0 问题的提出

储层反演是储层定量化分析和评价的关键技术手段^[1]，其中地震和声波时差资料是必备的基础数据。声波时差资料常用于识别储层岩性和物性^[2]，同时也是连接测井(深度域)与地震资料(时间域)的关键桥梁。一般情况下储层的声波时差特征明显(与围岩速度差异明显)，有助于获得高分辨率的反演剖面，为最终地质解释提供可靠的依据。

延长气田F区块二叠系岩性主要为砂、泥岩，储层以三角洲前缘沉积相为主。由于受沉积作用、压实作用、成岩改造等多种复杂地质因素影响，储层表现为低孔、低渗、非常致密的特征^[3-5]，其声波时差、密度与围岩差异较小，地球物理特征不明显，严重影响地震储层预测的可靠性和精度(图 1)。如果直接使用声波时差曲线进行反演，反演成果将缺乏可靠的地质解释依据，严重影响储层预测精度。若能减小或者部分消除压实作用对声波时差(声波速度)的影响，将使储层(砂岩)与围岩(泥岩)的声波时差(速度)差异变大，有利于后续的地震反演处理和分析。通常的声波脱压实校正方法根据现今观测到的岩层的孔隙度—深度或密度—深度数据，利用统计方法建立岩层的孔隙度—深度函数，再根据地层骨架体积不变(或地层骨架密度不变)原理进行脱压实校正，恢复岩层的压实埋藏过程^[6-8]。这种方法理论较为严谨，应用非常广泛，但操作过程复杂，影响因素多，而且往往无法获得准确的初始孔隙度值、精确的孔隙度—深度函数等。基于F区储层地震反演的实际情况，认为以传统地质过程分析为主的声波脱压实校正方法较为复杂，同时受限于该区现有的资料现状，实际可操作性较差。

声波分频重构是解决上述问题的一种方案，其做法是将对岩性敏感的测井曲线(如自然伽马)高频成分与声波原有低频组分融合重构，再利用重构声波曲线进行储层地震反演^[9-10]，但该方案缺乏有力的地球物理理论支撑。为此，针对F区致密储层预测，本文提出了声波时差长趋势脱压实校正方法。选用标准井对该区声波低频分量统一校正，然后将其与原有的高频分量融合形成新的声波时差曲线，并参与后续的储层多属性神经网络反演，获得了较好的应用效果^[11-13]。

1 声波时差长趋势脱压实校正

当声波在地层中由浅入深传播时，传播速度受地层岩性、孔隙度、含流体性质及压实性等诸多因素的影响。在使用声波时差曲线时，除了直接利用其幅值变化特征外，还可将其转换到频率域并分析地层特征。通常声波时差低频组分曲线幅值变化较平缓，且随地层埋深增加而逐步增大，反映了地层的整体结构变化特征。中、高频组分曲线幅值变化相对剧烈，与地层中存在岩性突变、物性变化、含流体等地层因素有关^[14-16]。

F区目标层沉积环境为三角洲前缘，地层厚度变化相对稳定，同时山西组内发育了多套厚层泥岩，目标层整体较为致密。结合该区声波时差变化特征，认为压实作用对本区声波时差低频组分影响较大，适当校正声波时差超低频组分信息可以突显目标层中由于岩性、物性、流体等变化因素引起的高频组分特征，增大储层与围岩的速度差异，进而达到声波脱压实校正的目的。

为提高F区声波时差对砂岩储层的辨识精度，文中提出了基于时频分析的声波时差长趋势脱压实校正方法。首先对声波时差曲线进行时频分析。如今常用广义S变换、小波变换、匹配追踪等方法进行时频分析，并基于处理结果预测储层^[14-16]。声波时差信号具有时间刻度单位(μs/m)，满足时序序列分析数据要求。与地震数据不同，声波时差曲线的时频分析无需过于复杂的变换手段。这里选用短时傅里叶变换方法，其表达式为

$ {\mathop{\rm STFT}\nolimits} (t, f) = \int_{ - \infty }^\infty {{{\rm{e}}^{ - {\rm{i}}\omega t}}} f(\tau )g(t - \tau ){\rm{d}}t $

(1)

式中：f(t)为输入信号，t为时间；g(t-τ)为对称的时间窗函数，τ为时移；ω为角频率。

图 2为Y140井声波速度低频分量、高频分量分离曲线。由图可见，低频分量变化平缓，高频分量呈频繁抖动、尖刺特征，这些变化特征反映了地层结构。图 3为Y140井声波速度低频分量特征。由图可见，0~10Hz频段曲线明显反映了中、下部高速岩性段引起的速度变化，0~20Hz、0~30Hz频段曲线对速度变化的响应更明显。经过对0~10Hz频段的低频分量进行扫描，发现0~3Hz的低频分量对中、下部高速岩性段引起的速度变化存在较弱响应，因此将0~2Hz的低频速度作为声波时差长趋势低频分量。在上述声波时差曲线时频分析基础上，通过信号的频谱扫描，参考已有研究成果^[17-18]，最终将2Hz以下频率成分的信号定义为低频声波时差长趋势分量。

选择目标层段对岩性特征区分相对清晰的声波时差曲线作为标准井曲线，然后对所有井的声波时差曲线进行时频分析，分离低频长趋势分量和高频分量。以标准井声波时差低频长趋势分量为参考，对F区内其他井的声波时差长趋势低频分量进行标准化处理，使各井的声波时差长趋势低频分量变化趋势一致。标准化处理利用简单、实用的频率分布直方图法，确定标准井低频分量分布概率峰值，利用概率峰值速度差值完成其他井的低频分量校正(图 4)。将校正后的低频分量与原始中、高频分量在频率域叠加，再通过傅里叶逆变换

$ \tilde f(t) = \frac{1}{{2\pi }}\int_{ - \infty }^\infty {{{\rm{e}}^{{\rm{i}}\omega t}}} F(\omega ){\rm{d}}\omega $

(2)

及时深转换完成分频重构，获得新的声波时差曲线，完成脱压实校正(图 5)。式中：F(ω)为频谱；$\tilde f\left( t \right)$为输出信号。

2 实际数据应用

图 6为Y454井目标层段声波时差长趋势脱压实校正效果。由图可见，声波时差长趋势脱压实校正后声波时差曲线不仅很好地保留了原始声波时差曲线的高频变化细节，而且较好地突出了储层与非储层的差异，明显改善了对砂岩储层与围岩的辨识效果(图 6c)。为了进一步验证文中方法的合理性，结合地震标定对比声波时差长趋势脱压实校正前、后的合成记录(图 7)。可见，Y454井目标层段声波时差曲线经长趋势脱压实校正后，合成记录标定更合理，但目标层段的整体地震分辨率还偏低。

F区目标层单砂体厚度较小，地震资料主频约为35Hz，采用常规基于模型的地震反演方法识别储层效果有限。为了更好地应用声波时差长趋势脱压实校正资料，在该区开展储层多属性神经网络地震反演，综合利用井震属性数据获得高分辨声波速度反演数据体以解释和预测储层。

储层多属性神经网络地震反演融合地震属性和测井属性预测储层^{[1, 19-20]}。基本原理是借助已知井点的硬数据分析井曲线和地震数据，应用非线性逐步回归、人工神经网络技术分析和训练提取的已知井点的地震属性、测井特征，找出地震属性和测井特征之间的关系，然后利用神经网络将这种高相关性的映射关系用于整个地震数据，完成神经网络测井特征反演。

在F区对目标层段由声波时差长趋势脱压实校正后的声波速度作为特征曲线参与反演，优选多种地震属性(地震瞬时频率、振幅包络、振幅导数、瞬时相位余弦等)作为神经网络的输入。通过样本训练、测试确定神经网络的拓扑结构和网络参数，然后对所有地震数据反演声波速度。

图 8为07YC-EW242测线二维声波速度反演结果。由图可见：振幅剖面的目标层段视分辨率较低，主频约为35Hz(图 8a)；声波时差长趋势脱压实校正后反演速度剖面(图 8b)的地层分辨率明显高于声波时差长趋势脱压实校正前反演速度剖面(图 8c)，储层纵、横向分布特征清晰(箭头所指处)。影响神经网络反演效果的因素较多，对比声波时差长趋势脱压实校正前、后反演结果可知，后者更合理，与井数据特征更匹配。

利用反演成果解释和预测目标储层的横向展布特征。根据前述地球物理特征分析确定储层的声波时差特征和速度分布范围，取储层速度门槛值为4000m/s(大于该值的认为是储层样点)，然后在反演速度剖面上提取目标层满足条件的样点，经统计转换为分析时窗内的储层厚度。最终获得F区二叠系盒8段(H₇与H₈之间地层)储层厚度图(图 9)。可见：盒8段主要为三角洲前缘沉积亚相，主要沉积微相为水下分流河道、分流间湾及河口砂坝等。平面上整体呈南北向条带或片状分布。较厚储层主要分布在北部、中部Y140井以西条带及东南侧，储层厚度一般大于15m，局部可达20m。经钻井资料证实，预测的储层厚度与钻井资料和沉积相带平面分布规律吻合良好。

3 结论

(1) 压实作用导致延长气田F区块二叠系石盒子组和山西组储层较致密，致使储层与围岩声波时差特征接近，不利于地震反演和储层预测。减小或者消除压实作用对声波时差的影响，可改善对储层与围岩的辨识效果，从而获得较好的地震反演结果。

(2) 结合地震反演需求，采用时频分析方法对原始声波时差曲线分频处理，以标准井的低频组分为标准，对F区所有井进行声波低频长趋势校正；然后与原有高频组分分频融合形成新的声波时差数据，完成声波时差长趋势脱压实校正，使储层与围岩的声波时差值重叠区域减小，提高了对储层的辨识精度。

(3) 基于声波时差长趋势脱压实校正实施神经网络地震速度反演，获得了较高分辨率的声波速度反演剖面，精细预测了储层厚度。