根据地震活动性评价地震发生_全球和日本的研究动向

根据地震活动性评价地震发生_全球和日本的研究动向 质新 疆 石 油 地 第 28 卷 第 4 期 , No.4 Vol. 28新 疆 石 油 地 质 2007 年 2007 年 8 月XINJIANG PETROLEUM GEOLOGY Aug. 2007 文章编号: 1001- 3873( 2007) 04- 0500- 04 根据地震属性预测乌尔禾油田储集层孔隙度 何 周, 陈永军, 郭文建 ( 中国石油 新疆油田分公司 勘探开发研究院, 新疆 克拉玛依 834000) 摘 要: 基于准噶尔盆地乌尔禾油田地震资料, 提取了 43 种地震属性数据; 通过对提取的地震属性的, 利用聚类 分析方法优选出 5 种属性作为储集层孔隙度预测模型基本参数。结合区内已知井点处目的层孔隙度, 利用多元回归 , 取得了较好的应用效果。 和非参数回归方法对目的层进行储集层参数预测 关键词: 准噶尔盆地; 乌尔禾油田; 地震属性; 孔隙度预测; 聚类分析; 多元回归; 非参数回归 中图分类号: P631.445.91 文献标识码: A 储集层孔隙度参数的准确求取是油藏综合研究 的一项关键性技术, 孔隙度参数的预测关键是选择并 拾取与孔隙度相关性强的地震属性参数。 本文在对地震属性进行优化分析的基础上, 提取 与储集层参数相关性较好的地震属性, 利用多元逐步 回归和非参数回归分析方法, 对准噶尔盆地乌尔禾油 田下三叠统百口泉组储集层孔隙度进行预测。分析对 比明, 建立在地震属性基础上进行的储集层参数预 测, 不但提高了效率, 而且提高了预测的精度。 1 地震属性分析 ( 1) 聚合法聚类分析 采用 LandMark 公司 Post- Stack 的 PAL 属性提取模块, 在精细构造解释的基础 上, 确定沿目的层上延 10 ms、下延 10 ms 作为提取地 震属性的分析时窗。在此沿层时窗内, 共提取 43 种地 [1]震属性, 根据储集层特征的地震属性分类方法, 我们 [2] 图 1) 。由图 1 选用聚合法聚类分析实现属性优选( 可知, 属性 1、2、3、4、5、28、29、30 基本属于一类, 即频 率类属性; 属性 8、9、11、19、21、36、40、41、42 基本属 于一类, 即相关函数类属性; 属性 35、43 属于一类; 属 性 10、13、14、31、32、37, 16、17 基 本 属 于 一 类 ; 属 性 6、7、22、23、24、25、26、27 基本属于一类, 即振幅类属 图 1 属性聚类谱系 性 ; 属 性 12、15、18、20 属 于 一 类 ; 属 性 33、34、38、39 属于一类。在选择属性进行储集层预测时, 应尽量选 首先, 对井点处目的层的孔隙度与优选的地震属取相互独立的、反映储集层特性比较敏感的那些属 性数据进行归一化处理。设样本数据为 x(n=1, 2,, n 性。 N) , 定义样本数据中的最大值为 x=max{ x} , 样本数 maxn ( 2) 地震属性与井点孔隙度相关性分析 为了减据中的最小值 x=min{ x} , 按( 1) 式进行归一化处理, minn 少运算量, 从上述聚类结果中选取各类中地质意义明将样本数据转化为 0,1 区间的数据: 显的一种属性, 计算其与井点储集层孔隙度间的相关 x- x+α nmin 1) ( ?x , 2) 式计算 非参数统计模型和针对此种模型而制定的非参然后, 根据归一化处理后的数据, 按照( 数统计方法, 与参数模型和方法相比, 其优点在于模 孔隙度与地震属性之间的相关系数: 型包罗广, 方法适用面宽, 可以避免由于模型假设与 ( )( ) ?x- xy- y+α iaviav, ( r= 2) 实际情况的重大偏差而带来的错误。对于利用地震属 2 2) ( ) ?(x- x?y- y ""iaviav性参数预测储层参数的实际问题, 由于关系十分复 式中 r ——相关系数; 杂, 事先无法给出合适的、具体的参数模型, 因而, 使 x—第 i 个地震属性值; x—iav用参数模型就有可能产生较大误差。 —地震属性平均值; y——i上述两种方法都是传统的利用地震信息求取储 集层参数的方法, 主要是寻找储集层参数和地震属性 —第 i 个井点孔隙度值; yav 之间的相关性, 然后利用地震数据中几种相关性最好 —孔隙度平均值。 —的属性去预测储集层参数。尽管这种关系是从这些地 根据准噶尔盆地乌尔禾井区 19 口井下三叠统百 震属性和储集层参数求得的, 然而没有确切的物理意 口泉组孔隙度数据, 计算出孔隙度与地震属性相关系 义, 并且它们来源于统计关系而非确定性的关系。这 [6- 8] 数( 表 1) 。些方法, Schultz( 1994) 称之为数据驱动法。 ( 3) 预测效果分析 乌夏断裂带属于准噶尔盆地 孔隙度与地震属性相关系数表 1 相关相关西北缘冲断带东段, 全长约 80 km. 围绕主体断裂还 地 震属性 地震属性 系数系数 发育了许多与主断裂平行或斜交的次生断层, 共同构 振幅谱主频均方根振幅0.72 0.41 自相关函数第一零值点位置最大振幅值0.42 0.33 信噪比能量之比0.11 0.51 峭度16 km. 根据该断裂带内各 宽度约为 成一系列断阶, 0.40 条断层的走向、延伸长度和逆掩推覆构造形态的不 同, 从西向东还可以分为 3 个次一级断裂带: 乌尔禾 基于孔隙度与地震属性之间的相关系数, 从中优断裂带、乌夏断裂带和夏红断裂带。乌尔禾油田位于 0.4 的 5 种地震属性, 即振幅谱主 选出相关系数大于 乌尔禾断裂带与乌夏断裂带交汇处( 图 2) , 该区地层 频、能量之比、自相关函数第一零值点位置、均方根振 自下而上发育石炭系, 二叠系佳木河组、风城组、夏子 幅和峭度, 作为孔隙度预测的优选属性。 街组、乌尔禾组, 三叠系百口泉组、克拉玛依组和白碱 滩组, 侏罗系八道湾组、三工河组、头屯河组及白垩 2 储集层参数预测方法 系。其中, 二叠系与三叠系、三叠系与侏罗系为区域性 不整合。由于乌尔禾鼻隆等正向构造发育在印支运动 ( 1) 多元逐步回归分析方法 在地质统计分析中,期, 三叠系东西向沿隆起部位向两侧逐渐增厚。斜坡 依据经验或在地质理论指导下, 拟定 m 个与地质储 区断裂欠发育, 地层基本为东南倾单斜产状, 整体上 集层参数 y( 如孔隙度等) 有着密切联系的变量 x(i= i 该区构造位置优越, 结合沉积相分析, 通过井间精细对 m) 。变量 x对 y 作用的大小, 可以通过对回, 1, 2, 比和地震精细标定和刻画, 在该断块内及附近发现百 i 口泉组存在砂层叠置现象, 具备形成岩性圈闭的条件。 归系数进行的假设检验来鉴别。如果变量 x的回归系 i 数 b=0, 这个假设被接受, 反映变量 x对 y 的作用不 ii 重要, 这时就从回归方程中把它去掉, 重新建立回归 方程, 这样可使不包含变量 x的回归方程更合理地反 i 映 y 与 x的相关性。由此可见, 多元线性回归分析是 i 一种“逐步剔除”变量、循序渐进地寻找变量间相关关 [5]系的回归分析方法。 逐步回归分析的优点是能够从数量较多的变量 中筛选出对 y 作用重要的变量引入回归方程, 从而克 服了“逐步剔除”和“逐步引入”回归分析方法存在的 不足。 ( 2) 非参数回归方法 非参数回归方法是一种非 线性回归方法, 弥补了储集层参数和地震信息之间没 有确定参数模型的不足, 不需事先知道储集层参数和 地震信息之间满足哪种类型的关系, 因而该方法模型 图 2 乌尔禾油田百口泉组油藏地理位置 利用上述优选出的 5 种地震属性和多元逐步回 新 疆 石油地质 5022007 年 ?? 田进行孔隙度参数预测。表 2 是井点处孔隙度预测误 差对比, 比较可知非参数回归方法预测的效果好于多 元逐步回归方法, 表中带“*”者为验证井位。图 3 为乌 尔禾油田下三叠统百口泉组自相关函数第一零值点 位置的沿层属性平面图。图中此属性所对应的油气范 围( 红色) 与乌尔禾油田井点油气显示情况非常吻合, 说明此种属性与油气性的相关性很好。 多元逐步回归和非参数回归法预测的孔隙度对比 % 表 2 图 4 用克里金插值方法得到的孔隙度平面分布 多元逐步回归方法非参数回归方法 井点 井名 绝对相对绝对相对 预测值预测值 孔隙度 误差误差误差误差 F20 14.22 12.92 - 1.30 - 9.14 14.24 0.02 0.14 F7 18.90 18.76 - 0.14 - 0.74 18.88 - 0.02 - 0.11 F8 17.00 16.00 - 1.00 - 5.88 17.05 0.05 0.29 WU001 14.00 15.14 1.14 8.14 13.90 - 0.10 - 0.71 WU002 20.00 17.21 - 2.79 - 13.95 19.90 - 0.10 - 0.50 WU004 13.00 14.8 1.80 13.85 12.99 - 0.01 - 0.08 WU005 16.05 15.31 - 0.74 - 4.61 16.02 - 0.03 - 0.19 WU006 15.72 15.66 - 0.06 - 0.38 15.72 0 0.00 图 5 用多元逐步回归方法预测的孔隙度平面分布 WU007* 13.00 16.18 3.18 24.46 13.02 0.02 0.15 WU101 15.71 15.66 - 0.05 - 0.32 15.74 0.03 0.19 WU23 13.70 14.62 0.92 6.72 13.74 0.04 0.29 WU25 13.70 15.49 1.79 13.07 13.7 0 0 0.00 WU28 15.48 15.14 - 0.34 - 2.20 15.63 0.15 0.97 WU29 15.61 15.83 0.22 1.41 15.60 - 0.01 - 0.06 WU36* 15.02 16.00 0.98 6.52 15.08 0.06 0.40 WU40 18.00 17.21 - 0.79 - 4.39 17.98 - 0.02 - 0.11 WU6 16.24 16.00 - 0.24 - 1.48 16.29 0.05 0.31 WU9 15.10 15.66 0.56 3.71 15.08 - 0.02 - 0.13 图 6 用非参数回归方法预测的孔隙度平面分布 个地震属性参数之间的线性关系, 这种方法比较简单 实用, 预测效果主要取决于储集层参数与地震属性参 数之间的线性关系的吻合程度。若线性关系近似成 立, 则选择这种方法是可行的, 也是比较容易实现的; 若线性关系的近似程度很低, 则预测结果的误差就比 较大; ( 2) 非参数回归方法是一种非线性回归方法, 可 图 3 乌尔禾井区百口泉组自相关函数 以建立较为准确的预测储集层参数的方程。由于使用 第一零值点位置沿层属性 这种方法时要求给出与储集层参数关系最为密切的 图 4 是井点孔隙度用克里金插值方法得到的平 几种地震属性, 因而事先对地震属性进行仔细认真的 面分布图, 利用多元逐步回归和非参数回归方法进行 分析是十分必要的, 这就要求有多种分析地震属性的孔隙度预测的结果如图 5 和图 6 所示, 目标层都是三 2 可以看出, 在井点处吻合 方法与之配套使用。从表 叠系百口泉组。 程度较高, 预测的孔隙度最大绝对误差为 0.15%. 从表 2 和图 4—图 6 可以看出, 不同的储集层参 数预测方法得到的预测结果总的趋势相似, 局部有差 3 认识和结论 参考文献: 差。有必要对以下基础数据进行分析: ( 1) 地震数据分析 分析地震数据的品质, 如保 [ 1] Chen Q, Sidney S. Advances in seismic attribute technology 幅情况、有效信号频带宽度、高频信号的信噪比等; [ J] . Society of Exploration Geophysicists, 1997: 730- 733. ( 2) 地质数据分析 了解研究目的层的主要沉积 张延玲. 地震属性技术的研究和应用[ J] . 地球物理学进 [ 2] 环境、钻井资料中的岩石性质、储集层的岩性特征; 展, 2005, 20( 40) : 1 129- 1 133. 孟召平. 基于地震属性的煤层厚度预测模型及其应用[ J] . ( 3) 测井数据分析 分析研究目的层段内测井曲 [ 3] 地球物理学报, 2006, 49( 2) : 512- 517. 线的变化规律, 了解井曲线变化在空间横向上的差异。 侯伯刚. 地震属性及其在储层预测中的影响因素[ J] . 石 需要指出的是, 地震属性受多种地质因素的影 [ 4] 油地球物理勘探, 2004, 39( 5) : 553- 561. 响, 同时也受地震资料的质量以及处理方法的影响。 王永刚. 地震属性分析技术在储层预测中的应用[ J] . 石 井点处的地震属性与所研究的储集层参数间的关系 油大学学报( 自然科学版) , 2003, 27( 3) : 29- 32. [ 5] 并不十分准确、可靠。因而利用这种关系预测的储集 Kalkomey C T. Potential risks when using seismic attributes 层参数的横向变化规律也难以真正满足油田开发工 as predictors of reservoir properties[ J] . The Leading Edge, [ 6] 程的要求。 1997, 16( 3) : 1 553- 1 561. 通过分析比较认为, 非参数回归方法预测的效果 李 明, 候连华. 岩性地层油气藏地球物理勘探技术与应 最好, 与原始数据吻合很好; 线性回归方法的预测误 用[ M] . 北京: 石油工业出版社, 2005. [ 7] 差较大, 说明本地区孔隙度与地震属性之间并非满足 孙家振, 李兰斌. 多信息储层预测和油气判别( 原理、方法 非线性关系。 与应用实例)[ M] . 北京: 中国地质大学出版社, 1997. [ 8] Pr ediction of Reser voir Por osity in Wuer he Field of J unggar Basin Using Seismic Attr ibutes HE Zhou, CHEN Yong-jun, GUO Wen-jian (Research Institute of Exploration and Development, Xinjiang Oilfield Company, PetroChina, Karamay, Xinjiang 834000, China) Abst ract: The seismic attributes of 43 types are extracted from Wuerhe Wellblock seismic data, of which 5 are selected as basic parameters of the reservoir porosity prediction model using clustering analysis. And the porosities at wells available are used to make a prediction of the reservoir parameters of target zone by multiple regression and nonparametric regression. The results show good effect for its application to the target zone. Key wor ds: reservoir parameter; prediction; clustering analysis; correlation coefficient; multiple regression; nonparametric regression !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!( 上接第 496页 ) 文章编号: 1001- 3873( 2007) 04- 0494- EA Compound Attr ibute as New Method for Pickup and Inter pr etation of Seismic Attr ibutes ZHANG Jun-hua, ZHU Huan, GAO Rong-tao, ZHOU Zhen-xiao (Faculty of Geo-Resources and Information, China University of Petroleum, Dongying, Shandong 257061, China) Abstr act: The technologies for pickup of seismic attributes include generally Fourier spectral analysis, autocorrelation, main component, autoregression and coherent body, etc. However, how to get new seismic attributes from the extracted attributes is still insufficiently concerned about. This paper proposes a new seismic attribute-compound attribute and develops the corresponding software package by means of information engineering principle, which is characterized by simple physical significances such as overlay, difference, product and cascade, etc. and sensitive data match and display. The compound attribute is used for the detailed interpretation of fluvial facies reservoir in LHK area, showing that the resolution and the S/N ratio are improved obviously. Key wor ds: compound attribute; cascade attribute; coherent body; channel interpretation