随着我国油气勘探步伐的加快和勘探领域的扩展, 火成岩作为一类特殊的、新的接替领域逐步受到油气勘探家的重视^{[1, 2]}。自2000年以来, 我国相继在渤海湾盆地、松辽盆地、二连盆地、三塘湖盆地、准噶尔盆地、塔里木盆地、四川盆地等火成岩油气勘探中取得了重大突破, 显示出火成岩油气勘探和开发的巨大潜力^[3]。周立宏等认为火成岩油气藏是黄骅坳陷一种新的含油类型, 总体受断裂和火成岩相及形态控制^[4]; 吴小羊等通过重磁异常研究认为黄骅坳陷中、新生代火成岩密集分布受构造断裂控制^[5]。随着三维地震勘探的逐步普及, 地震属性成为预测火成岩储集层的重要手段之一^{[6, 7, 8]}。

大港东关潜山位于黄骅坳陷孔店潜山构造带, 中新生代断层发育, 强烈的构造运动伴有多期岩浆活动。该地区内a 55井在中生界火山岩潜山中首获高产工业油气流, 揭示出中生界火山岩油藏具有产层厚、产量高的特点。该地区溢流相的火成岩为主要储集层, 但不同沉积相带的火成岩地震响应特征并不明显, 无论在地震剖面上运用同相轴追踪方法, 还是在平面上运用单一地震属性预测火成岩空间分布, 效果均不明显, 如何优选出对溢流相火成岩地层厚度敏感的地震属性是本文研究的主要问题。

本文从实际钻探成果出发, 开展火成岩正演模拟, 对正演数据提取所有常规地震属性, 进行井震交会分析筛选对溢流相火成岩地层厚度敏感的地震属性集, 采用有井监督的神经网络属性模式识别方法, 预测火成岩储集层厚度的平面分布。

地震属性是从地震资料中提取经数学变换的有用信息, 揭示原始地震资料中不易发现的地质异常现象。本文的方法研究与实例应用都在东方地球物理公司自主研发的GeoEast解释系统中完成, GeoEast解释系统目前已有50余种常规属性和成熟的神经网络模式识别方法, 其中地震属性涉及振幅类、瞬时类、子波类等多种属性, 不同属性可以反映同一地质体的不同侧面^{[9, 10]}。把对溢流相火成岩地层敏感的地震属性优选出来, 以工区内已钻井的火成岩厚度为物性样本, 通过样本学习建立火成岩厚度与敏感地震属性复杂的非线性映射关系, 然后用映射关系求取未知地区的储集层厚度值, 具体步骤如下:

(1)联井地质分析。综合利用测、录井解释成果和地震解释建立联井地质剖面, 通过联井地质分析, 明确火成岩的横向变化特征。

(2)正演模拟。利用联井地质模型建立对应的速度模型, 运用子波褶积的方法建立正演地震剖面。

(3)基于正演数据的优选敏感地震属性集, 提取层间地震属性与火成岩厚度进行交会, 获得交会相关系数, 运用阈值选出对溢流相火成岩地层厚度敏感的地震属性。

(4)有井监督神经网络属性模式识别, 优选敏感地震属性作为训练的样本集, 以钻井火成岩储集层厚度作为训练的期望输出, 进行学习直至收敛, 用学习获得的映射关系求取未知地区储集层厚度值。

本文通过大港东关火成岩储集层厚度预测对上述方法进行详细介绍。

图1为大港东关钻遇火成岩储集层联井地震剖面, 其中b 10、b 08-12和b 08-10井在中生界钻遇溢流相火成岩且获得工业油气流, 而b 08和b 02井在中生界钻遇致密火山沉积相碎屑岩且无工业油气发现。从地震剖面上看, 溢流相火成岩和火山沉积相碎屑岩的地震反射特征均表现为强振幅、低频连续反射, 波形差异不明显, 运用同相轴追踪方法难以识别溢流相火成岩。

图1

	Figure Option ViewDownloadNew Window
	图1 钻遇火成岩储集层联井地震剖面

同样运用单一地震属性也难以准确预测火成岩储集层平面分布。图2a为东关地区中生界J₃+K₁段已钻井火成岩厚度插值等厚图, 图2b为东关地区中生界J₃+K₁段地震均方根振幅属性图, 图2c为东关地区中生界J₃+K₁段瞬时频率属性图, 图2d为东关地区中生界J₃+K₁段最小自相关属性图。通过图2中各图的对比可以看出, 运用单一地震属性与已钻井的吻合度很低。

图2

	Figure Option ViewDownloadNew Window
	图2 东关地区中生界J3+K1段地震属性图

为了准确预测东关地区火成岩的平面分布, 本文采用敏感地震属性与有井监督神经网络模式识别方法对火成岩进行预测, 具体实现过程如下:

(1)利用测、录井解释成果与井间关系建立中生界J₃+K₁段二维地质模型(图3)。运用声波曲线建立井联地质剖面对应速度模型(图4)。

图3

	Figure Option ViewDownloadNew Window
	图3 a 74-b 01井联井岩性地质剖面

图4

	Figure Option ViewDownloadNew Window
	图4 a 74-b 01井联地质剖面对应速度模型

(2)运用子波褶积的方法建立正演地震剖面(图5), 对二维正演数据沿层间(T至J₃+K₁)提取地震属性。将井点处的地震属性与火成岩厚度进行交会分析, 图6为正演剖面沿层均方根振幅属性与对应井点处火成岩储集层厚度交会图。通过交会获得相关系数, 类推至52个地震属性便可获得52个相关系数, 以0.3为阈值筛选出10个地震属性, 其中分别为MaxTrouAmp(最大波谷振幅)、CompAbsAmp(绝对振幅组合)、RMSAmp(均方根振幅)、AmpKurt(振幅峰态)、AvgVibEn(平均振动能量)、LocKurt(目标层波峰态)、Perigram(光滑反射强度)、RSt(反射强度)、MinAcor(最小自相关)和SumAcor(自相关之和)。

图5

	Figure Option ViewDownloadNew Window
	图5 a 74-b 01井联地质剖面对应正演地震剖面

图6

	Figure Option ViewDownloadNew Window
	图6 均方根振幅与火成岩厚度交会

(3)基于敏感地震属性集开展有井监督的神经网络模式识别, 具体过程在GeoEast解释系统完成。将上述10个敏感地震属性选出作为模式识别的被选属性(图7a), 然后以已钻井火成岩厚度作为目标属性与优选敏感地震属性建立空间关系(图7b), 进行样本训练使敏感地震属性与火成岩厚度建立映射关系, 求取未知地区的储集层参数值。图8a为优选地震属性有井监督的神经网络模式识别预测火成岩厚度图。

图7

	Figure Option ViewDownloadNew Window
	图7 GeoEast解释系统有井监督的神经网络模式识别面板与训练样本面板

图8

	Figure Option ViewDownloadNew Window
	图8 中生界J3+K1段预测火成岩储集层厚度图与地震微相图

对比图8a、图8b可以看出, 优选地震属性有井监督的神经网络模式识别法可以较好地预测东关中生界火成岩储集层的分布, 其分布边界清晰, 与地质认识一致。综合地震解释成果部署的c 01、c 08、c 10和c 12四口井, 均钻遇中生界火成岩, 其厚度分别为30 m、42 m、20 m和8 m, 与预测厚度图的变化趋势一致(图8a), 具有较高的可靠性。

本文针对大港东关中生界火成岩预测所采用的各地震属性全部来自于GeoEast解释系统。火成岩作为一类特殊油气藏预测难度较大, 针对东关火成岩储集层同相轴追踪难、单一属性规律性差、多解性强的特点, 本文采用敏感地震属性有井监督的神经网络模式识别法较好地预测了大港东关中生界火成岩储集层厚度, 为大港东关地区井位部署提供了有效的技术支撑。