摘要
在前几期连载中，我们从不同的侧面介绍了有关地震与地震解释技术在非常规储层开发中的应用。本期推送，我们借用一个位于路易斯安那州西北部的Haynesville页岩区块的实例做一个案例分析，主要是针对「最佳地质甜点位置」的确定，前提当然是通过使用三维地震储层描述技术，并将油藏和地质力学性质整合进来，完成这个综合项目的分析。
通过这样一个案例分析，我们希望强调的是多种不同来源的测量数据的重要性，以及如何使用这些测量数据来改进钻井和完井策略。这个案例分析中综合了地表地震、井下微地震、岩石性质分析以及Haynesville区块的矿物学特性，供各位结合前文做协同阅读：
1
Haynesville页岩区块的地震地震、井下微地震、岩石性质及矿物学特性综合分析
对于北美地区而言，钻井施工已经很难重现2010年那样的巅峰规模，但随着这几年的天然气价格稳步回升，加之液化天然气需求不断增长，人们把关注点放在了路易斯安那州西北部的一个潜力页岩气藏Haynesville，并已经着手开发这个页岩气区块。在这里，我们所面对的像我们看到的绝大多数页岩气区块一样，单井的产量波动非常大，这就意味着非常有必要使用三维地震储层描述技术来研究并确定地质甜点，定好井位并优选完井方式。在前述中，我们反复提及过的地震各向异性，在我们充分理解页岩气储层的过程中是极其重要的一方面。
这里提供一个基本的工作流程，供读者参考。它包括了从叠前地震反演获得的储层和地质力学性质，以及从地震数据的方位角分析中提取的应力和裂缝相关信息。更关键的是，针对Haynesville页岩气藏做基于油藏和地质力学性质的地面地震测量校准。前文也反复介绍过各种由地震技术派生出的属性及属性场数据是我们预估区块实际生产潜力的重要媒介。
页岩气区块开发综合地球科学工作流程图
案例方位指示图，路易斯安那西北部
图中所示，下Haynesville层是这个页岩气项目的目标层位，这个区域的地质构造较为复杂，其间充斥着断层。一般来讲，井位部署于大断层之间的构造高点，其水平段则是南北走向的，垂直于该区域的应力场方向。
2
通过地震得到的岩石属性
测井数据之所以重要，是因为它为所有后续的地震分析过程提供了校准的依据，包括地层弹性性能的解释，地层各向异性以及地层应力分析。我们这里讨论的案例中包含了8口井，目的层为Haynesville和Mid-Bossier.
图中给出了Haynesville段的测井分层信息数据，当然划分层位的过程还会考虑到井、地面、地震和微地震数据。
粘土含量较高的岩石延展性比较好，不易被压开裂缝。而石英体积含量高的岩石则有更大的刚度，在水力压裂的作用下，更容易产生裂缝。我们将石英、方解石和粘土矿物组分与杨氏模量（在应力作用下抵御裂缝生成的能力）和泊松比（岩石在应力作用下抵御失效的能力）结合在一起，为我们判断岩石的脆性或延展性提供可靠的依据。
在这项研究当中，研究人员为每一口井都创建了岩石物理方法衍生出的岩相分析模型，主要是基于概率论的。同时，使用了改进的贝叶斯分类法来控制生成的岩相概率模型体，这种方法将不同的含气程度用不同的颜色区分开来，比如含气区为红色，边缘含气区为黄色，过渡区为灰色，碳酸盐岩为青色，这些都反映了含气的概率分布。
图中展示了地震数据体所反映出的最有可能的岩相的概率，有了这样的分析结果，可以直接比对甜点识别过程中的指示性属性，并且可以基于概率进行分析。
3
方位反演：通过地震得到应力预测值
原始地层应力：这个概念我在视频教程和前文连载中已经提及很多次了，它反映的是地层在开钻前的应力状态，这个应力状态会影响诱导缝的扩散以及油气井的长期产能。所以，在设置水平段的走向时，一定要理解清目标地层的应力机制。在这项研究中，通过使用傅立叶系数，采用叠前方位角地震数据的全局反演来推导裂缝性质和最终的原始地层应力场来估计该区域的应力状态。
图中显示了从属性数据体生成的方位角各向异性，包括方向、高度以及颜色。在这个示例中，方向是各向同性面（即与对称轴垂直），而高度和颜色表示使用方位角反演计算的差分水平应力比（DHSR）的大小。DHSR提供关于裂缝方向和形态的信息，其中的数据切片（基础水平层颜色）表示的是杨氏模量（可以近似理解为维持一个裂缝的能力）。
其中，最小（σh）和最大（σH）水平应力可以独立地查看并解释。σh，或闭合应力，表示维持一个开放的裂缝所需的最小应力值。DHSR是σh与σH的标准差，同时也是反映应力机制的一个重要指标。
在Haynesville这个区块，有人提出关于水力压裂裂缝的认识，即低DHSR值表示裂缝形成的方向偏随机，而高DHSR值则表征裂缝形成的方向偏一致。所以，如果在Haynesville这个案例当中不存在大规模的天然裂缝，那我们更期待DHSR的值低一些，因为当水力压裂诱导生成的裂缝模式更加随机时，被改造而形成实际产能的区域可以得到最大化。
而垂直应力σV和σh的估算来源于针对非常规油藏修正过的伊顿公式（Eaton,1975)和孔隙压力预测值。孔隙压力预测的所有元素通过独立测量来验证，比较常用的包括DFIT测试和钻井时候使用的泥浆比重。而σH的值来自对岩芯所做的三轴压力测试。
4
结合微地震技术
我们已经了解到，来自地表地震反射数据的弹性以及地质力学属性已经被证实其在页岩气储层开发中的实用性，它很好地描述了储层中的甜点，这是我们极其需要的信息。它所反映出的地层性质使我们可以更好的掌握岩石基质在水力压裂以及储层本身存在应力各向异性的情况下形成裂缝的走向，更好的掌握水力压裂的方向。
岩石的性质以及空间应力分布对水力压裂的影响可以通过对水力压裂引发的微地震事件数据做综合整理而进行评估。微地震事件与特定地震属性的空间相关性意味着两者都受到相同的原始地层应力性质的制约。
这个案例研究还反映了微地震事件密度与杨氏模量估算值以及方位角分析所得到的DHSR值之间物理意义上的统计相关性，如图所示。
被改造的储层体积（Stimulated Reservoir Volume, SRV)和被改造的储层面积（SRA，即2D SRV)的大小与平均杨氏模量成正比，与DHSR成反比。这就意味着在高杨氏模量和低水平应力差的区域，SRV和SRA是得到最大化。同时，我们认识到了SRV是来自瞬时压力以及生产数据的，它可以反映更小体积的情况。
图中还展示了带有杨氏模量（色轴）的SRA. 计算SRA随时间的变化，可以了解裂缝形成的过程，并能更好地了解微震事件与地震衍生的岩石性质的空间分布和时间相关性。
5
结合扫描电镜矿物学分析
我们所知的由地表地震和微地震所测算的宏观效应比由测井技术所测算的相对小体积的属性有更大的跨度，但是地震与测井技术最终都反映着由岩石结构甚至测井所能测量的部分以外的维度所控制。为了更好地了解这样小的维度上发生的一切，我们使用配有X射线检测器的扫描电子显微镜，以高分辨率（垂直和侧向孔中）分析切片和核心碎片。这种方法提供了关于元素和矿物组成、岩石的纹理、孔隙度和孔隙长宽比的定量测量数据。在这个案例中，扫摸电镜数据与总碳酸盐的矿物部分X射线衍射结果一致，并且与来自常规测井的岩性统计结果一致。
我们分析岩石的结构及其矿物学数据主要是为了解其脆性/延展性，为水力压裂设计服务。虽然这种研究一般是定性的，但是种种结果都表明微地震的振幅与孔隙的水小和大于200微米的孔的多少等因素直接相关。
从图中来看，这些数据来自172个钻屑样品集合，这里没有常规测井或岩芯数据。而这里唯一的信息来源是叠前地震反演和方位反演分析。
这幅图表明，来自矿物分析/岩屑的脆性指数与来自叠前地震反演的杨氏模量测算值之间有很强的相关性，而在用于验证目的的反演过程中则不使用脆性指数对数。
6
总结
在这部分中，我们讨论了一个完整的工作流程，这里集成了岩石物理测井分析和地震及其衍生出的岩石属性，比如孔隙压力和方位角应力场分析，最终产生预测目的层位的数据体。地质力学性质，例如杨氏模量，提供了对岩石的脆性/刚度或延展性的相对预测值，这一信息对于完井和水力压裂设计是至关重要的，同时这些预测值与岩性、TOC以及岩石本身的纹理有关。
除了作用在地下的构造应力之外，地层的应力状态还由弹性性质、强度性质、地层结构和孔隙压力的空间分布来决定。我们一般使用速度和反射系数的方位角变化来观测主应力。
为了充实整个工作流程，我们还将矿物学分析、元素数据以及微地震数据整合进来，并且将其用于地震属性分析。前文提到过，在进行水力压裂的区域，裂缝的形态和分布与杨氏模量以及DHSR值有着很强的相关性。低DHSR值与高杨氏模量结合在一起，会得到非常广的微地震活动区域。而低应力水平和低应力差值暗示我们可以压开更广的缝网。此外，杨氏模量和脆性/延展性测算之间的相关性主要来源于对岩屑的矿物学分析，这一点对于那些只有比较有限的测井数据的实例非常关键。
我们不断地整合井的数据、地震解释数据以及微地震数据，不断地改进技术以提高页岩气开发效果。在这一过程中，我们综合了不同维度的细分学科领域，最终通过研究这些细分领域与井的产量的相关性来改进我们对页岩气钻井、完井工程的规划。同时，我们也充分地认识到，对于页岩气的开发来讲，没有任何单一的属性是起到决定性作用的，我们需要更多的属性及属性组合分析来确定一个页岩气区块的实际开发价值。
参考文献
Eaton, B.A. 1975. The equation for geopressure prediction well logs. Paper SPE 5544 Presented at Fall Meeting of the SEG of AIME, 28 September–1 October. Dallas, Texas. http://dx.doi.org/10.2118/5544-MS.
Gray, D. .2012. Estimation of stress and geomechanical properties using 3D seismic data. First Break, 30 (3): 59−68. http://dx.doi.org/10.3997/1365-2397.2011042.
Hampson, D.P., Schuelke J.S., and Quirein, J.A. 2001. Use of multiattribute transforms to predict log properties from seismic data: Geophysics, 66 (1): 220−236. http://dx.doi.org/10.1190/1.1444899.
Hampson-Russell, A CGG Company. Targeted shale play development: Searching & calibrating the “silver bullet.” Presented by Adrian Smith, http://www.cgg.com/data//1/rec_ docs/2596_5_Shale_Science.pdf (accessed 26 June 2014).
Russell, B., Hampson, D., and Bankhead, B. 2006. An inversion primer. CSEG RECORDER, 31 (10): 101−108.
Schoenberg, M. and Sayers, C. 1995. Seismic anisotropy of fractured rock. Geophysics, 60: 204–211. http://dx.doi.org/10.1190/1.144374.
Schultz, P.S., Ronen, S., Hattori, M., et al. 1994. Seismic guided estimation of log properties, parts 1, 2, and 3. The Leading Edge, 13: 305–310, 674–678, 770–776.
Sena, A., Castillo, G., Chesser, K., et al. 2011. Seismic reservoir characterization in resource shale plays: Stress analysis and sweet spot discrimination. The Leading Edge. 30 (7): 758–764.
Sheriff, R.E. 2002. Encyclopedic Dictionary of Applied Geophysics. 4th Edition, Geophysical References Series 13, Society of Exploration Geophysicists.
