王迪，张益明，牛聪，黄饶，韩利

(1.中海油研究总院有限责任公司，北京 100028；2.中国海洋石油国际有限公司，北京 100028)

0 引言

深水浊积砂岩储层是当前世界油气勘探开发的热点目标，以西非的尼日尔三角洲盆地为典型代表[1-4]。相比陆地和浅水沉积，深水区油气勘探开发成本高且风险大，因此，如何准确预测优质储层并开展烃类检测对深水勘探尤为重要。叠前反演是进行烃类检测的有效地球物理技术手段，其关键是首先优选出能够反映储层流体性质的敏感弹性参数，然后通过反演获得该参数进行流体识别。早在20世纪80年代，Ostrander[5]开展了基于AVO技术的流体识别研究。随后，Smith等[6]提出了流体因子的概念。Goodway等[7]提出了λρ-μρ交会分析的烃类检测方法。Russell等[8]利用纵波阻抗与横波阻抗构建了新的流体指示因子。张玉洁等[9]基于喷流效应对Russell流体因子进行了推广和应用。姜仁等[10]利用Russell流体因子开展了致密储层的含气性检测。郑静静等[11]对各类流体因子进行了分类与系统总结。张广智等[12]研究了角度流体因子提取方法，能够更准确地识别目的层处的异常，同时提高剖面的信噪比。谢玉洪等[13]探索了“暗点”型油气藏的流体指示因子，可以放大II类AVO异常的差异。

通常情况下，流体因子是通过叠前反演纵波阻抗和横波阻抗等参数间接计算获得，容易出现累计误差，为此诸多学者提出了流体因子的直接反演方法。宗兆云等[14]提出了包含拉梅系数的弹性阻抗方程，可直接反演拉梅参数。印兴耀等[15]提出了包含Gassmann流体项的弹性阻抗方程，可直接反演高精度的流体项。李红梅[16]应用叠前弹性参数直接反演技术，提取了对储层流体敏感的λρ、泊松比和高灵敏度流体因子等参数，对KD地区浅层河道砂岩油藏进行了识别。在流体因子敏感性评价方面，杨培杰等[17]建立了一种敏感因子定量分析方法。桂金咏等[18]提出了面向实际储层的流体因子优选方法。

在实际应用中，流体因子往往受到诸多因素、特别是孔隙度的影响，由于忽略孔隙度而出现流体识别假象的案例越来越多。张世鑫[19]研究发现复杂储层受孔隙度影响会产生流体识别假象，如何将孔隙度的影响从流体因子中剔除显得至关重要。李英等[20]通过流体替代、孔隙度替代等正演模拟显示，在孔隙度波动范围较大的区域，流体变化导致的地震异常响应往往会被孔隙度影响所掩盖，此时“亮点”的响应往往表征的只是优质储层而非含油气层。为了压制孔隙度的影响，诸多学者[21-23]指出流体模量只与孔隙内流体类型有关而与孔隙度无关，具有更好的流体识别效果，开展了流体模量反演方法的研究。由于流体模量反演在实际应用中受限于地震资料品质、干岩石模量估算精度等问题，结果存在不确定性。常规反演方法仍然是目前业界主流的技术手段，如何优选出靶区真正体现流体性质差异的敏感流体因子、提高常规反演流体识别精度显得至关重要。为此，本文在综合分析储层地震响应特征的基础上，提出了一种新的流体因子敏感性定量分析方法，筛选的流体因子具有“对流体性质敏感度高、对孔隙度敏感度低”的特征，能够最大限度地突出流体异常，压制孔隙度的影响。实际应用结果表明，该流体因子能够有效区分油层和高孔隙水层，与已钻井吻合率更高。

1 区块概况

尼日尔三角洲盆地位于非洲大陆西部，面积达12×104km2，是当今世界热门的深水勘探区域。尼日尔三角洲是始新世以来，尼日尔河和贝努埃河沿着比达盆地和贝努埃槽向南汇合流入大西洋，其所携带的大量碎屑物质和有机质形成巨大的海退型前积三角洲沉积。尼日尔三角洲深水扇则是由尼日尔河和尼日尔三角洲提供物源，在深海平原形成的大型深水扇。本文研究的S区块位于尼日利亚海域(图1)，北距陆上哈科特港200 km，水深为1 300～1 450 m，主力储层为中新统R1180层系发育的水道化朵叶沉积体，砂体单层厚度大，物性较好，孔隙度介于22%～30%之间，储层条件优越。研究区内共有3口已钻井，钻探结果如表1所示。其中，W1和W2井钻遇油层，W3井钻遇水层。

图1 研究区位置示意

表1 研究区已钻井结果

2 储层地震响应特征及影响因素

2.1 叠后振幅响应特征及影响因素

图2所示为过W1、W2和W3井的连井地震剖面，从图中可以看到，储层均表现为振幅“亮点”特征。其中，W3井振幅最强，钻遇水层，W1和W2井振幅稍弱，却钻遇油层。根据表1可知，W1井砂岩孔隙度为26.0%，W2井砂岩孔隙度为23.4%，W3井砂岩孔隙度为29.7%，推测物性可能是导致水层出现振幅“亮点”的主要原因。

图2 过W1、W2和W3井的连井地震剖面

进一步开展叠后振幅的影响因素分析，包括流体性质、孔隙度和储层厚度(图3)。可以看出，当储层孔隙度均为26%时，油层和水层的振幅存在明显差异，含油砂岩振幅相比含水砂岩要强。受调谐作用的影响，油层和水层的振幅均在调谐厚度处达到最大值。考虑到已钻井揭示的砂岩厚度主要集中在20～25 m，在该范围内厚度变化对叠后振幅的影响相对较弱，不是该区叠后振幅的主要影响因素。当储层孔隙度发生变化时，孔隙度为30%的水层其振幅与孔隙度为26%的油层振幅基本相当。即高孔隙含水砂岩也会形成强振幅“亮点”特征，与油层表现出的特征相似，从而导致利用叠后振幅预测流体性质存在多解性。

图3 叠后振幅影响因素分析

2.2 叠前AVO响应特征及影响因素

图4所示为W1、W2和W3井旁道集，可以看到，油层和水层表现为远道振幅增强的II-III类AVO异常，异常强度表现为W3>W1>W2井，利用常规P*G属性很难准确识别流体性质。

图4 W1、W2和W3井旁地震道集

以W1井钻遇油层为例，开展流体和孔隙度替代分析，研究两者对叠前地震响应特征的影响。首先，保持原状流体性质不变，孔隙度Por由22%增加到34%，间隔3%。然后，将原状流体替换为水层，再做一次孔隙度替换，正演道集结果如图5所示，截距—梯度交会结果如图6所示。

图5 油层(a)及水层(b)AVO特征随孔隙度变化

据图6可知：在相同孔隙度条件下，油和水的截距、梯度均有差异，此时单独依靠截距或梯度均可以区分油水。在不同孔隙度条件下，油和水的截距、梯度存在一定重叠。例如，孔隙度为31%的水层，其梯度与孔隙度为34%的油层相当，其截距与孔隙度为28%的油层相当。在截距—梯度交会图上，高孔隙含油和含水砂岩均位于第三象限的位置，从而导致利用常规AVO属性不能有效区分油水。

图6 不同流体、孔隙度的截距—梯度交会

3 流体因子敏感性定量评价

地下介质充填不同流体类型时会表现出不同的岩石物理特征，从而为通过叠前反演实现储层流体检测提供了可能。其中，最为关键的环节在于筛选出真正反映目标区流体性质差异的敏感弹性参数，即流体敏感因子。常用的流体因子选择方法是通过测井曲线计算目标层段油气层与水层的流体因子平均值之差来衡量流体识别的能力，并没有考虑孔隙度对流体识别效果的影响。然而孔隙度是导致本区烃类检测多解性的关键因素，适用于研究区的流体因子必须对流体性质变化敏感的同时对储层孔隙度变化不敏感。针对该实际情况，本文提出了一种基于流体替代和孔隙度替代的流体因子敏感性定量评价方法，具体实现步骤如下：

1)保持原状地层孔隙度不变，采用Gassmann方程进行流体替代，根据式(1)计算流体敏感系数A，这是目前进行流体因子筛选的常规方法，并没有考虑孔隙度的影响：

(1)

其中，Pw代表含水状态下的弹性参数值，Po代表含油状态下的弹性参数值。

2)保持原状地层流体性质不变，进行孔隙度替代，根据式(2)计算孔隙度敏感系数B：

(2)

其中，Pø1代表孔隙度为ø1时的弹性参数值，Pø2代表孔隙度为ø2的弹性参数值。

3)为了突出流体、压制孔隙度的影响，定义评价因子C，其与参数A和B的关系如式(3)：

(3)

C值越大代表对流体敏感性越高、对孔隙度敏感性越低。当A=B时，C=0；当AB时，C>0，极限值为1。根据C值大小可优选出研究区的最佳敏感流体因子。

以W1井钻遇油层为例，开展流体和孔隙度替代分析，流体性质由原状油层替换成水层，孔隙度由原状27%替换到31%，获得不同弹性参数的值，然后计算对应的敏感性系数A、B和评价因子C，结果如表2所示。对表中数据进行直方图统计分析，从图7a中可以看出，λρ、λ/μ、PI和f这4个参数对流体性质均较为敏感，其中λρ敏感性最高，按照常规分析会选择λρ作为研究区的敏感流体因子。但是根据图7b可知，λρ、PI和f对孔隙度也具有较高的敏感性，容易受到孔隙度变化的影响，导致流体检测出现多解性，而参数λ/μ对孔隙度敏感性低。通过图7c的评价因子对比，可更加直观地发现，压制孔隙度影响以后，相比其他参数，λ/μ具有最高的流体敏感性。所以，λ/μ是研究区去除物性影响后的最佳流体因子。

表2 流体和孔隙度替代后弹性参数值及敏感系数计算结果

图7 不同弹性参数的流体敏感系数A(a)、孔隙度敏感系数B(b)和评价因子C(c)

4 应用效果

图8所示为基于常规方法筛选的流体敏感因子λρ与利用本文提出方法筛选的流体敏感因子λ/μ对流体识别的效果对比。通过图8a可以看出，当油层和水层孔隙度相当或者油层孔隙度大于水层时，λρ能够有效区分油和水；随着水层孔隙度增大，高孔隙度水层与相对低孔隙度油层的λρ存在重叠，流体识别效果变差。通过图8b可以看到，λ/μ能够有效区分不同孔隙度条件下的油层和水层，当λ/μ<1.2时表现为油层，进一步证实了λ/μ具有良好的烃类检测能力。

图8 λρ(a)及λ/μ(b)流体识别效果对比

图9所示为叠前反演λρ和λ/μ进行烃类检测的效果对比。从图9a中可以看出，λρ容易受孔隙度的影响，虽然W1和W2井油层有异常，但是W3井水层异常更为明显，烃类检测结果与实钻结果不符。从图9b中可以看出，利用弹性参数λ/μ开展烃类检测，W1和W2井油层表现为低λ/μ值，W3井水层表现为相对高λ/μ值，高孔水砂岩的异常假象得到压制，油水得到有效区分。

图9 过W1、W2、W3井的λρ反演剖面(a)和流体因子λ/μ反演剖面(b)

利用流体因子λ/μ开展R1180层油气平面展布规律预测，结果如图10所示。从图10a中可以观察到研究区发育东、西两支水道化朵叶沉积体，W1井钻遇西支朵叶，W2和W3井钻遇东支朵叶，朵叶砂体在平面上表现为振幅“亮点”异常，西支朵叶振幅级别要强于东支朵叶。从λ/μ反演结果(图10b)可以看到，W3井水层对应的强振幅异常假象得到了明显压制，W1和W2井油层异常得到了有效保留。西支朵叶大面积的强振幅区域基本都是高孔含水砂岩的响应，只有局部位置发育油气层，从而规避了高孔含水砂岩带来的勘探风险，有效指导了西支朵叶的下一步钻探部署。

图10 R1180层均方根振幅(a)和流体因子λ/μ反演结果(b)

5 结论和认识

1)复杂储层的流体检测受孔隙度影响较大，如何将孔隙度的影响从流体因子中剔除是获取准确流体识别效果的关键。本文针对叠前反演敏感流体参数优选问题，提出了基于流体和孔隙度替代的流体因子敏感性定量分析方法，筛选出的流体因子具有“对流体性质敏感度高、对孔隙度敏感度低”的特征，能够最大限度地突出流体异常，提高流体识别精度。该方法和思路可以推广应用到其他类似区块，通过优选适用于区块自身的流体敏感因子开展烃类检测工作。

2)将该方法应用于尼日尔三角洲盆地S区块，优选λ/μ作为最佳流体敏感因子，实际应用效果证实λ/μ能够有效压制高孔含水砂岩在地震剖面上表现出的强振幅“亮点”假象，提高烃类检测成功率。