中亞阿姆河右岸東部地區侏羅系鹽下碳酸鹽巖儲層特征及預測新方法

唐昱哲，柴 輝，王紅軍，張良杰，陳鵬羽，張文起，蔣凌志，潘興明

（1.中國石油勘探開發研究院，北京 100083；2.中國石油工程技術研究院北京石油機械有限公司，北京 102206；3.中國石油（土庫曼斯坦）阿姆河天然氣公司，北京 100101）

0 引言

碳酸鹽巖在全球油氣勘探領域中占有非常重要的地位，在全球油氣儲量中，約47.5%來自于碳酸鹽巖儲層［1-3］。礁灘及裂縫型儲層作為一種典型的碳酸鹽巖儲層，在全球各大油氣區廣泛發育［4-6］，如伊拉克米桑油田、阿聯酋Fateh 油田，美國Yates油田等［7-9］。

中亞阿姆河盆地位于圖蘭地臺東部，面積約42×104km2，其形成經歷了中生代基底發育階段、二疊紀—三疊紀裂陷期、侏羅紀—古近紀坳陷期以及新近紀—第四紀前陸盆地階段，在穩定基底之上發育了多套含油氣系統。根據基底起伏特征及沉積構造形態，可將盆地劃分為阿姆河坳陷、穆爾加勃坳陷、中央卡拉庫姆隆起、巴哈爾多克斜坡及科佩特山前坳陷等5 個大型構造單元［10］。自2007 年中國石油天然氣海外勘探開發公司在阿姆河右岸區塊陸續發現多個大型鹽下侏羅系含油氣區以來，對該區的油氣勘探也取得了諸多成果。如王紅軍等［11］認為阿姆河右岸東部地區氣藏根據圈閉及儲集空間類型可劃分為臺內礁灘疊合氣藏、臺緣斜坡礁灘氣藏以及逆沖帶縫洞型氣藏；張良杰等［12］認為阿姆河右岸東部地區受原始沉積環境及西南吉薩爾逆沖帶影響，儲集空間組合多樣，以基質物性較差的低能黏結丘灘疊合多期次斷裂及沿縫溶蝕孔、洞而形成的復雜裂縫-孔隙型儲層為主；武重陽等［13］認為阿姆河右岸卡洛夫—牛津階包括2 種地層層序發育模式，分別為卡洛夫期緩坡臺地模式以及牛津期鑲邊臺地模式；單云鵬等［14］認為阿姆河右岸天然氣主要有3 期成藏期，分別為早白堊世末期、晚白堊世末期以及喜山期。整體而言，目前針對該區儲層的預測手段相對單一，儲層研究仍較薄弱，尤其是對儲層發育及分布規律的認識不足。然而，在鹽下地震資料品質一般且鉆井數量較少的背景下，僅利用單一屬性或傳統地質認識很難開展儲層精細研究，這嚴重制約了該區侏羅系氣藏勘探成果的進一步擴大。阿姆河右岸東部地區作為中亞天然氣重要的產能建設區，亟需綜合新技術手段與攻關新方法對儲層發育和分布規律開展更進一步的工作。

以巖心、薄片、測井、錄井及地震資料為基礎，分析阿姆河右岸東部地區侏羅系牛津階儲層的巖性、物性等特征，利用正演模擬、波形聚類、分頻RGB 融合及集成學習等方法，通過地震沉積學與人工智能相結合［15-17］等多種手段對儲層的分布及厚度進行半定量預測，以期為該區油氣勘探工作提供支撐。

1 地質概況

阿姆河右岸位于阿姆河盆地東北部，面積約1.43×104km2，自西向東可劃分為查爾朱隆起、堅基茲庫爾隆起、卡拉別克坳陷、桑迪克雷隆起、別什肯特坳陷與西南吉薩爾逆沖帶（圖1）。阿姆河右岸東部地區是指吉薩爾山前構造區，橫跨別什肯特坳陷和吉薩爾逆沖帶，面積約為2 100 km2，受吉薩爾山隆升擠壓影響，整體表現為東高西低構造形態。

圖1 阿姆河右岸東部地區構造特征及地層綜合柱狀圖Fig.1 Structural features and stratigraphic column of the eastern right bank of Amu Darya

阿姆河盆地是在古生界基底上發育形成的中—新生代沉積盆地，在經歷二疊世—三疊世裂陷期后，于侏羅紀開始進入穩定和廣泛沉積階段［18］，中—下侏羅統陸相含煤地層為區內主要的烴源層系，中—晚侏羅世開始，盆地進入海相碳酸鹽巖沉積期，海平面的周期性變化疊加獨特的古地貌格局，使礁灘體快速發育。在中—晚侏羅世卡洛夫—牛津期可識別出2 個二級層序，分別對應卡洛夫階與牛津階。根據旋回特征可將卡洛夫—牛津期碳酸鹽巖地層劃分為6 段，自下而上依次為致密層狀泥晶灰巖層（XVI）、含生屑塊狀灰巖層（XVa2）、致密灰巖層（Z）、含生屑塊狀灰巖層（XVa1）、含生屑厚層狀灰巖層（XVhp）以及高伽馬鈣質泥巖層（GAP）（圖1）。研究區在卡洛夫—牛津階碳酸鹽巖沉積期，水體較深，礁灘體發育規模較小，受后期膠結作用影響，原生孔隙基本消失殆盡。新近紀喜山運動時期，吉薩爾山全面隆升，研究區發生大規模構造運動，在大規模斷層及碎裂帶的改造下，形成了復雜的孔、縫、洞儲層。

2 儲層特征

2.1 巖性特征

阿姆河右岸東部地區共16 口井鉆遇侏羅系，從其中8 口井選取牛津階巖心進行了觀察和描述，并對202 塊樣品進行了薄片制備和鑒定。根據巖心及薄片的宏、微觀分析結果，研究區儲層巖性以生屑灰巖、顆?；規r及泥晶灰巖為主（圖2）。

圖2 阿姆河右岸東部地區侏羅系牛津階儲層鏡下照片Fig.2 Thin sections of Jurassic Oxfordian reservoirs in the eastern right bank of Amu Darya

生屑灰巖通常為灰黑—深灰色，生屑種類較多，包含海綿、有孔蟲、棘屑、腕足、苔蘚蟲等，生物部分白云石化，少量硅質化，填隙物通常以泥晶方解石為主；該類儲集巖原生孔隙度較高，部分巖心可見針孔，自然伽馬值小于15 API。顆?；規r通常為深灰—灰色，顆粒以砂屑為主，少見鮞粒，顆粒粒徑為0.2～1.2 mm，保存較完好，結構較清晰，部分呈竹葉狀，具有定向性特征；可見少量有孔蟲、介形蟲、棘皮類碎片，自然伽馬值小于15 API。泥晶灰巖通常為黑—灰黑色，巖性較致密，多發育于灘間或潟湖沉積內，水體能量較弱，生物活動匱乏，原生孔隙不發育，部分可見黃鐵礦，儲集空間多為后期構造作用形成的裂縫。

2.2 儲集空間類型

研究區牛津階儲層儲集空間類型多樣，組合復雜，可劃歸為孔、洞、縫的組合，其中選擇性溶蝕所形成的生物格架孔和粒內孔為孔隙型儲層的主要儲集空間。生物格架孔和粒內孔主要發育于生屑灰巖及顆?；規r中，由礁灘體暴露出水時大氣淡水的選擇性溶蝕所形成。原生孔隙主要為海綿體腔孔、球形生物體腔孔和殼壁孔，孔隙分布不均，孔徑為0.1～1.0 mm。溶蝕孔洞多發育于裂縫附近，為后期巖溶流體沿裂縫溶蝕改造而形成，孔隙形態不規則，個別溶洞被方解石充填，少量白云石晶體半充填，孔徑為2.0～50.0 mm（圖3a）。牛津階儲層裂縫可識別出構造成因縫、縫合線及溶蝕縫，在各類巖性中均有發育（圖3b—3f）。這些裂縫對于提高儲層孔隙作用甚微，但對于改善儲層滲透率、為后期溶蝕流體提供通道作用極大。構造縫多呈平直狀發育，切穿作用強，縫隙內部大多為方解石所充填或半充填，晶粒長軸垂直于裂縫壁，縫寬0.01～0.05 mm（圖3c）。

圖3 阿姆河右岸東部地區侏羅系牛津階儲層巖心照片Fig.3 Core photographs of Jurassic Oxfordian reservoirs in the eastern right bank of Amu Darya

2.3 儲層物性特征

在卡洛夫—牛津期，阿姆河右岸東部地區水體較深，水動力弱，礁灘體發育欠缺，即便發育部分礁灘體，也很難接受暴露改造，無法形成規模性孔隙儲層，最終演化為物性較差的原生基質。對研究區典型井分析發現，在整體基質物性低孔、低滲的背景下，依然存在部分物性較好的層段。從取心及鏡下分析可見巖心裂縫大量發育，部分裂縫被方解石充填，但沿裂縫可見大量溶蝕孔或擴溶孔，孔隙度增大層段往往伴隨著裂縫的發育。成像測井結果顯示研究區高角度縫發育，且裂縫周緣?？勺R別出暗色溶洞發育段，與巖心觀察結果相一致。大量的裂縫及沿裂縫發育的溶蝕孔、洞與部分原生孔隙疊合后形成復雜的裂縫-孔隙型儲集體（圖4）。

圖4 阿姆河右岸東部地區單井侏羅系牛津階XVhp層測井響應特征Fig.4 Logging response characteristics of Jurassic Oxfordian XVhp layer of single well in the eastern right bank of Amu Darya

根據研究區16 口井的測井解釋統計數據分析可知，卡洛夫—牛津階儲層總厚度平均值為47.3 m。其中牛津階儲層平均厚度為41.6 m，平均孔隙度為4.65%，儲層發育的厚度與孔隙度均較阿姆河右岸其他地區更?。ū?）。阿姆河右岸西部地區儲層最發育，儲層總厚度平均為111.0 m，平均孔隙度為6.84%，中部次之，儲層總厚度平均為105.2 m，平均孔隙度可達6.26%。

表1 阿姆河右岸東部地區卡洛夫—牛津階儲層厚度及平均孔隙度統計Table 1 Statistics of reservoir thickness and average porosity of Callovian-Oxfordian in the eastern right bank of Amu Darya

3 儲層預測

綜合分析阿姆河右岸東部地區16 口實鉆井的資料發現，受沉積環境分異及裂縫發育期次的影響，儲層多發育于牛津階XVhp 層的上部和下部。根據儲層分布位置可將其劃分為底部型儲層（儲層發育位置靠近XVhp 層底部）、頂部型儲層（儲層發育位置靠近XVhp 層頂部）、兩期型儲層（儲層在XVhp 層的下部和上部均有發育）以及無儲層等4 種類型（圖5）。

圖5 阿姆河右岸東部地區侏羅系牛津階儲層發育特征Fig.5 Reservoir development characteristics of Jurassic Oxfordian in the eastern right bank of Amu Darya

3.1 正演模擬

基于沉積背景、地層充填特征、實鉆井資料及儲層發育情況，設計理論正演模型，研究儲層在不同厚度及不同發育位置下的地震反射響應特征。

基于對16 口實鉆井的測井資料，拾取各段地層平均厚度和理論地層單元速度，建立地震正演模型。將地層分為7 段，自上而下依次為膏鹽巖層，GAP，XVhp，XVa1，Z，XVa2 和XVI 層，分別設定各層的厚度為100 m，10 m，110 m（其中XVhp 層儲層段0～90 m，非儲層段20～110 m），25 m，20 m，35 m和100 m，分別設置地層速度為5 985 m/s，4 400 m/s，4 976 m/s（XVhp 層儲層段），5 800 m/s（XVhp 層非儲層段），5 960 m/s，5 600 m/s，5 870 m/s 和5 700 m/s（圖6）。采用射線追蹤法模擬地震波反射［19］，選擇與地震資料目的層主頻相同的33 Hz 正極性雷克子波以自激自收的方式進行數值模擬。

圖6 阿姆河右岸東部地區侏羅系牛津階XVhp層儲層發育模型（a）及正演模擬（b）Fig.6 Reservoir development model（a）and forward modeling（b）of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

模擬結果顯示：①外部地層對XVhp 層的地震反射影響較小。②在XVhp 層內部，當儲層不發育時，XVhp 層頂部表現為一連續強波峰反射，底界為一連續弱波峰反射；當儲層厚度由地層頂部開始逐步增大到大于15 m 時，受反射波疊加干涉作用影響，XVhp 層頂界波峰反射振幅值變小，儲層底界反射振幅逐步增強，表現為一明顯的強波峰反射，隨著儲層厚度繼續增大，XVhp 層內部出現“亮點”反射特征（提取XVhp 層底部最大波峰振幅屬性值，振幅越強，則儲層越發育）；當儲層厚度由地層頂部開始逐漸減小到小于90 m 后，XVhp 層內部沿儲層頂界波谷反射逐漸增強，地震反射整體表現出雙強波峰夾強波谷的特征。

由于牛津階地層埋深約3 500 m，且受上覆巨厚膏鹽巖層的遮擋影響，地震體主頻低、信噪比低、資料品質較差。同時，在XVhp 層獨特的地層組合模式下，受儲層發育位置及厚度影響，儲層底界反射與XVhp 層底界反射在波的疊加干涉作用下，可出現多種強、弱反射特征，無法準確表征地下儲層發育的真實情況。因此，單一地利用振幅強弱作為判斷儲層發育指標，會造成預測結果失真。

3.2 波形聚類分析

地震波形聚類是地震波形分類中的一種，也是巖性識別和沉積相（地震相）常用的分析工具之一［20-22］。其原理是通過提取所開時窗內地震道的波形特征與鄰近時窗進行對比，利用神經網絡或模糊聚類等算法，通過不斷的特征提取、學習、分類及分析對地震波形進行歸類，從而得到不同波形組合在平面上的展布規律。結合典型過井剖面、正演模擬特征及儲層發育情況，將研究區波形聚類劃分為4 種（圖7）：Ⅰ類波形表現為頂部弱—中強波峰、底部強波峰反射夾弱波谷反射，兩波峰間距小，底部波峰發育位置靠上，該反射模式所對應的儲層發育位置靠近XVhp 層頂部，“亮點”靠上，為頂部型儲層；Ⅱ類波形表現為頂部弱—中強波峰及底部強波峰夾弱波谷反射，儲層底部波峰反射位置靠下，“亮點”靠下，屬于兩期型儲層；Ⅲ類波形表現為雙軸強波峰夾強波谷反射，儲層底部波谷反射隨儲層變化而上下波動，兩波峰間距大，“亮點”靠下，屬于底部型儲層；Ⅳ類波形表現為頂部強波峰，內部弱波谷反射，底部弱波峰反射，無“亮點”，儲層發育差。

圖7 阿姆河右岸東部地區典型井侏羅系牛津階XVhp層儲層地震及波形響應特征Fig.7 Reservoir seismic response and waveform response characteristics of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

通過對波形聚類結果進行分析可知，底部型儲層主要集中于研究區西部，頂部型儲層主要分布于研究區中部及東部，兩期型儲層大量發育于研究區西北部（圖8）。

圖8 阿姆河右岸東部地區侏羅系牛津階XVhp層儲層波形聚類屬性平面特征Fig.8 Waveform clustering of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

3.3 分頻融合分析

常規疊后地震屬性在儲層預測方面的有效性受多種因素制約，其中最主要的是儲層與非儲層之間是否存在明顯的波阻抗差。對研究區實鉆井的波阻抗與孔隙度關系進行分析發現，XVhp 層碳酸鹽巖孔隙度隨波阻抗的增加而減小，兩者呈明顯的負相關關系，因此可利用孔隙度值進行儲層及非儲層波阻抗區間的劃分。XVhp 層巖性主要為生屑灰巖、顆?；規r及泥晶灰巖，在儲層研究中將其劃分為孔隙灰巖（儲集巖）和致密灰巖（非儲集巖），根據這2 類巖性的平均波阻抗計算反射系數約為0.07。因此，等儲層發育段在動力學地震屬性如振幅屬性剖面上具有較好的響應特征（圖9）。

圖9 阿姆河右岸東部地區侏羅系牛津階XVhp層儲層波阻抗與孔隙度關系Fig.9 Relationship between wave impedance and porosity of XVhp layer of Jurassic Oxfordian in the eastern right bank of Amu Darya

研究區牛津階儲層發育厚度為7.2～74.8 m，平均厚度約為41.6 m。根據單井儲層解釋厚度，結合地震資料頻率分布特征，分別選取30 m，45 m 和60 m 作為薄、中、厚儲層的代表厚度，計算出不同厚度所對應的高、中、低調諧頻率值分別為43 Hz，33 Hz 和23 Hz。在3 個頻率體上分別提取XVhp層內均方根振幅屬性（RMS），結果顯示，在低頻域西部和東北部振幅較強，東南部振幅較弱；隨著頻率增加，西部及東北部振幅值降低，東南部振幅增強（圖10a—10c）。

為了更好地展現儲層在平面上的分布規律，將3 種頻率振幅屬性利用RGB 三色融合技術進行平面疊合（低頻、厚儲層平面特征轉換為紅色，中頻、中等厚度儲層平面特征轉換為綠色，高頻、薄儲層平面特征轉換為藍色），利用三原色縱向疊合，得到XVhp 層儲層厚度在平面上的分布圖（圖10d）。將三色融合圖預測的厚度與實鉆井測井解釋的儲層厚度進行對比發現，兩者在趨勢上大致相同；對比波形聚類結果，儲層較發育的西部及東部地區，低頻數據響應較好，儲層厚度相對較大，東南部則高頻響應較好，表明儲層發育較差，厚度較小。分頻融合結果與波形聚類結果表現出較高的一致性，也印證了本方法在儲層半定量預測中的可靠性。

3.4 集成學習計算

機器學習作為人工智能研究中的熱點，其理論與方法被廣泛應用于解決工程和科研領域的復雜問題。集成學習是機器學習領域中功能較強大的技術手段之一，其核心是針對同一問題，建立并訓練多個模型同時進行處理運算，并將計算結果結合起來以獲得更加準確的結果。

為了更好地指導阿姆河右岸東部地區牛津階氣藏的勘探與開發，除了半定量地刻畫儲層厚度的平面展布趨勢，還有必要開展儲層厚度的精確計算，在儲層半定量研究的基礎上，引入集成學習技術開展儲層厚度計算。在集成學習中，使用多個不同的學習算法組合以期提高模型的泛化能力和準確性，同時也可通過互相補充，減少單個算法的缺點。結合實鉆井資料及地質模型，對研究區牛津階提取的13 種不同類型地震屬性進行分析，選擇異質集成方法中的Stacking 方法進行模型運算，并構建了6 個基學習器，其中最小絕對值收斂和選擇算子回歸（LASSO regression）、彈性網回歸（elastic net regression）、核嶺回歸（kernel ridge regression）、梯度增強回歸（gradient boosting regression）、梯度提升算法（XGBoost 和LightGBM）都是被廣泛應用于各種預測和分類任務中的算法。

離群值剔除和缺失值處理是機器學習模型建立中非常重要的步驟，對于提高模型預測能力和準確性具有至關重要的作用。離群值剔除目的是去除那些與其他數據相差較大的極端數據，避免這些數據對模型的建立和預測結果產生不良影響。常用的離群值剔除方法包括基于箱線圖的方法和基于Z-score 的方法等，本次采用基于箱線圖的離群值剔除方法，通過確定數據的上下四分位數以及上下限來去除離群值（圖11a）。在模型調優方面，采用交叉驗證法來評估模型的預測性能，從而確定最優的模型結構和算法參數。交叉驗證法可以將數據集劃分為訓練集和測試集，反復訓練和測試模型，并根據測試結果來評估模型的性能，以此來選擇最優的模型參數（圖11b），再優化各算法參數、迭代次數及權重值，從而計算得到單井儲層計算厚度值（圖11c）。從11 口井計算儲層厚度與實鉆井測井解釋的儲層厚度值進行擬合發現，除Ho-23 井及Jo-21 井儲層計算厚度受斷層影響與真實厚度相差較大外，其他井的計算厚度與實際厚度變化趨勢相符，相關性較好（R2=0.74）。

圖11 阿姆河右岸東部地區機器學習數據預處理及儲層擬合圖Fig.11 Machine learning data preprocessing and reservoir fitting diagram for the eastern right bank of Amu Darya

保存優化好的計算模型，將全區地震屬性數據帶入模型中進行迭代計算，得到全區儲層計算厚度結果。為了更直觀地展示儲層厚度與斷層之間的關系以及儲層的平面分布特征，將計算厚度結果勾繪成圖并與斷層疊合。如圖12 所示，研究區西部和東部儲層厚度較大，一般為45～75 m，且與主要斷層的延展趨勢相關性較高，這與巖心及成像測井所觀察的結果相一致，裂縫的發育對儲層貢獻巨大；中部和東南部區塊距斷層稍遠，加之基質物性較差，儲層厚度較小或不發育，一般小于30 m；所有參與訓練及驗證的井數據均落在預測趨勢內，這一預測結果與RGB 屬性融合圖分析的結果及波形聚類結果趨勢大致相同，可信度較高。由此可見，利用機器學習進行儲層厚度預測比傳統測井相內插及單一地震屬性預測的效果更好，精確度更高。

圖12 阿姆河右岸東部地區牛津階儲層厚度機器學習模型預測疊合斷層平面分布特征Fig.12 Machine learning model of reservoir thickness superimposed on fault distribution of Oxfordian in the eastern right bank of Amu Darya

4 結論

（1）阿姆河右岸東部地區侏羅系牛津階發育的儲層巖性主要為生屑灰巖、顆?；規r及泥晶灰巖；原生基質物性差，但裂縫發育，受裂縫改造形成了裂縫-孔洞型儲層，孔、洞、縫組合復雜，孔隙型儲層的主要儲集空間為生物格架孔和粒內孔；研究區儲層發育程度較阿姆河右岸其他區域差，厚度及孔隙度均更小。

（2）研究區牛津階儲層的地震響應特征受儲層發育位置及厚度影響較大，頂部型儲層（儲層發育位置靠近XVhp 層頂部）主要分布于研究區中部及東部；兩期型儲層（在XVhp 層上、下部均有儲層發育）大量發育程度于研究區西北部；底部型儲層（儲層發育靠近XVhp 層底部）則主要集中于研究區西部。

（3）研究區西部及東北部儲層發育好、厚度較大，且多沿斷裂發育帶分布；中部和東南部儲層發育較差，厚度較小。