碳酸盐岩储层断裂分类分级预测—以塔里木盆地塔河油田为例

doi:10.3799/dqkx.2025.120

碳酸盐岩储层断裂分类分级预测—以塔里木盆地塔河油田为例

doi: 10.3799/dqkx.2025.120

1. 中国石油大学(北京) 地球物理学院, 北京昌平 1022492;
2. 中国石油化工股份有限公司西北油田分公司, 新疆乌鲁木齐 830011;
3. 中国地质大学(武汉) 资源学院, 湖北武汉 430074

基金项目:

本论文获国家自然科学基金面上项目(No.42172182)和中石化西北油田分公司企业外协项目(No.KY2024-011)联合资助

详细信息

作者简介:
王震(1985-)，男，副研究员，主要从事于碳酸盐岩油藏地球物理研究工作。

中图分类号: P618
计量
- 文章访问数: 47
- HTML全文浏览量: 2
- PDF下载量: 6
- 被引次数: 0
出版历程

Fracture Classification-Grading Prediction Technology and Application in Carbonate Reservoirs: A Case Study from the Tahe Oilfield, Tarim Basin

1. China University of Petroleum, Beijing 102249, China;
2. Sinopec Northwest Company, Urumqi 830011, Chin;
3. School of Earth Resources, China University of Geosciences, Wuhan, 430074

摘要

摘要: 碳酸盐岩储层作为全球油气资源的重要载体，其内部溶洞和断裂系统的发育特征直接影响油气的储集与运移能力。针对深层-超深层碳酸盐岩储层中多尺度断裂预测的难题，本研究以塔里木盆地塔河油田奥陶系碳酸盐岩为例，提出了一种基于地震波场特征分析的分类分级断裂预测技术。通过三维正演模拟揭示了规模缝洞体对常规断裂预测属性（如相干、最大似然）的干扰机制，发现缝洞体边界的“串珠状”反射异常会导致断裂假连通和归位偏差。基于断裂的尺度与溶蚀特征差异，将研究区断裂系统划分为大尺度破碎-溶蚀断裂（>20 m）、中尺度弱-未溶蚀断裂（10–20 m）和小尺度裂缝（<10 m），并分别开发了针对性的预测方法：针对大尺度断裂，提出基于梯度结构张量薄化的断裂归位技术，有效克服溶洞异常边界的干扰；针对中尺度断裂，结合AFE相干加强属性与U-Net深度学习算法，显著提升了断裂纵向连续性；针对小尺度裂缝，利用Likelihood属性与构造导向滤波实现弱反射信号的精准提取。进一步通过深度前馈神经网络（DFNN）融合多尺度断裂属性及钻井漏失数据，构建了井控多属性融合模型。应用结果表明，该技术体系在塔河油田复杂缝洞区实现了断裂系统的全尺度刻画，大尺度走滑断裂呈NNE-NNW向共轭分布，中尺度断裂形成花状构造，小尺度裂缝密集发育于断裂东侧主动盘。本研究为深层碳酸盐岩储层断裂预测提供了新的技术思路，对同类油气藏的勘探开发具有重要参考价值。
- 碳酸盐岩 /
- 断裂分类 /
- 结构张量 /
- 地震正演 /
- 塔河油田
Abstract: Carbonate reservoirs are important carriers of global oil and gas resources. The development characteristics of their internal karst caves and fault systems directly affect the storage and migration capacity of oil and gas. In order to solve the problem of multi-scale fault prediction in deep and ultra-deep carbonate reservoirs, this study takes the Ordovician carbonate rocks in the Tahe Oilfield in the Tarim Basin as an example and proposes a classification and grading fault prediction technology based on seismic wave field characteristic analysis. The interference mechanism of large-scale fracture-cavity bodies on conventional fault prediction attributes (such as coherence and maximum likelihood) is revealed through three-dimensional forward simulation, and it is found that the "beaded" reflection anomaly at the boundary of the fracture-cavity body will lead to false connectivity of faults and relocation deviation. Based on the differences in the scale and dissolution characteristics of the faults, the fault system in the study area is divided into large-scale broken-dissolution faults (>20 m), medium-scale weak-undissolved faults (10–20 m) and small-scale fractures (<10 m), and targeted prediction methods are developed for each of them: for large-scale faults, a fracture retrieval technology based on gradient structural tensor thinning is proposed to effectively overcome the interference of abnormal boundaries of karst caves; for medium-scale faults, the longitudinal continuity of the faults is significantly improved by combining AFE coherent enhancement attributes with U-Net deep learning algorithm; for small-scale fractures, the Likelihood attribute and structural guidance filtering are used to accurately extract weak reflection signals. Further, a well control multi-attribute fusion model is constructed by fusing multi-scale fault attributes and drilling loss data through deep feedforward neural network (DFNN). The application results show that this technology system has achieved full-scale characterization of the fault system in the complex fracture-cave area ofTahe Oilfield. Large-scale strike-slip faults are distributed in a conjugate NNE-NNW direction, medium-scale faults form flower-like structures, and small-scale fractures are densely developed on the active disk (east side) of the fault. This study provides a new technical approach for the prediction of deep carbonate reservoir faults and has important reference value for the exploration and development of similar oil and gas reservoirs.
- Tahe Oilfield /
- Carbonate Rocks /
- Fractures /
- Structural Tensors /
- Fine Coherence

HTML全文

参考文献(58)

Benardos, P.G., Vosniakos, G.C., 2007. Optimizing feedforward artificial neural network architecture. Engineering Applications of Artificial Intelligence, 20(3): 365-382．
Chen, G., Qi H., Yu, J., Li W., Xian, C., Lu, M., Song, Y., Wu, J., 2023. Application of a multi-layer feedforward neural network to predict fracture density in shale oil, Junggar Basin, China. Frontiers in Earth Science, 11:1114389.
Li, H. L., Pan, H., Gao, J. H., Gui, J. Y., 2024. Post-stack fracture prediction technique based on improved phase decomposition. Journal of Geophysics and Engineering, 21(5): 1499-1510.
Li, Y. Q., Sun, Wei, H. H., Song, S. H., 2019. Architectural features of fault-controlled karst reservoirs in the Tahe oilfield. Journal of Petroleum Science and Engineering, 181, 106208.Lv B.N., Chen X.H., Qie C.C., Jiang W., 2024. Integrated characterization of deep karsted carbonates in the Tahe Oilfield, Tarim Basin. Journal of Geophysics and Engineering, 21:668-684.
Malozyomov, B.V., Martyushev, N.V., Kukartsev, V.V., Tynchenko, V.S., Bukhtoyarov, V.V., Wu, X., Tyncheko, Y.A., Kukartsev, V. A., 2023. Overview of Methods for Enhanced Oil Recovery from Conventional and Unconventional Reservoirs. Energies, 16(13): 4907.
Satinder, C., Kurt, J. M., 2010. Integration of coherence and volumetric curvature images. The Leading Edge, 29(9): 1092-1107.
Wei, X. L., Zhang, C. X., Kim, S. W., Jing, K. L., Wang, Y. J., Xu, S., Xie, Z. Z., 2022. Seismic fault detection using convolutional neural networks with focal loss. Computers & Geosciences, 158:104968.
Xie, Q. H., Zhao, C. D., Rui, Z. F., Guan, S. J., Zheng, W. T., Fan, H. C., 2022. An improved ant-tracking workflow based on divided-frequency data for fracture detection. Journal of Geophysics and Engineering, 19(5): 1149-1162.
Wu, X., Liang, L., Shi, Y., et al., 2019. FaultSeg3D: using synthetic datasets to train an end-to-end convolutional neural network for 3D seismic fault segmentation. Geophysics, 84: 1-36.
Ronneberger, O., Fischer, P., Brox, T. 2015. U-Net: Convolutional Networks for Biomedical Image Segmentation. In: Navab, N., Hornegger, J., Wells, W., Frangi, A. (eds) Medical Image Computing and Computer-Assisted Intervention-MICCAI 2015. MICCAI 2015.
Yang, J., Lu, R. Q., et al., 2024. MultiURNet for 3D seismic fault attributes fusion detection combined with PCA. Journal of Applied Geophysics, 221: 105296.
Yang, D., Ma, H., Ren, W., et al., 2024. Fracture identification and characterization of Ordovician carbonate rock reservoir in block B of the Tahe oilfield. Carbonates Evaporites, 39:40-48.
Zhang, Y. D., Munnecke, Axel., 2016. Ordovician stable carbon isotope stratigraphy in the Tarim Basin, NW China. Palaeogeography, Palaeoclimatology, Palaeoecology, 458: 154-175.
Zhang, X. X., Yu, J. J., Li, N. Y., Wang, C., 2021. Multi-scale fracture prediction and characterization method of a fractured carbonate reservoir. Journal of Petroleum Exploration and Production, 11: 191-202.
Zeng, L. B., Lyu, W. Y., Zhang, Y. Z., Liu, G. P., Dong, S. Q., 2021. The Effect of Multi-Scale Faults and Fractures on Oil Enrichment and Production in Tight Sandstone Reservoirs: A Case Study in the Southwestern Ordos Basin, China. Frontiers in Earth Science, 9:10-25.
薄昕，徐旺林，陈小宏，2022．基于局部熵的LP-PCNN多属性融合裂缝预测方法．石油物探，61(5): 821-829．
陈国飞，石颖，杨会东，2023．基于优势低频带地震数据的属性融合断层识别方法．地球物理学报，66(3): 1232-1243．
陈俊安，陈海东，龚伟，2022. 深度学习与边缘增强相结合的断裂综合检测技术—顺北地区超深走滑断裂检测应用实例.石油地球物理勘探，57(06):1304-1316,1256.
崔立杰，何幼斌，王锦喜，王振卿，胡再元. 基于层面的地震曲率属性在碳酸盐岩断裂预测中的应用—以塔里木盆地塔北某区块为例. 岩性油气藏，2012，24(1): 92-96.
崔正伟，程冰洁，徐天吉，牛双晨，2021. 基于构造导向滤波与梯度结构张量相干属性的储层裂缝预测方法及应用. 石油地球物理勘探，56(3): 555-563
丰超，潘建国，李闯，姚清洲，刘军，2023. 基于深度神经网络的断层高分辨率识别方法. 地球科学，48(8):3044-3052.
韩鹏远，丁文龙，杨德彬，张娟，马海陇，王生晖，2024. 塔里木盆地塔河油田S80走滑断裂发育特征及其对奥陶系储层的控制作用.石油与天然气地质，45(3):770-786
何治亮，彭守涛，张涛，2010. 塔里木盆地塔河地区奥陶系储层形成的控制因素与复合联合成因机制. 石油与天然气地质，31(6): 743-752.
赫俊民，王小垚，孙建芳，2019. 塔里木盆地塔河地区中-下奥陶统碳酸盐岩储层天然裂缝发育特征及主控因素. 石油与天然气地质，40(5): 1022-1030.
黄诚，云露，曹自成，2022. 塔里木盆地顺北地区中-下奥陶统“断控”缝洞系统划分与形成机制。石油与天然气地质，43(1): 54-68.
李飞跃，王涛，曾清波，2023. 基于构造导向的高清似然属性在白云凹陷深层断裂预测中的应用. 石油物探，62(1)：163-172.
李海英，刘军，龚伟，黄超，任丽丹，2020. 顺北地区走滑断裂与断溶体圈闭识别描述技术. 中国石油勘探，25(3): 107-120
李鹏飞，崔德育，田浩男，2017.塔里木盆地塔北地区X区块断溶体刻画方法与效果.石油地球物理勘探，52(S1):189-194+13.
李婷婷，王钊，马世忠，王昭，袁子龙，2015. 地震属性融合方法综述.地球物理学进展，30(1):378-385.
李占东，张丽双，李阳，2017．基于多次迭代属性融合技术的河道砂刻画—以大庆油田扶余油层 Z 区为例．地球物理学进展，32(3): 1161-1168．
梁志强，2019．不同尺度裂缝的叠后地震预测技术研究．石油物探，58(5): 766-772．
刘冰雷，赵永刚，张银涛，周飞，谢舟，姚超，丁留洋，赵龙飞，尹帅，孙冲， 2025. 塔里木盆地阿满过渡带东部主干走滑断裂变形特征及断溶储集体发育. 地质科学，60(2)：360-377.
刘军，任丽丹，李宗杰，2017.塔里木盆地顺南地区深层碳酸盐岩断裂和裂缝地震识别与评价.石油与天然气地质, 38(04):703-710.
刘磊，李伟，杜玉山，2024.基于Stacking集成学习的分频地震属性融合储层预测方法.石油地球物理勘探，59(01):12-22.
刘群，李海英，邓光校，2013. 地震断裂检测技术在塔河油田南部碳酸盐岩储层及油藏预测中的应用．石油与天然气地质，34(2): 202-206．
卢志强，王力，杨瑞召，2018．基于相干的精细断裂刻画技术在顺北地区的应用．天然气勘探与开发，41(3): 20-25．
马德波，赵一民，张银涛，2018．最大似然属性在断裂识别中的应用-以塔里木盆地哈拉哈塘地区热瓦普区块奥陶系走滑断裂的识别为例. 天然气地质学，29(6): 817-825.
马灵伟，2014.塔中顺南地区缝洞型储层地震响应特征及识别模式研究.中国地质大学.
唐世伟，张向君，2020.基于优选区域的地震属性融合重构技术.物探化探计算技术， 42(5):603-608.
王健，徐加放，赵密福，2023. 基于神经网络的钻井液漏失裂缝宽度预测研究. 煤田地质与勘探，51(9)：81-88
王震，邓光校，2011.分频混色技术在塔河油田碳酸盐岩储层预测中的应用。中国地球物理，639:82-89
王震，文欢，邓光校，2019.塔河油田碳酸盐岩断溶体刻画技术研究与应用.石油物探，58(01):149-154.
王志伟，符力耘，刘军，2023．塔里木盆地顺北超深层碳酸盐岩输导体系三维地震属性多尺度表征及连通性分析．地球物理学报，66(1)：83-94
魏天罡，张珩，李福强，王波，2024. 多尺度曲率在渤海K油田断裂解释中的应用.CT理论与应用研究，33(6):773-780
吴正阳，莫修文，柳建华，2018. 裂缝性储层分级评价中的卷积神经网络算法研究与应用. 石油物探，57(5): 618-626.
谢鹏飞，侯加根，汪彦，2023. 碳酸盐岩缝洞型储层多元信息融合建模方法在塔河油田十二区奥陶系油藏的应用. 中国石油大学学报(自然科学版)，47(3)：1-14.
薛娇，蔡成国，2022. 裂缝型储层叠前地震预测理论与方法. 中国地质大学出版社
杨德彬，何新明，张恒，汪彦，刘遥，王明，2024．塔河油田主体区奥陶系表层岩溶带智能识别及缝洞发育规律．石油学报，45(2):374-389
杨晶，丁仁伟，林年添，2022．基于深度学习的地震断层智能识别研究进展．地球物理学进展，37(1)：298-311.
杨玉杰，王希平，杨春琴，2013. RGB分频混色技术在塔河油田的应用.新疆地质，31（S1）:79-81.
姚辉，尹慧超，尹尚先，2023. 底板突水危险性评价研究进展. 煤炭科学技术，51(S2)：1-9.
袁峰，申涛，谢晓深，马丽，汶小岗，2021．基于深度学习的地震多属性融合技术在导水裂隙带探测中的应用. 煤炭学报，46(10):3234-3244
张晟，李亚林，肖又军，郑多明，袁源，冯磊，2022.利用梯度结构张量刻画碳酸盐岩缝洞体边界. 石油地球物理勘探，57(4)：907-915.
张银涛，常少英，谢舟，2025. 超深层“断滩体”概念、地质模式及地震表征技术方法—以塔里木油田为例. 断块油气田，32(01): 108-117
张长建，蒋林，汪彦，曾清勇，马雪健，2024. 塔河油田良里塔格组迷宫型岩溶洞穴系统发育特征. 新疆石油地质，45(5):522-532
张子隆，杨威，王千军，2023. 走滑断裂不同结构单元输导、运、聚特性及其差异控藏模式: 以准噶尔盆地乌尔禾沥青矿地区为例。断块油气田，30(3): 424-433.
赵军，冉琦，朱博华，2024．基于前馈神经网络井控多属性融合的断裂识别方法．物探与化探，48(4): 1045-1053．
邹雅铭，刘道理，黄媛，2023.叠后多属性在潜山断裂系统描述中的应用研究.石油科学通报，8(06):725-737.