四川盆地侏罗系多年的勘探实践证明沙溪庙组具备形成大中型气田的基础，具有烃源条件优、储层分布广、通源断裂发育、古今构造有利、埋藏深度浅、纵向多层含气、天然气品质优等特点^[1]，同时作为一种特殊类型的非常规油气藏，其储层具有低孔低渗特征，在纵、横向上均与生油层密切共生，源内或近源聚集，而且多层系叠合连片，大面积“连续”分布在斜坡和凹陷区，不受局部构造控制而主要受岩性控制^[2]。将川中—川西地区沙溪庙组、须家河组两大层系作为规模增储重点，并于2022年进行川中13块三维地震资料连片处理，处理后角道集质量好，最大入射角可达40°，孔隙度较高（孔隙度≥ 8%）的储层多具有明显的三类振幅随偏移距变化（Amplitude Variation with Offset，简称AVO）特征，其中沙溪庙组地震主频为36 Hz，有效频带为8~65 Hz，能够满足该地区砂体刻画的需要。对于川中地区沙溪庙组而言，多物源、沉积相纵横向变化大、近源与远源及河道与河道间的沉积环境差异造成河道特征、砂体岩性（颗粒成分、泥质含量等）、物性、含气性等差异大，进而导致地震响应规律复杂，而且已钻井揭示存在高、低纵波阻抗砂岩储层，“亮点”地震响应与储层分布并非完全对应。

利用分频解释技术能够有效避免常规属性分析的调谐陷阱，提高薄储层识别能力，能更客观地反映河道砂体的分布特征^[3]。然而仅明确砂体的分布难以满足低孔低渗致密砂岩气藏的勘探需求，作为有利相带的三角洲前缘水下分流河道^[4]的各类孔隙空间，对储量和长期稳产具有重要贡献^[5]。孔隙度作为正确评价储层特征的基本因素，也是提高钻探成功率的重要因素之一。因此，用最优的方法预测孔隙度分布以提高大面积地震勘探效率势在必行。截至目前，国内外学者针对致密砂岩气藏进行了大量研究。国外学者结合测井资料、叠后/叠前地震反演技术和多属性回归分析进行孔隙度预测，并在此基础上进行孔隙度地质建模^[6-8]，同时开展了多波多分量、横波时移地震、井间地震等开发地震技术的应用，对致密砂岩储层厚度与砂体连通性等储层表征均具有明显改善^[9-11]。在国内，学者们主要在“双高”（高保真、高分辨率）地震目标处理与多波多分量^[12-13]和模型正演、岩石物理分析^[14-15]的基础上，利用“弃砂找河，扬河找砂”的新思路指导叠后属性^[16]及AVO属性、叠前同时反演、叠前地质统计学反演^[17-19]等技术进行河道边界刻画与含气性预测，总结了高、低波阻抗砂岩的AVO响应特征，实现了地质-地震-测井一体化、处理反演一体化、正演反演一体化，实现了致密薄层砂岩储层从定性预测到定量预测^[20-21]。上述技术主要在面积相对较小的勘探开发区块（面积低于1 000 km2）见到明显效果，对于川中地区侏罗系沙溪庙组致密河道砂岩上万平方千米的大面积连片地震勘探仍存在3个难题：①非均质性强，高低速砂岩均能成储成藏，且由此引起的地震响应多变，单一属性预测结果存在多解性；②研究区域面积大，沉积相变快，在利用叠前反演进行岩相预测过程中，难以准确建立大面积反演所需的低频模型；③获得较为理想的叠前反演结果通常需要较长周期，不能满足大面积地震勘探中的生产节奏需求。

针对上述3个难题，提出了基于Bayesian理论的AVO多属性划分岩相方法，即将AVO分析与Bayesian分类相结合形成的AVO属性岩相划分方法（Bayesian Facies-AVO，简称BF-AVO）。在Bayesian分类过程中，BF-AVO方法无需测井数据的全程参与，首先将测井解释的孔隙度与AVO属性截距-梯度交会图结合，建立不同孔隙度与截距、梯度属性的对应关系（不同孔隙度范围的岩相划分标准）；然后利用Bayesian方法对不同岩相及其对应AVO分析中的截距、梯度属性进行联合求解最大概率，直接获得与孔隙度相关的岩相信息。该方法应用于川中致密河道砂岩上万平方千米的三维地震工区，其目的是将地震响应特征（地震相、截距、梯度属性）转化为与孔隙度相关的岩相，并用于预测沙一段3套致密河道砂体的有利储层发育区带。同时利用截距、梯度属性预测不同孔隙度范围的岩相，与单一属性相比降低了孔隙砂岩预测的多解性，可半定量预测高孔低纵波阻抗及低孔高纵波阻抗的致密砂岩储层的物性空间变化，避开了大面积连片地震反演中存在的难以建立准确低频模型及合理提取多块三维地震子波的难题，而且在岩相划分的基础上，直接利用AVO属性进行Bayesian分类，减少物性解释环节，提高致密砂岩储层物性的预测效率。基于近百口井的实钻资料，尤其是测试井孔隙度的详细对比分析，利用基于Bayesian分类的BF-AVO方法对川中地区侏罗系沙溪庙组致密砂岩的岩相进行了划分，以期为该区下步地震勘探提供参考。

AVO分析是以弹性波理论为基础，根据振幅随偏移距的变化规律所反映出的地下岩性及其孔隙流体的性质来直接预测油气和估计岩性参数的一项技术。作为直接利用地震反射振幅和炮检距的关系来寻找油气的一项叠前地震属性分析技术，AVO分析技术具有明显的优势，这是因为AVO分析是从Zoeppritz方程描述的平面弹性波的反射和透射理论出发，经过严密的数学、物理理论推导出振幅随偏移距的变化规律，具有严格的数理基础。在应用过程中，根据不同岩性和流体的相关参数组合，利用Zoeppritz精确解方程或其简化公式进行AVO正演，获得已知岩性和流体性质的AVO特征，并与实际地震记录进行对比，建立岩性和油气识别的地震响应模式，从而定性进行地震油藏描述。此外，振幅随偏移距的变化是地下岩石的岩性、物性及其孔隙流体的弹性参数的函数，使得振幅信息反演岩性及其孔隙流体性质的过程与结果具有可靠的数学物理基础^[22]。为了更好地挖掘AVO信息，众多研究者采用AVO属性（截距和梯度）交会图识别岩性和含油气性，如Rutherford等^[23]将气层AVO响应划分为3类，Castagna等^[24]在Rutherford的基础上将AVO响应划分为4类。对于高、低纵波阻抗砂岩均可成为储层，会出现极性相反的地震响应，单纯利用AVO分析的振幅变化或截距、梯度属性或其多种组合均属于单一属性，在预测强非均质性致密砂岩储层时经常出现解释陷阱。因此，依据AVO分析中的截距-梯度交会分析与Bayesian分类理论基础，将AVO分析与Bayesian分类结合形成的AVO属性（截距、梯度属性同时约束）岩相划分方法（BF-AVO方法）可以降低单一属性解释的多解性，进一步提高致密砂岩有效储层的预测精度。此外，在传统的AVO解释中，通常利用主成分分析或聚类分析等方法将交会图中圈定的异常区投影到剖面，或者在交会图中设定阈值，针对某种储层敏感参数进行截止值分析。然而该方法存在3个方面的问题：一是圈定的异常点有叠置，很可能是噪音或者某种岩性引起的非真实异常；二是投影异常只能作为显示，无法用于定量解释；三是对于复杂储层而言，单一阈值难以描述其强非均质性。因此，引入Bayesian理论可以用概率的方式分析叠置点和非均质性，将AVO分析中的截距与梯度属性共同用于岩性特征的描述，能够更好地预测强非均质性致密砂体的有效储层展布。

1998年Castagna等^[24]在Rutherford等^[23]提出的对不同类型含气砂岩的AVO响应三分类方案基础上，增加了第4类异常，并制作了截距和梯度交会图（图 1）^[25]。作为AVO属性解释的一种方法，这种交会图对AVO数据分析直观且有效。具体而言，AVO分类可以描述如下：①Ⅰ类AVO代表高阻抗含烃砂岩，这类砂岩在截距-梯度属性交会图的第四象限，沿着背景线趋势分布。高阻抗砂岩对流体不太敏感，在地震数据中难以被发现。②Ⅱ类AVO梯度相对大，在截距-梯度交会图中异常偏离背景趋势，这类异常在叠加剖面中形成难以发现的“暗点”。Ross等^[26]将Ⅱ类异常划分为Ⅱ_p和Ⅱ_N，其中Ⅱ_p类异常具有弱的正截距和负梯度，使极性随偏移距变化出现反转，在全偏移距叠加剖面上看不到；Ⅱ_N类异常具有弱负截距和负梯度，没有极性变化，在全偏移距叠加剖面上为波谷。③Ⅲ类AVO代表低阻抗含烃砂岩，是负截距和负梯度的AVO异常，在截距-梯度交会图中的第三象限，远离背景趋势，属于典型的“亮点”，在地震剖面上响应明显。④Ⅳ类AVO异常代表负截距和正梯度的砂岩，在截距-梯度交会图中的第二象限，这类异常相对少见。

图 1

Fig. 1

下载原图 图 1 Castagna和Ross的AVO分类示意图（据文献[24, 26]修改） Fig. 1 Diagram showing AVO classification of Castagna and Ross

在实际应用中，AVO分类最初只应用于含气砂岩，而现在AVO分类体系可用于描述不只是含气砂岩的异常分类。因此，AVO分类只是AVO异常的描述，不用于含气砂岩的推断^[27]。

Bayesian理论是一种用于计算条件概率分布的统计学理论，将先验概率映射到给定观测信息的后验概率，即支持某项属性的事件发生越多，则该属性成立的可能性就越大^[28]。本次研究中的先验分布来源于测井和井旁地震道的信息，利用井旁截距-梯度属性交会图及测井解释孔隙度建立的致密砂岩岩相类型作为先验信息，保证了先验信息的真实可靠。

在BF-AVO方法中，Bayesian定理可表示为

式中：i为特定岩相的编号；x为截距、梯度属性；P(c_i|x) 为后验分布；P(x|c_i) 为所选择的先验概率密度函数（Probability Density Function，简称PDF）；P (c_i) 为先验概率分布。

先验概率分布P (c_i) 可以从截距与梯度属性的交会图中得到，而且Bayesian分类结果应用前要进行后验概率的归一化：

BF-AVO方法流程如图 2所示，其与常规AVO分析技术的差异主要表现在3个方面：①利用Hilbert变换（90°相移），将截距、梯度属性所代表的砂体顶界面反射异常转化为砂体整体地震响应异常；②利用测井解释孔隙度解释井旁截距、梯度属性交会图中的异常，建立截距、梯度属性与不同孔隙度区间的岩相划分标准，并确立不同岩相的概率密度函数；③利用Bayesian分类，对截距、梯度属性进行不同岩相空间分布的最大概率预测，实现截距、梯度双参数的AVO属性到岩性、物性的转化，并降低了AVO单一属性解释中的多解性。

图 2

Fig. 2

下载原图 图 2 BF-AVO方法流程图 Fig. 2 Flow chart of BF-AVO method

（1）Hilbert变换。利用Shuey（1985）近似方程拟合得到的AVO分析中的截距、梯度属性为砂岩与泥岩界面的响应，不利于砂体在空间的识别和追踪，因此对截距、梯度属性进行Hilbert变换^[29]。Hilbert变换等效于±π/2的相移，对正频率产生-π/2的相移，对负频率产生π/2相移，即在时域信号中每一频率成分移位1/4波长，相当于90°相移。Hilbert变换具有同周期性和同域性（即不改变原函数的周期性，也不变域显示），而且在频域各频率分量的幅度保持不变，仅相位出现90°相移。经过90°相移，砂体对应截距、梯度属性异常，与测井解释的砂岩段更吻合，提高了砂体识别能力，改善了视觉上的砂体空间追踪的不确定性。

（2）岩相划分标准的建立。AVO分析中的截距与梯度属性交会图分析是AVO属性解释中的一种重要而又快捷的手段^[30]，结合振幅随炮检距的变化，能够较为有效地区分岩性、物性以及流体类型相关的AVO响应差异^[31-33]。然而对于存在高低速致密砂岩储层形成的复杂地震响应，势必导致AVO响应存在多解性。因此，针对致密砂岩储层，在AVO分析交会图中，综合考虑井点测井解释孔隙度与井旁截距、梯度属性，明确AVO异常类型与砂岩储层类型（不同孔隙度）的对应关系，建立不同孔隙度区间的砂岩岩相划分标准，明确AVO交会图的异常模式和趋势所代表的地质含义，从而降低储层预测的多解性，并通过截距、梯度属性与岩相的映射关系建立PDF，使其作为先验信息来指导后续截距、梯度属性进行岩相预测。

（3）Bayesian岩相分类。基于孔隙度、截距-梯度双参数建立的岩相分类标准及PDF，纳入不确定性与偏差校正，利用截距、梯度属性计算岩相概率，获得不同岩相最大概率，从而实现不同孔隙度区间的砂泥岩岩相预测。

根据实钻井统计，设计砂岩厚度为40 m的层状模型，采用主频为36 Hz的雷克子波，模型的物性、弹性参数如表 1所列。为了简化影响因素，模型中的泥质质量分数设定为10%，只考虑孔隙度及含气饱和度的变化及其相应的弹性参数变化。根据正演所得孔隙度、饱和度变化的道集（图 3）：当孔隙度为4% 时，储层顶界表现为Ⅰ类AVO特征，随着含气饱和度的增加，达到40% 时远道开始出现极性变化，达到60% 时远道极性彻底反转，且随着含气饱和度的增加，振幅能量增强；当孔隙度为8% 时，储层顶界表现为Ⅱ_p类AVO特征，随着含气饱和度的增加，极性反转道向小入射角移动，含气饱和度达到60% 时远道极性彻底反转，且随着含气饱和度的增加，振幅能量增强；当孔隙度为10% 时，储层顶界面表现为Ⅲ类AVO特征，随着含气饱和度的增加，振幅能量增强。当孔隙度大于12% 时，储层顶界表现为Ⅲ类AVO特征，随着含气饱和度的增加，振幅能量有所增强（图 3）。根据正演分析结果，当孔隙度小于8% 时，含气饱和度达到60%，发生极性反转，对振幅的影响最大；当孔隙度大于12% 时，含气饱和度的变化对振幅的影响相对较小。由此可见，砂岩的孔隙度、含气饱和度等是影响地震波振幅随炮检距变化的重要因素。

表 1(Table 1)

表 1 根据岩石物理模型计算的模型弹性参数 Table 1 Model elastic parameters calculated based on rock physics model 岩性 w（泥质）/% w（石英）/% 孔隙度/% 含气饱和度/% 密度/ （g·cm-3） 纵波阻抗/ （m/s·g/cm3） 纵横波速度比 泥岩 90 10~30 0 0 2.48 10 788.000 1.89 砂岩 10 70~90 4，8，10，12，14 0~100 2.163~2.664 7 222.529~14 868.362 1.558~1.728

下载CSV 表 1 根据岩石物理模型计算的模型弹性参数 Table 1 Model elastic parameters calculated based on rock physics model

图 3

Fig. 3

下载原图 图 3 孔隙度、含气饱和度变化的正演道集 Fig. 3 Forward modeling gathers of porosity and gas saturation changes

为了进一步说明AVO属性与储层物性及含气性的关系，在正演分析的基础上建立不同油藏参数状态下的截距-梯度属性交会图，其中孔隙度为2%~24%，含水饱和度为0~100%，泥质质量分数为10%~35%，按照岩石物理理论计算得到不同状态下的截距-梯度属性交会图（图 4）。

图 4

Fig. 4

下载原图 图 4 不同状态下的截距-梯度属性交会图 Fig. 4 Crossplot of intercept-gradient attributes under different states

从孔隙度色标的交会图（图 4a）中可以看到，随着孔隙度的增加，截距属性从正值逐渐变化为负值，梯度属性从极低的负值逐渐增强，变为正值。当泥质质量分数约为15% 时，梯度变化在孔隙度约为8% 时出现转折点。从含水饱和度色标的交会图（图 4b）中可以看出，随着含水饱和度的降低，砂岩顶界面的截距逐渐减小，而梯度先减小后增大。从泥质含量色标的交会图（图 4c）看，泥岩基线明显，且随泥质含量的降低，砂岩顶界的截距正向增大，梯度则负向增大，并逐渐远离泥岩基线。从岩相分类色标的交会图（图 4d）上看，砂岩顶界的响应表现为一类储层主要分布在第三象限，Ⅲ类AVO特征明显，截距、梯度负值最大，二类储层分布在第四象限和第三象限之间，三类储层主要分布在第四象限。

通过理论模型分析，确定了孔隙度、孔隙流体性质（气、水）及含水饱和度与泥质含量等储层性质的变化对地震AVO响应的影响，理论模型显示出规则的低孔、低含气、高泥质含量的泥岩背景趋势，远离背景趋势的异常点均为高孔隙度及高含气饱和度。利用AVO属性（截距与梯度）能够进行砂岩储层的物性及含气性的区分，只是当砂岩储层孔隙度很低时，截距与梯度属性的变化量均较小，增加了含气性识别的难度。

川中地区已发现多个大中型气田，以上三叠统须家河组煤系烃源岩为源、以侏罗系沙溪庙组碎屑岩为储，形成“自生自储”和“下生上储”2套区域性成藏组合，自下而上发育须家河组、珍珠冲段、沙溪庙组、遂宁组和蓬莱镇组等5套含气层系，纵向上具有多层系立体成藏的特点，其中致密气主力产层为须家河组和沙溪庙组。侏罗系沙溪庙组沙一段作为本次研究的目的层，属于滨浅湖-三角洲-河流相沉积体系，在盆地范围广泛发育三角洲分流河道及前缘席状砂体，孔隙度为4%~16%，渗透率为0.01~10.00 mD。

研究区典型井井旁角道集的AVO特征及岩相与其孔隙度叠合对比图（图 5）显示：W12井沙一¹亚段2号砂体孔隙度为15%，划分为一类储层，其顶界面对应1 146 ms强波谷，与图 3模型中孔隙度大于等于12% 时的地震响应一致，随入射角的增大，波谷振幅增强，属于Ⅲ类AVO响应，在叠加剖面上呈现明显的“亮点”反射特征（图 5a）。WJ8井沙一²亚段3号砂体孔隙度为9%，划分为二类储层，其顶界面对应1 272 ms波谷，与图 3中模型孔隙度为10% 的地震响应一致，随入射角的增大，波谷振幅增强，但增强幅度小，属于Ⅱ类AVO响应（图 5b）。W16井沙一³亚段5号砂体孔隙度为5%，划分为三类储层，其顶界面对应1 238 ms波峰，随入射角的增大，波峰振幅减弱，并在入射角为25°以后出现极性反转，与图 3中孔隙度为4%、饱和度高于40% 的模型的地震响应特征一致，属于Ⅱ_p类AVO响应（图 5c）。W221井沙一²亚段4号砂体孔隙度为6%，划分为三类储层，其顶界面对应1 288 ms波峰，随入射角增大，波峰振幅减弱，在有效入射角范围内未出现极性反转，与图 3中模型孔隙度为4%、含气饱和度低于30% 的地震响应特征近似，属于Ⅰ类AVO响应（图 5d）。综上所述，AVO特征与不同孔隙度砂岩具有较好的对应关系，能够用于研究区致密砂岩储层的预测，但想要直接从道集分析获得全区储层预测结果，无疑工作量巨大、数据量巨大且难以操作。

图 5

Fig. 5

下载原图 图 5 川中地区典型井侏罗系沙溪庙组井旁角道集的AVO特征及岩相与其孔隙度叠合对比图 Fig. 5 AVO characteristics of typical borehole side angle gathers and superimposed comparison of lithofacies and porosity of Jurassic Shaximiao Formation in central Sichuan Basin

因此，利用“亮点”技术、AVO分析中的截距、梯度及其组合属性等对研究区沙溪庙组沙一段致密河道砂体的有效储层进行识别，并取得了一系列的成功。随着勘探开发程度的深入，钻井揭示了沙一段储层内部存在高波阻抗砂岩和低波阻抗砂岩，例如同工区WY2井的4号砂体表现出高纵波阻抗特征，形成波峰反射，而WY6井的5号砂体则表现出低纵波阻抗特征，形成波谷反射。复杂的岩相组合在上万平方千米的大连片地震数据上表现出“亮点”、“暗点”及砂体顶面极性反转等多种现象，单一信息难以揭示砂体的纵横向展布规律，不能满足大面积勘探开发的生产节奏需求和精度要求。因此，开展了BF-AVO方法的研究，并应用于川中地区13连片资料的岩相预测。

在实际资料应用中，根据测井解释中孔隙度与AVO类型的关系，可在研究区划分出4类岩相：孔隙度大于等于12% 的高孔储层对应Ⅲ类AVO的一类砂岩相、孔隙度为8%~12% 的中孔储层对应Ⅱ类AVO的二类砂岩相、孔隙度小于8% 的致密储层对应Ⅰ类AVO的三类砂岩相及泥岩相。井旁道截距-梯度属性（90°相移）交会图中不同颜色代表不同孔隙度的岩相（图 6），红色为高孔一类砂岩相，黄色为中孔二类砂岩相，蓝色为低孔致密三类砂岩相，灰色为泥岩相。致密砂岩的强非均质性导致致密砂岩与泥岩重叠较多，但灰色泥岩仍呈现出较规则的背景趋势，远离背景趋势的点都为异常点，尤其是黄色二类砂岩与红色一类砂岩尤为偏离背景趋势，这种AVO异常点的分布与物性较好的砂岩储层响应一致（图 6）。

图 6

Fig. 6

下载原图 图 6 川中地区侏罗系沙溪庙组井旁道截距-梯度（90°相移）交会图 Fig. 6 Crossplot of intercept-gradient(90° phase shift)of borehole side of Jurassic Shaximiao Formation in central Sichuan Basin

不同的岩相在截距-梯度交会图（图 6）中存在明显的相互叠置，具有较多的不确定性，常规线性拟合或单一阈值很难区分不同岩相，而采用概率统计的方法对不同岩相分布的不同参数区间进行研究，能够提高岩相预测的准确性和可靠性。因此，通过拟合、调整建立上述4类岩相的相应PDF，并确定4类岩相PDF的方差、均值。以上数据可作为先验信息并用于后续的Bayesian分类，获得不同岩相的最大概率，进而将重叠岩相部分进行区分，以提高预测精度。

图 7为利用BF-AVO方法得到的不同岩相概率体及最终岩相分类的连井剖面，颜色分别代表不同储层（图 7a—7c）、泥岩（图 7d）出现的概率及不同岩相（图 7e）。图 7a为侏罗系沙溪庙组沙一段一类储层连井概率对比图，分布相对局限，横向分布不连续，纵向无叠置；图 7b为沙一段二类储层连井概率对比图，分布明显增多，横向分布连续；图 7c为沙一段三类储层连井概率对比图，横向分布更为连续；图 7d为沙一段泥岩相连井概率对比图，颜色与储层概率颜色相反，蓝色代表泥岩出现的可能性高，红色则代表非泥岩的其他岩相总和，整体表现出泥岩背景中明显的“泥包砂”特征；图 7e为最终连井岩相分类剖面，可以清楚地看到不同岩相的纵横向接触关系复杂，表现出致密砂岩的纵横向强非均质性，且与已钻井储层类型对应关系较好。

图 7

Fig. 7

下载原图 图 7 川中地区侏罗系沙溪庙组不同岩相概率及岩相分类连井剖面 Fig. 7 Probability of different lithofacies and lithofacies classification of Jurassic Shaximiao Formation in central Sichuan Basin

后钻W202井、W3-1-H1井的截距与梯度之差属性（横波反射系数的变化）与岩相分类叠合剖面（图 8a）显示，并非所有截距与梯度之差属性强异常都对应物性较好的砂体，如图 8a中过W3-1-H1的截距与梯度之差与AVO分类叠合剖面中水平井段沙一底—沙一²底，该属性异常较为明显，但BFAVO预测结果为泥岩，与自然伽马测井曲线的高值对应，说明BF-AVO预测结果与实钻吻合，而且井水平段长1 200.00 m，孔隙度大于10.0% 的井段长1 125.2 m，最大孔隙度高达18.6%，优质储层钻遇率90.75%，也与以一类储层为主的预测结果相吻合；W202井沙一 ¹亚段（2 172.00~2 221.00 m）及沙一³亚段（1 990.00~2 095.00 m）在剖面中对应一类储层，两段合试日获气为58.68×10⁴ m³，测井解释最大孔隙度为11.3%，预测结果与实钻基本吻合。W202井、W3井区沙一段³个亚段的岩相分类显示，二类储层连续性最好，所预测的辫状河道特征清晰，一类储层连续性相对较差，而且沙一 ¹亚段一类储层最为发育，沙一 ²亚段一类储层最不发育，W202井位于河道间，储层不发育，与实钻结果及地震剖面吻合（图 8b）。此外，W3井区作为第一个水平井平台（图 8c），已完钻W3井、W3-1-H3井、W3-3-H3井、W3-2-H2井、W3-3-H4井和W3-1-H1井等6口井，各井最大孔隙度依次分别为14.2%，14.7%，15.3%，12.1%，15.2%，18.6%，除W3-2-H2井沿井轨迹在沙一2亚段主体呈现黄色的二类储层，但也钻遇红色的一类储层，其他5口井在各自的相应层段均为红色一类储层，说明预测结果与实钻结果吻合。W3井区水平井平台的各分支水平井的测井解释孔隙度验证了BF-AVO的可靠。

图 8

Fig. 8

下载原图 图 8 川中地区侏罗系沙溪庙组BF-AVO岩相分类结果 Fig. 8 Lithofacies classification results of Jurassic Shaximiao Formation in central Sichuan Basin by BF-AVO method

W827井BF-AVO预测结果（图 9）显示，2 749.94~2 771.06 m井段的砂层预测为二类砂岩（孔隙度为8%~12%），该井段测井解释的平均孔隙度为9.0%，实钻与预测结果吻合；2 802.00~2 812.00 m井段的砂层预测为泥岩，实钻揭示最大孔隙度为6.8%，为三类致密砂岩，试气日产量仅为0.22×10⁴ m³。BF-AVO预测结果与实钻存在差异，主要原因是该井段对应的叠前道集存在同相轴不平、振幅随入射角变化的规律性较差，与井旁合成道集差异较大，说明该井段道集品质较差，随之拟合的AVO截距、梯度属性精度低，导致最终预测结果出现误差。

图 9

Fig. 9

下载原图 图 9 川中地区W827井侏罗系沙溪庙组预测成果 Fig. 9 Prediction results of Jurassic Shaximiao Formation of well W827 in central Sichuan Basin

针对研究区上万平方千米的致密河道砂岩，利用BF-AVO方法49天完成了从数据进站、整理、叠前数据加载到岩相体的获得及其成果的分析，与12口测试井的16个砂层进行了对比（表 2），仅W827井埋深为2 802.00~2 812.00 m的砂层预测为泥岩，实钻为孔隙度较低的三类致密砂岩，吻合率达93.75%。

表 2(Table 2)

表 2 BF-AVO预测结果吻合率统计表 Table 2 Coincidence rate of prediction results by BF-AVO method 测试井 测试井段/m 测试段厚度/m 日产气/(104 m3) 井上砂体厚度/m 平均孔隙度/% 预测AVO类型 是否吻合 W5 2 211.60~2 224.60 13 5.48 13 9.0 Ⅱ 是 WJ8 2 676.00~2 739.00 63 6.90 63 9.0 Ⅱ 是 WQ7 2 697.00~2 715.00 18 1.76 14 7.0 Ⅰ 是 W3 1 777.00~1 950.00 173 32.95 40 50 22 12.0 8.0 12.0 Ⅲ Ⅱ Ⅲ 是 W2 2 361.00~2 409.00 48 2.37 48 7.0 Ⅰ 是 W6 2 208.00~2 296.00 88 10.95 88 12.1 Ⅲ 是 2 099.00~2 140.00 41 25.63 41 13.0 Ⅲ W16 2 720.00~2 749.00 29 3.02 25 5.0 Ⅰ 是 W10 1 794.00~1 864.00 49 1.55 19 8.0 Ⅱ 是 1 728.00~1 737.00 9 1.01 28 9.0 Ⅱ W13 1 781.00~1 806.00 25 3.51 21 12.0 Ⅲ 是 1 710.00~1 746.00 36 0.63 36 9.0 Ⅱ W12 2 278.00~2 307.00 42 21.20 20 6.0 Ⅰ 是 2 235.00~2 248.00 12 8.0 Ⅱ 2 408.00~2 428.00 57 5.46 38 12.1 Ⅲ 是 2 352.00~2 389.00 W827 2 802.00~2 812.00 10 0.22 12 4.5 泥岩 否 W11 1 996.00~2 016.00 20 0.60 20 10.0 Ⅱ 是

下载CSV 表 2 BF-AVO预测结果吻合率统计表 Table 2 Coincidence rate of prediction results by BF-AVO method

（1）对于川中地区侏罗系沙溪庙组致密砂岩，模型正演及实际资料的分析结果显示物性远大于含气饱和度对振幅的影响，因此仅针对孔隙度与AVO的截距、梯度属性关系的BF-AVO来开展物性的岩相预测具有明显优势。

（2）基于Bayesian理论的BF-AVO方法可以快速有效地从AVO分析中的截距、梯度属性获得岩相概率及岩相体信息，用概率和不确定性解决储层与非储层问题，提高了储层的预测精度。BF-AVO分类结果与12口测试井的16个单砂层进行对比，吻合率达93.75%，证明了BF-AVO在致密砂岩中半定量预测孔隙度的适用性。

（3）地震资料品质对预测结果具有很大的影响，局部角道集中近道的低信噪比、同相轴不平、远道畸变等均影响AVO类型，造成截距、梯度拟合出现较大误差，从而降低AVO岩相分类结果的精度，造成预测结果与实钻不吻合。运用BF-AVO预测岩相，必须进行质控及道集优化处理，改善道集品质是提高预测精度的前提。