；砂岩发育指数；振幅加速度中图分类号： P631.4 文献标识码： A 文章编号： 1009-8631（2012）（11-12）-0031-021 概况孤东油田九区位于山东省东营市垦利县境内，仙河镇东约20公里。

区域构造位置位于中生界潜山背景上发育起来的近南北走向的第三系披覆背斜构造的东翼。

孤东九区南主要含油小层为馆陶组上段6砂组，油藏埋深1340～1460m。

孤东油田馆上段为河流相沉积，原油多集中于厚度小于10m的薄层砂岩中。

钻井揭示目的层砂体总体不太发育，尤其是缺乏厚且连片的大规模砂体，只有找到大砂体才能找到中型以上的油藏。

从油藏开发角度出发，也需要了解目前钻井所揭示的砂体彼此间连通状况。

2 储层砂体的识别2.1地震响应特征研究区馆上段砂岩与泥岩速度总体上十分接近，砂岩速度（2100-2550m/s）等于或略小于泥岩速度（2300-2700m/s）；馆上段含油或含水砂岩速度（2100-2300m/s）略小于泥岩速度（2300-2700m/s）。

这种砂、泥岩速度之间的微小变化导致利用振幅或波阻抗等地震属性很难从大量的泥质岩背景中把含量较少的砂岩识别出来。

2.2测井响应特征地震储层预测的准确与否是通过反映储层的测井参数与井点的地震属性吻合程度来判断的。

因此，首先必须找到能反映砂岩储层发育程度的测井参数。

研究区地层埋深比较浅，压实作用不明显，泥岩与砂岩的自然伽玛、电阻率、声波等测井响应类似，对砂体识别不明显。

薄层预测技术概述邓和平(长江大学地球物理与石油资源学院,湖北荆州　434023) 摘　要:随着油气勘探与开发的深入发展,地震勘探已从传统的构造研究发展对岩性圈闭、缝洞、薄储层等隐蔽性油气藏的研究。

针对薄层的厚度薄、变化大、横向连续性差和各向异性强的特点,提高对薄层的识别、追踪和评价的有效性成为当前的研究热点。

为此,将地震解释技术、测井参数反演技术、沉积相和层序等有关方法技术以及地震信息对薄互层储层进行综合识别研究。

本文主要概述对薄储层的研究,从地震出发,结合测井约束地震反演、谱分解、地震属性及边缘检测等技术识别薄储层,从而提高钻井资料。

关键词:薄互层储层;地震属性;波阻抗反演;边缘检测;谱分解;储层预测 随着油气勘探开发的发展,地球物理学家和地质学家希望用地震数据体识别岩性、油水特性,但大多数储层都是隐蔽性油气藏,多年来,形成了多种方法进行油气预测,结合前人的现有技术,运用边缘检测技术可以更加有效的识别薄层。

本文主要是针对薄储层进行研究,所开展的工作都是基于薄储层,首先从基本地震属性出发,运用边缘检测技术结合谱分解技术来识别薄储层。

1　地震属性技术地震属性技术广泛应用于地震构造解释、地层分析、油藏特征描述以及油藏动态检测等领域,而根据属性分析最终定义的精确油藏模型,可用于钻井决策、估计地质储量和可采储量。

一般来说地震属性按提取方式和应用领域可分为: 建立在波的运动学和动力学基础上的地震属性类型,包括振幅、波形、频率、衰减特性、相位、相关性、能量和比率等; 以油藏特征为基础的地震属性类型,包括表征亮点、暗点、不整合圈闭、含油气异常、地层不连续、岩性突变、构造突变等的地震属性。

通过复地震道分析、振幅特征分析、频谱或功率谱分析、自相关分析及自回归分析等可得到大量的属性参数,用于研究储层性质及其变化规律等。

地震属性分析技术分为叠前地震属性分析和叠后地震属性分析[1-9]。

2　地震反演地震反演成果在精细油藏描述及储层横向预测等研究工作中所起的作用越来越重要,它能较真实地反映出地下岩层的岩性及物性的展布特征,可间接地反应出储层含流体性质的变化特征,借此能够大大提高钻井的成功率。

储层厚度预测流程
储层厚度预测是石油勘探和开发中的重要环节，其流程主要包括以下步骤：
数据收集：收集地震数据、测井数据、地质数据等相关资料，为后续的预测提供基础数据。

数据预处理：对收集到的数据进行清洗、格式转换、坐标匹配等处理，确保数据的质量和一致性。

特征提取：从地震数据、测井数据、地质数据中提取与储层厚度相关的特征，如地震波形特征、岩性特征、地层结构特征等。

模型训练：利用已知的储层厚度数据和提取的特征，训练预测模型。

常用的模型包括神经网络、支持向量机、决策树等机器学习模型，以及基于统计的方法、地质统计学方法等。

模型验证与优化：对训练好的模型进行验证，评估其预测精度和稳定性。

根据验证结果对模型进行优化调整，提高预测精度。

储层厚度预测：将训练好的模型应用于未知区域，根据输入的特征进行预测，得到储层厚度的分布情况。

结果分析：对预测结果进行分析，了解储层的分布规律和变化趋势。

结合实际的地质情况和开发需求，制定相应的开发方案和调整措施。

反馈与更新：将预测结果与实际开发情况进行对比，根据实际情况对预测模型进行调整和更新，不断完善预测方法和精度。

２０２３年３月第３８卷第２期西安石油大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＸｉ’ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｍａｒ．２０２３Ｖｏｌ．３８Ｎｏ．２收稿日期：２０２２ １２ １７基金项目：国家科技重大专项“渤海海域勘探新领域及关键技术研究”（２０１６ＺＸ０５０２４－００３）；中海油重大项目“渤海‘双高’油田挖潜技术研究”（ＹＸＫＹ－２０１８－ＴＪ－０４）第一作者：曹龙（１９８８ ），男，硕士，工程师，研究方向：油气田开发地质。

Ｅ ｍａｉｌ：ｃａｏｌｏｎｇ２＠１２６．ｃｏｍＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ ０６４Ｘ．２０２３．０２．００３中图分类号：ＴＥ１２２．２文章编号：１６７３ ０６４Ｘ（２０２３）０２ ００１６ ０９文献标识码：Ａ渤海海域新近系薄互层砂体沉积特征及定量预测曹龙，李超，秦润森，穆朋飞，张鹏志（中海石油（中国）有限公司天津分公司，天津３００４５２）摘要：为明确新近系明化镇组下段薄互层砂体的沉积特征与展布规律，运用岩心、钻井及三维地震资料，结合地震沉积学研究，确立了研究区薄互层形成于浅水三角洲前缘水下分流河道与前缘席状砂。

基于波阻抗反演的井震标定发现，当薄互层形成一套砂层组时，地震最小振幅对其具有一定指示性。

据此，将主要发育薄互层的明下段Ⅳ ２亚油组纵向划分为３套砂层组，并提取各砂层组地层切片，以确定其砂体边界与平面分布范围。

最后以实钻砂层组储层厚度、地震属性值统计为数据基础，建立了薄互层储层定量预测拟合关系。

在预测的厚度较大的甜点区实施评价井，验证了研究结果的可靠性。

关键词：浅水三角洲沉积；薄互层储层；地震沉积学；定量预测；黄河口凹陷ＳｅｄｉｍｅｎｔａｒｙＣｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄＱｕａｎｔｉｔａｔｉｖｅＰｒｅｄｉｃｔｉｏｎｏｆＮｅｏｇｅｎｅＴｈｉｎＩｎｔｅｒｂｅｄＳａｎｄ ｂｏｄｉｅｓｉｎＢｏｈａｉＳｅａＡｒｅａＣＡＯＬｏｎｇ，ＬＩＣｈａｏ，ＱＩＮＲｕｎｓｅｎ，ＭＵＰｅｎｇｆｅｉ，ＺＨＡＮＧＰｅｎｇｚｈｉ（ＴｉａｎｊｉｎＢｒａｎｃｈ，ＣＮＯＯＣ（Ｃｈｉｎａ）Ｃｏ．，Ｌｔｄ．，Ｔｉａｎｊｉｎ３００４５２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｃｌａｒｉｆｙｔｈｅｓｅｄｉｍｅｎｔａｒｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｔｈｉｎｉｎｔｅｒｂｅｄｄｅｄｓａｎｄ ｂｏｄｉｅｓｉｎｔｈｅｌｏｗｅｒｍｅｍｂｅｒｏｆＮｅｏｇｅｎｅＭｉｎｇｈｕａｚｈｅｎＦｏｒｍａｔｉｏｎ，ｕｓｉｎｇｃｏｒｅ，ｄｒｉｌｌｉｎｇａｎｄ３Ｄｓｅｉｓｍｉｃｄａｔａ，ｃｏｍｂｉｎｅｄｗｉｔｈｓｅｉｓｍｉｃｓｅｄｉｍｅｎｔｏｌｏｇｙｒｅｓｅａｒｃｈ，ｉｔｉｓｄｅｔｅｒ ｍｉｎｅｄｔｈａｔｔｈｅｔｈｉｎｉｎｔｅｒｂｅｄｓａｒｅｄｅｖｅｌｏｐｅｄｉｎｔｈｅｓｈａｌｌｏｗｄｅｌｔａｆｒｏｎｔｕｎｄｅｒｗａｔｅｒｄｉｓｔｒｉｂｕｔａｒｙｃｈａｎｎｅｌａｎｄｆｒｏｎｔｓｈｅｅｔｓａｎｄｏｆｔｈｅｓｔｕｄｙａｒｅａ．Ｔｈｅｗｅｌｌ ｓｅｉｓｍｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎｗａｖｅｉｍｐｅｄａｎｃｅｉｎｖｅｒｓｉｏｎｓｈｏｗｓｔｈａｔｗｈｅｎｔｈｉｎｉｎｔｅｒｂｅｄｓｆｏｒｍａｓｅｔｏｆｓａｎｄｇｒｏｕｐｓ，ｔｈｅｍｉｎｉ ｍｕｍｓｅｉｓｍｉｃａｍｐｌｉｔｕｄｅｈａｓａｃｅｒｔａｉｎｉｎｄｉｃａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅ，Ⅳ ２ｏｉｌ ｂｅａｒｉｎｇｆｏｒｍａｔｉｏｎｉｎｔｈｅｌｏｗｅｒｍｅｍｂｅｒｏｆＭｉｎｇｈｕａｚｈｅｎＦｏｒｍａｔｉｏｎ，ｗｈｉｃｈｍａｉｎｌｙｄｅｖｅｌｏｐｓｔｈｉｎｉｎｔｅｒｂｅｄｓ，ｉｓｄｉｖｉｄｅｄｉｎｔｏｔｈｒｅｅｓｅｔｓｏｆｓａｎｄｇｒｏｕｐｓｖｅｒｔｉｃａｌｌｙ，ａｎｄｔｈｅｓｔｒａｔｉｇｒａｐｈｉｃｓｌｉｃｅｓｏｆｅａｃｈｓａｎｄｇｒｏｕｐａｒｅｅｘｔｒａｃｔｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｒｅｓｅｒｖｏｉｒｂｏｕｎｄａｒｙａｎｄｐｌａｎｅｄｉｓｔｒｉｂｕｔｉｏｎｒａｎｇｅｏｆｅａｃｈｓａｎｄｇｒｏｕｐ．Ｆｉｎａｌｌｙ，ｔｈｅｑｕａｎｔｉｔａｔｉｖｅｐｒｅｄｉｃｔｉｏｎｆｉｔ ｔｉｎｇｒｅｌａｔｉｏｎｓｈｉｐｏｆｔｈｉｎｉｎｔｅｒｂｅｄｄｅｄｒｅｓｅｒｖｏｉｒｉｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｓｔａｔｉｓｔｉｃｓｏｆｔｈｅａｃｔｕａｌｄｒｉｌｌｉｎｇｔｈｉｃｋｎｅｓｓａｎｄｓｅｉｓｍｉｃａｔｔｒｉｂｕｔｅｖａｌｕｅｏｆｔｈｅｓａｎｄｇｒｏｕｐｓ．Ｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆｔｈｅｒｅｓｅａｒｃｈｒｅｓｕｌｔｉｓｖｅｒｉｆｉｅｄｂｙｔｈｅｅｖａｌｕａｔｉｏｎｗｅｌｌｄａｔａｉｎｔｈｅｄｅｓｓｅｒｔａｒｅａｗｉｔｈｇｒｅａｔｐｒｅｄｉｃ ｔｅｄｔｈｉｃｋｎｅｓｓｏｆｔｈｉｎｉｎｔｅｒｂｅｄｄｅｄｒｅｓｅｒｖｏｉｒ．Ｋｅｙｗｏｒｄｓ：ｓｈａｌｌｏｗｗａｔｅｒｄｅｌｔａｄｅｐｏｓｉｔ；ｔｈｉｎｉｎｔｅｒｂｅｄｄｅｄｒｅｓｅｒｖｏｉｒ；ｓｅｉｓｍｉｃｓｅｄｉｍｅｎｔｏｌｏｇｙ；ｑｕａｎｔｉｔａｔｉｖｅｐｒｅｄｉｃｔｉｏｎ；ＨｕａｎｇｈｅｋｏｕＳａｇ曹龙，李超，秦润森，等．渤海海域新近系薄互层砂体沉积特征及定量预测［Ｊ］．西安石油大学学报（自然科学版），２０２３，３８（２）：１６ ２４．ＣＡＯＬｏｎｇ，ＬＩＣｈａｏ，ＱＩＮＲｕｎｓｅｎ，ｅｔａｌ．ＳｅｄｉｍｅｎｔａｒｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｑｕａｎｔｉｔａｔｉｖｅｐｒｅｄｉｃｔｉｏｎｏｆＮｅｏｇｅｎｅｔｈｉｎｉｎｔｅｒｂｅｄｓａｎｄ ｂｏｄｉｅｓｉｎＢｏｈａｉｓｅａａｒｅａ［Ｊ］．ＪｏｕｒｎａｌｏｆＸｉ’ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２３，３８（２）：１６ ２４．Copyright ©博看网. All Rights Reserved.曹龙等：渤海海域新近系薄互层砂体沉积特征及定量预测引　言渤海南部海域新近系构造稳定、地形平缓，多发育浅水三角洲沉积［１ ３］。

基于多元线性回归分析的薄储层预测技术在胜利探区的研究与应用张娟【摘要】随着胜利油田油气勘探的逐步深入,薄储层成为重要的勘探方向之一,但其预测也一直是个勘探难题.因此针对其识别,开发了多元线性回归薄储层预测技术,研发了油藏表征系统软件.该方法在多种属性优选的基础上,建立了储层厚度与伪熵、混沌等优势地震属性间最优化定量计算关系,刻画了薄储层在平面上的分布趋势,进而掌握储层厚度分布特征.在阳信洼陷沙一段滨浅湖薄层砂体预测中,该项技术的应用取得了良好的勘探效果,较好地反映了生物灰岩储层平面上的展布特征,对胜利探区其它类型的薄储层油藏勘探,起到了很好的借鉴和参考意义.【期刊名称】《工程地球物理学报》【年(卷),期】2013(010)001【总页数】4页(P91-94)【关键词】薄储层;线性回归;优势地震属性;储层预测【作者】张娟【作者单位】中国石化胜利油田分公司地质科学研究院,山东东营257015【正文语种】中文【中图分类】P631.41 引言薄储层的识别一直以来都是勘探的难题，由于受地震分辨率的限制，很难用地震直接准确描述。

利用单一地震属性方法预测，多解性强，难以准确反映薄储层变化特征［1，2］；利用波阻抗反演方法预测，在井点处有井约束，储层预测准确率高，但是由于储层较薄，外推范围比较有限，很难准确预测薄储层在平面上的展布特征，而且分辨率也有限［3］。

基于这些薄储层预测存在的问题，我们在多年的研究过程中针对薄储层的识别形成了多元线性回归地震预测技术，并研发了油藏表征系统软件。

该方法既有效降低了单一属性预测的多解性又很好的展示了薄储层在平面上的展布变化特征，是目前解决薄储层预测难题行之有效的预测技术。

2 研究区地质概况阳信洼陷是一个典型的北断南超的萁状断陷盆地，其形成经历了裂陷期、断陷期和拗陷期。

其中断陷后期即沙一段沉积时期，断裂活动基本停止，整体抬升，形成了较薄的沉积地层。

该区沙一段沉积相主要包括半深湖亚相、滨浅湖亚相等，滨浅湖发育生物滩、砂坝、席状砂和泥晶白云岩等微相。

第４５卷第２期 中国矿业大学学报 Ｖｏｌ．４５Ｎｏ．２２０１６年３月 Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎａ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｍｉｎｉｎｇ　＆Ｔｅｃｈｎｏｌｏｇｙ Ｍａｒ．２０１６收稿日期：２０１５－０６－０６基金项目：国家重点基础研究发展计划（９７３）项目（２０１５ＣＢ４５３０００）；中国石油集团重大科技专项（２０１２Ｅ－３３０１）通信作者：廖林（１９７８－），男，四川省宜宾市人，博士，从事复杂构造带裂缝预测及其机理方面的研究．Ｅ－ｍａｉｌ：ｇｅｏｌｌｉｎ＠ｚｊｕ．ｅｄｕ．ｃｎ　Ｔｅｌ：０１０－８０１６１３１２薄互层泥云岩储层裂缝预测方法研究廖　林１，２，田多文３，车璐飞１，魏　军３，李向阳１，２，肖文华３（１．中国石油大学（北京）博士后科研流动站，北京　１０２２００；２．中国石油集团国家特聘专家工作室，北京　１０２２００；３．中国石油股份有限公司玉门油田分公司，甘肃酒泉　７３５２００）摘要：在薄互层泥云岩储层和裂缝发育特征分析的基础上，重点对比构造导向相干、倾角、最大构造曲率以及本征值等叠后地震属性对裂缝发育程度的敏感性差异．通过加入与裂缝形成相关的地质、地球物理参数优化反演模型，采用非线性神经网络方法厘定不同地震属性在交汇融合过程中的权重比，定量预测青西凹陷下白垩统泥云岩储层裂缝发育强度和平均密度．研究结果表明：与ＦＭＩ识别成果对比证实，多属性交汇融合预测结果吻合率达８２％．关键词：叠后属性；多属性交汇融合；非线性神经网络；裂缝预测中图分类号：Ｐ　６３１文献标志码：Ａ文章编号：１０００－１９６４（２０１６）０２－０３４７－１０Ｆｒａｃｔｕｒｅ　ｐｒｅｄｉｃｔｉｏｎ　ｉｎ　ｔｈｉｎ　ｉｎｔｅｒｂｅｄ　ｍｕｄ－ｄｏｌｏｍｉｔｅ　ｒｅｓｅｒｖｏｉｒＬＩＡＯ　Ｌｉｎ１，２，ＴＩＡＮ　Ｄｕｏｗｅｎ３，ＣＨＥ　Ｌｕｆｅｉ　１，ＷＥＩ　Ｊｕｎ３，ＬＩ　Ｘｉａｎｇｙａｎｇ１，２，ＸＩＡＯ　Ｗｅｎｈｕａ３（１．Ｐｏｓｔｄｏｃｔｏｒａｌ　Ｓｔａｔｉｏｎ，Ｃｈｉｎａ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｐｅｔｒｏｌｅｕｍ（Ｂｅｉｊｉｎｇ），Ｂｅｉｊｉｎｇ　１０２２００，Ｃｈｉｎａ；２．ＣＮＰＣ　Ｎａｔｉｏｎａｌ　Ｓｐｅｃｉａｌ　Ｍｅｒｉｔ　Ｅｘｐｅｒｔｓ　Ｉｎｓｔｉｔｕｔｅ，Ｂｅｉｊｉｎｇ　１０２２００，Ｃｈｉｎａ；３．ＰｅｔｒｏＣｈｉｎａ　Ｙｕｍｅｎ　Ｏｉｌｆｉｅｌｄ　Ｃｏｍｐａｎｙ，Ｊｉｕｑｕａｎ，Ｇａｎｓｕ　７３５２００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ａｎａｌｙｓｅｓ　ａｂｏｕｔ　ｆｒａｃｔｕｒｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｉｎ　ｉｎｔｅｒｂｅｄ　ｍｕｄ－ｄｏｌｏｍｉｔｅ　ｒｅｓｅｒ－ｖｏｉｒ　ｉｎ　Ｑｉｎｇｘｉ　ｓａｇ，ｔｈｅ　ａｕｔｈｏｒｓ　ｃｏｍｐｕｔｅｄ　ｓｏｍｅ　ｐｏｓｔ－ｓｔａｃｋｅｄ　ｓｅｉｓｍｉｃ　ａｔｔｒｉｂｕｔｅｓ　ｒｅｓｐｅｃｔｉｖｅｌｙ　ｔｏｍａｋｅ　ｃｏｍｐａｒｉｓｏｎｓ　ｉｎ　ｄｉｆｆｅｒｅｎｔ　ｓｅｎｓｉｔｉｖｉｔｙ　ｏｆ　ｔｈｅ　ｆｒａｃｔｕｒｅ　ｄｅｔｅｃｔｉｏｎ，ｉｎｃｌｕｄｉｎｇ　ｓｔｒｕｃｔｕｒｅ－ｏｒｉｅｎｔｅｄｃｏｈｅｒｅｎｔ，ｄｉｐ，ｍａｘｉｍｕｍ　ｓｔｒｕｃｔｕｒｅ－ｏｒｉｅｎｔｅｄ　ｃｕｒｖａｔｕｒｅ　ａｎｄ　ｅｉｇｅｎｖａｌｕｅ．Ｔｈｅ　ｇｅｏｌｏｇｉｃａｌ　ａｎｄ　ｇｅｏ－ｐｈｙｓｉｃａｌ　ｐａｒａｍｅｔｅｒｓ　ｒｅｌａｔｉｎｇ　ｔｏ　ｆｒａｃｔｕｒｅｓ　ｗｅｒｅ　ｕｓｅｄ　ｔｏ　ｏｐｔｉｍｉｚｅ　ｉｎｖｅｒｓｉｏｎ　ｍｏｄｅｌ，ａｎｄ　ｎｏｎ－ｌｉｎｅａｒｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｍｅｔｈｏｄ　ｗａｓ　ａｐｐｌｉｅｄ　ｔｏ　ｄｅｔｅｒｍｉｎｅ　ｔｈｅ　ｗｅｉｇｈｔ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｐｏｓｔ－ｓｔａｃｋｅｄ　ｓｅｉｓｍｉｃａｔｔｒｉｂｕｔｅｓ　ｄｕｒｉｎｇ　ｆｕｓｉｏｎ　ｐｒｏｃｅｓｓ．Ｔｈｅ　ｓｔｒｅｎｇｔｈ　ａｎｄ　ａｖｅｒａｇｅ　ｄｅｎｓｉｔｙ　ｏｆ　ｆｒａｃｔｕｒｅ　ｏｆ　ｔｈｅ　Ｃｒｅｔａｃｅｏｕｓｔｈｉｎ　ｉｎｔｅｒｂｅｄ　ｍｕｄ－ｄｏｌｏｍｉｔｅ　ｒｅｓｅｒｖｏｉｒ　ｉｎ　Ｑｉｎｇｘｉ　ｄｅｐｒｅｓｓｉｏｎ　ｗａｓ　ｑｕａｎｔｉｔａｔｉｖｅｌｙ　ｐｒｅｄｉｃｔｅｄ．Ｒｅ－ｓｅａｒｃｈ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ＦＭＩ　ｒｅｃｏｇｎｉｔｉｏｎ　ｒｅｓｕｌｔ，ｔｈｅ　ｃｏｉｎｃｉｄｅｎｃｅ　ｒａｔｅ　ｏｆ　ｍｕｌｔｉ－ａｔｔｒｉｂｕｔｉｏｎｓ　ｆｕｓｉｏｎ　ｉｓ　ｕｐ　ｔｏ　８２％．Ｋｅｙ　ｗｏｒｄｓ：ｐｏｓｔｓｔａｃｋ　ａｔｔｒｉｂｕｔｉｏｎ；ｍｕｌｔｉａｔｔｒｉｂｕｔｅ　ｉｎｔｅｒｓｅｃｔｉｏｎ　ａｎｄ　ｆｕｓｉｏｎ；ｎｏｎｌｉｎｅａｒ　ｎｅｕｒａｌ　ｎｅｔ－ｗｏｒｋ；ｆｒａｃｔｕｒｅｓ　ｐｒｅｄｉｃｔｉｏｎ目前，针对裂缝型储层的地震预测技术主要依靠叠前资料的各向异性响应特征和叠后敏感多属性综合判断来实现．前人在岩心裂缝观察、常规测井和成像ＦＭＩ测井识别的基础上，通过等效地质模型的正演分析，认识到储层缝（洞）密度和反射系数之间、缝（洞）介质中地震波速和介质参数与波的入射参数之间彼此均存在定量关系，当大量细小缝（洞）组成了缝洞发育带且其密度足够大时，就能通过地震反射波的运动学和动力学特征检测与识别其发育程度［１－２］．针对不同岩性的储层，学者们逐步DOI:10.13247/ki.jcumt.000403 中国矿业大学学报 第４５卷总结并综合运用叠后相干［３－５］、曲率［６］、蚂蚁体［７－８］、边缘检测［９］和多重分形［１０］等属性和计算方法在实践中取得了良好的效果．然而，部分学者们在采用弹性波动方程数值模拟地震波在裂缝介质中传播特征时发现，不同裂缝密度、缝（洞）空间大小纵横比和充填物性质对纵横波各向异性特征，尤其是速度和振幅存在较大的影响［１１－１３］．因此，在利用地震波运动学、动力学以及几何学属性预测不同岩性组合储层缝（洞）发育程度时，需要优选不同的地震属性及检测方法，并需将地质、测井、钻井和动态开发等参数交互印证，才能达到准确预测裂缝（洞）型油气储层的目的［１］．本文选取酒泉盆地青西凹陷下白垩统薄互层泥云岩裂缝型储层为研究对象，在两种不同岩性和厚度地质模型正演分析基础上，对比了４种常用叠后敏感属性预测与实钻ＦＭＩ识别结果，有针对性地将地层厚度和不同岩性组合对应的振幅变化率、岩石力学参数加入反演模型中，采用非线性神经网络算法对多种地震叠后属性进行交汇融合来预测薄互层状泥云岩储层中裂缝发育程度．１　地质概况青西凹陷位于酒泉盆地酒西拗陷，在早白垩世为一个封闭性很强的陆内深水断陷湖盆［１４－１５］，形成了大套暗色泥岩、白云质泥岩与湖相白云岩、泥质白云岩不等厚互层沉积地层（以下简称泥云岩）（图１）．图１　青西凹陷构造位置Ｆｉｇ．１　Ｔｈｅ　ｓｔｒｕｃｔｕｒａｌ　ｌｏｃａｔｉｏｎ　ｏｆ　Ｑｉｎｇｘｉ　ｓａｇ受晚白垩世抬升剥蚀和新近系以来的挤压作用影响［１６－１８］，形成了以构造裂缝为主的裂缝体系，有效地改善了原本致密的泥云岩地层储集性能．大量未充填裂缝和沿裂缝面形成的溶蚀孔洞使得基质孔隙度仅为０．１％～２．０％、渗透率不高于８ｍＤ的泥云岩储集性能提升至孔隙度４．０５％～７．５４％，渗透率高达７９．５ｍＤ［１９－２０］，进而成为青西油田重要的勘探目的层．２　储层裂缝发育特征大量钻探证实，青西凹陷下白垩统泥云岩累计厚度约３００～４００ｍ．泥质白云岩与白云岩不等厚互层沉积主要分布在古湖盆水体较深的中心区域；泥质白云岩、白云质泥岩和泥岩不等厚互层沉积环绕其外，并与古盆缘扇三角洲呈相变关系（图１）．前人通过岩相学、组构学和地球化学分析结果认为青西凹陷下白垩统泥云岩是一种较为罕见的碱性热卤水结晶沉淀的纹层状泥晶原生含铁白云岩，主要造岩矿物为泥晶结构的含铁白云石［２１］．此类白云石多呈０．１～１．０ｍｍ厚纹层状，并与钠长石、方沸石、重晶石和地开石等多种热液矿物呈两元或多元互层纹层产出［１６，２１－２２］，受后期构造作用沿纹层面滑脱极易形成裂缝［１６，１９－２０，２３］．钻探取芯表明，下白垩统泥云岩中裂缝产状规律性明显，呈ＮＮＥ－ＳＳＷ和ＮＷＷ－ＳＥＥ向两组；主要表现为多组交叉形成的网状缝、视中—高角度缝和水平缝（图２），其中视中—高角度裂缝占裂缝总数的７０％以上．如在图２ａ泥质白云岩岩芯可见多组共轭裂缝，导致岩芯破碎程度高，开启的裂缝内部分充填方解石薄膜，且沿破裂面发育未充填—半充填的溶蚀孔洞；图２ｂ泥岩岩芯中，白云质分布呈不均匀的条带状，亦可见条纹状的黄铁矿，一组斜交缝开启程度较高，最大缝宽达５．０ｍｍ；图２ｃ深灰色泥质白云岩发育一组开启的“Ｘ”形斜交缝，与岩芯垂直轴呈６０°夹角，裂缝线密度１６条／ｍ，裂缝面较为平整，擦痕明显，见钙质充填；图２ｄ白云质泥岩中，水平层理和沿层理面的视水平裂缝发育，裂缝面见明显擦痕，透镜状黄铁矿和植物碎屑富集发育，裂缝线密度高达３６条／ｍ．在常规测井剖面中，裂缝发育井段具有双侧向电阻率多为低值，视中—高角度裂缝其深浅侧向为正差异，视低角度缝或水平缝为负差异．同时，裂缝发育井段还出现声波增大或声波时差跳跃、中子增大、密度降低的现象．在微电阻率成像测井剖面中，视中—高角度缝呈深色的正弦波条带且轨迹不规则，多与层理面斜交（图３ａ）；视水平缝表现为深色与层理面平行的正弦波条带，部分沿轨迹常有溶蚀８４３第２期 廖　林等：薄互层泥云岩储层裂缝预测方法研究现象（图３ｂ）；少量充填缝为浅色或白色的高阻正弦波条带（图３ｃ）．图２　泥云岩储层裂缝发育特征Ｆｉｇ．２　Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｆｒａｃｔｕｒｅｓ　ｉｎ　ｍｕｄ－ｄｏｌｏｍｉｔｅ　ｒｅｓｅｒｖｏｉｒ图３　不同类型裂缝在常规测井、成像测井的响应Ｆｉｇ．３　Ｒｅｓｐｏｎｓｅ　ｏｆ　ｆｒａｃｔｕｒｅｓ　ｂｅｔｗｅｅｎ　ｃｏｎｖｅｎｔｉｏｎａｌ　ｌｏｇｇｉｎｇ　ａｎｄ　ＦＭＩ３　叠后地震多属性交汇融合３．１　地震资料品质分析本次研究所用的青西三维地震叠后数据采样率为１ｍｓ，目的层主频在４０Ｈｚ，频带宽度达到７０Ｈｚ以上，波组特征清晰，保幅性好，理论上纵向分辨率λ／４＝１７．１８ｍ．针对柳沟庄地区泥质白云岩与泥岩、白云质泥岩之间厚度和岩性组合不同导致不同地震反射特征的情况，参考文献［２３］岩心力学实验结果（表１），本次研究利用２２口钻井建立了２种不同的地质模型（图４），即模型Ｉ（薄互层泥质白云岩夹白云质泥岩，图４ａ）和模型ＩＩ（薄互层白云质泥岩夹泥岩，图４ｂ）．采用主频为４０Ｈｚ，步长为５Ｈｚ的零相位Ｒｉｃｋｅｒ子波与其相应的反射系数褶积，模拟两种地质模型的地震响应．图４正演模拟结果表明，泥质白云岩发育的层段地震响应为强振幅、连续反射（图４ａ）；而白云质泥岩和泥岩则表现为弱—较弱振幅、断续—较连续（图４ｂ），反映出地震振幅属性对不同岩性和厚度组合响应有明显差异．其一方面说明地震对不同岩性之间薄互层组合有较好的纵向分辨能力，另一方面证明如果单一利用地震振幅属性预测裂缝将会存在明显的多解性，应综合多属性交汇融合预测裂缝的空间展布特征．表１　岩石力学参数［２３］Ｔａｂｌｅ　１　Ｒｏｃｋ　ｍｅｃｈａｎｉｃｓ　ｐａｒａｍｅｔｅｒｓ岩性密度／（ｇ·ｃｍ－３）弹性模量／ＧＰａ泊松比抗压强度／ＭＰａ抗拉强度／ＭＰａ抗剪强度／ＭＰａ泥质白云岩２．８４　４６．８　０．４１　７２．８６　６．０７　１５．２３白云质泥岩２．７３　９０．３　０．３３　２３７．４７　１９．７９　５４．４９泥岩 ２．６５　９５．１　０．２７　４８．０２　４．００　８．６２图４　不同地质模型正演模拟对比Ｆｉｇ．４　Ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ｆｏｒｗａｒｄ　ｍｏｄｅｌｉｎｇ　ｂｅｔｗｅｅｎｄｉｆｆｅｒｅｎｔ　ｇｅｏｌｏｇｉｃａｌ　ｍｏｄｅｌｓ３．２　敏感参数分析利用地震资料预测储层裂缝发育程度，首先要考虑的是裂缝体系的地震可检测性，以及地震波场的多尺度效应．前人认为利用地震反射波动力学和运动学特征可以反演出密度足够大的细小缝和洞，并且动力学参数对缝洞系统的灵敏度要高于运动学参数［１－２］．同时，在地震没有明显反射，或者反射振幅变化较大时，学者们也常根据地震数据的相干性或者无序性（相异性）以及波场变化特征来识别裂缝体系［４－６，２４］．因此，本次研究根据实际地震资料品质和正演结果，在１１种地震属性中选取构造导向相干、倾角、最大构造曲率和构造本征等属性进行重点对比分析．１）构造导向相干相干分析是上世纪９０年代发展起来的一项三９４３ 中国矿业大学学报 第４５卷维地震资料解释方法，是多道地震数据之间相似程度的一种度量［４］．在计算地震道三维空间相似性差异的基础上，近年来学者们利用统计分析各采样单元的倾角和横向连续性及变化量结果，提出了构造导向相干的算法［２５－２６］．利用青西三维地震资料，提取泥云岩储层顶部（５ｍｓ时窗）的构造导向相干结果显示（图５ａ），构造导向相干属性异常整体呈ＮＷ－ＳＷ向展布，集中于断层附近或多条断层棋盘分割的区域内，表现为明显的短轴状．通过对区域内５０口钻井ＦＭＩ识别的裂缝平均密度结果与属性异常值对比，仅有６３．９４％钻井与地震异常存在正相关关系（图６ａ）．图５　不同地震属性敏感性对比Ｆｉｇ．５　Ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ｓｅｎｓｉｔｉｖｉｔｙ　ｂｅｔｗｅｅｎ　ｄｉｆｆｅｒｅｎｔ　ｓｅｉｓｍｉｃ　ａｔｔｒｉｂｕｔｅｓ图６　地震属性值与ＦＭＩ裂缝平均密度值正相关Ｆｉｇ．６　Ｔｈｅ　ｌｉｎｅａｒ　ｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｓｅｉｓｍｉｃ　ａｔｔｒｉｂｕｔｅｓ　ａｎｄ　ａｖｅｒａｇｅ　ｄｅｎｓｉｔｙ　ｏｆ　ＦＭＩ ２）倾角倾角和方位角属性是利用层段与断面倾角的差异性（或不连续性）特征来进行裂缝检测的．在多数断层或裂缝发育区内，倾角变化同时方位角也发生变化．目前，三维地震倾角属性计算时，通常采用基于振幅变化梯度和基于地震道构造相位变化梯度两种方式［２７－２８］．在多道地震属性提取中，由于采样单元内相应道集群的振幅变化率、振幅方差、多道相干和倾角方位角扫描等集合属性赋予中心点，通过逐次递推形成多道属性分析结果，从而导致基于振幅变化梯度的倾角扫描结果受层位与地震同相轴追踪质量影响较为明显［６］．相比之下，基于地震道构造相位变化梯度的倾角扫描算法则通过赋予每一个样本点倾角矢量，然后采用线性平面扫描，从而获得较好的长波长（低波数）反射层形态的高精度倾角计算结果来反映储层内幕变形特征［２７－２９］．图５ｂ展示了利用青西三维地震资料，泥云岩储层顶部（５ｍｓ时窗）的基于地震道构造相位变化梯度的倾角属性结果，属性异常不仅呈ＮＷ－ＳＥ向集中于断层附近和断层交汇处，而且在Ｄ－Ｅ－Ｆ井一线以东地区呈ＮＥ－ＳＷ向展布，且不受断层控制．这一特点与前述构造导向相干属性提取结果不同．通过５０口钻井ＦＭＩ识别结果与属性异常值对比发现，有７６．５８％钻井裂缝平均密度结果与之呈正相关关系（图６ｂ）．３）最大构造曲率地震构造曲率属性采用构造取向算子来定量描述层面形变程度．随着地震三维体集合属性扫描技术发展，前人在实践中逐步总结出在曲率计算之前联合自适应中值滤波［３０］、三维结构方位滤波［３１］０５３第２期 廖　林等：薄互层泥云岩储层裂缝预测方法研究和平面与曲面结合二次倾角扫描法［６］来抑制噪声，实现高精度检测．利用文献［６］介绍的方法，本次研究提取的泥云岩储层顶部（５ｍｓ时窗）最大构造曲率属性异常如图５ｃ所示．其短轴状的异常值集中分布在断层附近，且展布方向与弧形断层走向一致．这一特点与前述构造导向相干和倾角属性提取结果明显不同．钻井ＦＭＩ识别的裂缝平均密度结果与属性异常值对比，有７５．３１％钻井样本符合正相关关系（图６ｃ）．４）本征相干与构造相干属性相似，本征相干属性也是一种定量化表征波形相似性的地震属性．其基于本征结构分析，通过小波变换分频处理，有效提高信噪比，从而获得分辨率更高的相干体［５］．本次研究将经验正交函数法与随机动态方法结合起来，在局部构造张量本征值基础上，并综合地层倾角和方位角的计算，提取了基于梯度的本征属性（通过计算图元的梯度来实现）和基于相位的本征属性（通过Ｈｉｌｂｅｒｔ变换产生瞬时相位，图元梯度由瞬时相位属性计算来实现）．从图５ｄ中可以看出，本征相干异常虽然也呈现为短轴状，但是其与邻近弧形断层走向一致，反映出断层及其伴生裂缝发育带的展布特点，７１．５３％的井－震吻合结果也证实本征相干预测结果明显优于构造导向相干（图６ｄ）．然而，本征相干异常分布特点与构造导向相干在个别断裂带末端有明显差异，本文认为可能与两种属性在经过信噪比处理后的分辨率差异有关．信噪比更高的本征相干数据体对亚地震断层带（如断层末端、断层末端传播之前的脆性变形带）中的裂缝分辨率更高［３２－３４］．３．３　非线性神经网络成像测井ＦＭＩ识别裂缝平均密度与地震预测结果对比表明，单一利用某种地震属性表征裂缝体系仍存在多解性（图５，６）．因此，学者们探寻综合利用多类型地震属性进行交汇融合，最为典型的算法是利用成熟的神经网络．利用通过学习、训练过程建立输入和输出关系，神经网络算法可以形成特定的规则，将存储和处理相结合，消除或减少地震属性的多解值，进而获得理想的输出模型［３５－３７］．然而，神经网络算法存在收敛速度慢、不能保证收敛到全局最点，以及网络中间层、单元数在选取无理论指导及网络学习、记忆过程中的不稳定性等缺陷．因此，本次研究在前人所介绍的非线性神经网络算法基础上进行了改进［３８－４０］．核心思想在于一方面将各类地质参数（或由测井推导的地质参数）加入模型计算，且分配较高的权重；另一方面将敏感性较低的地震属性也参与计算，但人为分配其较小的权重，以全面描述研究区内泥云岩储层不同岩性薄互层的组合特点和裂缝空间展布特征．改进的神经网络算法能对多个地质、地球物理参数开展并行处理，通过改变训练过程中的每个节点上的参数，能够有效分析出数量庞杂的接收数据对于特定目的层的权重关系，形成神经网络的融合处理与信息集成，从而反映出彼此之间的非线性映射关系．首先将与裂缝形成相关的地质、地球物理参数均作为模型参数，将这些参数当成Ｎ个因子（Ｄｉ｜ｉ＝１，２，…，Ｎ）作为模型的输入．尤其是地层厚度和不同岩性组合对应振幅变化率、岩石力学参数的加入优化了整个模型［２３］，使得选用的样本参数规模能更准确、完整地描述储层和裂缝发育特性．在此基础上，设立裂缝发育指示因子（ｆｒａｃｔｕｒｅ　ｉｎｄｉｃａ－ｔｏｒ）作为样本训练过程的信号单元，每个单元样本训练过程包括Ｌ个步骤，任意经过ｊ步（ｊ＝１，２，…，Ｌ）训练的信息单元ＦＩｊ都能够有效反映出整个储层空间的信息．因此，输入因子Ｄｉ和裂缝发育指示因子ＦＩｊ共同构成了裂缝地质模型的基础．基于多元回归算法，在模型内部条件未知的情况下，模拟出模型复杂的非线性变化特点，即训练过程．采用有导师学习的原则，将一系列与地质参数正相关的输入、输出数据作为学习样本集，将Ｌ个步骤单元中的一部分训练因子Ｌ１作为训练模块，通过调整信号参数，不断对权矩阵Ｗｎｉｎｊ进行调整，完成神经网络训练过程．当样本由输入层输入Ｎ个因子Ｄｉ，经隐层处理后，神经网络提供的输出结果ＦＩｉｎｎ（Ｗ）与期望输出ＦＩｉ是不同的，将信号单元误差Ｅ（Ｗ）逆向反传，周而复始的进行权矩阵权值调整，从而使误差Ｅ达到理想预期内，即Ｅ（Ｗ）＝∑Ｌ１ｉ＝１［Ｆｌｉ－Ｆｌ　ｎｎｌ（Ｗ）］２．实际应用中，当训练达到预期停止后，采用线性相关系数显示实际参数与经过神经网络计算的参数关系，就可以达到多种属性优选的目的（表２）．１５３ 中国矿业大学学报 第４５卷表２　非线性神经网络算法输入参数与优选结果的关联度Ｔａｂｌｅ　２　Ｃｏｒｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｉｎｐｕｔ　ｐａｒａｍｅｔｅｒｓ　ａｎｄ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｕｓｉｎｇ　ｎｏｎｌｉｎｅａｒ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ参数类型参数关联度／％参数关联度／％参数关联度／％地质类岩性８２．０岩石弹性模量８１．１岩石泊松比８０．０岩石抗拉强度７９．２岩石抗剪强度７９．２岩石抗压强度７９．２录井岩性组合７５．１岩芯孔隙度６０．５岩芯渗透率６０．５测井类ＦＭＩ　９６．１核磁９５．８中子密度９５．３声波异常８４．８井径７４．０双侧向７２．９总孔隙度６８．５裂缝孔隙度６８．２——地震属性倾角７６．６方位角７６．６倾角导数７６．６构造曲率７５．３最大构造曲率７５．２构造曲率导数７５．２构造走向曲率７５．１构造倾向曲率７５．１——本征相干７１．５构造导向相干６３．９相干６３．５方差６３．０蚂蚁体６２．６弧长６１．９结构张量６１．７结构梯度张量６１．７——均方根振幅３２．１最大振幅３２．１振幅包络３１．３振幅比３０．１波峰波谷振幅差３０．０平均能量变化３０．０瞬时频率２８．５振幅加权瞬时频率２５．２——４　预测有效性分析４．１　单井对比分析利用钻井ＦＭＩ识别成果，本次研究挑选了３口典型井进行井－震对比分析非线性神经网络法多属性交汇融合的预测结果．图７ａ为典型的裂缝发育井，ＦＭＩ识别出该井在４　２０３．４～４　２１８．４ｍ，４　３２４．２～４　３５４．５ｍ和４　４２０．７～４　４５７．２ｍ井段集中发育裂缝，将预测结果（黑色异常值）嵌入常规地震剖面中可以看出，该井裂缝发育井段对应深度的地震剖面出现明显的属性异常，且纵向上呈视高角度、断续条带状分布，平面覆盖宽度３２～２００ｍ，表明其为裂缝相对发育条带．这一结果解释了该井初期试油折日产２２ｔ液量，酸化压裂后折日液量３５．３３ｔ的现象．图７ｂ为典型的裂缝相对发育井，ＦＭＩ识别出４　０４３．０～４　０７１．５ｍ为裂缝发育段．从井－震对比情况来看，４　０４７．０～４　０７１．５ｍ裂缝发育段在预测剖面中有着良好的吻合现象，沿井身轨迹目的层段黑色异常值呈视中—高角度、贯穿条带状发育，且东侧断层附近黑色异常值也呈密集分布．这一特点符合该井初期试油折日产１７．１ｔ液量现象．图７ｃ为典型的裂缝不发育井，尽管紧邻断层，但该井并未在目的层段钻遇裂缝．沿井身轨迹仅零星出现黑色异常值，平面覆盖宽度仅２０～４０ｍ．ＦＭＩ识别结果也表明该井裂缝不发育．图７　井－震对比分析裂缝预测有效性Ｆｉｇ．７　Ｐｒｅｄｉｃｔｉｖｅ　ｖａｌｉｄｉｔｙ　ｆｒｏｍ　ｗｅｌｌｌｏｇｇｉｎｇ－ｓｅｉｓｍｉｃ　ｃｏｒｒｅｌａｔｉｏｎ２５３第２期 廖　林等：薄互层泥云岩储层裂缝预测方法研究４．２　平面统计分析图８展示了本次研究采用非线性神经网络法优选出的多个地震属性交汇融合后的裂缝预测结果．其中，图８ａ为裂缝相对发育条带的平面展布预测结果，图８ｂ为部分误差较大单井经人工校正后，求取的裂缝平均密度．沿研究区目的层ＴＫ１Ｇ３ＴＯＰ向下提取１０ｍｓ时窗的预测结果表明（图８ａ），代表裂缝相对发育条带的黑色异常值分布特征较前述４种单一属性更为清晰，总体上呈ＮＮＷ－ＳＳＥ与ＮＮＥ－ＳＳＷ走向展布．单一裂缝发育带平面宽度处于２００～８００ｍ范围，且走向与邻近断层一致或斜交，符合裂缝带平面非均质性强、受断层应力控制强的地质发育特征．同时，通过与５０口钻井对应井段的ＦＭＩ识别裂缝平均密度结果对比，平面吻合率可达８２．０２％（图８ｃ）．值得注意的是，当ＦＭＩ解释结果偏大（＞０．６５条／ｍ）和偏小（＜０．０５条／ｍ）时，非线性神经网络算法所获得的多属性交汇融合值出现了明显的异常，偏离两者拟合曲线（图８ｃ）．经过人工排查发现，当ＦＭＩ解释结果偏大时，８１．２％的对应钻井岩芯为薄层状或纹层状的白云质泥岩，其裂缝均为沿层理面发育、具有明显擦痕的视水平裂缝（图２ｄ和图３ｂ）；当ＦＭＩ解释成果偏小时，６９．４％的对应钻井岩芯为泥岩，其裂缝为高开启度的斜交缝（图２ｂ）．因此，当上述两种情况出现时，需在建立裂缝地质模型的过程中添加人为干预，校正过高或者过低的ＦＭＩ裂缝识别结果．然而，最终获得的预测结果仍存在难以识别低密度裂缝发育带的现象（门阀值＜０．０５条／ｍ）．在此基础上，经过人工校正后求取的地震预测裂缝平均密度（绝对值）与ＦＭＩ识别值平面吻合率可达９２．４７％（图８ｂ和ｄ）．图８　多属性交汇融合预测结果Ｆｉｇ．８　Ｔｈｅ　ｐｒｅｄｉｃｔｉｏｎ　ｒｅｓｕｌｔ　ｏｆ　Ｍｕｌｔｉ　ａｔｔｒｉｂｕｔｅ　ｉｎｔｅｇｒａｔｉｏｎ５　结论１）两种地质模型的地震正演结果表明，不同厚度和岩性组合的差异会导致地震反射波动力学和运动学特征不同，如果单一利用某种地震属性预测裂缝将会存在明显的多解性．同时，单一地震属性异常值与测井ＦＭＩ裂缝识别结果之间的数理关系证实，相比其他岩性储层，薄互层状的泥云岩储层的地震相干性和几何属性较动力学、运动学属性更为敏感，相干、构造曲率和倾角等属性与预测结果关联度均超过６３％，远远高于振幅、频率等属性不足３５％的关联性．２）由于输入因子和裂缝发育指示因子共同构成了裂缝地质模型的基础，相比传统的神经网络算法，基于地质、地球物理参数并行处理的非线性神经网络算法不仅能准确、完整地描述泥云岩储层和裂缝空间展布特性，而且更有效地分析出接收数据对于目的层的权重关系，形成神经网络的融合处理与信息集成，反映出彼此之间的非线性映射关系，从而提高地震属性优选效率和精度．倾角／方位角类、构造曲率类、相干类和张量类属性对薄互层状的泥云岩裂缝型储层敏感关联度均高于６１％．３）虽然注重模型内部条件和模型的非线性变化特点，但是非线性神经网络算法仍基于多元回归计算，需要不断调整信号参数、权矩阵权值和逆向反转以减小误差．尤其是当地质参数（或由测井推导的地质参数）加入模型计算时需人为干预，根据岩芯观察、测井统计所获得的有效裂缝发育特点进行校正，以减小直接使用统计绝对值所带来的偶然误差．同时，利用非线性神经网络算法所获得的多属性交汇融合结果存在难以识别低密度裂缝发育带的可能性．致谢：感谢评审人具体细致且有针对性、极富建设性的修改意见．本文在项目研究工作中得到了Ｄａｌｅｅｌ石油公司Ａｒａｆａ　Ａｌ－Ｈａｒｔｈｙ和ＭｕａｔａｓａｍＡｌ－Ｒａｉｓｉ博士的启发，玉门油田分公司陈建军和范铭涛教授在研究过程中给予了详尽的指导．同时得到了中国石油集团重大专项（２０１２Ｅ－３３０１）和国家９７３项目（２０１５ＣＢ４５３０００）的联合资助，在此一并表示感谢．３５３ 中国矿业大学学报 第４５卷参考文献：［１］　贺振华，黄德济．缝洞储层的地震检测和预测［Ｊ］．勘探地球物理进展，２００３，２６（２）：７９－８３．ＨＥ　Ｚｈｅｎｈｕａ，ＨＵＡＮＧ　Ｄｅｊｉ．Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｐｒｅｄｉｃｔｉｏｎｏｆ　ｆｒａｃｔｕｒｅ－ｃａｖｅ　ｃｏｎｔａｉｎｅｄ　ｒｅｓｅｒｖｏｉｒ　ｆｒｏｍ　ｓｅｉｓｍｉｃ　ｄａｔａ［Ｊ］．Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｅｘｐｌｏｒａｔｉｏｎ　Ｇｅｏｐｈｙｓｉｃｓ．２００３，２６（２）：７９－８３．．［２］　贺振华，杜正聪，文晓涛．碳酸盐岩喀斯特溶洞和裂缝系统的地震模拟与预测［Ｊ］．地球科学进展，２００４，１９（３）：３９９－４０２．ＨＥ　Ｚｈｅｎｈｕａ，ＤＵ　Ｚｈｅｎｇｃｏｎｇ，ＷＥＮ　Ｘｉａｏｔａｏ．Ｓｅｉｓｍｉｃｍｏｄｅｌｉｎｇ　ａｎｄ　ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　ｃａｒｂｏｎａｔｅ　ｋａｒｓｔ　ｃａｖｅｓ　ａｎｄｆｒａｃｔｕｒｅ　ｓｅｔｓ［Ｊ］．Ａｄｖａｎｃｅ　ｉｎ　Ｅａｒｔｈ　Ｓｃｉｅｎｃｅ，２００４，１９（３）：３９９－４０２．［３］　苏朝光，刘传虎，王　军，等．相干分析技术在泥岩裂缝油气藏预测中的应用［Ｊ］．石油物探，２００２，４１（６）：１９７－２０１．ＳＵ　Ｃｈａｏｇｕａｎｇ，ＬＩＵ　Ｃｈｕａｎｈｕ，ＷＡＮＧ　Ｊｕｎ，ｅｔ　ａｌ．Ａｐ－ｐｌｉｃａｔｉｏｎ　ｏｆ　ｃｏｈｅｒｅｎｃｅ　ａｎａｌｙｓｉｓ　ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｔｈｅ　ｐｒｅ－ｄｉｃｔｉｏｎ　ｏｆ　ｆｒａｃｔｕｒｅｄ　ｓｈａｌｅ　ｒｅｓｅｒｖｏｉｒｓ　ａｎｄ　ｉｔｓ　ｅｆｆｅｃｔ　ａ－ｎａｌｙｓｉｓ［Ｊ］．Ｇｅｏｐｈｙｓｉｃａｌ　Ｐｒｏｓｐｅｃｔｉｎｇ　ｆｏｒ　Ｐｅｔｒｏｌｅｕｍ，２００２，４１（６）：１９７－２０１．［４］　张军华，王月英，赵　勇．Ｃ３相干体在断层和裂缝识别中的应用［Ｊ］．地震学报，２００４，２６（５）：５６０－５６４．ＺＨＡＮＧ　Ｊｕｎｈｕａ，ＷＡＮＧ　Ｙｕｅｙｉｎｇ，ＺＨＡＯ　Ｙｏｎｇ．Ａｐ－ｐｌｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ｔｈｉｒｄ　ｇｅｎｅｒａｔｉｏｎ　ｏｆ　ｃｏｈｅｒｅｎｔ　ｃｕｂｅ　ｉｎｒｅｃｏｇｎｉｚｉｎｇ　ｆａｕｌｔｓ　ａｎｄ　ｆｒａｃｔｕｒｅｓ［Ｊ］．Ａｃｔａ　Ｓｅｉｓｍｏｌｏｇｉ－ｃａｌ　Ｓｉｎｉｃａ，２００４，２６（５）：５６０－５６４．［５］　郎晓玲，彭仕宓，康洪全．碳酸盐岩缝洞型储层地球物理响应特征及预测方法研究［Ｊ］．北京大学学报（自然科学版），２０１２，４８（５）：７７５－７８４．ＬＡＮＧ　Ｘｉａｏｌｉｎｇ，ＰＥＮＧ　Ｓｈｉｍｉ，ＫＡＮＧ　Ｈｏｎｇｑｕａｎ．Ｓｔｕｄｙ　ｏｎ　ｇｅｏｐｈｙｓｉｃａｌ　ｒｅｓｐｏｎｓｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ａｎｄ　ｐｒｅ－ｄｉｃｔｉｏｎ　ｍｅｔｈｏｄｏｌｏｇｙ　ｏｆ　ｆｒａｃｔｕｒｅｄ　ａｎｄ　ｃａｖｅｒｎｏｕｓ　ｃａｒ－ｂｏｎａｔｅ　ｒｅｓｅｒｖｏｉｒ［Ｊ］．Ａｃｔａ　Ｓｃｉｅｎｔｉａｒｕｍ　Ｎａｔｕｒａｌｉｕｍ　Ｕ－ｎｉｖｅｒｓｉｔｉｅｓ　Ｐｅｋｉｎｅｎｓｉｓ，２０１２，４８（５）：７７５－７８４．［６］　王世星．高精度地震曲率体计算技术与应用［Ｊ］．石油地球物理勘探，２０１２，４７（６）：９６５－９７２．ＷＡＮＧ　Ｓｈｉｘｉｎｇ．Ｈｉｇｈ－ｐｒｅｃｉｓｉｏｎ　ｃａｌｃｕｌａｔｉｏｎ　ｏｆ　ｓｅｉｓｍｉｃｖｏｌｕｍｅｔｒｉｃ　ｃｕｒｖａｔｕｒｅ　ａｔｔｒｉｂｕｔｅｓ　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ｏｉｌ　Ｇｅｏｐｈｙｓｉｃａｌ　Ｐｒｏｓｐｅｃｔｉｎｇ，２０１２，４７（６）：９６５－９７２．［７］　陈欢庆，胡永乐，靳久强，等．多信息综合火山岩储层裂缝表征：以徐深气田徐东地区营城组一段火山岩储层为例［Ｊ］．地学前缘．２０１１，１８（２）：２９４－３０３．ＣＨＥＮ　Ｈｕａｎｑｉｎｇ，ＨＵ　Ｙｏｎｇｌｅ，ＪＩＮ　Ｊｉｕｑｉａｎｇ，ｅｔ　ａｌ．Ｍｕｌｔｉｐｌｅ　ｓｅｔｓ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｙｎｔｈｅｓｉｚｅｄ　ｔｏ　ｄｅｓｃｒｉｂｅｆｒａｃｔｕｒｅｓ　ｏｆ　ｖｏｌｃａｎｉｃ　ｒｅｓｅｒｖｏｉｒ：ｔａｋｉｎｇ　ｖｏｌｃａｎｉｃ　ｒｅｓｅｒ－ｖｏｉｒ　ｏｆ　ｔｈｅ　ｍｅｍｂｅｒ　１ｏｆ　Ｙｉｎｇｃｈｅｎｇ　Ｆｏｒｍａｔｉｏｎ　ｉｎ　Ｘｕｄ－ｏｎｇ　ａｒｅａ　ｏｆ　Ｘｕｓｈｅｎ　ｇａｓ　ｆｉｅｌｄ　ａｓ　ａｎ　ｅｘａｍｐｌｅ［Ｊ］．ＥａｒｔｈＳｃｉｅｎｃｅ　Ｆｒｏｎｔｉｅｒｓ．２０１１，１８（２）：２９４－３０３．［８］　孙　乐，王志章，李汉林，等．基于蚂蚁算法的断裂追踪技术在乌夏地区的应用［Ｊ］．断块油田．２０１４，２１（６）：７１６－７２１．ＳＵＮ　Ｌｅ，ＷＡＮＧ　Ｚｈｉｚｈａｎｇ，ＬＩ　Ｈａｎｌｉｎ，ｅｔ　ａｌ．Ａｐｐｌｉｃａ－ｔｉｏｎ　ｏｆ　ｆａｕｌｔ　ｔｒａｃｋｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｂａｓｅｄ　ｏｎ　ａｎｔ　ｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ　ｉｎ　Ｗｕｘｉａ　ａｒｅａ［Ｊ］．Ｆａｕｌｔ－Ｂｌｏｃｋ　Ｏｉｌ　＆ＧａｓＦｉｅｌｄ，２０１４，２１（６）：７１６－７２１．［９］　迟新刚，贺振华，黄德济．三维地震模糊边缘裂缝检测方法［Ｊ］．石油物探．２００３，４２（３）：８９－２９３．ＣＨＩ　Ｘｉｎｇａｎｇ，ＨＥ　Ｚｈｅｎｈｕａ，ＨＵＡＮＧ　Ｄｅｊｉ．Ｆｒａｃｔｕｒｅｚｏｎｅ　ｄｅｔｅｃｔｉｏｎ　ｂｙ３－Ｄ　ｓｅｉｓｍｉｃ　ｆｕｚｚｙ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｇｅｏｐｈｙｓｉｃａｌ　Ｐｒｏｓｐｅｃｔｉｎｇ　ｆｏｒ　Ｐｅｔｒｏｌｅｕｍ，２００３，４２（３）：２８９－２９３．［１０］　宋维琪，陈　琛，高艳珂．地震资料多重分形裂缝检测技术方法［Ｊ］．地球物理学进展．２０１２，２７（５）：２００２－２００７．ＳＯＮＧ　Ｗｅｉｑｉ，ＣＨＥＮ　Ｃｈｅｎ，ＧＡＯ　Ｙａｎｋｅ．Ａ　ｄｅｔｅｃ－ｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｍｅｔｈｏｄ　ｏｆ　ｍｕｌｔｉ－ｆｒａｃｔａｌ　ｗｉｔｈ　ｓｅｉｓｍｉｃｄａｔａ［Ｊ］．Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｇｅｏｐｈｙｓｉｃｓ，２０１２，２７（５）：２００２－２００７．［１１］　撒利明，姚逢昌，狄帮让，等．缝洞型储层地震响应特征与识别方法［Ｊ］．岩性油气藏，２０１１，２３（１）：２３－２８．ＳＡ　Ｌｉｍｉｎｇ，ＹＡＯ　Ｆｅｎｇｃｈａｎｇ，ＤＩ　Ｂａｎｇｒａｎｇ，ｅｔ　ａｌ．Ｓｅｉｓｍｉｃ　ｒｅｓｐｏｎｓｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ａｎｄ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄ　ｏｆ　ｆｒａｃｔｕｒｅ－ｃａｖｉｔｙ　ｒｅｓｅｒｖｏｉｒ［Ｊ］．ＬｉｔｈｏｌｏｇｉｃＲｅｓｅｒｖｏｉｒｓ，２０１１，２３（１）：２３－２８．［１２］　镇晶晶，刘　洋，李　敏．几种裂缝模型的波场传播特征比较［Ｊ］．石油地球物理勘探，２０１２，４７（６）：９０８－９１７．ＺＨＥＮ　Ｊｉｎｇｊｉｎｇ，ＬＩＵ　Ｙａｎｇ，ＬＩ　Ｍｉｎ．Ｃｏｍｐａｒｉｓｏｎ　ｏｆｗａｖｅ　ｆｉｅｌｄ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ａｍｏｎｇ　ｔｈｅ　ｆｒａｃｔｕｒｅ　ｒｏｃｋｍｏｄｅｌｓ［Ｊ］．Ｏｉｌ　Ｇｅｏｐｈｙｓｉｃａｌ　Ｐｒｏｓｐｅｃｔｉｎｇ，２０１２，４７（６）：９０８－９１７．［１３］　沈金松，詹林森，马　超．裂缝等效介质模型对裂缝结构和充填介质参数的适应性［Ｊ］．吉林大学学报（地球科学版），２０１３，４３（３）：９９３－１００３．ＳＨＥＮ　Ｊｉｎｓｏｎｇ，ＺＨＡＮ　Ｌｉｎｓｅｎ，ＭＡ　Ｃｈａｏ．Ｔｈｅ　ａｐ－ｐｌｉｃａｂｉｌｉｔｙ　ｏｆ　ｆｒａｃｔｕｒｅ　ｅｆｆｅｃｔｉｖｅ　ｍｏｄｅｌ　ｔｏ　ｄｉｆｆｅｒｅｎｔ　ｐａ－ｒａｍｅｔｅｒｓ　ｏｆ　ｆｒａｃｔｕｒｅ　ｇｅｏｍｅｔｒｉｃ　ｓｔｒｕｃｔｕｒｅｓ　ａｎｄ　ｍｅｄｉａｆｉｌｌｅｄ　ｉｎ　ｆｒａｃｔｕｒｅ　ｐｏｒｅｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｊｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ（Ｅａｒｔｈ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ），２０１３，４３（３）：９９３－１００３．［１４］　范铭涛，杨麟科，方国玉，等．青西凹陷下白垩统湖相喷流岩成因探讨及其意义［Ｊ］．沉积学报，２００３，２１（４）：５６０－５６４．ＦＡＮ　Ｍｉｎｇｔａｏ，ＹＡＮＧ　Ｌｉｎｋｅ，ＦＡＮＧ　Ｇｕｏｙｕ，ｅｔ　ａｌ．Ｏｒｉｇｉｎ　ｏｆ　ｌａｃｕｓｔｒｉｎｅ　ｈｙｄｒｏｔｈｅｒｍａｌ　ｓｅｄｉｍｅｎｔａｒｙ　ｒｏｃｋ４５３。

大庆油田葡南地区葡萄花油层薄层砂岩储层预测刘小平;杨晓兰;刘彦君【期刊名称】《石油物探》【年(卷),期】2007(046)002【摘要】大庆油田葡南地区葡萄花油层的总厚度薄(10～30m),单砂层具有薄、多、散、杂等特点,砂体厚度横向变化快,用常规的预测方法难以对单个砂体进行准确的描述.为此,在该区开展了基于模型的高分辨率薄互层反演技术进行砂体描述和储层预测的研究.根据葡南地区葡萄花油层的地质特点,选取了Jason多井约束反演技术;通过提高地震采样密度、测井曲线的标准化和精确层位标定等提高了地震资料的综合分辨率,降低了反演多解性;建立了接近实际地质条件的初始波阻抗模型,应用Jason反演方法获得了最终的波阻抗剖面,薄砂层得到了很好的反映,砂体减薄、尖灭等现象清晰,砂体展布特征清楚.利用波阻抗数据体进行了砂岩厚度和有效砂岩厚度预测,预测结果与钻井结果吻合较好.【总页数】4页(P162-165)【作者】刘小平;杨晓兰;刘彦君【作者单位】中国石油大学(北京)盆地与油藏研究中心,北京,102249;中国石油大学(北京)石油天然气成藏机理教育部重点实验室,北京,102249;中国地质大学(北京),北京,100083;中国地质大学(北京),北京,100083【正文语种】中文【中图分类】P631.4【相关文献】1.葡南地区及敖包塔油田边部葡萄花油层低阻成因机理及综合识别 [J], 郑羽2.大庆油田葡南地区葡萄花油层裂缝定量预测 [J], 刘彦君;刘大锰;王燕津3.库车坳陷依南地区阿合组致密砂岩气储层特征与有利区带预测 [J], 康海亮;林畅松;李洪辉;王开忠4.葡南油田薄层河道砂岩体分布规律及预测 [J], 赵长勋;姜岩;赵峰华;朱石磊5.三维地震资料在密井网区井间储层预测中的应用——以大庆油田PN地区典型区块葡萄花油层为例 [J], 唐金荣因版权原因，仅展示原文概要，查看原文内容请购买。