0 引 言

地震属性是由地震数据衍生出的几何形态、运动学、动力学以及统计特征的特别量度．地震属性大多反映某些地质条件的变化(于建国和姜秀清，2003)，如河道规模、河道组合的变化，断层分布的变化，岩性的变化等(吕公河等，2006)．因此，地震属性分析技术在岩性解释、构造解释、储层预测、沉积微相研究等方面发挥着越来越重要的作用(赵军，2004；张延玲等，2005；陈学海等，2011；赵迎月等，2013)．随着新的数学算法的不断引入和计算机技术的迅速发展，地震属性的种类也越来越丰富，达到上百种之多(郭华军和刘庆成，2008)．大量的地震属性中包含着各种各样的信息，有些就会彼此相关甚至重复，从而产生大量的冗余信息．另一方面，地震属性与储层岩性、流体性质、储层参数之间的关系复杂，使用单一属性分析并预测储层往往会带来多解性．因此，为高效的利用地震属性信息，降低地震属性多解性，重点突出有利储层的地震反射特征，常常使用多个地震属性联合预测开展研究．地震多属性融合就是目前运用多属性对储层进行预测的方法之一．

本文对目前常用的几种地震属性融合方法进行调研，总结了每种方法的局限性、适用性和优缺点，重点介绍了每种融合方法的原理，发展历程和应用效果．

1 地震属性融合技术

地震属性融合技术是近几年刚刚兴起的属性分析手段，它可在一定储层物性、地质规律、沉积特征的指导下，通过综合考虑不同属性的物理意义，选取表征不同储层特征的属性，将多个属性经过一定的数学运算融合在一起，使融合属性能同时考虑每一种属性对储层的影响，达到属性融合的目的．利用融合属性可充分挖潜数据内含信息，去除重复冗杂信息，降低储层预测的多解性，进一步提高储层预测精度．

进行地震属性融合之前一般需要对大量的单属性进行优选(印兴耀和周静毅，2005；王开燕等，2013)．一般的优选原则是：首先分析属性与储层岩性的相关性，挑选出对地质条件最敏感的属性(古发明等，2009)；其次，在所挑选的属性之间进行相关性分析，同种类型的属性只选取其中效果最好的一种；最后，由于不同属性具有不同的量纲和值域，某些多属性融合方法需要在属性融合之前对属性进行优化，如归一化，主成分分析等．

地震属性融合技术正逐步从理论走向实际应用，目前已在很多油田取得了较好的应用效果，展现了该技术良好的应用前景．常用的属性融合方法有基于数学方法提出的地震属性融合技术，如聚类分析和多元线性回归融合技术；有基于颜色空间的多属性融合技术，如RGB融合；有根植于神经学等学科，根据人脑模拟出的神经网络融合法等等．不同的融合方法有其适用范围及局限性，选择合适的融合方法对优选属性进行融合十分重要．

2 地震属性融合方法

2.1 RGB地震属性融合

地震资料最早为黑白双色显示，为了更好的应用地震资料，1971年Balch(1971)将地震数据进行彩色显示．自此，利用彩色图像的视觉效果直接识别异常区域成为地震资料解释的一种有效手段，这种常规地震属性彩色显示技术通过某种变换将属性数值映射成彩色图像，一次显示一种属性．但对于多个地震属性，这种单个属性逐一彩色显示方法不能较明显地反映整体趋势及某些隐晦的地质特征，无法突出显示区域性异常．为了解决这一问题，提高对局部地下地质异常体的识别能力并且更加直观的分析地震属性图，研究人员在地震属性融合中引入基于颜色空间的多属性融合技术(RGB)(Guo et al., 2008)．1984年，Onstott(1984)将RGB(Red-Green-Blue-Alpha)颜色融合技术应用于远、中、近炮检距地震数据的显示来描述地震数据的AVO特征．2006年，Stark(2006)使用一种类似于RGB的融合技术，该方法与RGB不同之处在于将三种不重叠的光谱波段的平均振幅分配给Red-Green-Blue三色．Guo等(2006)在2006年将主成分分析(PCA)技术和RGBA(丁峰等，2010)颜色融合技术联合应用于谱分解数据，即先对地震属性进行主成分分析操作，提取出地震属性的各主成分，将三大主成分分别作为RGB融合的三种颜色实现RGB融合，该方法提高了谱分解数据对河道的识别能力．Guo H多年来致力于地震成像，地震解释，AVO和岩石物理学研究方向，在多属性融合方面有着较深研究，也是较早将主成分分析技术和RGB技术结合的科学家之一．Liu和Marfurt(2007)于2007年提出一种根据自定义频谱范围，对谱分解后的不同频率数据体，采用基于余弦函数变换的RGBA颜色融合技术．

RGB属性融合基于三基色(Red，Green，Blue)原理．根据三基色原理，大多数颜色都可以通过红、绿、蓝三色按照不同比例产生，同样绝大多数单色光也可以分解成红绿蓝三色，为红、绿、蓝三色分别分配一个0~255的强度值，把它们按照不同比例混合，这样RGB图像就可以产生24位(256×256×256)色．定义一映射函数S，S可对输入的红、绿、蓝三色进行比例变换，最终形成的融合图中每个点对应某一颜色值，即

RGB属性融合技术的优点是能够充分利用地震属性中蕴含的构造和岩性信息，从而克服了单一地震属性显示不足和单属性色彩不能突出区域异常的缺点(李艳芳等，2009)，提高了从多属性中提取地质体的能力，使图像显示更加清晰，具有特征明显、细节丰富、高信息量和多属性联合显示的特点(融合效果见图 1)．同时，RGB(RGBA)融合技术也存在自身的缺陷，该技术必须使用三种(RGB)或四种(RGBA)属性进行融合，不适用于四种以上的地震属性融合．目前RGB融合技术多用于河道检测(张驰等，2013)、小断层识别、地质体异常识别、储层预测等(成荣红等，2013)．

图 1

Fig. 1

图 1 RGB属性融合效果图 Fig. 1 RGB fusion rendering map

聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类别的分析过程(刘强，2011；王伟涛和王宝善，2012)．聚类分析在很多领域都有着宽泛的应用，包括数学，计算机科学，统计学，生物学和经济学．国内优先将聚类分析方法应用于地震属性融合中的是乐友喜教授(乐友喜和王永刚，2002)，乐友喜教授任教于中国石油大学(北京)资源与信息学院，其多年来一直致力于地震储层预测、开发地震等方向并取得了较为显赫的成绩．

聚类分析融合地震属性的原理是:假设同一地层窗口有N个属性，每个属性各成一类，计算属性相关系数，将彼此相关的属性合并为一个新属性类别，称为一次聚合(史海英，2001)；这时属性存在N-1个类别，对这N-1个类别重新计算相关系数，再进行一次聚合；如此继续下去，把地震属性细分为小组或者小类；各组或各类与一个或多个属性具有一定的相关程度，使同一类别属性内的单属性具有尽可能高的同质性，不同属性类别之间具有尽可能高的异质性(任莉萍等，2007；钱绍新，1992)．

具体应用聚类分析方法融合属性的步骤是：首先把参与运算的每个属性看做成单独的一类，计算每两种属性之间的相关系数(公式2)以确定它们之间联系的紧密程度，然后将相关性好的属性聚为一类，最终将目标属性分为2类、3类等(王新桐等，2013)．通过对多种地震属性进行交互分析，结合其他资料建立起各属性的二维或三维交会图，通过观察属性点在交会图中的分布情况来确定某一聚类属性点在平面上的分布位置，推断储层发育区及油气聚类区(张瑞智等，2004)；每一个聚类只优选出一种与目标函数相关性最好的地震属性参与运算，并用逐步线性回归法建立优化属性组合与储层砂体二者的拟合关系，用来对储层进行预测；最后得到的分类结果是一个已归类的平面相图(图 2)，各类别包含具有独特特征的同相轴，所有的同相轴都根据与特定分类特征的相关程度进行分类．

图 2

Fig. 2

图 2 聚类分析属性融合效果图 (a)算术平均属性;(b)频率衰减斜度属性; (c)均方根振幅属性;(d)最大值属性;(e)融合属性. Fig. 2 Cluster analysis seismic facies map (a)Arithmetic mean;(b)Slope of frequency;(c)Root mean square amplitude;(d)Maximum value.

聚类分析作为一种数学分类方法，可以有效地从海量地震数据中挖掘潜在的数据分布规律(姜宏章等，2007)，描绘地震数据中的细微变化．采用聚类分析的地震属性融合方法显著的提高了地震属性与储层砂体的相关系数(纪彤洲等，2003)、岩性识别能力、流体预测能力，并能确定储层潜在产油区域．目前聚类分析融合属性法已在多个油田进行了试验，并取得了显著效果．但是由于不同地区地下地质条件复杂多变，到目前为止还没有一种固定的属性聚类组合可以适用于任何地质条件、工区．

2.3 多元线性回归地震属性融合

多元线性回归分析是数理统计的一个分支，起源于21世纪初．20 世纪 30 年代，R.A.Fisher、H.Hotelling、S.N.Roy、许保騄等人作了一系列的奠基性的工作，使多元分析理论得到了迅速的发展．40年代，多元线性回归在心理学、教育学、生物学等方面有了不少应用．50年代中期，随着电子计算机的出现和发展，多元线性回归在地质、气象、医学、社会学等方面得到了广泛的应用．60年代通过应用和实践完善和发展了理论．70年代初在我国才受到各个领域的极大关注，30余年来我国在多元分析理论研究和应用上取得了显著的成绩．多元线性回归方法在气候、海洋、环境、农业、生态、水文、地震等领域均有广泛的应用，并取得了许多良好的效果(常兆光等，2000)．目前，多元线性回归法也用于属性融合中(季玉新和欧钦，2003；谢雄举和季玉新，2004)，应用这种方法可以建立各种属性与储层参数之间的关系，其数学理论明确，并且可以借鉴在其他领域中的成功经验．国内较早将多元线性回归应用于地震属性融合中的是季玉新高级工程师，其2002年获同济大学电子工程专业硕士学位，2007年获得中科院地质与地球物理研究所博士学位，一直从事物探方法研究．

多元线性回归方程为

将多元线性回归方法应用于多地震属性储层预测中，在克服单属性预测的片面性的同时，达到了较为准确的进行储层参数预测的目的；针对薄储层，多元线性回归技术可以有效提高预测的准确度(张娟，2013)，不过多元线性回归技术受敏感属性的约束作用较大，因此属性的优选对预测结果的准确性影响很大．

2.4 基于井属性的地震属性融合

2009年，段春节和赵虎提出一种利用井资料计算各地震属性融合比重的融合方法(段春节等，2009)，该方法包括井属性提取(陈建阳等，2011)和融合系数技术．段春节高级工程师是西北大学地质学系博士研究生，现工作于中国石油化工股份有限公司华北分公司开发处，主要从事油气田开发综合研究和技术管理工作．井属性提取技术就是以井点为圆心，合适长度为半径，读取区域内某一地震属性的值，将这些值加权平均后得到该井位的加权属性值，加权属性值为

式(4)中，r为取值半径，以CDP间距为单位；V_x，y为井位处属性值．

然后求出参与融合的每一口井每一属性的加权属性值，对该属性所有井的加权属性取一门槛值，以这一门槛值为标准，高于这一门槛值即认为是储层发育较少．门槛值V 计算公式为

式(5)中，m为井点数．

应用上面的方法即可求取参与融合的所有属性的门槛值(赵虎等，2009)．

如果地震资料信噪比很理想，那么加权属性值和门槛值的比值应为1，而实际上地震资料的信噪比并不一定很高，所以对于所有井的加权属性值和门槛值的比值应在1的附近．在属性融合的时候，这些误差会带进最终的成果数据．因此，必须选择合适的加权系数让这些误差最小．

基于井位的地震属性融合技术充分利用已有的测井资料，对每种地震属性给予不同的权重，在储层预测中取得了较好的结果．

2.5 人工神经网络地震属性融合

人工神经网络，亦称神经网络，是由大量处理单元(神经元)广泛互连而形成网络，是对人脑的抽象、简化和模拟，反映了人脑的基本特性．人工神经网络的研究是从人脑的生理结构出发研究人的智能行为，模拟人脑信息处理的功能．它是根植于神经科学、数学、统计学、物理学、计算机科学及工程等学科的一种技术．早在1996年，王棣高级工程师(王棣和杜世通，1996)就已将神经网络技术就应用于地震属性融合．王棣高级工程师毕业于石油大学应用地球物理专业，一直从事与地球物理方法研究和地震软件开发工作，目前在胜利石油管理局物探研究院从事叠前深度偏移速度分析方法研究．

神经网络经过多年发展，已衍生出来很多种类，BP网络就是目前最常用的一种神经网络(管志宁等，1998；徐海浪和吴小平，2006)．在2010年，曹琳昱首次提出将基于粒子群优化的BP网络技术应用在地震属性融合中(曹琳昱等，2010)．该方法的研究思路为:通过修正网络权值与阈值，使误差函数沿负梯度方向下降，从而达到误差的最小值，不过在计算过程中，可能会陷入局部最小值．为解决BP神经网络法对初始权值敏感、易陷入局部极小值的问题，曹琳昱提出采用基于全局随机优化思想的粒子群优化(PSO)算法，对BP神经网络的初始权值和阈值进行了优化(崔吉峰等，2009；刘立峰等，2014)．

利用BP神经网络算法进行地震属性融合首先要进行属性优选，优选对储层油气最敏感的属性组合作为样本输入网格进行训练，调解各节点间的权值；网格训练收敛后，得到网络的权值和阀值，最后利用得到的网络对整个数据进行计算；用已知井检验得出结果，修改网络模型参数，最终得到储层和油气预测结果(杜丽筠和吴志强，2010)．

神经网络融合属性法自适应性和容错能力强，预测或识别速度快，适用范围广．目前，基于人工神经网络技术的地震属性融合方法不仅在鄂尔多斯盆地、东海地区、大庆油田等多个油田(姜岩等，2000；席敏红等，2003；孟召平等，2006)得到应用，在煤炭资源勘探(王永刚等，2004；李娟娟等，2012)中也发挥了重要作用．但该种融合方法不能自主优选属性，而且在对网格进行训练时，需要足够多的样本数据，在少井地区不便于油气预测．

2.6 基于模糊逻辑的地震属性融方法

2011年，李芳等人提出了基于模糊逻辑的地震属性融合方法(李芳等，2011)．李芳是中国石油大学地质资源与地质工程专业在读博士研究生，主要从事地震波场正演模拟以及储层流体预测．

该方法假设对某一目的层提取了n种属性，但是每种属性的可靠程度又不相同．首先定义一个模糊集(敬荣中，2004)，然后利用隶属函数将模糊集中的每一个原色映射到0~1区间的一个合适的隶属度，从而得到这n种属性每个目标点对应的隶属度．

为了充分利用属性数据自身蕴含的信息，降低人为操作的主观性，数据的真伪程度只能由数据自身确定．即数据的真实性越高，则被其余的数据所支持的程度越高．针对数据间支持程度的问题，引入相对距离的概念．相对距离的定义形式完全建立在现有数据隐含信息的基础上，降低了对先验信息的要求．进而可以定义一个模糊贴近度函数，得到以任意两个属性的模糊贴近度为元素组成的矩阵，即模糊贴近度矩阵(潘昶和张德全，2009)．根据概率源合并理论，经过一系列的推导，得到每个属性的综合的模糊贴近度．模糊贴近度越大的属性，其可靠性与稳定性就越高，其权重相应越大．反之，其权重就相应越小．所以可以采用模糊贴近度来表征各个属性的权重．

最后根据信息分享原理，最优融合估计的信息量之和可等效分解为若干个属性的信息量之和，则所有属性的权重和应为1，且每一个属性的权重应介于0和1之间．将上面得到的每个属性的综合模糊贴近度进行归一化处理，可以确定每个属性的各自相对权重，进而求得在每个目标点所有属性的融合结果．最后，即可得到所有属性在整个目的层的融合结果．

融合过程充分利用了多个待融合属性中包含的冗余信息和互补信息，使得合并后的结果隐含更丰富的信息，更有利于对原始属性数据进一步分析、理解．

基于模糊理论的地震属性融合技术能综合利用工区多源信息，完全建立在现有数据隐含信息的基础上，降低了对先验信息的要求，提高了信息的容错能力和可信度，可以处理非精确描述问题．特别是在信息很少，又只是定性信息的情况下融合效果最好．

3 地震属性融合方法发展趋势

地震属性融合技术还是一种新兴的手段，但经过近几年的发展，地震属性融合技术得到了不断发展和创新．国内在不断吸收、消化国外技术的同时也在不断的探索适合我国油气勘探开发的地震属性融合技术．国内的各油田研究单位研究人员同心协力对地震属性进行研究并取得了可观的地震属性创新成果．近几年《地球物理学进展》、《地球物理学报》和《石油地球物理勘探》等一批专业期刊发表了大量有关地属性融合研究的文章．目前，地震属性融合技术已在国内多个油田，地区得到应用，如胜利油田滩坝砂体、洪浩尔舒特凹陷、塔中碳酸盐岩缝洞、苏北油田、辽河油田等等(龚立等，2007；洪余刚等，2007；温书亮等，2007；徐丽萍，2010；曲寿利等，2012；刘爱群等，2013；姚威等，2013)．

纵观当前地震属性融合技术的研究现状，未来几年地震属性融合技术的研究方向主要集中在以下几个方面：

(1)地震属性融合技术的创新；

(2)针对不同研究区，不同沉积环境属性融合技术的应用；

(3)解决部分地震属性融合技术的局限性；

(4)地震属性融合技术可信度的提高．

4 结 论

近年来，地震属性被广泛应用于储层预测、储层描述、储层表征、储层监测等领域中．而地震属性融合技术充分挖掘了数据的内涵信息，提高了储层预测的精度，减小了利用单属性预测储层的多解性．但是，地震属性融合技术在创新性，实用性，局限性，可信性方面还有待提高．在实际应用中不可过分夸大地震属性融合技术在储层预测中的作用，应本着实事求是的原则，严谨的科研态度，利用属性融合技术对储层进行更准确、多方位的综合预测．