在Puerto Colon油田应用岩石物理、地震属性和频谱进行油藏描述
发布时间：2007-06-26
来源：中国自动化网
类型：
行业资讯
人浏览
实验室测定的岩石物理值与物理特征估算值之间可以进行匹配。测井数据用于指导孔隙度、伽马响应和声波阻抗估算。对确定Caballos地层弹性参数泊松比和Vp/Vs很重要，可以据此判别储集层质量，弹性反演被用于地震数据中计算这些参数。Puerto Colon油田特征如下：地质构造是非对称背斜，接近N-S走向，平均倾角40，储层受东侧逆断层控制，原始石油地质储量(OOIP)为3.192亿bbl，2000年的采收率为13%，原油呈黑色30.50API，GOR 458scf/stb，储量因子1.27bl/stb，密度878kg/m3，粘度0.919cp。油水界面东-东南倾斜。
对欠饱和Caballos组储集层进行了研究，采用多种技术：声波和弹性反演，将测井数据与地震数据匹配；属性分析，用于预测地震属性岩石物理特征；地震模拟/流体驱替模拟，建立全偏移合成道集，分析储集层流体对地震信号的影响；频谱分解，考虑频率变化对储集层振幅/频率分析的影响，对这些属性分析后，预测岩石物理特征。数据采集与方法。从研究区采集了以下数据：叠前叠后地震数据，相当于Acae地区子数据，总面积31km2，地震测线覆盖220km2，满覆盖区100km2，采样率4ms；11口井测井数据；地层顶部和解释地震层位；ECOPETROL储集层评估、岩石物理、地震反演和先期做的AVO分析等内部报告集。岩性评估方法有：神经网络技术用于声波反演和地震属性分析，预测孔隙度、泊松比和伽马测井响应；计算Vp/Vs和泊松比；瞬时频谱分析。地震流体估算采用了流体驱替模拟和AVO属性角度叠加等方法。
应用及结果。技术应用集中于Caballos组储集层，需要考虑其厚度范围。岩性评估：基于实验室、岩石物理结果和弹性反演确定储集层质量，对储集层孔隙度和伽马射线应用地震属性外插岩石特征（孔隙度和伽马射线响应）。根据地震属性应用概率神经网络预测孔隙度，用Acae-5井、Acae-6井、Acae-8a井、Acae-10井和Acae-11井数据训练神经网络。储层流体评估：测试Caballos层流体特征，检验其是否有明显的地震特征。合成道集模拟：用3组合共深度点道集模拟含盐、油和气注入岩石孔隙情况，在Acae-10井对比实际道集与合成道集，可以看出含盐、油和气的情况与合成道集响应一致。Acae-10井的大、小角度叠加对比后显示，所有道集中的振幅均有微弱增强，由此可对AVO属性作进一步分类，以确定是否有反射异常。
弹性反演获取的泊松比和Vp/Vs可与岩石物理特征相匹配，确定Caballos层质量，综合地球物理和地震数据可以估算储集层岩石特征。部分叠加信息的应用在估算Acae地区孔隙度和伽马响应中有效。常规流体驱替模拟和AVO分析表明，流体对测量地震信号没有影响。
免责声明：本文仅代表作者个人观点，与中国自动化网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容！来源网络如有误有侵权则删。