基于匹配追踪算法子波分解技术在薄互层储层预测中的应用

何胡军,王秋语,程会明

(1.成都理工大学 能源学院,四川成都 610059;2.中国石化胜利油田 地质科学研究院,山东东营 257015)

基于匹配追踪算法子波分解技术在薄互层储层预测中的应用

何胡军1,王秋语2,程会明2

(1.成都理工大学 能源学院,四川成都 610059;2.中国石化胜利油田 地质科学研究院,山东东营 257015)

薄互层储层砂体预测技术的研究已成为国内、外各油田的重要研究课题,并已取得较多研究成果。但多数利用地震资料进行薄互层预测技术,均基于单一地震子波与地震反射系数函数的褶积假设,实际上地震子波在穿过不同物理特性地层时,其形状会发生不同变化,导致该假设与实际情况尚有一定距离,致使薄互层储层预测的精度降低。这里主要论述的是基于匹配追踪算法子波分解技术识别薄互层储层。通过研究表明,该技术能较好地分辨出储层在空间的展布规律,识别薄互层储层,为油藏的地质及地球物理解释提供有力的支持。

匹配追踪;子波;薄互层;分解与重构;地震数据体

0 前言

随着勘探开发的不断深入,勘探开发目标逐步转向薄互层。因此,薄互层储层砂体预测技术已成为国内、外各油田的重要研究课题。多年来,地球物理学家对利用地震资料解决薄层问题开展了广泛的研究,并取得了显著成就[1～14],为利用地震资料对薄层的研究奠定了理论和方法基础。但多数利用地震资料进行薄互层预测技术均是基于单一地震子波的假设,而在实际中,地震子波在穿过不同物理特性的地层时,其形状会发生不同的变化,导致这个假设与实际情况尚有一定的距离。因为在现实中,由于地层在横向上有变化,地震子波在穿过不同物理特性的地层后,由于不同地层对地震子波的响应不同,会使地震子波的形状发生不同的变化。如储层和非储层,含油气储层段和不含油气储层段的地震响应不同。因此,这种单子波褶积模型并不符合实际情况。作者主要是利用基于匹配追踪(M P算法)对A区块地震道数据进行子波分解,并在此基础上,对该地区砂泥岩薄互层储层展布进行预测。

1 子波分解原理及过程实现

1.1 多子波地震道模型

地震资料解释的基本模型,是单一地震子波与地层反射系数序列的褶积。常规的地震信号处理和解释中所用的褶积、反褶积,以及地震波阻抗反演等,都是基于单一地震子波的假设(Sheriff、RobertE,1999年)。而实际地震波的频率会随着深度的增加而降低,而且同一地震数据,不同类型的储层和非储层,含油气层和不含油气地层,对地震信号(子波)的响应也不同,与之相应的地震信号(子波)的形状或频率也不同,从而导致这一假设与实际情况尚有一定的距离[16]。为此,前人设计了一个多子波地震道模型[15～18]。在该模型中,地震子波的每一次反射,其形状都可能会发生改变。在每次反射时,其形状都可能不同。因此,每个地震道就是所有这些反射的对应组合叠加,即:

式中 ωn(t)为第n个反射层的地震子波;rn(t)为对应的反射系数序列;b(t)为噪音项。

与常规单一子波地震道模型相比较,该模型中的地震子波形状是随传播时间和空间的变化而变化的,即多子波地震道模型中的地震子波形状不是固定不变的。而是随实际地层情况,以及含油性变化而变化的。因此,多子波地震道模型更符合地震波传播的实际情况。

1.2 子波分解过程实现——M P算法

子波分解是把一个地震道分解成不同能量的地震子波的集合,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。

作者在本文的子波分解过程的实现,主要采用的是基于信号自适应分解的匹配追踪方法(M P算法)。匹配追踪算法是由M allat和Zhang于1993年首次提出的,该方法是一种迭代寻优的优化算法,是将信号S(t)分解成一簇时频原子的线性表达。这些原子选自高冗余度的函数字典中,且最好地符合S(t)内在结构。该方法已在图像压缩、信号处理等复杂系统研究领域中,取得了令人瞩目的成就。

在利用匹配追踪算法对地震道子波进行分解之前,首先要建立一个用来分解地震道子波的基本函数库,这个函数库要求能把地震道成份从时、频二域充分地分开。M allat[19]为此提出一种既与小波变换有联系,又与频率直接相关的Gabor型时～频原子,定义如下:

式中 τn起位移作用;an起尺度伸缩作用;eiωnt起调节作用。

先从函数库中选出与给定信号S(t)最匹配的g0(t),就是其与S(t)的内积[S(t),g0(t)]是所有库成员与S(t)内积最大的一个。把S(t)分解成:

式中 RS(t)是第一次匹配后的残余。

再对RS(t)做类似匹配,从库中再选出对RS(t)最匹配的另一个基本函数g1(t),于是有:

RS(t)=[RS(t),g1(t)]g1(t)+R2S(t)(4)式中 R2S(t)为第二次匹配后的残余。

重复该步骤,对残余部份不断进行匹配。第n次匹配后有:

当信息空间维数有限时,可以证明式(6)的极限形式是:

把n次匹配结果依次回代,便可得分解式:

利用上面的公式,即可对地震道子波进行匹配追踪分解,并利用迭代法不断寻找出最佳匹配。当剩余值降到低于预定阀值时,便可终止迭代[20]。

2 应用实例

2.1 研究区域地质概况

A区块位于东营市垦利县境内,处于新、老黄河口间的沼泽带及海上0m～15m水深范围内,是典型的滩海油田。储层埋深浅,在600 m～900 m之间,为典型辫状河的河流沉积体系,砂泥岩薄互层,单层厚度薄,单层厚0.8 m～12.0 m。受辫状河沉积特点控制,砂体横向变化快,展布规模小。该区块由于位于新、老黄河口之间的潮间带,地震资料野外采集受地表条件影响,地震资料的信噪比低,分辨率不高。在该区块,利用常规反演和地震常规属性识别追踪储层难度大。

2.2 多子波地震道分解与质量控制

匹配追踪算法子波分解质量控制原则:用分解得到的不同能量子波集进行地震道重构,如果重构的地震道与原始地震道基本相同,其误差完全可以忽略,这个分解就正确,否则分解结果不正确。

在以上原则的基础之上,利用匹配追踪算法对A区块的地震资料进行子波分解,分解成不同能量的地震子波的集合,并利用该子波集对地震道进行重构。对重构后的地震剖面与其原始剖面进行对比分析(见下页图1)。若子波分解重构剖面与原始剖面特征基本一致,说明利用匹配追踪算法对地震道进行分解正确,可以用于后续研究。

2.3 利用子波集进行储层预测

基于不同类型的储层和非储层,含油气层和不含油气地层,对地震信号(子波)的响应不同。因此,在地质与地层解释中,同一地震子波分解分量反映了相应地质层段相似的地震岩相特征。基于此,在地震道分解的基础上,结合钻井资料,分析目的层段储层对应的地球物理响应特征,筛选对应的子波组合对地震道进行重构,并使重构后的地震数据体主要只包含储层信息,而非储层的信息相应减少。在此基础上,对重构后的地震数据体提取线性相似地震波,将重构后的数据体分解成多个分量。在通常情况下,第一分量反映覆盖地区目的层段最大一级的地质和地层特征,描述了不同地层和地质属性的最大一级区块分布。第二分量则反映该地区次一级的地质岩性或岩相分类;更高一级的分量以此类推。

图2为目的层段地震子波分解与重构后,提取的地震道子波分解平面图。基于重构后的数据体主要为反映目的层段储层的地质信息,因此,确定第一分量反映的信息更接近真实储层展布情况,图2中黑线框代表第一分量储层最发育区域。

图1 重构地震剖面与原始剖面对比图Fig.1 The comparison of reconstruction seism ic section and o riginal seism ic section

图2 地震数据体子波分解图Fig.2 W avelet decomposition of seism ic data vo lum e

2.4 应用效果分析

在A区块利用匹配追踪算法对地震道进行子波分解,重构主要反映储层信息地震数据体。在此基础上,对该区块薄互层储层进行预测,部署一批开发井。通过对实钻厚度和预测厚度进行对比分析(见表1),整体预测效果均较好,预测厚度和实钻厚度平均相对误差仅为15%,钻井成功率达100%,为该区块的开发奠定了坚实基础。截止目前,该区已建成年产14.9×104t产能,取得了较好的开发效果。

表1 预测与实钻油层厚度对比表Tab.1 The comparison of thicknessof the p rediction and actual drilling

3 结论

基于匹配追踪算法的子波分解技术,是一种针对地震资料解释中可能存在的目标地质异常体,对地震数据体进行子波分解与重构,可以达到检测和突显目标地质体目的方法。该方法可以较好地分辨出储层在空间的展布规律,识别薄互层储层。在胜利油田A区块针对横向变化迅速的辫状河河流相薄互层的应用结果,验证了该方法用于直接检测薄互层含油气储层展布方面的有效性,为油藏的地质及地球物理解释提供了有力的支持。

[1]李正文.高分辨率地震勘探[M].成都:成都科技大学出版社,1993.

[2]苏盛甫.薄储集层的反射特征和定量解释方法[J].石油地球物理勘探,1988,23(4):387.

[3]梁光河,何樵登,韩立国,等.薄层厚度反演[J].石油物探快讯,1991,8(1):34.

[4]龙建东.薄层厚度与振幅、频率关系的神经网络BP法模拟[J].石油地球物理勘探,1995,30(6):817.

[5]贺振华,黄德济,王成祥.多波层位识别与薄层解释新方法[J].成都理工学院学报,1996,23(3):1.

[6]庄东海,肖春燕.用人工神经网络计算薄层厚度[J].石油地球物理勘探,1996,31(3):394.

[7]黄真萍,王晓华,王云专.薄层地震属性参数分析和厚度预测[J].石油物探,1997,36(3):28.

[8]邵治龙,贺振华,黄德济.小波变换与最大熵法联合计算薄层厚度[J].石油地球物理勘探,1998,33(2).

[9]李琼,贺振华.地震高分辨率非线性反演在薄互储层识别中的应用[J].成都理工大学学报自然科学版,2004,31(6):708.

[10]张巧凤,王余庆,王天琦,等.薄互层河道砂岩地震预测技术[J].天然气工业,2007,27(增刊):406.

[11]柏冠军,吴汉宁,赵希刚,等.地震资料预测薄层厚度方法研究与应用[J].地球物理学进展,2006,21(2):554.

[12]成仲良,张万选.利用地震反射波振幅计算薄储层厚度[J].石油地震地质,1991,3(2):25.

[13]黄真萍,王晓华,王云专.薄层地震属性参数分析和厚度预测[J].石油物探,1997,36(3):28.

[14]袁子龙,杨斌,王建国.薄层、薄互层地震反射时间域与频率域正演模拟研究及应用[J].石油物探,1996,35(3):1420

[15]PING AN.Sand M app ing U sing M ultiwavelet Seism ic Trace Decomposition and Reconstruction[C].SPE,2006,1.

[16]邢成智,党玉芳.地震油气检测技术在准噶尔盆地拐19井区侏罗系油藏评价中的应用[J].天然气工业,2007,27(增刊):477.

[17]赵爽,李仲东,许红梅,等.多子波分解技术检测含煤砂岩储层[J].石油地球物理勘探,2007,27(9):44.

[18]李曙光,徐天吉,唐建明,等.基于频率域小波的地震信号多子波分解及重构[J].石油地球物理勘探,2009,44(6):675.

[19]MALLATS,ZHANG Z.M atching pursuitsw ith timefrequency dictionaries[J].IEEE Transactions on Signal Processing,1993,41:2297.

[20]MARFURT K J,K IRL IN R L.Narrow-band spectralanalysis and thin-bed tuning[J].Geophysics,2001,66(4):1274.

P 631.4+43

A

1001—1749(2010)06—0641—04

2010-05-17 改回日期:2010-10-13

何胡军(1976-),男,工程师,博士,从事油气田开发地质研究工作。