2. 中国石油大学(华东)地球科学与技术学院, 青岛 266580
2. School of Geosciences, China University of Petroleum, Qingdao 266580, China
准噶尔盆地为一拗陷型盆地,在侏罗纪时期,其腹部接受了相当厚的三角洲以及内陆河湖沉积,成为该区域最有利的储层发育阶段.永进油田区块位于盆地腹部,具有丰富的油气资源,区内主要发育下侏罗统八道湾组、三工河组和中侏罗西山窑组储层.其中,以西山窑组地层-岩性油气藏为主力含油层系,岩性主要为砂岩、泥岩、煤层互层,形成煤成烃层系与储集层(王树华,2009).
对永进地区西山窑组Y6井标定分析(图 1)可以看出,西山窑组储层下方存在多套煤层,在测井曲线上呈现明显低速、低密度特征,这种低速、低密度与上下地层会形成较大的波阻抗差.因此在地震剖面上会形成较强的反射同相轴,干扰离煤层位置较近储层的地震响应,给储层的精细描述带来困难.因此,如何将储层有效信息凸显出来,或是将煤层信息剥离,成为储层预测的关键.
该区块储层描述的另一大难题是:西山窑组目的层埋藏深(6000 m左右),单层厚度薄(最大8 m),主频低(约25 Hz),用常规方法很难对单个砂体进行精确刻画.考虑到不同频率的地震数据体所反映的地质信息一般是不同的,地震资料解释过程中,可将地震数据体进行分频,对分频后不同主频的地震数据体进行解释.但是,经过分频产生的单频信息,也会造成部分信息缺失,不能完全刻画目标.为解决这一问题,Stark(2006)人提出将全频带的分量进行谱叠加.基于这种思想,本文提出将目标储层的主要频带范围内的谱分量进行重构,这样既能消除其他信息的干扰,又能使有效信息得到最大化.通过对永进地区实际资料的处理,证明了该方法的有效性.
1 关键技术 1.1 匹配追踪技术基于Gabor型时频原子库的匹配追踪(matching pursuit,MP)算法,1993年被首次提出(Mallat and Zhang,1993).该算法能根据信号自身的特点,通过创建超完备时频原子库,将信号自适应分解成不同时频原子的组合.MP算法自提出以来,被广泛应用于各个领域,如图像处理、地震信号处理、视频压缩等.MP算法最初应用于地震信号处理中,就凸显了其在时频分析方面的优势,但也存在缺点,就是其控制参数较多(Chakraborty and Okaya,1995).Liu J和Marfurt分别创建了基于Ricker子波和Morlet小波的时频原子库(Liu et al.,2004;Marfurt,2005),将控制参数减少到3个,为快速匹配追踪的实现奠定了基础,但搜索速率慢仍是一个问题.以瞬时特征作为先验信息在算法实现过程中被加入,从而在不失精度的前提下,缩小了时频原子的搜索范围,就此提出了动态匹配追踪算法(Liu and Marfurt,2007);Wang Y H将动态匹配追踪算法进一步完善(Wang,2007),并利用复地震道技术对多道信号进行匹配追踪分解(Wang,2010).针对单道信号匹配追踪过程中存在多解性、抗噪性差和地震道之间缺乏空间连续性等问题,本文采用多道匹配追踪方法,并在匹配煤层强轴过程中,加入层位控制.
MP算法将信号展开为冗余字典中一系列小波或原子的线性组合,通过迭代自适应地拾取最优小波WΓn.经过N次迭代,可将地震信号S(t)展开为:
(1) |
式中,an为第n个小波WΓn的振幅,R(N)S为残差.
若分解为Morlet小波集合,则有:
(2) |
若分解为Ricker小波集合,则有:
(3) |
式中,u为小波时间延迟,f为频率,φ为相位,k为Morlet小波的尺度参数.
小波(子波)振幅an求取步骤如下:
(1) 计算目标地震道周边L道数据的平均值,得到平均地震道为
(4) |
计算时间延迟、瞬时频率和瞬时相位,再利用下式初步计算小波的尺度因子,得到小波四参数.
(2) 多道方法参数求取时,把相邻L道地震信息都加入到求取公式中来,利用下式计算优化后的小波四参数,公式为
(5) |
(3) 用下式估计振幅参数an
(6) |
不同频率的地震数据体所反映的地质信息一般是不同的(李曙光等,2010).因此,在地震资料解释中,可以通过信号处理方法,将地震数据体进行分频,对分频后不同主频的地震数据体进行解释.目前,分频处理的方法主要有傅氏变换(张本爱和武磊彬,2004)、短时傅立叶变换(蔡希玲和吕英梅,2005)、小波变换(高静怀等,1997;王西文等,2001;Liu,2006;马朋善等,2007)、S变换(赵淑红和朱光明,2007;曲中党等,2015)和广义S变换(高静怀等,2003,2004;熊晓军等,2006;景建恩等,2012).然而,地震数据经过分频产生的单频信息存在一定的缺陷,那就是部分信息的缺失,不能完全刻画目标.为解决这一问题,提出将全频带的分量进行谱叠加.本文在剥离煤层的基础上,运用GST将时间域地震数据转换到时频域,然后根据储层的频带范围,选择含主要信息的频率段进行重构,最后将时频域数据逆变换到时间域.
广义S变换引入λ和p两个参数,用广义的窗函数代替S变换中的高斯窗,使窗函数的大小和形状可以随频率而灵活变化(陈雨红等,2006).两个调节参数可以加快或减缓高斯窗宽度随频率变化的速率以及窗函数振幅的变化特征,具体体现在:高斯时窗幅值与频率成正比,时窗宽度与频率成反比;λ可以控制时窗宽度以及时窗脊(高斯时窗峰值点的连线)变化的速率.p固定,当λ>1时,时窗宽度随频率减小的速率加快,λ<1时,速率减小;λ固定,p值改变对时窗的影响成指数关系;p=1时,时窗函数的脊随频率线性递增,p不等于1时,时窗函数的脊随频率呈非线性递增.
GST正变换为
(7) |
GST逆变换为
(8) |
在广义S变换中,时窗的大小与频率有关,在低频段,时窗较宽,频率的分辨率得到提高;在高频段,时窗较窄,时间分辨率得到提高,因此,在时频域,广义S变换具有更高的分辨率.
2 模型正演为了观测煤层在波形以及频谱上的响应,根据测井曲线的速度和密度,分别建立含煤层和不含煤层的地质模型(图 2).图中红色虚线框为储层位置(红色、黄绿色均为储层),绿色虚线框为煤层位置.图 2a中波形图显示煤层对应复合波为一强反射轴,储层位置对应波形信息较弱,剖面对应的频谱显示混合“亮点”,即“亮点”是指示了煤层和储层混合信息;图 2b中,原先煤层位置对应的反射强轴减弱,但仅从波形上看,储层位置对应的波形信息相对凸显出来,剖面对应的频谱显示为“亮点”,亮点中心位置对应储层位置,可见去煤层后的频谱亮点技术可以用来指示储层位置.
利用匹配追踪剥离煤层,参数的选取至关重要.如果参数的选取不当,就无法将煤层的强反射信息合理的表示出来,最终会造成煤层剥离的不彻底或者将有效信息剥离出去,给储层预测造成误差.为了解决这一问题,对本工区的四口井进行井旁道频谱分析和去煤层试验.下面以Y6井为例,进行说明.如下图 3a所示,为Y6井旁道信号去煤层前后波形及频谱对比图.去煤层前,信号含一煤层强反射同相轴,距离目的层较近(20 ms左右);频谱显示:煤层能量团较强,分布范围较广,约为18~40 Hz,目的层信号能量团与煤层混合,难以区分,频率分布范围为20~30 Hz;由于煤层处于储层下方,由煤层作用形成的上波谷对上覆储层影响严重,在去除的过程中,相位的选取应为负值;此外,尺度因子的选取也至关重要,尺度因子越大,剥离的煤层越明显.通过多次实验,最终确定Y6井井旁道匹配追踪控制参数为:初始频率18 Hz,终止频率40 Hz,相位选择范围φ为-2~0,尺度因子为1.在参数控制下,剥离出来的煤层如图 3b,剥离后的信号及其对应的频谱如图 3c,剥离后的信号煤层强反射轴得以减弱,储层对应的波谷信息得以凸显,频谱上能量团“亮点”很好地对应储层位置.
依次对其余三口井做同样的分析和实验,最终确定该工区匹配追踪控制参数选取如下:初始频率22 Hz,终止频率45 Hz,相位选择范围为-2~0,尺度因子为0.95;目标层频率范围为18~36 Hz.
4 实际资料的处理 4.1 匹配追踪剥离煤层在确定匹配控制参数之后,对永进地区实际地震资料进行目标处理.在实际资料的应用过程中,加入了层位控制,层位时间作为子波延迟,沿层时窗选取为2 ms,利用最佳匹配子波重构出强轴,然后将其从原始数据中剥离出去,最终得到剥离后的剖面,处理的效果如图 4所示.
为了验证去除煤层的效果以及对储层进行描述,对去煤层前后数据进行反演.图 5a为去煤层前连井反演剖面,可以看出:煤层表现为低阻抗,且连续性强,贯穿整个剖面;Y1、Y3井储层位置处砂体可以反演出来,但是,砂体纵向厚度明显变薄;在Y6井处,井信息显示J2x_3层上下存在两组砂体,但反演剖面只能反演出层上砂组,靠近煤层的层下砂组并没有反演出来,因此,在没有去除煤层之前,运用反演刻画砂体具有一定误差.图 5b为去除煤层后的反演剖面,可以看出:煤层的低波阻抗纵向上得到压制;井间砂体纵向厚度相比图 5a明显变厚;Y6井处,J2x_3层下的砂体也能很好地显现出来.通过对比去煤层前后的反演剖面,发现煤层的存在对其附近的砂体的预测存在干扰,如果不剥离掉煤层,势必造成预测的误差.而去除煤层之后,储层才能得到更准确、更精细的刻画.
考虑到西山窑组目的层埋藏深、单层厚度薄、主频低,用常规方法很难对单个砂体进行精确刻画.为此,在剥离煤层的基础上,应用分频重构对砂体进行刻画.由井旁道分析知,目标层有效信息主要集中在18~36 Hz.因此,将频率域范围为18~36 Hz的谱分量进行叠加,得到频率范围为18~36 Hz时频域数据体,再用GST逆变换将重构后的数据体转换到时间域.图 6为处理前后一连井剖面的比较.
图 6a为原始数据连井剖面,可以看出:煤层强轴表现为连续的“亮点”,Y3、Y1井储层信息有一定显示,然而储层纵向位置与井点和地质认识有所偏差,且横向连续性较强、分辨率较低;Y6井测井信息显示在层位上下存在较厚砂体,但在原始数据剖面中并没有反映出来.图 6b为经过去煤层和分频重构处理后的连井剖面,可以看出:Y3、Y1井储层信息明显,纵向位置与井点和地质相符,井点与井点之间砂体横向变化符合地质认识;且在Y6井处,层位上下储层信息也有一定反映,储层识别效果与处理前相比,纵向识别准确、横向分辨率也得到提高.
5 结论与认识本文通过正演以及实际资料的研究,得到如下结论与认识:
(1) 基于正演研究发现,储层下方煤层的存在时,波形上储层的信息相对较弱,频谱上能量团“亮点”被掩盖.不存在煤层时,波行幅值相对增强,频谱能量团“亮点”能很好地指示储层.
(2) 去除煤层时,参数的选取至关重要,通过对多口井的去煤层实验,总结出该区块去除煤层时的控制参数为:初始频率22 Hz,终止频率45 Hz,相位选择范围为-2~0,尺度因子为0.95.
(3) 通过去煤层前后反演剖面发现,去除煤层后的反演在Y6井处能更准确的刻画砂体,消除了原始数据体反演造成的误差.
(4) 单一频率的数据体对砂体的刻画有限,利用广义S变换较高的时频分辨率,通过将有效信息的频谱分量叠加,经逆变换得到的有效频带范围的数据体能更准确的描述储层.
致谢 感谢匿名专家的细心审阅,感谢地球物理学进展编辑部的支持与帮助![1] | Cai X L, Lv Y M.2005. Time-frequency analysis and frequency-divisional processing of seismic data[J]. Progress in Exploration Geophysics (in Chinese), 28 (4) : 265–270. |
[2] | Chakraborty A, Okaya D.1995. Frequency-time decomposition of seismic data using wavelet-based methods[J]. Geophysics, 60 (6) : 1906–1916. DOI:10.1190/1.1443922 |
[3] | Chen Y H, Yang C C, Cao Q F, et al.2006. The comparison of some time-frequency analysis methods[J]. Progress in Geophysics (in Chinese), 21 (4) : 1180–1185. DOI:10.3969/j.issn.1004-2903.2006.04.019 |
[4] | Gao J H, Wang W B, Zhu G M.1997. Wavelet transform and instantaneous attributes analysis[J]. Acta Geophysica Sinica (in Chinese), 40 (6) : 821–832. |
[5] | Gao J H, Chen W C, Li Y M, et al.2003. Generalized S transform and seismic response analysis of thin interbeds[J]. Chinese Journal of Geophysics (in Chinese), 46 (4) : 526–532. DOI:10.3321/j.issn:0001-5733.2003.04.015 |
[6] | Gao J H, Man W S, Chen S M.2004. Recognition of signals from colored noise background in generalized S-transformation domain[J]. Chinese Journal of Geophysics (in Chinese), 47 (5) : 869–875. DOI:10.1002/cjg2.v47.5 |
[7] | Jing J E, Wei W B, Chen H Y, et al.2012. Magnetotelluric sounding data processing based on generalized S transformation[J]. Chinese Journal of Geophysics (in Chinese), 55 (12) : 4015–4022. DOI:10.6038/j.issn.0001-5733.2012.12.013 |
[8] | Li S G, Xu T J, Gan Q G, et al.2010. Application of frequency division processing on frequency-domain wavelet transform in deep Chuanxi depression[J]. Geophysical Prospecting for Petroleum (in Chinese), 49 (5) : 500–503. |
[9] | Liu J, Marfurt K J. 2005. Matching pursuit decomposition using Morlet wavelets[C].//75th SEG Annual International Meeting. Expanded Abstracts, 786-789. |
[10] | Liu J L. 2006. Spectral decomposition and its application in mapping stratigraphy and hydrocarbons[Ph. D. thesis]. Houston, USA: University of Houston. |
[11] | Liu J L, Marfurt K J.2007. Instantaneous spectral attributes to detect channels[J]. Geophysics, 72 (2) : 23–31. |
[12] | Liu J L, Wu Y F, Han D H, et al. 2004. Time-frequency decomposition based on Ricker wavelet[C].//74th SEG Annual International Meeting. Expanded Abstracts, 1937-1940. |
[13] | Ma P S, Wang J Q, Liu L X, et al.2007. Application of Morlet wavelet frequency-division processing in enhancing the seismic data resolution[J]. Geophysical Prospecting for Petroleum (in Chinese), 46 (3) : 283–287. |
[14] | Mallat S G, Zhang Z F.1993. Matching pursuits with time-frequency dictionaries[J]. IEEE Transactions on Signal Processing, 41 (12) : 3397–3415. DOI:10.1109/78.258082 |
[15] | Qu Z D, Wu W, He R Z, et al.2015. Soft threshold filter based on S transform and its application to data processing of deep seismic reflection[J]. Chinese Journal of Geophysics (in Chinese), 58 (9) : 3157–3168. DOI:10.6038/cjg20150912 |
[16] | Stark T J.2006. Visualization techniques for enhancing stratigraphic inferences from 3D seismic data volumes[J]. First Break, 24 (4) : 75–85. |
[17] | Wang S H. 2009. Identification and prediction for the subtle oil reservoir developed at Yongjin area in Junggar basin (in Chinese)[ Ph. D. thesis]. Qingdao: Ocean University of China. |
[18] | Wang X W, Liu Q X, Gao J H, et al.2001. Frequency-shared processing and reconstitution of seismic data in wavelet domain[J]. Oil Geophysical Prospecting (in Chinese), 36 (1) : 78–85. |
[19] | Wang Y H.2007. Seismic time-frequency spectral decomposition by matching pursuit[J]. Geophysics, 72 (1) : 13–20. |
[20] | Wang Y H.2010. Multichannel matching pursuit for seismic trace decomposition[J]. Geophysics, 75 (4) : 61–66. |
[21] | Xiong X J, He Z H, Huang D J, et al.2006. Application of generalized S transform in seismic high resolution processing[J]. Progress in Exploration Geophysics (in Chinese), 29 (6) : 415–418. |
[22] | Zhang B A, Wu L B.2004. Seismic data scaling down processing effect[J]. Coal Geology of China (in Chinese), 16 (3) : 51–53. |
[23] | Zhao S H, Zhu G M.2007. Time-frequency filtering to denoise by S transform[J]. Oil Geophysical Prospecting (in Chinese), 42 (4) : 402–406. |
[24] | 蔡希玲, 吕英梅.2005. 地震数据时频分析与分频处理[J]. 勘探地球物理进展, 28 (4) : 265–270. |
[25] | 陈雨红, 杨长春, 曹齐放, 等.2006. 几种时频分析方法比较[J]. 地球物理学进展, 21 (4) : 1180–1185. DOI:10.3969/j.issn.1004-2903.2006.04.019 |
[26] | 高静怀, 汪文秉, 朱光明.1997. 小波变换与信号瞬时特征分析[J]. 地球物理学报, 40 (6) : 821–832. |
[27] | 高静怀, 陈文超, 李幼铭, 等.2003. 广义S变换与薄互层地震响应分析[J]. 地球物理学报, 46 (4) : 526–532. DOI:10.3321/j.issn:0001-5733.2003.04.015 |
[28] | 高静怀, 满蔚仕, 陈树民.2004. 广义S变换域有色噪声与信号识别方法[J]. 地球物理学报, 47 (5) : 869–875. |
[29] | 景建恩, 魏文博, 陈海燕, 等.2012. 基于广义S变换的大地电磁测深数据处理[J]. 地球物理学报, 55 (12) : 4015–4022. DOI:10.6038/j.issn.0001-5733.2012.12.013 |
[30] | 李曙光, 徐天吉, 甘其刚, 等.2010. 频率域小波变换分频处理在川西地震勘探中的应用[J]. 石油物探, 49 (5) : 500–503. |
[31] | 马朋善, 王继强, 刘来祥, 等.2007. Morlet小波分频处理在提高地震资料分辨率中的应用[J]. 石油物探, 46 (3) : 283–287. |
[32] | 曲中党, 吴蔚, 贺日政, 等.2015. 基于S变换的软阈值滤波在深地震反射数据处理中的应用[J]. 地球物理学报, 58 (9) : 3157–3168. DOI:10.6038/cjg20150912 |
[33] | 王树华. 2009. 准噶尔盆地永进地区隐蔽油气藏识别与预测[博士论文]. 青岛: 中国海洋大学. http://cdmd.cnki.com.cn/Article/CDMD-10423-2009160303.htm |
[34] | 王西文, 刘全新, 高静怀, 等.2001. 地震资料在小波域的分频处理与重构[J]. 石油地球物理勘探, 36 (1) : 78–85. |
[35] | 熊晓军, 贺振华, 黄德济, 等.2006. 广义S变换在地震高分辨处理中的应用[J]. 勘探地球物理进展, 29 (6) : 415–418. |
[36] | 张本爱, 武磊彬.2004. 地震资料分频处理效果[J]. 中国煤田地质, 16 (3) : 51–53. |
[37] | 赵淑红, 朱光明.2007. S变换时频滤波去噪方法[J]. 石油地球物理勘探, 42 (4) : 402–406. |