譚學群，劉云燕，周曉舟，劉建黨，鄭榮臣，賈超

（1. 中國石化石油勘探開發(fā)研究院，北京 100083；2. 大慶油田有限責任公司第八采油廠，黑龍江大慶 163514；3. 北京阿什卡技術開發(fā)有限公司，北京 100101）

0 引言

題目中的“定量評價”，指的是最終優(yōu)選出的靜態(tài)模型與實際數據和地質認識的一致性檢查，是在現有資料條件下和認識水平下對模型精度進行的相對評價，包括但不限于針對建模某一環(huán)節(jié)所做的質量控制。近年來，三維地質建模的新技術、新方法不斷涌現。相比之下，系統(tǒng)評價模型質量，尤其是對最終優(yōu)選出的靜態(tài)模型進行定量評價的文章卻不多見。研究人員似乎更重視建模的方法和流程，而忽略了模型可靠性評價。國外學者傾向于從保證精度或減小不確定性的角度對建模過程進行質量控制[1-3]，但這種做法的主要目的不是對最終模型進行質量評價；國內學者多從影響最終模型質量的關鍵點出發(fā)進行討論，輔以動靜態(tài)資料驗證[4-9]，總體上屬于定性評價。盡管有學者在定量評價方面進行了探索[10]，但單參數評價還不夠系統(tǒng)。定量評價發(fā)展滯后的原因有兩點：①由于油氣田地下地質特征的復雜性以及資料基礎不同，缺少可比性，很難建立統(tǒng)一的模型質量評價標準[5]；②由于油氣藏類型不同、開發(fā)階段不同，量化指標很難選取，量化標準很難建立。但歸根結底，是不分油氣藏類型的思維模式制約了三維地質模型定量評價標準的建立和發(fā)展。

將評價范圍縮小至同一油氣藏類型，定量評價則具有可比性和實用性，如：通過定量評價可以比較不同技術人員應用相同資料建立的不同模型的質量，為決策者提供選項；便于質量檢查人員和建模技術人員掌握評價要點，達成質量共識。與定性評價相比，定量評價除了更加客觀、全面以外，還能依據評價中的扣分項識別模型有待改進的方面。因此，建立和發(fā)展多參數定量評價標準并依據標準開展定量評價具有重要意義，是對建模流程的必要補充。如果未來地質模型的定量評價將是儲集層建模領域的研究熱點，并向著精細化和標準化的方向發(fā)展[8]。

從建模的角度出發(fā)，可以將油氣藏描述分為4類：大型穩(wěn)定沉積體系的油藏描述、復雜斷塊油藏的油藏描述、低滲透儲集層的油氣藏描述及裂縫型油藏的油藏描述[11]。本文以復雜斷塊油藏為例，對三維地質模型多參數定量評價方法進行探討。

1 評價策略

在廣泛收集最可能影響復雜斷塊油藏建模質量的評價指標或特征參數基礎上，設計評價體系、評價方法、評價指標及其權重調查表，邀請在各自研究領域具有30年以上工作經驗和廣泛知名度的10位專家參與調查，包括4位油氣藏地質專家、2位地球物理專家、2位測井解釋專家和2位油藏工程專家。根據調查結果制定了復雜斷塊油藏三維地質模型多參數定量評價標準。評價策略包括以下4點：

①定量評價體系包括資料驗證、地質認識和過程檢查3個一級評價指標。資料驗證主要是根據現場實際資料來驗證模型局部預測是否準確；地質認識主要是驗證模型全局預測是否符合地質規(guī)律和前期認識。兩者分別從客觀和主觀的角度對結果進行定量驗證，互為補充，是定量評價的重點，因此，按百分制分別賦權重60分、20分。為避免偶然性而設置過程檢查，賦權重20分。

②評價采用主成分分析法（PCA）[12]，能夠集成所有專家對于特征參數選取及其權重的意見。這里的特征參數是指表征油氣藏某一特征的代表性參數，在定量評價體系中相當于二級評價指標，選取時除了要注意代表性之外，還要注意盡量避免重復或交叉。

③由于是為復雜斷塊油藏地質模型建立評價標準，因此涉及構造模型評價指標的權重合計應不低于總分的四分之一，即不低于25分。

④在確定了各評價指標及其權重后，相應地設定各評價指標的高、中、低 3級評價標準，按累積得分給出最終模型的高、中、低3級質量評價結果。

2 評價指標與權重

2.1 資料驗證

2.1.1 驗證方法

通過與實際資料對比來評價模型質量，按照實際資料的類型分為 4種驗證方法：①新井檢驗；②抽稀井檢驗（也稱盲井檢驗），如果抽稀井均勻分布且包含取心井，則檢驗更具有代表性和說服力；③以注采響應特征分析為代表的測試資料檢驗；④數值模擬檢驗，根據油藏歷史擬合的初始擬合誤差評價靜態(tài)模型質量[4-5,10]。前兩種是靜態(tài)法，具有快速、直接的特點，但由于是局部檢驗，缺乏代表性；后兩種是動態(tài)法，第③種方法雖然代表性有所提高但關注的只是儲集層連通性，第④種方法的優(yōu)點是涵蓋井數多，更具代表性，但時間成本較高。因此，應綜合使用 4種方法，取長補短，相互印證。

流線模擬屬于第④種驗證方法，近年來被廣泛應用于模型的動態(tài)驗證[4-5]，該方法無需對模型進行粗化，只需給出流體參數，根據現有地質模型的非均質性，快速模擬出注入流體的流動路徑，并依據油田實際注采響應數據，快速評價地質模型的質量。概率分布一致性檢驗是通過比較模型中與井中的孔隙度和滲透率分布直方圖是否一致來驗證模型的質量，這種方法盡管也用到了實際資料，但嚴格來說不能算是對最終模型的驗證，只是過程檢查的一個重要環(huán)節(jié)，是建立高質量模型的必要條件[13]。

2.1.2 評價指標與權重

資料驗證包括靜態(tài)資料驗證和動態(tài)資料驗證兩部分，共選取了6個特征參數，其中靜態(tài)特征參數5個（復雜斷層接觸關系、目的層層面深度、巖相或沉積微相、有效厚度和滲透率）、動態(tài)特征參數1個（含水率初始擬合誤差），選取依據如下：

構造模型的特征參數是復雜斷層接觸關系和目的層層面深度[14-15]。斷層不僅決定著油氣田區(qū)塊的劃分，還影響著流體流動。目的層層面深度控制著構造模型格架直至儲量估算。在開發(fā)階段，低級序斷層越來越受到重視[16-17]。

相模型的特征參數是巖相或沉積微相，是包含一系列地質特征的巖性單元，是油藏模型最基本的組成部分[18]，與屬性分布密切相關，并最終決定了烴類孔隙體積和流體流動[19]。

屬性模型的特征參數是有效厚度和滲透率。有效厚度是儲量估算的關鍵參數，在模型中通常以凈毛比的形式出現。另外，鉆井最主要的目的是鉆遇盡可能厚的油層，以有效厚度作為評價指標還具有商業(yè)價值。滲透率是影響流體流動和最終采出難易程度的最直接因素，變異程度最大[20]，因此預測難度最大。

油藏數值模型的特征參數是含水率初始擬合誤差。油藏歷史擬合指標一般包括壓力、油藏或單井的產液量、產油量和含水率等。油藏歷史擬合關鍵要擬合初始含水率及生產后期的主要指標[21]。

以上 6項特征參數是以實際資料為依據對地質模型進行的定量評價，均很重要。因此，根據10位專家的意見，6項指標的權重均賦10分。

2.2 地質認識

綜合地質研究在儲集層建模技術中發(fā)揮著核心作用[22]，因此，建立的模型應該反映前期地質認識并符合地質規(guī)律[23-24]。地質認識部分共選取了 2個特征參數，即變差函數參數選取和最終靜態(tài)模型優(yōu)選，選取依據如下：

在三維地質建模中廣泛應用了各種地質統(tǒng)計學技術[25-27]。地質統(tǒng)計學模擬算法可分為基于變差函數的模擬和非基于變差函數的模擬這兩類。近 90%的油藏描述使用基于變差函數的模擬建立地質模型[26]。變差函數參數選?。ㄗ兂?、塊金、方位角等）是建立高質量地質模型的關鍵[5,28]，但常常被忽視?？紤]到與資料驗證部分中已經選取的“巖相或沉積微相”有內在關聯，故賦“變差函數參數選取”權重5分。

對于鉆井數據較少的地區(qū)，無法模擬全局的變差函數，可以采用類比法[3,5]。對非基于變差函數的模擬，如多點模擬，可以選擇訓練圖像作為特征參數。

“最終靜態(tài)模型優(yōu)選”是一個綜合反映前期地質認識的特征參數，原始地質儲量是前期最重要的地質認識之一。在具有相同資料條件、相同地質認識情況下，如果采用了合適的建模方法，從三維地質模型中得到的概算儲量（P50儲量）應該等于或接近前期研究中已被認可的、采用確定法計算的原始地質儲量，誤差一般不超過10%[6]。如果誤差較大，很可能是建模過程中參數選取或建模方法出了問題[4]。儲量計算誤差對模型質量評價具有一票否決權，故賦單項最高權重15分。

無論是勘探階段還是開發(fā)階段，評估儲量時概率法比確定法更具優(yōu)勢，原因之一是概率法充分考慮了計算參數的不確定性，應用統(tǒng)計學工具給出的儲量是一個區(qū)間而不是一個固定值，避免了虛假的準確[29-30]。用概率法估算的儲量能更好地評估儲量風險[29,31]。但這并不意味著 P50儲量比前期儲量更可靠，此處是概率法和確定法兩種方法的比較，而非兩個參數的比較。最終模型的選取還要結合動態(tài)驗證[27]。

2.3 過程檢查

為確?？煽啃?，系統(tǒng)的質量評價不僅要強調結果驗證，還應重視過程檢查，即對建模過程中重要階段或重要環(huán)節(jié)進行質量控制。為使多參數定量評價體系簡單實用，過程檢查采用抽查。選取的 5個特征參數包括網格設計、相建模方法優(yōu)選、地震約束、飽和度計算方法及儲量影響因素分析，選取依據如下：

網格是模型的最小描述單元，是建模的基礎。根據研究目的和工區(qū)范圍設置網格邊界、尺寸、方向和趨勢。要著重檢查斷層附近不規(guī)則網格的數量，以及上下層網格之間是否交叉、網格體積是否為負等細節(jié)。賦“網格設計”權重5分。

相建模是儲集層建模的一項重要內容，通常要分析建模方法在該地區(qū)的適應性，嘗試方法的創(chuàng)新和融合?？紤]到重要性和時間成本，賦“相建模方法優(yōu)選”權重7分。

在井少地區(qū)，使用地震資料約束非常重要，可以提高模型的質量[24,32-35]。在屬性建模中結合地震反演結果的做法已很普遍[36]。賦“地震約束”權重4分。

檢查原始含水飽和度的建模方法是必要的，因為這種屬性在空間上的分布受重力控制，在油藏自由水面以上至某一含油高度，含水飽和度逐漸減小[37-38]。毛管壓力法計算的飽和度與密閉取心測試的飽和度非常接近[39]。因此，在具有明顯過渡帶的塊狀油藏中，要優(yōu)先考慮使用毛管壓力法、J-函數法或飽和度高度函數法。賦“飽和度計算方法”權重2分。

油藏描述和建模中的不確定性是由輸入數據的不確定性和推斷的不確定性引起的，故不確定性分析應包括數據可靠性研究，以及根據原始數據推斷儲集層屬性的不確定性研究[40]。推斷的不確定性通常包括概念模型的不確定性，地質和地震解釋的不確定性，以及隨機建模方法的不確定性。應用隨機模擬評價儲集層“復合”變量（如儲量影響因素）的不確定性更普遍，因為這樣更直接[40]。不確定性分析是高質量建模過程中基本的研究內容，也是研究趨勢，即地質建模總體上正在從“吻合數據”的思維模式向“既吻合數據又體現不確定性”的思維模式轉移[41]，需要引起中國學者足夠的重視。賦“儲量影響因素分析”權重2分。

總之，從資料驗證、地質認識和過程檢查 3個方面共選取了13項特征參數，其中與構造模型相關的指標權重合計達到了25分（包括資料驗證部分20分、過程檢查部分5分），滿足了評價策略中第③條的要求。

3 指標評價標準

在首次制定模型定量評價標準時，需要優(yōu)化各特征參數三級評價門檻值，避免標準過于嚴格或過于寬松而失去了評價的相對意義。要根據資料條件和地質條件評估特征參數預測的難易程度，參照行業(yè)標準、相似油氣藏的研究精度及工作經驗，應用本地數據反復試驗，確定合理門檻值。如對于井距300 m、埋藏深度為1 400 m的油藏，是否具備三維地震資料，對目的層層面深度預測的精度要求是不同的。如果具備，平均絕對誤差小于1 m為高級；如果不具備，平均絕對誤差小于2 m就可能為高級。為了放大三級評價結果的差異，制定特征參數的單項評價標準為：高級得滿分、中級得一半分、低級得1分或0分。地質模型質量的最終評價標準為：累積得分大于或等于80分為高級，60～79分為中級，小于60分為低級。

特征參數的評價標準在不同開發(fā)階段應有所不同。以孤東油田七區(qū)西部常規(guī)水驅砂巖油藏單井含水率擬合為例，統(tǒng)計了中—低含水期 312口井和高—特高含水期 420口井的含水率擬合情況，分析了評價標準的適應性[10]。在中—低含水期，由于含水上升快，含水率變化幅度大，擬合誤差較大。比如，相對誤差小于5%的井數僅占54.5%，而相對誤差小于10%的井數達到了86.5%。顯然，以相對誤差小于5%作為高級標準過于嚴格，而以相對誤差小于 10%作為高級標準比較合理；在高—特高含水期，含水率變化幅度比較小，擬合誤差也比較小。相對誤差小于 5%的井數占89.5%，而相對誤差小于10%的井數占97.4%。以相對誤差小于 10%作為高級標準過于寬松，而以相對誤差小于5%作為高級標準比較合適。同理，針對累積得分的三級評價門檻值在不同開發(fā)階段也是變化的。

在選取13項特征參數并確定其權重的基礎上，建立各特征參數的三級評價標準，并進行實例分析（見表1）。

4 評價實例

4.1 油藏特征

研究區(qū)位于松遼盆地大慶宋芳屯油田南部，是典型的復雜斷塊砂巖油藏（見圖1），整體表現為北東低、南西高的單斜特征，內部發(fā)育一系列微幅構造。開發(fā)層位為下白堊統(tǒng)姚一段葡萄花油層組，埋藏深度為1 330～1 430 m，垂向上劃分為13個小層，物性以中孔隙度-中低滲透率為主，孔隙度為 12%～26%，平均為 18%；滲透率為（3.47～401.52）×10-3μm2，平均為10.29×10-3μm2。2007年 2 月投入開發(fā)，采用 300 m×300 m反七點法注采井網。截至 2015年底，有采油井 56口、注水井 29口，采出程度為 14.6%，采油速度為1.08%，綜合含水率為67.5%。

本文研究資料包括85口井的測井資料、測試資料，以及 3口取心井資料、三維疊后地震資料、葡萄花油層組頂面構造圖以及生產動態(tài)資料等。

4.2 定量評價

按照復雜斷塊油藏三維地質模型定量評價標準，逐一檢查13項評價指標，給出單項得分，最終累積得分為92分（見表1）。按扣分項和滿分項進行分析。

4.2.1 扣分項分析

從單項得分來看（見表1），扣分項有3項，分別是含水率初始擬合誤差（扣5分）、飽和度計算方法（扣1分）、儲量影響因素分析（扣2分）。

54口油井含水率初始擬合誤差統(tǒng)計結果表明，擬合誤差小于5%的井數占比為64.8%，按照評價標準，屬于中級水平，因此扣5分。

建立的飽和度模型，未對低滲透引起的油水過渡帶作特殊處理，僅在油水界面之上依據與孔隙度測井曲線建立的關系開展序貫高斯模擬，屬于中級水平，因此扣1分。

建模人員在完成儲量估算和優(yōu)選模型后，忽略了模型不確定性分析或儲量影響因素分析，扣2分。

第一項扣分屬于正常，與預測難度有關。但后兩項扣分是可以避免的，出現問題是因為技術人員對于建模領域中的技術發(fā)展和研究趨勢關注不夠。

4.2.2 滿分項分析

從資料驗證、地質認識和過程檢查 3個部分中各選一例，即以復雜斷層接觸關系、最終模型優(yōu)選及相建模方法為例進行分析。

4.2.2.1 復雜斷層接觸關系

檢查斷層間的接觸關系，尤其是復雜斷層間的接觸關系，是評價復雜斷塊油藏建模水平的重要內容之一。首先檢查X型斷層處理情況，涉及到F10、F35、F22等3條斷層；經檢查確認，所建斷層模型真實反映出斷面形態(tài)與斷層間的接觸關系（見圖2a），且斷層面與地震解釋的斷層棒保持一致（見圖2b）。其次檢查斷層-斷層-地層的接觸關系；研究區(qū)南部存在 F1和 F62這2條斷層，在葡萄花油層組頂面不相交（見圖3a），但在底面相交（見圖3b），模型再現了這一細節(jié)。綜合以上分析得出結論，復雜斷層接觸關系合理，主斷面與地震解釋成果保持一致，該項得滿分10分。

圖2 X型斷層接觸關系

圖3 斷層-斷層-地層接觸關系

4.2.2.2 最終模型優(yōu)選

最終模型優(yōu)選是一個綜合反映前期地質認識的特征參數，只有選擇了與前期儲量相對誤差較小的地質模型，才深刻理解了地質認識的本質。在此基礎上，還要考慮優(yōu)選的模型是否能夠反映油田生產動態(tài)。使用蒙特卡洛模擬估算P50儲量，選擇與P50儲量對應的實現（第 23次），再選擇 P50儲量附近大、小各 2次實現（分別對應第 38、32、16、42次），用流線模擬進行篩選。流線的疏密程度反映水驅波及系數的高低[42]，是判斷井控程度及井間連通性的重要依據。對比5次實現的流線模擬結果，從整體來看，第38次實現的流線特征能夠反映北、中、南 3個生產區(qū)的注采關系，即第38次實現的流線幾乎覆蓋了北部生產區(qū)，表明井間儲集層連通性好，井網較完善；中部生產區(qū)稀疏的流線反映儲集層連通性變差，水驅效果不理想；而南部生產區(qū)特征介于兩者之間（見圖4）。從局部來看，FI-158井采油曲線與FH-154井注水曲線趨勢總體一致，說明兩口井儲集層連通性很好（見圖5）。第38次實現的流線更好地匹配了主體河道的形態(tài)，因而最合理地表征了注采響應（見圖6）。因此，第38次實現是最理想的靜態(tài)模型。模型計算儲量為242.7×104t，與前期用確定法計算的儲量 246.4×104t相對誤差小于5%，因此該項得滿分15分。

4.2.2.3 相建模方法優(yōu)選

使用序貫指示模擬方法、基于目標模擬方法、多點地質統(tǒng)計學模擬方法、震控耦合相邊界模擬方法模擬主體河道。模擬結果顯示，序貫指示法模擬的河道連續(xù)性能夠滿足要求（見圖7a）；基于目標法模擬復雜河道幾何形態(tài)時非常靈活，但不能完全與井點數據吻合（見圖7b）；多點地質統(tǒng)計學法更多地考慮了河道復雜的幾何形態(tài)，但河道連續(xù)性不夠，故整體形態(tài)與地質認識差別較大（見圖7c）；震控耦合相邊界法結合震控和相控的序貫指示進行模擬，建立的模型不僅在平面上符合地質規(guī)律和認識，而且通過抽稀井檢驗認為精度比序貫指示法更高（見圖7d）。

圖4 第38次實現流線模型

圖5 FI-158井生產曲線（a）與FH-154井注水曲線（b）

圖6 小層局部沉積微相圖與5次實現流線對比

運算速度從高到低依次為：序貫指示模擬方法、震控耦合相邊界模擬方法、基于目標模擬方法、多點地質統(tǒng)計學模擬方法。最終優(yōu)選震控耦合相邊界模擬方法建立研究區(qū)的巖相模型和沉積微相模型（見圖8）。

圖7 4種河道相建模方法結果對比（紅色代表主體河道）

5 結語

不考慮油氣藏類型的思維定式，制約了三維地質模型多參數定量評價標準的建立和發(fā)展。如果將評價范圍縮小至同一油氣藏類型甚至同一研究對象，對模型質量進行定量評價就具有可行性。

評價體系應包括資料驗證、地質認識及過程檢查這3個部分。既要強調結果準確，也要重視過程合理。在選擇特征參數時，除了注意要有代表性之外，還要注意盡量避免重復或交叉；在建立特征參數高、中、低 3級評價標準時，應確定合理的門檻值，避免標準過于嚴格或過于寬松而失去了質量評價的相對意義。

由于三維地質模型的定量評價工作尚處于探索階段，輸入數據并未納入評價體系，在實際操作中，很難量化對輸入數據的評價，且與目前選取的特征參數是兩個維度的關系，如何處理需要進一步研究。