1. 引言

随着全球能源需求的快速增长，常规油气产能已难以满足国内日益增长的油气资源需求，非常规油气资源受到了更多的关注，作为非常规油气资源之一的页岩油气资源，成为了目前重要的接替能源类型[1]。我国页岩油气资源储量十分丰富，是目前非常规油气资源勘探开发的热点[2]。受北美页岩油勘探成功经验启发，已在中国的渤海湾盆地、柴达木盆地和济阳坳陷等地区相继发现了页岩油，已成为页岩油气勘探的重要领域[3]。但由于国内对页岩油气资源的勘查与开发工作起步相对较晚，勘探开发经验不足，技术体系有待完善。

储层脆性指数是评价页岩油气储层的重要指标之一，在页岩油气勘探开发中对有利目标区评价、勘探开发井位设计等具有重要指导价值。美国、加拿大等国家率先对页岩储层脆性评价方法、技术及指标体系等开展了研究，并根据成功经验总结出多个实用的脆性评价方法和指标体系[4]。例如Rickman等对北美海相沉积的Barnett页岩储层脆性评价指标[5] [6]，但是我国东部地区主要为陆相断陷湖盆沉积，页岩储层的沉积背景及构造特征与北美地区存在明显差异，如位于济阳坳陷东营凹陷北部陡坡带的胜坨地区，经历了多期次构造运动，为陆相深湖、半深湖沉积，沉积了巨厚的古近系和新近系地层，烃源岩发育，其中古近系沙河街组为页岩油气的主要富集层段；受张性断裂作用影响，构造以断裂和褶皱为主，形态非常复杂；受古地形影响，陡坡带冲积扇、近岸水下扇、浊积扇等扇体十分发育，储层非均质性强，导致页岩油储层预测描述难度大。从国外引进的页岩储层脆性指数预测方法、技术和预测模型适应性较差，难以准确反映复杂地区页岩储层的纵横向变化规律[7]。为此，本研究利用胜坨地区已钻井资料，开展页岩油储层脆性影响因素及岩石物理参数分析，通过对地质、地震和测井等资料的综合研究，以及地震正演模拟方法，研究页岩油储层脆性地震响应特征，并建立储层脆性特征的测井及地震解释识别模板，研究弹性参数(杨氏模量、泊松比)与脆性指数关系，探索适用于本区的脆性指数计算模型，总结一种基于脆性敏感参数的叠前直接反演脆性指数的预测方法和技术流程，对实现该地区页岩油气高效勘探开发将有重要指导意义。

2. 地质背景

胜坨地区位于济阳坳陷东营凹陷北部陡坡带，在构造和沉积演化过程中，经历了多期次构造运动，受控盆张性断裂作用影响，断裂系统发育，以断阶式断块和断背构造为主，平面上，从南到北逐渐抬升，地层产状和构造形态非常复杂；沉积上为陆相断陷湖盆的深湖或半深湖相交替沉积，主要发育古近系和新近系地层，受古地貌及断层差异活动影响，在古断面发育冲积扇、近岸水下扇、浊积扇体等，靠近湖盆方向发育大套烃源岩，其中古近系沙河街组页岩层厚度大，有机质丰度高、热演化程度适中，具有较好的成藏基础，是页岩油气的主要富集层段(图1)。受古地形、古物源、古水深的影响，从斜坡到洼陷依次发育砂砾岩扇体、长英质页岩、泥质灰岩和灰质泥岩等多种岩相类型，平面上岩相变化快，呈带状分布，非均质性极强。

Figure 1. Schematic diagram of the geological profile in Shengtuo area

图1. 胜坨地区地质剖面示意图

3. 页岩油储层脆性特征

3.1. 脆性影响因素

不同类型的页岩油气储层，其脆性影响因素存在较大的差异，研究储层脆性的主控因素，有利于脆性预测方法的优选和改进。影响储层脆性的因素很多，不仅与其内部组分和结构有关，同时也受所处温压及流体条件影响。前人研究表明：影响储层脆性的主要因素包括矿物组分、层理结构、孔隙内流体及压力、温度等。与北美海相页岩油相比，胜坨地区陆相页岩油储层存在较强非均质性，其脆性主要受岩相类型、地层厚度、有机质含量等因素影响。储层中的白云石、石英和长石等矿物成分表现为脆性，黏土、有机质和岩屑等矿物成分表现为塑性。脆性矿物成分含量越高，储层脆性就越大；反之，脆性就较低[8]。

根据北美页岩油气开发的成功经验，Woodford页岩储层与Barnett页岩储层的脆性矿物成分含量一般大于40%，黏土矿物成分含量少于30%，才具有工业开发价值[9] [10]。通过对研究区ly2-1hf等井岩心样品分析显示，该区页岩储层脆性矿物成分以碳酸盐、长英质矿物为主，含量为32.6%~89.2%，平均为63.8%；黏土矿物含量10.8%~67.4%，平均为35.7%。可以看出该地区沙四纯上段页岩油储层具有较高的油气勘探价值，同时反映出了脆性矿物含量越高，页岩储层脆性越大的规律。

3.2. 页岩储层岩相划分

岩相分析的主要依据包括岩性特征、沉积构造、颜色、粒度变化、特殊矿物成分以及生物化石等。这些特征在不同环境下形成的沉积物中会有所不同，因此，通过观察和分析岩石的这些特征，就可以推断出岩石的形成过程和所处的地质环境。

通过对胜坨地区ly2-1hf等井沙四纯上层组岩芯样品的矿物成分与含量、矿物形态与结构、岩石构造特征等进行分析。结果显示，该区以纹层状隐晶泥质灰页岩和富灰混积页岩为主。岩石主要矿物成分为碳酸盐、长英质和粘土。其中碳酸盐含量约32%~57%，平均为43%；长英质含量约24%~51%，平均为35%，粘土含量约为9%~35%，平均为18%。通过观察矿物的形状、大小、排列方式以及与其它矿物的相互关系，并结合岩石的层理、节理、裂缝等沉积构造特征，将本区单井岩相划分为：纹层状混积页岩相、纹层状灰质泥页岩相、纹层状泥质灰页岩相和块状砂岩岩相4种类型(图2)。在此基础上，通过统计不同页岩岩相对应的测井曲线，分析不同页岩岩相在测井曲线上的差异性，选取差异性较大的测井曲线，作为页岩岩相识别的特征曲线，建立页岩岩相测井识别图版。

Figure 2. Lithofacies classification map of a single well in Shengtuo area

图2. 胜坨地区单井岩相划分图

Figure 3. Types of lithofacies assemblages in shale reservoirs in Shengtuo area

图3. 胜坨地区页岩储层岩相组合类型

由于单一岩相厚度较薄，受地震资料分辨率限制，利用现有地震资料较难识别。为了便于利用地震信息进行岩相识别，根据沉积位置、气候、物源供应强度等要素，以及单井岩相特点，将单井岩相划分为6种页岩储层岩相组合类型(图3)：A：泥质灰 + 灰质泥 + 块状砂岩相、B：泥质灰 + 薄砂纹层、C：灰质泥 + 泥质灰 + 薄砂纹层、D：灰质泥 + 混积页岩 + 块状砂岩相、E：混积页岩 + 薄砂纹层、F：混积页岩 + 块状砂岩相。

3.3. 脆性响应特征

Figure 4. Logging and seismic response templates for lithofacies assemblages of shale reservoirs in Shengtuo area

图4. 胜坨地区页岩储层岩相组合测井、地震响应模板

页岩油储层在纵向上具有较强的非均质性，从单井上进行识别和评价至关重要。地球物理测井响应包含岩石矿物成分和岩石力学性质等信息，可以通过测井响应得到相对连续的矿物组分和岩石力学参数数据，进而对岩石脆性进行较为客观的评价。通过胜坨地区页岩油储层不同岩相组合的常规测井响应特征分析显示，该区页岩油脆性储层发育段在常规测井曲线上具有“二高一低一负”的特征[11] (图4)，即高电阻率、高声波时差、低自然伽马、自然电位负异常。选择典型井分析不同岩相组合测井响应，采用多测井参数回归法，并建立了本区测井特征与脆性指数的关系。结果表明胜坨地区页岩储层中的灰质、砂岩含量越高，储层的脆性就越大。

即使单井相分析的资料足够充分，但采用基于井的研究方法所得到的毕竟只是一部分信息，而如地层叠置模式、沉积体外形等重要信息并没有利用。即使解释完全正确，但毕竟只是“一孔之见”。地震相分析则是根据地震反射结构、反射振幅、反射频率、同相轴连续性等地震反射参数进行沉积相、岩相的解释推断。不同沉积环境下形成的岩相组合有特定的层理模式和形态模式，导致反射结构和外形的特定组合，从而反映沉积环境、沉积物源和地质背景。通过地震正演模拟方法，建立了本区6种类型页岩储层岩相组合的地质模型，从地震正演结果及实际地震资料中提取了最大振幅、均方根、瞬时频率等地震属性，对不同岩相组合和脆性矿物含量的页岩储层地震响应特征及地震敏感性参数进行分析。结果显示，频率类属性对不同岩相组合地震响应不敏感，波形及振幅类属性的相关系数达到0.78~0.84，能够较好地区分不同类型的岩相组合，可以较好地反映出脆性指数与地震波形及反射波振幅的关系：① 不同岩相组合地震响应特征各异；② 相同岩相组合，砂岩越厚，地震反射能量越强；③ 相同岩相组合，脆性矿物含量越高，地震反射能量越强(图4)。

通过已知井储层脆性测井及地震响应特征建立了脆性指数判式模型，为后续井震联合脆性预测奠定了基础，建立页岩储层脆性地震识别模板。

4. 页岩储层脆性井震联合预测

页岩油储层脆性预测评价的方法很多[12] [13]，主要有三种：基于页岩油储层矿物组分脆性预测评价方法、基于测井信息的脆性预测评价方法和基于地震资料的脆性预测评价方法，前两种方法能够较为准确地得到页岩油储层纵向上的脆性信息，但难于准确评价页岩油储层脆性的横向分布规律。目前用于指导生产实践较为有效的预测方法主要是基于地震资料的预测方法[14]，可以进一步分为叠后弹性参数反演、叠前弹性参数反演和基于各向异性等效介质理论模型的弹性参数反演等方法。叠后反演方法只能反演出纵波阻抗，而叠前反演可以利用多个叠前数据体进行联合反演，同时反演出纵波速度、横波速度和密度3个参数，然后通过这些数据计算出弹性参数，进而对页岩储层脆性空间展布规律进行评价。

由于胜坨地区页岩储层非均质性强，其储层脆性受岩相组合类型、地层厚度、有机质含量等因素影响。直接应用常规的地震预测技术难于得到理想的效果。为此，从研究区的实际地质情况出发，探讨页岩油储层脆性关键要素与叠前、叠后地震信息的关系，建立脆性指数关键要素的井震联合预测技术(图5)。

Figure 5. Flow chart of prestack seismic prediction technology for brittleness sensitive parameters of shale reservoirs

图5. 页岩储层脆性井震联合预测技术流程图

4.1.页岩岩相预测

由于研究区页岩中不同岩相组合的地球物理特征差异不大，难以将地震属性与岩相类型建立较好的匹配关系，导致采用地震属性差异直接预测岩相的空间展布存在多解性。为此，根据页岩油储层的地质、地震特征，提出井震联合页岩岩相预测方法。该方法综合运用地震数据、钻井资料与地质认识，提出基于神经网络单井岩相划分技术。首先通过典型井建立深度学习网络模型，利用RNN双向循环神经网络算法对数据进行训练建立相关性，对岩相重新划分，使得测、录井信息匹配更好；然后以地震属性表征地质参数为基础，再通过地质参数的神经网络融合表征岩相[15]。其数学模型为：

$\left[\begin{array}{c}\begin{array}{c}{y}_1\\ y_2\end{array}\\ ⋮\\ y_n\end{array}\right]=\left[\begin{array}{cc}\begin{array}{c}{w}_{11}\\ \begin{array}{c}{w}_{21}\\ ⋮\end{array}\end{array}& \begin{array}{c}\begin{array}{ccc}{w}_{12}& \cdots & w_{1m}\end{array}\\ \begin{array}{ccc}{w}_{22}& \cdots & w_{2m}\end{array}\\ \begin{array}{ccc}⋮& ⋮ & ⋮\end{array}\end{array}\\ w_{n1}& \begin{array}{ccc}{w}_{n2}& \cdots & w_{nm}\end{array}\end{array}\right]\left[\begin{array}{c}\begin{array}{c}{x}_1\\ x_2\end{array}\\ ⋮\\ x_n\end{array}\right]+\left[\begin{array}{c}\begin{array}{c}{c}_1\\ c_2\end{array}\\ ⋮\\ c_n\end{array}\right]$ (1)

通过岩相与属性相关性分析，优选敏感属性体。研究表明，振幅一阶导数、相对波阻抗和瞬时频率振幅权重参数与页岩岩相的关系较为敏感。进一步与PCA主成分神经网络学习，实现页岩岩相分布预测。该方法有效地避免了直接利用地震属性预测岩相的多解性，融合了更多的地震、地质和测井信息，预测结果与实钻井吻合率达82%。比基于波形分类的页岩岩相预测更加精细、准确。

4.2. 敏感性参数计算及优选

Figure 6. Crossplot of the calculation results of elastic parameters and the mineral brittleness index

图6. 弹性参数计算结果与矿物脆性指数交会图

常用的脆性指数计算方法在本研究区存在明显不适用性，应用效果不佳。为了探索能够更加适用于本区的脆性预测方法，需要综合研究页岩岩石矿物学特征与声波测井反映的力学特性[16] [17]，通过对页岩样品应力进行应变测试结果显示，虽然脆性矿物含量与脆性指数具有一定的关系，但数据较分散，难于建立较为准确的脆性表征公式。因此，通过已知井建立岩石脆性与反映岩石力学性质的弹性参数—杨氏模量、拉梅系数、泊松比、密度、剪切模量等之间的多元回归模型进行分析。可见杨氏模量、泊松比与脆性指数存在较好的相关性，数据分布也较为集中，可以选用杨氏模量和泊松比2个参数来表征脆性指数。因此，本文在脆性指数计算模型构建过程中，从已知井出发，通过分析岩石矿物组分计算得到矿物脆性指数，以矿物脆性指数为标准值；然后利用实测井的纵波、横波速度和密度计算出杨氏模量和泊松比等弹性参数，同时通过岩石矿物成分计算得到矿物脆性指数；然后以已知井为桥梁，建立矿物脆性指数(BI)与弹性参数(E、σ)之间的多元回归模型BI = f(E、σ)，以平均盲井验证误差最小为标准获得回归系数，确定各弹性参数的系数；进而建立适用于本区的新的脆性指数计算模型。

利用上述方法以及胜坨地区6口探井的岩石矿物组分资料和测井资料构建的脆性指数计算模型为：

$BI=6.67\times E-0.05\times \sigma +0.787$ (2)

式中：E——杨氏模量、σ——泊松比。

将拟合得到的脆性指数与实测脆性指数进行交会，可见杨氏模量和泊松比与脆性指数的相关性较好(图6)。表明该脆性表征公式的准确性较高，同时也说明本区杨氏模量、泊松比与脆性指数相关性较好。从计算得到的脆性指数来看，这种基于多元回归模型的脆性指数计算方法，其结果与实测矿物脆性指数的相关系数达到0.82；其纵向变化趋势与岩矿分析中脆性矿物含量在趋势上具有良好的一致性，说明利用该计算模型对胜坨地区沙四纯上段页岩储层进行脆性预测是可行的。

4.3. 基于叠前敏感弹性参数反演的脆性预测

页岩储层脆性指数的反演结果依赖叠前弹性参数反演的结果，弹性参数反演结果的精度决定着脆性指数反演结果的可靠性。为了获得准确的杨氏模量和泊松比，进而对储层脆性指数空间展布规律的有效预测，选择了对初始模型依赖性较小、抗噪性强的AVA叠前地震反演算法，对杨氏模量和泊松比进行直接反演。在Aki-Richards近似方程的基础上[18] [19]，推导出基于杨氏模量和泊松比的地震波反射系数方程：

$\begin{array}{c}R\left(\theta \right)=\left(\frac{1}{4}{\sec }^2\theta -2k{\sin }^2\theta \right)\frac{\Delta E}{E}+[\frac{1}{4}{\sec }^2\theta \frac{\left(2k-3\right){\left(2k-1\right)}^2}{k\left(4k-3\right)}\\ +2k{\sec }^2\theta \frac{1-2k}{3-4k}]\frac{\Delta б}{б}+\left(\frac{1}{2}-\frac{1}{4}{\sec }^2\theta \right)\frac{\Delta \rho }{\rho }\end{array}$ (3)

以贝叶斯理论为指导，考虑待反演参数的先验概率分布类型，耦合表征正演合成记录与实际地震数据的差异的概率分布似然函数，建立了待反演参数后验概率分布函数，在最大化后验概率条件下，建立了敏感参数反演体，进而通过脆性指数计算模型得到脆性反演体，提高了结果的可靠性。

在弹性参数反演过程中，地震资料的品质、子波的选择、反演低频模型的建立都对脆性指数反演结果有较大影响。本次采用了胜北高精度三维地震资料、24口已知井资料等数据为基础。反演过程中的关键步骤如下：

1) 地震资料预处理与子波提取

为了降低叠前地震资料品质叠前弹性参数反演结果的影响，首先对胜北高精度三维地震原始资料进行超道集和角道集处理，使目的层反射波组特征更明显，同相轴清晰，连续性更好，以确保脆性指数反演结果的准确性。地震子波的质量对脆性指数反演的效果和可靠程度有较大影响。因此，子波提取应选择远离断层发育区的垂直井，且地震资料品质较好的区域。对于胜坨地区而言，北部陡坡带构造复杂，所以选择了南部区域井旁地震道资料品质较好的tx726、ly2-1等井旁提取地震子波。为了提高反演质量，提取了多个子波参与反演。

2) 精细层位标定与解释

地震资料精细解释是揭示地下地质结构必不可少的基础工作。在解释过程中，层位综合标定是精细构造解释过程中的首要环节，标定质量的好坏将直接影响构造解释和储层描述结果的可靠性和准确性。因此，优选了位置合理、资料品质较好的t765、tx726等井声波时差和密度资料制作合成地震记录进行地震地质综合标定。层位解释运用了多种技术手段，如蚂蚁追踪、相干分析、全三维解释等技术，同时结合地质知识和经验，对T6s、T6x、T7等4个层位料进行了精细解释，为后续弹性参数反演提供准确可靠的约束模型。

3) 低频模型建立与反演

受激发接收条件的限制，常规地震资料通常缺少低频信息，导致叠前反演结果不稳定。因此，低频模型的建立应符合实际的构造和地层展布情况。本次初始模型建立以经过低通滤波处理后的声波速度和密度资料作为硬数据，以精细解释的等时层位和断层数据为约束条件。由于该区断层非常发育，构造复杂，地层岩性变化大，为了提高初始模型的可靠性，采用了20口井资料，4个层位，用反距离平方法空间插值，生成叠前反演纵波速度(纵波阻抗)、横波速度(横波阻抗)和密度数据体，构建叠前反演初始模型。在确立了子波和初始模型后，加入三维地震数据体进行叠前弹性反演和纵横波联合反演，获得纵波阻抗、横波阻抗、密度、Vp、Vs、μρ、λρ等参数，进而计算出杨氏模量和泊松比数据体(图7)，再通过式(2)便可得到页岩储层脆性指数数据体(图8)。

Figure 7. Prestack elastic parameter inversion data volume in Shengtuo area

图7. 胜坨地区叠前弹性参数反演数据体

Figure 8. Three-dimensional brittleness inversion data volume in Shengtuo area

图8. 胜坨地区三维脆性反演数据体

5. 应用效果

利用叠前弹性参数反演方法反演得到的该区页岩储层纵波速度、横波速度、密度、杨系模量和泊松比等弹性参数体，从反演剖面和水平切片上看，反演结果纵向分辨率较高，横向连续性较好(图9)。

从纵向上看，图10为通过已知井的杨氏模量和泊松比拟合得到的脆性指数与实测脆性指数进行交会，可见胜坨地区沙四纯上页岩储层脆性地震预测结果与实际的钻探情况较为吻合，相关系数达到0.76~0.87，表明利用该方法对胜北下降盘页岩储层进行脆性预测是可行的。

从平面上看，从胜北地区沙四纯上2页岩储层脆性预测图上(图11)可以看出，与ly2-1、tsx14、tx729等井实钻结果吻合较好。表明利用该方法对胜北下降盘页岩储层进行脆性预测是可行的。从脆性预测平面图来看，在研究区南部区域脆性储层发育，结合其它资料进行综合评价，其中有利勘探面积110 km²，石油资源量4600 × 10⁴ t。利用该方法对利津洼陷沙四上纯下1页岩储层脆性进行了预测(图12)，经ly4HF、tsx3ce等井钻探结果证实，相关系数达到0.73~0.89。为今后页岩油气高效勘探开发提供了有效的技术支撑。

Figure 9. Brittleness index cross-well profile of well TSX8-LY2-1

图9. TSX8-LY2-1-井脆性指数连井剖面

Figure 10. Crossplot of prediction results and mineral brittleness index

图10. 预测结果与矿物脆性指数交会图

Figure 11. Brittleness prediction plan view of the upper 2nd sand member in Shengtuo area

图11. 胜坨地区纯上2砂组脆性预测平面图

Figure 12. Brittleness prediction map of the lower part of the first member of the upper sha-4 member shale reservoir in the Lijin sag

图12. 利津洼陷沙四上纯下1页岩储层脆性预测图

6. 结论

1) 通过正演模拟和井震相关分析明确了不同岩性组合的地震反应特征，及地震轴反射强弱与脆性矿物含量之间的变化规律。建立了不同岩相组合地震、测井响应特征和脆性指数的关系。

2) 传统的脆性指数计算方法在研究区应用效果不理想，研究表明杨氏模量、泊松比与脆性指数的相关性大，作为脆性表征的敏感参数，并建立新的脆性表征模型，提高了该区页岩脆性预测的精度。

3) 总结了一套适合胜坨地区页岩油储层脆性地震预测方法和技术流程。针对该区构造非常复杂、储层非均质性极强的特点，开展了页岩储层岩相、测井和地震特征分析，优化了研究区储层脆性敏感参数和基于敏感参数的叠前弹性参数反演技术。

4) 通过对胜坨地区页岩油储层脆性预测结果显示，该区南部区域页岩脆性储层发育，结合其它资料进行综合评价，其中有利勘探面积110 km²，石油资源量4600 × 10⁴ t，为今后研究区页岩油的高效勘探指明了方向。

参考文献