页岩气甜点是指埋深适中、有机碳含量高、成熟度高、天然裂缝发育、保存条件好、含气量高、容易压裂形成复杂缝网的储集层, 甜点规模分布则形成甜点区。在国土资源部颁布的《页岩气资源/储量计算与评价技术规范》（DZ/T 0254— 2014）中, 页岩气储集层评价参数包括页岩有效厚度、总含气量、总有机碳含量（TOC）、有机质成熟度（R_o）、脆性矿物含量5个指标（见表1）, 视页岩有效厚度不同总含气量指标下限稍有差异^{[15, 16]}。在这5个关键评价指标中, 页岩有效厚度、TOC、脆性矿物含量可通过地震方法进行空间及平面分布预测^{[17, 18]}, 威远区块的生产实践表明孔隙度和地层压力对甜点分布具有明显控制作用, 因此将二者也加入评价指标。

表1

表1

表1 含气页岩储集层参数下限标准[15] 页岩有效 厚度/m 总含气量/（m3· t-1） TOC/% Ro/% 脆性矿物含量/% > 50 1 ≥ 1 ≥ 0.7 ≥ 30 30~50 2 ≥ 1 ≥ 0.7 ≥ 30 < 30 4 ≥ 1 ≥ 0.7 ≥ 30

表1 含气页岩储集层参数下限标准[15]

在上述标准框架下, 综合岩石学、沉积构造、古生物学和电性等资料, 对研究区储集层进行了小层细分。将龙一段划分为龙一₁、龙一₂和龙一₃ 3个亚段, 其中龙一₁亚段由下至上又可进一步划分为龙一₁¹、龙一₁²、龙一₁³和龙一₁⁴小层（见表2）。

表2

表2

表2 威远201区块龙马溪组龙一1亚段各小层特征 小层 岩石学特征 沉积构造特征 古生物特征 电性特征 岩性 颜色 特殊 矿物 笔石种属 笔石 数量 自然 伽马/API 声波时差/ (μ s· m-1) 电阻率/ (Ω · m) 密度/ (g· cm-3) 龙一11 炭质页岩、 硅质页岩 黑 黄铁矿 水平层理、钙质 条带、扰动 直笔石、栅笔石、 围笔石、花瓣笔石 量多、 种较多 121.00~671.00 66.50~149.00 1.10~638.00 2.15~2.79 龙一12 含炭质页岩、 泥页岩 黑、 灰黑 黄铁矿 水平层理、黄铁矿 蠕虫状分布、 沥青擦痕 雕笔石、直笔石、 栅笔石、锯笔石、 尖笔石、对笔石 量多、 种多 90.00~ 242.00 71.00~140.00 2.00~63.00 2.20~2.69 龙一13 泥质页岩、 含炭质页岩 灰黑、 黑 黄铁矿 水平层理、交错 层理、结核 雕笔石、栅笔石、 双笔石、对笔石 量多、 种较多 102.00~362.00 73.00~149.00 4.00~50.00 2.36~2.87 龙一14 粉砂质页岩、钙质页岩 灰黑、 黑灰 黄铁矿 平行层理、钙质结核、泥质结核、冲刷面 半耙笔石、尖笔石、 锯笔石 量较多、种少 102.00~222.00 75.00~152.00 4.00~87.40 2.40~3.30

表2 威远201区块龙马溪组龙一1亚段各小层特征

北美页岩气开发实践表明, 页岩TOC值对页岩气储集层总含气量影响较大^[19], 因此将TOC作为页岩储集层评价最重要的指标之一。综合国内外各大页岩气田的储集层分类标准及本地区页岩气储集层特征, 以TOC值为主要指标, 将研究区页岩气储集层分为Ⅰ 类、Ⅱ 类和Ⅲ 类, 其他评价指标包括总含气量、有效孔隙度及脆性矿物含量3个。其中, Ⅰ 类储集层TOC值大于3%, 为高含气页岩, Ⅱ 类储集层TOC值为2%~3%, Ⅲ 类储集层为TOC值小于2%的普通页岩, 其中TOC值大于等于2%的Ⅰ +Ⅱ 类储集层为主要开发目标, 即优质储集层, 也即甜点。分类标准如表3所示。

表3

表3

表3 威远页岩气储集层分类标准 储集层类型 评价 分类 TOC/% 孔隙度/% 含气量/（m3· t-1） 脆性 指数/% 优质页岩 储集层（甜点） Ⅰ 类 > 3 > 5 > 3 > 55 Ⅱ 类 2~3 3~5 2~3 45~55 一般页岩 Ⅲ 类 < 2 < 3 < 2 < 45

表3 威远页岩气储集层分类标准

地震岩石物理分析结果表明：①随着页岩气储集层TOC值的增加, 纵横波速度、密度、波阻抗、泊松比、纵横波速度比等弹性参数均明显降低; ②Ⅰ 类、Ⅱ 类和Ⅲ 类储集层和灰岩围岩弹性参数值存在明显差异^[20], 但3类储集层间存在重叠, 地震方法可定性预测储集层与非储集层, 但对储集层好坏的预测存在较大误差。威远区块已钻井龙马溪组3类储集层和底界灰岩围岩地球物理弹性参数分析结果如图4所示。

图4

	Figure Option ViewDownloadNew Window
	图4 页岩气储集层地震岩石物理分析图

不同成熟度情况下TOC值与含气量之间的关系不同。图5a是美国Barnett页岩TOC值与含气量关系图, Barnett页岩成熟度相对较低, TOC值与含气量间存在较好的线性正相关关系, 可直接通过TOC值求取含气量; 图5b是本研究区块TOC值与含气量之间的关系图, 由图可见TOC值与含气量间的相关关系较差, 因此通过TOC值进而定量预测高含气优质页岩储集层的方法不适用。

图5

	Figure Option ViewDownloadNew Window
	图5 不同成熟度页岩气储集层总有机碳含量与总含气量关系图

首先在地震资料解释基础上, 进行测井资料解释和地震岩石物理分析, 研究页岩储集层岩石物理特征, 优选出对页岩气甜点关键评价参数敏感的地震弹性参数, 并建立甜点关键评价参数与地震弹性参数间的定量关系。然后, 井震结合进行叠前弹性参数反演, 获取纵波速度、横波速度、密度等地震弹性参数; 根据岩石物理分析结果将弹性参数转换为储集层评价参数, 预测TOC值、储集层厚度、地层压力、脆性矿物含量等评价参数的空间及平面分布。最后, 采用模糊优化分析方法对甜点关键参数预测结果进行综合分析与评价, 定量预测页岩气甜点。

储集层厚度、TOC值、孔隙度、脆性指数等关键参数的精确预测均依赖于地震叠前反演^[21], 近年来, 叠前反演技术被广泛应用于储集层预测, 但传统叠前反演主要是基于部分叠加数据体进行, 该方法抗噪能力强、稳定性好, 但缺点是叠加过程中损失了地震原始叠前道集中的AVO信息, 弹性参数的反演精度低。而基于全道集的叠前同时反演技术则能最大限度保持叠前道集的AVO信息, 保证了多种弹性参数反演的一致性, 增强反演结果的可靠性, 进而实现对储集层各项评价参数的最佳预测^{[22, 23, 24, 25]}。本文应用基于全道集的叠前同时反演技术对该地区页岩气储集层弹性参数进行了预测, 取得了良好效果。图6是基于全道集的叠前同时反演与传统叠前反演所得纵波速度对比, 对比结果表明, 基于全道集的叠前同时反演所得结果细节更清晰, 对初始模型的依赖程度更低, 更能真实反映储集层变化。

图6

	Figure Option ViewDownloadNew Window
	图6 基于全道集的叠前同时反演与传统叠前反演纵波速度对比

3.3.1 模糊优化评价方法原理

该方法通过构建等级模糊子集把反映被评价对象的各个评价指标进行定量化, 然后利用模糊变换原理对各指标进行综合评价分析^{[26, 27]}。模糊优化的最优评判标准是基于最小二乘法原理, 给出评价依据^[28]。

3.3.2 方法步骤

①根据评价需要建立合理的评价矩阵。例如选择m个评价指标（本文有5个）, 确定n个评价单元构建综合评价矩阵A。其中, a_ij为经过标准化后的各评价指标值, 公式如下：

$\mathbf{A}=\left[ \begin{array}{* {35}{l}} {{a}_{11}} & {{a}_{12}} & \cdots & {{a}_{1m}} \\ {{a}_{21}} & {{a}_{22}} & \cdots & {{a}_{2m}} \\ \vdots & \vdots & \vdots & \vdots \\ {{a}_{n1}} & {{a}_{n2}} & \cdots & {{a}_{nm}} \\\end{array} \right]$ （1）

②优化确定各评价指标的取值范围。应用取大取小模糊优化法则的数学变换方法对评价矩阵A进行运算, 确定各单项评价指标最佳取值, 公式为：

$\mathbf{G}=\left( \underset{1\le i\le n}{\mathop{\text{max}{{a}_{i1}}}}\, , \ \underset{1\le i\le n}{\mathop{\text{max}{{a}_{i2}}}}\, , \cdots , \underset{1\le i\le n}{\mathop{\text{max}{{a}_{im}}}}\, \right)=\left( {{g}_{1}}, {{g}_{2}}, \cdots , {{g}_{m}} \right)$ （2）

$\mathbf{B}=\left( \underset{1\le i\le n}{\mathop{\text{min}{{a}_{i1}}}}\, , \underset{1\le i\le n}{\mathop{\text{min}{{a}_{i2}}}}\, , \cdots , \underset{1\le i\le n}{\mathop{\text{min}{{a}_{im}}}}\, \right)=\left( {{b}_{1}}, {{b}_{2}}, \cdots , {{b}_{m}} \right)$ （3）

式中g_i为各单项评价指标的取值上限, b_i为各单项评价指标的取值下限, 本文中所得结果为各评价指标的门槛值。

③计算各评价指标在评价结果中所占权重。关键是利用层次分析方法, 确定各标准化后的单项评价指标在最终结果中所占权重, 得到权重系数向量W。其中, w_j为单项评价指标j所占权重, 权重系数w_j愈大, 代表着该评价指标j对最终评价结果的影响愈大, 这里意味着该因素对含气量控制作用越大。

$W=\left( {{w}_{1}}, {{w}_{2}}, \cdots , {{w}_{m}} \right)$ （4）

④综合评价。利用步骤②、③所得结果计算最终评价值V_i, 公式为：

${{V}_{i}}=\frac{1}{1+{{\left[\sum\limits_{j=1}^{m}{{{w}_{j}}\left({{g}_{j}}-{{a}_{ij}} \right)/\sum\limits_{j=1}^{m}{{{w}_{j}}\left( {{a}_{ij}}-{{b}_{j}} \right)}} \right]}^{2}}}$ （5）

在本研究中V_i越大, 目标区为页岩气甜点的几率越大, 表明页岩气储集层甜点特征越突出, 越有利于页岩气开发; 反之, 则越不利于页岩气开发。