CN113219531A - 致密砂岩气水分布的识别方法及装置 - Google Patents

Abstract

本发明公开了一种致密砂岩气水分布的识别方法及装置，该方法包括：构建待识别致密砂岩储层的岩石物理模型，其中，待识别致密砂岩储层中包含待识别的一个或多个目的层；对岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型；对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，其中，AVO正演模型用于确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。本发明能够提高对致密砂岩气水分布识别的准确性。

Description

致密砂岩气水分布的识别方法及装置

技术领域

本发明涉及气藏开发领域，尤其涉及一种致密砂岩气水分布的识别方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

测井综合解释主要利用声波时差、电阻率等测井数据建立解释模板，识别气水层，这种方式不能从平面、立体空间精细描述储层气水分布情况。三维地震技术具有较高的横向分辨率，又可兼顾其纵向分辨率，是识别储层、优选甜点区最有效的方法。在采用地震技术识别储层气水分布的时候，现有技术通常依托于微幅度构造的精细刻画，即认为气层一般分布在构造高部位，水层分布在构造低部位。

由于致密气藏中，泥岩或者物性较差的砂岩侧向封堵时，气层也可能分布在构造低部位或斜坡上，水层也可能分布在构造高部位，气水关系异常复杂。经调研，在微幅度构造思想指导下的开发效果并不理想，严重制约了致密砂岩地区的勘探开发部署。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种致密砂岩气水分布的识别方法，用以解决现有技术采用微幅度构造分析方法对致密砂岩储层的气水分布进行识别，识别准确性较差的技术问题，该方法包括：构建待识别致密砂岩储层的岩石物理模型，其中，待识别致密砂岩储层中包含待识别的一个或多个目的层；对岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型；对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，其中，AVO正演模型用于确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

本发明实施例还提供一种致密砂岩气水分布的识别装置，用以解决现有技术采用微幅度构造分析方法对致密砂岩储层的气水分布进行识别，识别准确性较差的技术问题，该装置包括：岩石物理分析模块，用于构建待识别致密砂岩储层的岩石物理模型，其中，待识别致密砂岩储层中包含待识别的一个或多个目的层；流体替换分析模块，用于对岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型；AVO正演模块，用于对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，其中，AVO正演模型用于确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；储层识别模块，用于根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

本发明实施例还提供一种计算机设备，用以解决现有技术采用微幅度构造分析方法对致密砂岩储层的气水分布进行识别，识别准确性较差的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述致密砂岩气水分布的识别方法。

本发明实施例还提供一种计算机可读存储介质，用以解决现有技术采用微幅度构造分析方法对致密砂岩储层的气水分布进行识别，识别准确性较差的技术问题，该计算机可读存储介质存储有上述致密砂岩气水分布的识别方法的计算机程序。

本发明实施例中，在识别致密砂岩储层中水层或气层进行识别的时候，首先构建待识别致密砂岩储层的岩石物理模型，进而对构建的岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型，通过对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，以便根据AVO正演模型确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；最后根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

通过本发明实施例，利用致密砂岩储层中水层和气层反射地震波的波形变化特征和AVO正演模型的参数变化特征之间的差异性，对致密砂岩储层中的水层和气层进行识别，能够提高对致密砂岩储层气水分布识别的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中提供的一种致密砂岩气水分布的识别方法流程图；

图2为本发明实施例中提供的一种识别致密砂岩气水分布的实现方法流程图；

图3为本发明实施例中提供的一种不同含水饱和度的AVO正演模型示意图；

图4为本发明实施例中提供的一种AVO正演模型的“截距×梯度”属性分布示意图；

图5为本发明实施例中提供的一种叠前波形聚类分析示意图；

图6为本发明实施例中提供的一种AVO振幅级联属性示意图；

图7为本发明实施例中提供的一种致密砂岩气水分布的识别装置示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。

由于致密砂岩储层中气水关系异常复杂，如果采用微幅度构造分析方法对致密砂岩储层中水层或气层进行刻画，认为气层分布在构造高部位，水层分布在构造低部位，识别致密砂岩储层的气水分布，准确性会很较低。

本发明实施例通过对致密砂岩储层进行岩石物理分析，地震尺度下气层、含气层、水层的岩石物理参数(纵波速度、横波速度、泊松比等)叠置严重，气水基本无法区分。通过流体替换、AVO模型正演，发现致密砂岩储层中水层为第Ⅱ类AVO类型，反射地震波的振幅随偏移距的增大，呈现“弱波谷-波峰-强波峰”变化特点，截距为负值，梯度为正值，且随着含水饱和度的增加，截距变小，梯度基本保持不变；而致密砂岩储层中气层为第Ⅲ类AVO类型，反射地震波的振幅随偏移距的增大，呈现“弱波峰-中强波峰-强波峰”的波形变化特征，截距为正值，梯度为正值。可见，致密砂岩储层中气层、水层的AVO类型差异明显。

由此，本发明实施例中提供了一种致密砂岩气水分布的识别方法，利用致密砂岩储层的叠前资料对其内部气水分布进行识别，通过叠前波形聚类分析技术、AVO截距与梯度分析技术、振幅级联属性分析技术，对致密砂岩储层中待识别的目的层的气水分布进行刻画，能够准确识别致密砂岩储层的气水分布情况。

下面，对本发明实施例提出的叠前波形聚类分析技术、AVO截距与梯度分析技术、振幅级联属性分析技术的具体实现方法说明如下：

(一)叠前波形聚类分析技术。

波形聚类分析技术是利用输入地震数据的波形特征，采用基于神经网络模型的人工智能方法，求取模型道，划分地震波形横向变化，划分地震相，进而识别沉积相。

常规的波形聚类分析技术，是采用全叠加地震数据进行，这种方式忽略了反射波形特征随入射角的变换。本发明实施例提供的叠前波形聚类分析技术，利用叠前地震资料，抽取近、中、远偏移距地震道，生成超道集，利用叠前超道集的目的层波形变化特征进行聚类分析，寻找近、中、远偏移距道集波形聚类差异，以指示该区的气水分布。

(二)“截距×梯度”分析技术。

截距、梯度是AVO模型的两个关键参数。由于致密砂岩储层中的含气储层为第Ⅲ类AVO类型，截距为正值，梯度为正值；致密砂岩储层中的含水储层为第Ⅱ类AVO类型，截距为负值，梯度为正值，且随着含水饱和度的增加，截距变小，梯度基本保持不变。

本发明实施例采用致密砂岩储层AVO正演模型的截距和梯度之积来反映这种差异，气层对应的AVO正演模型的截距和梯度之积为正值，水层对应的AVO正演模型的截距和梯度之积为负值。

(三)振幅级联能量积属性。

通过AVO模型正演以及实钻井井旁CRP道集证实，对于致密砂岩储层来说，当储层含水后，储层AVO正演模型表现为第Ⅱ类特征，即地震反射系数随偏移距的增大表现为“负-正-正”变化特点，AVO振幅随偏移距的增大表现为“波谷-弱波峰-强波峰”变化特点；而当储层含气后，储层AVO正演模型表现为第Ⅲ类特征，即地震反射系数值由小变大，且均为正值，AVO振幅表现为随偏移距的增大振幅逐渐增强。因此，本发明实施例可以利用叠前道集储层段振幅的“波谷-波峰”或“弱-强”变化，识别储层是否含水。

本发明实施例提供的振幅级联属性分析技术是利用近道振幅属性与远道振幅属性相乘的乘积来确定储层为气层或水层。即：

AVO振幅级联属性＝N×F；

其中，N表示近道反射层瞬时振幅；F表示远道反射层瞬时振幅。

如果致密砂岩储层中待识别目的层反射地震波振幅对应的近道为负值、远道为正值，两两相乘为负异常，表明为待识别目的层为水层；如果致密砂岩储层中待识别目的层反射地震波振幅对应的近道为弱正值、远道为高正值，两两相乘为正异常，表明为待识别目的层为气层。由于振幅级联属性能够放大近、远道振幅之间的差异，对含水饱和度预测更加敏感，使得预测结果与实钻结果更加吻合。

图1为本发明实施例中提供的一种致密砂岩气水分布的识别方法流程图，如图1所示，该方法包括如下步骤：

S101，构建待识别致密砂岩储层的岩石物理模型，其中，待识别致密砂岩储层中包含待识别的一个或多个目的层。

需要说明的是，本发明实施例中待识别致密砂岩储层是指具有低孔低渗、富水致密砂岩气藏的储层。为了识别致密砂岩储层中各个目的层是气层还是水层，可以根据预先对致密砂岩储层进行岩石物理分析得到的各种岩石物理参数，构建待识别密砂岩储层的岩石物理模型。

S102，对岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型。

需要说明的是，流体替换是指从一种孔隙流体状态下的岩石物理参数计算得到另一种流体状态下的岩石物理参数。本发明实施例通过对致密砂岩储层的岩石物理模型进行流体分析，可以得到不同含水饱和度的岩石物理模型。

可选地，本发明实施例中构建的岩石物理模型可以是Xu-White岩石物理模型。

S103，对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，其中，AVO正演模型用于确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征。

具体地，在上述S103中，可以根据测井解释评价的体积模型与孔隙度以及流体作为输入，通过岩石物理建模模型正演地层速度、密度模型。在此基础上，对储层中待识别目的层进行流体替换分析，分析结果表明：随着待识别目的层含水饱和度的增加，密度、纵波速度、泊松比逐渐变小，横波速度几乎不变，其中，密度变化最敏感，纵波速度、泊松比其次。

在流体替换的基础上，对不同含水饱和度的目的层进行AVO模型正演，得到待识别目的层对应不同含水饱和度的AVO正演模型。分析可知，当目的层为含水储层的情况下，目的层的AVO正演模型属于第Ⅱ类特征，随偏移距的增大，AVO振幅呈现为“波谷-弱波峰-强波峰”的变化特征；当目的层为含气储层的情况下，目的层的AVO正演模型属于第Ⅲ类特征，随偏移距的增大，AVO振幅呈现逐渐增强的变化特征。

通过分析AVO正演模型的截距和梯度两个参数发现，当目的层为含水储层的情况下，截距为负值，梯度为正值，且随着含水饱和度的增加，截距变小，梯度基本保持不变；当目的层为含气储层的情况下，截距为正值，梯度为正值。

因而，一种可选的实施方式中，在对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型之后，本发明实施例提供的致密砂岩气水分布的识别方法还可以包括如下步骤：获取待识别目的层AVO正演模型的截距和梯度；如果待识别目的层AVO正演模型的截距与梯度的乘积为负值，则确定待识别目的层为含水储层；如果待识别目的层AVO正演模型的截距与梯度的乘积为正值，则确定待识别目的层为含气储层。

另一种可选的实施例中，在对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型之后，本发明实施例提供的致密砂岩气水分布的识别方法还可以包括如下步骤：获取待识别目的层在不同含水饱和度下AVO正演模型的截距和梯度；如果待识别目的层AVO正演模型的截距随含水饱和度的增加而变小，而梯度随含水饱和度的增加保持不变，则确定待识别目的层为含水储层。

S104，根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

需要说明的是，对于致密砂岩储层来说，由于含水储层的AVO正演模型属于第Ⅱ类特征，地震反射系数随偏移距的增大表现为“负-正-正”变化特点，AVO振幅随偏移距的增大表现为“波谷-弱波峰-强波峰”变化特点；含气储层的AVO正演模型属于第Ⅲ类特征，地震反射系数随偏移距的增大由小变大，且均为正值，AVO振幅表现为随偏移距的增大表现为逐渐增强的变化特点。因而，本发明实施例利用叠前地震数据，根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，能够确定待识别目的层为含水储层或含气储层。

作为一种可选的实施方式，上述S104可以通过如下步骤来实现：获取待识别目的层反射地震波对应第一偏移距范围的第一振幅，以及对应第二偏移距范围的第二振幅，其中，第一偏移距范围对应的偏移距小于第一预设阈值，第二偏移距范围对应的偏移距大于第二预设阈值；如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为负值，则确定待识别目的层为含水储层；如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为正值，则确定待识别目的层为含气储层。

在一种可选的实施例中，本发明实施例提供的致密砂岩气水分布的识别方法还可以包括如下步骤：采集待识别致密砂岩储层的叠前地震数据；根据待识别致密砂岩储层中待识别目的层反射地震波的波形变化特征，对叠前地震数据进行聚类分析，得到待识别目的层对应不同偏移距范围的反射地震波数据。

在根据待识别致密砂岩储层中待识别目的层反射地震波的波形变化特征，对叠前地震数据进行聚类分析，得到待识别目的层对应不同偏移距范围的反射地震波数据之后，作为一种可选的实施方式，上述S104还可以通过如下步骤来实现：如果待识别目的层对应第一偏移距范围的反射地震波符合第一波形变化特征，则确定致密砂岩储层为含水储层，其中，第一波形变化特征为反射地震波随偏移距增大呈现为波谷、弱波峰、强波峰的波形特征；如果待识别目的层对应第二偏移距范围的反射地震波符合第二波形变化特征，则确定致密砂岩储层为含气储层，其中，第二波形变化特征为反射地震波随偏移距增大呈现为逐渐增大的波形特征。

下面，以鄂尔多斯盆地苏里格气田西区低孔低渗、富水致密砂岩气藏的气水识别为例，来对本发明实施例提供的致密砂岩气水分布的识别方法进行详细说明。苏里格气田西区已完钻井分析盒8段平均孔隙度7.7％，主要分布在4～10％；平均渗透率0.46×10-3μm2，集中分布在(0.1～0.5)×10-3μm2；平均含气饱和度49％，30.4％完钻井不同程度出水，气水关系非常复杂，是典型的低孔低渗、富水致密气藏。

图2为本发明实施例中提供的一种识别致密砂岩气水分布的实现方法流程图，如图2所示，包括如下步骤：

S201，岩石物理分析。

通过完钻井的测、录井资料，优选伽玛、纵横波速度、密度、泊松比、含水饱和度等物性参数，进行弹性参数交会。

首先在测井尺度下进行分析，选取目的层段的测井曲线做为本次分析的样本点(采样间隔可以为0.125m)，通过不同测井曲线的交会分析(如伽马与纵波阻抗、伽马与横波阻抗、纵波阻抗与横波阻抗、纵波阻抗与纵横波速度比等)，伽马与纵波阻抗交会分析表明砂岩的纵波阻抗略高，但其值域分布叠置严重，因此单纯利用纵波阻抗岩性是无法区分的，流体更无法判识；伽马与横波阻抗、纵波阻抗与横波阻抗、纵波阻抗与纵横波速度比交会分析表明横波阻抗、纵横波速度比可以有效区分砂岩与泥岩；砂体含流体后，纵横波速度比降低，含气纵波速度明显降低，故气层、水层的纵横波速度比、纵波速度值域分布略有差异。然而，地震尺度下，由于地震频带的限制，气层、水层的纵横波速度比、纵波速度叠置严重，无法区分。

地震反演是储层预测的常用技术方法，从地震资料的角度可以笼统地把反演分为叠后反演和叠前反演。叠前反演技术是利用叠前偏移后全叠加数据以及纵波、密度等测井资料，联合反演出纵波速度、密度、纵波阻抗等；而叠前反演技术是利用叠前偏移后的CRP道集数据以及纵波、横波速度、密度等测井资料，联合反演出多种岩石物理参数，如纵波阻抗、横波阻抗、纵横波速度比、泊松比等，来综合判别储层岩性、物性及含油气性的一种教成熟的储层预测技术。通过上述的岩石物理分析，地震尺度下气层水层的纵波速度、纵波阻抗、横波速度、横波阻抗、纵横波速度比均不能区分，因此气水识别问题通过叠后反演、叠前反演均难以解决，需进一步分析。

S202，流体替换分析。

经反复测试，确定适合研究区的岩石骨架参数，建立Xu-White岩石物理模型。根据测井解释评价的体积模型与孔隙度以及流体作为输入，通过岩石物理建模模型正演地层速度、密度。通过测井曲线与正演曲线的对比，其吻合程度较高，则说明设置的岩石物理模型是合理的。在此基础上，对该区典型井目标层段进行流体替换，研究表明随着储层含水饱和度的增加，密度、纵波速度、泊松比逐渐变小，横波速度几乎不变，其中，密度变化最敏感，纵波速度、泊松比其次。

S203，AVO模型正演。

在流体替换的基础上，对不同含水饱和度的目的层进行AVO模型正演，可得出如下结论：①致密砂岩含水为第Ⅱ类AVO类型，即目的层反射振幅随偏移距的增大表现为“波谷-弱波峰-强波峰”变化特点；②波形特征来看，致密砂岩含水近道为“两弱波峰夹一弱谷”三相位响应特征，而含气近道为“波峰”单相位响应特征；③AVO参数来看，致密砂岩含水截距为负值，梯度为正值，且随着含水饱和度的增加，截距变小，梯度基本保持不变。相比气层第Ⅲ类AVO类型，截距为正值，梯度为正值，差异明显。

S204，截距与梯度分析。

截距、梯度是AVO分析的两个关键参数。气层为第Ⅲ类AVO类型，截距为正值，梯度为正值；含水为第Ⅱ类AVO类型，截距为负值，梯度为正值。而且随着含水饱和度的增加，截距变小，梯度基本保持不变。截距与梯度的乘积“截距×梯度”恰好能反映这种差异，其中，气层对应的“截距×梯度”为正值，水层对应的“截距×梯度”为负值。

S205，叠前波形聚类分析。

波形聚类分析技术是利用输入地震数据的波形特征,采用神经网络方法,求取模型道,划分地震波形横向变化，划分地震相，进而识别沉积相。常规的波形聚类分析技术采用全叠加地震数据进行，这种方式忽略了反射波形特征随入射角的变换。本发明实施例创新性地提出利用叠前地震资料，抽取近、中、远偏移距道集，利用叠前道集的目的层波形变化特征进行聚类分析，寻找近、中、远偏移距道集波形聚类差异，以指示该区的气水分布。

S206，振幅级联能量积属性。

通过AVO正演模型以及实钻井井旁CRP道集证实，致密砂岩含水后，储层AVO表现为第Ⅱ类特征，即地震反射系数随偏移距的增大表现为“负-正-正”变化特点，AVO振幅随偏移距的增大表现为“波谷-弱波峰-强波峰”变化特点；而当储层为气层时，则AVO表现为第Ⅲ类特征，即地震反射系数值由小变大，且均为正值，AVO振幅表现为随偏移距的增大振幅逐渐增强。因此，利用叠前道集储层段振幅的“波谷-波峰”“弱-强”变化，能够识别储层是否含水。

由上可知，将本发明实施例提供的致密砂岩气水分布的识别方法，应用于苏里格气田西区苏186三维区的有利区筛选、井位优化部署，通过与完钻井的试气、累计产气量加权分析，本发明实施例提供的气水分布识别方法得到的综合预测符合率由原来的30.4％提高到82.9％，提高了对致密砂岩储层气水分布、“甜点”的预测准确率，应用效果良好；同时，通过本发明实施例的实际应用，提高了苏里格气田西区钻井成功率，产生了巨大的生产效益和经济效益，充分说明了该方法的可行性和实用性。

图3所示为基于岩石物理模型、流体替换后获得的不同含水饱和度下的AVO正演模型。对AVO正演模型进行分析可知，当致密砂岩储层含水时表现为第Ⅱ类AVO特征，即目的层反射振幅随偏移距的增大表现为“波谷-弱波峰-强波峰”变化特点，且近道为“两弱波峰夹一弱谷”三相位响应特征；其AVO截距为负值，梯度为正值，且随着含水饱和度的增加，截距变小，梯度基本保持不变。相比气层的第Ⅲ类AVO类型，差异明显。

图4所示为地震TP8反射层“截距×梯度”属性分布(TP8为研究区目的层二叠系下石盒子组盒8中下部反射)，含气储层的AVO正演模型为第Ⅲ类AVO类型，截距为正值，梯度为正值；含水储层的AVO正演模型为第Ⅱ类AVO类型，截距为负值，梯度为正值，且随着含水饱和度的增加，截距变小，梯度基本保持不变。可见，气层对应的“截距×梯度”为正值，水层对应的“截距×梯度”为负值。

图5所示为地震TP8反射层叠前波形聚类分析图，利用叠前地震资料，抽取近、中、远偏移距道集，利用叠前道集的目的层波形变化特征进行聚类分析，寻找近、中、远偏移距道集波形聚类差异，以指示该区的气水分布。

图6所示为地震Tp8反射层AVO振幅级联属性图。AVO振幅级联属性＝N×F(N为近道反射层瞬时振幅；F为远道反射层瞬时振幅)。如果近道为负值、远道为正值，两两相乘为负异常，表明为储层含水；如果近道为弱正值、远道为高正值，两两相乘为正异常，表明为储层为气层。该级联属性放大了近、远道振幅之间的差异，对含水饱和度预测更加敏感，其预测结果与实钻结果更加吻合。

基于同一发明构思，本发明实施例中还提供了一种致密砂岩气水分布的识别装置，如下面的实施例所述。由于该装置实施例解决问题的原理与方法相似，因此该装置实施例的实施可以参见方法的实施，重复之处不再赘述。

图7为本发明实施例中提供的一种致密砂岩气水分布的识别装置示意图，如图7所示，该装置可以包括：岩石物理分析模块71、流体替换分析模块72、AVO正演模块73和储层识别模块74。

其中，岩石物理分析模块71，用于构建待识别致密砂岩储层的岩石物理模型，其中，待识别致密砂岩储层中包含待识别的一个或多个目的层；流体替换分析模块72，用于对岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型；AVO正演模块73，用于对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，其中，AVO正演模型用于确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；储层识别模块74，用于根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

由上可知，本发明实施例提供的致密砂岩气水分布的识别装置，在识别致密砂岩储层中水层或气层进行识别的时候，通过岩石物理分析模块71构建待识别致密砂岩储层的岩石物理模型，进而通过流体替换分析模块72对构建的岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型，然后通过AVO正演模块73对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，以便根据AVO正演模型确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；最后通过储层识别模块74根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

通过本发明实施例提供的致密砂岩气水分布的识别装置，利用致密砂岩储层中水层和气层反射地震波的波形变化特征和AVO正演模型的参数变化特征之间的差异性，对致密砂岩储层中的水层和气层进行识别，能够提高对致密砂岩储层气水分布识别的准确性。

在一种可选的实施例中，本发明实施例提供的致密砂岩气水分布的识别装置中，储层识别模块74还用于获取待识别目的层反射地震波对应第一偏移距范围的第一振幅，以及对应第二偏移距范围的第二振幅，其中，第一偏移距范围对应的偏移距小于第一预设阈值，第二偏移距范围对应的偏移距大于第二预设阈值；如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为负值，则确定待识别目的层为含水储层；如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为正值，则确定待识别目的层为含气储层。

在一种可选的实施例中，本发明实施例提供的致密砂岩气水分布的识别装置还包括：地震数据采集模块75，用于采集待识别致密砂岩储层的叠前地震数据；聚类分析模块76，用于根据待识别致密砂岩储层中待识别目的层反射地震波的波形变化特征，对叠前地震数据进行聚类分析，得到待识别目的层对应不同偏移距范围的反射地震波数据。

在一种可选的实施例中，本发明实施例提供的致密砂岩气水分布的识别装置中，储层识别模块74还用于如果待识别目的层对应第一偏移距范围的反射地震波符合第一波形变化特征，则确定致密砂岩储层为含水储层，其中，第一波形变化特征为反射地震波随偏移距增大呈现为波谷、弱波峰、强波峰的波形特征；如果待识别目的层对应第二偏移距范围的反射地震波符合第二波形变化特征，则确定致密砂岩储层为含气储层，其中，第二波形变化特征为反射地震波随偏移距增大呈现为逐渐增大的波形特征。

在一种可选的实施例中，本发明实施例提供的致密砂岩气水分布的识别装置中，储层识别模块74还用于获取待识别目的层AVO正演模型的截距和梯度；如果待识别目的层AVO正演模型的截距与梯度的乘积为负值，则确定待识别目的层为含水储层；如果待识别目的层AVO正演模型的截距与梯度的乘积为正值，则确定待识别目的层为含气储层。

在一种可选的实施例中，本发明实施例提供的致密砂岩气水分布的识别装置中，储层识别模块74还用于获取待识别目的层在不同含水饱和度下AVO正演模型的截距和梯度；如果待识别目的层AVO正演模型的截距随含水饱和度的增加而变小，而梯度随含水饱和度的增加保持不变，则确定待识别目的层为含水储层。

基于同一发明构思，本发明实施例还提供一种计算机设备，用以解决现有技术采用微幅度构造分析方法对致密砂岩储层的气水分布进行识别，识别准确性较差的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述致密砂岩气水分布的识别方法。

基于同一发明构思，本发明实施例还提供一种计算机可读存储介质，用以解决现有技术采用微幅度构造分析方法对致密砂岩储层的气水分布进行识别，识别准确性较差的技术问题，该计算机可读存储介质存储有上述致密砂岩气水分布的识别方法的计算机程序。

综上所述，本发明实施例创新性地提出叠前波形聚类分析、振幅级联属性、截距与梯度分析技术，通过叠前波形聚类分析技术、AVO截距与梯度分析技术、振幅级联属性分析技术，对致密砂岩储层中待识别的目的层的气水分布进行刻画，能够准确识别致密砂岩储层的气水分布情况。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

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 (14)

1.一种致密砂岩气水分布的识别方法，其特征在于，包括：

构建待识别致密砂岩储层的岩石物理模型，其中，所述待识别致密砂岩储层中包含待识别的一个或多个目的层；

对所述岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型；

对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，其中，所述AVO正演模型用于确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；

根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

2.如权利要求1所述的方法，其特征在于，根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层，包括：

获取待识别目的层反射地震波对应第一偏移距范围的第一振幅，以及对应第二偏移距范围的第二振幅，其中，第一偏移距范围对应的偏移距小于第一预设阈值，第二偏移距范围对应的偏移距大于第二预设阈值；

如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为负值，则确定待识别目的层为含水储层；

如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为正值，则确定待识别目的层为含气储层。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

采集待识别致密砂岩储层的叠前地震数据；

根据待识别致密砂岩储层中待识别目的层反射地震波的波形变化特征，对叠前地震数据进行聚类分析，得到待识别目的层对应不同偏移距范围的反射地震波数据。

4.如权利要求3所述的方法，其特征在于，在根据待识别致密砂岩储层中待识别目的层反射地震波的波形变化特征，对叠前地震数据进行聚类分析，得到待识别目的层对应不同偏移距范围的反射地震波数据之后，所述方法还包括：

如果待识别目的层对应第一偏移距范围的反射地震波符合第一波形变化特征，则确定所述致密砂岩储层为含水储层，其中，所述第一波形变化特征为反射地震波随偏移距增大呈现为波谷、弱波峰、强波峰的波形特征；

如果待识别目的层对应第二偏移距范围的反射地震波符合第二波形变化特征，则确定所述致密砂岩储层为含气储层，其中，所述第二波形变化特征为反射地震波随偏移距增大呈现为逐渐增大的波形特征。

5.如权利要求1所述的方法，其特征在于，在对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型之后，所述方法还包括：

获取待识别目的层AVO正演模型的截距和梯度；

如果待识别目的层AVO正演模型的截距与梯度的乘积为负值，则确定待识别目的层为含水储层；

如果待识别目的层AVO正演模型的截距与梯度的乘积为正值，则确定待识别目的层为含气储层。

6.如权利要求1所述的方法，其特征在于，在对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型之后，所述方法还包括：

获取待识别目的层在不同含水饱和度下AVO正演模型的截距和梯度；

如果待识别目的层AVO正演模型的截距随含水饱和度的增加而变小，而梯度随含水饱和度的增加保持不变，则确定待识别目的层为含水储层。

7.一种致密砂岩气水分布的识别装置，其特征在于，包括：

岩石物理分析模块，用于构建待识别致密砂岩储层的岩石物理模型，其中，所述待识别致密砂岩储层中包含待识别的一个或多个目的层；

流体替换分析模块，用于对所述岩石物理模型进行流体替换分析，得到不同含水饱和度的岩石物理模型；

AVO正演模块，用于对不同含水饱和度的岩石物理模型进行正演，得到待识别目的层对应不同含水饱和度的AVO正演模型，其中，所述AVO正演模型用于确定待识别目的层反射地震波对应不同偏移距范围的波形变化特征；

储层识别模块，用于根据待识别目的层反射地震波对应不同偏移距范围的波形变化特征，确定待识别目的层为含水储层或含气储层。

8.如权利要求7所述的装置，其特征在于，所述储层识别模块还用于获取待识别目的层反射地震波对应第一偏移距范围的第一振幅，以及对应第二偏移距范围的第二振幅，其中，第一偏移距范围对应的偏移距小于第一预设阈值，第二偏移距范围对应的偏移距大于第二预设阈值；如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为负值，则确定待识别目的层为含水储层；如果待识别目的层反射地震波对应的第一振幅与第二振幅的乘积为正值，则确定待识别目的层为含气储层。

9.如权利要求8所述的装置，其特征在于，所述装置还包括：

地震数据采集模块，用于采集待识别致密砂岩储层的叠前地震数据；

聚类分析模块，用于根据待识别致密砂岩储层中待识别目的层反射地震波的波形变化特征，对叠前地震数据进行聚类分析，得到待识别目的层对应不同偏移距范围的反射地震波数据。

10.如权利要求9所述的装置，其特征在于，所述储层识别模块还用于如果待识别目的层对应第一偏移距范围的反射地震波符合第一波形变化特征，则确定所述致密砂岩储层为含水储层，其中，所述第一波形变化特征为反射地震波随偏移距增大呈现为波谷、弱波峰、强波峰的波形特征；如果待识别目的层对应第二偏移距范围的反射地震波符合第二波形变化特征，则确定所述致密砂岩储层为含气储层，其中，所述第二波形变化特征为反射地震波随偏移距增大呈现为逐渐增大的波形特征。

11.如权利要求7所述的装置，其特征在于，所述储层识别模块还用于获取待识别目的层AVO正演模型的截距和梯度；如果待识别目的层AVO正演模型的截距与梯度的乘积为负值，则确定待识别目的层为含水储层；如果待识别目的层AVO正演模型的截距与梯度的乘积为正值，则确定待识别目的层为含气储层。

12.如权利要求7所述的装置，其特征在于，所述储层识别模块还用于获取待识别目的层在不同含水饱和度下AVO正演模型的截距和梯度；如果待识别目的层AVO正演模型的截距随含水饱和度的增加而变小，而梯度随含水饱和度的增加保持不变，则确定待识别目的层为含水储层。

13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述致密砂岩气水分布的识别方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至6任一项所述致密砂岩气水分布的识别方法的计算机程序。

Images