基于高精度层序格架模型的井震协同划分沉积微相的方法
阅读说明：本技术 基于高精度层序格架模型的井震协同划分沉积微相的方法 (Method for collaborative partitioning sedimentary microfacies by well-seismic based on high-precision sequence grid model ) 是由 何文渊 孙平 于 2020-10-29 设计创作，主要内容包括：本发明公开了基于高精度层序格架模型的井震协同划分沉积微相的方法,该方法基于高精度层序地层搁架下地层岩性组合、沉积体旋回特征的地震响应特征,建立井-震沉积相特征的匹配关系,优选对地层沉积相类型敏感的地震属性,通过井震协同模拟,建立研究目的层沉积亚相、微相的三维数据体。并通过相序规律验证沉积相三维数据体的可靠性及准确性,最终得到适合工业标准的沉积相划分成果。本发明得到的沉积微相的三维数据体,能够大幅度提高沉积相划分的工作效率,且横向和纵向分辨率都较高,沉积微相精细划分成果确定性和可靠性更强。(The invention discloses a method for collaboratively dividing sedimentary microfacies by well earthquake based on a high-precision sequence grid model, which is characterized by establishing a matching relation of well-earthquake sedimentary facies characteristics based on earthquake response characteristics of stratum lithology combination and sedimentary body convolution characteristics under a high-precision sequence stratum shelf, preferably selecting earthquake attributes sensitive to stratum sedimentary facies types, and establishing a three-dimensional data body for researching the sedimentary subphase and microfacies of a target layer through well earthquake collaborative simulation. And verifying the reliability and accuracy of the sedimentary facies three-dimensional data volume through a phase sequence rule, and finally obtaining a sedimentary facies division result suitable for an industrial standard. The three-dimensional data volume of the sedimentary microfacies obtained by the invention can greatly improve the working efficiency of sedimentary facies division, has higher transverse and longitudinal resolutions, and has stronger determinacy and reliability of the fine sedimentary microfacies division result.)
技术领域
本发明涉及油气勘探技术领域，尤其涉及基于高精度层序格架模型的井震协同划分沉积微相的方法。
背景技术
钻测井数据和地震数据是沉积相划分的重要依据。钻测井数据通过测井、录井和岩心取样，能较好反映井点轨迹上地层的岩性组合、孔渗物性和含油气性等特征。此类数据具有极高精度，最高可以反映厘米级岩层、油气层的特征，可表征地层沉积相序组合及沉积亚相、微相的纵向变化。但这种纵向的高精度的沉积相变化信息，横向对比性较差，不能较好揭示井间地层及沉积相带的变化。而地震数据是三维空间数据，通过地震信号采集和处理，得到的的地震波反射信号，应用适当的地质、地球物理分析方法，能够反映地层、岩性组合、沉积相的空间展布特征，但是作为声波信号，其纵向分辨率很低，通常只有数十米级。
为了能够将两种不同级别及特点的数据进行结合，取长补短，传统的井震协同划分沉积相的方式主要为两种：一是观察目的层段的地震波形特征识别地震相，总结地震相特征，通过已钻井或相似沉积背景的地质经验认识，将地震相然后转化为沉积相。这个过程中，地震相的识别主要通过地震翻剖面的人工识别或相应软件模块计算分析得到。但整体效率较低，且地震相边界的界定往往难度较大，可靠程度不高；另外人工识别地震相的准确度与相关研究人员经验、水平密切相关，主观性强，很难得到稳定的沉积相预测结果。且受地震资料分辨率及钻井数量、密度的影响，微相级别的沉积相分析成果往往具有很大的不确定性。第二种方式是通过地震属性特征识别沉积体的平面展布特征。主要是提取目的层段的多种地震属性，或者进行属性融合。然后根据属性的平面分布及钻井沉积相划分结果，建立相应属性值域与沉积相的对应关系，定性的分析沉积体可能的展布。在这个过程中，受地震属性纵向分辨率的限制，尤其是沉积微相在纵向上的演化过程只能限定在地震资料的频带范围内（几十米），很难清晰的描述。在井震结合的过程中，单井纵向上的沉积相序列，往往被优势相所代替，降低了三维数据体对于沉积相空间展布特征的识别能力。因而传统的井震协同划分沉积相方法存在人为因素强、数据信息挖掘不足等不足，尤其是在沉积微相级别，往往是一定范围内的优势沉积相带集合特征，且边界的不确定性较大，极大限制了该类型研究成果的工业化应用。
发明内容
本发明的目的在于针对现有井震协同划分沉积相方法的不足，提供基于高精度层序格架模型的井震协同沉积微相划分方法，方法充分利用钻井的纵向分辨率高和地震的横向分辨率高的特点。在高分辨率层序地层等时格架内，基于三维地震数据体，优选与沉积相类型相关的地震属性体，或者地震属性融合体或原始地震波形数据体等，按照相同沉积亚相、微相的地震属性具有相似性原则，进行井震协同沉积相模拟，得到沉积微相在三维空间内的展布特征。该方法得到的沉积微相三维数据体有效的结合了钻井、地震数据的优势，具有横向和纵向分辨率均较高的特点。应用该数据体进行沉积微相的划分，具有效率高、确定性、可靠性更强的优势。
本发明是通过以下技术方案来实现的：
根据不同类型沉积微相岩性组合的钻测井特征、地震响应特征存在差异性的特点，首先应用钻井数据将目的层划分为不同的亚相、微相单元，并将各亚相、微相单元进行数字化，然后与地震数据相结合，优选敏感地震属性，进行井震协同的沉积亚相、微相敏感地震属性特征指示模拟，得到沉积亚相、微相三维数据体。并根据沉积亚相、微相间的从属关系及相序规律，对数据体准确性进行验证，得到符合地质规律的沉积微相的三维预测。方法具体分为以下六步：
步骤一：依据单井、连井及地震资料对研究区目的层段进行高精度层序地层划分。并在此基础上，井震结合，建立目的层高精度层序地层格架。
步骤二：在研究区的区域地质背景及沉积模式的指导下，依据单井高精度层序划分结果，以钻测井资料为基础，进行目的层段内各层序的单井沉积亚相、微相的划分。
步骤三：按照相序组合特征，将目的层沉积微相单元进行数字化。并依据单井沉积相的划分结果，对目的层单井沉积亚相进行数字化，得到沉积亚相、微相曲线。在高精度层序地层格架内，综合数字化单井沉积相划分结果及相应沉积相类型的地震响应特征，选敏感地震属性，进行井震协同的沉积亚相敏感地震属性特征指示的模拟。
步骤四：按照“地震敏感属性相似，则岩性组合、沉积相类型相似”的原则，对模拟数据体内待预测点信息沉积相类型预测。首先，寻找与待预测点敏感属性相似的井，然后依据这些井点的岩性组合、沉积相类型，构建预测点沉积亚相曲线，完成待预测点沉积亚相类型的初步预测。按照这个流程，历遍三维数据体上所有待预测点，得到的沉积亚相的三维数据体。该数据体纵向上参考钻井沉积亚相划分及敏感属性指示模拟结果，具有较高分辨率高，且与钻井沉积相序基本相似；横向上遵从地震数据所反应的沉积体的横向变化规律。应用该数据体可以较好预测沉积亚相的空间展布特征。
步骤五：按照第四步的流程和原则，对沉积微相进行三维空间预测，得到沉积微相分布三维数据体。
步骤六：依据亚相、微相相序关系及组合特征，判断亚相、微相数据体的准确性、可靠性。并进行沉积亚相、微相三维数据体协同模拟。协同模拟的实现方式为亚相的三维空间分布定义为低频，微相的空间分布定义为高频；也可进行遮挡分析，仅保留预测优势亚相与优势微相相符合的沉积相带类型，以突出优势相带，获取沉积相空间分布三维数据体。此外也可以依托此数据体，在高精度层序地层格架内对目的层段的沉积亚相、微相的空间展布进行精细刻画。
区别于传统通过人工地震相识别绘制沉积相图的方法，本发明实现了井震自动协同模拟预测沉积微相划分方法，效率更好，预测结果更稳定，更可靠。区别于传统的应用地震属性刻画沉积微相的方法，结果的确定性更强，精度更高，预测结果更合理，且能够提高纵向和横向的分辨率。并使得沉积相的空间刻画成为可能。
本发明的有益效果：在高精度的地层格架内，快速得到更高分辨率的沉积亚相、微相的空间预测结果。且具有预测精度高，准确性强，边界清晰，结果可靠，优势相带特征突出的特点。应用该成果，可以进一步快速展示沉积体的空间展布特征，总结目的层段沉积演化规律。为后续的有利储层预测及井位部署提供更可靠的技术支撑。
附图说明
图1是本发明的方法流程图。
图2是本发明实施例工区内Well5井的单井沉积亚相、沉积微相划分及沉积亚相和沉积微相曲线方波化处理结果图。
图3是本发明实施例高分辨率地层格架内Well1-Well2-Well3-Well4-Well5连井地震剖面及沉积微相曲线图。
图4是本发明实施例传统的应用地震属性进行沉积微相划分结果图。
图5是本发明实施例所有井的地震波形特征曲线图。
图6是本发明实施例单井地震波形图。
图7是本发明实施例待预测点的沉积微相特征的对比结果图。
图8是本发明实施例过研究区的待预测点A、待预测点B、Well6、Well3、Well5井的连井地震剖面图。
图9是本发明实施例过研究区区的待预测点A、待预测点B、Well6、Well3、Well5井的连井沉积亚相预测图。
图10是本发明实施例过研究区区的待预测点A、待预测点B、Well6、Well3、Well5井的连井沉积微相预测图。
图11是本发明实施例井震协同模拟预测研究区目的层沉积微相分布平面图。
图12是本发明实施例井震协同模拟预测研究区目的层沉积亚相分布平面图。
图13是本发明实施例研究区结合沉积微相分布图分析的河道的展布规律图。
具体实施方式
为了更加详细的说明本发明的目的和优点，结合技术实现流程图和其它附图展开对该发明的详细介绍。文中地震数据均采用了实际勘探开发生产区块实例，以验证发明方法的可行性及有效性。该区块沉积体系物源来自于北部，目的层段沉积背景为受潮汐改造的三角洲沉积，沉积砂体厚度较薄，多数在3-10m之间，依靠传统技术方法，沉积微相划分难度较大。
本实施例中，如图1所示，提供基于高精度层序格架模型的井震协同划分沉积微相的方法，方法根据岩性组合的地震响应特征按照沉积体的旋回特征，首先在层序搁架内，依据井资料将目的层段划分为不同的亚相、微相单元，将亚相、微相单元数字化，得到亚相、微相数字化曲线，然后优选对沉积相类型敏感的地震属性，本实施例中优选的地震属性是地震数据体的波形特征。并对该类型地震属性进行特征指示模拟，结合已钻井沉积相分析结果，得到亚相、微相三维数据体。在数据体基础上，在亚相的控制下，对目的层微相预测结果进行协同模拟，验证得到模拟结果的准确性与可靠性，最终获得符合地质规律的沉积微相的三维预测。
1、高精度层序地层格架的建立
对研究区目的层进行高精度的构造解释，地震上可识别追踪的地震反射轴，正相位、负相位或者零相位都可以作为追踪的标准，建立研究区精细的地层格架，这种精度的地层格架时间上的跨度在30ms-100ms不等，相当于深度在50-200m，基本相当于一个五级层序单元。在这种较高级次的沉积单元内，不同的岩性组合，即沉积微相或沉积亚相的地震响应特征不同，相同的地震响应特征对应的储层结构相似。那么我们就可以利用这种地震波形的相似性，进行空间地震相的识别。如图3所示，在Hor2和Hor3层位之间的地层内，包含优势相的Well-2井和Well-5井地震反射特征为：透镜状，高频，连续性差，上部弱振幅，下部中-强振幅。包含远砂坝等薄层沉积的Well-1井和Well-4井地震相特征为：连续性相对较好，中-弱振幅，高频，图3中Hor1、Hor2、Hor3和Hor4展示了研究区的高分辨率地层格架的纵向范围，要求解释层位尽量不穿时，内部没有地层不整合面，岩性变化规律基本一致。为滨浅海的Well-2井泥岩的频率成分为：连续性相对好，振幅弱，低频。
2、单井沉积亚相、微相划分
在搁架控制下，结合区域沉积背景，优选对岩性组合、沉积相类型敏感的测井曲线，进行单井沉积相分析，完成目的层单井沉积亚相、微相划分。结合研究区的沉积背景，钻井数据及测井曲线特征，可以确定研究区目的层主要沉积亚相为三角洲前缘、前三角洲和滨浅海，沉积微相类型有分流河道，河道间，远砂坝和滨浅海泥岩等。从图2中可以看出，单井上AC和GR曲线在纵向上对岩性的区分都不是很明显，需要结合测井曲线所表现出的旋回特征，判断目的层沉积亚相、微相类型。据此，完成研究区内的全部10口井的沉积亚相、微相精细划分。
3、单井沉积亚相、微相数字化
为了更好的实现井震协同分析，需要将沉积亚相和沉积微相数字化。可按照区域背景、预测目的层段的岩性组合特征进行不同沉积亚相、微相的赋值，例如砂岩的百分含量等数字。同时，为了突出优势相带，在将沉积微相单元数字赋值的过程中，可以结合研究区的储层发育特征，非等间隔定义优势微相，如可以定义分流河道微相为数字4，河道间定义为数字2。另外，砂岩分布特征相似的微相也可以赋予同样的数值，如河道间薄层砂岩与席状砂特征基本相似，均定义为数字号2，滨浅海泥岩定义为数字1。最终得到各井点位置的单井沉积微相曲线，曲线形态呈方波化。
在沉积相带横向上变化比较大的地区，还需要根据沉积亚相的划分，对亚相相序特征进行数字化。在该实例中三角洲前缘亚相定义为3，前三角洲定义为2，滨浅海定义为1，得到了井点位置的单井沉积亚相的曲线，曲线形态同样呈方波化。
4、井震协同沉积微相模拟
首先分析传统的应用地震属性进行沉积微相划分的方法，即使在高精度的地层格架内，单一或者多个属性的融合仍然无法快速的表征沉积体的展布特征，如图4所示，从现有属性图中很难刻画河道砂体的展布。
本发明提出按照“地震敏感属性相似，则岩性组合、沉积相类型相似”的原则，在高精度的层序地层格架内，优选沉积相类型敏感地震属性，井震协同模拟，构建沉积相类型空间三维数据体，并以此为基础对沉积微相空间展布进行预测的方法。应用该方法，在层序搁架内，优选敏感属性及与待预测点敏感属性相似的井，然后依据这些井点的岩性组合、沉积相类型，构建预测点沉积亚相曲线，完成待预测点沉积亚相类型的初步预测。在该实例中，通过地震属性优选，波形特征能够较好反演目的层内沉积相类型及组合。提取层内的所有井的地震波形特征，并与该井沉积微相曲线进行对比分析，作为待预测点沉积微相类型判别的标准。如图5所示，在对待预测点A进行预测的时候，首先提取工区内的所有井的地震波形，然后优选与待预测点波形最相似的两口井作为相似沉积相特征的井样本。按照上述原则，对空间上A、B、C三个位置进行有效井样本的查询，寻找与A、B、C地震波形相似的井，如图6所示。通过波形形态的比对，研究区的Well2井和Well5井的地震波形与待预测点A井最相似（如图7所示），也就间接说明这两口井与A井的岩性组合特征相似，即沉积微相相似，因而在对待预测点A，就可以用Well2井和Well5井的沉积微相特征曲线，进行共性结构分析，得到待预测点A的沉积微相分布特则。按照这个原则，也可以优选出其它待预测点的沉积微相类型。按照上述步骤，历遍工区所有待预测点，即三维地震数据中的每一个网格点，得到沉积微相的三维空间展布数据体。
从过待预测点A、B的连井剖面（即图8）看，待预测点B位置地震反射特征与Well3井地震波形特征相似，呈薄层席状砂的反射特征，可以说明该沉积相预测结果是按照地震波形所反应的岩性组合、沉积相类型的综合特征，并不是按照地震振幅、相位、频率等单项波形的定性刻画。从过待预测点A、B的沉积微相模拟里连井剖面（即图9）看，预测结果在钻井上与井点位置沉积微相特征吻合，井间变化遵从地震相变化的趋势，说明预测结果具有合理性，且横向上的分辨率高。从提取的目的层段的沉积微相图上（如图11所示），图中明显的展示出三条从北部延展而来的条带状分流河道，与研究区沉积背景相符。较地震属性所反应的地质体分布特征对比，沉积微相预测结果更为合理。
5、井震协同沉积亚相模拟
按照第4步的技术方案，在高分辨率层序地层格架内，应用单井沉积亚相曲线对研究区的沉积亚相分布进行模拟，得到沉积亚相分布三维数据体。从图10沉积亚相预测剖面图中可以看出，沉积亚相的分布与沉积微相主体特征基本相似，在三条河道发育的位置，也是沉积亚相数据中三角洲前缘亚相主要发育的位置。进一步验证了沉积微相预测结果的合理性。通过对沉积亚相三维数据体的统计，可以得到三角洲亚相的平面分布图，较好反映目的层段优势亚相展布特征，如图12所示。
6、井震协同沉积微相及亚相分布预测质控
采用频率合并法，合并沉积亚相的低频成分和沉积微相的高频成分，对三角洲亚相和三角洲微相图进行分析融合显示。也可以采用优势互补法，用沉积微相图中的优势相带，遮挡沉积亚相分布图，得到综合沉积微相分布图，结合实施例的沉积特征，绘制主体河道的展布规律，如图13所示。相对于以往的沉积微相划分方法而言，该技术方法的沉积微相边界更清晰。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。