四川盆地大猫坪地区二叠系长兴组生物礁气层叠前反演识别
周路1,2, 钟斐艳2,3, 闫佳琛2,4, 钟克修5, 吴勇2,6, 许希辉4, 陆鹏7, 张文济5, 刘怡2
1. 西南石油大学油气藏地质及开发工程国家重点实验室,成都 610500
2. 西南石油大学地球科学与技术学院,成都 610500
3. 西南石油大学电气信息学院,成都 610500
4. 中海油田服务股份有限公司物探事业部,天津 300451
5. 西南油气田公司重庆气矿,重庆 400021
6. 天然气地质四川省重点实验室,成都 610500
7. 中国石油集团测井有限公司西南分公司,重庆 400021

第一作者简介:周路(1962-),男,四川武胜人,博士,西南石油大学地球科学与技术学院教授,主要从事地震资料解释、地震岩性与储集层预测等方面的科研与教学工作。地址:四川省成都市新都区西南石油大学地球科学与技术学院,邮政编码:610500。E-mail: zhoulu9@126.com

摘要

针对四川盆地大猫坪地区开江—梁平海槽台缘带单层生物礁储集层薄、横向变化快、与围岩的纵波波阻抗差异小、利用常规叠后反演预测生物礁储集层及流体性质比较困难等难题,通过实验室测定的岩心物性数据与测井纵横波速相关分析,提出了基于不同孔隙度区间的横波计算公式,解决了研究区部分井缺乏横波测井资料的问题。通过AVO正演分析,指出储集层孔隙度是导致研究区AVO类型变化的主要因素,而含水饱和度不会改变AVO类型但会对AVO变化幅度产生影响。根据弹性参数交会分析,发现流体因子是研究区生物礁储集层含气性的敏感参数。通过对比叠后波阻抗反演、叠后高频衰减属性、叠前同时反演和角道集AVO异常分析,发现利用叠前同时反演方法得到的流体因子进行生物礁气层识别与实际钻井符合率最高。最后根据流体因子分布特征,对研究区长兴组生物礁储集层含气有利区进行预测,指出大猫坪地区A区块长兴组顶部生物礁圈闭为下一步勘探有利目标。图16表4参32

关键词: 四川盆地; 二叠系长兴组; 生物礁; 叠前反演; 横波预测; 岩石物理; 流体因子; 含气检测
中图分类号:TE122.2 文献标志码:A 文章编号:1000-0747(2020)01-0086-12
Prestack inversion identification of organic reef gas reservoirs of Permian Changxing Formation in Damaoping area, Sichuan Basin, SW China
ZHOU Lu1,2, ZHONG Feiyan2,3, YAN Jiachen2,4, ZHONG Kexiu5, WU Yong2,6, XU Xihui4, LU Peng7, ZHANG Wenji5, LIU Yi2
1. State Key Laboratory of Oil and Gas Reservoir and Exploration, Southwest Petroleum University, Chengdu 610500, China
2. School of Geosciences and Technology, Southwest Petroleum University, Chengdu 610500, China
3. School of Electrical Engineering and Information, Southwest Petroleum University, Chengdu 610500, China
4. China Oilfield Service Limited Geophysical Division, Tianjin 300451, China
5. Chongqing Division, PetroChina Southwest Oil & Gas Field Company, Chongqing 400021, China;
6. Sichuan Province Key Laboratory of Natural Gas Geology, Chengdu 610500, China
7. Southwest Branch, CNPC Logging Company Limited, Chongqing 400021, China
Abstract

Organic reef reservoirs in the platform margin of Kaijiang-Liangping trough in Damaoping area, Sichuan Basin are thin in single layer, fast in lateral variation, and have small P-impedance difference from the surrounding rock, it is difficult to identify and predict the reservoirs and fluid properties by conventional post-stack inversion. Through correlation analysis of core test data and logging P-S wave velocity, this work proposed a formula to calculate the shear wave velocity in different porosity ranges, and solved the issue that some wells in the study area have no S-wave data. AVO forward analysis reveals that formation porosity is the main factor affecting the variation of AVO type, the change of water saturation cannot affect the AVO type, but it has an effect on the change range of AVO. Through cross-plotting analysis of elastic parameters, it is found that fluid factor is a parameter sensitive to gas-bearing property of organic reef reservoir in the study area. By comparing results of post-stack impedance inversion, post-stack high frequency attenuation property, pre-stack simultaneous inversion and AVO anomaly analysis of angle gathers, it is found that the gas-bearing prediction of organic reef reservoirs by using fluid factor derived from simultaneous pre-stack inversion had the highest coincidence rate with actual drilling data. At last, according to the characteristics of fluid factor distribution, the favorable gas-bearing area of the organic reef reservoir in Changxing Formation was predicted, and the organic reef trap at the top of Changxing Formation in Block A of Damaoping area was sorted out as the next exploration target.

Keyword: Sichuan Basin; Permian Changxing Formation; organic reef; prestack inversion; S-wave estimation; rock physics; fluid factor; gas detection
0 引言

地震反演的目的是根据地震资料反推地下介质岩石物理参数, 从而进行储集层预测和流体检测, 为油气田勘探开发提供依据。常规的叠后反演方便快捷, 但由于使用的叠后地震数据经过了多次叠加, 损失了振幅随偏移距变化的信息, 因此反演结果存在一定局限性。相比之下, 叠前反演具有多信息和保真性的优点[1]。广义的叠前反演包括AVO(Amplitude variation with offset)属性分析、弹性阻抗反演和叠前同时反演, 它们在反演过程中都使用叠前地震数据, 并以Zoeppritz方程为理论基础, 使用不同的反演算法最终得到表征地下岩性和流体的多种参数。AVO属性分析也称AVO反演, 通常是根据Shuey[2]在1985提出的近似式将叠前地震数据进行数学变换, 得到多种AVO属性参数, 但是该方法缺乏测井数据约束, 且计算的各属性值区间为[-1, 1], 不具有与岩石弹性参数相关的物理意义, 只能算是一种定性的储集层识别方法。弹性阻抗反演源于Connolly[3]在1999年提出的一种与入射角有关的弹性波阻抗概念, 是将叠后反演算法应用到部分角度叠加数据体上, 最终获得不同角度下的弹性阻抗反演数据体, 该方法最大的问题是不能建立各角度地震数据之间的联系, 因此也无法对各角度反演剖面的差异进行地质解释。为解决这一问题, Hampson、Russell[4]等基于Fatti近似[5]提出了可直接反演出纵波波阻抗、横波波阻抗和密度的叠前同时反演, 这是叠前反演技术一个重要革新, 它加强了各角度地震数据之间的约束, 提高了地震反演的稳定性, 而且能够得到具有物理意义的地下岩石弹性参数值[6, 7]。目前叠前同时反演在碎屑岩储集层的识别中已有很多成功的实例, 但在碳酸盐岩储集层中的应用效果还不尽相同。一是由于碳酸盐岩的孔隙类型主要为印模孔隙和空穴孔隙, 导致碳酸盐岩含流体后对速度的影响远没有碎屑岩明显, 在地震剖面上形成“ 暗点” 或“ 亮点” 的特征不明显, 不易识别[8, 9]; 二是碳酸盐岩受胶结和溶蚀等成岩作用的改造, 裂缝较发育, 储集层非均质强、物性变化快[10, 11], 导致叠前反演信息复杂, 存在多种解释方案, 应用叠前同时反演识别碳酸盐岩储集层的难度更大。四川盆地大猫坪地区二叠系长兴组(P2ch)发育环礁和点礁, 生物礁厚度变化大、储集层物性非均质性强, 含气程度也存在较大差别, 经多次地震勘探显示研究区仍存在多个未钻遇生物礁异常体, 但新钻探井云安x11井的正眼和侧眼1井在长兴组均未钻遇生物礁, 侧眼2井钻遇了生物礁, 但产气量低, 云安X9井虽钻遇生物礁, 但测试为低产气和水, 这表明研究区生物礁勘探的复杂性和地震识别的多解性, 究其原因主要有以下3方面:①研究区位于四川盆地大猫坪地区开江— 梁平海槽东侧南段, 长兴组沉积厚度及生物礁储集层发育程度均不及海槽西侧; ②研究区位于现今向斜构造中, 目的层埋藏深度大, 地震资料品质不高; ③长兴组生物礁气层、水层地震响应特征复杂, 目前存在多种认识[12]。因此, 准确建立生物礁储集层不同物性和不同含气性条件下所对应的地震地质响应模式, 进行长兴组生物礁储集层识别和气层分布预测, 提高生物礁气藏钻探的成功率, 是研究区所面临的技术难题, 也是本文研究的重点。

1 生物礁岩性、电性及地震反射特征

研究区长兴组生物礁储集层发育受沉积相带控制[13, 14], 台地边缘相内生物礁多成群、成带展布, 礁体规模大, 而台地相内礁体小而分散[15]。研究区在长兴组沉积期发育海槽相、斜坡相、台地边缘相和台地相, 地层厚度变化大[16], 其中云安6井(见图1)所在礁体发育最好, 长兴组厚度达299 m, 储集层累计厚度为66.47 m。整个长兴组发育早、晚两期生物礁, 纵向上叠置发育, 在岩性和电性上具有一定差异:长兴组沉积晚期属于台地边缘相沉积, 储集层主要发育礁云岩和云质灰岩, 白云化程度高, 溶蚀孔洞发育, 主要见棘皮、䗴等生物, 自然伽马值基本小于15 API, 深浅双侧向测井曲线存在明显正差异; 非储集层主要发育灰岩, 深浅双侧向测井曲线基本重合。长兴组沉积早期, 仅顶部发育一套较薄的生物滩储集层, 自然伽马和电测井曲线值较晚期明显增大, 属于台地边缘相; 长兴组沉积早期发育缓斜坡相, 生物礁滩不发育。长兴组在地震剖面上(见图2)下部生物滩储集层发育处地层厚度明显加厚, 如钻遇生物滩储集层的云安6井、云安X7井、云安012_1_Z井厚度明显大于生物滩储集层不发育的云安x11_2ce井; 长兴组沉积晚期生物礁滩发育程度普遍好于早期生物滩, 其地层厚度明显大于长兴组沉积早期地层, 且具有清晰的丘状反射外形, 礁体两翼具有上超现象, 礁体内部为杂乱空白反射; 相邻的海槽相为连续平行强反射, 厚度变化稳定, 且长兴组台缘相地层厚度明显大于相邻海槽相地层[17]。长兴组上覆地层三叠系飞仙关组(T1f)底部为一套较厚泥岩, 可作为长兴组顶部生物礁气藏的良好盖层[18]

图1 云安6井地层综合柱状图

图2 研究区连井地震对比剖面图(长兴组底部拉平)

研究区孔隙性白云岩储集层与围岩(灰岩)在纵波波阻抗上差别小(见图3), 利用纵波波阻抗识别岩性和流体性质存在多解性; 当引入横波信息(见图3)后, 即可在纵横波速度比为1.90的位置区分云岩与灰岩, 在纵横波速度比为1.83的位置区分气层和水层, 这说明横波信息的重要性, 也反映了叠前反演在研究区识别生物礁气层的可行性。

图3 纵横波速度比-纵波波阻抗交会图

2 利用纵波速度估算横波速度

当纵波通过含气储集层时, 速度明显降低, 而横波通过储集层时速度没有明显变化, 因此通过构建与纵、横波有关的参数可得到多种识别储集层和流体的敏感因子[19, 20]。横波速度也是岩石物理分析和AVO正演中十分重要的基础资料[21], 但由于横波测量对仪器要求高、成本大, 一般很难得到高质量的横波曲线, 为解决这一问题, 本文通过岩石物理实验和测井曲线交会分析对研究区内井中横波速度进行了有效预测。

通过对5口井19块长兴组岩心进行岩石孔隙度和纵、横波速度测试(见图4a)可知, 长兴组岩心纵、横波速度大体呈一条直线分布, 且灰岩的纵、横波速度总体上比云岩的纵、横波速度要大(见图4b)。

图4 岩心孔隙度分布及纵横波速度交会图

为明确研究区长兴组纵、横波速度之间的量化关系, 给横波估算提供具体的经验公式, 笔者对研究区内具有横波资料的3口井在长兴组中测井孔隙度的分布进行统计(见图5a), 其中孔隙度小于2%的致密灰岩占34.6%, 礁滩储集层的孔隙度主要为2%~12%, 只有一小部分储集层孔隙度大于12%, 并以此为依据制作纵、横波速度与孔隙度交会图(见图5b), 由图5b可见, 不同孔隙度下的采样点在纵、横波速度交会图上具有明显的分区性, 选择适用于中低孔隙性地层的Krief模型[22], 其横波速度与纵波速度具有以下关系:

${{v}_{\text{s}}}^{2}=av_{\text{p}}^{2}\text{+}b$(1)

图5 测井孔隙度分布及纵横波速度交会图

表1为研究区不同孔隙度区间的横波计算公式。为验证该拟合公式的估算效果, 对云安X7井长兴组分别采用单一孔隙度公式和综合孔隙度公式进行计算(见图6):综合孔隙度方法计算的横波较单一孔隙度方法计算的横波与实测横波有较大的相似性, 且算法简便容易实现, 说明在研究区使用基于孔隙度区间的横波估算方法是可行的。

表1 基于孔隙度的横波计算公式

图6 云安X7井横波拟合结果对比图

3 生物礁储集层及流体敏感参数分析

横波信息对储集层和所含流体的识别具有重要意义, 通过提取多种岩石弹性参数并进行优选, 将其应用到叠前反演中可提高预测结果的准确性[23, 24]。其中流体因子是反映储集层内部所含流体性质的重要参数[25], 可表示为岩石的体积模量与密度的乘积, 一般写成关于纵波波阻抗${{I}_{\text{p}}}$和横波波阻抗${{I}_{\text{s}}}$的函数:

$F=\lambda \rho =I_{\text{p}}^{2}-2I_{\text{s}}^{2}$ (2)

流体因子参数反映了岩石的抗压缩性, 对流体较敏感。本文从井点出发, 对研究区13口井进行岩石物理参数交会分析, 结果表明(见图7):对储集层比较敏感的参数是纵横波速度比, 白云岩的纵横波速度比为1.65~1.94, 灰岩的纵横波速度比为1.90~1.98; 对气水较敏感的参数是流体因子, 气层的流体因子值为60~120, 水层的流体因子值为110~140, 将低孔隙度含气层($\phi < 4%$)和低含气饱和度(${{S}_{\text{w}}}< 50%$)采样点数据去除, 重新制作纵横波速度比与流体因子交会图(见图8), 气层与水层的采样点在纵轴上的叠置程度明显降低, 说明流体因子是识别富含气云岩的敏感参数。

图7 长兴组纵横波速度比-流体因子交会图

图8 富含气云岩与含水云岩、灰岩交会图

4 AVO正演分析
4.1 研究区生物礁气层AVO特征

AVO正演分析需要先构建一个地质模型, 同时根据Zoeppritz方程或近似式计算各入射角对应的反射系数, 最终形成共反射点道集并分析其振幅随入射角的变化趋势[26]。1989年Rutherford和Williams根据储集层与上覆围岩波阻抗的差异将含气砂岩的AVO类型分成3类[27], 1997年Castagna和Swan将梯度、截距属性与岩石物理关联, 并对AVO类型进行补充, 提出了第Ⅳ 类AVO[28], 认为第Ⅲ 类和第Ⅳ 类AVO储集层波阻抗均比上覆盖层要低, 即都具有负截距, 但第Ⅲ 类AVO表现为振幅随入射角增大而增大, 即具有负梯度, 而第Ⅳ 类AVO表现为振幅随入射角增大而减小, 即具有正梯度。笔者对长兴组生物礁储集层各参数的值域范围进行统计, 并给定围岩纵波速度6 641 m/s, 横波速度3 477 m/s, 密度2.72 g/cm3, 根据长兴组埋深和平均速度采用射线追踪法[29]计算出最大入射角为30’ , 正演得到研究区生物礁储集层的AVO趋势识别图版(见表2), 并得出以下认识:①研究区生物礁气层顶界存在第Ⅲ 类和第Ⅳ 类两种AVO趋势, 振幅随入射角变化明显, 且负截距较大; ②研究区内水层顶界也表现为第Ⅳ 类AVO特征, 但水层的AVO特征不如气层明显, 即负截距不明显, 正梯度也不明显; ③造成生物礁气层存在两种AVO异常的原因主要与储集层孔隙度大小有关。

表2 大猫坪地区长兴组生物礁储集层AVO类型与典型井产量对比表
4.2 生物礁气层AVO类型影响因素

考虑到研究区生物礁的发育受沉积微相、古地貌和成岩作用共同影响, 储集层发育程度不尽相同, 推测研究区气层存在两种AVO趋势的原因可能与含气饱和度和储集层孔隙度有关[30], 因此对研究区储集层进行流体替换, 在保证只有一个变量的情况下分别得到变含气饱和度AVO响应和变孔隙度AVO响应(见图9), 结果表明:①当储集层孔隙度保持10%不变时, 将含气饱和度从5%增大到95%(见图9a), AVO类型不发生变化, 但气层(Sw=5%)较水层(Sw=95%)振幅随入射角的变化趋势更加明显。②当储集层含水饱和度保持5%不变时, 将孔隙度从2%增大到18%(见图9b), 气层AVO类型由第Ⅲ 类过渡到第Ⅳ 类, 即具有第Ⅳ 类AVO异常的生物礁气层孔隙度要高于第Ⅲ 类生物礁气层, 该结论普遍适用于碳酸盐岩储集层含气后速度、密度小于围岩的情况。因此对研究区而言, 具有第Ⅲ 类或第Ⅳ 类AVO异常均可能是含气的响应, 而同样表现为第Ⅳ 类AVO特征的含气水层, 其振幅随偏移距的变化趋势则不如第Ⅳ 类AVO的气层明显(见图9a)。

图9 生物礁储集层AVO正演曲线特征图

5 研究区生物礁储集层气水识别及有利勘探区预测

研究区原始角度道集最大入射角为30’ , 根据目的层埋深、资料信噪比等特点, 将其分成3个角度区间的叠加数据体, 即近道叠加(0~12’ )、中道叠加(10’ ~20’ )和远道叠加(18’ ~30’ ), 并分别从近、中、远部分角度叠加道集中提取对应的子波, 消除子波频率、相位等随偏移距变化的影响, 另外采用反距离加权的算法将井中纵波速度、横波速度和密度曲线进行空间插值, 作为反演的初始模型和约束条件, 补充反演结果的低频信息, 然后采用Fatti近似和褶积模型将各角度叠加道集联立求解, 最终得到纵波波阻抗、横波波阻抗和密度数据体, 所得到的反演结果忠于地震响应[31], 可靠性高, 缺点是受地震分辨率限制, 纵向分辨率不高。

目前在研究区已钻探井12口, 钻遇生物礁井10口, 其中日产气量超过80× 104 m3的高产井有4口, 日产气量超过50× 104 m3的中产井有3口, 低产气井3口, 这些井全部位于适宜生物礁生长发育的台缘带, 且沿开江— 梁平海槽边界呈条带状分布。本文将应用叠前同时反演和AVO分析两种方法对研究区长兴组生物礁储集层及气层进行识别和预测。根据前文岩石物理参数交会分析可知:纵横波速度比、流体因子分别是识别生物礁储集层和含气云岩的敏感参数, 选取长兴组储集层物性和含气性各不相同的4口典型井进行多方法气层识别验证。

5.1 大猫坪地区生物礁储集层预测

图10为叠前纵横波速度比反演连井剖面, 其中红色区域表示物性较好的生物礁储集层, 黄色区域表示物性较差的储集层, 蓝色表示致密灰岩。这4口井所在的位置纵横波速度比均表现为低值特征, 且相比之下云安6井、云安X7井的纵横波速度比低值更加明显, 说明这两口高产气井的储集层物性更好, 反演解释结果与实际钻井结果基本符合(见表3)。礁间及海槽相内部显示为纵横波速度比高值, 即生物礁储集层不发育, 这与海盆内多发育泥灰岩、灰岩等[32]纵横波速度比较大的岩性的地质认识一致。

图10 云安6井、云安X7井、云安X8井叠前纵横波速度比反演剖面图

表3 研究区典型井长兴组生物礁储集层段AVO类型及测试数据表
5.2 大猫坪地区生物礁储集层气水预测

图11为叠前流体因子反演连井剖面, 剖面特征与叠前纵横波速度比反演剖面相似, 其中红色到黄色的变化表示含气量的降低, 云安X9处的流体因子表现为微弱的低值异常, 与该井储集层低产气、含水饱和度大、以产水为主的流体特征相符合, 云安6井、云安X7井、云安X8井3口高产气井测试段呈明显红色低值异常, 流体因子值基本小于100。在排除了开发过程中由于酸化压裂、测试规模、射孔大小等因素导致各井产量不同的影响后, 可以看出叠前同时反演流体因子异常程度与单井日产气量基本符合(见表3)。

图11 云安6井、云安X7井、云安X8井叠前流体因子反演剖面图

为对比不同方法对生物礁储集层和含气性识别的效果, 又分别进行了叠后波阻抗反演(见图12)和叠后高频衰减属性的提取(见图13)。在叠后波阻抗反演剖面中, 高产气井云安X7井、云安X8井测试段处红色低值异常不明显, 而云安X9井却有明显的低波阻抗特征, 且海槽内部也出现了红色低值, 干扰了生物礁储集层的识别。在高频衰减属性中, 当地震波经过含有流体的储集层时高频成分被吸收衰减, 且含气储集层比含水储集层频率衰减更加明显, 图13中云安6井高频衰减明显, 表明储集层含气, 但云安X7井、云安X8井气层测试段处高频衰减均不明显, 与实际钻井不符, 说明该方法对研究区生物礁气层的识别还存在局限性。

图12 云安6井、云安X7井、云安X8井叠后波阻抗反演连井剖面图

图13 云安6井、云安X7井、云安X8井叠后高频衰减属性连井剖面图

根据以上几种方法的对比可知, 叠前同时反演对研究区气层的识别效果最好(见表4), 但过程相对复杂, 井震精细标定、角度子波提取、低频模型建立、约束方程系数确定等任一步骤出现错误都会对反演结果产生影响, 而直接分析角道集的AVO趋势, 仅使用地震数据没有中间过程, 保真性好。

表4 多参数预测长兴组生物礁储集层含气符合率对比表

图14为上述4口井长兴组储集层段井旁角道集记录, 其中云安6井和云安X7井气层顶界表现为第Ⅳ 类AVO特征(见图14a、图14b), 对应的储集层孔隙度和含气饱和度较高; 云安X8井气层顶界表现为第Ⅲ 类AVO特征(见图14c), 对应储集层孔隙度较低; 云安X9井含气水层顶界也表现为第Ⅳ 类AVO特征(见图14d), 但不如云安6井和云安X7井气层的AVO变化趋势明显(见图14), 这4口井的井旁角道集AVO趋势都与前文正演分析结论一致(见表3), 说明角道集所反映的AVO特征对研究区生物礁储集层气水识别具有一定意义, 可以对叠前同时反演结果的认识进行补充。

图14 典型井井旁角道集及AVO特征图

表4为多种方法检测生物礁储集层流体性质与实际钻井符合情况的对比, 其中叠后波阻抗反演和叠后高频衰减属性提取使用的地震数据缺乏偏移距域内的振幅信息, 因此与实际钻井的符合率较低, 使用角度道集直接进行AVO分析的方法利用了偏移距域内的振幅信息, 对气层识别的符合率高于叠后方法, 但该方法受限于AVO理论, 对薄储集层的识别效果不好, 同时对地震资料品质要求高, 较差信噪比或分辨率的地震资料都会影响AVO分析的准确性。而叠前同时反演将AVO属性分析整合到反演流程中, 并利用测井资料的约束降低反演结果多解性, 最终得到多种表征地下岩性和流体性质的参数, 该方法与实际钻井的符合率最高, 说明叠前同时反演对研究区长兴组生物礁储集层及气水识别具有重要意义, 该方法研究成果可作为生物礁含气有利区预测的直接依据。

5.3 大猫坪地区含气有利区综合预测

对大猫坪地区连片三维地震数据开展叠前同时反演, 得到流体因子数据体, 提取长兴组顶部向下15 ms层段内流体因子的平均振幅值(见图15a), 图中除三维地震边界处资料不可靠外, 研究区长兴组顶部气层分布有利区具有较明显的规律性, 结合长兴组顶界构造图、长兴组沉积相带分布和生物礁圈闭范围(见图15b)认为:生物礁圈闭主要分布在构造相对平缓的台地边缘相区, 且含气检测有利区与生物礁圈闭发育区基本符合。工区北部含气检测有利区与已发现的生物礁气藏范围符合良好, 并且工区中部和东部新发现A、B、C等3个含气有利区, 其中A有利区位于工区中部新发现生物礁圈闭的主体部位, 紧邻研究区北部环礁气藏, 纵横波速度比和流体因子低值异常明显, 过该长兴组顶部生物礁主体部位的角道集地震记录显示明显具有Ⅳ 类AVO异常特征(见图16), 多种信息都反映A有利区生物礁储集层发育, 富含气特征明显, 含气有利区预测面积达9.33 km2, 可作为下一步研究区长兴组生物礁气藏勘探开发的重点目标。B、C有利区位于工区台地相, 属于规模较小的点礁分布区。

图15 长兴组生物礁气层预测平面图

图16 过A含气有利区生物礁主体部位角道集地震记录AVO异常特征

6 结论

以四川盆地大猫坪地区长兴组生物礁为例, 综合叠前、叠后地震数据, 测井资料以及地质信息开展了AVO正演分析和叠前、叠后反演等工作, 分析了多种方法对研究区生物礁含气性检测的差异, 叠前同时反演含气检测结果与已发现生物礁气藏符合率最高。叠前同时反演结果流体因子是识别研究区气层最有效的参数, 明显优于叠后反演和高频衰减属性, 对四川盆地长兴组生物礁储集层识别具有重要意义; 研究区碳酸盐岩储集层非均质性强, 地层孔隙度变化大, 预测横波速度时应充分考虑井下地层孔隙度的分布范围, 并以此确定不同的纵、横波速度拟合公式, 为叠前反演提供准确的井下横波速度信息。研究区长兴组生物礁气层顶界存在第Ⅲ 类和第Ⅳ 类两种AVO异常响应特征, 通过流体替换认为孔隙度大小是导致AVO类型变化的主要原因, 具有第Ⅳ 类AVO异常的生物礁气层孔隙度要高于第Ⅲ 类生物礁气层, 而生物礁含气水层虽然也表现出第Ⅳ 类AVO特征, 但其AVO异常程度明显弱于第Ⅳ 类AVO气层。大猫坪地区A区块的AVO特征等多种异常信息显示, 长兴组顶部生物礁储集层发育, 圈闭表现为富含气特征, 是该地区下一步天然气勘探的有利目标。

符号注释:

ab— — 经验参数, 根据研究区实际情况确定, 无因次; F— — 流体因子, 无因次; GR— — 自然伽马, API; Ip— — 纵波波阻抗, m· g/(cm3· s); Is— — 横波波阻抗, m· g/(cm3· s); Rd— — 深侧向电阻率, Ω· m; Rs— — 浅侧向电阻率, Ω· m; $\rho $— — 密度, g/cm3; ${{v}_{\text{p}}}$— — 纵波速度, km/s; ${{v}_{\text{s}}}$— — 横波速度, km/s; $\phi $— — 孔隙度, %; ${{S}_{\text{w}}}$— — 含水饱和度, %; ∆ t— — 声波时差, μ s/m; λ — — 体积模量。

(编辑 黄昌武)

参考文献
[1] 印兴耀, 曹丹平, 王保丽, . 基于叠前地震反演的流体识别方法研究进展[J]. 石油地球物理勘探, 2014, 49(1): 22-34.
YIN Xingyao, CAO Danping, WANG Baoli, et al. Advances in fluid identification based on prestack seismic inversion[J]. Oil Geophysical Prospecting, 2014, 49(1): 22-34. [本文引用:1]
[2] SHUEY R T. A simplification of the zoeppritz equations[J]. Geophysics, 1985, 50(4): 609-614. [本文引用:1]
[3] CONNOLLY P. Elastic impedance[J]. The Leading Edge, 1999, 18(4): 438-452. [本文引用:1]
[4] HAMPSON D P, RUSSELL B H, BANKHEAD B. Simultaneous inversion of pre-stack seismic data[R]. Houston: SEG Annual Meeting, 2005: 1635-1638. [本文引用:1]
[5] FATTI J L, SMITH G C, VAIL P J, et al. Using AVO analusis: A 3D case history using geosack technique[J]. Geophysics, 1994, 59: 1362-1376. [本文引用:1]
[6] 韩家兴. 叠前同时反演及其在春光油田储集层预测中的应用[D]. 成都: 成都理工大学, 2016.
HAN Jiaxing. Pre-stack simultaneous inversion and application in reservoir prediction in Chunguang oilfield[D]. Chengdu: Chengdu University of Technology, 2016. [本文引用:1]
[7] 郎晓玲, 彭仕宓, 康洪全, . 叠前同时反演方法在流体识别中的应用[J]. 石油物探, 2010, 49(2): 164-169.
LANG Xiaoling, PENG Shibi, KANG Hongquan, et al. Application of prestack simultaneous inversion in fluid identification[J]. Geophysical Prospecting for Petroleum, 2010, 49(2): 164-169. [本文引用:1]
[8] 李学义. 四川盆地碳酸盐岩地区地震勘探技术难点及对策探讨[J]. 天然气工业, 2000, 20(2): 12-17.
LI Xueyi. A discussion on the technical difficulties and countermeasures to carry out seismic exploration in the carbonate rock areas of Sichuan Basin[J]. Natural Gas Industry, 2000, 20(2): 12-17. [本文引用:1]
[9] 周路, 任本兵, 吴勇, . 四川盆地北部地区飞仙关组鲕粒滩地震响应特征与分布预测[J]. 地质科学, 2016, 51(2): 425-447.
ZHOU Lu, REN Benbing, WU Yong, et al. The seismic response feature and the distribution prediction of oolitic beachs of Feixianguan Formation in the northern Sichuan Basin[J]. Chinese Journal of Geology, 2016, 51(2): 425-447. [本文引用:1]
[10] 周路, 袁兵, 宋永, . 坡折带地震定量识别方法[J]. 石油勘探与开发, 2016, 43(6): 940-948.
ZHOU Lu, YUAN Bing, SONG Yong, et al. A seismic quantitative identification method of slope break belt[J]. Petroleum Exploration and Development, 2016, 43(6): 940-948. [本文引用:1]
[11] 能源, 杨海军, 邓兴梁. 塔中古隆起碳酸盐岩断裂破碎带构造样式及其石油地质意义[J]. 石油勘探与开发, 2018, 45(1): 40-50, 127.
NENG Yuan, YANG Haijun, DENG Xingliang. Structural patterns of fault broken zones in carbonate rocks and their influences on petroleum accumulation in Tazhong Paleo-uplift, Tarim Basin, NW China[J]. Petroleum Exploration and Development, 2018, 45(1): 40-50, 127. [本文引用:1]
[12] 武恒志, 吴亚军, 柯光明, . 川东北元坝地区长兴组生物礁发育模式与储集层预测[J]. 石油与天然气地质, 2017, 38(4): 645-657.
WU Hengzhi, WU Yajun, KE Guangming, et al. Bioherm development model and reservoir prediction of Changxing Formation in Yuanba Area, Northeastern Sichuan Basin[J]. Oil and Gas Geology, 2017, 38(4): 645-657. [本文引用:1]
[13] 邹才能, 徐春春, 汪泽成, . 四川盆地台缘带礁滩大气区地质特征与形成条件[J]. 石油勘探与开发, 2011, 38(6): 641-651.
ZOU Caineng, XU Chunchun, WANG Zecheng, et al. Geological characteristics and forming conditions of the large platform margin reef-shoal gas province in the Sichuan Basin[J]. Petroleum Exploration and Development, 2011, 38(6): 641-651. [本文引用:1]
[14] 李阳, 康志江, 薛兆杰, . 中国碳酸盐岩油气藏开发理论与实践[J]. 石油勘探与开发, 2018, 45(4): 669-678.
LI Yang, KANG Zhijiang, XUE Zhaojie, et al. Theories and practices of carbonate reservoirs development in China[J]. Petroleum Exploration and Development, 2018, 45(4): 669-678. [本文引用:1]
[15] 刘治成, 张廷山, 党录瑞, . 川东北地区长兴组生物礁成礁类型及分布[J]. 中国地质, 2011, 38(5): 1298-1311.
LIU Zhicheng, ZHANG Tingshan, DANG Lurui, et al. Reef-forming types and distribution of organic reefs in Changxing Formation of northeastern Sichuan area[J]. Geology in China, 2011, 38(5): 1298-1311. [本文引用:1]
[16] 聂万才, 郑超, 杜江民, . 川东大猫坪构造长兴组生物礁储集层特征[J]. 重庆科技学院学报(自然科学版), 2011, 13(3): 40-42.
NIE Wancai, ZHENG Chao, DU Jiangmin, et al. Characteristics research of the reef reservoir in Changxing Formation, Damaoping structure of East Sichuan[J]. Journal of Chongqing University of Science and Technology(Natural Sciences Edition), 2011, 13(3): 40-42. [本文引用:1]
[17] 周路, 李东, 吴勇, . 四川盆地北部长兴组生物礁地震响应特征与分布规律[J]. 岩石学报, 2017, 33(4): 1189-1203.
ZHOU Lu, LI Dong, WU Yong, et al. The seismic response characteristics and distribution of the reefs in the Changxing Formation, northern Sichuan Basin[J]. Acta Petrologica Sinica, 2017, 33(4): 1189-1203. [本文引用:1]
[18] 任兴国, 罗利, 姚声贤, . 川东地区生物礁测井预测方法研究[J]. 石油勘探与开发, 2000, 27(1): 41-43.
REN Xingguo, LUO Li, YAO Shengxian, et al. Logging prediction of organic reef in east of Sichuan[J]. Petroleum Exploration and Development, 2000, 27(1): 41-43. [本文引用:1]
[19] 许翠霞, 马朋善, 赖令彬, . 致密砂岩含气性敏感参数: 以松辽盆地英台气田营城组为例[J]. 石油勘探与开发, 2014, 41(6): 712-716.
XU Cuixia, MA Pengshan, LAI Lingbin, et al. Sensitivity parameters of tight sand gas: A case study of Lower Cretaceous Yingcheng Formation of Yingtai gas field in Songliao Basin, NE China[J]. Petroleum Exploration and Development, 2014, 41(6): 712-716. [本文引用:1]
[20] 李芦茜, 印兴耀, 曹丹平, . 基于流体因子叠前地震反演的油水识别方法研究与应用[J]. CT理论与应用研究, 2016, 25(1): 33-40.
LI Luxi. YIN Xingyao, CAO Danping, et al. Methodology and application of oil/water identification based on fluid factor pre-stack seismic inversion[J]. Computerized Tomography Theory and Applications, 2016, 25(1): 33-40. [本文引用:1]
[21] 徐小勇, 李瑞, 徐明华, . 阿姆河右岸生物礁滩储集层的横波速度预测方法[J]. 成都理工大学学报(自然科学版), 2015, 42(2): 225-230.
XU Xiaoyong, LI Rui, XU Minghua, et al. S-wave velocity estimation of biological shoal reservoir on right bank of Amudarya[J]. Journal of Chengdu University of Technology(Science and Technology Edition), 2015, 42(2): 225-230. [本文引用:1]
[22] 王贤, 李文捷, 贺陆明, . 横波估算质量控制方法[J]. 石油天然气学报, 2011, 33(9): 87-91.
WANG Xian, LI Wenjie, HE Luming, et al. Shear wave estimation quality control method[J]. Journal of Oil and Gas Technology, 2011, 33(9): 87-91. [本文引用:1]
[23] 周水生, 宜伟, 郝召兵, . 基于叠前反演的流体敏感属性实验研究及应用[J]. 地球物理学报, 2012, 55(6): 1985-1992.
ZHOU Shuisheng, YI Wei, HAO Zhaobing, et al. Experiment research and application of fluid sensitive attributes based on the pre-stack inversion[J]. Chinese Journal of Geophysics, 2012, 55(6): 1985-1992. [本文引用:1]
[24] 谷明峰, 徐美茹, 周进高, . 叠前同时反演技术在碳酸盐岩储集层预测中的应用[J]. 岩性油气藏, 2013, 25(2): 60-64.
GU Mingfeng, XU Meiru, ZHOU Jingao, et al. Application of prestack simultaneous inversion to the prediction of carbonate reservoirs[J]. Lithologic Reservoirs, 2013, 25(2): 60-64. [本文引用:1]
[25] GOODWAY B, CHEN T W, DOWNTON J. Improved AVO fluid detection and lithology discrimination using Lamé petrophysical parameters: “ λρ”, “ μρ”, & “ λ/ μ fluid stack”, from P and S inversion[R]. Houston: SEG Technical Program Expand ed Abstracts, 1997: 183-186. [本文引用:1]
[26] 印兴耀, 张繁昌, 孙成禹, . 叠前地震反演[M]. 北京: 中国石油大学出版社, 2010.
YIN Xingyao, ZHANG Fanchang, SUN Chengyu, et al. Prestack seismic inversion[M]. Beijing: China University of Petroleum Press, 2010. [本文引用:1]
[27] RUTHERFORD S R, WILLIAMS R H. Amplitude-versus-offset variations in gas sand s[J]. Geophysics, 1989, 54(6): 680-688. [本文引用:1]
[28] CASTAGNA J P, SWAN H W. Principles of AVO crossplotting[J]. The Leading Edge, 1997, 16(4): 337-342. [本文引用:1]
[29] 张绍红. 利用角道集剖面进行岩石物理性质分析[J]. 西安石油大学学报(自然科学版), 2007, 22(5): 18-20.
ZHANG Shaohong. Analysis of rock-physical properties through angle-gather sections[J]. Journal of Xi’an Shiyou University(Natural Science Edition), 2007, 22(5): 18-20. [本文引用:1]
[30] 韦柳阳, 贾刚刚, 肖为, . 生物礁模型波动方程正演模拟及其地震响应特征分析[J]. 长江大学学报(自科版), 2013, 10(26): 75-78.
WEI Liuyang, JIA Ganggang, XIAO Wei, et al. Forward modeling of wave equation of bioherm model and analysis of seismic response characteristics[J]. Journal of Yangtze University(Natural Science Edition), 2013, 10(26): 75-78. [本文引用:1]
[31] 姜岩, 徐立恒, 张秀丽, . 叠前地质统计学反演方法在长垣油田储集层预测中的应用[J]. 地球物理学进展, 2013, 28(5): 2579-2586.
JIANG Yan, XU Liheng, ZHANG Xiuli, et al. Prestack geostatistical inversion method and its application on the reservoir prediction of Changyuan oilfield[J]. Progress in Geophysics, 2013, 28(5): 2579-2586. [本文引用:1]
[32] 唐杰, 郭渊, 孙成禹, . 碳酸盐岩波速与弹性模量变化规律试验研究[J]. 中国石油大学学报(自然科学版), 2012, 36(5): 62-66.
TANG Jie, GUO Yuan, SUN Chengyu, et al. Experiment study of wave velocity and elastic modules variation characteristics for carbonates[J]. Journal of China University of Petroleum(Edition of Natural Science), 2012, 36(5): 62-66. [本文引用:1]