基于岩石物理模型的凝灰质砂岩的识别与刻画--以珠江口盆地惠州凹陷古近系砂岩储层为例

惠州H5油田位于珠江口盆地惠州凹陷,古近系恩平组下段砂岩储层是其主力油层,但储层中因火山作用而发育了致密的凝灰质砂岩。此类致密砂岩导致储层性能下降,使得优质储层的预测面临挑战。准确识别凝灰质砂岩并刻画其分布范围是惠州H5油田优质储层预测的关键。为此,根据已钻井资料和地震资料进行了含凝灰质砂岩的岩石物理建模,得到了识别凝灰质砂岩的敏感岩石物理弹性参数;在此基础上,开展了地震资料叠前反演和人工智能深度学习的储层定量预测;在储层预测结果的基础上,识别并刻画了致密的凝灰质砂岩及其分布范围,从而突出优质砂岩储层。提出了凝灰质砂岩岩石物理建模和岩石物理模型驱动下的人工智能储层预测技术及其流程。该技术应用于惠州H5油田的储层评价,在钻前成功识别了H5-3d井区和H5-5d井区恩平组下段发育的凝灰质砂岩,准确刻画了其分布范围和边界,为后续评价井的钻探和储量申报提供了重要依据。

海拉尔盆地南屯组凝灰质砂岩储层含水饱和度计算方法

针对海拉尔盆地南屯组储层普遍含有凝灰质,且储层物性变化大等特点,对凝灰质砂岩储层建立凝灰质砂岩体积模型。利用放射性铀测井曲线确定凝灰质含量以达到与泥质含量的区别,计算出岩石的储层参数。将计算得出的孔隙度与岩心分析的孔隙度进行对比,可以得出孔隙度的绝对误差为1.51 p.u.,相对误差为10.16%。对同一区块多口井的南屯组凝灰质砂岩进行解释并且与试油资料进行分析对比,计算出的含水饱和度与实际试油的对比显示出很好的一致性。结果表明,建立的凝灰质砂岩解释模型与处理方法提高了储层描述的准确性,可以为该类凝灰质砂岩储层提供可靠的测井解释结果与储层参数,在海拉尔地区南屯组一段该类储层中的应用取得了很好的效果。

萤火虫算法在凝灰质砂岩储层测井解释中的应用

凝灰质砂岩储层的岩石成分和孔隙结构复杂,物性变化大,准确计算出各成分的体积分数,特别是凝灰质的含量,是提高这类储层测井解释精度的关键。在求解此类问题时,传统测井解释方法中的简单矿物模型及其方程组解法容易出现不稳定的解或不合理的解释结果。为此,提出了一种基于萤火虫算法的最优化测井解释方法,结合岩石体积物理模型,应用于海拉尔盆地凝灰质砂岩储层解释。在综合考虑各种误差与约束条件的情况下,计算出了凝灰质含量、孔隙度等储层参数。计算结果与岩心数据吻合度较好,说明萤火虫算法可行,最优化测井解释的结果可靠。

致密砂岩储层岩石物理模型的优化建立

Krief模型、Nur模型和Pride-Lee模型通常被用于计算砂岩储层干岩石模量,但对于致密砂岩储层却效果不佳。基于Krief模型和Nur模型,在满足纵波或横波预测值与实测值差值最小的条件下,通过Gassmann方程求出模型中的岩性指数m或临界孔隙度O_c,进而将模型中通常采用的经验参数表示成随采样点变化的值,提高了Krief模型和Nur模型估算纵横波速的精度,称为变参数Krief模型和变参数Nur模型。此外,对比不同约束条件下纵横波预测精度,可知在致密砂岩储层中3种模型的剪切模量公式的精度更高、适用性更好。Han提出的K_(dry)与u_(dry)关系式不受孔隙度、岩性等因素的影响,将该关系式与上述3种模型中任意一种剪切模量公式结合建立干岩石模型,应用到Gassmann方程中对鄂尔多斯盆地苏里格气藏盒8致密砂岩储层横波速度进行预测,提高了预测横波速度的精度,同时获得了3种模型中每个采样点对应的岩性指数m、临界孔隙度O_c和固结参数c的值,这些参数值可以反映出储层的岩性差异、孔隙结构、压实程度等特征,映射了储层的地质特征。