石油地球物理勘探  2019, Vol. 54 Issue (6): 1324-1328  DOI: 10.13810/j.cnki.issn.1000-7210.2019.06.016
0
文章快速检索     高级检索

引用本文 

姜晓宇, 宋涛, 杜文辉, 戴晓峰, 范兴燕. 利用广义S变换频谱分解不连续性检测技术预测断溶体油藏. 石油地球物理勘探, 2019, 54(6): 1324-1328. DOI: 10.13810/j.cnki.issn.1000-7210.2019.06.016.
JIANG Xiaoyu, SONG Tao, DU Wenhui, DAI Xiaofeng, FAN Xingyan. Fault-karst carbonate reservoir prediction with the spectral decomposition discontinuity detection based on generalized S transform. Oil Geophysical Prospecting, 2019, 54(6): 1324-1328. DOI: 10.13810/j.cnki.issn.1000-7210.2019.06.016.

作者简介

姜晓宇  博士研究生,1988年生;2011年获东北石油大学地球物理学学士学位,2014年获中国石油勘探开发研究院地球探测与信息技术专业硕士学位,2014~2017年就职于恒泰艾普集团股份有限公司;现在中国石油勘探开发研究院攻读地球探测与信息技术专业博士学位

姜晓宇  北京市海淀区学院路20号中国石油勘探开发研究院, 100083。Email:294449190@qq.com

文章历史

本文于2019年4月25日收到,最终修改稿于同年8月8日收到
利用广义S变换频谱分解不连续性检测技术预测断溶体油藏
姜晓宇 , 宋涛 , 杜文辉 , 戴晓峰 , 范兴燕     
中国石油勘探开发研究院, 北京 100083
摘要:为了描述以杂乱相地震反射为特征的断溶体油藏,在常规不连续性检测技术基础上,采用结合相干技术与广义S变换频谱分解的不连续性检测技术。首先进行广义S变换的频谱分解计算,并通过自适应主频优选技术,得到突出不同深度、不同尺度信息的振幅谱数据体,作为不连续性检测的输入,实现对原始地震记录的自适应多尺度不连续性分析,刻画了断溶体边缘由于垮塌作用而引起的小断裂。与常规不连续性属性技术相比,此方法能更好地检测地层细微变化,具有更高的抗噪性,对于刻画"串珠"状周围的杂乱相储层取得了很好的应用效果。
关键词S变换    相干技术    频谱分解    不连续性检测    断溶体    
Fault-karst carbonate reservoir prediction with the spectral decomposition discontinuity detection based on generalized S transform
JIANG Xiaoyu , SONG Tao , DU Wenhui , DAI Xiaofeng , FAN Xingyan     
Research Institute of Petroleum Exploration & Development, CNPC, Beijing 100083, China
Abstract: This paper focuses on an approach to the fault-karst carbonate reservoir characterization on seismic data with disordered facies.A discontinuity detection method combining coherence with the generalized S-transform spectrum decomposition is adopted on the basis of conventional discontinuity detection.After the calculation of spectral decomposition based on the generalized S transform, the adaptive dominant frequency optimization is used to obtain data volumes of amplitude spectrum with different depths and different scales, which can be used as inputs of discontinuity detections.Thus the adaptive multi-scale discontinuity analysis of the original seismic data is realized and subtle faults caused by edge collapses of fault-karst carbonate reservoirs are depicted.Compared with conventional discontinuity attributes, this approach can better detect subtle changes of formations and has a higher noise-resistance.Our study proves the validity of the proposed approach for the fault-karst reservoir characterization.
Keywords: S transform    coherence    spectrum decomposition    discontinuity detection    fault-karst    
0 引言

塔河外围斜坡区奥陶系油气藏以其独特的“断溶体圈闭”而成为较特殊的一类碳酸盐岩油气藏。断溶体圈闭即“断溶体系”是受断裂控制的缝洞体系[1-2],描述与精细刻画“断溶体”是寻找和研究“断溶体圈闭”的首要任务。塔河油田奥陶系油气藏的断裂主要为走滑断裂,断面直立、断距小,同相轴错断不明显,不易识别。因此,如何描述小断裂对于精细刻画岩溶缝洞储层边界尤为重要[3-6]

相干体技术常用于检测断层、岩性体边界的不连续性,该技术不受任何解释误差的影响,直接从三维地震数据体中获取断层和地层信息,极大地提高了解释精度[7-8]。但是,单纯采用相干算法不能反映地层的细微变化。

谱分解法作为一种重要的频率域属性分析方法,可得到高于常规地震分辨率的数据,从而更清晰地显示储层的横向不连续性,表征微断裂信息[9]。Stockwell等[10]提出的S变换结合了短时傅里叶变换和小波变换的优点,在信号分析中得到广泛关注。前人对S变换进行了深入研究并提出不同的算法改进方案[11-16]。为了解除S变换中固定的基本小波的限制,人们通过改变S变换中窗函数随频率变化的趋势,提出了相应的广义S变换。应用广义S变换对地震剖面频谱分解可实现分频显示并获取丰富的地震信息,对于识别薄储层和小断层等均具有良好的应用效果[17-19]

为了精细刻画小断层,本文结合相干技术与广义S变换频谱分解的不连续性检测技术。首先进行广义S变换的频谱分解计算,通过自适应主频优选技术得到突出不同深度、不同尺度信息的振幅谱数据体,作为不连续性检测的输入,实现原始地震记录的自适应多尺度不连续性分析。与常规不连续性属性技术相比,此方法能更好地检测地层细微变化,具有更高的抗噪性,成功地刻画了塔河油田岩溶缝洞型储层的杂乱地震相。

1 方法原理

地震资料具有时频特征,为了突出低频段地震数据的整体特征及高频段地震数据的局部特征,采用广义S变换开展频谱分解运算,通过自适应主频优选技术将原始地震资料分为若干个不同频段数据,然后应用不连续性检测技术识别不同尺度的不连续性,提高不连续性检测结果的分辨率和信噪比,实现原始地震记录的自适应多尺度不连续性分析。

本文分别由短时傅里叶变换和连续小波变换导出广义S变换,其具有以下特点:①广义S变换因其与傅里叶变换直接的联系而具有可逆性;②与短时傅里叶变换和小波变换一样,广义S变换是一种线性时频表示,因此不存在交叉项的干扰;③具有多分辨率特性,克服了短时傅里叶变换固定分辨率的不足;④广义S变换中含有相位因子,是小波变换不具备的特性[20]

本文首先采用广义S变换开展时频分析,通过自适应主频优选技术得到突出不同深度、不同尺度信息的振幅谱数据体,然后开展不连续性检测。

广义S变换的基本公式为

$ S(\tau , f, \sigma ) = \int_{ - \infty }^\infty X (\alpha + f)G(\alpha , f, \sigma ){{\rm{e}}^{2{\rm{j \mathsf{ π} }}\alpha \tau }}{\rm{d}}\alpha $ (1)

式中:S(τ, f, σ)为时频谱,其中τf分别为时频域的时间和频率变量,σ为Gauss因子,控制时频分析的时间分辨率和频率分辨率;X(f)为原始数据的傅里叶变换;G(α, f, σ)为频率域的Gauss窗函数,表示为

$ G(\alpha , f, \sigma ) = {{\rm{e}}^{ - 2{{\rm{ \mathsf{ π} }}^2}{a^2}\sigma /{f^2}}} $ (2)

经时频变换后,可以将三维地震数据体转变为一个四维振幅谱数据体,并计算主频随深度(时间)的变化规律,优选其中一个主频变化曲线,作为不同深度(时间)振幅谱数据体的主频标定曲线,从而得到一个主频优选的三维振幅谱数据体,用于突出在不同深度占主要尺度比例的地质体。

实现过程中,最重要的控制参数是Gauss因子与频带。Gauss因子主要控制S变换过程中的Gauss窗函数,其值越小,时频分解时间分辨率越高,频率分辨率越低。频带控制时频分析的频率范围,对于地震记录,选取0~100Hz较合理。

在地质构造运动等因素的影响下,地下地层通常具有一定倾角,因此地震同相轴包含了倾角信息。在不连续性检测计算过程中,倾角对检测结果影响很大,只有沿着有效倾角开时窗进行计算才能得到准确的不连续性检测结果。因此,在计算不连续性属性之前有必要估算倾角。

扫描倾角估算的基本原理是:在一定时窗范围内,对数据体上每一个样点计算不同倾角对应的相似性数值;每个样点处相似性数值最大时对应的倾角为该样点的精确倾角值,沿倾向地层连续,相似性最好。倾角估算可增强对不连续性体的认识,减少假象。

2 应用效果 2.1 研究区地质概况

塔河油田C区处于阿克库勒凸起的中西部,阿克库勒凸起位于新疆塔里木盆地沙雅隆起中段南翼,西邻哈拉哈塘凹陷,东靠草湖凹陷,南接满加尔坳陷,是经历了多期构造运动、变形叠加的古凸起。本区奥陶系碳酸盐岩普遍遭受两期风化、剥蚀,岩溶发育,形成大规模的岩溶储集体。受加里东晚期运动影响本区大部分缺失桑塔木组,随后志留系超覆于奥陶系之上,海西早期阿克库勒凸起形成,泥盆系—志留系—奥陶系剥蚀严重。

塔河地区上奥陶统覆盖区的碳酸盐岩地层经多期构造变形和岩溶作用后,沿大型溶蚀断裂带形成各种不规则的断溶体。为了突出断裂控藏,将受同一力学机制和具有相同性质的油源断层段控制的油藏作为同一个断溶体油藏。早期以“串珠”状地震反射的洞穴型油藏开发为主,扩大到以沿深断裂带溶蚀面分布的杂乱相地震反射为特征的裂缝—孔洞型油藏[21]

2.2 杂乱相识别

塔河油田C区杂乱相主要分布在“串珠”状外围,在古水系区域,与“串珠”状集合体共同形成具有很强的波组不连续特征的缝洞集合体(图 1)。研究区杂乱相主要集中在“串珠”状发育的边缘,呈环状和条带状展布。

图 1 过井缝洞集合体地震剖面

通过大量的属性提取分析工作,最终优选频谱分解不连续性属性刻画呈杂乱相的断溶体,并与常规不连续性属性计算结果对比。

2.2.1 单井及任意剖面对比分析

常规不连续性检测和频谱分解不连续性检测都能刻画杂乱相的位置。通过剖面特征对比,频谱分解不连续性检测能消除假杂乱相,具有更好的抗噪性。图 2为过TH10204井属性剖面。由图可见,在常规不连续属性剖面右侧出现杂乱相特征(图 2b),在地震剖面对应位置呈明显的单同相轴连续性间断,而非杂乱相(图 2a),在频谱分解不连续检测属性剖面上不存在杂乱相(图 2c)。频谱分解不连续性检测可完整地刻画杂乱相,能准确、有效地反映杂乱相反射特征(图 3c)。

图 2 过TH10204井属性剖面对比 (a)地震剖面;(b)常规不连续性属性;(c)频谱分解不连续性属性

图 3 过塔河C区东局部属性剖面对比 (a)地震剖面;(b)常规不连续性属性;(c)频谱分解不连续性属性
2.2.2 任意剖面对比分析

通过对比过井主测线地震剖面和常规不连续性属性、频谱分解不连续性属性(图 4),结合洞穴型储层外围溶蚀孔洞及裂缝的发育特征,可知“串珠”状外围存在反映溶蚀洞穴的较完整的杂乱相(图 4a),频谱分解不连续性检测属性能很好地识别杂乱相反射特征(图 4c)。

图 4 过主测线属性剖面对比 (a)地震剖面;(b)常规不连续性属性;(c)频谱分解不连续性属性椭圆位置为“串珠”状地震相,箭头位置地震同相轴畸变为“串珠”状周围的杂乱相
2.2.3 平面对比分析

平面上,杂乱相在“串珠”状周围呈环状分布。频谱分解不连续性去除了大断裂的影响,着重刻画了由于岩溶垮塌造成的缝洞体周围的小裂缝发育规律,反映了小尺度信息的细微变化(图 5b),较常规不连续性属性更清晰、准确地刻画了岩溶洞穴周围的杂乱相(图 5a)。

图 5 常规不连续性属性(a)与频谱分解不连续性属性(b)对比
3 结束语

与常规不连续性检测技术相比,本文采用的频谱分解不连续性检测技术能更好地刻画由于垮塌作用引起的岩溶缝洞储层边缘的小断裂。采用广义S变换的频谱分解计算,通过自适应主频优选技术,可以得到突出不同深度、不同尺度信息的振幅谱数据体,从而实现对原始地震记录的自适应多尺度不连续性分析,能更好地检测地层细微变化,具有更高的抗噪性。本文提出的方法已经成功应用于塔河油田岩溶缝洞型储层地震杂乱相的刻画,可在相似的储层背景地区推广使用。

参考文献
[1]
鲁新便, 胡文格, 汪彦, 等. 塔河地区碳酸盐岩断溶体油藏特征与开发实践[J]. 石油与天然气地质, 2015, 36(3): 347-355.
LU Xinbian, HU Wenge, WANG Yan, et al. Characteristics and development practice of fault karst carbonate reservoirs in Tahe area, Tarim basin[J]. Oil & Gas Geology, 2015, 36(3): 347-355.
[2]
李鹏飞, 崔德育, 田浩男. 塔里木盆地塔北地区x区块断溶体刻画方法与效果[J]. 石油地球物理勘探, 2017, 52(增刊1): 189-194.
LI Pengfei, CUI Deyu, TIAN Haonan. Fault-karst carbonate reservoir description with GeoEast interpretation sub-system in the Tabei area, Tarim Basin[J]. Oil Geophysical Prospecting, 2017, 52(S1): 189-194.
[3]
斯麦霍夫E M[苏]. 裂缝性油气储集层勘探的基本理论与方法[M]. 北京: 石油工业出版社, 1985.
[4]
韩杰, 江杰, 潘文庆, 等. 塔中西部奥陶系桑塔木组底界灰岩段的识别及沉积学意义[J]. 天然气地球科学, 2014, 25(4): 490-497.
HAN Jie, JIANG Jie, PAN Wenqing, et al. Identification of limestone formation below Sangtamu Group of Ordovician and its sedimentary meaning in Western Tazhong[J]. Natural Gas Geoscience, 2014, 25(4): 490-497.
[5]
尹继全, 衣英杰, 盛善波. 卡拉套走滑断层的识别标志及解释技术[J]. 地球物理学进展, 2015, 30(5): 2270-2275.
YIN Jiquan, YI Yingjie, SHENG Shanbo. Identification marks and interpretation techniques of the Karatau strike slip fault[J]. Progress in Geophysics, 2015, 30(5): 2270-2275.
[6]
杨平, 李海银, 胡蕾, 等. 提高裂缝预测精度的解释性处理技术及其应用[J]. 石油物探, 2015, 54(6): 681-689.
YANG Ping, LI Haiyin, HU Lei, et al. Interpretative processing techniques and their applications in improving fracture prediction accuracy[J]. Geophysical Prospecing for Petroleum, 2015, 54(6): 681-689. DOI:10.3969/j.issn.1000-1441.2015.06.006
[7]
Chopra S, Marfurt K J. Seismic Attributes for Prospect Identification and Reservoir Characterization[M]. SEG, 2007.
[8]
蔡涵鹏, 胡光岷, 贺振华, 等. 基于非线性变时窗相干算法的不连续性检测方法[J]. 石油地球物理勘探, 2016, 51(2): 371-375.
CAI Hanpeng, HU Guangmin, HE Zhenhua, et al. Subtle discontinuity detection with nonlinear variable-time window coherency algorithm[J]. Oil Geophysical Prospecting, 2016, 51(2): 371-375.
[9]
尹继尧, 刘明高, 赵建章, 等. 利用时频域地震信号相位残点特征检测地层连续性[J]. 石油地球物理勘探, 2014, 49(4): 745-750.
YIN Jiyao, LIU Minggao, ZHAO Jianzhang, et al. Stratigraphic continuity detection with seismic time-frequency phase residues[J]. Oil Geophysical Prospecting, 2014, 49(4): 745-750.
[10]
Stockwell R G, Mansinha L, LoweR P. Localization of the complex spectrum:the S transform[J]. IEEE Tran-sactions on Signal Processing, 1996, 44(4): 998-1001. DOI:10.1109/78.492555
[11]
李振春, 刁瑞, 韩文功, 等. 线性时频分析方法综述[J]. 勘探地球物理进展, 2010, 33(4): 239-246.
LI Zhenchun, DIAO Rui, HAN Wengong, et al. Review on linear time frequency analysis methods[J]. Progress in Exploration Geophysics, 2010, 33(3): 239-246.
[12]
Kazemi K, Amirian M, Dehghani M J. The S transform using an window to improve frequency and time resolutions[J]. Signal Image &Video Processing, 2014, 8(3): 533-541.
[13]
郑成龙, 王宝善. S变换在地震资料处理中的应用及展望[J]. 地球物理学进展, 2015, 30(4): 1580-1591.
ZHENG Chenglong, WANG Baoshan. Applications of S transform in seismic data processing[J]. Progress in Geophysics, 2015, 30(4): 1580-1591.
[14]
Pinnegar C R, Mansinha L. The S transform with window arbitrary and varying shape[J]. Geophysics, 2003, 68(10): 381-385.
[15]
Matos M C.Characterization of thin beds through joint time frequency analysis applied to a turbidite reservoir in Campos Basin, Brazil[C].SEG Technical Program Expanded Abstracts, 2005, 24: 1429-1434.
[16]
Mo H R, Yari M, Riahi M A, et al. Channel detection using instantaneous spectral attributes in one of the SW Iran oilfields[J]. Bollettino di Geofisica Teoricaed Applicata, 2013, 54(3): 271-282.
[17]
朱秋影, 魏国齐, 杨威, 等. 利用时频分析技术预测依拉克构造有利砂体分布[J]. 石油地球物理勘探, 2017, 52(3): 538-547.
ZHU Qiuying, WEI Guoqi, YANG Wei, et al. Favorable sanbody prediction based on the time frequency analysis in Iraqi Structure[J]. Oil Geophysical Prospecting, 2017, 52(3): 538-547.
[18]
陈波, 魏小东, 任敦占, 等. 基于谱分解技术的小断层识别[J]. 石油地球物理勘探, 2010, 45(6): 890-894.
CHEN Bo, WEI Xiaodong, REN Dunzhan, et al. Small fault identification based on spectrum decomposition technique[J]. Oil Geophysical Prospecting, 2010, 45(6): 890-894.
[19]
范明霏, 吴胜和, 曲晶晶, 等. 基于广义S变换模极大值的薄储层刻画新方法[J]. 石油地球物理勘探, 2017, 52(4): 805-814.
FAN Mingfei, WU Shenghe, QU Jingjing, et al. A new interpretation method for thin beds with the maximum modulus based on the generalized S transform[J]. Oil Geophysical Prospecting, 2017, 52(4): 805-814.
[20]
Stockwell R G. A basis for efficient representation of the S-transform[J]. Digital Signal Processing, 2007, 17(1): 371-393. DOI:10.1016/j.dsp.2006.04.006
[21]
常少英, 庄锡进, 邓兴梁, 等. 断溶体油藏高效井预测方法与应用效果--以HLHT油田奥陶系潜山区为例[J]. 石油地球物理勘探, 2017, 52(增刊1): 199-206.
CHANG Shaoying, ZHUANG Xijin, DENG Xing-liang, et al. Fault-karst carbonate reservoir prediction:a case study in Ordovician buried hills, HLHT Oilfield[J]. Oil Geophysical Prospecting, 2017, 52(S1): 199-206.