地球物理学进展  2014, Vol. 29 Issue (2): 698-705   PDF    
引用本文
冯兴强. 2014. 子波分解频谱技术在TY地区流体检测中的应用[J]. 地球物理学进展, 29(2): 698-705, doi: 10.6038/pg20140230  
FENG Xing-qiang. 2014. Application of spectrum technology based on wavelet decomposition to fluid identification in TY area. Progress in Geophysics, 29(2): 698-705, doi: 10.6038/pg20140230   
子波分解频谱技术在TY地区流体检测中的应用
冯兴强    
中国石油化工股份有限公司石油勘探开发研究院, 北京 100083
收稿日期: 2013-10-12 修回日期: 2013-12-12 .
基金项目：国家科技重大专项（2011ZX05002-005-002）.
作者简介：冯兴强，男，1975年生，2003年毕业于中国科学院地质与地球物理研究所获博士学位，高级工程师，从事地质与地球物理综合研究.（E-mail：fengxq.syky@sinopec.com）
摘要：随着L井在奥陶系取得重大突破，TY地区成为了研究热点地区，研究人员在该区储层流体检测方面开展了一定的研究工作，但主要集中在振幅类属性流体检测方面，并且效果不是很好.为此本文利用时频分析方法来开展流体检测研究，通过研究认为影响研究区目的层频率类属性的因素为流体，频率类属性可以反映研究区W组地层的流体分布特征，各种频率类属性对比发现，低频增加和高频衰减属性可以反映研究区W组上部地层的流体（油气）分布状况.25 Hz的单频体可以比较有效的反映研究区整个目的层的流体分布特征.综合低频增加、高频衰减及单频属性认为，油气整体上沿断裂带呈条带状分布，研究区东南部油气相对比较发育，利用本文方法得到的流体检测结果与该区钻井情况和地质认识也是比较吻合的.
关键词： 子波分解     频谱     流体检测    
Application of spectrum technology based on wavelet decomposition to fluid identification in TY area
FENG Xing-qiang    
Sinopec Research Institute of Petroleum Exploration and Production, Beijing 100083, China
Abstract: Well L has achieved major breakthroughs in Ordovician formation. TY area has become one of the hot spot. Experts have done a lot of research work about fluid identification by amplitude attributes in the study area. Their effects are not very perfectable. Aim to the problem, we identify the fluid using the method of time-frequency in this article. The fluid is the factor which influence the frequency attributes in the target sequences of the study area. The frequency attributes can reflect the fluid distribution characteristics of W Formation. By comparing various frequency attributes,Low frequency resonance and high frequency attenuation can reflect the fluid distribution characteristics of Upper W Formation. The single-frequency data volume of 25 Hz can effectively reflect the fluid distribution characteristics of the whole target interval. The oil-gas presents banded distribution along fault belt in the study area. The oil-gas is developed in the southeast of the study area. The prediction result is relatively consistent with the real drilling and the recognition of geology.
Key words: wavelet decomposition     frequency spectrum     fluid identification    
0 引 言

TY地区位于塔里木盆地西部，属于新疆维吾尔自治区和田地区.研究区奥陶系经历多期、长时间暴露，发育多种储层类型.随着L井在奥陶系取得重大突破，TY地区成为了研究热点地区，研究人员在该区进行了大量的研究工作，流体检测是其中重要的一个方面.

前人虽然在该区流体检测方面开展了大量工作，也取得了一定的效果，但研究主要集中在利用振幅类属性进行该区流体检测，由于振幅类属性影响因素较多，因此效果不是很理想；虽然在频率域方面也进行过研究，但研究的不够深入细致，并且存在以下两方面问题：

(1)缺乏对用于流体检测的地震属性影响因素分析，使得地震属性代表的地质含义不明确，导致流体检测结果不可靠.

(2)在流体特征研究方面采用短时窗FFT进行时频分析研究，短时窗FFT方法分辨率差，导致引起频谱特征异常的具体位置及原因不明确.1 针对问题采用的对策

针对问题1，我们对用于流体检测的频率类属性的影响因素进行了详细分析. 作者认为，影响频率类属性的因素主要有三个方面：地层因素、岩性及流体.由于本次研究是在W组地层内进行的，因此地层的背景是一致的；对于岩性因素来说，研究区W组地层的岩性有灰岩、云岩及其两者之间的过渡岩性，从这些岩性波阻抗交汇图(图 1)上可以看出，这些不同岩性波阻抗分布范围基本一致，说明这些不同岩性引起的地震反射及响应特征是一致的，因此可以把岩性背景考虑成统一的.这样的话影响研究区目的层频率类属性的因素就只有流体，因此通过频率类属性的研究可以反映研究区W组地层的流体分布特征.

图 1 研究区目的层不同岩性波阻抗与声波交汇图 Fig. 1 A crossplot of acoustic impedance and sonic wave from different lithology of the study area’s target formation

针对问题2，采用了匹配追踪子波谱分解技术来对研究区目的层进行频谱分解，使得频谱特征更接近真实谱，提高了检测的精度. 2 子波分解频谱分析技术原理

频谱分析技术是近几年发展起来的一项新的地震属性分析技术，该技术一经推出便引起业界广泛关注，国内外很多学者开展了大量研究工作.有些学者用短时傅里叶变换来预测河道(Partyka等，1999)，有些学者用短时傅里叶变换(STFT)进行薄层可视化和沉积相分析(Marfurt等，2001)，也有学者采用小波变换谱分解方法进行烃类检测(Burnett等，2003；Castagna等，2003；Sinha等，2005).

我们知道，地震波经过含油气储层时会发生很强的衰减，且高频成分比低频成分的衰减程度高.地层吸收的不一致性使地震信号的谱结构发生了改变，频谱上表现为低频能量相对增加，高频能量相对减弱(谭茂金等，2008；彭真明等，2008；董宁等，2008；何诚等，2008；黄饶等，2009；匡朝阳等，2009；周哲等，2009；刘喜武等，2009；喻岳钰等，2009；刁瑞等，2011；陈树民等，2011；覃豪等，2011；程冰洁等，2012).因此，地震波的频率可以作为反映油气的一个重要标志(Partyka等，1999；黄绪德，2002；Burnett等，2003；Castagna等，2003；刘喜武等，2008；肖高杰等，2008；朱振宇等，2009；龚洪林等，2009；陈学华等，2009)，本次研究就是利用地震波频率特征来开展研究区的流体检测研究.

子波分解时频分析技术是将以往只能从宏观上认识的地震道(剖面和数据体)分解为不同形状不同频率的地震子波(图 2)，由于分解过程是线性的，因此将这些子波重新叠加，就可以得到原始的地震道.具体实现过程是将输入的地震数据体中所给定的数据段，分解成不同能量的子波分量，而不同能量的子波分量是基于输入地震数据段通过统计计算而得到的.

图 2 地震道子波分解示意图Fig. 2 The schematic of the seismic trace wavelet decomposition

在子波分解技术的基础上，可以提取多种与地层含油气性有关的属性参数.应用多子波地震道分解技术，结合研究 区地质背景和钻井资料进行流体检测可以分成以下几个步骤：

(1)对地震数据进行多子波地震道分解；

(2)筛选合成有利于流体检测的新的地震道集；

(3)计算地震波频率类属性；

(4)提取地震分量，并根据钻井获得的油层资料，筛选出对油气检测更有效的地震分量. 3 TY地区流体检测

利用子波分解时频分析技术，对研究区的流体检测进行了研究.

3.1 工区确定

选取了该区整个地震工区来开展研究，在选定的工区内共有5口井，这5口井在奥陶系均进行了测试；其中T、L井产油，M、N、O井为水层.该工区地震资料为1 ms采样，覆盖次数高，资料品质好，为开展研究工作奠定了良好基础. 3.2 层位精确标定

流体检测工作就是要从已知测试井出发来寻找和油气关系最为密切的地震属性，进而利用这些属性来进行流涕检测.地质、钻井的信息是深度域的数据，而地震信息是时间域的数据，建立他们之间关系的桥梁是合成地震记录，利用各井的合成地震记录，对井上测试层位进行了精细的标定(图 3).

图 3 L井合成记录Fig. 3 The synthetic record of well L
3.3 子波分解流体检测

通过对研究区各井进行时频分析研究，将井上测试结果投影到时频分析结果上进行标定对比研究发现，不同类型的流体时频特征是不同的，总体上表现为当储层含油气时，能量呈现出向低频方向增强的特征，当储层为含水时，能量向低频方向增强的特征不明显(图 4).

图 4 研究区不同类型流体的时频及频谱特征 Fig. 4 Time-frequency characteristic of different types of fluids in the study area

在时频分析基础上对各井不同类型流体的频谱特征进行了分析，通过各井不同类型流体频谱特征统计研究，认为研究区油气水的频谱特征具有比较明显的差异，油气层的频谱表现为单峰的特征，具有明显的低频增加和高频衰减特征，而水层频谱一般也呈现为双峰的特点(图 5).

图 5 研究区不同类型流体的频谱特征 Fig. 5 Spectrum characteristic of different types of fluids in the study area
3.4 研究区油气敏感频率类属性分析

从时频分析及频谱特征上可以看出，研究区油层与水层低频增加和高频衰减特征差异比较明显，同时将研究区各井测试结果与低频增加、高频衰减属性标定对比发现，这两种属性与井上测试结果比较吻合(图 6～图 9).

图 6 研究区不同类型流体的低频增加属性特征 Fig. 6 The character of low frequency increased from the study area’s different types of fluids

图 7 研究区连井低频增加属性剖面 Fig. 7 The character of low frequency resonance from a well-tie profile of the study area

图 8 研究区不同类型流体的高频衰减属性特征 Fig. 8 The character of high frequency attenuation from different types of fluids in the study area

图 9 研究区连井高频衰减属性剖面 Fig. 9 The character of high frequency attenuation from a well-tie profile of the study area

但从低频增加和高频衰减属性连井对比剖面看，这两类属性的异常区域主要集中在W组地层的上部.通过分析认为这种情况是由于受该地层顶部强反射界面的影响，因为该界面不仅是一个地层岩性的转换界面，而且也是一个不整合面，因此该界面反射能量很强，压制住了地层内部的能量变化，使得地层内部低频增加与高频衰减变化反映不出来，即地层内部流体的分布情况反映不出来，针对这一问题，为了研究W组地层整体的流体分布情况，我们进行了单频体的研究，之所以选用单频是由于地震道频谱分解后，频谱成分的准确性和稳定性得到突出和加强，从而可以使用某一段或一个单频率的微弱变化来预测解释整个地层的油气分布.

通过对研究区目的层频谱特征研究发现，目的层地震优势频带范围为8～38 Hz，主频为27 Hz(图 10)，我们对优势频带以1 Hz间隔进行了单频扫描，通过扫描以及与研究区各井测试结果对比研究，从各井25 Hz单频剖面及连井的25 Hz单频剖面可以看出(图 11～图 12)，油水层在该频率剖面上差异比较明显，同时该属性与井上试油结果吻合较好，认为25 Hz的单频体可以比较有效的反映研究区目的层的流体分布特征.

图 10 研究区目的层频谱Fig. 10 The spectrum characteristic of the study area’s target formation

图 11 研究区各井25 Hz单频剖面Fig. 11 The single-frequency profile of 25 Hz from the study area’s various wells

图 12 研究区连井25 Hz单频剖面Fig. 12 The character of 25 Hz single-frequency data from a well-tie profile of the study area

由于该属性和井上测试结果对应较好，因此可以用此属性来研究TY地区的流体分布情况，图 13是TY地区的25 Hz频率的平面分布，它们可以在一定程度上反映研究区目的层的流体分布情况.从图上可以看出，流体整体上沿断裂带呈条带状分布，在工区的东南部流体相对比较发育，这与该区钻井情况和地质认识也是比较吻合的.

图 13 TY地区25 Hz频率平面分布Fig. 13 The planar distribution of the 25 Hz single-frequency data volume in TY area
4 结 论

4.1    影响研究区目的层频率类属性的因素为流体，频率类属性可以反映研究区W组地层的流体分布特征.

4.2    研究区不同类型的流体时频特征是不同的，总体上表现为当储层含油气时，能量呈现出向低频方向增强的特征，当储层为含水时，能量向低频方向增强的特征不明显.研究区油气层的频谱表现为单峰的特征，具有明显的低频增加和高频衰减特征，而水层频谱一般呈现为双峰的特点，并且低频增加和高频衰减特征不明显.

4.3    低频调谐和高频衰减属性可以在一定程度上反映研究区W组上部的流体(油气)分布状况，单频率的微弱变化可以预测解释整个地层的油气分布，25 Hz的单频体可以比较有效的反映研究区目的层的流体分布特征.

4.4    综合低频调谐、高频衰减及单频属性能够较好地刻画W组地层整体的流体(油气)分布.研究区流体整体上沿断裂带呈条带状分布，在工区的东南部流体相对比较发育，这与该区钻井情况和地质认识也是比较吻合的.

参考文献
[1] Burnett M D, Castagna J P, Méndez-Hernández E, et al. 2003. Application of spectral decomposition to gas basins in Mexico[J].   The Leading Edge, 22(11): 1130-1134.
[2] Castagna J P, Sun S J, Siegfried R W. 2003. Instantaneous spectral analysis: Detection of low-frequency shadows associated with hydrocarbons[J].   The Leading Edge, 22(2): 120-127.
[3] Chen S M, Wang J M, Wang G S, et al. 2011. Joint PP-PS inversion techniques and their application for predicting gas reservoir of deep volcanic in Daqing[J]. Chinese J. Geophys. (in Chinese), 54(2): 280-285, DOI: 10. 3969/J. issn. 0001-5733. 2011. 02. 002.
[4] Chen X H, He Z H, Huang D J, et al. 2009.Low frequency shadow detection of gas reservoirs in time-frequency domain[J]. Chinese J. Geophys. (in Chinese), 52(1): 215-221.
[5] Cheng B J, Xu T J, Li S G. 2012. Research and application of frequency dependent AVO analysis for gas recognition[J]. Chinese J. Geophys. (in Chinese), 55(2): 608-613, doi: 10.6038/j.issn.0001-5733.2012.02.023.
[6] Diao R, Li Z C, Han W G, et al. 2011. Application of absorption and attenuation analysis technique based on generalized S transform for hydrocarbon identification[J]. Geophysical Prospecting for Petroleum (in Chinese), 50(3): 260-265, doi:10.3969/j.issn.1000-1441.2011.03.008.
[7] Dong N, Yang L Q. 2008. Application of absorption and attenuation based on wavelet transform for prediction of reservoir in tahe oilfield[J].   Progress in Geophysics (in Chinese), 23(2): 533-538.
[8] Gong H L, Wang Z Q, Li L M, et al. 2008. Predicting carbonate reservoir by applying seismic spectral decomposition technique[J].   Progress in Geophysics (in Chinese), 23(1): 129-135.
[9] He C Li H, Zhang Y C, et al. 2008. Application of monofrequency imaging in oil and gas recognition[J].   Natural Gas Industry (in Chinese), 28(4): 40-42.
[10] Huang X D. 2002. Discussion on notches-in-thin-bed[J].   Progress in Exploration Geophysics (in Chinese), 25(5): 193-196.
[11] Huang R, Chen X H, Li J Y. 2009. Sensitivity analysis and evaluation of AVO property in unconsolidated gas sandstone[J]. Progress in Geophys. (in Chinese), 24(2): 551-557, doi:10.3969/j.issn.1004-2903.2009.02.024.
[12] Kuang Z Y, He R Z, Gao R, et al. 2009. A technique of forecasting and exploring volcanic reservoirs—an example of Changling Fault-depression in Songliao Basin[J]. Progress in Geophys. (in Chinese), 24(2): 602-608, doi:10.3969/j.issn.1004-2903.2009 02.031.
[13] Liu X W, Ning J R, Liu P T, et al. 2009. Seismic time-frequency analysis for frequency decomposition with applications to seismic sedimentology and reservoir imaging[J]. Progress in Geophys. (in Chinese), 24(5): 1679-1688, doi:10.3969/j.issn.1004-2903.2009.05.018.
[14] Liu X W, Zhang N, Gou Y F, et al. 2008. The comparison and application of time-frequency analysis methods to seismic signal[J]. Progress in Geophysics (in Chinese), 23(3): 743-753.
[15] Marfurt K J, Kirlin R L. 2001. Narrow-band spectral analysis and thin-bed tuning[J].   Geophysics, 66(4): 1274-1283.
[16] Partyka G, Gridley J, Lopez J. 1999. Interpretational applications of spectral decomposition in reservoir characterization[J].   The Leading Edge, 18(3): 353-360.
[17] Peng Z M, Li Y L, Wu S H, et al. 2008. Discriminating gas and water using multi-angle extended elastic impedance inversion in carbonate reservoirs[J]. Chinese J. Geophys.   (in Chinese), 51(3): 881-885.
[18] Qi L X, Gu H M, Li Z J, et al. 2008. Theoretical discussion on resolution of maximum height of cavity in the Tahe oilfield based on seismic amplitude[J].   Progress in Geophysics (in Chinese), 23(5): 1499-1506.
[19] Qin H, Li H J, Yang X F, et al. 2011. A study on the fluid identification method of acidic volcanic reservoirs based on the pore structure[J]. Chinese J. Geophys. (in Chinese), 54(2): 422-427, doi:10.3969/j.issn.0001-5733.2011.02.019.
[20] Sinha S, Routh P S, Anno P D, et al. 2005. Spectral decomposition of seismic data with continuous-wavelet transform[J].   Geophysics, 70(6): 19-25.
[21] Tan M J, Shi Y L, Zhao W J, et al. 2008. Joint inversion method for NMR dual-TW logging data and fluid typing[J]. Chinese J. Geophys. (in Chinese), 51(5): 1582-1590.
[22] Xiao G J, Yang C C, Fan X B, et al. 2008. Application of spectral decomposition method in channel identifying at W area[J]. Progress in Geophysics (in Chinese), 23(2): 568-572.
[23] Yu Y Y, Yang C C, Wang Y F, et al. 2009. P-wave azimuthal attenuation attributes in wavelet-scale domain and its application to fracture detection in carbonate[J]. Progress in Geophys. (in Chinese), 24(5): 1717-1722, doi:10.3969/j.issn.1004-2903.2009.05.  023.
[24] Zhou Z, Wang Z L. 2009. The review of research in optimal hydrocarbon indicator[J]. Progress in Geophys. (in Chinese), 24(4): 1349-1353, doi:10.3969/j.issn.1004-2903.2009.04.024.
[25] Zhu Z Y, Lü D Y, Sang S Y, et al. 2009. Research of spectrum decomposition method based on physical wavelet transform and its application[J]. Chinese J. Geophys. (in Chinese), 52(8): 2152-2157, doi:10.3969/j.issn.0001-5733.2009.08.  025.
[26] 陈树民, 王建民, 王桂水,等. 2011. PP-PS协同反演技术预测大庆深层火山岩含气储层[J]. 地球物理学报, 54(2): 280-285. doi:10.3969/J.issn.0001-5733.2011.02.  002.
[27] 陈学华, 贺振华, 黄德济,等. 2009. 时频域油气储层低频阴影检测. 地球物理学报, 52(1): 215-221.
[28] 程冰洁, 徐天吉, 李曙光. 2012. 频变AVO含气性识别技术研究与应用[J]. 地球物理学报, 55(2): 608-613, doi: 10.6038/j.issn.0001-5733.2012.02.  023.
[29] 刁瑞, 李振春, 韩文功,等. 2011. 基于广义S变换的吸收衰减分析技术在油气识别中的应用[J]. 石油物探, 50(3): 260-265, doi: 10.3969/j.issn.1000-1441.2011.03.  008.
[30] 董宁, 杨立强. 2008. 基于小波变换的吸收衰减技术在塔河油田储层预测中的应用研究[J].   地球物理学进展, 23(2): 533-538.
[31] 龚洪林, 王振卿, 李录明,等. 2009. 应用地震分频技术预测碳酸盐岩储层[J].   地球物理学进展, 23(1): 129-135.
[32] 何诚, 李邗, 张延充,等. 2008. 单频成像技术在油气检测中的应用[J].   天然气工业, 28(4): 40-42.
[33] 黄绪德. 2002. 薄层陷频法[J].   勘探地球物理进展, 25(5): 193-196.
[34] 黄饶, 陈小宏, 李景叶. 2009. 疏松砂岩气藏地震AVO属性敏感性分析与评价[J]. 地球物理学进展, 24(2): 551-557, Doi:10.3969/ j.issn.1004-2903.2009.02.  024.
[35] 匡朝阳, 贺日政, 高锐,等. 2009. 火成岩气藏储层预测及勘探技术—以松辽盆地长岭断陷为例[J]. 地球物理学进展, 24(2): 602-608, doi:10.3969/ j.issn.1004-2903.2009.02.  031.
[36] 刘喜武, 宁俊瑞, 刘培体,等. 2009. 地震时频分析与分频解释及频谱分解技术在地震沉积学与储层成像中的应用[J]. 地球物理学进展, 24(5): 1679-1688, doi:10.3969/j.issn.1004-2903.2009.05.  018.
[37] 刘喜武, 张宁, 勾永峰,等. 2008. 地震勘探信号时频分析方法对比与应用分析[J].   地球物理学进展, 23(3): 743-753.
[38] 彭真明, 李亚林, 巫盛洪,等. 2008. 碳酸盐岩储层多角度弹性阻抗流体识别方法[J].   地球物理学报, 51(3): 881-885.
[39] 漆立新, 顾汉明, 李宗杰,等. 2008. 基于地震波振幅分辨塔河油田溶洞最小高度的理论探讨[J]. 地球物理学进展, 23(5): 1499-1506.  
[40] 覃豪, 李洪娟, 杨学峰,等. 2011. 基于孔隙结构的酸性火山岩储层流体识别方法研究[J]. 地球物理学报, 54(2): 422-427, doi:10.3969/j.issn.0001-5733.2011.02.  019.
[41] 谭茂金, 石耀霖, 赵文杰,等. 2008. 核磁共振双TW测井数据联合反演与流体识别[J].   地球物理学报, 51(5): 1582-1590.
[42] 肖高杰, 杨长春, 范兴斌,等. 2008. 谱分解技术在W区河道识别中的应用[J].   地球物理学进展, 23(2): 568-572.
[43] 喻岳钰, 杨长春, 王彦飞,等. 2009. 瞬时频域衰减属性及其在碳酸盐岩裂缝检测中的应用[J]. 地球物理学进展, 24(5): 1717-1722, doi:10.3969/j.issn.1004-2903.2009.05.  023.
[44] 周哲, 王真理. 2009. 最优烃类指标方法研究综述[J]. 地球物理学进展, 24(4): 1349-1353, doi:10.3969/j.issn.1004-2903.2009.04.  024.
[45] 朱振宇, 吕丁友, 桑淑云,等. 2009. 基于物理小波的频谱分解方法及应用研究[J]. 地球物理学报, 52(8): 2152-2157, doi:10.3969/j.issn.0001-5733.2009.08.  025.