论文部分内容阅读
摘要：数值模拟作为开发方式及开发技术政策研究的重要手段，需要建立精度较高且符合地质认识的三维地质模型，为开发方案编制提供有力支撑。同时，随着评价井、产能井完钻进一步深化地质认识，逐步调整、完善地质模型，使其更接近实际地质情况，为开发方案的调整优化提供支持。
关键词：地质建模;随机属性模型，沉积相模型
储层地质建模技术是油田开发生产和研究工作的基础，是油藏描述的最终成果。为了建立能够反映地下储层物性（孔隙度、渗透率、净毛比）空间分布的参数模型。要利用随机建模来研究不同的复杂情况，运用不同的方法，使建立的模型更符合储层的实际情况。综合考虑地质、地震、测井等多种信息后，以岩相为约束，建立随机储层模型从而建立区块三维地质模型。
1 精细三维地质建模研究
1.1 数据准备
为建立地质模型，需要提前整理单井数据和地震数据，其中单井数据包括井头数据、井斜数据、测井曲线及单井解释成果;地震数据包括分层数据和断层数据，此处建模中用到的地震數据均为深度域。为了达到储层建模精度的要求，在数据导入前，需要保证用于建立地质模型的原始数据的准确可靠性，如检查岩心分析的孔渗参数的奇异值是否符合地质实际，测井解释的孔渗饱参数是否准确，岩心-测井-地震解释结果是否吻合。
研究区为某油田，岩性以棕灰、棕紫、棕黄色砾岩、含砾不等粒砂岩为主，夹棕红、浅灰、紫褐色泥岩。砾石成份复杂，主要为花岗岩砾石和变质岩砾石。单井在目的层钻遇油层厚度达95.8m，为厚层块状碎屑岩。
1.2 构造模型建立
1.2.1断层模型
通常是将地震解释的断层数据和分层数据导入到Petrel软件中，再参考不同的构造面上断层与井点的位置关系，调整pillar位置，使得断点在断层模型上，最终得到断层模型。实际应用中，也可以导入构造图，通过调整pillar使构造图中的等值线以及断层在不同面上的投影与解释的构造面相符的情况下，得到断层模型
1.2.2 模型网格划分与层面模型
建模过程中需要合理的划分网格的大小，网格划分的过大，模拟精度不够，会影响后续数值模拟，网格划分过小，则影响模拟速度。因此在平面上划分网格时要保证单口井的数据在一个完整网格中，即网格的步长一般小于最小井距，这样才能保证模型在平面上的预测效果。纵向上的网格选择是要由砂体或隔夹层的厚度来决定，一般纵向上网格长度要比砂体或隔夹层的厚度小，这样才能在纵向上表征它们的分布。
1.3 沉积相模型建立
岩相模型的建立首先需要对测井解释的岩相数据进行离散化，将测井解释的岩性数据分类为三种岩相：泥岩相、砂岩相、致密岩相，分别赋值为0、1、2，离散化到井轨迹所经过的模型网格上。在Petrel 中提供了了7种算术方法对离散型曲线进行网格化，通常采用最优法（Most of），选择每个网格上出现最多的离散值作为粗化后的岩相值。
岩相模型的随机建模在国内外已经被广泛使用，目前，示性点过程模拟、截断高斯模拟和序贯指示模拟为常用的随机模拟方法。其中，序贯指示模拟最为常用，序贯指示模拟法既可应用于离散变量，又可应用于连续变量的随机模拟，该方法最大的优点是可以模拟复杂各向异性的地质现象，例如对于含有多种岩相分布的地质体，通过定义不同的变差函数，可以建立各向异性的模拟图像[2]。以某区块为例，本次岩相模型采用序贯指示模拟方法，并通过纵向岩相概率曲线进行约束。通过模拟运算，得到了岩相模型，如图2-2。区块物源方向为西物源，从西北自东南方向发育扇状、指状砂体，整体呈连片状分布，符合三角洲沉积特点，模拟后的相模型与前人沉积相研究结论吻合。
1.4储层物性模型建立
1.4.1 孔隙度模型
数据来源：井点上的孔隙度是应用试验室的岩心数据资料，与测井曲线数据进行线性回归，得出的孔隙度曲线图版。这是一种较为常用的方法，同时可以兼顾数据的准确性和弥补岩心数据的不足。经过计算得到的孔隙度曲线同样需要数据校正，去掉野值，保证数据的合理性。[1]
对离散化后得到的数据进行变差函数的分析，给出合理的主变程、次变程和垂向变程。应用序贯高斯模拟方法，分层分相带设置变差函数参数，建立孔隙度的分布模型。
1.4.2 渗透率模型
数据来源于井点上的渗透率曲线是应用试验室的岩心数据测试结果，与孔隙度曲线进行线性回归，得出的渗透率曲线图版。渗透率曲线同样需要数据校正。对离散化后得到的数据进行变差函数的分析。在做变差函数分析时应用的原则与做孔隙度模型基本相同，即找到井点上数据点的变化规律，给出合理的主变程、次变程和垂向变程。通过对研究区块内渗透率数值的变差函数分析，应用序贯高斯模拟方法，使用孔隙度模型进行变量约束进而最大限度接近研究人员对地质的认识。
1.5 模型检验
1.5.1 属性对比验证
属性之间存在一定的相关性。孔隙度与渗透率显示出正相关关系，渗透率高的地方往往也有较高的孔隙度，根据这种属性之间的联系，可以检验同一条过井剖面上的属性分布特征是否彼此吻合，从而达到精度检验的目的[2]。如图2-3、2-4为某油田通过同一条剖面上的属性分布特征对比图，可以发现岩性与各属性之间有很好的对应关系，砂岩反映了更高的孔隙度和渗透率;同时属性之间较高的相关性能够反映储层空间展布特征和非均质性[2]。说明在相控条件下的随机建模较好的符合地质实际，所建模型精度较高。
2.结论与建议
（1）储层随机性建模工作由于整合了多方面信息，利用其信息随机性的概念，合理处理测井-地震-岩心等数据，以减小储层及其性质的不确定性，大大地提高了非均质储层建模的精度。
（2）采用相控随机建模，精细表征储层的非均质性和不确定性，同时对模型进行检验与评价，是一项符合地质变化规律的非均质储层综合评价和预测技术，可以解决油田开发生产难题和满足油藏开发中后期措施调整要求，提高油藏最终采收率。
参考文献：
[1]梁树义.徐深气田汪深 1 区块火山岩气藏精细描述与地质建模研究.硕士研究生学位论文，2014.
[2] 张春杰.紫金山北上古生界多类型储层三维地质建模及合采兼容性数值试验.中国矿业大学硕士论文，2017.
关键词：地质建模;随机属性模型，沉积相模型
储层地质建模技术是油田开发生产和研究工作的基础，是油藏描述的最终成果。为了建立能够反映地下储层物性（孔隙度、渗透率、净毛比）空间分布的参数模型。要利用随机建模来研究不同的复杂情况，运用不同的方法，使建立的模型更符合储层的实际情况。综合考虑地质、地震、测井等多种信息后，以岩相为约束，建立随机储层模型从而建立区块三维地质模型。
1 精细三维地质建模研究
1.1 数据准备
为建立地质模型，需要提前整理单井数据和地震数据，其中单井数据包括井头数据、井斜数据、测井曲线及单井解释成果;地震数据包括分层数据和断层数据，此处建模中用到的地震數据均为深度域。为了达到储层建模精度的要求，在数据导入前，需要保证用于建立地质模型的原始数据的准确可靠性，如检查岩心分析的孔渗参数的奇异值是否符合地质实际，测井解释的孔渗饱参数是否准确，岩心-测井-地震解释结果是否吻合。
研究区为某油田，岩性以棕灰、棕紫、棕黄色砾岩、含砾不等粒砂岩为主，夹棕红、浅灰、紫褐色泥岩。砾石成份复杂，主要为花岗岩砾石和变质岩砾石。单井在目的层钻遇油层厚度达95.8m，为厚层块状碎屑岩。
1.2 构造模型建立
1.2.1断层模型
通常是将地震解释的断层数据和分层数据导入到Petrel软件中，再参考不同的构造面上断层与井点的位置关系，调整pillar位置，使得断点在断层模型上，最终得到断层模型。实际应用中，也可以导入构造图，通过调整pillar使构造图中的等值线以及断层在不同面上的投影与解释的构造面相符的情况下，得到断层模型
1.2.2 模型网格划分与层面模型
建模过程中需要合理的划分网格的大小，网格划分的过大，模拟精度不够，会影响后续数值模拟，网格划分过小，则影响模拟速度。因此在平面上划分网格时要保证单口井的数据在一个完整网格中，即网格的步长一般小于最小井距，这样才能保证模型在平面上的预测效果。纵向上的网格选择是要由砂体或隔夹层的厚度来决定，一般纵向上网格长度要比砂体或隔夹层的厚度小，这样才能在纵向上表征它们的分布。
1.3 沉积相模型建立
岩相模型的建立首先需要对测井解释的岩相数据进行离散化，将测井解释的岩性数据分类为三种岩相：泥岩相、砂岩相、致密岩相，分别赋值为0、1、2，离散化到井轨迹所经过的模型网格上。在Petrel 中提供了了7种算术方法对离散型曲线进行网格化，通常采用最优法（Most of），选择每个网格上出现最多的离散值作为粗化后的岩相值。
岩相模型的随机建模在国内外已经被广泛使用，目前，示性点过程模拟、截断高斯模拟和序贯指示模拟为常用的随机模拟方法。其中，序贯指示模拟最为常用，序贯指示模拟法既可应用于离散变量，又可应用于连续变量的随机模拟，该方法最大的优点是可以模拟复杂各向异性的地质现象，例如对于含有多种岩相分布的地质体，通过定义不同的变差函数，可以建立各向异性的模拟图像[2]。以某区块为例，本次岩相模型采用序贯指示模拟方法，并通过纵向岩相概率曲线进行约束。通过模拟运算，得到了岩相模型，如图2-2。区块物源方向为西物源，从西北自东南方向发育扇状、指状砂体，整体呈连片状分布，符合三角洲沉积特点，模拟后的相模型与前人沉积相研究结论吻合。
1.4储层物性模型建立
1.4.1 孔隙度模型
数据来源：井点上的孔隙度是应用试验室的岩心数据资料，与测井曲线数据进行线性回归，得出的孔隙度曲线图版。这是一种较为常用的方法，同时可以兼顾数据的准确性和弥补岩心数据的不足。经过计算得到的孔隙度曲线同样需要数据校正，去掉野值，保证数据的合理性。[1]
对离散化后得到的数据进行变差函数的分析，给出合理的主变程、次变程和垂向变程。应用序贯高斯模拟方法，分层分相带设置变差函数参数，建立孔隙度的分布模型。
1.4.2 渗透率模型
数据来源于井点上的渗透率曲线是应用试验室的岩心数据测试结果，与孔隙度曲线进行线性回归，得出的渗透率曲线图版。渗透率曲线同样需要数据校正。对离散化后得到的数据进行变差函数的分析。在做变差函数分析时应用的原则与做孔隙度模型基本相同，即找到井点上数据点的变化规律，给出合理的主变程、次变程和垂向变程。通过对研究区块内渗透率数值的变差函数分析，应用序贯高斯模拟方法，使用孔隙度模型进行变量约束进而最大限度接近研究人员对地质的认识。
1.5 模型检验
1.5.1 属性对比验证
属性之间存在一定的相关性。孔隙度与渗透率显示出正相关关系，渗透率高的地方往往也有较高的孔隙度，根据这种属性之间的联系，可以检验同一条过井剖面上的属性分布特征是否彼此吻合，从而达到精度检验的目的[2]。如图2-3、2-4为某油田通过同一条剖面上的属性分布特征对比图，可以发现岩性与各属性之间有很好的对应关系，砂岩反映了更高的孔隙度和渗透率;同时属性之间较高的相关性能够反映储层空间展布特征和非均质性[2]。说明在相控条件下的随机建模较好的符合地质实际，所建模型精度较高。
2.结论与建议
（1）储层随机性建模工作由于整合了多方面信息，利用其信息随机性的概念，合理处理测井-地震-岩心等数据，以减小储层及其性质的不确定性，大大地提高了非均质储层建模的精度。
（2）采用相控随机建模，精细表征储层的非均质性和不确定性，同时对模型进行检验与评价，是一项符合地质变化规律的非均质储层综合评价和预测技术，可以解决油田开发生产难题和满足油藏开发中后期措施调整要求，提高油藏最终采收率。
参考文献：
[1]梁树义.徐深气田汪深 1 区块火山岩气藏精细描述与地质建模研究.硕士研究生学位论文，2014.
[2] 张春杰.紫金山北上古生界多类型储层三维地质建模及合采兼容性数值试验.中国矿业大学硕士论文，2017.