地球物理学报  2017, Vol. 60 Issue (1): 283-292   PDF    
三维地震与地面微地震联合校正方法
刁瑞1,2 , 吴国忱1 , 尚新民2 , 芮拥军2 , 宗兆云1 , 崔庆辉2     
1. 中国石油大学(华东)地球科学与技术学院, 青岛 266555;
2. 中国石化胜利油田分公司物探研究院, 山东东营 257022
摘要: 由于地面微地震监测台站布设在地表,会受到地表起伏、低降速带厚度和速度变化的影响,降低了微地震事件的识别准确度和定位精度,限制了地面微地震监测技术在复杂地表地区的应用.因此,将三维地震勘探技术的思路引入到地面微地震监测中,提出了三维地震与地面微地震联合校正方法,将油气勘探和开发技术更加紧密地结合在一起.根据三维地震数据和低降速带测量数据,通过约束层析反演方法建立精确的近地表速度模型,将地面微地震台站从起伏地表校正到高速层中的平滑基准面上,有效消除复杂近地表的影响.其次,根据射孔数据和声波测井速度信息,通过非线性反演方法建立最优速度模型,由于已经消除复杂近地表的影响,在进行速度模型优化时不需要考虑近地表的影响,因而建立的速度模型更加准确.最后,在精确速度模型的基础上,通过互相关方法求取剩余静校正量,进一步消除了复杂近地表和速度模型近似误差的影响.三维地震与地面微地震联合校正方法采用逐步校正的思路,能够有效消除复杂近地表的影响,提高微地震数据的品质和速度模型的精确度,保证了微地震事件的定位精度,具有良好的应用前景.
关键词: 近地表      层析反演      射孔数据      速度模型      剩余静校正     
Joint correction method based on 3D seismic and surface microseismic data
DIAO Rui1,2, WU Guo-Chen1, SHANG Xin-Min2, RUI Yong-Jun2, ZONG Zhao-Yun1, CUI Qing-Hui2     
1. Geoscience School, China University of Petroleum(East China), Qingdao 266555, China;
2. Geophysical Research Institute of Shengli Oilfield Branch, SINOPEC, Shandong Dongying 257022, China
Abstract: Microseismic monitoring has been proven to be a key technology to optimize hydraulic fracture stimulation of unconventional reservoirs. The use of surface station arrays for microseismic monitoring is a relatively new development with applications in some fields including hydraulic fracture delineation, reservoir stress mapping and seismic hazard analysis. Seismic waves are usually influenced by the complex near surface when microseismic signal propagates from the source to array stations on the surface. Microseismic data quality can decrease with static correction problems of complex near surface, which further lowers recognition and location accuracy of microseismic events. Thus the scope of surface microseismic is limited by complex near surface. For 3D seismic data acquired previously in monitoring areas, tomographic inversion methods are introduced to tackle static correction problems of complex near surface. A joint correction method is proposed in surface microseismic monitoring, which is based on 3D seismic and microseismic perforation data. This method includes three steps such as tomographic inversion static correction, velocity model correction and residual static correction. The first step is tomographic inversion static correction by 3D seismic data in the monitoring area. The velocity model of complex near surface can be obtained by the constrained tomographic inversion method with 3D seismic data. The static correction values of microseismic stations can be calculated by the near surface velocity model, and can be used to correct stations to a datum level in the high-velocity layer. The second step is velocity model correction by microseismic perforation data and logging data. Through the nonlinear inversion method to establish the optimal velocity model, the velocity model doesn't need to consider the effects of near surface, which is the most accurate velocity model. The third step is residual static correction by microseismic perforation data. The residual static correction values of stations can be obtained by the cross-correlation method. By research and practice, the joint correction method is proposed for enhancing surface microseismic monitoring, which is based on 3D seismic data and microseismic perforation data. The joint correction method is used in microseismic data processing, which is an effective way for static correction and velocity model correction problems. Static correction and velocity correction problems have been resolved by the joint correction method effectively. The joint correction method can greatly improve the quality of microseismic data, and effectively resolve static correction and velocity correction problems, which are useful for recognition and enhancing location accuracy of microseismic events..
Key words: Near surface      Tomographic inversion      Perforation data      Velocity model      Residual static correction     
1 引言

全球页岩油气资源丰富,具备长期稳定产能的潜力,已成为全球油气勘探开发的热点领域(贾承造等,2012).由于非常规油气储层具有低孔隙度、低渗透率的特征,决定了其较大的开发难度,储层压裂改造成为提高油气采收率的主要手段,特别是针对页岩油气等非常规资源,储层压裂改造具有十分重要的作用(颜志丰等,2013张晓林等,2013刁瑞等,2015a).微地震监测技术是一项相对较新的地球物理技术,通过观察、分析生产活动中产生的微小地震,从而监测生产活动的影响、效果及地下状态的变化情况.微地震监测技术在国外的应用已经比较普遍,进行了大量的试验研究和生产应用(Duncan and Eisner,2010Maxwell et al.,2010).国内在微地震监测领域的研究虽然起步较晚,但在方法研究和技术应用方面已取得了明显进展(刘劲松等,2013梁北援等,2015).在速度模型优化和事件定位方面,基于射孔数据或强能量事件,通过共轭梯度法、模拟退火法或遗传算法等各类反演方法,进行速度模型校正,利用最优均匀速度、等效速度或层状速度模型进行震源点定位(尹陈等,2013刁瑞等,2015b谭玉阳等,2015).在剩余静校正方面,根据射孔事件初至走时,计算不同台站的静校正量,从而消除近地表速度差异或速度模型不准确的影响(Leidenfrost et al.,1999姜宇东等,2013).微地震监测技术在油气开发、煤矿监测、矿山压力监测、地质灾害监测等多个领域取得了良好的应用效果(Chundurn et al.,1997Luo and Hatherly,1998姜福兴等,2006).

在地面微地震监测技术的应用中,观测系统、复杂近地表、初至拾取准确度、速度模型精度和定位方法等,均会影响微地震事件的定位精度(Zimmer et al.,2009Maxwell et al.,2013).当微地震震源从压裂段向上传播时,复杂近地表会对地震波产生明显的影响,造成微地震事件同向轴的抖动,特别是在地表起伏剧烈、近地表岩性差异明显、低降速带厚度变化大的情况,一方面会严重影响微地震事件的准确识别,另一方面会影响速度模型校正准确度和微地震事件定位精度.仅利用微地震数据无法得到复杂近地表的速度模型,只能将近地表看作为一个均匀常速介质或忽略近地表的影响,这就造成了严重的静校正问题,影响速度模型的优化校正,最终降低了微地震事件的定位精度,限制了地面微地震监测技术在复杂近地表地区的应用.只有消除复杂近地表的影响,才能有效提高地面微地震数据的品质,实现微地震事件的准确拾取,提高速度模型的准确度,从而保证微地震震源点的定位精度.因此,将三维地震数据和低降速带测量数据引入到微地震监测应用中,提出了三维地震与地面微地震联合校正方法.该方法充分利用三维地震数据和低降速带测量数据,可建立精确的近地表速度模型,有效消除复杂近地表的影响,弥补了地面微地震数据无法建立近地表速度模型的缺陷.三维地震与地面微地震联合校正方法,通过逐步校正的思路不断提高微地震数据的品质和速度模型的精确度,从而保证了微地震事件的定位精度,突破了复杂近地表对地面微地震监测技术的限制,具有良好的应用前景.

2 方法原理

三维地震与地面微地震联合校正方法主要包括三个步骤,分别是:(1)三维地震约束层析反演静校正:根据三维地震数据和低降速带测量数据,通过约束层析反演方法建立精确的近地表速度模型,将地面微地震台站从起伏地表校正到高速层中的平滑基准面上,有效消除复杂近地表速度变化剧烈的影响;(2)精确速度模型优化校正:根据射孔数据和声波测井速度信息,通过反演方法建立最优速度模型,由于复杂近地表的影响已经基本消除,在进行速度模型优化时不需要考虑近地表,因而建立的速度模型更加准确;(3)微地震数据剩余静校正:在精确的速度模型基础上,通过互相关方法求取剩余静校正量,进一步消除复杂近地表和速度模型近似误差的影响.该方法通过逐步校正的方式实现了三维地震与地面微地震的联合校正,有效消除了复杂近地表的影响,扩展了地面微地震监测技术的适用范围.

2.1 三维地震约束层析反演静校正方法

在实际地震勘探中,由于缺少足够的近道数据,以及道间距较大等问题,常规大炮初至层析反演会丢失浅层的精细速度信息,反演速度模型与实际低降速带测量速度值有较大差异(Kanlı,2009袁刚等,2013).因此,利用小折射和微测井等低降速带测量数据得到准确的低降速带速度信息,将其作为约束条件,然后联合大炮初至信息进行三维地震约束层析反演,该方法弥补了常规大炮初至层析反演方法的不足.

三维地震约束层析反演方法以低降速带测量速度信息为约束条件,联合大炮初至信息进行约束层析反演,与走时残差组成目标函数,并求解拉格朗日约束目标函数的最小二乘解,最终得到一个全局约束下的近地表速度模型,该方法有效保证了近地表速度模型的精度.常规大炮初至层析反演中,M条射线和N个未知数建立的层析反演方程组可表示为:

(1)

A·ΔST.其中:A是Jacobi矩阵;ΔS是慢度修正量;ΔT是走时残差.在约束层析反演过程中,增加了低降速带测量速度信息作为约束条件,L个低降速带测量速度信息建立的约束方程组可表示为:

(2)

C·ΔS=F.其中:C是已知L个约束条件的Jacobi矩阵.联立方程组可以表示为:

(3)

其中:,是(M+LN维矩阵,H=λ为约束系数.公式(3)的拉格朗日最优约束的目标函数可表示为:

(4)

当目标函数最小时,即ΔζS)=0,可获得方程的最优解.从目标函数中可以看出,λ值越大则约束条件权重越大,即约束条件越强.

通过三维地震约束层析反演方法,建立精确的近地表速度模型以后,将地面微地震台站(三角图形)从起伏地表(起伏虚线)校正到高速层中的平滑基准面(平滑实线)上,如图 1所示.将速度模型剖分为M×N个网格,每个剖分网格的速度值为Vij(i=1,2,…,Nj=1,2,…,M),假设共有P个地面微地震台站,则每个微地震台站的校正深度差为hk(k=1,2,…,P),k为地面微地震台站号,地面微地震的原始射孔数据为Field0Tk(k=1,2,…,P),各个微地震台站的校正量为:

(5)

图 1 地面微地震台站静校正示意图 Fig. 1 Sketch of static correction for surface microseismic stations

根据微地震台站的观测系统坐标和高程,可以确定相应剖分网格中的速度值Vij.三维地震约束层析反演静校正处理后的微地震射孔数据为Field1Tk(k=1,2,…,P),其计算表达式为:

(6)

地面微地震台站校正到高速层中的基准面上,一方面有效消除复杂近地表对微地震事件的影响,提高了数据品质;另一方面,在后续的精确速度模型校正过程中,不需要考虑近地表,解决了地面微地震数据无法克服复杂近地表的问题.三维地震约束层析反演静校正处理方法有效解决了复杂近地表的问题,在低降速带厚度和速度变化剧烈地区效果更加明显.

2.2 精确速度模型校正方法

利用声波测井信息建立的速度模型相对准确,但仍存在一定的近似误差,需要利用射孔事件或强能量事件等微地震数据,采用模拟退火算法、遗传算法或差分进化算法等(Pei et al.,2009Bardainne and Gaucher,2010盛冠群等,2014),反演最优速度模型,有效提高微地震事件的定位精度.井中微地震监测数据不受近地表的影响,但在地面进行微地震监测时,如果无法克服复杂近地表的影响,就会严重制约微地震事件的定位精度.三维地震约束层析反演静校正方法将地面微地震台站校正到高速层中的基准面上,突破了复杂近地表对地面微地震监测技术的限制,只需要建立高速层中基准面以下的速度模型,为精确速度模型校正奠定了基础.

在三维地震约束层析反演静校正处理后,所有微地震台站都校正到了高速层中基准面上,只需要利用声波测井信息建立基准面以下的初始速度模型Voriginal即可.通过射线追踪正演模拟方法,求取射孔事件的理论初至走时ModelTk(k=1,2,…,P),并计算相邻台站的理论初至走时差dModelTk,理论初至走时差的数学表达式为:

(7)

实际射孔事件的初至走时差为dField1Tk,其数学表达式为:

(8)

Field1Tk为三维地震约束层析反演静校正处理后的微地震射孔数据走时,实际初至走时差与理论初至走时差之间的均方根差值即为初始校正量δt0,即

(9)

利用模拟退火、遗传算法或差分进化等最优化反演方法,对速度模型进行不断迭代,并对理论初至走时差进行更新,尽可能减小校正量δti,i为迭代次数.当δti满足迭代终止条件时,即理论走时差与实际走时差基本一致,得到的速度模型即为最优速度模型Vfinal.

2.3 微地震数据剩余静校正方法

经过三维地震约束层析反演静校正和精确速度模型校正处理后,可以获得高品质的微地震数据和精确的速度模型,但微地震数据中仍然存在复杂近地表的误差影响,建立的最优速度模型也存在一定的近似误差,即微地震数据中仍存在剩余静校正问题,因此有必要进行微地震数据剩余静校正处理.该方法的思路为:首先,根据已知射孔点位置对微地震射孔事件进行动校正处理,消除不同传播路径的走时时差,处理后的射孔事件几乎为水平同相轴;然后,利用互相关方法求取各个台站的剩余静校正量,进一步消除复杂近地表和速度模型近似误差的影响.人工压裂产生的震源点在射孔点几百米范围内,射孔数据计算的最终剩余静校正量适用于压裂段范围内的微地震事件.

在速度模型校正过程中,已经计算得到实际射孔事件的初至走时差dField1Tk(k=1,2,…,P),即正常时差,以其中一个台站为基准,消除其他台站的正常时差,完成对微地震射孔事件的动校正处理,动校正后微地震射孔事件的表达式为:

(10)

动校正处理后,射孔事件几乎为水平同相轴,存在的局部抖动问题即是剩余静校正问题.利用互相关方法,计算所有台站地震道之间的互相关值,将互相关值消除后叠加,可求得微地震剩余静校正标准道S(t).以微地震剩余静校正标准道为基准,计算各个台站地震道的剩余静校正量SCk(k=1,2,…,P),剩余静校正量表达式为:

(11)

其中:[Cork]n为第k个台站数据与微地震剩余静校正标准道S(t)的互相关序列;Max[Cork]n为互相关序列最大值所对应的离散序号;It为离散微地震数据的采样间隔,单位是ms.

图 2a为正演模拟微地震数据,假设真实理论速度模型未知,建立近似速度模型对正演模拟数据进行校正处理,不同监测台站之间的时差包含两部分,分别是:(1)地震波传播距离不同造成的正常时差;(2)复杂近地表和近似速度模型误差造成的剩余静校正时差.图 2b为动校正后的微地震数据,即根据已知射孔点准确坐标和近似速度模型对微地震数据进行动校正处理,消除了传播距离不同造成的正常时差,同相轴基本为水平直线,台站之间的抖动误差即为剩余静校正时差.设定互相关时窗范围和最大时移量,利用互相关叠加方法,计算得到微地震数据的剩余静校正标准道.以剩余静校正标准道为基准,进行互相关处理,计算由于复杂近地表和近似速度模型误差造成的最终剩余静校正时差.图 2c为剩余静校正后的微地震数据,对比图 2b图 2c,剩余静校正处理后,各道之间的同相轴抖动与扭曲现象得到较好的消除,复杂近地表和近似速度模型误差造成的剩余静校正问题得到了较好的解决.

图 2 微地震数据剩余静校正效果对比 (a)初始微地震数据;(b)动校正后微地震数据;(c)剩余静校正后微地震数据. Fig. 2 Comparison of residual static correction for microseismic data (a)Original microseismic data;(b)Microseismic data after NMO correction; (c)Microseismic data after residual static correction.
3 模型正演及试算分析

数值模拟是地震勘探和地震学的重要基础(吴国忱和王华忠,2005王润秋等,2010),利用三维正演数据对三维地震与地面微地震联合校正方法进行验证.结合实际近地表和中深层的地质构造特征,建立了起伏地表速度模型,如图 3a所示,近地表结构包括低速层(700 m·s-1)和降速带(900 m·s-1),通过起伏地表波动方程正演模拟方法,速度模型为2980×1000,网格大小为1 m×2 m,震源子波主频为30 Hz,正演模拟数据采样间隔为1 ms,可以模拟得到单炮记录和微地震数据.在进行地震波场和微地震波场数值模拟中,为了保证数值模拟有效收敛,即选用的空间采样率和时间采样率必须同时达到收敛条件,在提高运算效率的同时保证正演模拟效果,在此采用声波交错网格时变正演模拟算法,既满足了算法的稳定性,又提高了运算效率.进行三维地震约束层析反演静校正处理,将位于起伏地表的微地震台站校正到高速层中的基准面上,在后续速度模型优化和微地震事件定位过程中,不需要考虑复杂近地表的影响,只需要考虑高速层中的基准面以下的速度模型即可.根据正演模拟单炮数据的大炮初至信息,通过三维地震约束层析反演方法建立精确的近地表速度模型,如图 3b所示,可将地面微地震台站从起伏地表校正到高速层中的平滑基准面上.消除复杂近地表速度模型的影响后,进行精确速度模型优化校正,根据射孔数据和声波测井速度信息,通过非线性反演方法建立最优速度模型,最优速度模型与真实速度模型基本一致,如图 3c所示.

图 3 速度模型对比 (a)速度模型;(b)约束层析反演近地表速度模型;(c)优化速度模型. Fig. 3 Comparison of velocity models (a)Velocity model;(b)Near-surface velocity model with constraint of tomographic inversion;(c)Optimized velocity model.

图 4a是起伏地表波动方程正演模拟射孔数据,随传播距离的增加,地震波能量不断衰减.射孔点坐标为(1000 m,-1570 m),由于起伏地表、低降速带速度和厚度等的影响,射孔数据的同相轴连续性整体较差;图 4b是高程静校正后的射孔数据,通过高程静校正处理可以消除部分近地表的影响,但是由于无法建立准确的低降速带速度模型,因此部分微地震台站的静校正问题无法解决,如第30道左右的台站所示;图 4c是三维地震约束层析反演静校正后的射孔数据,地面微地震台站从起伏地表校正到了高速层中的平滑基准面上,有效消除了复杂近地表的影响,同相轴的双曲特征更加明显;图 4d是剩余静校正后的射孔数据,在精确速度模型基础上,通过互相关方法求取剩余静校正量,进一步消除复杂近地表和近似速度模型残留误差的影响.通过三维地震与地面微地震联合校正处理后,复杂近地表的影响得到了有效的消除,建立的定位速度模型更加准确,微地震数据的品质大幅提升,有利于微地震事件的准确拾取和精确定位工作.

图 4 静校正效果对比 (a)初始微地震数据;(b)高程静校正后;(c)层析静校正后;(d)剩余静校正后. Fig. 4 Comparison of static correction results (a)Original microseismic data;(b)After elevation static correction;(c)After tomographic static correction;(d)After residual static correction.
4 实际资料应用试验及分析

将三维地震与地面微地震联合校正方法应用到胜利油田Y井区的地面微地震监测数据处理中,验证该方法的有效性和实用性.该井区的Y-3HF井和Y-8HF井是砂砾岩油藏,位于东营凹陷北部陡坡带东翼,主力含油层系为沙四段砂砾岩体,是常温、常压、低孔隙度、特低渗油藏.对砂砾岩体致密油藏进行储层压裂改造,Y-3HF井和Y-8HF井共有25段压裂,在地面开展阵列式微地震监测,共布设约1000个单分量监测台站.该地区是成熟开发区块,三维地震勘探与开发数据非常丰富,在收集三维地震数据和微地震射孔数据后,首先进行三维地震约束层析反演静校正处理,消除复杂近地表的不利影响;其次,根据声波测井数据建立一个初始速度模型,并利用微地震射孔数据对速度模型进行优化校正,获得准确的最优速度模型;最后进行剩余静校正处理,进一步消除复杂近地表和速度模型误差的影响.

图 5a是该地区的三维地震勘探单炮数据,图 5b是低测数据解释成果,通过三维地震约束层析反演方法可得到近地表速度模型,从而实现地面微地震数据的静校正处理,将起伏地表的微地震台站校正到高速层中的基准面上,消除复杂近地表的影响.

图 5 单炮数据(a)及低测数据解释成果(b) Fig. 5 Single-shot data;(b)Near-surface data interpretation

针对地面阵列式微地震数据信噪比相对较低和监测台站数量多的特点,采用扫描叠加能量聚焦定位方法进行震源定位,避免了初至时间的拾取,通过能量谱聚焦与否实现了微地震事件的精确定位.扫描叠加能量聚焦定位方法的主要思路为:以压裂段为中心,建立网格剖分模型,并利用射线追踪方法计算所有剖分网格的走时,根据计算得到的走时对微地震数据进行正常时差校正,并计算叠加能量,所有剖分网格中叠加能量最大的网格点即为震源位置.为了消除噪声干扰的影响,对所有微地震事件的定位能量谱进行监控,若能量谱聚焦较好,则为微地震事件;若能量谱聚焦较差或能量谱发散,则是噪声干扰.以Y-3HF井第2段压裂为例进行分析,图 6a是联合校正前的微地震事件定位结果,由于复杂近地表的不利影响,如:微地震数据信噪比低、微地震事件拾取难和速度模型优化不准确等,只能识别能量较强的少量微地震事件;图 6b是联合校正后的微地震事件定位结果,复杂近地表的影响得以消除,建立的速度模型更加准确,弱能量微地震事件更容易识别,能够有效定位的微地震事件数量明显增加.通过三维地震与地面微地震联合校正处理前、后的定位结果对比,有效验证了该方法的有效性和实用性.

图 6 Y-3HF井微地震事件定位结果对比 (a)联合校正前;(b)联合校正后. Fig. 6 Comparison of microseismic event locations for well Y-3HF (a)Before joint correction;(b)After joint correction.

将微地震事件定位结果与三维地震剖面进行叠合显示,如图 7a所示,Y-3HF井的第9~11段位于砂砾岩体的扇体根部,由于岩石分选差、杂基含量高,经历了强压实作用且后期泥质杂基重结晶,难以有效压裂,储层压裂改造效果相对较差;第2~8段位于砂砾岩体的扇体前端,为扇中或扇缘,粒度相对细,前期抗压实能力强,后期经多期溶蚀作用改造,相对较易压裂,储层压裂改造效果较好.将微地震事件定位结果与地震数据预测地应力进行联合解释,并与Y井多极子声波测井预测地应力进行对比,如图 7b所示.人工压裂裂缝方向主要有北东向、北西向两组,呈网状分布,与地震数据预测地应力和Y井多极子声波测井预测地应力方向一致,三维地震与地面微地震联合校正处理后的微地震事件定位结果可靠性明显提高.

图 7 微地震事件联合解释结果 (a)定位结果与地震剖面联合解释;(b)定位结果与预测地应力联合解释. Fig. 7 Joint interpretation results of microseismic events (a)Joint interpretation of location results and seismic section;(b)Joint interpretation of location results and predicated crustal stress.

在储层性质基本相同的情况下,压裂加砂量越大,储层压裂改造体积(SRV)和储层压裂前缘面积(SRF)越大,则压裂后的产能就越大.表 1为地面微地震监测结果与对应油井开发产能情况的对比,Y-3HF井微地震事件数量、压裂加砂量、SRV、SRF均大于Y-8HF井,说明Y-3HF井的压裂效果较好,与压裂后累计产油量吻合度较高,微地震监测结果和油井产能对比证实了Y-3HF井的压裂效果更好,进一步验证了微地震监测效果的可靠性.

表 1 Y-3HF和Y-8HF井压裂效果分析 Table 1 Analysis of fracturing results for wells Y-3HF and Y-8HF
5 结论与认识

(1) 由于地面微地震监测台站布设在地表,受到地表起伏、低降速带厚度和速度变化的影响,限制了地面微地震监测技术的应用范围,提出了三维地震与地面微地震联合校正方法.通过约束层析反演方法建立精确的近地表速度模型,将地面微地震台站从起伏地表校正到高速层中的平滑基准面上,有效消除复杂近地表的影响.通过非线性反演方法建立最优速度模型时,不需要考虑近地表的影响,因而建立的速度模型更加准确.在此基础上,通过剩余静校正方法能够进一步消除近地表和速度模型残留误差的影响.逐步校正的思路有效提高了微地震事件的定位精度,微地震监测结果与三维地震数据、属性体、工程参数和油气开发产能等综合解释结果,进一步验证了微地震监测结果的可靠性,该方法具有良好的应用前景.

(2) 由于常规三维地震勘探采用单分量检波器,因此通过三维地震约束层析反演的方法无法获得横波近地表速度模型,在地面布设三分量台站时,需要通过纵横波换算公式求取横波速度模型,然后利用该横波速度模型进行静校正处理.另外,纵波和横波在近地表中的传播时间不同,需要对纵横波分别进行静校正处理,而地面微地震数据的信噪比很低,部分弱信号事件无法有效识别,针对三分量地面微地震数据的联合校正处理更为复杂.

(3) 随着非常规油气资源的不断开发和储层压裂改造技术的应用,对微地震监测技术的需求越来越大,微地震监测技术迅速发展,但仍存在不足和短板,只有具备采集、处理、解释等一系列关键技术,其中包括:观测系统设计、微地震数据特征分析、震源机制反演、速度模型优化、精确定位方法、联合解释等,才能形成可靠和成熟的微地震监测技术,这还需要不断的深入研究和探索,微地震监测技术仍将是一个研究热点.

致谢

感谢中国石化胜利油田分公司物探研究院微地震项目组的大力帮助!感谢中国地球物理学会郭建秘书长在地面阵列式微地震采集方面提供的支持!感谢审稿专家的诚恳建议!

参考文献
Bardainne T, Gaucher E. 2010. Constrained tomography of realistic velocity models in microseismic monitoring using calibration shots. Geophysical Prospecting, 58(5): 739-753. DOI:10.1111/j.1365-2478.2010.00912.x
Chundurn R K, Sen M K, Stoffa P L. 1997. Hybrid optimization methods for geophysical inversion. Geophysics, 62(4): 1196-1207. DOI:10.1190/1.1444220
Diao R, Shan L Y, Shang X M, et al. 2015a. The denoising method for microseismic monitoring data in time-frequency domain. Geophysical and Geochemical Exploration (in Chinese), 39(1): 112-117.
Diao R, Hu X T, Cui Q H, et al. 2015b. Precision analysis and application of equivalent velocity in micro-seismic monitor. Reservoir Evaluation and Development (in Chinese), 5(1): 49-53.
Duncan P M, Eisner L. 2010. Reservoir characterization using surface microseismic monitoring. Geophysics, 75(5): 75A139-75A146. DOI:10.1190/1.3467760
Jia C Z, Zheng M, Zhang Y F. 2012. Unconventional hydrocarbon resources in China and the prospect of exploration and development. Petroleum Exploration and Development (in Chinese), 39(2): 129-136.
Jiang F X, Yang S H, Cheng Y H, et al. 2006. A study on microseismic monitoring of rock burst in coal mine. Chinese J. Geophys. (in Chinese), 49(5): 1511-1516.
Jiang Y D, Song W Q, Guo X Z, et al. 2013. Static correction method for surface microseismic monitoring data. Geophysical Prospecting for Petroleum (in Chinese), 52(2): 136-140.
Kanlı A I. 2009. Initial velocity model construction of seismic tomography in near-surface application. Journal of Applied Geophysics, 67(1): 52-62. DOI:10.1016/j.jappgeo.2008.09.005
Leidenfrost A, Ettrich N, Gajewski D, et al. 1999. Comparison of six different methods for calculating traveltimes. Geophysical Prospecting, 47(3): 269-297. DOI:10.1046/j.1365-2478.1999.00124.x
Liang B Y, Shen C, Leng C B, et al. 2015. Development of microseismic monitoring for hydro-fracturing. Progress in Geophysics (in Chinese), 30(1): 401-410. DOI:10.6038/pg20150158
Liu J S, Wang Y, Yao Z X. 2013. On micro-seismic first arrival identification:A case study. Chinese J. Geophys. (in Chinese), 56(5): 1660-1666. DOI:10.6038/cjg20130523
Luo X, Hatherly P. 1998. Application of microseismic monitoring to characterise geomechanical conditions in longwall mining. Exploration Geophysics, 29(4): 489-493. DOI:10.1071/EG998489
Maxwell S C, Rutledge J, Jones R, et al. 2010. Petroleum reservoir characterization using downhole microseismic monitoring. Geophysics, 75(5): 75A.
Maxwell S C, Raymer D, Williams M, et al. 2013. Tracking microseismic signal loss from reservoir to surface.//75th EAGE Conference & Exhibition incorporating SPE EUROPEC 2013. EAGE.
Pei D H, Quirein J A, Cornish B E, et al. 2009. Velocity calibration for microseismic monitoring:A very fast simulated annealing (VFSA) approach for joint-objective optimization. Geophysics, 74(6): WCB47-WCB55. DOI:10.1190/1.3238365
Sheng G Q, Li Z C, Wang W B, et al. 2014. A source location method for microseismic monitoring based on particle swarm optimization combined with differential evolution algorithm. Acta Petrolei Sinica (in Chinese), 35(6): 1172-1181.
Tan Y Y, He C, Zhang H L. 2015. Microseismic velocity model inversion based on moveouts of first arrivals. Oil Geophysical Prospecting (in Chinese), 50(1): 54-60.
Wang R Q, Li L L, Li H J. 2010. Forward modeling research for seismic exploration of Tarim area. Chinese J. Geophys. (in Chinese), 53(8): 1875-1882. DOI:10.3969/j.issn.0001-5733.2010.08.013
Wu G C, Wang H Z. 2005. Analysis of numerical dispersion in wave-field simulation. Progress in Geophysics (in Chinese), 20(1): 58-65.
Yan Z F, Ju Y W, Tang S H, et al. 2013. Numerical simulation study of fracturing process in coalbed methane reservoirs in southern Qinshui basin. Chinese J. Geophys. (in Chinese), 56(5): 1734-1744. DOI:10.6038/cjg20130531
Yin C, Wu F R, Li Y L, et al. 2013. The effect of the velocity calibrated by the perforation on microseismic location error. Progress in Geophysics (in Chinese), 28(4): 1809-1816. DOI:10.6038/pg20130422
Yuan G, Feng X Y, Jiang B, et al. 2013. Constrained tomography inversion and its application in seismic velocity computation. Geophysical Prospecting for Petroleum (in Chinese), 52(1): 55-59.
Zhang X L, Zhang F, Li X Y, et al. 2013. The influence of hydraulic fracturing on velocity and microseismic location. Chinese J. Geophys. (in Chinese), 56(10): 3552-3560. DOI:10.6038/cjg20131030
Zimmer U, Bland H, Du J, et al. 2009. Accuracy of microseismic event locations recorded with single and distributed downhole sensor arrays.//2009 SEG Annual Meeting. Houston, Texas:SEG, 1519-1523.
刁瑞, 单联瑜, 尚新民, 等. 2015a. 微地震监测数据时频域去噪方法. 物探与化探, 39(1): 112–117.
刁瑞, 胡晓婷, 崔庆辉, 等. 2015b. 微地震监测中等效速度定位精度分析及应用. 油气藏评价与开发, 5(1): 49–53.
贾承造, 郑民, 张永峰. 2012. 中国非常规油气资源与勘探开发前景. 石油勘探与开发, 39(2): 129–136.
姜福兴, 杨淑华, 成云海, 等. 2006. 煤矿冲击地压的微地震监测研究. 地球物理学报, 49(5): 1511–1516.
姜宇东, 宋维琪, 郭晓中, 等. 2013. 地面微地震监测资料静校正方法研究. 石油物探, 52(2): 136–140.
梁北援, 沈琛, 冷传波, 等. 2015. 微地震压裂监测技术研发进展. 地球物理学进展, 30(1): 401–410. DOI:10.6038/pg20150158
刘劲松, 王赟, 姚振兴. 2013. 微地震信号到时自动拾取方法. 地球物理学报, 56(5): 1660–1666. DOI:10.6038/cjg20130523
盛冠群, 李振春, 王维波, 等. 2014. 水力压裂微地震粒子群差分进化定位算法. 石油学报, 35(6): 1172–1181.
谭玉阳, 何川, 张洪亮. 2015. 基于初至旅行时差的微地震速度模型反演. 石油地球物理勘探, 50(1): 54–60.
王润秋, 李兰兰, 李会俭. 2010. 塔里木地区勘探地震正演模拟研究. 地球物理学报, 53(8): 1875–1882. DOI:10.3969/j.issn.0001-5733.2010.08.013
吴国忱, 王华忠. 2005. 波场模拟中的数值频散分析与校正策略. 地球物理学进展, 20(1): 58–65.
颜志丰, 琚宜文, 唐书恒, 等. 2013. 沁水盆地南部煤层气储层压裂过程数值模拟研究. 地球物理学报, 56(6): 1734–1744. DOI:10.6038/cjg20130531
尹陈, 巫芙蓉, 李亚林, 等. 2013. 射孔校正速度对微地震定位精度的影响. 地球物理学进展, 28(4): 1809–1816. DOI:10.6038/pg20130422
袁刚, 冯心远, 蒋波, 等. 2013. 约束层析反演及其在地震速度计算中的应用. 石油物探, 52(1): 55–59.
张晓林, 张峰, 李向阳, 等. 2013. 水力压裂对速度场及微地震定位的影响. 地球物理学报, 56(10): 3552–3560. DOI:10.6038/cjg20131030