小波分析在王官屯油田王26井枣Ⅴ油层组沉积微相研究中的应用

黄维婷，钱 赓，臧文亚

(1．成都理工大学数学地质四川省重点实验室，四川 成都 610059;2．成都理工大学油气藏地质及开发工程国家重点实验室，四川 成都 610059)

小波分析在王官屯油田王26井枣Ⅴ油层组沉积微相研究中的应用

黄维婷1，钱 赓2，臧文亚1

(1．成都理工大学数学地质四川省重点实验室，四川 成都 610059;2．成都理工大学油气藏地质及开发工程国家重点实验室，四川 成都 610059)

由测井相解释与岩芯观察，结合前人分析资料得知，王26井枣Ⅴ油层组主要沉积冲积扇相扇中亚相。测井相解释的多解性与岩芯资料的不完整局限了精细分析沉积微相特征。借助小波理论、结合测井曲线、岩芯观察，共同分析王26井枣Ⅴ油层组的沉积微相特征。提取了自然电位、自然伽马、电阻率3种测井曲线，经过Daubechies小波分解后重构的第三层细节信号d3，以高分辨率层序地层学为理论指导，着重对该层段的沉积旋回特征进行分析，借此解释其沉积微相及组合特征。研究结果表明，小波分析、测井相、岩芯资料的结合不仅能识别沉积微相类别——辫状河道及河道内部心滩与河道间沼泽，而且能在纵向上精确地反映其沉积微相组合特征——辫状河道的正旋回特征、河道心滩的反旋回特征、辫状河道连续叠加特征。

小波分析;枣Ⅴ油层组;沉积微相;测井相;岩芯;Matlab;天津

0 引言

储层沉积微相确定是油气田勘探开发的一项重要内容，沉积微相的细化需要通过测井相对地层的精确划分与对比。不同沉积相因其对应地层的岩石成分、结构等不同而造成测井响应不同，故可以利用测井曲线这种电性响应特征进行沉积相分析，即测井相分析(赵军龙等，2007)。由于测井曲线的多解性，沉积相和测井相之间并不是一一对应关系，另外，岩芯资料的不完整，也增加了沉积微相划分与分析的难度。因此，通过常规的测井曲线与岩芯相很难达到精确、细致分析沉积微相的目的。利用小波技术处理后的测井数据，不仅保留了原来测井相的特征、去除了信号的干扰与噪声，而且细化并突出了不同岩性组合特征，而后在整体上反映岩芯组合的沉积旋回特征(赵伟等，2010;李旋等，2009)。因此，笔者利用小波变换能有效分析信号的组成特性，精确地对信号进行分离，进而能有效地检测信号的突变点，提取3种测井曲线小波变换后的第三层细节信号。通过前期研究中大量实验对比分析，发现应用Daubechies小波(db小波)对测井曲线进行小波分析后，可对地层进行精细划分与解释，并突出沉积旋回及旋回相互叠加特征。测井相分析中，当分为3层时，第三层高频细节信号最有益于沉积微相识别，能达到某井区精细地层划分的要求。

1 区域沉积背景

王官屯油田位于黄骅坳陷南部孔店凸起南端(图1)。该区钻遇的地层自上而下为：第四系平原组，新近系明化镇组、馆陶组，古近系东营组、沙河街组和孔店组。其中，孔店组自上而下分为孔一段、孔二段和孔三段。孔一段又可划分为6个油层组，自上而下依次为枣0，枣I、枣Ⅱ、枣Ⅲ、枣Ⅳ、枣Ⅴ油层组(宋鹍等，2006;大港油田石油地质志编辑委员会，1991;周力宏等，2009;颜照坤等，2011)。王 26井枣Ⅴ油层组是笔者研究的目的层段，其埋深为3 103m～3 324m，厚221m，主要由黑色细砂岩与紫红色泥岩组成。

图1 大港油田黄骅坳陷区域构造图

孔一段沉积时期，黄骅坳陷整体为沉积区，其西侧的沧县隆起和东侧的逞宁隆起为剥蚀区。逞宁隆起地形东高西低，水流方向主要为自东向西，是黄骅坳陷南部的主要物源。沧县隆起主要水流流向冀中坳陷，仅在局部地区流入黄骅坳陷，因此，沧县隆起是黄骅坳陷南部的次要物源(宋鹍等，2006;大港油田石油地质志编辑委员会，1991;周力宏等，2009;颜照坤等，2011)。根据区域沉积背景及前人研究，王26井枣Ⅴ油层组主沉积来自于逞宁隆起物源的冲积扇扇中亚相。

2 方法与技术

2．1 小波变换基本原理

小波变换是将信号f(t)与具有不同伸缩因子和平移因子的小波函数ψ(t)做卷积得到的，所以是一个时间和频率的局域变换，能达到高频处的时间细分，低频处频率细分，自动适应时频信号分析要求，可聚焦到信号的任意细节。

在信号处理中，小波变换的核心的部分就是信号的分解与重构，而Mallat算法给出了能有效适用一般小波变换的快速算法。Mallat算法的分解公式为：

式(1)中，f为原信号，¯H为低通分解滤波器，¯G为高通分解滤波器，*代表做卷积运算;a为近似分量信号，d为细节分量信号。

而Mallat算法的重构公式为：

式(2)中，H为低通重构滤波器，G为高通重构滤波器，f为重构后的信号。

2．2 db小波特性

db小波是具有连续性的紧支集正交小波。其小波函数是紧支撑的，由定义，其支撑区长度为2N －1，支集区间为 supp ψ =［－(N －1)，N］，低通滤波器个数为2N。N是db小波函数的消失矩最高阶数，如果满足条件1，．．．，N－1)。由此一般把不同阶的 db小波简写成dbN。对信号进行db小波分析时，随消失矩N的增大，信号分层越精细，分解效果越明显，且当N≥3时，随N的增大，小波函数光滑性也越来越好，则频域的局部性就越好，信号处理效果更加理想(Daubechies，2004)。

由于db小波的上述特性，所以较其他小波相比，db小波函数窗宽相对小，对称性差，变化特征明显，在整体上能精细反映岩性的变化，很适合进行高分辨层序地层分析(Briqueu et al，2010)。

2．3 db小波在测井曲线中的应用

通过对测井曲线和小波形态的分析，发现db5更能有效反映信号变化的特征，即消失矩为5;将测井曲线进行小波分解，发现分解到第三层时，第三层的细节分量信号d3对划分沉积微相具有较好的适用性。用Mallat算法对测井曲线信号进行3层分解之后得到4个不同频带的小波系数，如果要得到某一频带的信号，只需要将其余频带的小波系数置为0，则重构后的信号就是该频带的信号。例如，要得到d3的信号，就需要将d1、d2、a3对应的小波系数置0，重构之后就得到细节信号d3。

由上节理论可得此时小波函数的支撑区间分别为 supp ψ［－4，5］，支集长度为9，在5 ～9 区域内，有利于信号能量集中而不会产生边界问题。滤波器系数 hk个数为 10，且 h0～h9分别为0．160 102 398，0．603 829 270， 0．724 308 528， 0．138 428 146，－0．242 294 887，－0．032 244 870，0．077 571 494，－0．006 241 490，－0．012 580 752，0．003 335 725。

以王26井枣Ⅴ油层组的SP、GR、R4 3条测井曲线作为原始信号，在 Matlab R 2008a中，张德丰(2009)用db5分别将其分3层，所得的小波系数重构后的近似信号(a3)与细节信号(d1、d2、d3)见图2。

3 沉积微相分析

前人的研究成果表明，王26井枣Ⅴ油层组主要沉积扇扇中亚相(宋鹍等，2006;大港油田石油地质志编辑委员会，1991;周力宏等，2009;颜照坤等，2011)。利用小波技术处理后的数据，结合测井相、岩芯相进行对照分析，细节信号d3的震荡幅度反映固定岩石成分、结构特征：震荡幅度差异大表明波形信号的相似程度低，岩性组合较复杂，相对的差异性明显;震荡幅度差异小表示波形信号的相似性程度高，岩性组合较均一，相对差异性不明显;震荡幅度高低也与沉积物的总体的粒度大小相对应。

3．1 效果对比

有别于一般的测井解释结果，d3小波能精确、细致地解释岩性的变化。如图3王26井枣Ⅴ油层组3 174m～3 185m井段中，SP、GR、R4测井曲线变化幅度不大，测井相解释该井段大部分为厚层细砂岩、中砂岩。但是根据岩芯观察该段岩性为细砂岩夹砂质泥岩(表1)，上述解释显然是很粗略的。但是d3小波却能细致地反映岩性的变化：3 182．00m处SP、GR、R4的d3小波曲线表现为漏斗状测井相，其值分别为 －0．27、－14．91、1．12，岩芯观察结果为粒序层理浅灰绿色细砂岩;3 179．98m处d3小波曲线表现为单齿状，值分别为 －0．20、－9．62、0．86，SP、GR值3 179．98m处更高，而R4值3 182．00m处更高，分析3 182．00m处岩石粒度要粗于3 179．98m处，与3 179．98m处岩芯观察灰绿色粉细砂岩一致(图3)。因此，相对于未经处理过的测井相解释，d3小波曲线在解释岩性及其粒度变化过程中具有独特的优越性。

表1 王26井枣Ⅴ油层组3 174m～3 185m井段岩芯描述

图2 王26井枣Ⅴ油层组SP、GR、R4测井曲线小波处理图

3．2 沉积微相识别

利用细节信号d3的波动特征，按照高分辨率层序地层学原理共同将扇中亚相划分短期与超短期旋回及8个准层序(图4)。据此分析王26井枣Ⅴ油层组沉积微相及组合特征。

辫状河道：岩性为棕红、棕黄、黑色细砂岩夹紫红色泥岩，砂岩分选较好，磨圆为棱角或次棱角状，波状或槽状交错层理，与下部泥岩为冲刷接触关系，为冲积扇相扇中亚相辫状河道沉积微相。测井相为齿化箱型或钟形，锯齿中线向内收敛。d3特征为底部震荡幅度差异大，而且振幅相对较高，锯齿化现象明显，与下部关系为突变接触，向上逐渐转为平缓低振幅结构，总体上为正旋回沉积结构。

心滩：岩性为灰色细砂岩夹紫红色泥岩，自然伽马曲线表现为齿化或平滑的漏斗状，而在自然电位及电阻率曲线上表现为单齿状或钟形。但是在d3曲线中，顶部震荡幅度差异大，而且振幅相对较高，锯齿化现象明显，与上部关系为突变接触，向下逐渐趋于平缓低振幅结构，总体上为反旋回沉积特征。

河道间沼泽：岩性上为紫红色或黑色泥岩，自然电位与自然伽马曲线为高值，而电阻率值低。d3曲线中震荡幅度差异小，振幅也较低，信号相似程度较高。

图3 d3小波与未处理测井曲线解释效果对比

3．3 沉积微相组合

根据沉积旋回特征，王26井枣Ⅴ油层组被划分为8个准层序，其内部沉积微相类型、细节信号d3曲线特征、沉积旋回特征如表2。

通过上述分析与统计得知：在划分的8个准层序中，普遍发育辫状河道与河道间沼泽沉积微相组合、河道间沼泽沉积微相组合、辫状河心滩沉积微相组合;其中7—8准层序发育辫状河心滩沉积微相，反旋回沉积特征;2—6准层序发育辫状河道与河道间沼泽沉积微相组合，辫状河道相互叠加沉积，呈现连续的正旋回沉积特征。

表2 王26井枣Ⅴ油层组沉积微相小波测井特征

4 结语

db小波处理后的细节信号d3所得的测井相能特定反映王26井枣Ⅴ油层组沉积微相的岩性组合特征：震荡幅度差异大，振幅相对高，锯齿化现象明显、正旋回沉积特征的测井相解释为辫状河道微相，而反旋回沉积特征的测井相解释为辫状河心滩微相，而震荡幅度差异小，振幅也较低，锯齿化现象不明显，相似程度高的测井相解释为河道间沼泽微相。由此反映的沉积旋回特征也揭示了辫状河道、辫状河心滩沉积微相组合的相互叠加沉积特征。

大港油田石油地质志编辑委员会．1991．中国石油地质志(卷四)：大港油田［M］．北京：石油工业出版社．

李旋，周清锋，何朝津，等．2009．经验模式分解与小波变换在模拟信号中的对比分析［J］．地质学刊，33(1)：79－83．

宋鹍，金振奎，王晓卫，等．2006．沉积相对储集层质量的控制作用——以黄骅坳陷王官屯油田枣Ⅱ、枣Ⅲ油层组为例［J］．石油勘探与开发，3(3)：335 －338．

颜照坤，段润梅，李勇，等．2011．黄骅坳陷孔南地区孔店期徐西断层构造活动规律研究——来自沉积响应的证据［J］．地质学刊，35(1)：1 －10．

赵军龙，谭成仟，李娜，等．2007．小波分析在高分辨率层序地层研究中的应用［J］．地球科学与环境学报，29(1)：90－94．

周力宏，李勇，王振生，等．2009．陆相断陷盆地缓坡带沉积体系与成藏动力学——以黄骅坳陷为例［M］．北京：科学出版社．

张德丰．2009．MATLAB小波分析［M］．北京：机械工业出版社．

赵伟，姜在兴，邱隆伟，等．2010．小波分析划分层序单元的地质学理论基础、方法与应用［J］．石油与天然气地质，31(4)：436 －441．

DAUBECHIES I．2004．小波十讲［M］．李建平，等译．北京：国防工业出版社．

BRIQUEU L，ZAOURAR N，LAUER-LEREDDE C．2010．Wavelet based multiscale analysis of geophysical downhole measurements：Application to a clayey siliclastic sequence［J］．Journal of Petroleum Science and Engineering，71：112－120．

Application of wavelet analysis in study of sedimentary micro-facies of ZaoⅤreservoir group in Well 26，Wangguantun Oilfield

HUANG Wei-ting1，QIAN Geng2，ZANG Wen-ya1

(1．Key Lab of Geomathematics of Sichuan Province，Chengdu University of Technology，Chengdu 610059，China;2．State Key Lab of Oil and Gas Reservoir Geology and Exploitation，Chengdu University of Technology，Chengdu 610059，China)

Based on the previous analysis of other experts，in combination with the interpretation of well logging facies and core observation，the authors found that ZaoⅤ reservoir group in Wang 26 well mainly belonged to the sediments of middle fan of alluvial fan．In order to accurately analyze the features of sedimentary facies，the authors utilized wavelet analysis together with well logging curves and core observation to analysis micro-facies features．When Daubechies wavelet was analyzed，the authors extracted three detailed signals of SP，GR，R4 well logs．With high-resolution sequence stratigraphy as theoretical guidance，the detailed signals of Daubechies wavelet were used to explain the sedimentation of micro-facies and assemblage characters．And the results showed that the combination of wavelet analysis，logging facies，and core data could identify the type of micro-facies-braided river channel，channel bar and the swamp within river beaches，meanwhile vertically assemblage features of microfacies also were precisely reflected-upwards sequence of braided river channels，backwards sequence of channel bar，and continuous superposition of braided river channels．

Wavelet analysis;ZaoⅤ reservoir group;Sedimentary micro-facies;Well logging facies;Core;Matlab;Tianjin

P618．130．2;TE122．2

A

1674－3636(2011)04－0379－07

10．3969/j．issn．1674-3636．2011．04．379

2011－05－26;

2011－07－01;编辑：侯鹏飞

国家自然科学基金项目(40972083、49803013、40372084、40841010)、中国地质调查局应急项目和中石化前瞻性项目资助

黄维婷(1987—)，女，硕士研究生，主要从事地质勘探数值分析研究工作，E-mail：witty．huang@gmail．com