李少華,劉厚龍,李 琴

(長(zhǎng)江大學(xué) 地球科學(xué)學(xué)院剩余資源研究組,湖北荊州 434023)

0 前言

油氣儲(chǔ)層是由一系列復(fù)雜的地質(zhì)過(guò)程相互作用所形成的,通常具有很強(qiáng)的非均質(zhì)性。特別是我國(guó)油藏以陸相碎屑巖沉積儲(chǔ)層為主,具有沉積相變快,儲(chǔ)層非均質(zhì)性嚴(yán)重的特點(diǎn)[1]。這種儲(chǔ)層分布不均,非均質(zhì)性嚴(yán)重的特點(diǎn),導(dǎo)致了井位設(shè)計(jì)的不規(guī)則性,因有利儲(chǔ)層是優(yōu)先考慮的目標(biāo),這樣也就導(dǎo)致了獲取的地質(zhì)數(shù)據(jù)在分布上的不規(guī)則性[2]。在有利區(qū)的部位,開(kāi)發(fā)井會(huì)很密集,從而可以獲取大量數(shù)據(jù)。而在非有利區(qū)的分布范圍內(nèi),由于儲(chǔ)層預(yù)測(cè)的不準(zhǔn)確等原因,會(huì)有少量的開(kāi)發(fā)井及個(gè)別探井存在,從而獲取的地質(zhì)數(shù)據(jù)十分有限。這種地質(zhì)數(shù)據(jù)分布的不均勻如果不加以重視,會(huì)導(dǎo)致統(tǒng)計(jì)的結(jié)果無(wú)法真正代表實(shí)際數(shù)據(jù)分布的情況。例如,儲(chǔ)層隨機(jī)建模技術(shù)目前在國(guó)內(nèi)已經(jīng)得到越來(lái)越廣泛的應(yīng)用[3～6],建立相模型很重要的一個(gè)輸入?yún)?shù),就是各種沉積微相所占的比例。由于井位分布的不規(guī)則性,多數(shù)井會(huì)集中分布在有利相帶上,從而導(dǎo)致了在統(tǒng)計(jì)結(jié)果中,形成好儲(chǔ)層的微相比例偏大,進(jìn)而會(huì)導(dǎo)致模擬結(jié)果過(guò)于樂(lè)觀,計(jì)算的地質(zhì)儲(chǔ)量偏大。為了解決這一問(wèn)題,必須對(duì)數(shù)據(jù)分配不同的權(quán)值,讓密集的數(shù)據(jù)獲得較小的權(quán)值,而稀疏的數(shù)據(jù)獲得較大的權(quán)值。作者在本文介紹了二種方法來(lái)實(shí)現(xiàn)這一目的,即網(wǎng)格去叢聚方法和多邊形去叢聚方法[7、8],并通過(guò)實(shí)例分析了應(yīng)該注意的問(wèn)題。目前,去叢聚的方法在國(guó)外的應(yīng)用較多,加拿大學(xué)者還針對(duì)建模軟件Petrel開(kāi)發(fā)了相應(yīng)的去叢聚插件[9]。但在國(guó)內(nèi)這方面的研究還剛剛處于起步階段。

1 網(wǎng)格去叢聚方法

網(wǎng)格去叢聚方法(Cell Delustering)是最常見(jiàn)的一種降低地質(zhì)數(shù)據(jù)叢聚效應(yīng)的方法,能夠讓不規(guī)則分布的數(shù)據(jù)更合理地反映數(shù)據(jù)真實(shí)的分布。其核心就是給叢聚在一起的地質(zhì)數(shù)據(jù)分配較小的權(quán)值,給稀疏分布的數(shù)據(jù)分配較大的權(quán)值。該方法具有一定的適用條件,就是首先要知道叢聚的數(shù)據(jù)是分布在高值區(qū)還是低值區(qū)。如果叢聚的數(shù)據(jù)與沒(méi)有叢聚的數(shù)據(jù)之間沒(méi)有明顯的差別,那么利用本方法的意義就不大。

網(wǎng)格去叢聚方法具體的做法是:把研究區(qū)劃分為L(zhǎng)個(gè)網(wǎng)格。統(tǒng)計(jì)有數(shù)據(jù)點(diǎn)的網(wǎng)格,記為L(zhǎng)o(Lo≤L)。并且,統(tǒng)計(jì)每個(gè)有數(shù)據(jù)的網(wǎng)格內(nèi)有多少個(gè)數(shù)據(jù)點(diǎn),記為nlo,lo=1、…、Lo,它的和等于所有數(shù)據(jù)點(diǎn)的個(gè)數(shù)。每個(gè)數(shù)據(jù)點(diǎn)分配的權(quán)值與在網(wǎng)格內(nèi)數(shù)據(jù)的個(gè)數(shù)成反比。為了便于統(tǒng)計(jì),把所有數(shù)據(jù)點(diǎn)的權(quán)值之和設(shè)為1,那么每個(gè)數(shù)據(jù)點(diǎn)的權(quán)值大小為例如研究區(qū)共劃分36個(gè)網(wǎng)格,其中有33個(gè)有數(shù)據(jù),那么Lo=33。在網(wǎng)格i中有2個(gè)數(shù)據(jù)點(diǎn),因此每個(gè)數(shù)據(jù)點(diǎn)的權(quán)值就是1除以33,然后再除以2,等于0.015 2,其它的數(shù)據(jù)點(diǎn)的權(quán)值依次類推。

在這個(gè)方法中,網(wǎng)格的大小是關(guān)鍵。在不同的網(wǎng)格大小條件下,數(shù)據(jù)就會(huì)有不同的權(quán)值。網(wǎng)格大小一般從數(shù)據(jù)最小的間距開(kāi)始,然后逐步增加。程序會(huì)計(jì)算出在每種網(wǎng)格劃分情況下,數(shù)據(jù)的加權(quán)平均值。一般來(lái)說(shuō),井都是在好儲(chǔ)層的地方密集,因此通常都是選擇加權(quán)平均最小值所對(duì)應(yīng)的網(wǎng)格大小。把在此網(wǎng)格條件下計(jì)算得到的各個(gè)數(shù)據(jù)點(diǎn)的權(quán)值,作為該數(shù)據(jù)點(diǎn)的權(quán)值,然后統(tǒng)計(jì)均值、直方圖分布等,作為模擬的約束條件。

2 多邊形去叢聚方法

多邊形去叢聚法,類似于儲(chǔ)量計(jì)算中的面積加權(quán)平均法,即密的數(shù)據(jù)點(diǎn)控制的面積小,權(quán)值就小,而稀疏的數(shù)據(jù)點(diǎn)控制的面積大,因此權(quán)值就大。該方法非常直觀,易于理解(見(jiàn)圖1)。需要注意的是邊界問(wèn)題,當(dāng)數(shù)據(jù)點(diǎn)正好位于邊界上的時(shí)候,可能得不到正確的權(quán)值,通?？梢圆捎冒堰吔邕m當(dāng)外擴(kuò)的方法來(lái)解決。

該方法具體的做法是:

(1)找到數(shù)據(jù)點(diǎn)二點(diǎn)之間最短的距離。

(2)根據(jù)這個(gè)最短距離,建立密網(wǎng)格,例如選擇最短距離平方根的一半,作為密網(wǎng)格大小。

(3)把每個(gè)密網(wǎng)格分配給距離它最近的那個(gè)數(shù)據(jù)點(diǎn),然后統(tǒng)計(jì)每個(gè)數(shù)據(jù)點(diǎn)有多少個(gè)密網(wǎng)格,該數(shù)據(jù)點(diǎn)的權(quán)值與分配到的密網(wǎng)格個(gè)數(shù)成正比,大小等于分配到的密網(wǎng)格數(shù)除以總的密網(wǎng)格數(shù)。

3 實(shí)例研究

石南油氣田X井區(qū)的目的層段,是白堊系清水河組的清一段,主要為辮狀河三角洲前緣沉積。該研究區(qū)有十八口鉆井,在工區(qū)的左上角是3×3的試驗(yàn)開(kāi)發(fā)井網(wǎng),相對(duì)密集,井距250 m。其它井位分布不均,井距多在1 000 m以上(見(jiàn)下頁(yè)圖2)。為了精細(xì)計(jì)算油氣儲(chǔ)量,以及為油藏?cái)?shù)值模擬提供地質(zhì)模型,作者開(kāi)展了儲(chǔ)層地質(zhì)模型研究。

3.1 離散型變量的處理

在地質(zhì)研究的基礎(chǔ)上,首先建立沉積相模型。如圖2(見(jiàn)下頁(yè))所示,沉積微相類型主要為分流河道與席狀砂,編碼分別為1、3。合理統(tǒng)計(jì)各種微相所占比例是保證模擬結(jié)果正確的前提。由于井位分布的不均,如果直接按常規(guī)算術(shù)平均方法統(tǒng)計(jì),在整個(gè)研究區(qū)中河道占的比例會(huì)偏大(如下頁(yè)表1所示)。

圖1 多邊形去叢聚法原理Fig.1 Principle of polygon declustering method

圖2 井位分布圖Fig.2 Wells location

采用上述二種方法分別對(duì)數(shù)據(jù)進(jìn)行了處理,統(tǒng)計(jì)的微相類型所占比例見(jiàn)表1。在本例中,由于密集的微相類型分流河道的編碼為1,而相對(duì)稀疏的席狀砂編碼為3,因此利用網(wǎng)格去叢聚方法時(shí),需要尋找加權(quán)平均最大值及其對(duì)應(yīng)的網(wǎng)格大小。

圖3中的圓點(diǎn)為不同網(wǎng)格大小所對(duì)應(yīng)的加權(quán)平均值,在本例中需要尋找最大值。如圖3中黑圓點(diǎn)所示,對(duì)應(yīng)的加權(quán)平均值為1.908,相應(yīng)的網(wǎng)格大小為3 600 m。以該網(wǎng)格大小對(duì)各個(gè)數(shù)據(jù)點(diǎn)進(jìn)行權(quán)值的分配,然后加權(quán)統(tǒng)計(jì)各個(gè)微相所占的比例,統(tǒng)計(jì)結(jié)果見(jiàn)表1。應(yīng)用多邊形去叢聚方法得到的加權(quán)平均值為1.83,對(duì)應(yīng)微相比例見(jiàn)表1。通過(guò)表1可以看出,如果不考慮數(shù)據(jù)分布位置的影響,河道比例可高達(dá)83%;而考慮了井位的分布后,采用去叢聚方法得到河道的比例大幅下降,這就更接近真實(shí)情況。

表1 微相比例Tab.1 Proportion ofmicrofacies

3.2 連續(xù)型變量的處理

圖3 離散變量Fig.3 Example of discrete variable

在相模型的基礎(chǔ)上,采用相控建模技術(shù)建立物性參數(shù)模型。采用相控技術(shù),能夠根據(jù)各個(gè)微相物性參數(shù)各自的分布特征進(jìn)行模擬,更好地描述物性參數(shù)的空間分布。在模擬前,需要統(tǒng)計(jì)參數(shù)的諸如直方圖分布等?，F(xiàn)以孔隙度為例,分析井位對(duì)數(shù)據(jù)統(tǒng)計(jì)結(jié)果的影響。

在本例中,對(duì)河道及席狀砂的孔隙度分布分別進(jìn)行統(tǒng)計(jì)。由于河道數(shù)據(jù)點(diǎn)的分布非常不均勻,因此需要采用去叢聚的方法進(jìn)行處理。由于本例中密集的九口井分布在最有利儲(chǔ)層的部位,因此相應(yīng)的孔隙度也是最好的。而分布在河道末端及邊部的井點(diǎn),其孔隙度相對(duì)差一些。因此,在采用網(wǎng)格去叢聚方法時(shí),需要尋找加權(quán)平均最小值,及其對(duì)應(yīng)的網(wǎng)格大小。

在圖4中,黑圓點(diǎn)對(duì)應(yīng)是最小加權(quán)平均值,為0.184,相應(yīng)的網(wǎng)格大小為1 700 m。采用多邊形去叢聚方法得到的孔隙度加權(quán)平均值,與網(wǎng)格去叢聚方法得到的結(jié)果十分接近,采用算術(shù)平均得到的結(jié)果為0.201。分別以二種去叢聚方法得到的權(quán)值對(duì)數(shù)據(jù)進(jìn)行加權(quán)統(tǒng)計(jì)直方圖,并且與不加權(quán)的直方圖進(jìn)行對(duì)比。

見(jiàn)圖5,在不加權(quán)的孔隙度直方圖中,大于20%的孔隙度占有很大比例,其原因是密集的九口井的孔隙度都大于20%。在考慮井位分布的情況下,通過(guò)處理后得到的孔隙度直方圖中,孔隙度大于20%的部份明顯減少了,而相應(yīng)的小余20%的部份增加了。通過(guò)去叢聚處理,得到的孔隙度分布更加具有代表性,更能反映孔隙度真實(shí)的分布特點(diǎn)。

圖4 連續(xù)變量Fig.4 Example of continuous variable

圖5 孔隙度直方圖Fig.5 Porosity histogram

4 結(jié)論

針對(duì)地質(zhì)數(shù)據(jù)采樣不均勻的特點(diǎn),采用網(wǎng)格去叢聚方法和多邊形去叢聚方法對(duì)數(shù)據(jù)進(jìn)行處理,為密集分布和稀疏分布的數(shù)據(jù)點(diǎn)賦予不同的權(quán)值,然后再進(jìn)行加權(quán)統(tǒng)計(jì)的方法能夠得到更合理的統(tǒng)計(jì)結(jié)果。在石南油田的應(yīng)用表明,這二種方法不僅能夠適用于離散型變量,也適用于連續(xù)型變量。二種方法得到的結(jié)果相似,在最終應(yīng)用時(shí),可以采用二種結(jié)果平均的方法。采用去叢聚方法后進(jìn)行的儲(chǔ)層建模更加接近儲(chǔ)層的實(shí)際情況。在應(yīng)用網(wǎng)格去叢聚方法時(shí),需要注意密集的數(shù)據(jù)是高值還是低值,從而確定是選加權(quán)最大值還是加權(quán)最小值。對(duì)微相而言,需要特別注意的是,當(dāng)存在多種微相類型時(shí),需要把密集的微相類型編碼為最大值或是最小值,然后選擇相應(yīng)的加權(quán)最小值或加權(quán)最大值。

這二種方法有著廣泛的應(yīng)用前景,例如可以應(yīng)用到統(tǒng)計(jì)砂體厚度、凈毛比、石油儲(chǔ)量等多個(gè)方面,也可應(yīng)用到其它涉及空間數(shù)據(jù)的行業(yè)。

[1] 裘懌楠,薛叔浩,應(yīng)鳳祥.中國(guó)陸相油氣儲(chǔ)層[M].北京:石油工業(yè)出版社,1997.

[2] 劉吉余,李艷杰,于潤(rùn)濤.儲(chǔ)層綜合定量評(píng)價(jià)系統(tǒng)開(kāi)發(fā)與應(yīng)用[J].物探化探計(jì)算技術(shù),2004,26(1):33.

[3] 呂曉光,張永慶,陳兵.深度開(kāi)發(fā)油田確定性與隨機(jī)建模結(jié)合的相控建模[J].石油學(xué)報(bào),2004,25(5):60.

[4] 賈愛(ài)林,郭建林,何東博.精細(xì)油藏描述技術(shù)與發(fā)展方向[J].石油勘探與開(kāi)發(fā),2007,34(6):691.

[5] 于興河.油氣儲(chǔ)層表征與隨機(jī)建模的發(fā)展歷程及展望[J].地學(xué)前緣,2008,15(1):1.

[6] 李霞,王銅山,王建新.儲(chǔ)層隨機(jī)建模方法研究進(jìn)展[J].物探化探計(jì)算技術(shù),2009,31(5):454.

[7] DEUTSCH C V,JOURNEL A G.Gslib:Geostatistical Software Library:and User's Guide[M].Oxford University Press,New York,2nd Ed,1998.

[8] DEUTSCH C V.Geostatistical ReservoirModeling[M].Oxford University Press,New York,2002.

[9] JOHN MANCHUK,CHAD NEUFELD,C V DEUTSCH.Petrel Plugins for Declustering and Debiasing[J].In Centre for Computational Geostatistics,2007,9:403.