裂缝作为储层中油气的部分有效储集空间和主要的渗流通道，控制着油气的赋存和产能，准确预测断层和裂缝的分布，对裂缝型储层的开发生产具有重要意义。目前，随着勘探技术的发展，断层和裂缝预测技术也不断更新。尤其是中、大型断层识别技术已经相当成熟，小断层和裂缝带的研究仍然是地球物理领域的一个热点和难点。叠后地震数据是应用最广泛的地震资料，其剖面上的特征响应能够直观地反映地下地质体及构造空间展布变化规律。同样，基于叠后地震资料的叠后裂缝预测方法仍然是裂缝预测的主要手段，如叠后相干、多尺度边缘检测及蚂蚁追踪裂缝检测等方法。

蚁群算法是一种找到图像中最优路径的概率性算法^[1]，目前涉及的应用领域有信息处理、优化、图像处理等，并已成功应用于地震勘探的许多研究领域，基于蚁群算法自动追踪特性的地震解释方法已成功应用于断层和裂缝的识别^[2-5]。采用蚁群算法在地震剖面进行断层和裂缝的自动检测，不仅能够更清楚地识别和确定裂缝，而且可以通过剖面和切片分析裂缝的方向和展布，如走向、方位角等特征，为下一步的勘探开发提供重要的指导^[6-8]。

本文针对蚂蚁追踪存在对碳酸盐岩裂缝识别能力弱、微小断层不易于识别的缺点^[9]，在常规蚂蚁追踪裂缝检测算法的基础上进行了改进优化，选择地震相干体作为蚂蚁追踪的数据体，在信息素和启发因子中选择启发因子作为主导因素，并且选择相干值和边缘检测值的线性加权作为启发因子。利用改进的蚂蚁体裂缝检测算法对哈萨克斯坦楚-萨雷苏盆地NH区块致密碳酸盐岩储层进行裂缝检测，结果表明该方法在致密碳酸盐岩储层中能够有效描述裂缝构造，较之常规蚂蚁追踪技术，对裂缝的识别分辨率有所提高，反映的裂缝信息更为精细。

1 方法原理 1.1 常规蚂蚁追踪裂缝检测

蚁群算法是一种生物启发式群体智能优化算法，其最早由Dorigo在1992年提出^[10]。蚁群算法就是模拟蚂蚁在食物与巢穴之间利用生物素移动的这种自然界现象而提出的一种生物启发式群体智能优化算法^[11-15]。利用蚂蚁追踪检测裂缝的基本思路是：首先通过边缘检测方法增强地震信号的不连续性，然后在处理过的地震数据中设定大量这样的电子"蚂蚁"，并让每个“蚂蚁”沿着可能的不连续面向前移动，同时发出“信息素”。沿断层前移的“蚂蚁”能够追踪不连续面，若遇到预期的不连续面将用信息素做出非常明显的标记，而对不可能是断层或裂缝的那些面将不做标记或只做不太明显的标记，最后通过信息素浓度的不同追踪不连续面，从而达到检测断层或裂缝的目的^[16-17]。

1.2 改进的蚂蚁追踪裂缝检测

边缘检测和相干体都是通过信号的不一致性、不连续性来检测和凸显断层的存在^[18-20]。因此，改进的蚂蚁追踪裂缝检测方法对在边缘检测和相干体中所检测出来的断裂、裂缝进行融合处理，使其更加的精细、连续凸出目标区域。将相干值和边缘检测值作为先验信息，在相干数据体中人为设定一些电子蚂蚁，把先验信息当作是启发因子，在蚂蚁行走和迭代过程中电子蚂蚁会沿着最合适的裂缝路径行走，然后释放信息素，没有裂缝的地方将没有信息素的增加，这样经过几次迭代之后数据体内信息素的含量就可以指示断层、裂缝的分布^[21]。

1.2.1 启发因子

由相干数据计算边缘属性，然后将其它的先验信息加入到其中作为启发因子，启发因子构成如下：

$ \eta = w1 \cdot (1 - C) + w2 \cdot E + w3 \cdot O $

(1)

式中：η为启发因子；C为相干值；E为边缘检测属性值；O为其它先验信息值大小；w1，w2和w3为其它先验信息的权系数^[22-23]。

启发因子不是由单一因素决定，而是由几项因素线性加权而来，可以保留全局信息并且将解限定在各项合理范围内。采用基于特征值的第三代相干算法计算相干值：

$ {C^3} = {\lambda _{\max }}/\sum {{\lambda _{\rm{i}}}} $

(2)

式中：λ_max为矩阵特征值的最大值，$\sum {{\lambda _{\rm{i}}}} $为矩阵的迹。

选择Sobel边缘算子来计算地震属性的边缘幅度，但是由于通常的计算只计算X、Y两个方向，不能很好地包含边缘信息（图 1）。因此，本文用全方位八方向Sobel算子计算，其计算模板如下：

常规蚂蚁追踪在散布蚂蚁的时候都是随机选择起点，随机带有很强的不确定性。如果蚂蚁在某一块区域的数量很少或者没有，即使先验信息、相干值都指示该区域有异常值，该区域的裂缝也不会被检测到。以二维情况为例，我们将数据（图像）按照一定的大小分块（如3×3、5×5）在每块小的区域里边放入一只人工蚂蚁，并且初始每只人工蚂蚁放入在这个小区域中为伪随机选择，并且伪随机选择公式和蚂蚁寻找下一点时的概率选择公式思想一样，如式（3）所示：

$ {P_{\rm{i}}} = \frac{{1 - {C_{\rm{i}}}}}{{\sum {\left( {1 - {C_{\rm{j}}}} \right)} }} $

(3)

式中：P_i为初始每只人工蚂蚁放入区域中i起点的概率（假设蚂蚁从i到j）；C_i、C_j分别为区域中i、j点的相干值大小，参与作为计算选择起点概率的权重。

随机一个$P \in (0, 1), \quad 当\sum {{P_{\rm{i}}}} > p$时，第i个点就是这个区域的起点，为了方便快速收敛也可以选择将区域内的最佳值点（最优可能是断裂裂缝的点）作为起点^[24]。

1.2.2 断层线刻画

蚂蚁在选定起点之后，在终止条件未结束之前它都能够不断地去寻找下一个点，其寻找下一点的概率公式为：

$ P(i, j) = \frac{{{\tau ^{\rm{ \mathsf{ α} }}}(i, j) \cdot {\eta ^{\rm{ \mathsf{ β} }}}(i, j)}}{{\sum\limits_{(u, v) \in R} {{\tau ^{\rm{ \mathsf{ α} }}}} (i, j) \cdot {\eta ^{\rm{ \mathsf{ β} }}}(i, j)}} $

(4)

式中：R为蚂蚁当前位置（i，j）能见度范围内所有点的集合；τ为信息素；α和β为信息素和启发因子的权重系数。

与上面介绍的伪随机选择起点类似，设定一个随机数k ∈（0，1），当$\Sigma {P_{{\rm{ij}}}} > k$时我们将此时的（i，j）点作为蚂蚁去往的下一点。在此过程中，假如蚂蚁一直没有被强制终止，蚂蚁就会沿着它认为合理的地方搜索下去，在被迫终止以后如果行走的路径满足要求，记录下本次的行走路径，这条路径也就是蚂蚁刻画出来的断层线，然后比对本次路径和历史最优或者全局最优路径选择性更新信息素，替换历史最优、全局最优。蚂蚁在行走的时候是以单个蚂蚁为个体来进行的，本次的信息素更新也是按单个个体进行，如此可以除去繁杂的统计工作^[25]。

$ {\tau _{{\rm{ij}}}} = {\tau _{{\rm{ij}}}} \cdot (1 - \rho ) $

(5)

$ {\tau _{{\rm{ij}}}} = {\tau _{{\rm{ij}}}} + \Delta \tau $

(6)

$ {\tau _{{\rm{ij}}}} = \Delta \tau + (1 - \rho ) \cdot {\tau _{{\rm{ij}}}} $

(7)

式中：τ_ij为（i，j）点累积信息素大小；Δτ每更新一次信息素的增加量；ρ为挥发因子；ρ∈（0，1），控制单次挥发信息素的多少。

首先信息素按照式（5）挥发，如同实际生物素挥发一样，然后按照式（6）进行增加，将式（5）、式（6）合并就是式（7），信息素更新遵循一定的规则，增加的信息素要比挥发的信息素要少，整个数据（图像）中信息素的浓度会越来越低，但是断裂裂缝处的信息素浓度随着迭代次数的增加相对其它位置会越来越强。一次迭代完成之后，人工蚂蚁的路径可能不是最优的路径，但是随着迭代次数的增加，蚂蚁的最优路径会无限接近断裂裂缝线^[26]。

2 应用实例 2.1 楚-萨雷苏盆地NH区块断层发育背景及其特征

楚-萨雷苏盆地NH区块主要发育有正断层和逆断层两种类型，在纵向上，泥盆系断层较为复杂，在沉积时期为同沉积正断层，后经构造运动的改造，部分发生反转形成逆断层，因而现今泥盆系以逆断层为主；石炭系主要发育逆断层，且断距较大，延伸较长；中生界主要发育正断层，断距相对较小，延伸较短。在平面分布上，东部、南部和西北部断层相对较多，东部主要发育走向为NW-SE向逆断层，倾向主要为NE向，平面上的延伸范围广，垂向上切穿泥盆系（D）、石炭系（C）和二叠系等较厚的地层，断距较大，主要受NE-SW方向的挤压应力形成的逆断层。南部主要发育NE-SW走向的走滑断层，主要应力方向为NE-SW方向的压扭作用。西北部主要发育近似N-S走向的断层，主要受E-W方向挤压应力形成。

该区域主要发育碳酸盐储层，成藏特征复杂多样。测井解释表明，NH区块基底火成岩、泥盆系砂岩和下石炭统碳酸盐岩中发育大量裂缝型储层。图 2为过PRDS-18井的典型地震剖面，从剖面上可以看出，在背斜两翼部分，地震同相轴连续性差，小尺度裂缝非常发育。常规的裂缝检测方法如相干、边缘检测和常规蚂蚁追踪算法对大尺度裂缝（断裂）具有较好的识别能力，但是分辨率较低，针对小尺度裂缝的识别精确度不足，而这些小尺度裂缝发育区往往正是致密碳酸盐储层勘探的重点。利用常规蚂蚁追踪和改进的蚂蚁追踪算法对该区域的地震数据进行裂缝检测。

2.2 楚-萨雷苏盆地NH区块蚂蚁追踪裂缝检测效果分析

首先对地震剖面进行蚂蚁追踪裂缝检测，以图 2所示剖面为例。黄色矩形区域内发育两条裂缝带（红色指示线）。图 3为利用常规蚂蚁追踪技术和改进的蚂蚁追踪技术对该剖面进行裂缝检测的结果。图 3（a）为常规蚂蚁追踪裂缝检测结果，仅能识别出裂缝带的位置和大致形状，无法反映裂缝带内部细节信息，图 3（b）中的裂缝检测结果分辨率显著提高，将小尺度的裂缝信息也清晰地显示出来，表明改进的蚂蚁追踪裂缝检测方法能够极大提高裂缝检测精度。

对三维叠后地震数据分别进行常规蚂蚁追踪裂缝检测和改进的蚂蚁追踪裂缝检测，生成蚂蚁追踪数据体，并提取目的层沿层切片进行比较。蚂蚁追踪的启发因子中相干值和边缘检测的权系数分别为0.8和0.2，即主要考虑相干在裂缝检测中的作用。图 4和图 5分别为从相干体和边缘检测数据体中提取的石炭系谢尔普霍夫阶段（C1SR）沿层切片。图 4中对相干值做了反归一化处理。可以看出，相干切片和边缘检测切片均可以反映出断层平面展布特征，并可以体现大尺度裂缝的特征，但对小尺度裂缝则无能为力。

图 6和图 7为从常规蚂蚁追踪数据体和改进的蚂蚁追踪数据体中提取的沿层切片。常规蚂蚁追踪检测裂缝的效果相对于相干和边缘检测已经有了很大的改善，能够反映出相干和边缘检测不能检测的次级断层和大部分裂缝，但小尺度裂缝的分辨率仍然较低。与常规蚂蚁追踪方法相比，改进的蚂蚁追踪裂缝检测技术可以大幅度降低噪音与假裂缝信息的干扰，准确展示裂缝发育的细节特征。

利用改进的蚂蚁体裂缝检测算法对哈萨克斯坦楚-萨雷苏盆地PRDS区块致密碳酸盐岩储层进行裂缝检测。如图 8，利用蚂蚁检测的PRDS- 18过井剖面结果与测井成像对比，结果显示在成像测井裂缝发育的位置，对应裂缝检测剖面上都有好的响应，表明该方法在致密碳酸盐岩储层中能够有效描述裂缝构造，较之常规蚂蚁追踪技术，对裂缝的识别分辨率有所提高，反映的裂缝信息更为精细。

3 结论

（1）相干、边缘检测、曲率和蚂蚁体等地震属性，能有效识别小断层及裂缝发育带。但在实际应用中，并非每一种都是合适的选择，优选敏感属性是研究的关键，尤其是在裂缝发育带研究中更具指导意义，这是今后属性研究中的一个重点发展方向。

（2）针对致密碳酸盐岩渗透率低、地震反射信号弱等特点，改进的蚂蚁追踪较之常规蚂蚁追踪更能够有效降低噪音的干扰，得到更为清晰、准确的裂缝信息。实际应用效果表明，该方法在碳酸盐岩岩溶油气藏高效开发、高效井位优选方面具有很大的潜力。

（3）该方法也可为裂缝检测的后续修饰性处理，对于地震资料品质差、成像精度不高的地区，可以利用该方法提高断层裂缝轮廓的刻画精度，以便提供更准确的裂缝信息。

（4）目前该方法还存在一定的不足，尤其是在蚂蚁追踪参数选择上需要经验选取参数，不能自适应选择最优参数，还需要进一步优化和完善参数选取方法。