2. 中国成都理工大学地球物理学院, 成都 610059
2. College of geophysics, Chengdu University of Technology, Chengdu 610059, China
基于蚂蚁算法的蚂蚁追踪技术是近年来发展起来的一项三维地震快速解释技术.蚁群算法基于对自然蚁群觅食行为的仿生优化算法,通过追逐人工蚁群释放的电子信息素来标示断层信息.它根据蚂蚁算法的正反馈机制,建立群体智能搜索模型,通过检索地震数据不连续性完成断裂的追踪和识别.相比于常规的地震资料解释方法,该技术能够自动识别并且分析断裂系统,具有速度快、人为干预少等特点,但其对地震资料品质要求较高.随着勘探目标区埋藏深度的增加,地质条件趋于复杂,勘探难度随之增大,主要表现在:地震资料品质下降,信噪比低,分辨率不能满足直接运用蚂蚁追踪识别细小裂缝带的要求.因此,如何在压制噪声的同时最大程度保留有效信号,保证深层地震资料品质,成为利用蚂蚁追踪技术识别深层裂缝的关键.
20世纪80年代初,法国地球物理学家Morlet等 (1982)首次将短时傅里叶变换频谱分析引入到油气勘探领域,至20世纪90年代,Peyton (1998)和Partyka等 (1999)对三维数据体目的层段做谱分析后,利用振幅谱相位谱频率切片,分析断层、复杂的深切谷、河道和薄层调谐问题,形成了谱分解技术.该技术不仅可以提高利用地震资料对薄储层的解释预测能力,而且能从常规地震数据中提取出更丰富的信息,进而可以在储层识别和描述,频谱成像,河道检测,微断裂解释,地震资料噪声压制,提高分辨率等诸多方面得到应用.
近年来,许多学者开展了利用谱分解技术提高地震分辨率,识别特殊地质构造的相关研究.徐丽英等 (2006)等将谱分解技术应用于薄储层预测;张延庆等 (2006)等利用调谐体识别和解释出了常规有限带宽地震体难以识别的小断层;李劲松等 (2008)等论述了谱分解技术在层序地层学、地震相和薄层识别中的应用;Zeng等 (2009)利用分频地震数据研究地质沉积体,得出部分单频数据体对地质体边界的刻画具有独特优势,可以反映更丰富的地质细节的结论;王西文等 (2002)证明了分频重构的相干体较Marfurt相干体算法抗噪能力更强;苏明等 (2014)揭示出不同频段地震资料代表的不同地质信息,成功划分了东营三角洲三级层序界面和三角洲进积体内部的高频旋回;邓攻等 (2015)等研究了谱分解技术在地震弱信号提取中的应用方法,准确定位到复杂断层和小尺度断裂;陈明春等 (2015)验证了蚂蚁追踪算法在裂缝型碳酸盐岩储层解释中的有效性;韩利等 (2016)通过拟合算例,验证了复谱分解方法的高时间分辨率优势;何翠等 (2016)利用蚂蚁追踪解释组合低序级断层,提高了断层解释精度.
本文结合前人研究成果,将谱分解技术引入到蚂蚁追踪解释断层工作中,提出了地震数据分频蚂蚁追踪技术,利用该技术对普光气田GP地区深层裂缝进行了检测,检测结果与地质资料得到了很好的一致性,并较之常规蚂蚁追踪结果更为清晰、准确.
1 方法原理 1.1 谱分解技术目前,典型的线性谱分解方法主要包括短时傅立叶变换 (STFT)、Gabor变换 (GT)、连续小波变换 (CWT)、S变换 (ST) 和广义S变换 (GST) 等.
Fourier分析能获得信号能量在各频率成分中的分布,刻画整体频谱特性,但不能获得信号的局部频谱特性,缺乏时间定位能力.Gabor (1946)提出对信号加窗再计算傅里叶变换的思想,可得到关于的二维函数,即时频分布.STFT具有时间和频率定位能力,即时频局部化能力.给定信号x(t)∈L2(R), STFT定义为
(1) |
式中w(τ-t) exp (-i2πfτ) 为STFT的基函数.若取Gauss函数为窗函数,可使时频分辨率最高,表述为
(2) |
由于STFT使用时频宽度固定的基函数,因此不同频率成分的局部分辨率相同.小波变换 (WT) 通过构造“可变”基函数,提供了随信号成分的频率变化而自适应调整视窗宽度的分析窗口.给定平方可积的信号x(t),则x(t) 的小波变换定义为
(3) |
其中,a称为尺度因子,b称为时移因子,ψ(t) 又称为小波母函数,若a, b不断地变化,母小波经移位和伸缩所产生的一族函数φa, b(t) 即为小波基函数,公式为
(4) |
小波函数ψ(t) 需满足容许性条件,即
(5) |
其中Cψ为一常数,由选择的小波函数ψ(t) 决定.
Stockwell等 (1996)提出的S变换 (ST) 是一种时频分辨率依赖频率发生变化的时频表示方法,它吸收并发展了短时傅里叶变换和连续小波变换.ST的小波基函数能随着频率的增加而自适应地减小分析时宽,时频窗口具有一定的自适应性、不须满足小波容许性条件,并与Fourier频谱保持直接的联系.
x(t) 的ST定义为
(6) |
记调制高斯函数为
(7) |
S逆变换为
(8) |
由于S变换中的基本变换函数形态固定,并因此限制了其应用,故很多学者对S变换进行了推广,提出了广义S变换 (GST).如Mansinha等 (1997)等用f/γGS代替,得
(9) |
McFadden等 (1999)给出非对称窗口的GST.Pinnegar和Mansinha (2003)给出可调节窗口标准差的非对称的GST.高静怀等 (2003)将S变换中基函数进行了统一推广.
本文采用目前比较流行的广义S变换方法,选取时窗宽度随频率呈反比例变化的高斯窗函数,将原始地震道数据分解为不同频率信号.该方法较为成熟稳定,通过引入参数,其能够灵活地调节高斯窗函数的变化形态,兼顾数据的频率分布特点与分析侧重点,可以更好的适应具体信号的处理要求.
1.2 蚂蚁追踪技术蚂蚁追踪技术又被称为断裂系统自动分析技术,该技术的原理是将大量电子蚂蚁散播在地震数据体中,发现满足预设断裂条件的蚂蚁会将此点判定为断裂痕迹并“释放”某种信号,召集其他区域的蚂蚁集中在该断裂处对其进行追踪,直到完成该断裂的追踪与识别,而其他不满足断裂条件的地方将不进行裂缝标注.在三维地震勘探中,主要分为以下步骤:
1) 地震资料预处理:利用中值滤波、构造导向滤波等手段对地震资料进行预处理,滤除噪声.
2) 边缘检测:提取混沌体、方差体、相干体等属性,对原始地震资料进行边缘增强处理,突出数据体中的不连续性信息.
3) 边缘增强,提取属性体:在上一步生成属性体的基础上提取边缘增强属性,在此基础上控制蚂蚁搜索的方位与倾角,设置关键参数,生成蚂蚁追踪属性体.
利用GST将原始地震数据分解为不同频率信号,选取对目标地质构造响应相对明显的部分单频数据,结合三维蚂蚁追踪技术,可以提高对一些特殊地质构造特别是不连续性地质体 (如断层、裂缝带等) 的解释精度.其工作流程简图如图 1所示,主要包括以下三个步骤:
1) 利用GST将地震数据变换到频率域,经分析划定地震有效频带范围,确定目标频率,通过频率域滤波技术生成一系列单频三维地震数据体.
2) 对上述单频三维地震数据体分别应用蚂蚁追踪工作流,利用不同的预处理属性生成一系列对应的蚂蚁追踪数据体.
3) 在地震解释的基础上,针对某一特定目的区域,分别提取上述一系列蚂蚁追踪属性剖面,结合原始地震剖面确定对研究目标敏感的一组单频属性体.根据具体的地质情况,对选定频带的蚂蚁追踪数据进行属性融合,得到信息更为精细、丰富的属性数据体.
2 模型试算蚂蚁追踪的原理是以信号差异性为依据追踪裂缝信息,而地层间不整合性常成为蚂蚁追踪的目标而被误标记为假裂缝信息.为评价新方法追踪裂缝的准确性与降噪能力,分别将传统蚂蚁追踪与分频蚂蚁追踪技术应用于三维裂缝模型数据,其中蚂蚁追踪部分的参数设置完全一致.
地质模型选用王润秋等 (2010)等以塔里木盆地为地质背景建立的复杂地质模型,该模型包含丰富的高角度断层,大倾角、高起伏地层,浅部为高陡构造,深部为平缓构造,不整合面发育,适合检验新方法在追踪断层,尤其是区分断层与高倾角地层不整合面方面的能力.三维模型各地层的速度设计如表 1所示.
地质模型如图 2a所示,利用分步傅里叶频率-波数域波动方程对地质模型进行数值模拟,震源为30 Hz雷克子波,得到如图 2b所示偏移剖面.该数值模拟方法具有精度高、稳定性好,能够适应地层大倾角、利用快速傅立叶变换迅速实现等优点,所得到的地质模型精度较高.
根据频谱分析 (图 3) 可知,偏移数据有效频带为10~60 Hz,以5 Hz为间隔于该有效频带内生成11个单频数据体,分别导入分频蚂蚁追踪工作流,得到一组单频蚂蚁追踪数据体.经过对比分析,优选30 Hz、55 Hz、60 Hz单频蚂蚁体进行数据融合,得到的分频融合蚂蚁追踪剖面与常规全频带蚂蚁追踪剖面对比如图 4所示.观察效果可见:模型地层间不整合性对传统蚂蚁追踪的响应影响较大,特别是当地层倾角较大,与裂缝倾角相近时,这种响应尤为明显,假裂缝密度之高已严重影响裂缝的判别;常规蚂蚁体包含大量裂缝假象信息,分频蚂蚁体能够有效大量假、错裂缝信号,真实裂缝展布已较为突出.
选取我国四川省宣汉县境内普光气田GP区作为研究区域,区内主要经历了燕山期及早、晚喜山期三期构造变形,主要形成了北北东、北西向构造,在地质地貌上表现为向北西向突出弧形展布,主要由一系列轴面倾向南东或北西的背斜、向斜及与之平行的断裂组成.工区地震资料等时切片如图 5所示,区内钻井三口,完钻井深超6400 m,勘探目标整体埋藏深,褶皱强烈,断裂发育.在气田开发过程中,裂缝的存在加速了边水锥进,造成水淹;同时,裂缝沟通底水,会造成底水上窜.在该区域开展精细化裂缝检测研究对于优化气藏开发技术政策,确保气田高产、稳产、合理配产具有至关重要的意义.
由于目标区埋藏较深,地震资料信噪比不高,如何有效提取对裂缝敏感的有效信息成为断层解释,尤其是小断层的准确提取与解释的关键,因此对该区应用分频蚂蚁追踪技术进行裂缝检测.
3.1 分频数据的处理、解释从三维地震数据频谱分析结果来看,剖面的视主频在30 Hz左右 (图 6),有效频段为10~65 Hz,频带宽度较窄,在一定程度上限制了地震资料的分辨率.利用GST在有效频带内以5 Hz为间隔提取12个单频数据体.
与全频带地震剖面对比发现,某些单频体对于小断层的反映更为明确.图 7为全频带地震剖面与55 Hz单频地震剖面,可见图中箭头所指位置分别发育有一条小断层.全频带地震剖面 (图 7a) 上小断层表现为同相轴扰动,部分同相轴依然连续,而在55 Hz单频地震剖面 (图 7b) 上,同相轴在小断层处全部断开,特征更加明显.
将单频数据体作为蚂蚁追踪的原始数据,应用相同的参数与技术流程,生成一组蚂蚁追踪属性体.由于不同频率数据体包含噪声含量不同,因此优选信噪比较高的数据进行重构,可以起到压制噪声、提高资料品质的目的.如图 8将25 Hz单频蚂蚁追踪剖面与35 Hz单频蚂蚁追踪剖面进行对比,图中红色箭头处为采集脚印等噪声信息,可见25 Hz蚂蚁追踪剖面较35 Hz蚂蚁追踪剖面包含更少的噪声与异常值,信噪比更高.
结合地震剖面对各单频蚂蚁体进行对比,具体选取对该区深约5100 m处的小断层较敏感与信噪比较高的10 Hz、25 Hz、30 Hz、35 Hz、45 Hz、50 Hz、60 Hz、65 Hz单频蚂蚁属性体进行融合与重构.对比该区常规有限带宽蚂蚁追踪剖面 (图 9a) 与分频蚂蚁追踪融合属性剖面 (图 9b) 可见,两种属性剖面均能反映地震资料中的裂缝信息,但全频带蚂蚁追踪剖面中包含大量采集脚印等干扰噪声信息 (图中红色箭头处),严重影响裂缝的有效解释,分频蚂蚁追踪融合剖面在保留有效裂缝信息 (图中蓝色箭头处) 的同时,压制了绝大部分的噪声信息,使断裂系统更加明显.
LT为该区研究目的层,埋藏深度约在5000~6000 m之间,分别提取常规蚂蚁追踪沿LT层属性切片 (图 10a) 与分频蚂蚁属性沿层切片 (图 10b).可见:(1) 分频蚂蚁层切片图中蓝色箭头所指部位指示发育近三条近平行NNE-SSW向断裂特征,而常规蚂蚁追踪切片显示此信息非常稀薄,无法描述裂缝展布特征.结合区域地质调查资料证实,该处发育背斜构造,其西北部发育冲断构造,东南部为双重构造形成的“S”型滑脱断层,与分频蚂蚁体解释结果相吻合;(2) 黑色箭头指示区域包含一系列与背斜平行的微小断裂,为东南部推覆隆起向北西向构造挤压形成的川东断褶带.分频蚂蚁追踪标示出此处的微小断层,而常规蚂蚁追踪在此处无显示;(3) 红色箭头指示部位为一组东南部推覆褶皱带向南西挤压形成的大巴山前褶皱带,分频蚂蚁追踪与常规蚂蚁追踪在此处均有体现,但分频蚂蚁追踪识别出了更为丰富的细节信息.
图 8、图 9、图 10表明, 利用分频蚂蚁追踪技术可以有效提高地震解释资料的信噪比,提高裂缝解释的精确度.与单频蚂蚁追踪属性相比, 融合分频蚂蚁追踪数据反映了更丰富的裂缝发育带信息, 其结果与地质勘察资料吻合.
4 结论本文中,通过探讨谱分解与蚂蚁追踪技术等方法,总结了一套分频蚂蚁追踪技术.模型试验表明,与常规处理方法相比,分频蚂蚁追踪技术大大降低了噪声与假裂缝信息的影响.将此技术应用于实际深部资料的裂缝检测工作中,识别出了区域内三组构造断层与一组伴生褶皱小断层,比较准确地解释了裂缝发育带的区域分布特征,其噪声压制的应用效果良好,裂缝检测的清晰度和精确性较传统蚂蚁追踪均有提高.需要指出的是,由于不同的地质目标对地震资料不同频率成分的敏感性不同,不同频段的单频数据体信噪比也不同,因此在实际工作中,应根据具体的研究目标与单频体资料品质的情况,选取合适的单频数据体进行处理、重构与解释,这是获得理想的研究效果的关键.
致谢 感谢审稿专家提出的修改意见和编辑部的大力支持![] | Chen M C, Xu S, Wei C G. 2015. Technique of fractured carbonate reservoir prediction and its application in oversea gas field exploration[J]. Progress in Geophysics (in Chinese), 30(4): 1660–1665. DOI:10.6038/pg20150419 |
[] | Deng G, Liang F, LI X T, et al. 2015. S-transform spectrum decomposition technique in the application of the extraction of weak seismic signals[J]. Chinese Journal of Geophysics (in Chinese), 58(12): 4594–4604. DOI:10.6038/cjg20151221 |
[] | Gabor D. 1946. Theory of communication[J]. Journal of the Institution of Electrical Engineers-Part Ⅰ:General, 94(73): 58. |
[] | 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 |
[] | Han L, Liu C C, Zhang Y M, et al. 2016. Seismic complex spectral decomposition and its application on hydrocarbon detection[J]. Chinese Journal of Geophysics (in Chinese), 59(3): 1095–1101. DOI:10.6038/cjg20160329 |
[] | He C, GUO S B, Tang J, et al. 2016. Application of fine structure interpretation and reservoir prediction technology in Lunnan area[J]. Progress in Geophysics (in Chinese), 31(3): 1111–1116. DOI:10.6038/pg20160325 |
[] | Hoyt W G, Wesley W G. 1998. Lowell and marss[J]. American Journal of Physics, 45(3): 316–317. DOI:10.1119/1.10630 |
[] | Mansinha L, Stockwell R G, Lowe R P. 1997. Pattern analysis with two-dimensional spectral localisation:Applications of two-dimensional S transforms[J]. Physica A:Statistical Mechanics and Its Applications, 239(1-3): 286–295. DOI:10.1016/S0378-4371(96)00487-6 |
[] | McFadden P D, Cook J G, Forster L M. 1999. Decomposition of gear vibration signals by the generalised S transform[J]. Mechanical Systems and Signal Processing, 13(5): 691–707. DOI:10.1006/mssp.1999.1233 |
[] | Morlet J, Arens G, Fourgeau E, et al. 1982. Wave propagation and sampling theory-Part Ⅱ:Sampling theory and complex waves[J]. Geophysics, 47(2): 222–236. |
[] | Partyka G, Gridley J, Lopez J. 1999. Interpretational applications of spectral decomposition in reservoir characterization[J]. The Leading Edge, 18(3): 353–360. DOI:10.1190/1.1438295 |
[] | Pinnegar C R, Mansinha L. 2003. The S-transform with windows of arbitrary and varying shape[J]. Geophysics, 68(1): 381–385. DOI:10.1190/1.1543223 |
[] | Stockwell R G, Mansinha L, Lowe R P. 1996. Localization of the complex spectrum:The S transform[J]. IEEE Transactions on Signal Processing, 44(4): 998–1001. DOI:10.1109/78.492555 |
[] | Su M, Liu J E, Jia G H, et al. 2014. Application of seismic frequency-division technology in delta system:A case study of the Dongying delta of the middle sub-section of the 3rd member of Shahejie formation in Dongying depression[J]. Progress in Geophysics (in Chinese), 29(3): 1248–1256. DOI:10.6038/pg20140334 |
[] | Wang R Q, Li L L, Li H J. 2010. Forward modeling research for seismic exploration of Tarim area[J]. Chinese Journal of Geophysics (in Chinese), 53(8): 1875–1882. DOI:10.3969/j.issn.0001-5733.2010.08.013 |
[] | Wang X W, Yang K Q, Zhou L H, et al. 2002. Methods of calculating coherence cube on the basis of wavelet transform[J]. Chinese Journal of Geophysics (in Chinese), 45(6): 847–852. DOI:10.3321/j.issn:0001-5733.2002.06.012 |
[] | Zeng H L, John A, Jackson K G. 2009. Frequency-dependent seismic stratigraphy[C].//SEG Technical Program. Expanded Abstracts, 1097-1101, doi:10.1190/1.3255040. |
[] | 陈明春, 徐晟, 魏春光. 2015. 裂缝型碳酸盐岩储层预测技术及海外气田勘探实践[J]. 地球物理学进展, 30(4): 1660–1665. DOI:10.6038/pg20150419 |
[] | 邓攻, 梁锋, 李晓婷, 等. 2015. S变换谱分解技术在深反射地震弱信号提取中的应用[J]. 地球物理学报, 58(12): 4594–4604. DOI:10.6038/cjg20151221 |
[] | 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 |
[] | 韩利, 刘春成, 张益明, 等. 2016. 地震复谱分解技术及其在烃类检测中的应用[J]. 地球物理学报, 59(3): 1095–1101. DOI:10.6038/cjg20160329 |
[] | 何翠, 郭少斌, 唐瑾, 等. 2016. 精细构造解释及储层预测技术在轮南地区的应用[J]. 地球物理学进展, 31(3): 1111–1116. DOI:10.6038/pg20160325 |
[] | 李劲松, 李艳东, 张昕, 等. 2008. 地震谱分解技术在岩性油气藏描述中的应用[J]. 石油天然气学报, 30(2): 239–241. |
[] | 苏明, 刘军锷, 贾光华, 等. 2014. 地震分频解释技术在三角洲体系中的应用——以东营凹陷沙三中亚段东营三角洲为例[J]. 地球物理学进展, 29(3): 1248–1256. DOI:10.6038/pg20140334 |
[] | 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[J]. 地球物理学报, 53(8): 1875–1882. DOI:10.3969/j.issn.0001-5733.2010.08.013 |
[] | 王西文, 杨孔庆, 周立宏, 等. 2002. 基于小波变换的地震相干体算法研究[J]. 地球物理学报, 45(6): 847–852. DOI:10.3321/j.issn:0001-5733.2002.06.012 |
[] | 徐丽英, 徐鸣洁, 陈振岩. 2006. 利用谱分解技术进行薄储层预测[J]. 石油地球物理勘探, 41(3): 299–302. |
[] | 张延庆, 魏小东, 王亚楠, 等. 2006. 谱分解技术在QL油田小断层识别与解释中的应用[J]. 石油地球物理勘探, 41(5): 584–586, 591. |