一种通用的定量化评价储层裂缝强度的新方法与流程

本发明涉及石油地质勘探开发领域，具体的是一种通用的定量化评价储层裂缝强度的新方法，用于确定裂缝的空间分布规律。

背景技术：

天然裂缝遍布页岩、碳酸盐岩以及致密砂岩。这些岩石已经被证实是非常重要的经济资源——石油与天然气的宿主(fariasetal.,2019;gomesetal.,2020;kimetal.,2019;munawaretal.,2018;oluwadebietal.,2019;wheaton,2019)。裂缝往往是断裂系统的衍生品，研究断裂系统本身是一个非常困难的工作，研究裂缝则具有更强的不确定性。目前还没有非常有效的对裂缝的分布进行预测的手段，也是这一现实研究现状，促使本发明的诞生。

对于裂缝性储层，如何评价裂缝的分布是一项非常重要的工作。虽然裂缝与断层具有紧密的关系(araujoetal.,2018;bekeetal.,2019;felicietal.,2016)，然而，有效的裂缝开度以及其他一些几何学参数一直都是无法准确确定的。很多研究将裂缝的开度与长度基于露头建立统计关系(mirandaetal.,2018)，但这种做法的不确定性几乎无法评价，尤其是在地下实际储层空间。

预测裂缝最常用的方法就是离散网络模型（dfn），这种方法具有两个研究分支，其一是确定性建模，使用基于方差体的地震属性（特别是蚂蚁追踪数据体），确定裂缝密度，然后通过模拟裂缝开度（简单的情况下，只是指定一个开度与裂缝长度的简单公式），最终获得裂缝分布模型；另一种方法首先需要确定与裂缝几何参数相关的数据集，诸如裂缝长度、开度、走向、倾向以及倾角等参数，这些参数大部分是通过露头统计获得。基于这些参数的分布，使用随机建模的方法，将井数据作为条件数据（硬数据），使用地震属性（通常还是基于方差的数据体，如蚂蚁追踪数据体、相干数据体等）作为约束数据体（辅助数据或软数据），构造预测模型(giuffridaetal.,2020;lietal.,2020;mirandaetal.,2018;ukaretal.,2019)。

作为硬数据的钻井数据，在进行统计裂缝时具有非常大的局限性，尤其是统计裂缝密度。因为较大的裂缝对储层影响较大，但是分布密度小，这样，如果较大裂缝刚好没有穿过井点，那么就会统计不出来大裂缝的密度，这种误差是不可接受的。同时，小的裂缝其裂缝密度较大，统计时，也会造成不平稳现象。目前由于露头与实际储层之间仍存在较大差异，因此无法确认地下实际储层究竟是否可用露头来完全代替。大多研究工作都默认了这种替代数据计算的结果的可用性，实际上，这里引入了非常多的甚至是无法评价的不确定性。

地震属性在对裂缝研究上的应用有如下：使用方差体数据分析断裂带，从而预测裂缝；使用蚂蚁追踪数据体预测裂缝分布；使用振幅变化率预测裂缝分布；使用地震波衰减预测裂缝；使用最大似然体预测裂缝分布。在诸多的裂缝预测中，大部分都需要计算方差，然而，计算方差过程中需要使用属性均值，不管是在哪一种级别上，均值都会破坏对储层非均质性的表征。因此，需要谨慎使用。

对储层裂缝表征的最终目的是预测储层参数——裂缝渗透率。裂缝渗透率一直都是地质界的一个研究难点，没有实验室测量手段可以得到可用于矫正其他测量方法得到的渗透率参数，如果该参数不能很好地模拟，那么后续的油藏数值分析就无法进行。很多基于dfn的模型最后都是为了解决这一基本工程问题。最常用的解决方法是使用求解navier-stokes方程的方法，用数值模拟的手段完成裂缝渗透率建模(a.anda.m.,2015;liuetal.,2018;parkeretal.,2005)。通常，使用这种方法得到的渗透率常称为“等效”渗透率。

本发明使用的地震数据体是反应地震波衰减的品质因子，以往的应用都是直接使用该属性进行分析，在提取衰减系数的基础上，使用机器学习的方法对地震属性进行分析，从而完成对渗透率或储层其他属性的模拟(iturrarán-viverosandparra,2014)。本发明不使用机器学习的方法进行研究，因为这样得到的结果需要有可信度极高的学习样本，这种样本基本上是无法获取的，为了避免因样本而引入的不确定性，本发明采用滤波的方法，将地震属性中反映裂缝的部分提取出来进行建模。

技术实现要素：

本发明以定量化评价储层空间上裂缝的分布为目的，围绕裂缝的分布进行井震裂缝属性的匹配与分布规律研究，在明确裂缝空间分布的基础上，构造裂缝空间分布模型，在裂缝分布模型基础上，构建裂缝地震属性与渗透率之间的关系，最终建立裂缝渗透率的空间分布模型。

具体说明如下：

3.1井裂缝分析

在岩心中表现出来的裂缝形态是最直接的统计裂缝的数据源，然而，必须承认，由于裂缝的不确定性，这种统计是非常片面的。如果有露头，也需要研究对比井与露头之间的差异，以便能够全面地认识裂缝的发育级别、走向、倾角等基本的参数趋势。

井数据是建立概念模型的第一步，但不能将井数据作为两点地质统计学中的硬数据来看待，因为裂缝分布的不确定性远较基质孔隙度的变化要大。任何从井岩心上得到的信息都可以说是不确定的。图1为某碳酸盐油藏钻遇裂缝井段的岩心特征。

从岩心表面上观察，明确的大型裂缝只有一条，伴随着羽状小裂缝也只有5-6条，裂缝近直立，为开启裂缝。对于大型裂缝有几个参数是无法确定的，一是裂缝密度，如果仅从一条裂缝计算裂缝密度是极其不科学的。因为井径仅有5.5英寸，不能使用1/(5.5×0.0254)作为裂缝密度。二是开度，在dfn模型中，开度是一个极其重要的参数，该参数几乎决定了裂缝的渗透率属性。但是，对于延伸长度较长的裂缝，其开度值的变化非常大，可能会超过一个甚至两个数量级。而据裂缝研究的文献所记载，这样的差异对最终渗透率的影响是在四个数量级左右。可想而知，这个参数的应用需要极其小心，否则，最终渗透率结果将无法预测。

有用的参数，裂缝强度（不是密度），从岩心的开启程度，可以定性分析裂缝的导流能力，借助试油数据，可以大致估算裂缝对渗透率的影响。其次，裂缝的走向与倾角，可以确定裂缝走向与倾向特征，这些都是建立概念模型的前提，也是提取地震属性的重要依据。

井数据的研究结果是提取地震属性的一个依据，裂缝属性的分布应该在井位附近符合岩心上裂缝的确定性属性。

3.2地震属性分析

地震属性从本质上讲，只有波长、频率与振幅。其中由振幅而衍生的其他属性一直都是最关键的属性分析工具，例如，振幅均方根属性分析岩性特征，分析指定范围内振幅的方差，确定不连续性，例如蚂蚁追踪属性。

本发明使用的属性为地震波衰减技术，该技术也属于振幅类属性的一员，由于是提取裂缝特征属性，因此与利用振幅确定岩性分布不同。同时，由于裂缝具有非常强的非均质性，因此与计算方差数据体也不具有类似的特征，故本发明不计算均值类属性。

3.2.1振幅类地震属性分析

1）振幅均方根（rms）

该属性计算很简单，即，取指定时间窗口下的振幅平方和的均值，然后再开平方，得到rms属性（公式1）。

式中：，振幅均方根；，振幅值；，指定时窗样本数。

该属性被证实对岩性敏感，是进行岩性分析的一种有用的地震振幅属性。对于裂缝研究，该属性不能提供有关能量损失的特征。

2）平均绝对值振幅（average absolute amplitude）

该振幅属性适用于地层的岩性变化趋势分析，地震相分析，也可用于地层岩性相变分析，计算薄砂层厚度，识别亮点、暗点，指示烃类显示，识别火成岩等特殊岩性（公式2）。

式中：，平均绝对值振幅；，振幅值；，指定时窗样本数。

该指标对于能量损失的评判比较局限，对于异常地质体的分析较为有用。

3）最大波峰振幅（maximum peak amplitude）

简言之该属性就是求取振幅值为正数的半波的峰值。这一属性更容易反映出异常地质体的特征，这与平均绝对值振幅类似。

与之相对还有类似的最大波谷振幅。应用类似。

4）平均波峰振幅 (average peak amplitude)

将最大波峰振幅在时窗内统计累加求平均（公式3）。

在研究目的层识别亮点/暗点、指示烃类、岩性变化、相变分析、识别薄砂层以及识别火成岩等特殊岩性具有一定的应用价值。

与之相对还有类似的平均波谷振幅。应用类似。

5）最大绝对值振幅 (maximum absolute amplitude)

计算每道的最大绝对值振幅的求取方法是，首先在分析时窗内计算出波峰和波谷的值，得出最大的波峰或波谷值，然后，做一抛物线，恰好通过最大波峰或波谷振幅值和它两边的两个采样点，沿着这曲线内插可得到最大绝对值振幅值。

适合岩性分析，砂岩百分比研究，也可用于地层岩性相变分析，计算薄砂层厚度，识别亮点、暗点，指示烃类显示，识别火成岩等特殊岩性。

6）总绝对值振幅 (total absolute amplitude)

总绝对值振幅是计算确定时窗内的所有道的绝对值振幅值。

适合大套地层变化趋势分析和某一岩性的含量分析，也可用于地层岩性相变分析，计算薄砂层厚度，识别亮点、暗点，指示烃类显示，识别火成岩等特殊岩性。

7）总振幅 (total amplitude)

每一道的总振幅是，在层内对采样点求取总的振幅值。

适合大套地层变化趋势分析，也可用于地层岩性相变分析，计算薄砂层厚度，识别亮点、暗点，指示烃类显示，识别火成岩等特殊岩性。

3.2.2地震波衰的计算方法

地震波衰减技术实际上就是对品质因子进行估计，在估计的品质因子属性中提取反映裂缝特征的属性。

地震波衰减的估计有很多种方法，被广泛应用的方法有：

1）上升时间法。所谓上升时间就是第一周期的最大振幅与最大频率的比值。上升时间与频带建立经验关系，间接计算品质因子（公式4）。

式中：，震源信号上升时间；，常数，在0.530.04；，频宽。

2）谱比法。计算方法如下：

此外还有应力曲线计算方法，这里不再列出。

3.3裂缝强度预测方法与步骤

作为裂缝主体，这部分是造成信号频散的原因之一，这种频散会造成相应的地震波能量的损失。一般认为这种现象是由于流体与岩石表面的摩擦有关，这一观点间接说明，该方法所测量到的信号或计算结果，反映的是小裂缝——那些开启的并被流体充填了的裂缝——的影响。因此，能量损失越严重，说明开启的裂缝越发育，裂缝强度越大，裂缝渗透性能越好。

步骤1：使用上升时间法或谱比法估计品质因子q值。按照上一小节列出的方法，选取合适的时窗提取波形特征，然后计算q值。

步骤2：对地震属性信号进行筛选分析，将属性数据体中反映裂缝特征的属性提取出来，通过属性值的强弱，确定裂缝强度。这一步需要借助裂缝的分布特征进行，即，需要考虑大地构造主应力方向、钻井岩心中裂缝的方向，来确定参数的选取。

步骤3：使用单井裂缝试井数据得到的地层渗透率，对比地震属性，使用分布转换的方法，模拟储层空间裂缝渗透率的分布。

步骤4：使用蒙特卡罗方法模拟建模，得到裂缝渗透率模型。

通过上述四步得到的渗透率模型，其分布规律符合构造裂缝的分布地质规律，就是构造应力主方向即是裂缝带的分布方向。与随机比例过高的通过dfn模型得到的等效渗透率模型相比，具有更强的实用性与可操作性。

本发明带来的有益效果

本发明在评价裂缝空间分布上具有更好的效果，降低了传统方法的不确定性，在进行储量计算以及数值模拟上具有更好的可用性与准确性。

由于使用了确定性评价方法，有关确定裂缝几何学参数的过程变得不再重要，这为客观评价裂缝分布提供了更大的空间。在石油与天然气的勘探开发过程中，裂缝的客观分析越来越重要，因不能客观评价裂缝而造成的经济损失非常大，在某致密砂岩天然气评价区，由于对裂缝的认识问题，有三口钻井落空，直接经济损失近亿元，经本方法证实，该三口井均没有钻遇有利的天然裂缝发育区。

对于裂缝的评价，没有任何方法可以脱离开实际情况，本发明最大的优势在于可以摒弃因建模过程中引入的大量的人为因素的干扰，评价更客观，更合理。这是使用离散网络模型进行随机建模所不能达到的。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发

明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是某碳酸盐油藏钻遇裂缝井段的岩心特征示意图。

图2是使用振幅均方根属性得到的地震属性区域分布示意图(图中黑色矩形块为隐去的井号，因为未获得许可显示)。

图3是地震剖面上的断裂破碎带特征示意图。

图4是本发明说述的一种通用的定量化评价储层裂缝强度的新方法的评价结果示意图(图中黑色矩形块为隐去的井号，因为未获得许可显示)。

图5是某致密砂岩使用振幅均方根得到的裂缝发育带示意图。

图6是某致密砂岩使用本发明说述的一种通用的定量化评价储层裂缝强度的新方法得到的裂缝发育带示意图。

图7是使用基于方差数据体的裂缝分布预测结果示意图。

图8是某碳酸盐岩储层构造图示意图。

图9是使用本发明说述的一种通用的定量化评价储层裂缝强度的新方法获得的裂缝分布示意图。

实施案例

使用本申请算法分别对页岩气藏、致密砂岩气藏以及碳酸盐油藏进行了天然裂缝发育强度评价，分别取得了理想的效果，而且这些效果是使用其他传统的方法（包括传统的地震属性分析）所无法达到的。

5.1分析页岩气藏天然裂缝强度

天然裂缝对于页岩气开发至关重要，没有天然裂缝就没有开发价值，然而天然裂缝过于发育，如发育断裂破碎带，那么页岩气就会因缺乏重要的保存条件从而也失去了开发价值。

因此，在页岩气开发过程中，一个重要的评价内容就是如何确定天然裂缝发育，同时保存条件又较好的区域。换言之，如何寻找那些蕴藏了天然气的裂缝发育区——甜点区。

使用本发明所提出的方法，对中国四川某页岩气探区进行了天然裂缝强度评价，全区普遍发育页岩，受断裂系统影响，几条较大型的断裂破碎带贯穿了研究区，除了断裂破碎带外，那些没有被破碎的页岩是评价区，然而，虽然裂缝强度在这些区域具有非常大的差异，但地震反射上完全区分不出来这种不同，传统的地震属性分析无法有效解决这一问题。使用本发明提出的方法，非常明确地将研究区内有效页岩勘探前景区刻画出来。经验证，这些区域被证实是有效的页岩富集区。

图2为使用振幅均方根属性得到的地震属性区域分布，该属性显示出来的属性特征可以大致将断裂破碎带区分出来，但是不能区分出有效的储层区域，这对于裂缝解释没有很好的指示作用。因为从地震剖面上，可以通过解释将这些破碎带区分出来（参见图3）。

本发明方法可以很好解决这一问题，图4为使用本发明算法完成的原始图。

从图2中，很难区分出哪些是有效储层发育区，虽然可以将破碎带区分出来，但是从评价结果上看，不能区分出有效甜点区。图4中所显示的属性——裂缝强度分布就完全不同。在图4中黑色框附近，明确表现出了有效页岩发育区的特征：天然裂缝发育，同时又非断裂破碎带，具有较好的存储与保存天然气的条件，也就是勘探甜点区域（图中黑色线框范围）。

5.2致密砂岩天然裂缝发育评价

在对某致密砂岩天然气藏的研究过程中发现，裂缝带的分布与构造具有密切关系，然而，使用振幅均方根得到的裂缝分布结果不够理想，而且与井的生产能力不吻合（图5）。

使用本发明算法得到的分布结果则具有明显的优势。与生产井对比发现，那些生产情况较好的井均钻在裂缝发育区内，那些钻空的井均没有钻遇到裂缝发育的储层。在图6中，可以发现，裂缝强度较大的区域位于断层附近，并沿断层发育，产能较高的井使用红色的圆表示，黄色的则为钻空井，介于两者之间的被设置为橙色。使用本方法可以在钻井前对储层性质进行较准确的预测，从而可以避免因钻井落空而造成的巨大浪费。

5.3某碳酸盐岩油藏的裂缝发育带预测

对某复杂碳酸盐岩储层进行了类似的研究。该储层为裂缝-孔洞型储层，结构复杂，在进行双孔双渗建模时，需要建立裂缝渗透率模型，该模型首先需要预测裂缝的空间分布。使用基于方差数据体的属性可以得到较大的断层的分布以及围绕这些断层附近的裂缝分布，但是对于位于主体勘探区，背斜构造上的裂缝分布，这种方法没有得到可与井数据相匹配的模型。图7为使用基于方差数据体的属性得到的裂缝分布结果，在构造中部的井a（裂缝岩心见图1）与井b均钻遇了裂缝，岩心表现出来明显的裂缝分布，但预测结果令人失望。研究区的构造见图8。

使用本发明方法获得解释结果见图9，本方法在构造上明显体现出了呈带状分布的与构造走向一致的裂缝发育带。这一结果与传统属性分析具有较大的差异，但与井数据吻合较好，同时符合地质规律，即与大地应力主方向一致（沿构造走向分布）。

6.结论

本发明所提出的方法可以预测页岩、致密砂岩以及碳酸盐岩储层中的裂缝发育强度。裂缝越发育，表现的裂缝强度越大。这种通过地震属性来提取的属性特征具有较强的客观性，整个过程人为干预非常少，人为因素造成的不确定性被大大降低。同时，分析结果可以满足对特殊岩性油气藏中的裂缝的预测，将为勘探钻井以及开发方案设计，带来巨大的经济效益。

参考文献

a.,d.p.,anda.m.,k.,2015,ontheanalyticalestimationoffractureporosityfromfracturepermeability-influenceoffractureroughness,totuoseityandconnectivity:spe-174374-ms.

araujo,r.e.b.,bezerra,f.h.r.,nogueira,f.c.c.,balsamo,f.,carvalho,b.r.b.m.,souza,j.a.b.,sanglard,j.c.d.,decastro,d.l.,andmelo,a.c.c.,2018,basementcontrolonfaultformationanddeformationbanddamagezoneevolutionintheriodopeixebasin,brazil:tectonophysics,v.745,p.117-131.

beke,b.,fodor,l.,millar,l.,andpetrik,a.,2019,deformationbandformationasafunctionofprogressiveburial:depthcalibrationandmechanismchangeinthepannonianbasin(hungary):marineandpetroleumgeology,v.105,p.1-16.

farias,f.,szatmari,p.,bahniuk,a.,andfrança,a.b.,2019,evaporiticcarbonatesinthepre-saltofsantosbasin–genesisandtectonicimplications:marineandpetroleumgeology,v.105,p.251-272.

felici,f.,alemanni,a.,bouacida,d.,anddemontleau,p.,2016,fracturedreservoirmodeling:fromwelldatatodynamicflow.methodologyandapplicationtoarealcasestudyinillizibasin(algeria):tectonophysics,v.690,p.117-130.

giuffrida,a.,agosta,f.,rustichelli,a.,panza,e.,labruna,v.,eriksson,m.,torrieri,s.,andgiorgioni,m.,2020,fracturestratigraphyanddfnmodellingoftightcarbonates,thecasestudyofthelowercretaceouscarbonatesexposedatthemontealpi(basilicata,italy):marineandpetroleumgeology,v.112.

gomes,j.p.,bunevich,r.b.,tedeschi,l.r.,tucker,m.e.,andwhitaker,f.f.,2020,faciesclassificationandpatternsoflacustrinecarbonatedepositionofthebarravelhaformation,santosbasin,brazilianpre-salt:marineandpetroleumgeology,v.113.

iturrarán-viveros,u.,andparra,j.o.,2014,artificialneuralnetworksappliedtoestimatepermeability,porosityandintrinsicattenuationusingseismicattributesandwell-logdata:journalofappliedgeophysics,v.107,p.45-54.

kim,g.,lee,h.,chen,z.,athichanagorn,s.,andshin,h.,2019,effectofreservoircharacteristicsontheproductivityandproductionforecastingofthemontneyshalegasincanada:journalofpetroleumscienceandengineering,v.182.

li,h.,lin,c.,ren,l.,dong,c.,ma,c.,li,s.,andliang,s.,2020,anintegratedquantitativemodelingapproachforfault-relatedfracturesintightsandstonereservoirs:journalofpetroleumscienceandengineering,v.194.

liu,r.,li,b.,jiang,y.,andyu,l.,2018,anumericalapproachforassessingeffectsofshearonequivalentpermeabilityandnonlinearflowcharacteristicsof2-dfracturenetworks:advancesinwaterresources,v.111,p.289-300.

miranda,t.s.,santos,r.f.,barbosa,j.a.,gomes,i.f.,alencar,m.l.,correia,o.j.,falcão,t.c.,gale,j.f.w.,andneumann,v.h.,2018,quantifyingaperture,spacingandfractureintensityinacarbonatereservoiranalogue:cratoformation,nebrazil:marineandpetroleumgeology,v.97,p.556-567.

munawar,m.j.,lin,c.,cnudde,v.,bultreys,t.,dong,c.,zhang,x.,deboever,w.,zahid,m.a.,andwu,y.,2018,petrographiccharacterizationtobuildanaccuraterockmodelusingmicro-ct:casestudyonlow-permeabletotightturbiditesandstonefromeoceneshahejieformation:micron,v.109,p.22-33.

oluwadebi,a.g.,taylor,k.g.,andma,l.,2019,acasestudyon3dcharacterisationofporestructureinatightsandstonegasreservoir:thecollyhurstsandstone,eastirishseabasin,northernengland:journalofnaturalgasscienceandengineering,v.68.

parker,m.,glasbergen,g.,batenburg,d.v.,weaver,j.,andslabaugh,b.,2005,highfracture-porosityyieldhighconductivity:spe96848.

ukar,e.,laubach,s.e.,andhooker,j.n.,2019,outcropsasguidestosubsurfacenaturalfractures:examplefromthenikanassinformationtight-gassandstone,grandecache,albertafoothills,canada:marineandpetroleumgeology,v.103,p.255-275.

wheaton,r.,2019,modelingofgasflowinfracturedshale:upstreamoilandgastechnology,v.1。