摘要
针对常规地震在页岩地质甜点预测中多解性较强的问题,充分挖掘一维的全岩分析数据和测井数据、二维的地质数据、三维的叠后地震数据以及五维的OVT资料方位信息,开展基于模糊融合预测的页岩地质甜点识别技术研究,提高页岩地质甜点预测准确率。首先,分别统计研究区断裂大致展布方向和有利岩相分布区,优选敏感方位角度段对OVT资料进行分方位叠加;其次,开展基于叠前优势方位的裂缝平面分析和基于前馈神经网络的页岩有利岩相三维预测;最后,研发基于改进Sigmoid和Takagi-Sugeno(TS)函数的模糊融合技术,根据页岩地质甜点控制因素的重要性程度确定主控因素的发挥作用,将方位各向异性裂缝平面预测结果和神经网络页岩岩相预测结果有效融合,实现页岩地质甜点决策融合。应用该技术在渤南洼陷沙三段下亚段开展页岩地质甜点分类分级评价,在裂缝和岩相预测基础上,剔除裂缝不发育区和不利岩相对页岩地质甜点分析的干扰,将研究区页岩地质甜点划分为3类,裂缝发育+有利岩相叠合区为一类甜点,预测结果与实钻井吻合程度较高,取得较好应用效果。研究结果表明,基于模糊融合预测的页岩地质甜点识别技术,实现了页岩地质甜点分类分级评价,提高了预测可信度,为页岩油勘探提供了可靠的技术支撑。
中外陆相断陷盆地页岩油气资源潜力巨大,但仍面临诸多问
针对页岩裂缝和岩相预测,常规方法主要从地震、测井、岩心和分析化验资料出发,利用相干、不同尺度蚁群追踪、倾角方位属性等技术完成叠后小断裂及裂缝发育宏观预
随着地震勘探的深入,基于宽方位(Offset Vector Tile,OVT)资料的解释方法正逐渐崭露头角;基于大数据技术的智能预测技术也在油气勘探开发领域占有一席之地。OVT资料包含丰富的方位角信息,利用OVT域方位 (Amplitude Variation with Offset,AVO)地震道集及其属性可以进行包括构造解释、地层解释、岩性解释、流体解释、裂缝识别、地应力研究等在内的地震资料解
为了更好地将OVT资料和大数据技术有效融合,发挥出不同技术不同资料的综合实力,需要实现多种结果的有效融合。改进模糊C均值聚类方法已在剩余油分类评价中进行了有效应
济阳坳陷陆相页岩油甜点层段厚度小、岩相类型多、非均质性强,在有机碳含量、矿物组分、脆性等多种因素影响下,难以准备厘定地质甜点,严重制约了济阳坳陷陆相页岩油勘探开发进程。为此,在方位各向异性裂缝平面预测和基于神经网络页岩岩相预测的基础上,研发了基于模糊融合预测的页岩地质甜点识别技术,实现了页岩甜点分类分级评价,提高了页岩地质甜点预测可信度。其技术优势在于根据页岩甜点控制因素的重要程度确定模糊参数值,发挥主控因素最大作用;将方位各向异性裂缝预测结果和基于神经网络页岩岩相预测结果有效融合,发挥出不同技术的综合优势。
1 技术原理
根据地质认识分析主裂缝延展方向,选择优势方位,开展基于叠前优势方位的裂缝平面分析;针对碳酸盐岩含量、砂岩含量等页岩岩相参数,使用机器学习算法和前馈神经网络,实现页岩有利岩相三维预测;在裂缝和岩相预测基础上,研发基于改进Sigmoid和TS函数的模糊融合技术,实现页岩地质甜点决策融合。
1.1 基于方位各向异性的页岩裂缝预测技术
具备方位各向异性的宽方位地震资料(即OVT域方位AVO地震资料、五维地震数据)是指观测系统中的横纵向排列比值大于0.5,宽方位地震勘探能够研究振幅或者速度随偏移距和方位角的变化信息,进而增强了识别地下各向异性的能力。具备方位各向异性的宽方位地震资料能够更准确地分析地震波在地下介质中传播时,其速度、振幅等参数随空间的变化信息。该资料中的方位角信息与地层中的断裂和裂缝等特征参数密切相关。
裂缝是否发育是判断页岩地质甜点的重要因素,不同方位角范围内,识别裂缝的清晰程度不同,为了更准确地识别页岩裂缝发育区,开展基于方位各向异性的页岩裂缝预测。其步骤包括:①对五维地震数据进行优化处理(地震数据去噪处理、地震数据提高分辨率处理、地震同相轴校平处理),提高数据的信噪比和分辨率。②根据实际地震数据特点以及地质认识,对五维地震数据划分敏感方位角度范围。③针对敏感方位角度范围,将五维地震数据进行分方位角度叠加。④在分方位角度叠加的数据体上,提取最大似然或曲率等属性,分析裂缝平面展布特征及差异。
1.2 基于前馈神经网络的页岩岩相三维预测技术
前馈神经网络是一种人工神经网络,节点之间的连接不形成循环。在前馈网络中,信息总是向一个方向移动,仅在一个方向上从输入节点向前移动,通过隐藏节点到达输出节点,网络中没有循环或环路。
通过全岩分析实验获得的碳酸盐岩含量、砂岩含量等与页岩岩相有关的数据量很少,而且这些少量数据与声波时差、密度、自然伽马、中子等测井曲线以及地震数据之间存在明显的非线性关系。为了更加明晰碳酸盐岩含量、砂岩含量等页岩岩相参数与测井曲线之间的非线性映射,开展基于前馈神经网络的页岩岩相三维预测。具体步骤为:①需要输入与页岩岩相相关的多源数据,包括声波时差、密度、自然伽马等测井曲线数据,碳酸盐岩含量和砂岩含量等页岩岩相参数,以及分方位角叠加的多个三维地震数据。②针对碳酸盐岩含量、砂岩含量等页岩岩相参数,使用机器学习算法,建立训练模型并展开参数优选,将机器学习训练模型应用于工区内无页岩岩相参数的探井,得到研究区所有探井的页岩岩相参数。③设置前馈神经网络的隐层数,训练验证数据占比,优选迭代次数、学习率等参数,利用前馈神经网络得到页岩岩相三维预测结果。
1.3 基于模糊逻辑的页岩地质甜点决策融合技术
引入模糊逻辑方法,处理页岩岩相和裂缝分析对于页岩甜点预测的不确定性和模糊性问题。
鉴于岩相预测结果和裂缝识别结果不在同一量纲上,因此使用改进Sigmoid函数将其归一化到[0,1]区间,使用改进TS函数展开模糊推理。
基于TS函数的模糊推理系统,通过对估算的页岩岩相和裂缝进行模糊化处理,根据页岩甜点主控因素确定输入数据得分,根据输入-输出数据的函数关系建立模糊规则,实现页岩地质甜点决策融合。基于改进TS函数的页岩地质甜点计算公式如下:
(1) |
式中:f为基于改进TS函数的页岩地质甜点计算函数;i为1~n的自然数;n为分方位角度段的划分总数;Ai为归一化后的分方位角度段裂缝预测结果;α为分方位角度段裂缝预测结果在页岩甜点预测主控因素分析中的得分值(均为正值);B为归一化后的岩相预测结果;β为岩相在页岩甜点预测主控因素分析中的得分值(均为正值)。
(2) |
式中:g(x)为Ai、B的计算函数;x为分方位裂缝预测结果或岩相预测结果;C为常数,若输入数据x与甜点呈正相关,则C=1;若输入数据x与甜点呈负相关,则C=2;Q为裂缝发育区或有利岩相发育区。
通过
2 技术流程
基于方位各向异性的裂缝平面预测和前馈神经网络的页岩岩相三维预测,开展页岩甜点决策融合。为此,研发了基于模糊融合预测的页岩地质甜点识别技术,其技术流程如

图1 技术流程
Fig.1 Workflow of developed technology
多源信息数据整理与输入 页岩地质甜点预测相关的数据包括一维的全岩分析数据、测井数据;二维的地质数据;二维的叠后地震数据,以及五维和OVT资料。输入这些不同维度的多源信息数据,并且开展数据的整理、分析、去异常值处理等操作。然后通过井震精细标定,将时间域的叠后地震数据和五维OVT资料标定到深度域,使得不同维度的时间域和深度域数据可以自由切换运用。
分方位角度叠加 通过提取叠后相干、曲率等属性,明确研究区目的层段的断裂平面展布形态;针对不同位置不同形态的断裂,划分出垂直于断裂方向的方位角度范围;按照划分出的分方位角度段,开展OVT资料分方位角叠加,得到不同方位角度范围的分方位角度段叠加数据。
分方位角度段的裂缝平面预测 针对分方位叠加数据,沿层提取似然属性、蚂蚁体、曲率等属性,研究不同方位的裂缝平面展布形态,并进行差异性分析。
基于前馈神经网络的页岩岩相三维预测 采用机器学习算法,从页岩岩相目标数据出发,选定时窗涵盖曲线形态信息,建立和优选训练模型,再将该模型推广应用于整个工区的实钻井;然后借助于前馈神经网络得到页岩岩相空间展布特征。
对裂缝和岩相预测结果进行重要性排序 根据岩相和裂缝对页岩地质甜点的制约程度,对岩相和裂缝预测结果进行重要性排序。
基于改进Sigmoid和TS函数的模糊融合公式构建 根据地质认识,分析研究区页岩地质甜点的主控因素,根据主控因素确定TS函数的参数值。从而构建基于改进Sigmoid和TS函数的模糊融合公式。
页岩地质甜点模糊融合结果计算 利用式(1)和式(2)得到页岩地质甜点模糊融合结果。
页岩地质甜点分类评价 根据预测结果得到页岩地质甜点储层分类。
3 应用实例
胜利油区渤南洼陷沙三段下亚段出油井多,高产井多,罗42、新义深9、渤页平5等3口井投产,其累计产油量超过1×1
渤南洼陷沙三段下亚段页岩油具有厚度大、压力系数高、裂缝发育、产能高等特点。裂缝和岩相是控制油气富集的重要因素,仅仅从其中一项判定页岩地质甜点存在片面性,为此,将渤南洼陷作为应用工区,基于裂缝预测和岩相识别,开展页岩地质甜点预测。
3.1 渤南洼陷沙三段下亚段裂缝预测
将基于方位各向异性的裂缝预测技术应用于渤南洼陷沙三段下亚段。以罗42井为例,开展OVT道集资料分析。

图2 罗42井点处OVT道集资料分析
Fig.2 OVT gather data analysis in Well Luo 42
根据研究区断裂展布方向,进行方位角划分。从

图3 渤南洼陷沙三段下亚段OVT道集方位角划分
Fig.3 Azimuth division of OVT gather of Es
在分方位角度叠加的数据体上,提取似然属性,分析不同方位角度段的裂缝平面展布情况。从

图4 分方位似然属性识别裂缝平面展布
Fig.4 Horizontal distribution of fractures identified by likelihood attribute of various azimuths
3.2 渤南洼陷沙三段下亚段页岩岩相识别
目前页岩岩相按照四要素三端元划分,对同种结构(如纹层或层状页岩相),可以从碳酸盐岩含量入手确定页岩岩相类型,因此在渤南洼陷沙三段下亚段,将碳酸盐岩含量作为该区页岩岩相预测目标数据。
3.2.1 碳酸盐岩含量曲线预测
渤南洼陷沙三段下亚段目前只有罗69井有全岩分析数据,由罗69井碳酸盐岩含量散点图(

图5 罗69井碳酸盐岩含量散点图
Fig.5 Scatter plot of carbonate content in Well Luo 69

图6 罗69井GR曲线散点图
Fig.6 Scatter plot of GR curve of Well Luo 69

图7 碳酸盐岩含量预测结果与实测结果对比
Fig.7 Comparison of predicted and measured carbonate contents
将罗69井沙三段下亚段的碳酸盐岩含量与测井曲线之间的线性回归关系应用于研究区的邵545、邵549、邵548、邵550和新罗39等井,得到多口井的碳酸盐岩含量曲线,为页岩岩相三维预测奠定基础。从

图8 邵545井—新罗39井连井地震剖面叠合碳酸盐岩含量曲线
Fig.8 Connected well seismic profiles superposed with carbonate content curve of Shao 545 to Xinluo 39
3.2.2 页岩岩相识别
以碳酸盐岩含量曲线为页岩岩相目标曲线,将分方位角度段叠加数据(5°~25°、80°~100°、110°~145°、350°~360°)和叠后地震数据作为样本特征值,采用前馈神经网络技术进行页岩岩相三维预测(设置隐层数为10、最大迭代次数为2 000、训练数据占比为80%,学习率为0.001)。从

图9 分方位角度段叠加数据的均方根振幅属性对比
Fig.9 Comparison of root-mean-square amplitude attributes stacked at different azimuth angles
从

图10 渤南洼陷沙三段下亚段13层组碳酸盐岩含量平面预测
Fig.10 Prediction of carbonate content on plane in 13-layer of Es
3.3 渤南洼陷沙三段下亚段页岩地质甜点分析
在裂缝和岩相预测的基础上,使用改进TS函数完成渤南洼陷沙三段下亚段页岩地质甜点模糊融合预测。裂缝越发育,页岩储集性能越好,因此裂缝发育程度与页岩地质甜点发育情况成正比;碳酸盐岩含量越高,说明灰质成份越多,页岩岩相越好,更可能发育页岩地质甜点,因此碳酸盐岩含量与页岩地质甜点发育情况成正比。

图11 渤南洼陷沙三段下亚段13层组页岩地质甜点融合图
Fig.11 Fusion map of geological sweet spots of shale in 13-layer of Es
4 结论
在方位各向异性裂缝平面预测和前馈神经网络页岩岩相预测的基础上,研发了基于模糊融合预测的页岩地质甜点识别技术,实现了基于方位各向异性的页岩地质甜点分类分级评价。将不利岩相或裂缝不发育区设置为零值,进而剔除不利岩相和裂缝不发育区对页岩地质甜点分析的干扰;根据页岩地质甜点控制因素的重要性程度确定参数高低值,使主控因素发挥最大作用;将方位各向异性裂缝平面预测结果和神经网络页岩岩相预测结果有效融合,发挥出不同技术的综合实力。该方法在渤南洼陷沙三段下亚段开展页岩地质甜点分类分级评价,将该区页岩地质甜点划分为3类,有利岩相+裂缝发育叠合区是一类甜点,预测结果与实钻井吻合度较高,取得较好应用效果。
参考文献
宋明水.济阳坳陷页岩油勘探实践与现状[J].油气地质与采收率,2019,26(1):1-12. [百度学术]
SONG Mingshui. Practice and current status of shale oil exploration in Jiyang Depression [J]. Petroleum Geology and Recovery Efficiency, 2019, 26(1): 1-12. [百度学术]
宋明水,刘惠民,王勇,等.济阳坳陷古近系页岩油富集规律认识与勘探实践[J].石油勘探与开发,2020,47(2):225-235. [百度学术]
SONG Mingshui, LIU Huimin, WANG Yong, et al. Enrichment rules and exploration practices of Paleogene shale oil in Jiyang Depression, Bohai Bay Basin, China [J]. Petroleum Exploration and Development, 2020, 47(2): 225-235. [百度学术]
宁方兴.济阳坳陷页岩油富集机理[J].特种油气藏,2015, 22(3):27-30. [百度学术]
NING Fangxing. Mechanism of shale oil enrichment in Jiyang Depression [J]. Special Oil & Gas Reservoirs, 2015, 22(3): 27-30. [百度学术]
王香增,张建锋,郝世彦.延安地区陆相页岩气勘探开发关键技术[J].非常规油气,2023,10(1):1-10. [百度学术]
WANG Xiangzeng, ZHANG Jianfeng, HAO Shiyan. Key technologies of continental shale gas exploration and development in Yan’an Area [J]. Unconventional Oil & Gas, 2023, 10(1): 1-10. [百度学术]
金之钧,梁新平,王小军,等.玛湖凹陷风城组页岩油富集机制与甜点段优选[J].新疆石油地质,2022,43(6):631-639. [百度学术]
JIN Zhijun, LIANG Xinping, WANG Xiaojun, et al. Shale oil enrichment mechanism and sweet spot selection of Fengcheng Formation in Mahu Sag, Junggar basin [J]. Xinjiang Petroleum Geology, 2022, 43(6): 631-639. [百度学术]
杨勇.济阳陆相断陷盆地页岩油富集高产规律[J].油气地质与采收率,2023,30(1):1-20. [百度学术]
YANG Yong. Enrichment and high production regularities of shale oil reservoirs in continental rift basin: a case study of Jiyang Depression, Bohai Bay Basin [J]. Petroleum Geology and Recovery Efficiency, 2023, 30(1): 1-20. [百度学术]
林腊梅,程付启,刘骏锐,等.济阳坳陷渤南洼陷沙一段页岩油资源潜力评价[J].中国海上油气,2022,34(4):85-96. [百度学术]
LIN Lamei, CHENG Fuqi, LIU Junrui, et al. Evaluation of shale oil resource potential in the Es1 Member in Bonan sag, Jiyang depression [J]. China Offshore Oil and Gas, 2022, 34(4): 85-96. [百度学术]
李国欣,雷征东,董伟宏,等.中国石油非常规油气开发进展、挑战与展望[J].中国石油勘探,2022,27(1):1-11. [百度学术]
LI Guoxin, LEI Zhengdong, DONG Weihong, et al. Progress, challenges and prospects of unconventional oil and gas development of CNPC [J]. China Petroleum Exploration, 2022, 27(1): 1-11. [百度学术]
刘喜武,刘宇巍,郭智奇.陆相页岩油关键甜点要素地球物理表征技术[J].地球物理学进展,2022,37(4):1 576-1 584. [百度学术]
LIU Xiwu, LIU Yuwei, GUO Zhiqi. Key sweet spot factors seismic characterization of continental shale oil [J]. Progress in Geophysics, 2022, 37(4): 1 576-1 584. [百度学术]
印森林,陈恭洋,许长福,等.陆相混积细粒储集岩岩相构型及其对甜点的控制作用——以准噶尔盆地吉木萨尔凹陷二叠系芦草沟组页岩油为例[J].石油与天然气地质,2022,43(5): 1 180-1 193. [百度学术]
YIN Senlin, CHEN Gongyang, XU Changfu, et al. Lithofacies architecture of lacustrine fine-grained mixed reservoirs and its control over sweet spot: a case study of Permian Lucaogou Formation shale oil reservoir in the Jimsar Sag, Juggar Basin [J]. Oil & Gas Geology, 2022, 43(5): 1 180-1 193. [百度学术]
彭先锋,邓虎成,何建华,等.鄂尔多斯盆地大牛地气田中奥陶统马家沟组裂缝特征及成因[J].石油实验地质,2022,44(1): 41-50,93. [百度学术]
PENG Xianfeng, DENG Hucheng, HE Jianhua, et al. Characteristics and genesis of fractures in Middle Ordovician Majiagou Formation, Daniudi Gas Field, Ordos Basin [J]. Petroleum Geology & Experiment, 2022, 44(1): 41-50, 93. [百度学术]
唐圣来.基于嵌入式多尺度裂缝模型的地质建模方法及应用[J].特种油气藏,2023,30(1):36-40. [百度学术]
TANG Shenglai. Geological modeling method and its application based on embedded multi-scale fracture model [J]. Special Oil & Gas Reservoirs, 2023, 30(1): 36-40. [百度学术]
黄浩勇,苟其勇,刘胜军,等.页岩气叠后裂缝综合预测技术——以长宁国家级页岩气示范区为例[J].断块油气田,2022, 29(2):218-223. [百度学术]
HUANG Haoyong, GOU Qiyong, LIU Shengjun, et al. Post-stack fracture comprehensive prediction technology for shale gas: taking Changning national shale gas demonstration area as an example [J]. Fault-Block Oil & Gas Field, 2022, 29(2): 218-223. [百度学术]
李京昌,卢婷,聂海宽,等.威荣地区WY23平台页岩气层裂缝地震检测可信度评价[J].油气藏评价与开发,2023,13(5): 614-626. [百度学术]
LI Jingchang, LU Ting, NIE Haikuan, et al. Confidence evaluation of fractures seismic detection in shale gas formations on WY23 Pad in Weirong [J]. Petroleum Reservoir Evaluation and Development, 2023, 13(5): 614-626. [百度学术]
李国欣,刘国强,侯雨庭,等.陆相页岩油有利岩相优选与压裂参数优化方法[J].石油学报,2021,42(11):1 405-1 416. [百度学术]
LI Guoxin, LIU Guoqiang, HOU Yuting, et al. Optimization method of favorable lithofacies and fracturing parameter for continental shale oi [J]. Acta Petrolei Sinica, 2021, 42(11): 1 405-1 416. [百度学术]
史彪,吴丰,李树新,等.海陆过渡相优质页岩测井识别:以鄂尔多斯盆地大宁-吉县地区山2段为例[J].地质科技通报,2023,42(2):115-126. [百度学术]
SHI Biao, WU Feng, LI Shuxin, et al. Logging identification of high-quality shale of the marine-continent transitional facies: an example of the Shan 2 Member of the Daning-Jixian area in the Ordos Basin [J]. Bulletin of Geological Science and Technology, 2023, 42(2): 115-126. [百度学术]
石雪峰,张昊,赵才顺.基于叠前地震数据的AVAZ裂缝预测技术及应用[J].石化技术,2022,29(1):129-130. [百度学术]
SHI Xuefeng, ZHANG Hao, ZHAO Caishun. AVAZ fracture prediction based on prestack seismic and application [J]. Petrochemical Industry Technology, 2022, 29(1): 129-130. [百度学术]
刘宇巍,刘喜武,钱恪然,等.HTI介质AVAZ定量反演方法及系统:CN110658554B[P].2021-05-25. [百度学术]
LIU Yuwei, LIU Xiwu, QIAN Keran, et al. Quantitative inversion method and system for AVAZ in HTI media: CN110658554B [P]. 2021-05-25. [百度学术]
于晓东,桂志先,汪勇,等.叠前AVAZ裂缝预测技术在车排子凸起的应用[J].石油地球物理勘探,2019,54(3):624-633. [百度学术]
YU Xiaodong, GUI Zhixian, WANG Yong, et al. Prestack AVAZ fracture prediction applied in Chepaizi Uplift [J]. Oil Geophysical Prospecting, 2019, 54(3): 624-633. [百度学术]
管倩倩,蒋龙,杨勇,等.基于遗传优化神经网络算法评价页岩油储层有机碳含量的方法:CN115032361A[P].2022-09-09. [百度学术]
GUAN Qianqian, JIANG Long, YANG Yong, et al. A method for evaluating organic carbon content in shale oil reservoirs based on genetic optimization neural network algorithm: CN115032361A [P]. 2022-09-09. [百度学术]
王如意,吴钧,杨向同,等.基于机器学习智能决策系统的古龙页岩油储层总有机碳含量定量表征及智能预测[J].大庆石油地质与开发,2022,41(3):172-182. [百度学术]
WANG Ruyi, WU Jun, YANG Xiangtong, et al. Quantitative characterization and intelligent prediction of TOC of Gulong shale oil reservoir based on machine learning intelligent decision system [J]. Petroleum Geology & Oilfield Development in Daqing, 2022, 41(3): 172-182. [百度学术]
雷祥辉,李映艳,彭寿昌,等.基于大数据分析的储层参数预测——以吉木萨尔芦草沟组页岩油为例[J].国外测井技术,2021,(4):35-39. [百度学术]
LEI Xianghui, LI Yingyan, PENG Shouchang, et al. Prediction of reservoir parameter based on big data analysis -a case study of shale oil of Lucaogou Formation in Jimusaer [J]. World Well Logging Technology, 2021, (4): 35-39. [百度学术]
杨勇.胜利油田勘探开发大数据及人工智能技术应用进展[J].油气地质与采收率,2022,29(1):1-10. [百度学术]
YANG Yong. Application progress of big data & AI technologies in exploration and development of Shengli Oilfield [J]. Petroleum Geology and Recovery Efficiency, 2022, 29(1): 1-10. [百度学术]
刘丽杰,张先敏,魏祥祥,等.特高含水期剩余油分类评价方法[J].油气地质与采收率,2022,29(5):83-90. [百度学术]
LIU Lijie, ZHANG Xianmin, WEI Xiangxiang, et al. Classification and evaluation method of remaining oil in ultra-high water cut stag [J]. Petroleum Geology and Recovery Efficiency, 2022, 29(5): 83-90. [百度学术]