CN105259576A - 一种利用地震统计特征的油气藏识别方法 - Google Patents

Abstract

本发明涉及一种利用地震统计特征的油气藏识别方法，属于地震勘探开发技术领域。本发明首先根据现有地震、测井数据资料确定影响油气藏识别的因素，并利用实验手段确定各个因素影响油气藏识别的概率；然后根据各个因素影响油气藏识别的概率计算各个因素的相对权重；最后根据各个因素影响油气藏识别的概率和相对权重将各个因素进行综合计算以得到油气藏识别成功概率，利用该概率即可实现对油气藏的识别。本发明利用地震统计特征来识别油气藏，能够提高识别油气藏的可靠性，大大降低了井位部署的风险，提高了有油田勘探、开发的经济效益。

Description

一种利用地震统计特征的油气藏识别方法

技术领域

本发明涉及一种利用地震统计特征的油气藏识别方法，属于地震勘探开发技术领域。

背景技术

在地层沉积过程中，由于砂岩储集层岩性改变而形成圈闭，如果上覆泥岩盖层条件良好，当有油气运移至此时，便可以形成砂岩岩性油气藏。由于不同砂岩储层及其上覆、下覆泥岩地层的速度、密度差异，造成了含油气砂岩储层的地震属性、地震响应特征不尽相同，应用单一的预测手段不能很好的解决此类油气藏识别问题。

专利《三叠系碎屑岩油气藏识别方法》(申请号：201010534853.5)公开了一种利用地震振幅识别油气藏的量化标准和地震振幅异常分级标准为依据对测试对象进行油气预测的方法。专利《一种油气藏识别方法》(申请号：200910236130.4)提出利用慢横波对流体粘滞性的敏感特性，进行气、水性质判别，从而提高油气预测精度。专利《一种致密油气藏砂岩的识别方法》(申请号：201410202832.1)提出结合致密藏砂岩的特点，采用孔隙率测定、渗透率测定、压力测试、含水饱和度测试、砂岩组分测定多种手段结合，实现准确定位致密藏砂岩位置的目的。专利《一种被动地震波场预测油气藏的方法及装置》(申请号：201210443023.0)提出利用被动地震波场异常信息确定油气藏位置。专利《基于生烃期古构造的油藏有利区的识别方法》(申请号：201310064704.0)提出抓住大量生烃期古凸起(斜坡)构造或古油气运聚动力的主线，对油藏有利区进行识别。

现有方法有些是通过分析古构造与生烃期的匹配关系来识别油藏有利区，有些是单一应用地震振幅技术手段来识别油藏，针对这种砂岩储层的地震属性、地震响应特征变化多样的情况，没有形成一套行之有效的技术方法。

发明内容

本发明的目的是提供一种利用地震统计特征的油气藏识别方法，以提高对油气藏识别的可靠性。

本发明的技术方案：一种利用地震统计特征的油气藏识别方法，该识别方法包括以下步骤：

1)根据现有地震、测井数据资料确定影响油气藏识别的因素，并利用实验手段确定各个因素影响油气藏识别的概率；

2)根据各个因素影响油气藏识别的概率确定各个因素重要性的排序，利用各个因素的排序计算各个因素的相对权重；

3)根据各个因素影响油气藏识别的概率和相对权重将各个因素进行综合计算以得到油气藏识别成功概率，利用该概率即可实现对油气藏的识别。

所述的油气藏识别成功率公式为：

$P=\underset{i=1}{\overset{N}{\Σ}}{a}_i*R_i$

其中N为因素个数；P为油藏识别的成功率；ai为因素Ri的系数，可通过各个因素影响油气藏识别的概率和相对权重计算得到；当因素Ri符合条件时，Ri＝1；当因素Ri符合条件时，Ri＝0。

所述步骤1)中影响油气藏识别的因素至少包括4种，分别为地震振幅特征、地震频率特征、圈闭外形特征和地震剖面特征。

所述步骤1)中各个因素影响油气藏识别的概率的统计过程如下：

A.分层系分井区对已钻井的油层、水层地震振幅绝对值进行统计，建立各小层油层、水层振幅绝对值识别标准，统计符合油层振幅标准下强振幅圈闭的含油气概率；

B.分层系分井区对已钻井的油层、水层频率值进行统计分析，确定油层、水层的地震频率特征，统计出符合油层地震频率特征的含油气概率；

C.研究区典型的亮点油气藏具有的外形特征，分层系分井区对各目的层系的油藏外形进行统计，统计出符合标准外形的含油气概率；

D.分层系分井区对已钻井的油层、水层地震剖面特征进行分析，根据已钻井的地层厚度、地层密度建立波阻抗模型，进行正演模拟，验证研究区典型油气藏的地震响应特征。

所述步骤2)中各个因素的相对权重采用优序图的方式获取。

所述油气藏识别成功率公式中各个因素的系数a_i的计算公式如下：

$a_i=\frac{b_i*c_i}{\underset{i=1}{\overset{N}{\Σ}}{b}_i*c_i}$

其中b_i为第i个因素影响油气藏识别的概率，c_i为第i个因素的像对权重，N为因素的个数。

本发明的有益效果是:本发明首先根据现有地震、测井数据资料确定影响油气藏识别的因素，并利用实验手段确定各个因素影响油气藏识别的概率；然后根据各个因素影响油气藏识别的概率计算各个因素的相对权重；最后根据各个因素影响油气藏识别的概率和相对权重将各个因素进行综合计算以得到油气藏识别成功概率，利用该概率即可实现对油气藏的识别。本发明利用地震统计特征来识别油气藏，能够提高识别油气藏的可靠性，大大降低了井位部署的风险，提高了有油田勘探、开发的经济效益。

附图说明

图1是本发明实施例中地震振幅绝对值统计示意图；

图2是本发明实施例中瞬时频率连井剖面示意图；

图3是本发明实施例中瞬时频率沿层切片图；

图4是本发明实施例中振幅分布平面图；

图5是本发明实施例中正演模拟分析示意图；

图6是本发明实施例中地震特征分析示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明首先根据现有地震、测井数据资料确定影响油气藏识别的因素，并利用实验手段确定各个因素影响油气藏识别的概率；然后根据各个因素影响油气藏识别的概率计算各个因素的相对权重；最后根据各个因素影响油气藏识别的概率和相对权重将各个因素进行综合计算以得到油气藏识别成功概率，利用该概率即可实现对油气藏的识别。

实施例

下面以某地区的三维地震资料为例进行说明，该地区的三围地震资料的面积为1000km²，在对该地区应用本发明提出的方法之前，已钻有多口探井，在砂泥岩互层条件下的砂岩储层中发现油藏。

该工区由于不同砂岩储层及其上覆、下覆泥岩地层速度、密度的差异，造成了含油气砂岩储层的地震属性、地震响应特征不尽相同，因此应用单一的预测手段不能很好的解决油气藏识别问题，以往的油藏识别方法无法对各种情况下的砂泥岩互层结构下的岩性油气藏进行有效识别。该方法的具体过程如下：

1.根据现有地震、测井数据资料确定影响油气藏识别的因素，并利用实验手段确定各个因素对油气藏识别影响程度。

本实施例中确定影响油气藏识别的因素包括四种，分别为地震振幅特征、地震频率特征、圈闭外形特征和地震剖面特征，下面对各个因素进行统计分析。

1)地震振幅统计：分层系分井区对已钻井的油层、水层地震振幅绝对值进行统计，建立各小层油层、水层振幅绝对值识别标准，统计符合油层振幅标准下强振幅圈闭的含油气概率。

本实施例中分层段分井区对已钻井的油层、水层振幅绝对值进行统计如图1所示，统计出研究区沙湾组一砂组、二砂组、五砂组、七砂组四个目的层的重点井区已钻井油层、水层地震振幅的平均值与最大值，依据统计值建立各目的层油层、水层地震振幅绝对值识别标准(如表1)所示，通过各目的层地震振幅的识别标准，统计出符合各油层振幅标准下的强振幅圈闭27个，其中有24个圈闭钻遇油藏，3个圈闭未钻遇油藏，计算出符合各油层振幅标准下的强振幅圈闭含油气概率为88.9％，这也说明研究区应用地震振幅分析可以较好的识别油气藏。

表1

2)地震频率统计：分层系分井区对已钻井的油层、水层频率值进行统计分析，确定油层、水层的地震频率特征。

本实施例中从同一井区同一层系油水层的瞬时频率连井剖面如图2所示，瞬时频率沿层切片如图3所示，可以看出，油层、水层的频率值都为中低频的特征，没有呈现出明显的差异。利用沿层瞬时频率切片，对沙湾组油层、水层的瞬时频率进行统计，沙湾组水层的瞬时频率值范围为62HZ-80HZ，沙湾组油层的瞬时频率值范围为60HZ-85HZ，这说明油层与水层的频率值范围完全叠合在一起，利用频率属性无法准确识别储层含油气性，但可以在一定程度上识别储层。

3)圈闭外形特征统计：研究区典型的亮点油气藏具有的外形特征，分层系分井区对各目的层系的油藏外形进行统计，统计出符合“顶凸底平”标准外形的含油气概率。

本实施例中研究区典型的亮点油藏具有“顶凸底平”的外形特征，如图4所示，“顶凸”是砂体上倾尖灭的形态反映，“底平”是油水界面的反映，分层段分井区对油藏外形特征进行统计，统计沙湾组一砂组、二砂组、五砂组、七砂组各重点井区已钻井的圈闭符合“顶凸底平”外形特征，岩性圈闭31个，其中20个圈闭钻遇油藏，11个圈闭未钻遇油藏，计算出统计符合标准外形“顶凸底平”的圈闭含油气概率为64.5％。

4)地震剖面特征分析：分层系分井区对已钻井的油层、水层地震剖面特征进行分析，根据已钻井的地层厚度、地层密度建立波阻抗模型，进行正演模拟，验证研究区典型油气藏的地震响应特征。

本实施例中研究区沙湾组典型油藏大多表现为“两峰夹一谷强反射”的地震剖面特征，为两个较强的波峰中间夹着一个很强的波谷。根据钻遇油藏的已知井储层厚度，建立泥岩包砂岩的单砂层波阻抗模型，应用提取地震子波进行正演模拟，结果砂岩顶界强波谷反射的上方有一能量较强的波峰旁瓣，形成“两峰夹一谷强反射”的地震反射特征(图5)，这与实际地震剖面完全吻合，证明良好的储层在地震剖面上呈现两个波峰夹一个波谷的强反射特征，因此，利用剖面上强反射波组特征能够准确识别优质储层，但是在判别油水上具有多解性；

根据上述四个识别因素的统计分析，可明确四个油气识别因素的重要性排序，如表2所示，即这四个油气识别因素的优先级为：地震振幅>圈闭外形特征>地震剖面特征>地层频率。

表2

2.根据确定的四个油气识别因素的影响程度计算各个油气识别因素的相对权重。

本实施例中采用优序图的方式计算各个因素的权重，通过对四个因素中两两进行比较，确定各个因素的权重，如表3所示。

表3

3.根据各个因素影响油气藏识别的概率和相对权重将各个因素进行综合计算以得到油气藏识别成功概率，利用该概率即可实现对油气藏的识别,油气藏识别成功率公式为：

$P=\underset{i=1}{\overset{N}{\Σ}}{a}_i*R_i$

其中N为因素个数；P为油藏识别的成功率；ai为因素Ri的系数，可通过各个因素影响油气藏识别的概率和相对权重计算得到；当因素Ri符合条件时，Ri＝1；当因素Ri符合条件时，Ri＝0。

$a_i=\frac{b_i*c_i}{\underset{i=1}{\overset{N}{\Σ}}{b}_i*c_i}$

其中b_i为第i个因素影响油气藏识别的概率，c_i为第i个因素的像对权重，N为因素的个数。

本实施例中的得到的油藏识别成功率的公式为：

P＝0.534*R_a+0.044*R_f+0.282*R_c+0.131*R_s。

其中R_a表示地震振幅因素，R_f表示地震频率因素，R_c表示外形因素，R_s表示剖面特征，各系数的计算结果见表4。

表4

本实施例中分析C63井区的均方根振幅属性、瞬时频率属性、C63井地震反射剖面特征(图6)，地震振幅、地震频率、圈闭外形特征、地震剖面反射特征都满足条件，该井区目标层油气藏识别成功率为：

P＝0.534*1+0.044*1+0.282*1+0.131*1＝1

说明该圈闭钻遇油气的概率为100％，因此在该圈闭位置成功部署C63井、C63-1井，两口井在砂泥岩互层条件下的岩性圈闭成功钻遇油层，C63井单井最高日产油46.9吨，验证了本发明利用地震统计特征总结的油气藏识别公式的可行性。

通过以上的步骤，在本发明预测的油藏区域新部署了多口探井，均钻遇油藏，这种识别砂泥岩互层条件下的岩性油气藏的方法在该区取得了良好的应用效果，说明了本发明提出的利用地震统计特征识别油气藏的可靠性，应用此油气藏识别方法大大降低了井位部署的风险，提高了油田勘探、开发的经济效益。

Claims (6)

1.一种利用地震统计特征的油气藏识别方法，其特征在于，该识别方法包括以下步骤：

1)根据现有地震、测井数据资料确定影响油气藏识别的因素，并利用实验手段确定各个因素影响油气藏识别的概率；

2)根据各个因素影响油气藏识别的概率确定各个因素重要性的排序，利用各个因素的排序计算各个因素的相对权重；

3)根据各个因素影响油气藏识别的概率和相对权重将各个因素进行综合计算以得到油气藏识别成功概率，利用该概率即可实现对油气藏的识别。

2.根据权利要求1所述的利用地震统计特征的油气藏识别方法，其特征在于，所述的油气藏识别成功率公式为：

$P=\underset{i=1}{\overset{N}{\Σ}}{a}_i*R_i$

其中N为因素个数；P为油藏识别的成功率；ai为因素Ri的系数，可通过各个因素影响油气藏识别的概率和相对权重计算得到；当因素Ri符合条件时，Ri＝1；当因素Ri符合条件时，Ri＝0。

3.根据权利要求2所述的利用地震统计特征的油气藏识别方法，其特征在于，所述步骤1)中影响油气藏识别的因素至少包括4种，分别为地震振幅特征、地震频率特征、圈闭外形特征和地震剖面特征。

4.根据权利要求3所述的利用地震统计特征的油气藏识别方法，其特征在于，所述步骤1)中各个因素影响油气藏识别的概率的统计过程如下：

A.分层系分井区对已钻井的油层、水层地震振幅绝对值进行统计，建立各小层油层、水层振幅绝对值识别标准，统计符合油层振幅标准下强振幅圈闭的含油气概率；

B.分层系分井区对已钻井的油层、水层频率值进行统计分析，确定油层、水层的地震频率特征，统计出符合油层地震频率特征的含油气概率；

C.研究区典型的亮点油气藏具有的外形特征，分层系分井区对各目的层系的油藏外形进行统计，统计出符合标准外形的含油气概率；

D.分层系分井区对已钻井的油层、水层地震剖面特征进行分析，根据已钻井的地层厚度、地层密度建立波阻抗模型，进行正演模拟，验证研究区典型油气藏的地震响应特征。

5.根据权利要求4所述的利用地震统计特征的油气藏识别方法，其特征在于，所述步骤2)中各个因素的相对权重采用优序图的方式获取。

6.根据权利要求4所述的利用地震统计特征的油气藏识别方法，其特征在于，所述油气藏识别成功率公式中各个因素的系数a_i的计算公式如下：

$a_i=\frac{b_i*c_i}{\underset{i=1}{\overset{N}{\Σ}}{b}_i*c_i}$

其中b_i为第i个因素影响油气藏识别的概率，c_i为第i个因素的像对权重，N为因素的个数。