地球物理学进展  2014, Vol. 29 Issue (4): 1672-1677   PDF    
二维地震属性标准化处理及应用——以鄂尔多斯盆地刘峁塬地区长81段为例
李丙喜1, 李书恒2, 王永红2, 胡玉所2, 高世臣3     
1. 中国矿业大学(北京)资源与安全工程学院, 北京 100083;
2. 中国石油长庆油田分公司, 西安 710021;
3. 中国地质大学(北京)数理学院, 北京 100083
摘要:为解决跨度时间较长二维地震测线提取属性差异较大的问题,提出了以测线交点信息为约束,结合模拟退火算法调整优化参数对地震属性标准化处理的新方法,以解决二维地震资料不同测线地震属性一致性较差的问题.标准化处理后的震属性与储层具有很好的相关性.采用模糊神经网络方法对研究区长81段砂岩厚度进行了地震属性定量预测,表明标准化后的二维地震信息的融入能够有效的提高储层预测的精度.
关键词标准化     二维地震     模糊神经网络     储层预测    
Processing and Applications of standardization of 2-D seismic attributes——Chang 81 formation of Liumaoyuan area of Ordos basin as a example
LI Bing-xi1, LI Shu-heng2, WANG Yong-hong2, HU Yu-suo2, GAO Shi-chen3    
1. School of Resources and Safety Engineering, China University of Mining(Beijing), Beijing 100083, China;
2. Changqing Oil Field Company, Xi'an 710021, China;
3. Mathematical College, China University of Geosciences, Beijing 100083, China
Abstract: A method based on simulate anneal algorithm is proposed to eliminate the variances among 2-D seismic attributes, which is carried out by a optimized process for the computing parameters in intersection points between seismic lines. A case study from Liumaoyuan area of Ordos Basin shows that the method can improve consistency of 2-D seismic Attributes, and increase the correlation between reservoir thickness and 2-D seismic Attributes. Fuzzy neural network is adopted to estimate the sandstone thickness of Chang81 formation, as a result that integration of 2-D seismic improves the accuracy of reservoir estimation prediction effectively.
Key words: standardization     2-D seismic     fuzzy neural network     reservoir estimation    

0 引 言

地震属性预测是地球物理勘探技术的一个重要方向,目前发展已较为成熟,尤其是三维地震属性分析和储层预测技术,在油气资源勘探、评价和开发的各个阶段均得到广泛的应用(Pearson和Hart,1999邹才能和张颖,2002Chopra和Marfurt,2005程冰洁等,2012周水生等,2012王开燕等,2013).但在勘探程度较低、地表条件较为复杂的地区(如鄂尔多斯盆地)仍以大量的二维地震资料为主.尽管覆盖密度较低,二维地震数据依然可以在一定程度上反映地下地质信息,可以直接或间接用于储层预测和评价(段林娣等,2011杨华和付金华,2012).由于采集时间、采集方式和采集参数等方面的差异,使得二维地震测线之间的一致性较差,这也是造成利用二维地震属性进行储层预测效果不好的主要因素.国外在小范围内常采用地震资料重新处理的方式解决一致性较差的问题(Siddique等,2012).而国内二维地震测线区域跨度大,时间跨度长,重新处理存在一定困难.因此不同时期的二维地震属性标准化处理方法与流程是二维地震储层预测过程中的一个急需探索的技术环节(邹才能和张颖,2002韩文功和张建宁,2011).对该问题的解决可以促进二维地震信息在储层定量预测和评价中的广泛应用.

1 二维地震属性标准化算法及实现

1.1 常规地震属性标准化方法及其优缺点

地震属性标准化是针对不同二维测线或数据体提取的地震属性之间存在的量纲、数值大小和变化幅度等方面的差异而进行的数据处理,以改善地震属性与预测目标(如沉积体、储集层等)之间关系的一致性. 常规的地震属性标准化多是以统计特征参数(如均值、方差、极值等)为基础的,如中心标准化、极差标准化、标准差标准化和模型标准化等(王永刚等,2007王开燕等,2013).这些方法均假设不同数据体或不同测线的地震属性符合某一分布(如高斯分布或均匀分布),其统计参数(均值、方差和极值等)是一致的.二维地震工区通常面积较大,地震测线长度不一,从几公里到上百公里不等,很难满足上述假设条件.例如仅分布在砂岩发育的河道带上或者深湖泥岩区的短测线与贯穿整个工区、覆盖多种沉积相带的长测线相比,地震属性特征上应存在一定差异,至少无法假设两者的地震属性分布及其统计参数相同.因此,常规的标准化方法不适合二维地震属性的标准化处理.

1.2 二维地震属性标准化处理的思路

分析二维地震资料采集、处理和地质解释的过程,可以发现二维地震资料具有以下特点:

(1)地震属性特征的客观性:地震属性是地震波对地下地质特征变化的某种响应,对于一个二维地震工区而言,其地质特征的客观性决定了地震属性特征的客观性,工区内所有二维地震测线的地震属性应服从一个总体分布;

(2)地震属性与地质特征关系的相对性:尽管地震采集、处理的差异影响了地震测线之间的一致性,但是对于某一条测线而言,不同地质目标或不同地质特征在地震属性上的相对关系是一致的,只是在不同测线上这种关系的量化指标存在差异;

(3)地震测线之间的差异性:由于不同测线所覆盖的地质体或相带不同,其地震属性也必然存在差异,每条二维测线的地震属性都有各自的分布,其特征值(均值、方差、极值等)也不尽相同,但每条测线地震属性的分布都是总体分布的一部分;

(4)测线交点的关联作用:相交的二维地震测线在交点处的地震属性应该是相同的.这种关联关系一方面可以量化不同测线地震属性的差异,同时也可以对标准化处理效果给出一个量化指标.

上述特点为二维地震属性的标准化处理提供了以下思路:

(1)二维地震属性在空间上变化是一个整体规律,不符合该规律的测线均需要标准化处理;

(2)地震属性与地质特征或地质目标之间的相对关系是一致的,但在不同测线上其变化幅度不尽相同,但其变化趋势是一致的,标准化处理主要解决变化幅度一致的问题;

(3)二维地震测线之间的交点及交点处地震属性的一致性约束为优化算法的应用提供了条件.

1.3 地震属性标准化算法及实现

基于上述思路,提出二维地震属性标准化的新方法,即测线交点约束下的地震属性标准化方法.以极值标准化方法为例说明该算法,如下:

假设共有L条二维地震测线,第i条测线上的第k个CDP位置的标准化地震属性为:

其中,VStdk为标准属性,k为CDP位置;Vk为原始地震属性;Vimin为原始属性下限值;Vimax为原始属性上限值.

在二维地震共区内,一些测线之间存交叉,不妨设测线条数为L,L条测线的交点总数为N,对于任意一个交点(如第i个)可以表示为:[CVji,CVki],其中两条相交测线的序号分别为j、k.该交点处有来自第j和第k条测线的两个地震属性值,其偏差可以用于表示两条测线地震属性之间的差异:

该数值越大说明两条测线的属性的差异性较大,反之,差异性较小.

要得到好的标准化处理结果,就要尽可能的降低总体偏差,这就需要对标准化过程中的计算参数[Vimin,Vimax]进行调整和优化,其调整方法如下:

交点[Vji,Vki]处的地震属性均值为

相交测线地震属性与的偏差为

根据偏差对相交测线地震属性标准化处理参数进行调整:

其中,α和β为调整系数.在计算过程中,优化调整标准化参数采用模拟退火算法(海洋和朱培民,2012).采用上式对每条二维地震测线的属性标准化参数进行调整.通过该过程迭代计算,得到最优的标准化处理参数.

2 实例工区概况及数据基础

研究工区源自鄂尔多斯盆地刘峁塬地区,目的层段为长81段,面积2961 km2.区内有二维地震测线93条总长度约2300 km(图 1),采集年度为1994年至2009年,包括直测线、非纵测线和沟中弯测线等.二维地震剖面为负极性,近180度相位.目的层在1.2~1.5 s之间,主频25~35 Hz左右.区内共有钻井280口,其中位于地震测线上的钻井61口(图 1中红色井点).

图 1 地震测线和钻井分布(红色井位为测线穿过井) Fig. 1 Distribution of seismic lines and wells(seismic lines cross red wells)

研究过程中完成了对目的层段的层位解释和地震属性提取工作,共提取三大类属性:能量属性、频率属性和几何属性.能量属性包括均方根振幅、反射强度、平均能量、平均绝对振幅等,频率属性包括平均瞬时频率、瞬时相位、有效带宽等,几何属性主要是半弧长度等,这些属性数据是本研究的数据基础.

3 地震属性标准化及效果分析

研究区内探井评价井总体上对沉积相带有一定的控制,对区块的勘探阶段和早期评价阶段工作而言,尚能满足要求,但是随着研究工作的深入,逐步进入有利目标优选和产能建设阶段,后期加密评价井和开发井资料显示,工区目的层段储层的空间展布特征及其内部的变化比早期的认识更复杂,井间储层预测的可靠性问题凸显.如果分布在井间的地震资料对储层有一定的响应,那么就可以为井间储层预测提供相应的辅助信息,无疑会提高储层的预测精度.

3.1 二维地震属性标准化

研究区二维地震资料采集时间跨度较长,达16年.不同年代处理参数存在一定差异,致地震资料的品质和反射特征存在差异,进而影响到地地震属性的一致性.从二维地震测线提取的长81层段均方根振幅属性平面分布图(图 2a)来看,不同测线上的均方根振幅值存在着明显的差异,工区西部最为明显,几条弯线与相交测线之间差异较大,其振幅值明显偏低.交点处对应测线地震属性(均方根振幅)交会图(图 3a)中数据点分布极为分散,差异性很大,也进一步说明了进行地震属性标准化处理的必要性.

图 2 处理前后交点属性交会图(均方根振幅) (a)原始属性;(b)标准化属性. Fig. 2 Seismic attributes crossplot before and after st and ardization of intersection of seismic line(RMS amplitude) (a)Original attribute;(b)St and ardized attribute.

图 3 标准化地震属性插值结果 (a)均方根振幅;(b)平均瞬时频率;(c)有效频带. Fig. 3 Interpolation Results of St and ardized Seismic Attributes (a)RMS;(b)Average instantaneous frequency;(c)B and .
3.2 地震属性标准化处理效果对比

区内93条二维地震测线之间共有508个交点,将这些交点作为约束交点进行地震属性标准处理.对标准化处理前与标准化处理后交点处地震属性进行对比(图 2),图 2b是标准化处理后交点处均方根振幅属性交会图,与标准化前的数据对比(图 2a),数据集中分布在45度线附近,反应出标准化处理明显改善不同测线之间地震属性的一致性.

利用上述方法对工区内所有二维地震测线目的层提取的地震属性进行标准化处理,以该标准化处理后数据为基础进行储层预测工作.为了较好地将二维地震属性应用于储层预测,对标准化后的二维地震属性进行插值,获得了网格化的二维地震属性平面分布图(图 3).

4 基于标准化属性储层预测

4.1 标准地震属性和储层的关系分析

对61口过地震测线井点砂岩厚度和地震属性之间的关系分析表明,砂岩厚度与均方根振幅、平均瞬时频率和有效频带等三个地震属性存在一定的关系(图 4).砂岩厚度较大、垂向连续性较好时,地震资料以相对较宽的有效频带为特征.而当砂岩较薄或者为砂泥岩薄互层时,地震资料以较窄的有效频带为特征,有效频带属性与砂岩厚度之间呈线性正相关关系.均方根振幅值增高时砂岩厚度有减薄的趋势,均方根地震属性与砂岩厚度呈线性负相关关系.砂岩厚度与瞬时频率之间的关系略为复杂,高的瞬时频率一般对应于厚层砂岩分布区,当砂岩厚度为15~20 m的中等厚度时,对应于一个明显略低的平均瞬时频率趋势.

图 4 砂岩厚度和标准化地震属性交会图 (a)均方根振幅;(b)平均瞬时频率;(c)有效频带. Fig. 4 Crossplot of s and stone thickness and st and ardized seismic attributes (a)RMS;(b)Average instantaneous frequency;(c)Effective frequency b and .

总体上看,三种地震属性与砂岩厚度之间的相关性相对较弱,直接利用地震属性进行砂岩厚度预测难以达到理想的精度.为增加砂岩厚度定量预测的精度与可行性,必须将井点信息与地震属性信息相结合,将砂岩厚度与地震属性的相关性、砂体厚度的空间结构特征与地震属性的相关性结合起来.

4.2 砂岩厚度预测方法及实现

为了综合井点数据和地震属性信息,特采用模糊神经网络方法进行砂岩厚度预测,利用其较强的模糊逻辑推理和定量拟合能力(Kosko,1999海洋和朱培民,2012),实现井点数据和地震属性的有效融合.模糊神经网络模型的构建同样是井点的砂岩厚度和对应的地震属性信息为基础,建立相对应的多个模糊规则,以椭球形性规则为初始模糊规则(Kosko,1999),计算每个规则钻井砂岩厚度与三个地震属性的中心值和方差,如第i条规则为:

Ri=[(S and i),(υi1,δi1),(υi2,δi2),(υi3,δi3)]

以工区280口钻井的砂岩厚度数和对应的地震属性作为约束条件数据,建立模糊神经网络系统及其模糊规则,并进行训练,最终得到满足精度要求的模糊神经网络模型,通过该模型利用对工区地震属性网格数据进行砂岩厚度的预测,完成了预测储层分布图(图 5c).为了对比分析,同时对井点砂岩厚度进行了单纯井点信息的克里格插值和序贯高斯模拟,其结果见图 5a、b.对三种方法分别进行交叉检验,结果见图 6.

图 5 不同方法砂体厚度预测结果 (a)克里格插值;(b)序贯高斯模拟;(c)模糊神经网络方法. Fig. 5 Prediction results of thickness of s and body in different methods (a)Kriging interpolation;(b)Sequential gaussian simulation;(c)Fuzzy neural network.

图 6 砂体厚度预测交叉检验图 (a)克里格插值;(b)序贯高斯模拟;(c)模糊神经网络方法. Fig. 6 Cross check of thickness of s and body prediction (a)Kriging interpolation;(b)Sequential gaussian simulation;(c)Fuzzy neural network.
4.3 对比分析

对比分析对三种方法预测结果,可以看出:

(1)以传统地质统计学为基础的井点克里格插值和序贯高斯随机模拟方法可以得到完全忠实于井点信息的预测结果,但是交叉检验结果显示其预测结果和实际数据之间存在较大的误差,交会图上数据点分布极为分散(图 6a、b),平均误差均大于5米(表 1).这说明单纯以井点信息为基础的储层预测和油藏评价工作潜在较大的风险,有必要把二维地震信息引入储层预测,以期改善储层预测效果.

(2)模糊神经网络方法与上述两种方法相比,预测效果有明显提高.模糊神经网络交叉检验交会图(图 6c)中,井点实际数据与预测数据点基本沿45度线分布,数据点更为集中.对砂岩厚度的预测精度较高,平均预测误差仅3.02 m,对井点数据的分布特征恢复也较为理想.从预测结果特征参数统计表(表 1)来看,模糊神经网络方法在极值、方差和均值的恢复方面也明显较克里格插值和序贯高期模拟要好,说明二维地震信息的融入对于改善储层预测效果是比较有效的.

表 1 井点砂岩数据和预测结果特统计参数表 Table 1 Statistical parameter table of s and stone data and forecasting data of well point
5 结论与认识

通过本文的研究可以得出以下认识和结论:

(1)以钻井数据为基础、结合二维地震信息进行储层预测是降低油藏勘探和评价风险的一种重要手段,二维地震数据对井间储层的直接或间接的指示信息,可以有效提高井间储层的预测精度和可靠性.

(2)标准化处理是将多次采集处理二维地震资料提取的地震属性应用于储层预测的必要条件.测线交点约束下的地震属性标准化方法一方面通过测线交点属性的偏差为该处理过程提供较为直观的约束和处理效果评价准则,另一方面与模拟退火算法相结合的参数调整和优化过程,为处理效果的最优化提供了保障,是一种比较有效的标准化方法.

(3)刘峁塬地区长81储层地震属性标准化后与砂岩厚度存在较好的相关性.对砂岩厚度较为敏感的地震属性有均方根振幅、平均瞬时频率和有效频宽等. 砂岩厚度与均方根振幅呈线性负相关关系,与有效频带之间呈线性正相关关系.砂岩厚度与瞬时频率之间的关系略为复杂,高的瞬时频率一般对应于厚层砂岩分布区,当砂岩厚度为中等厚度或中等厚度的砂泥互层时,对应于一个明显略低的平均瞬时频率趋势.

(4)模糊神经网络模型能够综合井点数据和地震属性数据实现对砂岩厚度的定量预测.与单纯的井点砂岩厚度克里格插值、序贯高斯模拟结果对比,该方法预测效果较好,说明二维地震信息的融入能够有效的提高储层预测的精度.

总之,二维地震资料作为油气勘探评价中的一项重要信息,在油藏勘探和评价过程中,应该得到足够的重视和合理应用.本文研究成果为二维地震资料应用于油藏评价和储层预测提供了新的思路和可行性方法.

致 谢 感谢编辑及评审专家的辛勤工作,感谢国家自然科学基金(11202192)资助,感谢项目组张春雷博士后的指导与帮助!

参考文献
[1] Cheng B J, Xu T J, Li S G. 2012. Research and application of frequency dependent AVO analysis for gas recognition[J]. Chinese J. Geopyhys. (in Chinese), 55(2): 608-613, doi:10.6038/j.issn.0001-5733.2012.02.023.
[2] Chopra S, Marfurt K J. 2005. Seismic attributes-A historical perspective[J].   Geophysics, 70(5): 3SO-28SO.
[3] Duan L D, Zhao Z L, Hui Y. 2011. 2-D seismic facies analysis constrained by multi-source information [J]. Journal of Oil and Gas Technology (in Chinese), 33(4): 66-71.
[4] Hai Y, Zhu P M. 2012. Study on stochastic simulation methods based on simulated annealing algorithm[J]. Progress in Geophysics (in Chinese), 27(2): 670-679.
[5] Han W G, Zhang J N. 2011. Methods and Applications of Sandstone Reservoir Seismology (in Chinese)[M]. Beijing: Petroleum Industry Press.
[6] Kosko B. 1999. Fuzzy Engineering[M]. Xi'an: Xi'an Jiaotong University Press.
[7] Pearson R, Hart B. 1999. Convergence of 3-D seismic attribute based reservoir property prediction and geologic interpretation as a risk reduction tool: A case study from a Permian intra-slope basin[C]. Annual Meeting Abstract, Society of Exploration Geophysicists, 896-899.
[8] Wang K Y, Xu Q Y, Zhang G F, et al. 2013. Summary of seismic attribute analysis[J]. Progress in Geophysics (in Chinese), 28(2): 815-823,doi:10.6038/pg20130231.
[9] Wang Y G, Le Y X, Zhang J H. 2007. Seismic Attribute Analysis Technology (in Chinese) [M]. Dongying: China University of Petroleum Press.
[10] Yang H, Fu J H. 2012. Exploration Theory and Technology for Ultra-low Permeability Reservoirs (in Chinese)[M]. Beijing: Petroleum Industry Press.
[11] Zhou S S, Yi W, Hao Z B, et al. 2012. Experiment research and application of fluid sensitive attributes based on the pre-stack inversion[J]. Chinese J. Geophys. (in Chinese), 55(6): 1985-1992,doi:10.6038/j.issn.0001-5733.2012.06.020.
[12] Zou C N, Zhang Y. 2002. New Seismic Technology in Petroleum Exploration and Development (in Chinese)[M]. Beijing: Petroleum Industry Press.
[13] 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.
[14] 段林娣, 赵占良, 惠毅. 2011. 多信息约束下的二维地震相分析[J].   石油天然气学报, 33(4): 66-71.
[15] 海洋, 朱培民. 2012. 基于模拟退火算法的随机模拟方法研究[J]. 地球物理学进展, 27(2): 670-679, doi:10.6038/j.issn.1004-2903.2012.02.  032.
[16] 韩文功, 张建宁. 2011. 砂岩储层地震学方法与应用[M]. 北京: 石油工业出版社.
[17] 王开燕, 徐清彦, 张桂芳,等. 2013. 地震属性分析技术综述[J]. 地球物理学进展, 28(2): 815-823,doi:10.  6038/pg20130231.
[18] 王永刚, 乐友喜, 张军华. 2007. 地震属性分析技术[M]. 东营: 中国石油大学出版社.
[19] 杨华, 付金华. 2012. 超低渗透油藏勘探理论与技术[M]. 北京: 石油工业出版社.
[20] 周水生, 宜伟, 郝召兵,等. 2012. 基于叠前反演的流体敏感属性实验研究及应用[J]. 地球物理学报, 55(6): 1985-1992,doi:10.6038/j.issn.0001-5733.2012.06.  020.
[21] 邹才能, 张颖. 2002. 油气勘探开发实用地震新技术[M]. 北京: 石油工业出版社.