儲層建模演算法剖析

Ⅰ 基於儲層骨架的多點地質統計學隨機建模方法

前文述及,河道骨架主要用於基於目標的建模方法以及基於變差函數的建模方法。將河道骨架用於多點地質統計學隨機建模,即利用骨架模型所包含的河道形態、河道類型以及河道規模等信息,約束和指導河道多點統計預測。將這種方法稱為基於儲層骨架的多點地質統計學隨機建模方法。由於河道骨架模型在建模之前已經預測出來,因此如果在進行河道儲層預測時沿著河道骨架方向進行,必然能夠減少河道預測的不確定性,而河道連續性也能夠在骨架模型指導下得到再現。基於儲層骨架的多點地質統計學隨機建模方法的模擬步驟為(圖5-11):

1)訓練圖像預處理。

2)產生隨機模擬路徑。

3)條件數據搜索。在河流主方向,以河道中線波動幅度、河道厚度構成的長方體作為搜索窗,對研究區所有條件數據進行歸類並排序。選擇河道條件數據最多的長方體作為骨架模型建立的開始。

4)儲層目標骨架建立。以搜索窗寬度一半位置作為河道主方向軸,對落入搜索窗內的河道條件數據進行分析,通過隨機數確定條件數據在河道中的位置。根據這些條件數據在河道中的位置,確定河道中線位置。在沒有條件數據點處,根據一維高斯函數產生河道中線位置。

5)河道生成。沿著產生的河道中線,進行相似性判斷,在河道中線點處,僅選擇包含河道的最相似模式。

6)模擬剩餘未模擬節點。直到所有節點都被模擬,完成一次模擬實現。

由於在相似性計算中,河道百分比可能得不到滿足。因此,在所有河道中線已經模擬完成後,可以計算河道百分比,根據河道百分比情況來判斷是否應該再增加河道中線,並繼續模擬河道。如果河道百分比沒有達到期望的百分比,則可以利用高斯函數隨機產生一條河道中線,並沿著中線產生河道,直到期望的百分比得到滿足。

圖5-11 基於儲層骨架的多點地質統計學隨機建模流程

在整個隨機建模中,河道骨架模型建立後,對多點統計預測河道分布的約束主要表現為對數據模式選擇的約束,即指導合理地選擇數據模式,從而再現河道形態及分布特徵。

前文已經指出了Simpat方法造成河道不連續的一個重要原因是數據模式的隨機選擇,尤其是在河道中線延伸方向上隨機選擇不包含河道的模式。因此,當順河道中線模擬時,希望在河道中線處選擇包含河道的模式;而在河道模擬完成後,希望在模擬遠離河道區域時數據模式選擇上有一定的約束。即在遠離河道區域,在隨機選擇相似性數據模式時,僅選擇不包含河道的模式,從而避免了隨機數據模式選擇過程中出現異常的數據模式,導致模擬實現不真實。

在對Simpat方法的分析過程中,數據模式隨機選擇的不確定性,還包括了對條件數據提供信息考慮的不足。當建立河道骨架模型後,河道信息也包含在了骨架模型中,這對數據模式的選擇具有重要意義。當順河道中線進行模擬時,如果河道中線是分支河道中線,那麼在選擇最相似的數據模式時,可以根據河道中線提供的信息,僅在訓練圖像的支流河道中選擇相應的數據模式。顯然,這種從河道骨架模型中獲取的信息能夠對河道性質進行充分考慮,指導數據模式正確選擇。當河道規模發生變化時,如果在河道骨架模型中考慮這種信息,那麼在建模時也可能反映這種河道變化規律。事實上,在Simpat方法中提供了訓練圖像帶以區分不同類型的沉積儲層。這為考慮河道規模或者性質提供了依據。如果將不同規模和性質的河道進行分類,並用不同的代碼來表示這類河道的性質,那麼在進行圖像預處理時,將不同規模和性質的河道按照不同的類別進行處理,形成各自的訓練圖像帶,在建模時就很容易對不同規模和性質的河道區分對待,從而較准確地建立具有不同規模和性質的河道分布。

通過河道骨架模型約束數據模式選擇,還可以有效解決河道建模中非平穩性問題。在Simpat方法中,由於沒有考慮河道分汊和規模變化信息,導致在建模時對數據模式選擇約束不夠,不能夠再現河道分汊和規模變換。而基於骨架模型的方法可以通過河道骨架信息識別主河道和支河道以及河道規模變化,從而約束數據模式選擇。由於河道分汊和規模變化,可以理解為河道非平穩特徵的表現。因此考慮河道骨架模型提供的信息,從而正確選擇數據模式,一定程度上解決了河道非平穩性問題。

因此,在河道骨架模型建立後,為了充分體現河道骨架模型對數據模式選擇的約束,需要在相似性計算以及選擇過程中考慮河道骨架模型提供的信息。如河道類型、規模等。經過這樣考慮,對上述5)、6)步驟作了一些修改:

步驟5):在河道中線處,根據河道中線攜帶的信息,如河道性質、規模等,在相似性計算時,僅在訓練圖像中考慮包含相應信息的河道,從中選擇最相似的數據模式。

步驟6):當河道中線模擬完成後,計算河道百分比。當河道百分比小於期望值時,在未模擬區域隨機產生河道中線,隨後模擬河道;直到河道百分比達到期望值。

步驟7):在河道模擬完成後,對未模擬節點,如果不包含河道信息,在進行相似性計算時候僅考慮不包含河道的數據模式。當所有節點被模擬後,就完成了一次模擬實現。

Ⅱ 建模步驟

（一）確定性建模

儲層建模的主要目的是將儲層結構和儲層參數的變化在二維或三維空間用圖形顯示出來。一般而言，儲層地質建模有以下四個主要步驟。

1.數據准備和資料庫的建立

儲層建模一般需要以下四大類數據（庫）。

（1）坐標數據。包括井位坐標、深度、地震測網坐標等。

（2）分層數據。各井的層組劃分與對比數據、地震資料解釋的層面數據等。

（3）斷層數據。包括斷層的位置、產狀、斷距等。

（4）儲層數據。各井各層組砂體頂底界深度、孔隙度、滲透率、含油飽和度等。

2.建立地層格架模型

地層格架模型是由坐標數據、分層數據和斷層數據建立的疊合層面模型，即將各井的相同層組按等時對比連接起來，形成層面模型，然後利用斷層數據，將斷層與層面模型進行組合，建立地層的空間格架，並進行網格化。

3.二維或三維空間賦值

利用井所提供的數據對地層格架的每個網格進行賦值，建立二維或三維儲層數據體。

4.圖形處理與顯示

對所建數據體進行圖形變換，並以圖形的形式顯示出來。

（二）隨機建模

隨機建模的步驟與確定性建模有所差別，主要有以下五個步驟。

1.建立原始資料庫

任何儲層模型的建立都是從資料庫開始的，但與確定性建模資料庫不同的是，用於隨機建模的資料庫分為兩大類，第一類是原始資料庫（與確定性建模相同），包括坐標、分層、斷層和儲層數據；第二類是隨機模擬需要輸入的統計特徵數據。

2.建立定性地質概念模型

根據原始資料庫及其他基礎地質資料，建立定性儲層地質概念模型，如沉積相分布、砂體連續性、儲層非均質性模型等，以用於選擇模擬參數和指導隨機模型的優選。

3.確定模擬輸入的統計特徵參數

統計特徵參數包括變異函數（岩性指標變異系數和岩石物性變異函數）特徵值、概率密度函數特徵值（砂岩面積或體積密度、岩石物性概率密度函數）、砂體寬厚比、長寬比等。

4.隨機模擬，建立一簇隨機模型

應用合適的隨機模擬方法進行隨機建模，得出一簇隨機模型。在建模過程中，可採用兩步建模法，先建立離散的儲層結構模型，然後在此基礎上建立連續的儲層參數分布模型。

5.隨機模型的優選

對於建立的一簇隨機模型，應根據儲層地質概念模型對其進行優選，選擇一些接近實際地質情況的隨機模型作為下一步油藏數值模擬的輸入。

Ⅲ 儲層建模的方法

（一）確定性建模

目前，確定性建模所應用的儲層預測方法主要有以下三種。

1.地震方法

從已知井點出發，應用地震橫向預測技術進行井間參數預測，並建立儲層整體的三維地質模型。應用的地震方法主要有三維地震和井間地震方法。

三維地震資料具有覆蓋面廣、橫向採集密度大的優點，結合井資料和VSP資料，可在油藏評價階段建立油組和砂層組規模的儲層地質模型。但是三維地震資料有一個致命的弱點，即垂向解析度較低，一般為10～20m。常規的三維地震資料很難分辨至單砂體規模，僅為油組和砂層組規模，而且預測儲層參數的精度較低，往往為大層段的平均值。因此，目前三維地震方法主要應用於勘探階段的儲層建模，確定地層層序格架、構造圈閉、斷層特徵、砂體的宏觀格架及儲層參數的宏觀展布等。

由於採用井下震源和多道接收排列，井間地震較常規地震具有更多的優點，比如信噪比提高、解析度增加、可以實現P波和S波的井間地震層析成像（從而確定重建速度場）等等（N.P.Paulsson 1989），大大提高了井間儲層參數的解釋精度，可以用於建立更高精度的儲層地質模型。但是這種方法的商業性應用還有很多問題需要解決。

2.水平井方法

水平井沿著儲層走向或傾向鑽井，直接取得儲層側向或沿層變化的參數，基此可以建立確定性的儲層模型。水平井的鑽井技術和經濟可行性目前已經解決，但是作為一種技術手段來應用在目前還是少量。此外，水平井很難進行連續取心，而是依賴井的測井信息。但由於測井解釋技術所限，仍然存在一些不確定的因素。目前這種技術仍處於攻關階段。

3.井間對比與插值方法

這是傳統的建立確定性模型的方法。儲層結構主要是通過井間對比來完成，井間儲層參數分布則通過井間插值來完成。井間砂體對比是在沉積模式和單井相分析的基礎上進行的，砂體對比的精確程度和模型的精度取決於井距大小和儲層結構的復雜程度。如果井網密度足夠大，可建立確定性的儲層模型；若井網密度略小，可建立確定和概率組合模型；如果井網密度不夠（井距太大或結構太復雜），就不能進行詳細的確定性的砂體對比。在這種情況下，可以應用地質統計學方法來獲取儲層結構的可能輪廓，建立儲層結構概率模型。

井間插值方法很多，大致可分為傳統的統計學插值法和地質統計學估值法。由於傳統的數理統計學插值方法（如反距離平方法）只考慮觀測點與待估點之間的距離，而不考慮地質規律所造成的儲層參數在空間上的相關性，因此插值精度低，實際上不適合於地質建模。為了提高對儲層參數的估值精度，人們廣泛應用克里金方法來進行井間插值。

克里金方法是地質統計學的核心，它是隨著采礦業的發展而產生的一門新興的應用數學分支。克里金方法主要應用變異函數和協方差函數來研究在空間上既有隨機性又有相關性的變數，即區域變數。克里金法估值，是根據待估點周圍的若干已知信息，應用變異函數所特有的性質，對待估點的未知值作出最優、無偏（即估計方差最小，估計值的均值與觀察值的均值相同）的估計。

克里金方法較多，如簡單克里金、普通克里金、泛克里金、因子克里金、協同克里金、指示克里金等。這些方法可用於不同地質條件下的參數預測。但是克里金方法是一種光滑內插方法，實際上是特殊的加權平均，它難於表徵井間參數的細微變化和離散性。同時，克里金為局部估值方法，對參數分布的整體結構性考慮得不夠。因此，當儲層連續性差、井距大且分布不均勻時估值誤差較大。所以，克里金法所給出的井間插值雖然是確定的值，但並非是真實的值，僅是一個近似值，其誤差的大小取決於方法本身的實用性及客觀地質條件。然而，就井間估值而言，克里金方法比傳統的數理統計方法更能反映客觀的地質規律，估值精度相對較高，是定量描述儲層的有力工具。

（二）隨機建模

隨機建模方法很多，依據Journel的觀點可以分為下面兩大類。

1.以目標物體為模擬單元的方法

這類方法主要用於描述各種離散性地質特徵的空間分布，如沉積微相、岩石相、流動單元、裂縫、斷層、夾層等地質特徵的空間分布，建立離散性模型。主要的方法有示點過程法（布爾法）和隨機成因模擬法。

2.以象元為模擬單元的方法

這類方法主要用來模擬各種連續性參數（如岩石物性參數）以及離散性參數（地質特徵參數）的變化，主要建立連續性模型，亦可建立離散性模型。常用的方法有馬爾柯夫隨機域法、截斷隨機函數法、兩點直方圖法、序貫指示模擬法、模擬退火法、分形法等（H.H.Halderson,1990）。

Ⅳ 儲層建模和儲層模擬技術的發展［～］

儲層建模，顧名思義就是建立儲層的地質模型，其目的就是通過在油氣勘探和開發過程中取得的地震、測井、測試、鑽井等各方面的資料，對儲層各方面的特徵進行描述和預測，達到建立精確的三維定量的儲層地質模型的目的。其中最重要的是具有相當井間預測能力的儲層建模技術。

儲層建模的方法一般分為確定性建模和隨機建模兩類。在地震資料品質好和有較多取心井資料時，可以得到很好的確定性模型；但在大多數情況下，是採用以地質統計為基礎的儲層隨機建模。隨機建模承認在現有地質條件下，採用地質統計特徵去表徵儲層非均質性的總體面貌，而不追求每一個測點的確定數值，可以為油氣田開發提供合理的儲層地質模型，保證流體流動模擬的可信度及開發決策的正確性。

如果說儲層建模是運用現今地質條件下所取得的資料進行描述和預測，那麼儲層模擬則通常要在恢復地質歷史的基礎上模擬自古到今的地質演化，包括沉積埋藏史模擬、孔隙演化史模擬、油氣在儲層中的運移史模擬，以及油氣富集規律模擬等，通過這些模擬用以對現今地質情況進行預測。

總之，儲層建模和儲層模擬都需要很強的預測性，需要運用眾多的現代數學和計算機技術，並需要研究者具有豐富的想像力和高度的抽象能力。

Ⅳ 蘇里格氣田Z區塊儲層地質建模

楊仁超^1，2 金之鈞¹ 王言龍² 樊愛萍²

（1.中國石化股份有限公司石油勘探開發研究院，北京 100083；

2.山東科技大學地質學院，山東青島 266510）

摘 要 通過構建儲層三維地質模型，地質建模可以定量直觀展示儲層三維物性參數及幾何形態，提高井間物性的內插精度，從而提高儲層精細描述的可靠性和准確度。鄂爾多斯盆地蘇里格氣田東區Z30區塊儲層發育於河流相，砂體橫向變化快，儲層預測難度較大。本文利用Petrel軟體，以鑽井數據為基準，按照點－面－體的建模步驟建立Z30區塊構造模型；在此基礎上以測井解釋單井相數據為基準，採用序貫指示模擬方法建立了沉積微相模型；並以相控建模技術為指導，採用序貫高斯模擬方法建立了儲層屬性模型。儲層建模研究為准確評價儲層性質及潛能提供了可靠依據，也為氣藏開發方案的制定和調整提供了地質借鑒。

關鍵詞 鄂爾多斯盆地 蘇里格氣田 二疊系 儲層建模 模型

Reservoir Geological Simulation of Z30 Block in Sulige Gas Field

YANG Renchao^1，2，JIN Zhijun¹，WANG Yanlong²，FAN Aiping²

（1.Exploration and Proction Research Institute，SINOPEC，Beijing 100083，

China；2.College of Geological Sciences ＆ Engineering.Shandong University

of Science and Technology，Qing 266510，China）

Abstract Geological modeling technology can improve the interpolate precision of properties between wells and the reliability and accuracy of reservoirs description thrugh establishing a 3D geological model which can show the style of reservoirs directly and 3D quantative reservoir distribution parameter and geometry.It increase the difficulty to forecast reservoirs between wells that sand bodies vary laterally fast formed in fluvial sedimentary facies in block Z30 in the eastern part of Sulige gas field.According to the basic modeling steps from point to surface to body.the tectonics model of the research block was constructed on basis of the drilling data by using the software of Petrel.Then，based on facies data interpreting from logging of single well，the detailed sedimentary facies model could be established by using the Sequential indicator simulation method.Finally，based on the facies model，the properties parameter model was built by using facies controlled modeling technology and sequential Gauss simulation method.Through the simulation study of block Z30，it can icrease the precision of reservoirs description.and it also can provide geologic reference for working out and regulating reservoir development program.

Key words Ordos Basin；Sulige Gas Field；Permian；reservoir simulation；model

基金項目：山東省沉積成礦作用與沉積礦產重點實驗室開放基金 「陸相盆地沉積充填序列與儲層發育控因研究」（DMSM200803）資助。

蘇里格氣田東區位於鄂爾多斯盆地伊陝斜坡中北部，呈現北東高、南西低的西傾單斜構造。上古生界自下而上發育石炭系本溪組、太原組，二疊系山西組、下石盒子組和石千峰組地層，屬海陸過渡相—陸相碎屑岩沉積。蘇里格氣田上古氣藏的砂體分布、儲層物性變化很大，非均質性嚴重^［1］，在開發過程中如何准確預測高滲儲層的分布，是氣田開發亟待解決的問題。對於水平井整體開發的Z30重點區塊而言，儲層精細描述對於水平井井位、方向、軌跡、層位的優選尤為重要。氣藏描述的核心是建立儲層地質模型^［2～4］，因此，儲層地質建模對於氣藏開發方案的制定、油氣藏管理等具有重要的意義。

1 儲層地質建模准備

1.1 小層劃分與對比

Z30區塊目的層段H₈段和S₁段細分為H₈s¹、H₈s²、H₈x¹、H₈x²及 共7個小層（圖1）。通過對比發現，各小層厚度較穩定，地層可對比性較強，為儲層地質建模奠定了較好的基礎。

圖1 Z30區塊小層對比

1.2 沉積微相研究

結合研究區地質背景資料、岩心觀察、測井資料、岩性特徵及組合、沉積構造、剖面結構和生物標志等資料，並結合前人的研究成果，對Z30區塊進行單井相分析，認為研究區H₈段屬於辮狀河沉積，可進一步劃分為河道亞相、河漫亞相，以及心灘、辮狀河道、泛濫平原、洪漫湖沼等微相類型；S₁段屬於曲流河沉積，可進一步劃分為河道亞相、河漫亞相，以及邊灘、決口扇、漫灘、牛軛湖等微相類型。

以Z9井為例，首先根據GR、AC、SAND、PERM、POR等測井曲線對單井岩性進行解釋，然後結合取心井段岩心數據對解釋成果進行校正（圖2）。

圖2 Z9井岩性岩相綜合解釋

1.2.1 辮狀河河道亞相

辮狀河河道亞相由辮狀河道微相和心灘微相組成，具有不明顯的二元結構。

1）辮狀河道微相：是河道亞相的主要組成部分，也是研究區內有利儲集砂體發育的重要微相類型之一。岩性以淺灰色含礫粗砂岩，灰白色、灰綠色粗砂岩、中－粗砂岩等粗碎屑沉積為主（圖3H）。岩性剖面具有典型的河道正旋迴沉積特點，具有很強的河流侵蝕沖刷作用，底部具沖刷面，與下伏泥岩呈突變接觸。自然伽馬曲線以明顯的齒化鍾型、鍾型－箱型組合為主。沉積構造以楔狀交錯層理為主，反映較強的水動力條件（圖3E）。

2）心灘微相：岩性以灰－灰白色含礫粗砂岩、粗砂岩等粗碎屑岩為主（圖3G），是研究區內有利儲集砂體發育的微相類型。岩性剖面具不明顯的正旋迴特徵。自然伽馬曲線多為高幅微齒化箱型。沉積構造以平行層理、板狀交錯層理為主（圖3F），水動力較強。

圖3 Z9井主要的岩性和沉積構造

1.2.2 辮狀河河漫亞相

辮狀河河漫亞相由泛濫平原微相和洪漫湖沼微相組成。

1）泛濫平原微相：泛濫平原微相位於辮狀河道間的地勢低窪而平坦地區，是洪水泛濫期間，當越岸水流在近岸處沉積了較粗物質之後，在地形平坦處所沉積的細粒懸浮物質。岩性主要由粉砂質泥岩、泥岩組成的泥質均勻層或交互層構成，層面可見植物碎屑和雲母片。泥岩中可見植物莖干、葉片化石。自然伽馬曲線幅度低，接近泥岩基線，呈低幅波狀起伏或近平直狀。

2）洪漫湖沼微相：洪漫湖沼微相位於辮狀河道間的低窪地區，因泛濫平原中低窪積水地帶植物生長繁茂並逐漸淤積而成，岩性以黑色泥岩為主，常形成單層厚度較大的泥岩，一般＞7m。自然伽馬曲線幅度低，呈低幅波狀起伏或近平直狀。

1.2.3 曲流河河道亞相

曲流河河道亞相主要由邊灘微相組成。邊灘是曲流河中最主要的沉積單元，是河床側向遷移和沉積物側向加積的結果。由於曲流河河床中水流對沉積物的搬運以底負載搬運（滾動和跳躍）方式為主，故邊灘沉積的岩性以粗砂岩為主，主要有淺灰綠（白）色、灰綠色粗砂岩（圖3A—D），向上粒度通常變細。自然伽馬曲線呈箱型。沉積構造主要為交錯層理，平行層理等（圖3A—C）。

1.2.4 曲流河河漫亞相

曲流河河漫亞相位於河道沉積的上部，主要是洪水泛濫期間河流懸移載荷垂向加積的產物，屬頂層沉積。與河道沉積亞相相比，其岩石類型簡單，粒度較細。自然伽馬曲線為低幅齒化曲線，偶有指狀曲線。可進一步分為決口扇、漫灘、牛軛湖等沉積微相。

1）決口扇微相：主要由細砂岩、粉砂岩組成。自然伽馬曲線呈中－低幅指型。具有小型交錯層理、水平層理，沖蝕與充填構造常見。

2）漫灘微相：沉積以粉砂岩為主，發育水平層理、平行層理等構造，自然伽馬曲線幅度低，呈低幅波狀起伏或近平直狀。

3）牛軛湖微相：由於曲流河的截彎取直作用而形成，其中既有側向加積的砂質物，又有垂向加積的粉砂和泥質。岩性以淺灰綠色、灰黑色泥岩為主，富含有機質，層理一般不顯。自然伽馬呈現出低幅齒化曲線形態。

2 儲層地質建模

儲層地質模型實際上就是用模型來表徵儲層結構及儲層物性參數的空間分布和變化特徵。儲層地質建模的核心問題是井間儲層預測^［5，6］。在井點數據的基礎上，為更好地預測井間插值，本次建模運用隨機建模方法，通過建立多個模型實現，結合地質實際及認識優選出可信度最高的模擬結果。為提高描述精度，本次建模平面網格步長設為70m×70m；垂向上採取重點層位細化分層的方法，網格數達207個；總網格數達11625120個。

2.1 建模方法

目前建模方法主要有確定性建模和隨機建模兩種。由於儲層的空間展布具有復雜性、局部隨機性和變異性的特點，因此應用確定性建模方法在儲層預測中難以得到可信度較高的結果。隨機建模方法是20世紀80年代中期發展起來的一項新技術，其核心是對井間儲層進行多學科綜合一體化、三維定量化及可視化的預測，適合描述儲層的非均質性與不確定性^［4］。

由於Z30區塊井網密度較大，且井位數據、分層數據、測井及測井解釋數據較完備，因此可以建立較完善的單井數據（井位、分層、單井相、孔隙度、滲透率、含氣飽和度等）。在構建沉積微相模型過程中，為確保井點數據的准確性且體現隨機建模的思想，選用了序貫指示模擬方法；在模擬儲層物性參數時，選用了能夠較好處理連續型數據的序貫高斯模擬方法。其中，序貫指示模擬是以象元為基礎的模擬方法，不存在收斂性問題，不僅能模擬連續型變數，而且還能模擬離散型變數^{［5，7～9］}，其最大的優點是忠於井點數據，可模擬復雜地質現象，適合研究區沉積微相變化快、非均質性強的儲層；序貫高斯模擬是一種應用高斯概率理論和序貫模擬演算法相結合、產生連續變數空間分布的隨機模擬方法，適用於連續型變數^{［3，5，8］}。

其簡單的流程是：以單井數據為基準，保證井點數據的准確度和精確度，同時運用序貫指示模擬方法保證井間插值的合理性，構建沉積微相模型^{［10，11］}；然後運用相控建模技術建立儲層物性參數模型。

2.2 建立構造模型

構造模型是構建其他模型的基礎^［5，6］，符合實際的構造模型能為後續的沉積微相模型及物性參數模型提供准確的地層框架。由於Z30區塊斷層不發育，在鑽井數據的基礎上就可以建立比較符合地質實際的構造模型。以鑽井資料為基礎數據，遵循點－面－體的建模步驟，首先對儲層進行等時劃分與對比，並將數據導入建立井模型，然後以分層數據為基準在手工勾繪頂面構造的約束下建立等時層面模型，最後通過層面間插值建立三維構造模型（圖4）。

圖4 Z30區塊三維構造模型

從模型中可以更加直觀地表徵出研究區目的層段S₁段和H₈段的構造格局：整體起伏不大，為北東高、南西低的西傾單斜構造。每小層的構造格局基本保持一致，坡降幅度在4～5m/km，其內部發育一系列北東走向鼻隆構造。

2.3 沉積微相模型

儲層沉積微相的空間展布對儲層和氣藏的分布有重要的控製作用^{［5，12，13］}。所以在構建儲層物性參數模型之前需要建立能夠表徵儲層非均質性的沉積微相模型。以H₈s¹小層為例，在模擬沉積微相展布時，以測井解釋單井相數據為基準，首先對微相進行合並和代碼化（表1），將洪漫湖沼和泛濫平原微相合並為泛濫平原微相；然後逐層對沉積相數據進行分析，並進行變差函數調整，確定主變程、次變程和垂變程；最後採用序貫指示模擬方法，利用趨勢面和變差函數的雙重控制手段進行模擬，並在隨機產生的一系列沉積微相中挑選出最合理的模擬結果，逐層做出沉積微相模型（圖5）。其沉積微相數據分析結果見表1，變差函數參數統計見表2，模擬結果見圖6。

表1 Z30區塊H₈s¹小層沉積微相數據分析統計

圖5 Z30區塊三維沉積微相模型

由H₈s¹小層的沉積微相模型可以看出，辮狀河道沉積在該層段較發育，呈南北向條帶狀展布，南北向連通性較東西向好；心灘沉積呈不規則片狀展布，整體呈南北向展布趨勢；泛濫平原沉積在該層段內最發育，呈大范圍的連片狀展布。辮狀河道沉積和心灘沉積沉積物粒度較粗，以中－粗砂岩、粗砂岩為主，是該層段的主要儲集單元。

圖6 Z30區塊H₈s¹小層沉積微相模型

表2 Z30區塊H₈s¹小層沉積微相變差函數參數統計

2.4 儲層物性建模

儲層三維建模的最終目的是建立能夠反映地下儲層物性空間展布的屬性模型，是儲層地質建模的核心內容^［1～3］。在建立並篩選最優沉積微相模擬結果的基礎上，運用相控建模技術^{［12～15］}，以測井解釋數據（孔隙度數據、滲透率數據和含氣飽和度數據等）為基準數據，採用序貫高斯模擬方法對孔隙度進行插值：首先，通過數據分析，統計物性的參數概率分布特徵；其次，分析確定變差函數類型及各項參數；最後，在沉積微相和趨勢面的雙重控制下逐層進行物性參數模擬，並將模擬結果與手工勾繪物性圖件進行對比，篩選出最優模擬結果（圖7A）。

建立孔隙度模型後，為更好地預測滲透率與含氣飽和度井間插值，充分利用滲透率、含氣飽和度與孔隙度的相關性關系，用已優選的沉積微相模型和孔隙度模型做雙重約束，重復以上建模步驟構建出的滲透率模型和含氣飽和度模型（圖7B，C），從而確保了滲透率、含氣飽和度與孔隙度的協調性，使模擬結果更符合地質實際，提高了模型的可信度。

以H₈s¹小層為例，其物性參數的統計結果見表3，變差函數參數統計見表4，模擬結果見圖8。

圖7 Z30區塊儲層物性三維模型

表3 Z30區塊H₈s¹小層物性參數分析統計

表4 Z30區塊H₈s¹小層變差函數參數統計

圖8 Z30區塊H₈s¹小層儲層物性模型

由儲層物性模型可以看出H₈s¹小層孔隙度大於8％的區域在該層段發育范圍較小，呈零星點狀分布；介於4％～8％之間的區域范圍較大，且南北向連通性較好，主要對應於辮狀河道沉積；滲透率大於0.7×10^－3μm²的區域范圍較小，呈零星狀分布，主要對應於心灘沉積；含氣飽和度總體較低，呈現不連續的特點，＞60％的區域面積不大，零散分布。由此可見，Z30區塊儲層具有典型的低孔、低滲特點。

3 模型檢驗

未經沉積相控制的儲層物性模擬，在平面分布規律及變化趨勢上有較強的隨機性，在不同區域儲層屬性的分布往往沒有明顯的規律和變化趨勢。平面上屬性值相近，但屬於不同沉積單元的儲集層，在沒有井點控制的情況下，可能被誤劃分為同一成因單元^［15］。因此，相控建模技術可以實現儲集層屬性分布和沉積微相的對應性，使模擬結果更符合地下實際情況。所以，沉積相模擬結果與實際情況的符合程度是建模成功與否的關鍵。為了檢驗本次模擬結果，將沉積相平面展布以及剖面切片與手工勾繪圖件、地震解釋剖面等進行了對比。

以H₈s¹小層為例進行沉積相的平面對比。為了更好地展示心灘和辮狀河道等沉積砂岩的展布，將Petrel沉積相模型中以泥岩沉積為主的泛濫平原沉積濾掉，與手工勾繪沉積相平面圖進行對比（圖9）。通過對比發現，沉積相模型與手工勾繪圖件相似程度較高，整體展布趨勢及分布范圍均符合得較好，說明本次模擬可信度較高。為進一步檢驗模型的符合程度，將模型切片與手工勾繪的剖面以及地震解釋剖面進行了對比（圖10）。選取東西向連井剖面SD21－28—SD21－33—SD20－34—SD21－41—SD21－46為基準剖面，切取模型切片和地震剖面，與手工勾繪的剖面進行對比。發現模型剖面與勾繪剖面及地震解釋剖面吻合均較好。

圖9 Z30區塊H₈s¹小層沉積相平面展布對比

通過以上的對比分析發現，本次建模與Z30區塊地質實際吻合較好，說明本次模擬較好地展現了地下氣藏形態，實現了對氣藏的精細描述，對儲層的正確評價和氣藏的開發方案的制訂和調整提供了可靠的依據和地質借鑒；同時也說明了相控建模理論的先進性和合理性。

4 結論

1）利用單井資料垂向精度高的特點，以單井資料為基準數據，選擇能忠於井點數據的序貫指示模擬方法，以人工勾繪圖件做趨勢約束，能較好地描述Z30區塊儲層沉積微相展布；採用相控建模技術建立的儲層物性模型與地質實際符合較好，可信度較高。

2）通過以上方法最終建立了Z30區塊儲層地質模型，呈現了Z30區塊目的層段的地質實際：Z30區塊構造格局為整體起伏較小，呈現北東高、南西低的西傾單斜構造，內部發育一系列北東走向鼻隆構造；Z30區塊S₁段主要發育曲流河沉積，H₈段主要發育辮狀河沉積，有利儲層主要分布於心灘、邊灘以及辮狀河道等沉積微相類型；Z30區塊儲層具有典型的低孔、低滲特點。

3）以構造模型為骨架，在沉積微相的約束下建立的儲層屬性模型，有較好的合理性。不僅可以很好地解決沉積微相變化快、非均質性嚴重儲層物性參數的模擬問題，而且還可以獲得不同沉積微相的儲層物性參數分布特徵，有利於對儲層更進一步的精細描述，同時也為數值模擬研究奠定了基礎。

圖10 Z30區塊SD21－28—SD21－33—SD20－34—SD21 －41—SD21 －46連井剖面對比

參考文獻

［1］楊華，魏新善.鄂爾多斯盆地蘇里格地區天然氣勘探新進展［J］.天然氣工業.2007，27（12）：6～11.

［2］潘少偉，楊少春，等.相控建模技術在江蘇油田莊2斷塊中的應用［J］.天然氣地球科學.2009，20（6）：935～940.

［3］劉建華，朱玉雙，等.安塞油田H區開發中後期儲層地質建模［J］.沉積學報.2007，25（1）：110～115.

［4］何剛，尹志軍，等.鄂爾多斯盆地蘇6加密試驗區塊盒8段儲層地質建模研究［J］.天然氣地球科學.2010，21（2）：251～256.

［5］翟雨陽，孫志超.地質建模技術在河間油田開發研究中的應用［J］.石油天然氣學報.2008，30（6）：211～213.

［6］劉蕊，盛海波，等.塔河油氣田AT1區塊凝析氣藏三維地質建模研究［J］.地球科學與環境學報.2011，33（2）：168～171.

［7］賈玉梅，徐芳，等.基於地震資料的薄互層儲層三維地質建模［J］.天然氣地球科學.2010，21（5）：833～838.

［8］胡先莉，薛東劍.序貫模擬方法在儲層建模中的應用研究［J］.成都理工大學學報（自然科學版）.2007，34（6）：609～613.

［9］李紅，柳益群.鄂爾多斯盆地西峰油田白馬南特低滲岩性油藏儲層地質建模［J］.沉積學報.2007，25（6）：954～960.

［10］竇松江，趙郁文，等.埕海油田地質建模過程中的難點及對策［J］.天然氣地球科學.2010，21（4）：652～656.

［11］劉曉虹，林暢松，等.低滲透儲層產能預測的測井優化建模［J］.西南石油大學學報（自然科學版）.2011，33（3）：115～120.

［12］陳清華，史鵬，等.陳堡油田陳3斷塊開發中後期三維地質建模［J］.石油天然氣學報（江漢石油學院學報）.2008，30（6）：161～171.

［13］胡望水，張宇焜，等.相控儲層地質建模研究［J］.特種油氣藏.2010，17（5）：37～40.

［14］鄭應釗，劉國利，等.多條件約束地質建模技術在青西油田裂縫性油藏中的應用［J］.油氣地質與採收率.2011，18（3）：77～93.

［15］左毅，蘆鳳明，劉天鶴.相控建模技術在河流相復雜斷塊的應用［J］.特種油氣藏.2006，13（1）：36～39.

Ⅵ 隨機建模的方法和步驟［4］

隨機建模（Stochastic Modeling）方法承認地質參數的分布有一定的隨機性，而人們對它的認識總會存在一些不確定的因素，因此建立地質模型時考慮了這些隨機性引起的多種可能出現的實際情況，供地質人員選擇。

隨機建模方法認為，在現有技術情況下，對地下儲層的認識存在一定的不確定性，一是已知資料控制點有限，以300m井距井網為例，井孔提示的儲層體積所佔整個儲層體積，以百萬至千萬分之一數量級計，絕大部分儲層性質是依靠這些少數已知點去推測的；二是描述這些控制點儲層性質的技術本身還存在一定的誤差，如測井解釋滲透率，經常可達數倍的誤差。隨機建模方法同時又認為，作為地質體的儲層，其各項屬性的非均質分布，由於其有一定的地質成因，應存在一定的地質統計特徵，用這一地質統計特徵去表徵儲層非均質性的總體面貌，而不追求每一個預測點的確定的數值，仍然在一定時間、一定條件下可以為油氣田開發提供合理的地質模型，保證流體流動模擬的可信和開發決策的正確。

8.1.3.1 隨機建模的類別

儲層隨機建模通常又分為條件模擬和非條件模擬。其根本區別在於條件模擬較非條件模擬不僅要求模擬產生的儲層隨機圖像（包含儲層分布和物性等方面信息的圖像）符合實際資料所觀測到的儲層屬性空間分布的相關結構（地質統計特徵），而且要求在井位處（或資料點處）的模擬結果與實際資料一致。通常講的隨機模擬一般指條件模擬。隨機模擬方法分為以下兩類：

1）離散性模擬方法：離散性模擬主要建立儲層岩相的分布模型，用來描述離散性的地質特徵，包括確定儲層、隔層、砂體（儲滲體）的空間分布邊界和空間幾何形態等。實際上就是實現氣藏描述中的儲層分布預測。所採用的模擬方法包括：示點性過程模擬、馬爾可夫-貝葉斯指示模擬、序貫指示模擬、鑲嵌過程模擬、截斷高斯模擬等方法；對於非條件模擬，則可採用布爾模擬。

2）連續性模擬方法：連續性模擬主要建立岩相邊界控制下的儲層參數（孔隙度、滲透率、含水飽和度、泥質含量、碳酸鹽含量等）的分布模型，即油氣藏描述中的儲層參數預測。所採用的模擬方法包括：退火模擬、序貫指示模擬、分形隨機函數法、高斯隨機函數法以及馬爾可夫隨機域法等。

對於非條件模擬，則可採用轉帶法。

8.1.3.2 儲層隨機建模的基本步驟

儲層建模工作的實施主要包括以下三個基本步驟。

（1）建立儲層原型模型

建立儲層原型模型是隨機建模的基礎，所謂原型模型就是儲層的實體地質模型，任何油藏（儲層）描述方法都是只由零散信息對儲層實體所進行的一種推斷，這種推斷可以是確定性的（如地震儲層橫向預測），也可以是不確定性的（如統計推斷）。在不了解地質實體的前提下，任何一次研究結果，只能看作一次對地質實體的隨機抽樣，抽樣結果的准確性依賴於統計的概率把握程度，這種把握程度只能來自於原型模型的建立。

儲層原型模型的建立就是為了構築一個與實際儲層盡可能接近的儲層信息標准答案庫，從可見的實體模型描述入手，來建立各種地質知識庫（這其中包括了各種儲層的邊界和儲層參數的空間分布），建立相應的先驗概率知識，如參數分布的范圍、均值、方差、分布函數等。只有這樣，儲層隨機建模才有依據。

原型模型的建立方法較多，目前主要採用的有：

1）物理模擬——以水槽模擬為主要代表；

2）野外露頭精細描述——國內外已廣泛開展；

3）現代沉積研究——在沉積學領域已有大量實例，是構築沉積學理論的重要基礎；

4）密井網精細對比與描述——主要在老開發區進行；

5）地震資料的確定性建模方法——主要依靠地震資料空間大信息量的優勢，依靠資料處理，確定儲層分布的宏觀模型，重點是砂體的分布，同時也能對儲層孔隙度、滲透率參數進行趨勢性的估計。

（2）建立儲層的隨機模型

取得了儲層原型模型以後，就可以建立儲層的隨機模型，它是以反映儲層各項特徵的參數統計為手段，建立相應的概率模型，如儲層厚度、孔隙度、滲透率、含油飽和度等參數的分布規律和空間結構。對參數分布規律的認識主要以傳統概率統計為基礎，確定參數分布的大小范圍、均值、方差、分布函數類型等，進而對空間結構進行分析（變差函數的計算）。

通過對儲層特徵建立隨機模型，可以把各種地質認識（定性描述）和觀測數據有機地結合起來，並可以反映由於信息缺乏而引起的不確定性。在已經建立的隨機模型的基礎上，再進行隨機模擬，產生出反映儲層非均質性的一系列等概率實現。每個實現就是一種可能的儲層參數的空間分布，它們之間的差異反映了隨機模型中所包含的不確定性，也就是我們常常談到的研究中的多解性問題。

（3）儲層的隨機模擬

建立了儲層隨機模型後，就可以進行儲層的隨機模擬，隨機模擬分為條件模擬和非條件模擬兩種。非條件模擬只是要求再現地質特徵的空間分布規律及相關性，而條件模擬不僅要求再現地質特徵的空間分布和相關性，而且還要求在抽樣位置上與實測數據一致或在指定位置上具有指定的特性。

對於不同的儲層屬性，具有不同的隨機模型，應採用不同的模擬方法。由於大型計算機的出現，使細網格和高維空間的模擬得以實現，在實際應用中，尋求一種快速有效的模擬演算法成為眾多的研究者所探求的目標。

8.1.3.3 儲層隨機建模的基本流程

儲層隨機建模一般分為兩個階段進行，即先採用離散型模擬方法，建立儲層的骨架模型；然後在儲層骨架模型邊界的控制下，應用針對連續性變數（如儲層物性）的模擬方法建立儲層參數模型。這就是目前大多數研究者使用的兩階段建模的基本流程。

陳恭洋^［4］根據兩階段建模的思路，提出了一個基本的隨機建模流程（圖8.1），該流程圖中包括了9個方面的研究內容。

圖8.1 儲層隨機建模總體設計流程框圖^［4］

1）地層模型：以克里格插值技術為基本手段，主要研究儲層頂、底界面的空間展布特徵，並通過地質統計對比確定小斷層帶的空間分布。大的斷層可由地震資料解釋予以確定。該項研究主要提供後續儲層和油氣藏模擬的大的邊界信息。

2）沉積相分析：包括大相和微相分析兩部分研究內容，並以後者為研究重點。大相分析以區域沉積背景知識為指南，結合地震相的分析，明確研究工區較大范圍內的沉積體系及空間展布特徵。最後確定出油氣藏范圍內儲層所處的相帶沉積部位，為微相研究奠定堅實的基礎。

微相分析重點研究沉積成因單元的結構要素及其組合型式以及它們的空間展布規律，為儲層隨機建模提供必要的地質先驗知識，主要依據沉積學的研究手段進行。

3）高解析度層序地層分析：主要應用於油氣藏規模的儲層對比技術，依靠岩心和測井資料，進行開發階段的儲層表徵中儲層的精細對比。因為儲層岩性、幾何形態、連續性及岩石物理特徵等是在沉積物堆積過程中產生的，精確的地層對比可以在四維空間中對這些特徵有更清楚的認識，高分辨地層對比是識別非均質性的有效方法。另外，具時間意義的地層界面通常與流體流動單元的岩石物理面相一致，可通過精細地層對比，劃分流動單元。隨著時間解析度的提高，對地層形態和規模、相的位置和岩石物理特徵的預測也就更加精確。與沉積相的分析相結合，是目前油田覆蓋區建立儲層原型地質模型最有效的方法。

4）儲層岩相分布的離散型隨機模擬：這是儲層隨機建模的核心內容之一，一般作為儲層隨機建模的第一步，為儲層參數空間分布的連續性模擬提供邊界控制信息。序貫指示模擬（SISIM）和示性點過程模擬（MPPS）被認為是兩種有效的研究方法。序貫指示模擬以指示理論為基礎，將各種沉積微相帶視為空間分布的離散性隨機變數，進行地質統計學的條件模擬，其缺點是難以描述儲層的形態特徵。而示性點過程模擬是一種面向對象的方法，十分符合沉積學的思想和推理過程，將沉積學研究所認定的儲層砂體幾何形態、位置、大小、連通方式等儲層參數作為服從一定分布的離散型隨機變數，建立相應的隨機模型進行隨機模擬，其缺點是難以實現條件模擬。將兩者有機地結合起來可能是一種好的途徑。

5）測井和地震資料處理：這方面的技術已在現代油氣藏描述中被大量採用。更重要的是補充建模時僅依靠井點信息的不足，使儲層建模不僅在油氣藏開發階段發揮重大作用，而且在勘探的各個時期也能充分發揮作用，提供新的儲層預測方法。

6）分形和地質統計學條件模擬：這是解決儲層參數空間分布的關鍵性模擬方法。地質統計學模型可以很好地刻畫儲層參數分布的空間結構和變異性。而分形方法則能精確地表徵儲層的非均質性，並能克服由克里金方法所帶來的光滑效應。兩者的結合已被大量的研究實例證明是一種有效的儲層預測途徑。

7）網格粗化：儲層建模階段的細網格模擬可以盡可能精細地提示儲層的非均質特徵。但遺憾的是，在油藏動態模擬器中，由於受到目前計算能力的限制，難以接受這種細網格的參數輸入。因此，必須進行網格的粗化，粗化的准則一般需要考慮到儲層孔隙容積和儲層的滲流能力（即孔隙度和滲透率），其中尤以儲層對流體傳導能力（滲透率）的近似最為關鍵。

8）油氣藏數值模擬動態擬合與靜態資料約束決策：這是對前述儲層隨機建模所產生的多幅等概率實現的圖像進行優選決策的過程。研究的重點並不在於動態模擬，因此無需考慮復雜條件下的數值模擬問題。主要是對油氣藏壓力、產油氣量和含水率三項參數進行歷史擬合，並結合靜態地質資料的各項條件約束（包括儲層參數的統計規律和地質認識等），選取一個最符合動態和靜態條件的隨機圖像作為所建立的儲層地質模型。這一模型是以各種參數場的形式所表示的。

9）三維可視化：即將前面所建立的反映儲層地質模型的各種參數場通過計算機進行三維成像或制圖。目前，三維可視化的研究與設計已經成為計算機成像領域中的一項熱門課題，它使所取得的成果大大地增強了油氣藏的研究與管理的可操作性和直觀性。

綜上所述，儲層建模實際上是對油田各類數據資料通過計算機技術進行有效的綜合。因此，從地質角度上講，要形成一套比較先進而有效的建模方法，更大程度上還是要依賴於先進的地質、地球物理和分析測試資料處理技術來獲取可靠的輸入參數。

8.1.3.4 儲層隨機建模的軟體系統

在隨機模型方法和理論發展的同時，模擬軟體也得到了一定的發展，美國斯坦福大學、墨西哥礦業技術學院、荷蘭皇家/殼牌公司、雪飛龍公司、GeoQuest公司等都開發和研製了自己的地質統計學和儲層模擬軟體。加拿大GeoStat系統公司和McGill大學聯合推出了智能模擬或專家系統軟體GeoStat，法國石油研究院和地質統計中心聯合開發的HERESIM軟體包也取得了較大的影響。這些軟體的主要功能如下：

1）以轉帶法和指示克里格法相結合，用於儲層的橫向和垂向對比，其數學基礎是Bessel函數和指示相關函數（美國墨西哥礦業技術學院開發TUBA軟體）；

2）用於SGI圖形工作站的地質模型軟體，其特色是可以採取任意切片的方法來展現儲層孔隙度、滲透率和砂體在連續斷面或切片上的分布特徵，其數理基礎是隨機模擬（美國Strata-Model公司研製SGM軟體）；

3）以條件概率法為基礎設計，主要用於模擬砂岩油藏中的三維儲層的連通性和構形（荷蘭皇家/殼牌集團公司推出MONARCH軟體）；

4）以BP神經網路技術為主、依據地質統計學和地震特徵進行隨機建模的軟體，其關鍵方法是分析並擬合儲層物理特性和岩石屬性的直方圖和變差函數分布，求出它的特徵值，以建立數學模型（荷蘭Jason公司推出Stat Mod軟體）；

5）將地質統計和智能模擬技術相結合，不僅包括各種數值運算、多元統計，還包含可引導、承擔、評價和推斷地質統計運行的知識和專家經驗。因此，該軟體具有兩大特色：一是儲層地質特性模擬及立體化定量顯示；二是具有地質解釋中的專家知識和經驗（加拿大GeoStat系統公司和McGill大學聯合推出GeoStat系統）。

上述軟體都在各自的使用中發揮了很大的效益，也取得了不少有意義的成果。盡管每套軟體各有側重，但考察它們的共同之處，主要體現在三個方面：①強調儲層描述的高度定量化，體現了油氣儲層研究已從定性發展到了定量的水平；②均從儲層骨架分布和儲層參數特徵兩個方面進行建模，把握了儲層特徵的關鍵要素；③體現了多學科、多信息的綜合研究趨勢。因此，從儲層建模軟體的發展，也顯示出了儲層隨機建模在當前油氣勘探開發研究中的重要意義和良好前景。

Ⅶ 儲層地質建模分類及儲層模型的類型

（一）儲層地質建模的分類

儲層地質建模實際上是表徵儲層結構及儲層參數的空間分布和變化特徵，建模的核心問題是井間儲層預測。在給定資料的前提下，提高儲層模型精度的主要方法即是提高井間預測精度。井間預測有兩種途徑，相應地也有兩種建模方法，即確定性建模和隨機建模。

確定性建模是指對井間未知區給出確定性的預測結果，即試圖從已知確定性資料的控制點如井點出發，推測出點間確定的、唯一的、真實的儲層參數。

隨機建模是以已知的信息為基礎，以隨機函數為理論，應用隨機模擬方法，產生可選的、等概率的儲層模型的方法。這種方法承認控制點以外的儲層參數具有一定的不確定性，即具有一定的隨機性，因此所建的模型不是一個，而是一簇，即一定范圍內的幾種可能實現，這正是與確定性建模的重要差別。對於每一種實現（即模型），所模擬參數的統計學理論分布特徵與控制點參數值的統計分布特徵是一致的，即所謂的等概率。各個實現之間的差別則是儲層不確定性的直接反映。由此可見，隨機建模的重要目的之一就是對儲層非均質性進行評價（A.G.Journel,1990）。

（二）儲層模型的類型

目前，國內外學者從不同的觀點出發，提出了許多儲層模型的分類方案，因而也就有了許多不同類型的地質模型。在這里簡要地列舉一下兩個較常見的分類方案。

1.按照研究目的和模型的屬性分類

這種分類方案在國外比較通用。按照模型的屬性，可將儲層模型分為定量流動模型、儲層結構模型、儲層非均質性模型和岩石物性物理模型等四大類，各大類里又細分若干小類，這里就不再一一論述。

2.按照不同的油田勘探開發階段分類

這是由儲層地質學專家裘懌楠先生提出的一種分類方案，也是國內通用的一種劃分方案。在不同的油田勘探開發階段，由於資料佔有程度的不同，研究任務的不同，因而所建模型的精度和作用也不相同。據此可將儲層地質模型分為概念模型、靜態模型和預測模型。

（1）概念模型

針對某一沉積類型或成因類型的儲層，把它具有代表性的儲層特徵抽象出來，加以典型化和概念化，建立一個對這類儲層在研究區內具有普遍代表意義的儲層地質模型，就是所謂的概念模型。

概念模型並不是一個或一套具體儲層的地質模型，但它卻代表某一地區某一類儲層的基本面貌。一般而言，概念模型是以儲層沉積學為基本手段，盡可能直接利用岩心資料來建立的，它廣泛地應用於油田的開發早期。從油田發現開始，到油田評價階段和開發設計階段，主要應用儲層概念模型來研究各種勘探開發戰略問題。這個階段油田僅有少數大井距的探井和評價井的岩心、測井及測試資料以及二維和三維地震資料，因而不能詳細地描述儲層細致的非均質性特徵，只能依靠少量的信息，借鑒理論上的沉積模式和成因模式來建立工區儲層概念模型。但是這種概念模型對油田早期勘探開發戰略的確定是至關重要的，可避免決策上的重大失誤。

（2）靜態模型

針對某一具體油田（或開發區）的一個（或一套）儲層，將其儲層特徵在三維空間的變化和分布如實地加以描述而建立的地質模型，稱為儲層靜態模型。

這一模型主要為編制開發調整方案及油藏管理服務，例如確定注采井別、射孔方案、作業施工、配產配注及油田開發動態分析等。它廣泛地應用於油田注水開發實踐中，從採油井的日常管理到油田的大小措施調整，都說明這是必不可少的地質基礎。

（3）預測模型

預測模型是一種比靜態模型精度更高的儲層地質模型，它要求對控制點間及以外地區的儲層參數能夠作一定精度的內插或外推的預測。

預測模型是20世紀80年代中期為了研究油田開發後期剩餘油分布和三次採油提高採收率而提出來的，是目前世界性的攻關難題。其技術思路大致有兩個方向，一是廣泛應用地質統計學中的隨機模擬技術，結合儲層沉積學研究，力圖降低模型中的不確定因素，以提高模型的精度。二是利用井間地震等地震橫向預測技術和水平井技術等來建立高精度的儲層預測模型。

Ⅷ 多點地質統計學儲層隨機建模

以二區六區塊明3-5-1單層為例,通過二維相建模對設計的基於儲層目標骨架的多點地質統計學儲層隨機建模方法以及Simpat方法進行對比分析。

1.建模前參數的准備

多點地質統計學儲層隨機建模方法最重要的輸入參數就是訓練圖像。前文已經探討了訓練圖像建立的過程,並通過地震、地質以及測井等資料建立了明3-5-1單層的訓練圖像,這里就不再贅述了。

圖5-24 明3-5-1單層微相的訓練圖像(130*85網格)

另外,數據樣板選擇也比較重要。數據樣板太小不能考慮太多的信息,而數據樣板太大則增加了計算量。數據樣板一般選擇和目標體寬度接近為好。從明3-5-1單層沉積微相平面分布分析可以得之,河道寬度在100~240m之間,如果採取20m網格,則河道占據5~12個網格大小,因此採用7*7數據樣板、兩重網格搜索策略即可以滿足要求。

在建模過程中還需要准備條件數據,對於研究區來說就是井數據和地震數據。對研究區明3-5-1進行優勢相分析,判別准則為:如果井資料存在河道條件數據,則認為在此井處為河道微相;如果沒有河道微相,而有溢岸相(天然堤、決口扇等),則定為溢岸相;如果僅存在泥岩,則定為泛濫平原。經過這樣處理,獲得了研究區56口井在明3-5-1單層的優勢相。對優勢相進行了編碼,泛濫平原用0表示,河道用1表示,溢岸用2表示。

從地震振幅分布圖看,由於在研究區北部斷層較發育,影響了地震效果。只是在中部斷層較少,構造較平穩,地震與砂體有較好的對應關系。而中部井資料也相對較豐富。因此,本次研究僅綜合地震屬性識別的主流線,指導河流骨架模型建立。

圖5-25 結合地震及沉積微相預測的明3-5-1單層河道骨架模型

對於將地震屬性作為軟數據約束建模,由於斷層影響了部分區域的地震效果,因此暫不做考慮。從地震沿層切片圖上,可以較清楚看到中部河流分汊和匯合特徵。在北上方,從北北西方向以及北北東方向流入兩條河流,並在MQ4-8井附近匯合;隨後繼續向南方向流動至G1-64井附近產生分汊,分別向南和南東方向流出研究區。結合井資料獲得砂體等厚圖以及沉積微相分布圖,採用數字化工具,獲得了研究區河道流線(圖5-25、圖5-26)。在隨後基於儲層骨架的方法中,此河道主流線將作為河道骨架模型,指導不和約束隨機建模。

圖5-26 利用Simpa方t法和基於河道骨架的方法建立的明3-5-1單層微相模型比較

2.明3-5-1單層隨機建模

利用Simpat方法和基於儲層骨架的方法,分別建立起明3-5-1單層沉積微相儲層地質模型(圖5-26),以比較兩種方法的建模效果。從模型效果來看,基於儲層骨架的方法以及Simpat方法都較好地再現了河道形態及空間分布,模擬結果基本與實際勾繪的沉積微相分布圖具有較高的相似性。但通過比較發現,基於儲層骨架的方法模擬的河道在研究區連續分布,不存在斷續的現象,河道分汊合並現象在模擬實中現得到了很好的反映;而Simpat方法模擬的河道整體特徵也與實際微相分布基本相符合,但是河道出現了中斷,而河道分汊合並現象再現效果也不是很好。這說明基於骨架的方法較Simpat方法在再現儲層目標形態及分布上具有較明顯的優勢。Simpat方法以及基於儲層骨架的方法都是通過模擬數據模式來再現儲層目標的。數據模式反映的是儲層形態特徵,因此儲層形態再現好壞可以通過數據模式選擇正確與否來評價。前已述及,數據模式選擇正確與否可以從模擬匹配度圖來衡量,分別計算了各自的匹配度圖(圖5-27)。通過比較Simpat方法以及基於儲層骨架的方法模擬實現的匹配度圖可以看出,基於儲層骨架的方法的匹配度圖值較低,而Simpat方法的模擬匹配度圖值較高,這表明基於儲層骨架的方法相對於Simpat方法其選擇的數據模式整體准確性高。此外,通過比較發現尤其是在條件數據較少的地方,在骨架模型指導下,數據模式選擇具有較高的准確性,反映在匹配度圖上就是較低的值,如圖中紅色方框標定的地方。這也從側面說明骨架模型能夠更好的約束隨機建模,獲得更加滿意的地質模型。

圖5-27 Simpat方法和基於河道骨架預測的方法的匹配度圖比較1—河道;2—溢岸;3—泛濫平原

利用基於儲層骨架的多點地質統計學隨機建模方法建立了明3-5-1單層微相的10個實現(圖5-28),求取了河道出現的概率(圖5-29)。從10個實現結果來看,模擬結果具有較高的相似性,其分布與勾繪的沉積微相平面分布吻合程度較高。不過在河道邊部以及井資料較少區域,模擬實現之間還是有一定的差異的。表明模擬實現能夠真實反映河道分布及其不確定性。從河道概率圖上可以看出,河道出現概率高的區域與實際勾繪的沉積微相分布極為相似,表明基於儲層骨架的多點地質統計學隨機建模方法正確預測了河道分布。

以上建模結果分析表明,與Simpat方法相比,基於儲層骨架的多點地質統計學隨機建模方法能夠更好再現儲層的目標形態及分布,因此,更適用於儲層目標體的地質建模。

圖5-28 利用基於儲層骨架的方法獲得的10個實現

圖5-29 利用基於河道骨架預測的方法建立的10個實現獲得的河道概率

Ⅸ 　高含水油田儲層建模的技術路線

油田的開發階段，開發井網已經完成，乃至開發方案已經全面實施，這時已經獲得了大量的測井資料、岩心資料、測試資料等。因此該階段的油藏描述和儲層表徵應充分重視各種測井信息在油藏研究中的應用。同時，考慮陸相油氣藏的特點，加強不同規模油藏或儲層靜態地質模型的研究。

在這一階段儲層建模的研究思路是：在岩石物理相及油藏滲流地質學理論指導下，以儲層非均質性和剩餘油分布規律為核心內容，以儲層或油藏的定量評價為目的，綜合地質、地震、測井、測試資料，充分發揮以地質為主體，多學科定量一體化研究的優勢，將沉積微相研究落實到小層；重視關鍵井研究及多井評價，在對全工區測井資料標准化的基礎上，分層、分塊、分相帶建立精細的測井解釋模型。綜合應用各種靜態、動態資料，深入研究井間砂體及儲層參數在三維空間上的分布，以及研究儲層與流體的相互作用機理，表徵開發過程中儲層非均質性及流體性質的變化特徵及其對驅油效果和採收率的影響，以建立不同規模的儲層地質模型，並在深入研究剩餘油分布規律的基礎上，最終建立剩餘油分布模型。

遵循這一研究思路，結合實際情況和本文的研究目的，採取如下的技術路線：

（1）首先建立兩大類資料庫，即靜態資料庫（包括岩心、測井、單井及多井相、岩性及岩石物性等）和動態資料庫（包括試井測試、流體動態信息、生產動態資料等）；

（2）在靜態資料庫的基礎上，利用岩心、測井、測試和試井資料，應用地質統計學及隨機建模技術建立高精度的儲層地質模型（即儲層預測模型，包括沉積相展布模型、砂體骨架模型、孔隙度預測模型、滲透率預測模型和單砂體三維模型等）；

（3）在儲層預測模型的基礎上，通過對儲層非均質性的精細表徵和剩餘油形成機理的深入分析，應用岩心剩餘油測定技術、多測井綜合解釋技術及數值模擬技術研究剩餘油分布規律及分布狀況，建立剩餘油分布預測模型，並為油田的下一步開發提出合理化建議。

技術流程框圖如圖6-1所示。

圖6-1開發階段儲層地質建模技術路線流程框圖

開發中後期的油藏大多已進入高含水的產量遞減階段。由於儲層非均質特徵的差異性、屏障性、敏感性及變化的隨機性，加之井網的不完善性，可導致油水推進在縱、橫向上的不均一性、油層動用程度的差異性和剩餘油分布的零散性。同時，在長期水淹的儲層中，儲層及流體性質都將發生一系列物理的、化學的及機械的變化。凡此種種，致使油藏各方面的非均質性更加突出，特別是儲層非均質性，它是控制剩餘油分布及進一步調整方案的主要因素。

因而這一階段的研究以儲層非均質性變化特徵為基礎，以剩餘油分布規律為核心，以儲層、油藏的定量評價為目的，注重非均質成因機制綜合效應的研究及剩餘油分布規律綜合控制因素的研究。特別是在開發井網條件下，井點儲層參數在開發前後的准確標定和求取，以及井點間和無井區儲層屬性參數變化的內插和外推方法的應用及研究。在研究儲層非均質特徵的同時，進行油藏地球化學研究，即研究流體在開發過程中與儲層間的作用及變化規律，並預測對驅油效果的影響；研究注入劑與油藏流體的配伍，為改善開發效果及三次採油措施方案的優選提供依據。

由此可見，這一階段的研究內容包括以下6個方面：①井間非均質參數的隨機模擬；②儲層屬性參數的變化及表徵；③儲層在水驅或注水開發後的變化及非均質特徵；④剩餘油飽和度、分布特徵及儲量復算；⑤油藏中流體性質變化及其與儲層相互作用等油藏地化特徵；⑥油藏目前溫壓場分布特徵、邊水及底水體積變化特徵等。

在上述內容研究的基礎上，分別建立儲層結構模型、不同規模的非均質性模型、岩石物理模型及剩餘油分布模型。剩餘油分布模型將在下一章中介紹。

Ⅹ 三維儲層建模

採用10*10*3的數據樣板,進行了多點地質統計學Simpat三維儲層建模。圖4-19是採用多點地質統計學Simpat方法建立的研究區的三維沉積微相模型。從圖中可以看出,河道平面形態得到較好的反映,河道整體連續性好,河道中間少有中斷和孤立的異常點;在剖面上,河道頂平底凸的特徵得到了較好的反映。此外,從下到上,河道由孤立型過渡為連片疊置型的特徵也得到了很好的體現。

作為一個比較,採用傳統的序貫指示建模方法對研究區也展開了建模研究。表4-1是研究層位不同微相的變差函數值,與地質基礎研究成果較為吻合。圖4-20是其中的一個模擬實現。從圖中可以看出,序貫指示建模方法建立的模型分流河道連續性差,剖面斷點多,形態特徵較差,與實際儲層分布有一定的差距。

圖4 -17 長 沉積微相平面展布圖

圖4-18 長8^1-3儲層微相的訓練圖像

圖4-19 多點地質統計學Simpat方法建立的儲層微相模型

表4-1 變差函數參數表

圖4-20 序貫指示建模方法建立的儲層微相模型

表4-2 不同建模方法多個實現儲量對比

為了更好比較兩種建模方法優勢,通過多次模擬儲量不確定性對其評價。分別採用兩種建模方法做了10個實現以及相應屬性模型,並計算了每個實現的儲量(表4-2)。從儲量統計結果看,多點地質統計方法儲量變化幅度較小,儲量最大值與最小值相差283.1萬噸;而序貫指示建模則為302.2萬噸。儲量變化波動性方面,多點地質統計學Simpat方法儲量方差為90.97,小於序貫指示建模的92.87。儲量差異性反映了多點地質統計學方法建立的模型差異性小,不確定性弱。從另一個角度表明多點地質統計學Simpat方法能更好地反映儲層形態,有效減弱了儲層的不確定性。