井 元 帅

中国石油长城钻探工程公司

0 引 言

鄂尔多斯盆地苏里格气田是中国迄今为止在陆上发现的最大气田之一，是西气东输和陕气进京的重要资源基础[1]。苏53 区块位于苏里格气田的西北部，区块内部署实施二维地震测线长度1 276.6 km，探明含气面积608.96 km2。在分析总结苏10区块水平井先导试验成功经验的基础上，苏53 区块采用水平井进行整体开发。2010 年以来，区块内共完钻水平井200 口，目的层主要为下二叠统石盒子组8 段及山西组l 段致密砂岩储层。受河流相沉积控制，河道砂体纵向上多期叠置，横向上复合连片分布，天然气主要富集在主河道中心部位集中分布、厚度较大的高孔、渗石英砂岩中[2-5]。尽管河流中的砂层可能是连续的，但有效砂体是孤立的、分散的，砂体厚度也相对较薄。常规地震反射对此类砂岩没有特定的响应，储层预测存在多解性[6]，通过常规叠后波阻抗反演只能获得波阻抗一种参数，信息单一，不能满足致密砂岩气藏储层预测的精度要求[7]。而叠前地震数据保留了振幅随偏移距变化信息，叠前反演能够获得更多的岩石物理参数，在储层岩性反演的基础上，还可进行含油气性反演，对预测储层的分布具有重要意义[8]。

1 储层预测流程

高品质的叠前数据、高质量纵、横波速度及密度曲线、反演过程中各环节严格质量控制是影响反演成果可靠性和反演精度的关键因素。笔者以地震资料品质分析入手，以正演模型为质控，对研究区叠前道集进行了优化处理、提高道集品质与可信度，并在岩石物理研究的基础上，利用神经网络方法获取了准确的横波信息并实施叠前反演（图1），反演过程中严格遵循质控原则，所得反演结果与地质认识具有较好的一致性。

图1 储层预测技术流程图

2 道集优化处理

由于是以叠前CRP 道集作为叠前反演的主要输入数据，道集处理品质对气藏预测结果有较大影响[9]。研究区地表条件复杂，存在沼泽、沙丘、林地等各种地貌，对地震资料的采集干扰较大，而且工区低降速带的厚度、速度变化大，静校正问题尤为突出，尽管处理人员前期采取了相应的技术手段来提高地震道集数据的信噪比与保真度，但CRP 道集的信噪比仍较低，动校正后的同相轴在远偏移距上存在不同程度“上翘”“下拉”现象。因此有必要对道集进行进一步的解释性处理和拉平以提高道集质量。基于岩性预测的目的，采用了如下道集优化处理技术：

2.1 滤波去噪

由于原始CRP 道集存在大量的随机噪音和多次波，导致叠加后地震同相轴的反射特征不明显、信噪比低、地震资料多解性强（图2-a）。为此，笔者以AVO 正演模型为指导，采用超道集和Radon 变换去噪技术来逐层剔除随机噪音和线性多次波。

2.1.1 随机噪音压制

超道集技术是一种简单有效压制随机噪音的方法，其原理是将多个相邻的共反射点数据叠合到一起，构成所谓的超道集。由于噪音是随机分布的，使得相邻反射点的不同偏移距上噪音彼此抵消，达到压制随机噪音的目的。根据研究区地震资料情况，将3 道数据进行叠加，压制了道集中的随机噪音（图2-b）。

2.1.2 多次波压制

苏里格地区地震资料中1.0 ～2.0 s 区间多次波现象比较明显，特别是远偏移距数据质量受多次波影响比较严重，多次波的压制是该区叠前反演与AVO 分析面临的一个重要问题[8]。拉东变换可将地震数据转换到拉东域，使有效波和多次波更容易区分。因此，采用拉东变换能够有效去除多次波。研究区的多次波在拉东域内呈直线形态，根据有效波与多次波的形态和时间域的分布合理设定参数，计算有效波与多次波的模型 ，通过对CRP 道集进行模型扫描，实现多次波去除。从道集优化对比剖面中可以看出，经拉东变换处理后，地震道集的质量得到了进一步提升（图2-c）。

图2 道集优化处理前、后的对比剖面图

2.2 无速度剩余时差校正

同相轴不平是苏里格地区CRP 道集普遍存在的现象。研究区近偏地震道集数据的同相轴较平，受动校正速度误差影响，由中偏、远偏数据的地震同相轴“上翘”现象越来越明显，剩余时差最大可达5 ms。由于叠前反演需要对近、中、远偏道集数据进行部分叠加，同相轴不平导致有效反射波形在叠加过程中相互抵消，从而影响反演精度。笔者采用无速度剩余时差校正技术，对地震道集数据进行拉平，在给定的时窗内将输入的地震道与模型道做互相关，求取二者间的时差，并通过时移对齐实现道集拉平（图2-d）。

3 岩石物理分析

岩石物理分析能够建立储层参数与弹性参数之间的关系，对研究储层及流体岩石物理特征、确定储层反演解释下限和反演方法优选有重要指导意义。目前针对叠前反演的岩石物理分析主要包括横波预测和弹性参数敏感性分析等方面工作。

3.1 横波预测方法优选

纵、横波速度及密度是连接岩石物理性质与地球物理属性的重要纽带，利用纵、横波速度及密度计算出的弹性参数可以准确的对岩性、物性及含油气性进行定量识别和描述。油气田开发中，很少能够大量获取横波测井速度信息。因此，横波预测是一种重要的地球物理应用技术[10-13]。 目前常用的横波预测方法主要包括经验公式、岩石物理建模和神经网络方法。

3.1.1 岩石物理建模

Xu-White 模型综合考虑了岩石基质性质、孔隙大小、形状，以及孔隙流体对横波速度的影响，是一种广泛应用于孔隙度较低的固结砂、泥岩储集层的岩石物理模型。Xu-White 模型将石英和黏土作为主要矿物，将孔隙体积分为砂岩孔隙体积和泥岩孔隙体积，利用长、宽比来描述孔隙形状，在此基础上考虑流体对速度的影响，定量计算横波速度。砂、泥岩百分含量以及砂、泥岩体积模型、流体饱和度作为Xu-White 岩石物理模型的关键参数，是决定横波预测精度的关键。常规测井解释的体积模型由于只注重储层段解释，一般不能满足横波预测要求，因此采用最优化测井解释方法对体积模型进行了重新计算，并结合苏53 区块砂、泥岩地层的特点、流体性质、温压条件以及测井评价获得的石英、黏土矿物体积百分含量、孔隙度、含水饱和度等数据，确定了岩石物理建模关键参数（表1），最终通过正演获得的横波曲线与实测横波曲线稳合度达到91.5%，满足了预测精度要求（图3）。

表 1 岩石物理建模关键参数取值表

3.1.2 多参数神经网络横波预测

根据Biot-Gassmann 岩石物理模型，饱和岩石的纵波速度、横波速度主要取决于岩石的基质、孔隙及孔隙内的流体性质。体现岩石基质性质的矿物、黏土的体积百分含量、密度、纵横波速度等信息，体现孔隙性质的孔隙度及流体性质的含气饱和度等信息均作为关键参数被应用到模型计算中，而这些参数均是通过常规测井曲线测井评价获取的。考虑到利用岩石物理建模方法所需参数较多、计算过程比较繁琐，笔者采用了神经网络的方法进行横波预测。

BP 神经网络是一和多层前馈的神经网络，采用的是误差逆传播算法，该算法由Rumelhart 等在1986 年提出的，是一种具有3 层或3 层以上的神经网络，包括输入层、中间层和输出层[14]。笔者将实测横波曲线做为学习目标，将涵盖岩石基质、孔隙及流体性质等特征伽马、密度、深侧向电阻率、中子孔隙度和纵波速度等5 条曲线选择为输入层，进行神经网络计算，最终获取的横波与实测横波吻合度为95%，而从纵横波速度比来看，神经网络方法获得的横波计算出的纵横波速度比精度也高于岩石物理方法（图3）。

3.2 弹性参数分析

为进一步落实研究区储层地球物理特征，寻找出能够识别储层及气层的敏感弹性参数，并确定储层及气层的解释下限（弹性参数下限），在采用神经网络方法进行横波预测的基础上，对研究区多口井目的层地震弹性参数进行了敏感性分析[15-16]。

从相关井中纵、横波阻抗交会图中可以看出，砂岩与泥岩呈现出不同的纵、横波阻抗线性关系—蓝色为泥岩数据的中轴线及红色为砂岩数据的中轴线，2 条线具有一定的分离角度（表现出不同的梯度及截距），干砂岩与泥岩局部重叠分布，气层分布于交会图的左上方（图4-a）。从纵横波速度比、泊松比、体积模量/剪切模量（K/μ）与横波阻抗交汇图中可以看出，干砂岩的纵横波速度比、泊松比、体积模量/剪切模量（K/μ）与泥岩均有较大重合。气层纵横波速度比小于1.6（图4-b）、泊松比小于0.18（图4-c）、体积模量/剪切模量（K/μ）小于1.4（图4-d）。

上述研究表明，纵、横波阻抗不具备识别砂岩及气层的能力，因此无法通过叠后纵、横波阻抗反演达到储层预测的目的。纵横波速度比、泊松比、体积模量/剪切模量（K/μ）等弹性参数能够有效识别气层，为叠前反演刻画气层展布形态奠定的坚实基础。

图3 苏53-78-33HD 井预测横波与实测横波对比图

图4 地震弹性参数交汇图

4 含气储层预测

在上述研究基础上优选区块内测井曲线质量较好、钻穿本溪组8#煤层的井进行井震标定，分别提取0 ～10°、10 ～20°、20 ～30°入射角度叠加的地震数据子波，利用叠前同时反演方法得到纵波速度、横波速度、密度、纵横波速度比等。反演过程中需对各个环节进行严格质控，以便获得可靠的反演结果[17-20]。利用纵横波速度比数据计算得到了气层概率体剖面，气层钻遇厚度大的井点在气层概率体剖面上呈现出红黄色高值，而在纵横波速度比剖面上呈现出蓝色低值（图5）。

在叠前反演的基础上，结合纵横波度比气层识别下限（纵横波速度比小于1.6），对研究区盒8下亚段、山1 段气层进行了预测，并得到了气层等厚图（图6）。本次反演所得成果与实钻认识具有较好的一致性（图7），研究区气层在东西两侧呈近南北向带状展布，其中西侧气层发育厚度大、连续性好，反演结果与实钻认识稳合度较高。东侧气层分布比较零散、厚度相对西侧变薄，表明东侧地质条件变差。同时井区地震资料分辨率低、薄层识别精度有限，导致了井区东侧地震反演结果与实钻认识稳合度较西侧低。总体而言，利用叠前反演方法能够较好的预测含气砂岩储层的分布，对有利区优选与井位部署具有较好的指导作用。

5 结论

1）研究区地震资料存在大量的随机噪音与多次波、道集同相轴不平等多种影响储层预测精度的不利因素，利用超道集、拉东变换及无速度剩余时差校正等技术，大幅提高了地震资料品质。

2）利用Xu-White 岩石物理建模与多参数神经网络横波预测方法开展了横波预测，两种方法均取得了较好的效果。相比而言，多参数神经网络方法计算过程简单、预测精度更高。

图5 过苏53-78-33HD 井地震、纵横波速度比和气层概率体剖面图

图6 盒8 下亚段+山1 段气层等厚图（反演结果）

图7 盒8 下亚段+山1 段气层等厚图（实钻结果）

3）研究区砂、泥岩纵横波阻抗呈现出不同的线性关系，弹性参数纵横波速度比、泊松比、体积模量/剪切模量（K/μ）等弹性参数能够有效识别含气砂岩储层。

4）利用叠前反演方法能够较好的预测含气砂岩储层的分布，所得预测结果与实钻结果匹配相对较好。