CN104950331A - 一种砂泥岩储层的孔隙度与泥质含量的地震预测方法 - Google Patents

Abstract

本发明公开了一种砂泥岩储层的孔隙度与泥质含量的地震预测方法，包括：测定该岩心样品的测试数据；根据岩石物理理论计算获得基质弹性参数；根据砂泥岩基质弹性参数及岩心样品的测试数据，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系；根据采集到的实际测井数据，计算测井孔隙度与测井泥质含量；基于纵、横波速度-孔隙度-泥质含量理论关系，进行参数交会分析，标定和校正测井速度、测井孔隙度与测井泥质含量；建立测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型；采用地震叠前反演，获得地震纵波阻抗数据体、横波阻抗数据体以及密度数据体；进行地震孔隙度与泥质含量数据反演，获得地震预测的孔隙度数据体和泥质含量数据体。

Description

一种砂泥岩储层的孔隙度与泥质含量的地震预测方法

技术领域

本发明涉及石油与天然气勘探技术领域，特别涉及一种砂泥岩储层的孔隙度与泥质含量的地震预测方法。

背景技术

陆相砂泥岩储层是我国油气勘探的主要对象，砂泥岩储层具有分布广泛、油气资源丰富、油气储层发育及勘探难度大等特点。砂泥岩储层一般是在一定沉积环境中形成的，其垂向序列常表现出某种周期性，呈砂、泥岩互层结构，砂岩颗粒之间往往分布着粘土矿物。砂泥岩储层是否能够成为具有工业价值的油气储层主要受到岩石物性及岩性等条件限制，其中岩石孔隙度大小是评价砂泥岩储层的重要依据。岩石孔隙度越高，存储油气的能力越强，并且流体在孔隙中流通的能力也越强。

一般而言，砂泥岩的孔隙度主要与地层成岩过程、埋藏年代、岩石性质，特别是粘土矿物的含量及性质、地层温度和压力等因素有关。其中，泥质颗粒的分布方式对砂泥岩孔隙度具有决定性作用，泥质含量大小是影响砂泥岩储层孔隙度的关键因素之一。因此，进行油气储层性能评价时，准确确定砂泥岩储层孔隙度及泥质含量至关重要。砂泥岩储层孔隙度与泥质含量预测技术是储层评价的重要方法之一，可靠的预测结果是油气储层评价和井位部署等重要依据。

孔隙度是指岩石中孔隙体积与岩石总体积之比。对于砂泥岩而言，岩石主要由固体骨架和孔隙构成，其中固体骨架成分主要以石英、长石、白云石及粘土矿物为主。其中粘土矿物在岩石内部的分布主要有发散式、纹层式或结构块状等分布，其中发散式或结构状分布对岩石孔隙度具有重要作用。此外，岩石受到外力后会发生变形，孔隙度大的岩石容易变形，岩石表现为柔性较强；孔隙度小的岩石受力后不易变形，岩石刚性增强。岩石受力变形的特征与波的速度存在线性相关，刚性较强的岩石，波的传播速度快，反之，刚性弱，柔性较强的岩石，波的传播速度慢。因此，可以利用地震波速度与岩石变形能力之间关系间接计算岩石孔隙度大小。

通常，获取储层孔隙度的方法主要有实验直接测定方法和地球物理信息间接预测方法。实验测定方法主要针对储层取心岩石样品(下称岩样)在实验室开展岩样孔隙度、电镜扫描以及声学参数等测试。地球物理间接预测方法主要包括测井孔隙度等物性参数解释、测井孔隙度与地震数据关系模型建立，以及地震数据预测孔隙度等步骤。国内外学者针对测井孔隙度与地震数据关系模型建立方法及地震数据预测孔隙度具体过程进行过大量的研究。

现有各种地震资料预测孔隙度的方法在特定条件下取得一定效果，但也存在一些重要的理论基础缺陷。

1、对于陆相沉积岩层，储层大多由砂岩与泥质成分复合构成，砂岩中总存在数量不等的泥质成分，这些泥质成分或分散在岩石颗粒表面、或呈块状与颗粒相接触，或泥质成分呈纹层状与砂层互层。泥质成分的存在极大地改变岩石的孔隙度，使得岩石孔隙度与其弹性参数之间关系非常复杂，仅利用地震属性(包括纵波阻抗)信息预测孔隙度存在很大的局限性，预测结果可靠性差。

2、利用地震波形属性预测孔隙度时，都存在隐含的假设条件，即地震属性与岩石孔隙度存在映射关系。实际地层因其沉积环境、埋深、矿物成分变化以及地层压力和温度差异，使得储层孔隙度变化非常大，地震波形属性与储层孔隙度之间关系存在很大的不确定性。此外，地震波形属性与储层的岩石物理性质之间缺乏明确的物理意义，故难以用于解释储层孔隙度变化特征。

3、常规叠后反演数据只能得到纵波阻抗信息，使用纵波阻抗单一信息预测储层物性参数必然存在计算结果的多解性。一般而言，砂泥岩储层地层孔隙度与泥质含量等参数密不可分，因此，单一叠后波阻抗反演方法从理论上无法得到准确的储层孔隙度等其它储层信息。

在实践研究过程中，上述技术不足从理论基础上限制了现有预测技术的计算精度，无法准确预测陆相砂泥岩储层孔隙度及岩性变化规律。

发明内容

本发明的目的是针对现有预测技术的缺陷，提供了一种砂泥岩储层的孔隙度与泥质含量的地震预测方法，该方法是建立在严格的储层岩石物理理论基础上，针对砂泥岩中泥质含量的影响，采用孔隙度与泥质含量同步反演方法，克服计算孔隙度单一参数带来的不确定因素。为了避免地震波形属性与储层岩石物理参数之间无直接物理意义的缺陷，及叠后纵波阻抗信息不足等问题，本发明采用叠前反演，纵、横波阻抗联合反演孔隙度与泥质含量的方法，提高了地震预测孔隙度与泥质含量的计算精度。

为达到上述目的，本发明提出了一种砂泥岩储层的孔隙度与泥质含量的地震预测方法，该方法包括：步骤A，采集砂泥岩储层的岩心样品，通过模拟原始储层的条件，测定该岩心样品的测试数据；步骤B，根据岩石物理理论，基于所述岩心样品的测试数据计算获得所述砂泥岩储层的基质弹性参数；步骤C，根据所述砂泥岩基质弹性参数及所述岩心样品的测试数据，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系；步骤D，根据采集到的实际测井数据，计算测井孔隙度与测井泥质含量，其中，所述实际测井数据至少包括测井速度；步骤E，基于所述砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系，进行参数交会分析，标定和校正所述测井速度、测井孔隙度与测井泥质含量，获得测井校正速度、测井校正孔隙度与测井校正泥质含量；步骤F，基于所述砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系以及所述测井校正速度、测井校正孔隙度与测井校正泥质含量，建立测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型；步骤G，以测井校正速度计算获得的测井纵、横波阻抗数据作为约束，采用地震叠前反演，获得地震纵波阻抗数据体、横波阻抗数据体以及密度数据体；步骤H，根据所述地震纵波阻抗数据体、横波阻抗数据体、密度数据体以及测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型，进行地震孔隙度与泥质含量数据反演，获得地震预测的孔隙度数据体和泥质含量数据体。

本发明的砂泥岩储层孔隙度与泥质含量预测方法，首次提出基于岩石物理模型约束，利用纵、横波阻抗联合反演孔隙度及泥质含量，详细阐述了砂泥岩储层岩石物理分析技术，岩石物理模型约束下的砂泥岩储层测井数据质量分析和校正技术以及纵、横波阻抗-孔隙度-泥质含量预测模型建立和应用技术，其中，纵、横波阻抗联合同步反演孔隙度和泥质含量的概念是本发明首创，实验测试数据与实际地震数据应用表明，本发明较之传统的地震预测方法具有显著地有效性和可靠性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1为本发明一实施例的砂泥岩储层的孔隙度与泥质含量的地震预测方法流程图。

图2A及图2B分别为采用三相Hashin-Shtrikman理论计算的砂泥岩储层基质的纵、横波速度与泥质含量的取值范围示意图。

图3A及图3B分别为通过理论计算的砂泥岩储层纵、横波速度与孔隙度及泥质含量关系示意图，由此理论关系可以推测出纵、横波阻抗与孔隙度及泥质含量预测模型。

图4为新疆某油田(下称研究区)主要目的层深度段的砂泥岩储层测井响应数据示意图。

图5为根据图4所示测井响应数据计算的研究区主要目的层深度段(下称目的层段)岩性、孔隙度及泥质含量结果。

图6为砂泥岩储层纵波速度-孔隙度-泥质含量交会图。

图7为经过校正处理后的砂泥岩储层纵波速度-孔隙度-泥质含量交会图。

图8为研究区砂泥岩地层测井纵波阻抗-孔隙度-泥质含量预测模型示意图。

图9为研究区砂泥岩地层测井横波阻抗-孔隙度-泥质含量预测模型示意图。

图10为三维地震叠前反演的纵波阻抗剖面示意图。

图11为三维地震叠前反演的横波阻抗剖面示意图。

图12为三维地震波阻抗反演的孔隙度剖面示意图。

图13为地震预测孔隙度与测井孔隙度对比分析示意图。

图14为研究区目的层段顶界地震预测孔隙度平面示意图。

图15为三维地震波阻抗反演的泥质含量剖面示意图。

图16为地震预测泥质含量与测井计算泥质含量对比分析示意图。

图17为研究区目的层段顶界地震预测泥质含量平面示意图。

具体实施方式

以下配合图示及本发明的较佳实施例，进一步阐述本发明为达成预定发明目的所采取的技术手段。

图1为本发明一实施例的砂泥岩储层的孔隙度与泥质含量的地震预测方法流程图。如图1所示，该方法包括：

步骤101，采集砂泥岩储层的岩心样品，通过模拟原始储层的条件，测定该岩心样品的测试数据；

步骤102，根据岩石物理理论，基于岩心样品的测试数据计算获得砂泥岩储层的基质弹性参数；

步骤103，根据砂泥岩基质弹性参数及岩心样品的测试数据，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系；

步骤104，根据采集到的实际测井数据，计算测井孔隙度与测井泥质含量，其中，实际测井数据至少包括测井速度；

步骤105，基于砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系，进行参数交会分析，标定和校正测井速度、测井孔隙度与测井泥质含量，获得测井校正速度、测井校正孔隙度与测井校正泥质含量；

步骤106，基于砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系以及测井校正速度、测井校正孔隙度与测井校正泥质含量，建立测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型；

步骤107，以测井校正速度计算获得的测井纵、横波阻抗数据作为约束，采用地震叠前反演，获得地震纵波阻抗数据体、横波阻抗数据体以及密度数据体；

步骤108，根据地震纵波阻抗数据体、横波阻抗数据体、密度数据体以及测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型，进行地震孔隙度与泥质含量数据反演，获得地震预测的孔隙度数据体和泥质含量数据体。

以下结合一具体实施例，针对上述每一步进行展开说明。

步骤101，采集砂泥岩储层的岩心样品，通过模拟原始储层的条件，测定该岩心样品的测试数据。

如步骤S101所述，采集实际储层钻井取心的样品后，可以在实验室中模拟原始储层的温度与地层压力条件，分别测定岩心样品的孔隙度、体积密度、干燥岩样纵、横波速度等数据，并对岩心样品进行全岩分析，确定岩心样品的矿物成分及泥质含量。

步骤S102，根据岩石物理理论，基于岩心样品的测试数据计算获得砂泥岩储层的基质弹性参数。

其中，根据岩样矿物分析结果和声学测试的结果，可以将砂泥岩视作为砂岩颗粒、泥质颗粒和孔隙空间三相构成的复合体。采用广义Hashin-Shtrikman理论模型，可以获得砂泥岩储层的基质弹性参数，即确定多矿物复合体的弹性参数在物理意义上的严格理论取值范围。

具体算法如下：

$K_m={\[\frac{{\mathrm{\φ}}_1}{2}+\frac{(1-V_{sh1})(1-{\mathrm{\φ}}_1)}{K_{sand}}+\frac{V_{sh1}(1-{\mathrm{\φ}}_1)}{K_{clay}}\]}^{-1};---\left(1\right)$

${\mathrm{\μ}}_m={\[\frac{{\mathrm{\φ}}_1}{A}+\frac{(1-V_{sh1})(1-{\mathrm{\φ}}_1)}{{\mathrm{\μ}}_{sand}+A}+\frac{V_{sh1}(1-{\mathrm{\φ}}_1)}{{\mathrm{\μ}}_{Clay}+A}\]}^{-1};\text{---}\left(2\right)$

其中，K_m、μ_m分别是砂泥岩储层基质的体积模量和剪切模量；

K_sand、K_Clay分别是砂岩颗粒和泥岩颗粒体积模量；

μ_sand、μ_Clay分别是砂岩颗粒和泥岩颗粒剪切模量；

φ₁和V_sh1分别是岩心样品的孔隙度和泥质含量；

A为系数。

系数A的计算公式如下： $A=\frac{{\mathrm{\μ}}_{Clay}}{6}\left(\frac{9K_{Clay}+8{\mathrm{\μ}}_{Clay}}{K_{Clay}+2{\mathrm{\μ}}_{Clay}}\right).\text{---}\left(3\right)$

在一实施例中，通过砂泥岩储层基质的体积模量K_m和剪切模量μ_m可以计算得到砂泥岩基质的纵、横波速度，公式如下：

$V_P={\left(\frac{K_m+4{\mathrm{\μ}}_m/3}{{\mathrm{\ρ}}_b}\right)}^{1/2};---\left(4\right)$

$V_S={\left(\frac{{\mathrm{\μ}}_m}{{\mathrm{\ρ}}_b}\right)}^{1/2};---\left(5\right)$

其中，V_P和V_S分别是砂泥岩基质的纵、横波速度；

ρ_b是砂泥岩体积密度；

其中，砂泥岩体积密度ρ_b可用下式计算：

ρ_b＝((1-V_sh1)ρ_sand+V_sh1ρ_clay)(1-φ₁)+φ₁ρ_f；  (6)

其中，ρ_b、ρ_sand、ρ_clay、ρ_f分别是砂泥岩体积密度、砂岩颗粒密度、泥岩密度和流体密度。

对于具体的砂泥岩储层，当地层矿物成分及其含量确定后，可以利用方程1至6计算得到砂泥岩储层基质的纵、横波速度与泥质含量的取值范围，可以参考图2A及图2B所示，图2A及图2B中曲线1表示含不同泥质含量的砂泥岩最大极限速度，水平虚线2表示含不同泥质含量的砂泥岩最小极限速度，水平虚线3为泥岩含量为0时的砂泥岩最大极限速度。偏离这个区域的速度可以视作为物理意义错误的速度值，或是错误异常值。

步骤S103，根据砂泥岩基质弹性参数及岩心样品的测试数据，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系。

具体而言，可以包括：步骤S1031，获得砂泥岩干燥状态下体积模量和剪切模量，利用的计算公式如下：

$K_{dry}=K_m{(1-{\mathrm{\φ}}_1)}^{C/(1-{\mathrm{\φ}}_1)};---\left(7\right)$

${\mathrm{\μ}}_{dry}=\exp (-{(1-V_{sh1})}^a)K_m{(1-{\mathrm{\φ}}_1)}^{C/(1-{\mathrm{\φ}}_1)};\text{---}\left(8\right)$

其中，K_dry和μ_dry分别是砂泥岩干燥状态下体积模量和剪切模量；

C为系数，计算公式如下：C＝m+nV_sh1。  (9)

其中，m和n是实际储层的经验系数。

步骤1032，使用Gassmann公式计算饱和流体的砂泥岩储层的体积模量K_sat和剪切模量μ_sat，计算公式为：

$\frac{K_{sat}}{K_m-K_{sat}}=\frac{K_{dry}}{K_m-K_{dry}}+\frac{K_f}{{\mathrm{\φ}}_1(K_m-K_f)};---\left(10\right)$

μ_sat＝μ_dry；  (11)

其中，K_sat和μ_sat分别是含流体砂泥岩储层体积模量和剪切模量，K_f为流体的体积模量。

步骤1033，根据含流体砂泥岩储层体积模量和剪切模量，计算得到饱和流体的砂泥岩储层的纵、横波速度，计算公式为：

$V_{P\_sat}={\left(\frac{K_{sat}+4{\mathrm{\μ}}_{sat}/3}{{\mathrm{\ρ}}_b}\right)}^{1/2};---\left(12\right)$

$V_{S\_sat}={\left(\frac{{\mathrm{\μ}}_{sat}}{{\mathrm{\ρ}}_b}\right)}^{1/2};---\left(13\right)$

其中，V_{P_sat}和V_{S_sat}分别是饱和流体的砂泥岩储层的纵、横波速度；

ρ_b为砂泥岩储层的体积密度。

步骤1034，根据饱和流体的砂泥岩储层的纵、横波速度及岩心样品的孔隙度、泥质含量，建立砂泥岩储层纵、横波速度-孔隙度-泥质含量交会图，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系。

利用方程7至13可以计算得到砂泥岩储层纵、横波速度-孔隙度-泥质含量参数，建立理论模型约束下的纵、横波速度-孔隙度-泥质含量理论关系，计算实例见图3A、图3B所示。图3A及图3B分别显示了砂泥岩储层孔隙度变化范围为0-50％，泥质含量变化范围为0-50％的情况下，纵、横波速度变化趋势。总体而言，纵波速度随着孔隙度增大而减小，随着泥质含量的增大而减小。横波速度也表现出与纵波速度相同的变化规律。

在本实施例中，根据理论模型计算结果，可以推测出砂泥岩地层纵、横波阻抗(波阻抗等于速度与密度的乘积)-孔隙度-泥质含量存在如下关系：

I'_P＝a'₀+a'₁φ₁+a'₂V_sh1；  (14)

I'_S＝b'₀+b'₁φ₁+b'₂V_sh1；  (15)

其中，I'_P和I'_S分别是地层纵波阻抗和横波阻抗(波阻抗等于速度与密度的乘积)；a'_i和b'_i是实际地层的经验系数(i＝0，1，2)。方程14和15是本发明的重要理论基础。

上述方程1至15是本发明的理论依据。根据方程1至6可以判断砂泥岩储层的速度变化范围是否正确。利用方程7至13可以建立具体砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系。利用方程14至15可以建立实际砂泥岩储层纵、横波阻抗-孔隙度-泥质含量预测模型。

步骤S104，根据采集到的实际测井数据，计算测井孔隙度与测井泥质含量，其中，实际测井数据至少包括测井速度。

以下结合新疆某油田(下称研究区)的实施例详细说明预测过程。

图4为该油田主要目的层深度段(下称目的层段)的砂泥岩储层测井响应数据示意图。该油田的油气储层主要以滨浅湖相的砂泥岩储层为主，优质储层为泥质含量较少的砂岩层。图中曲线从左至右依次为地层深度、岩性曲线(井径、伽马、自然电位)、岩性剖面、电阻率(地层电阻率、浅测电阻率及冲洗带电阻率)和孔隙度曲线(声波速度、密度、自然电位)等。根据这些测井数据，可以计算得到储层泥质含量和孔隙度，具体计算方法如下：

1、测井孔隙度计算：

计算测井孔隙度的公式如下：

${\mathrm{\φ}}_2=\frac{({\mathrm{\ρ}}_b-{\mathrm{\ρ}}_{sand})N_{clay}-N_b({\mathrm{\ρ}}_{clay}-{\mathrm{\ρ}}_{sand})}{({\mathrm{\ρ}}_f-{\mathrm{\ρ}}_{sand})N_{clay}-({\mathrm{\ρ}}_{clay}-{\mathrm{\ρ}}_{sand})};---\left(16\right)$

其中，φ₂是测井孔隙度；

ρ_b、ρ_sand、ρ_clay、ρ_f分别是砂泥岩储层的体积密度、砂岩颗粒密度、泥岩密度和流体密度；

N_b、N_sand、N_clay、N_f分别是砂泥岩储层、砂岩、泥岩及孔隙流体的补偿中子响应。

针对砂泥岩储层，本发明提出如下砂泥岩地层体积模型：即砂泥岩地层体积可分为纯砂岩体积、泥质体积和孔隙体积，三者体积之后构成砂泥岩总体积，因此三者的测井响应之和就是砂泥岩地层相应的测井曲线。在这些测井曲线中，密度、补偿中子及声波测井大小与地层孔隙度密切相关。根据砂泥岩地层体积模型，采用密度测井和补偿中子测井数据可建立如下测井响应方程：

ρ_b＝ρ_sand(1-V_sh)(1-φ)+ρ_clayV_sh(1-φ)+ρ_fφ；  (17)

N_b＝N_sand(1-V_sh)(1-φ)+N_clayV_sh(1-φ)+N_fφ；  (18)

1＝(1-V_sh)+V_sh+φ；  (19)

通过上述方程17至19可以推导出方程16。

密度测井值反映了地层总的岩性及孔隙变化，一般而言，密度测井计算的孔隙度代表了地层总孔隙度大小。补偿中子测井观测地层含氢指数(含氢指数定义为1立方米物质的氢核数与相同体积淡水的氢核数之比)，该指数可反映地层实际孔隙度大小，能有效识别孔隙性储层。

2、测井泥质含量计算：

$ID=\frac{{\mathrm{\ρ}}_{b}GR-(1-{\mathrm{\φ}}_2){\mathrm{\ρ}}_{sand}{\mathrm{GR}}_S}{{\mathrm{\ρ}}_{clay}{\mathrm{GR}}_{SH}-{\mathrm{\ρ}}_{sand}{\mathrm{GR}}_S};---\left(20\right)$

$V_{sh2}=\frac{ID}{3-2ID};---\left(21\right)$

其中，ID为泥质含量指数；

ρ_b、ρ_sand、ρ_clay分别是砂泥岩储层的密度测井读数，纯砂岩密度和纯泥岩密度；

GR、GR_S、GR_SH分别是砂泥岩储层的伽马测井读数，纯砂岩伽马值和纯泥岩伽马值；

V_sh2为测井泥质含量。

砂泥岩储层需要一定的存储流体的空间并具备流体流动的孔隙通道条件。砂泥岩地层中，泥岩矿物中富含钾元素和钍元素，使得泥岩伽马测井读数增大，因此可用伽马测井数据确定砂泥岩中泥质含量的大小。

由上式可见，砂泥岩储层的泥质含量随着伽马测井值的增大而增大，伽马测井值的相对大小反映了砂泥岩储层中泥质含量的多少。

采用上述计算方法，根据伽马测井、密度测井及补偿中子测井曲线可计算得到目的层段的泥质含量和孔隙度曲线。计算结果如图5所示，图中所示曲线从左至右依次为伽马、泥质含量、孔隙度、渗透率以及纵、横波速度比曲线。

步骤S105，基于砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系，进行参数交会分析，标定和校正测井速度、测井孔隙度与测井泥质含量，获得测井校正速度、测井校正孔隙度与测井校正泥质含量。

根据岩石物理理论关系(方程7至13)，结合测井曲线数据绘制砂泥岩储层纵、横波速度-孔隙度-泥质含量交会图，判断测井速度、测井孔隙度与测井泥质含量是否符合砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系。

具体分析方法如下：

若测井数据(测井速度、测井孔隙度与测井泥质含量)符合砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系，则计算结果可靠。

若测井计算值偏离理论关系，则可根据砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系进行校正，获得测井校正速度、测井校正孔隙度与测井校正泥质含量。

上述符合或不符合砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系的数据，统一一起记录为测井校正速度、测井校正孔隙度与测井校正泥质含量，以便后面的步骤术语叙述一致。

可以参考图6所示，以砂泥岩储层纵波速度-孔隙度-泥质含量交会图为例，图中离散点为测井计算的孔隙度、泥质含量及声波测井速度值(纵波速度)，其中右侧色标编码为孔隙度。图中线段是根据纵波速度-孔隙度-泥质含量方程结合实际砂岩和泥岩弹性参数计算确定的纵波速度-孔隙度-泥质含量理论关系曲线。对比实际地层纵波速度-孔隙度-泥质含量离散点与理论模型计算的关系曲线可以看出，测井计算的孔隙度变化趋势与理论模型基本一致，但测井计算孔隙度普遍略高于理论计算值。

对此，需要对孔隙度进行适当校正处理。根据砂泥岩储层的纵波速度-孔隙度-泥质含量理论关系，结合测井声波速度和泥质含量大小，可将测井计算的孔隙度进行理论校正，计算结果见图7所示。图中所示校正处理后的测井数据点(交会图中离散点)与理论关系(交会图中的曲线)一致。对比图7右侧方框中处理前、后测井曲线(图中灰色曲线1为处理前测井曲线，图中黑色曲线2为处理后测井曲线)可以看出，相比处理前孔隙度，校正后孔隙度普遍减小，且深部地层孔隙度减小幅度大于浅层。右侧方框中离散点(标号为3)为该深度处岩心样品实验测定的孔隙度，该孔隙度可作为地层孔隙度的精确值。对比处理前、后孔隙度曲线与实际测定的孔隙度可知，校正处理后的孔隙度曲线更接近实测孔隙度值，说明校正后孔隙度具有较高的精度。

步骤S106，基于砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系以及测井校正速度、测井校正孔隙度与测井校正泥质含量，建立测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型。

根据校正后地层孔隙度、速度及泥质含量参数，根据方程14、15可建立研究区目的层段纵、横波阻抗-孔隙度-泥质含量预测模型，见图8和图9所示。其中，存在关系如下：

I_P＝a₀+a₁φ₂+a₂V_sh2；  (22)

I_S＝b₀+b₁φ₂+b₂V_sh2；  (23)

其中，I_P和I_S分别是测井纵波阻抗、测井横波阻抗；

a₀、a₁、a₂、b₀、b₁、b₂是实际地层的经验系数；

φ₂为测井孔隙度，V_sh2为测井泥质含量。

根据图8和图9所示交会图，进行纵、横波阻抗-孔隙度-泥质含量关系拟合和分析，可确定纵、横波阻抗-孔隙度-泥质含量定量预测模型的系数。

步骤S107，以测井校正速度计算获得的测井纵、横波阻抗数据作为约束，采用地震叠前反演，获得地震纵波阻抗数据体、横波阻抗数据体以及密度数据体。

图10中所示为经过分析井的地震纵波阻抗剖面，图11为横波阻抗剖面，图中黑色曲线(C71井)为测井计算的波阻抗，剖面图中区域1(在彩色剖面示意图中实际为暖色区域)所代表的部分对应于低阻砂层，区域2(在彩色剖面示意图中实际为冷色区域)所代表的部分对应为泥岩地层。对比测井计算波阻抗曲线与地震波阻抗可见，测井阻抗曲线在垂向的变化特征与地震阻抗基本一致，测井阻抗向右侧变化表示阻抗增大，对应于地震阻抗剖面中区域2的部分。反之，测井阻抗向左侧变化与区域1的部分一致，表明地震纵、横波阻抗具有很高的质量，可用于砂泥岩储层孔隙度及泥质含量预测。

步骤S108，根据地震纵波阻抗数据体、横波阻抗数据体、密度数据体以及测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型，进行地震孔隙度与泥质含量数据反演，获得地震预测的孔隙度数据体和泥质含量数据体。

根据地震纵、横波阻抗信息，及图8和图9所示的测井波阻抗-孔隙度-泥质含量预测模型，采用最小平方反演计算方法可反演得到孔隙度与泥质含量数据体，具体实现方法如下：

假设地震纵、横波阻抗分别表示为：

$I_P^s=a_0+a_1\×{\mathrm{\φ}}^{\′}+a_2\×{V^{\′}}_{sh};---\left(24\right)$

$I_S^s=b_0+b_1\×{\mathrm{\φ}}^{\′}+b_2\×{V^{\′}}_{sh};---\left(25\right)$

或表示为：

Y＝AX；  (26)

其中：

$A=\left[\begin{array}{ccc}{a}_0& a_1& a_2\\ b_0& b_1& b_2\end{array}\right];$

$X=\left[\begin{array}{c}1\\ {\mathrm{\φ}}^{\′}\\ {V^{\′}}_{sh}\end{array}\right];$

$Y=\left[\begin{array}{c}{I}_P^s\\ I_S^s\end{array}\right];$

求解下式方程：

X＝(A^TA)^-1A^TY；   (27)

即可同步得到孔隙度数据体φ'和泥质含量数据体V'_sh。其中，分别是地震纵波阻抗、地震横波阻抗，a₀、a₁、a₂、b₀、b₁、b₂是实际地层的经验系数。

图12所示为三维地震波阻抗的孔隙度剖面(图中右侧色标为孔隙度)，反演结果表明地层孔隙度变化范围为15％-26％，地震反演的孔隙度在横向上呈条带状分布，纵向上变化非常快。为了检验地震预测孔隙度的精度，将测井孔隙度作为精确值，用图12中所示C71井的测井孔隙度曲线和该井位置处地震预测孔隙度进行对比分析，见图13所示。结果表明，图13左部关系图中，记录点为预测孔隙度值，直线为预测孔隙度与测井孔隙度值的对比参考线，表示预测孔隙度值偏离测井孔隙度值的程度，地震反演孔隙度与测井孔隙度基本一致。图13右部关系图中，所示曲线1为地震预测孔隙度曲线，曲线2为测井孔隙度变化曲线。地震预测孔隙度在1870ms时间以上与测井孔隙度变化趋势基本吻合，甚至在反映局部岩性细节方面具有一定能力。

图14为研究区目的层段顶部地震预测孔隙度平面图。该地层孔隙度变化范围为15％-24％，总体上，孔隙度的分布呈北高南低。较大孔隙度分布范围主要集中在C71井和C26井附近，而较小孔隙度区域主要分布在C71井与C29井之间，呈条带状分布，孔隙度的平面分布与构造形态具有一定的相关性。说明本发明预测方法的可靠性和计算精度比较高。

图15是由地震波阻抗进行同步反演所计算的泥质含量剖面，比较图中叠置测井泥质含量与地震预测的泥质含量可知，在地震预测泥质含量在纵向上的变化趋势比较一致，泥质含量在横向上层状展布与实际沉积环境相匹配，预测泥质含量在横向变化方面受构造控制的特征比较显著，表明反演的泥质含量可靠。

图16为测井泥质含量与地震反演泥质含量对比分析图。左部关系图中，记录点为预测泥质含量值，直线为预测泥质含量与测井泥质含量的对比参考线表示两者之间偏离程度，由测井泥质含量与预测泥质含量交会图分析，两者之间存在一定的关系。根据右部关系图所示，对比预测泥质含量曲线1和测井泥质含量曲线2可知，两者间相关程度较高，相关系数为0.80，表明本发明的方法的精度较高。

图17为研究区目的层段顶部地震预测泥质含量平面图，图中右侧色标为泥质含量。地震反演泥质含量在平面上的分布于孔隙度展布形似，泥质含量的分布受沉积时构造形态的控制，高泥质含量区域主要分布在构造较低处，这与砂泥岩沉积特征相一致，说明本发明预测方法具有较高的计算精度。

本发明的砂泥岩储层孔隙度与泥质含量预测方法，首次提出基于岩石物理模型约束，利用纵、横波阻抗联合反演孔隙度及泥质含量，详细阐述了砂泥岩储层岩石物理分析技术，岩石物理模型约束下的砂泥岩储层测井数据质量分析和校正技术以及纵、横波阻抗-孔隙度-泥质含量预测模型建立和应用技术，其中，纵、横波阻抗联合同步反演孔隙度和泥质含量的概念是本发明首创，实验测试数据与实际地震数据应用表明，本发明较之传统的地震预测方法具有显著地有效性和可靠性。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，该方法包括：

步骤A，采集砂泥岩储层的岩心样品，通过模拟原始储层的条件，测定该岩心样品的测试数据；

步骤B，根据岩石物理理论，基于所述岩心样品的测试数据计算获得所述砂泥岩储层的基质弹性参数；

步骤C，根据所述砂泥岩基质弹性参数及所述岩心样品的测试数据，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系；

步骤D，根据采集到的实际测井数据，计算测井孔隙度与测井泥质含量，其中，所述实际测井数据至少包括测井速度；

步骤E，基于所述砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系，进行参数交会分析，标定和校正所述测井速度、测井孔隙度与测井泥质含量，获得测井校正速度、测井校正孔隙度与测井校正泥质含量；

步骤F，基于所述砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系以及所述测井校正速度、测井校正孔隙度与测井校正泥质含量，建立测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型；

步骤G，以测井校正速度计算获得的测井纵、横波阻抗数据作为约束，采用地震叠前反演，获得地震纵波阻抗数据体、横波阻抗数据体以及密度数据体；

步骤H，根据所述地震纵波阻抗数据体、横波阻抗数据体、密度数据体以及测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型，进行地震孔隙度与泥质含量数据反演，获得地震预测的孔隙度数据体和泥质含量数据体。

2.如权利要求1所述的砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，步骤A中，所述岩心样品的测试数据至少包括：所述岩心样品的孔隙度和泥质含量。

3.如权利要求2所述的砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，步骤B，根据岩石物理理论，基于所述岩心样品的测试数据计算获得所述砂泥岩储层的基质弹性参数，包括：

采用广义Hashin-Shtrikman理论模型，获得所述砂泥岩储层的基质弹性参数，利用的计算公式如下：

$K_m={\[\frac{{\mathrm{\φ}}_1}{2}+\frac{(1-V_{sh1})(1-{\mathrm{\φ}}_1)}{K_{sand}}+\frac{V_{sh1}(1-{\mathrm{\φ}}_1)}{K_{clay}}\]}^{-1};$

${\mathrm{\μ}}_m={\[\frac{{\mathrm{\φ}}_1}{A}+\frac{(1-V_{sh1})(1-{\mathrm{\φ}}_1)}{{\mathrm{\μ}}_{sand}+A}+\frac{V_{sh1}(1-{\mathrm{\φ}}_1)}{{\mathrm{\μ}}_{Clay}+A}\]}^{-1};$

其中，K_m、μ_m分别是砂泥岩储层基质的体积模量和剪切模量；

K_sand、K_Clay分别是砂岩颗粒和泥岩颗粒体积模量；

μ_sand、μ_Clay分别是砂岩颗粒和泥岩颗粒剪切模量；

φ₁和V_sh1分别是所述岩心样品的孔隙度和泥质含量；

A为系数。

4.如权利要求3所述的砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，步骤C，根据所述砂泥岩基质弹性参数及所述岩心样品的测试数据，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系，包括：

步骤C1，获得砂泥岩干燥状态下体积模量和剪切模量，利用的计算公式如下：

$K_{dry}=K_m(1-{\mathrm{\φ}}_1)C/(1-{\mathrm{\φ}}_1);$

${\mathrm{\μ}}_{dry}=\exp (-{\left(1-V_{sh1}\right)}^a)K_m(1-{\mathrm{\φ}}_1)C/(1-{\mathrm{\φ}}_1);$

其中，K_dry和μ_dry分别是砂泥岩干燥状态下体积模量和剪切模量；

C为系数，计算公式如下：C＝m+nV_sh1，其中m和n是实际储层的经验系数；

步骤C2，使用Gassmann公式计算饱和流体的砂泥岩储层的体积模量和剪切模量，计算公式为：

$\frac{K_{sat}}{K_m-K_{sat}}=\frac{K_{dry}}{K_m-K_{dry}}+\frac{K_f}{{\mathrm{\φ}}_1(K_m-K_f)};$

μ_sat＝μ_dry；

其中，K_sat和μ_sat分别是含流体砂泥岩储层体积模量和剪切模量，K_f为流体的体积模量；

步骤C3，根据含流体砂泥岩储层体积模量和剪切模量，计算得到饱和流体的砂泥岩储层的纵、横波速度，计算公式为：

$V_{P\_sat}={\left(\frac{K_{sat}+4{\mathrm{\μ}}_{sat}/3}{{\mathrm{\ρ}}_b}\right)}^{1/2};$

$V_{S\_sat}={\left(\frac{{\mathrm{\μ}}_{sat}}{{\mathrm{\ρ}}_b}\right)}^{1/2};$

其中，V_{P_sat}和V_{S_sat}分别是饱和流体的砂泥岩储层的纵、横波速度；

ρ_b为砂泥岩储层的体积密度；

步骤C4，根据所述饱和流体的砂泥岩储层的纵、横波速度及所述岩心样品的孔隙度、泥质含量，建立砂泥岩储层纵、横波速度-孔隙度-泥质含量交会图，获得砂泥岩储层纵、横波速度-孔隙度-泥质含量理论关系。

5.如权利要求4所述的砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，步骤D，根据采集到的实际测井数据，计算测井孔隙度与测井泥质含量，包括：

计算测井孔隙度的公式如下：

${\mathrm{\φ}}_2=\frac{({\mathrm{\ρ}}_b-{\mathrm{\ρ}}_{sand})N_{clay}-N_b({\mathrm{\ρ}}_{clay}-{\mathrm{\ρ}}_{sand})}{({\mathrm{\ρ}}_f-{\mathrm{\ρ}}_{sand})N_{clay}-({\mathrm{\ρ}}_{clay}-{\mathrm{\ρ}}_{sand})};$

其中，φ₂是测井孔隙度；

ρ_b、ρ_sand、ρ_clay、ρ_f分别是砂泥岩储层的体积密度、砂岩颗粒密度、泥岩密度和流体密度；

N_b、N_sand、N_clay、N_f分别是砂泥岩储层、砂岩、泥岩及孔隙流体的补偿中子响应；

计算测井泥质含量的公式如下：

$ID=\frac{{\mathrm{\ρ}}_{b}GR-(1-{\mathrm{\φ}}_2){\mathrm{\ρ}}_{sand}{\mathrm{GR}}_S}{{\mathrm{\ρ}}_{clay}{\mathrm{GR}}_{SH}-{\mathrm{\ρ}}_{sand}{\mathrm{GR}}_S};$

$V_{sh2}=\frac{ID}{3-2ID};$

其中，ID为泥质含量指数；

ρ_b、ρ_sand、ρ_clay分别是砂泥岩储层的密度测井读数，纯砂岩密度和纯泥岩密度；

GR、GR_S、GR_SH分别是砂泥岩储层的伽马测井读数，纯砂岩伽马值和纯泥岩伽马值；

V_sh2为测井泥质含量。

6.如权利要求5所述的砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，步骤E包括：

将所述测井速度、测井孔隙度与测井泥质含量投影到所述砂泥岩储层纵、横波速度-孔隙度-泥质含量交会图中，判断所述测井速度、测井孔隙度与测井泥质含量是否符合所述砂泥岩储层的纵、横波速度-孔隙度-泥质含量理论关系；

将不符合理论关系值的所述测井速度、测井孔隙度与测井泥质含量校正到正确位置，获得测井校正速度、测井校正孔隙度与测井校正泥质含量。

7.如权利要求6所述的砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，步骤F中，建立的所述测井纵、横波阻抗-孔隙度-泥质含量的定量预测模型存在如下关系：

I_P＝a₀+a₁φ₂+a₂V_sh2；

I_S＝b₀+b₁φ₂+b₂V_sh2；

其中，I_P和I_S分别是测井纵波阻抗、测井横波阻抗；

a₀、a₁、a₂、b₀、b₁、b₂是实际地层的经验系数；

φ₂为测井孔隙度，V_sh2为测井泥质含量。

8.如权利要求7所述的砂泥岩储层的孔隙度与泥质含量的地震预测方法，其特征在于，步骤H还包括：

根据所述地震纵波阻抗数据体、横波阻抗数据体、密度数据体以及所述砂泥岩储层的纵、横波阻抗-孔隙度-泥质含量的定量预测模型，采用最小平方反演计算方法进行地震孔隙度与泥质含量数据反演，获得地震预测的孔隙度数据体和泥质含量数据体，计算方法如下：

建立关系式Y＝AX；其中，

$A=\left[\begin{array}{ccc}{a}_0& a_1& a_2\\ b_0& b_1& b_2\end{array}\right];$

$X=\left[\begin{array}{c}1\\ {\mathrm{\φ}}^{\′}\\ {V^{\′}}_{sh}\end{array}\right];$

$Y=\left[\begin{array}{c}{I}_P^s\\ I_S^s\end{array}\right];$

求解X＝(A^TA)^-1A^TY；

其中，分别是地震纵波阻抗、地震横波阻抗；

a₀、a₁、a₂、b₀、b₁、b₂是实际地层的经验系数；

φ'为孔隙度数据体，V'_sh为泥质含量数据体。