0 引言

地震沉积学最早由Zeng等^[1]提出;随后Schlager在2000年指出^[2]，为了满足沉积学应用、有效预测地下地质情况以及地震解释的需要，地震沉积学将作为沉积学的一个新兴的分支学科出现并发展。2005年2月地震沉积学国际会议的召开标志着这一交叉学科开始受到同行的关注。近几年来，地震沉积学不断应用到油气勘探开发实践中，并取得了显著的生产实效^[3-10]。

国内外学者应用地震沉积学原理，在近海地区第三系、湖盆三角洲体系、河流体系、湖相深水重力流沉积体系的沉积相研究中均取得了可喜成果^[3-10]，使沉积相的研究精度从以往的组、段大尺度级别提高到砂层(3~6 m)小尺度级别。但遗憾的是，在沉积相平面图的编绘方面，目前主要是基于单属性地层切片图像特征，在沉积模式指导的基础上，采用定性程度、手动编辑的工作方式完成 ，作图精度低、效率低，无法实现快速、有效的自动沉积相解释编图。

本文在刘化清等^[11]关于歧南地区沙一段重力流沉积体系地震沉积学研究的基础上，依据井点沉积微相的地震属性特征，制作相应的地层切片，在构建沉积微相与图像特征的数学映射关系的基础上，选择合适的图像处理技术实现沙一中段沉积相自动解释，以期完善地震沉积学研究技术体系。

1 工区位置及资料情况

歧南地区位于歧口凹陷(大港探区)南部，西起羊三木凸起，东至张北断层，北抵南大港断层，南至埕宁隆起，总体呈北东—南西向展布，勘探面积约750 km²(图 1)。三维叠后地震数据沙一段频率主要分布在1~50 Hz，主频约20 Hz。研究区重点探井主要有qn2、qn6、qn7、qn8、zh65、zh47等。丰富的井筒资料、实验分析资料有助于目的层沉积微相的精细解释，实现对地层切片的精细标定，进而完成沉积相自动平面成图。

2 单井相分析

单井相分析是精细确定井点沉积相最可靠的方法。本次研究对歧南地区的10口重点探井进行了沙一中亚段沉积相精细解释，现以qn6井为例介绍沙一中亚段沉积相的发育特征(图 2)。qn6井位于歧南次凹中部，沙一中亚段沉积时期为最大湖泛期，水体较深，以湖相—深湖相泥岩沉积为主；岩心、录井资料显示砂砾岩普遍发育，砾石多漂浮于砂质沉积基质当中，次圆状，大小混杂，分选差，撕裂状泥岩碎块多见；沉积构造以滑塌变形、重荷模层理常见；由3 200.79~3 403.9 m井段的C-M图可见，C值(粒度概率累计曲线上1%处对应的粒度，即最粗颗粒粒度)、M值(累计频率曲线50%处对应的粒度，即粒度中值)主要发育在递变悬浮的QR段，粒级范围C=120~1 200 μm、M=18~390 μm、C/M=2.7，样点集中分布区间大致平行于C=M基线，且样点密集，图形狭窄，粒级较细，分选中等；测井曲线表现为箱状特征；综上分析认为qn6井砂体主要为重力流水道沉积。

3 特征属性提取

沉积相特征属性的研究主要利用单井相解释成果与地震资料综合分析，通过每口井、每个沉积微相井段及其与对应地震反射特征之间的关系，优选2~3种敏感的指相属性，确立每种指相属性与沉积微相之间的数学映射关系，然后采用神经网络技术融合得到特征属性。为了保证地震相位具有岩性地层意义，并且与岩性测井曲线吻合良好，必须首先对目的层地震相位进行估算，并且调整到90°相位。目前，相位估算一般采用波形相似法或最大能量法。本次研究对于子波中心点位置的定位采用井点手工控制法，选取目的层内多口井的反射界面，计算出每口井的相位，并统计出平均相位；然后据此平均相位确定出将地震剖面转换到90°相位需要的校正量，得到最接近90°相位的数据体，为下步的属性提取及融合分析提供基础。

3.1 井点属性

沉积微相地震属性提取技术以井点为中心，横向上在井旁道范围内(依据地震同相轴倾斜度而定，倾斜角较大时，范围可小；倾斜角较小时，范围可大，多为3~10道)，纵向上在沉积微相顶、底范围内，确定出微三维数据体。首先提取井点道地震属性，然后加权平均井旁道属性值，得到井点处该沉积微相井段的地震属性值。其中权重系数为各道到井眼的距离，距离井眼越远权重越小。以W₀井的井点属性提取为例进行说明，涉及的计算公式如下。

距井眼距离的计算公式：

其中：R_i为第i个井旁道距井眼的距离；(x₀,y₀)为W₀；(x_i,y_i)为W₀井第i井旁道的坐标；j为井旁道范围(一般为1~10)。

距离加权平均的井点地震属性计算公式为

其中：A₀为W₀井距离加权平均后的地震属性值；T_i为W₀井第i井旁道的属性值。

3.2 指相属性优选

属性优选主要利用关键探井的单井沉积微相解释成果，以及各沉积微相的井点属性，通过交汇图分析筛选敏感的指相属性，定义为特征属性。本次研究提取了各微相井段的井点平均振幅、最大振幅、均方根振幅、平均相位属性、平均频率、平均反射强度等属性。图 3为歧南地区10口井沙一中各微相井段井点平均振幅属性与自然伽马曲线交汇图，图中每一点都代表一个沉积微相和平均振幅属性在该井段的统计值，可以看出平均振幅属性能够很好地区分沉积微相类型，故选择平均振幅属性为反映沉积微相的指相属性。采用相同的方法再选择其他2~3种指相属性。

3.3 BP神经网络融合特征属性

由于不同指相属性的数据存在数量级的差别，为了保证网络神经元的非线性作用，首先必须对学习样本数据及输出数据进行归一化处理。数学方法为：设地震属性数据为x_i(i=1,2,3,...，n)，则

其中：x_max为数据中的最大值；x_min为数据中的最小值；a为修正系数。

Robet-Nielson证明了具有1个隐含层的3层BP神经网络模型可以有效逼近任意连续函数，即包括输入层、隐含层和输出层。因此，建立如图 4所示的网络结构，输出层节点为1个，输入层、隐含层的节点数根据研究区实际情况而定。

4 地层切片提取

地层切片是地震沉积学研究的核心技术之一，基本思想是沉积体地震成像在水平方向上比纵向上更加容易识别^[12-14]，主要对地震数据体的平面特征进行描述，是进行沉积相平面展布研究的重要手段。

实现步骤：1)将上述得到的特征属性数据体作为地层切片数据体；2)选取顶、底两个相对等时面作为地层切片研究的等时约束界面；3)在顶、底约束界面的控制下，在内部进行等比例线性内插或非线性内插得到N个近似等时的界面，制作N个地层切片，进行各沉积时期的沉积相分析。N值越大，内插出的地层切片越多，每个地层切片反映的沉积时期越短，以此进行的沉积相分析尺度就越小。虽然N值可无限大，并不违背地震沉积学研究的基本原理；但这样做会大大增大计算机运行的时间，降低效率，浪费存储空间，不具有实际意义。因此，建议地层切片采样依据研究阶段、研究目的而定，一般以能看见可解释地质现象为宜。

针对歧南地区沙一中地层，采用局部非线性内插方式制作了100张地层切片，自下而上分析每张地层切片，研究各沉积时期的沉积微相。这里以沙一中下部的一张典型地层切片(图 5)为例，开展基于地层切片的沉积相自动成图技术研究。

5 自动成图技术实现

由图 5地层切片清晰可见：歧南地区发育东、西两支自南而北的重力流水道，水道发育特征整体呈现北窄南宽的展布特征，东支水道向南延伸到zh49井，西支水道向南延伸到zh65井；两支水道向北延伸至qn6井一带呈现合并趋势，继续向北两支水道各自向前延伸，而东支水道在qn2井附近形成决口水道向东延伸。在这一基础沉积认识的指导下，采用图像数字处理技术，结合沉积微相与特征属性的数学映射关系，将此地层切片图像快速、有效地转换为沉积相平面分布图。

5.1 半自动化像素处理

图 5中整体的沉积特征清晰可见，但由于受断层、地震解释精度的影响，依然存在一些不符合整体沉积规律的现象(如a、b、c、d线位置)；为了使计算机自动解释结果尽可能符合上述沉积认识，必须对这些现象进行处理。首先选取需要做处理的图像区域，然后根据选取的种子点，对选定区域内的像素在RGB颜色空间对R、G、B三种颜色通道分别进行插值、滤波等，使处理结果符合沉积认识。图 6为图 5的像素计算机自动处理结果，处理效果显而易见，凸显出了感兴趣的重力流水道发育特征，抑制了不符合沉积规律图像对下步图像分割的影响。

5.2 图像分割及标定

进行图像分割之前，首先要根据单井沉积微相赋予图像特征一定的地质含义。因此，必须将特征属性与沉积微相之间的数学映射关系转换到像素特征与沉积微相的数学映射关系，也就是图像特征的沉积微相标定。然后选择合适的图像分割方法进行图像分割。目前，主要的分割方法有阈值分割、区域分割、边缘分割，还有一些特定的分割理论，如聚类分析、模糊集、基因编码等。本次研究选取比较常用的k均值聚类分析法，实施基本步骤为：1)将RGB颜色空间图像转换到Lab颜色空间； 2)根据图像特征给定k个初始类均值；3)将每个像素归入均值离它最近的类并计算新的类均值；4)迭代执行前面的步骤直到新旧类均值之差小于阈值；5)对分割边界线进行滤波、平滑，对目标区域进行沉积相符号填充。图 7为依据图 6的得到的分割、标定成果图，基本与先前的沉积认识相符合。

6 结论

1) 基于地层切片的小尺度沉积相定量解释方法主要包括单井相精细分析、特征属性提取、地层切片、图像分割等技术，实现了地震资料研究沉积微相从定性到定量、从大尺度到小尺度的发展，使沉积微相边界的确定更加精确，为相控储层预测奠定基础，为勘探、开发阶段的井位部署提供依据。

2) 歧南地区沙一中地层的应用实践表明，基于地层切片的沉积相解释结果可靠、符合地质规律，并且可以极大提高作图精度与作图效率。

3) 不可否认，应用效果主要受地层切片质量的制约，也就是说，若选择的地层切片本身就不能反映研究区沉积现象、沉积规律，则进行的沉积相研究存在很大问题。

4) 对于沉积环境复杂的地区，加之地震资料的强多解性，使得特征属性难以优选、沉积微相特征属性之间的关系比较复杂，图像数字处理方案较难确定，这也是该技术今后需要克服和完善的主要问题。