大牛地气田煤系地层去煤影响储层预测技术

秦雪霏，李 巍

中国石油化工股份有限公司华北分公司勘探开发研究院，郑州 450006

0 引言

大牛地气田位于鄂尔多斯盆地北部，烃源岩主要为中生界及古生界煤层及暗色泥岩。煤层于工区内广泛分布，纵向上多层叠置，厚度较大，局部地区煤层单层厚度可达15m以上。多套煤层与砂泥岩直接接触形成煤、储互层型地层。由于煤层与围岩波阻抗差异巨大，地震波传播过程中造成低频强反射能量巨大，对于煤层上覆下伏储层造成了极强的遮蔽干涉作用，为查明煤系地层储层真实空间展布特征带来了极大不便。实钻井揭示，大牛地气田煤系地层岩性组合较为复杂，尽管在地震剖面上表现为稳定的区域连续强反射，而实际上煤层厚度、埋深、层数大不相同。因此，借助高精度分析手段对连续强反射波中各套煤层准确识别，进而在三维地震数据中消除煤层干涉、准确识别煤系地层储层有效信息，是大牛地气田井位部署的首要问题。

Wigner-Ville分布（WVD）是一种直接测量时间频率域能量密度分布的时频分析方法。张显文［1］利用正演模拟及实际数据对多种时频分析方法开展对比，认为WVD相比其他方法具有明显更高的频率分辨率，Cohen［2］并从理论上证实了这一结论。Li等［3－5］利用 WVD时频分析方法对地震信号开展了频衰减检测，进而应用到塔中地区奥陶系礁滩相碳酸盐岩储层预测中，认为WVD得到的瞬时能量谱中的中高频段能量与低频段能量衰减速率明显不同，以此可以有效区分礁滩相和泻湖区，并且很好地描述了礁滩储层分布特征，证实了该方法的频率分辨率优势。姜传金等［6］利用 Wigner双谱对角切片谱分解技术应用于某油田目的层段油气识别中，取得了明显的效果。李丛等［7］应用平滑 WVD对大牛地气田煤系地层上覆H1、S2层开展了分析研究，认为利用该方法的高分辨率优势可以有效解决该地区厚砂体薄储层的识别问题。从前人的研究成果中可以看出，WVD时频分析方法对于识别具有频率差异的储层及其他不同岩性等具有非常明显的高分辨率优势，而对于煤系地层岩性识别及特征分析方面开展的研究较少。

在本文中，笔者以大牛地气田上古生界山西组煤系地层为例，利用 Wigner-Ville分布对煤系地层强反射波进行分析，在对煤层开展准确定位的基础上获得其频率特征及优势频率上限参数，进而利用多子波分解与重构技术对煤层形成的强反射进行剥离，以使煤系地层内部及其上覆下伏储层得以准确预测。然后，将得到的储层预测结果与实钻井勾绘砂体厚度图进行对比，以提高预测率。

1 大牛地气田煤系地层反射特征

大牛地气田位于鄂尔多斯盆地北部，气层主要集中分布在上古生界下石盒子组、山西组和太原组。其中，山西组及太原组煤层为大牛地气田主要烃源岩［8］，煤层厚度较大，纵向上多套叠置，与砂泥岩形成煤系互层［9］。煤层反射系数（0.5）远大于砂泥岩反射系数（0.03），所以，煤层在地震剖面上表现为连续的低频强反射，反射能量巨大，为大牛地气田的标志波（图1A波、B波）。由于煤层造成的极强反射使煤系地层内部储层受到了强烈的遮蔽作用，如图1中主要目的层段集中分布于A波至C波之间，地震剖面表现为稳定的连续强振幅特征，所以，常规储层预测方法难以有效揭示其中的波形变化规律。除此之外，煤层形成的子波负瓣强能量同样干涉到煤层上覆地层的有效信息。经过实钻井证实，大牛地气田C波处为非煤系地层，煤层不发育，主要岩性为砂泥岩且波阻抗差异微弱。如图1中T1100－T1550处，C波之所以能够形成稳定强反射，主要是由于B波附近煤层厚度大，煤层强反射干涉而成，并非C波地层真实反映。当B波附近煤层发育程度较低时，B波反射强度相对较小，同时对C波干涉作用较弱，C波则表现出较强的横向不均匀性，复合辫状河沉积特征，如图1T500－T850处。因此，如何从A、B、C强反射波中定位煤层厚度及位置，进而去除煤层干涉影响是大牛地气田煤系地层储层预测的先决条件。

2 煤层高精度时频分析

2.1 Wigner-Ville分布主要特征及实现

Wigner-Ville分布（WVD）是一种直接测量时间频率域能量密度分布的时频分析方法，由于在计算过程中信号多次进入，从而达到了自相关能量聚集的效果，不仅对于时间频率定位来说具有非常明显的优势，同时也能够自动抑制噪声的影响，提高时频分析精度。业已证明，由于WVD的时间－带宽积可以达到Heisenberg不确定性原理给出的下界，因此没有任何一种时频分布的聚集性能能够超过WVD方法［7］。结合大牛地气田实钻煤层的复杂性，以及大牛地三维地震资料信噪比问题，为提高有

效信号聚焦强度，笔者选用三阶WVD方法，即信号3次进入计算进行时间频率能量聚集。

若观测信号x（t）为一连续型解析信号，做等间隔采样，采样后的信号记为

图1 典型地震剖面Fig.1 Typical seismic data section

式中，T表示采样间隔。于是可以给出离散 WVD三阶时频分析理论公式：

式中：Wx为连续频率域解析信号；ω1，ω2，ω3分别3次频率域自相关聚集的频率变量；m对应于连续时间变量τ。

总的来说，高阶WVD谱可以描述为，连续频率域解析信号经过离散化后，自身多次进行频率域自相关聚集，从而达到有效信号频谱密度增强、提高分辨率的目的，与此同时也可以起到压制随机噪音的功效。

2.2 大牛地气田煤系地层典型井对比分析

笔者有针对性地选择了大牛地气田A井、B井、C井和D井进行分析。其中：A井于B波强反射段钻遇多套较厚煤层，同时夹杂较厚砂泥，砂泥厚度与煤层厚度比例近于1∶1；B井仅在B波强反射段顶底部分别含有2套厚度约1.5m煤层；C井处B波强反射段煤层并不发育，仅分布几条厚度不到1.0m的薄煤线；D井处B波强反射段煤层发育程度非常高，煤层总厚度15.0m以上，主煤层单层厚度约13.0m。以上4口井分别对应了4种不同岩性组合，可以作为典型井进行相应的研究。

为了消除单道数据中由于采集或噪声等多方面外界因素扰动所产生的不确定性问题，研究过程中选择了井旁相邻的25道地震数据，并进行平均处理，以消除随机干扰。

如前文所述，WVD描述的是时间频率能量密集度分布情况，在前人研究中多采用彩色成图，而由于煤层引起的低频强反射为图1中A、B、C波的最主要成分，在具体分析中发现利用色差进行频率能量密度差异刻画，效果不够明显。因此，笔者针对频率能量采用等值线成图，等值线圈中心对应为优势频率，线圈越集中说明频率分辨率越高，线圈越大说明频宽越大。

图2为利用WVD三阶时频分析方法对4口井煤系地层井旁道分析结果。从图2a中可以看出：地震波主频集中于23～24Hz，当频率在25Hz以上时，图谱中等值线集中形成3个明显的线圈；对比密度曲线，3个等值线圈在时间域上与非煤系高密度岩性完全吻合，这与砂泥高频煤层低频的概念是一致的。

从图2b中可以看出：由于B井处强反射段煤层薄，时频图下部明显向高频方偏移，呈现扫帚型；而对于25Hz以上频率段来说，等值线形成2个非常明显的线圈（如图黑色箭头上下侧），而与左侧密度曲线对比后可以看出2个线圈不连接处的鞍部（如图黑色箭头处）正对应强反射段顶煤。也就是说，煤层在高频段能量难以聚集。

图2c主频段同样向高频段偏移，而等值线在26Hz以上形成一个较大的线圈，说明该方法无法识别C井不到1.0m厚的薄煤线。相比之下，D井（图2d）中的强反射段含煤量大，26Hz以上等值线在1 468ms主煤层处急剧下凹；而在煤层上下边界外侧，等值线密度明显增加。

对4口井煤系地层所对应的强反射波进行高阶统计分析后认为：1）大牛地气田煤层在地震波中的优势频谱能量密度在超过26Hz后急剧减弱。2）26 Hz以上高频对砂泥岩反应敏感，能量集中。当砂泥中不存在煤层或存在薄煤线时，等值线明显集中；否则呈现马鞍形，鞍部对应煤层发育位置，即煤层发育处高频能量无法得到集中。3）尽管采用了更高精度的WVD三阶分析，仍然难以对1.0m左右的薄煤层进行准确定位。4）应用 WVD分析，可以在无井约束的情况下对强反射波组中的煤层进行准确定位，进而开展关于去除煤层影响的相关研究。

需要说明的是，对多个工区的试验分析认为，影响煤层有效频宽的主要原因有：地表条件、激发接收条件、煤层埋藏深度、煤层厚度、煤层数量及地震处理时的频率补偿等等，不同地区煤层具有不同的优势频段，除普遍具有低频强、高频弱的特点外，上限门槛值差异较大，目前仍然难以通过理论公式对分析结果开展证明。

3 去煤处理及实验效果

从前面的结论可以看出，尽管煤系地层形成了稳定的连续强反射，对于临近地层具有非常强烈的遮蔽作用，但是煤层与围岩之间仍然具有较为清晰的频率差异，这为从频率段入手解决煤层低频强干涉的可行性提供了有力依据和参数支持。

3.1 多子波分解与重构技术

多子波地震道分解是完全基于多子波地震道模型，把一个地震道转换成不同形状的子波的叠加。第一是对叠后数据的分解处理，将地震数据中目标层段分解成不同主频的雷克子波的序列或集合；第二是对分解后的数据重构分析，选择不同频率的子波重新组合就可以得到相应频率段的地震道［10－12］。

将一个反射系数的序列按照子波主频能量级数拆分为R1（t），R2（t），…，Rn（t），原来的反射系数序列则可以表述为

假设W1（t），W2（t），…，Wn（t）代表一组不同主频的雷克子波，分别与分解后的单一反射序列R1（t），R2（t），…，Rn（t）进行褶积，得到一组地震反射信号序列：

式中，i＝1，2，…，n。因此，地震信号S（t）可以按照多子波模型的方式表示为

3.2 大牛地气田某井区盒1段试验效果

笔者所选数据是大牛地气田煤层发育程度最高的井区，由于这样的强波阻抗界面，煤层上覆下伏地层同样表现为连续稳定的强反射特征，砂泥等有效信息被严重屏蔽。图3是同一剖面分解前后的结果，根据前面的WVD分析结果对26Hz以上中高频分量开展重构，形成新的数据体。从图3可以看出，C波（绿色线）表现为明显的双轴，尽管能量较弱，但是目的层段的有效反射信息仍然得到了较好的保留。

图3 大牛地气田原始剖面（a）与重构后剖面（b）对比Fig.3 Contradistinction of original（a）and reconstructed（b）seismic data of DANIUDI

图4为盒1段（平行整合于煤系地层）平均波谷振幅属性。盒1段为河流相沉积，砂泥岩波阻抗差异微弱，由于紧邻于煤层，在常规地震数据中煤层强干涉造成了目的层段连续强反射。从原始数据属性（图4a）可看出该井区反射较强，局部存在零散亮点，与钻井勾绘砂岩厚度图差异巨大，可见常规技术难以解决该井区的煤层强遮蔽作用。图4b为依据WVD分析对26Hz以上信号重构数据的平均波谷振幅属性。从图4b可看出，该井区进行去煤处理后振幅有了明显改变，对比利用钻井勾绘砂体厚度图（由于涉密该图已进行模糊处理）可看出，近南北走向河道砂体得到了有效刻画，预测成功率极大提高。

图4 盒1段原始数据振幅属性（a）与去煤处理数据振幅属性（b）对比及钻井勾绘砂体厚度图Fig.4 Control of amplitude attribute between original（a）and Reconstructed seismic data（b）in the layer of P1H1and the thickness of sand-stone

3.3 大牛地气田某井区山2段试验效果

大牛地气田某井区山2段属于煤系地层，底部煤层厚度大，从实钻情况看，山2段砂体发育程度较高，平均厚度20.0m以上，是该井区一个重要的产气层位。然而受到煤层强干涉影响，该井区原始地震数据上山2段平均反射强度属性为大面积强反射特征，无法揭示其内在储层空间展布状态（图5a白色线框）。图5b为使用相同时窗、相同参数子波重构数据提取的平均反射强度属性。对比白色线框煤层强干涉区，该井区在经过去煤处理后，山2段砂体得到了充分的展现，对比利用钻井勾绘的砂体厚度图（由于涉密该图已进行模糊处理）也可以看出去煤效果非常显著，预测砂岩展布与实钻井吻合度高。

4 结论

1）大牛地气田煤层形成的强反射对上覆下伏以及层间储层有很强的干涉作用，利用常规的储层预测方法难以突破，本文通过具有显著频率分辨率优势的WVD分析技术对煤层造成的强反射轴进行了高精度时频分析，认为煤层主要干涉低频段，能量较高，26Hz以上中高频段会急剧衰减。

2）结合WVD分析结果，采用多子波分解与重构技术，将煤层干涉作用较强的26Hz以下频率去除，利用中高频段重新构成新的地震数据，在此基础上开展储层预测工作思路是完全可行的。

3）通过煤层上覆盒1段及山2段试验可以看出，去煤处理效果显著，有效信息得到了充分展示，预测成功率大幅度提高。

（

）：

［1］张显文.储层地震预测技术与储层地球物理参数反演［D］.长春：吉林大学，2010.

Zhang Xianwen.The Reservoir Seismic Prediction Technology and Reservoir Geophysics Parameters Inversion［D］.Changchun：Jilin University，2010.

［2］Cohen L.Time-Frequency Analysis［M］.New Jersey：Prentice Hall inc，1995.

［3］Li Yandong，Zheng Xiaodong.Spectral Decomposition Using Wigner-Ville Distribution with Applications to Carbonate Reservoir Characterization［J］.The Leading Edge，2008，27（8）：1050-1057.

［4］Li Yandong，Zheng Xiaodong.Wigner-Ville Distribution and Its Application in Seismic Attenuation Estimation［J］.Applied Geophysics，2007，4（4）：245-254.

［5］Li Yandong，Zheng Xiaodong.High-Frequency Anomalies in Carbonate Reservoir Characterization Using Spectral Decomposition［J］.Geophysics，2011，76（3）：47-57.

［6］姜传金，陈树民，刘财，等.基于 Wigner双谱对角切片的谱分解技术在油气检测中的应用［J］.吉林大学学报：地球科学版，2013，43（3）：1013-1021.

Jiang Chuanjin，Chen Shumin，Liu Cai，et al.Application of Spectrum Decomposition Based on Wigner Bispectrum Diagonal Slice to Oil and Gas Detection［J］.Journal of Jilin University：Earth Science Edition，2013，43（3）：1013-1021.

［7］李丛，韩立国，李金泉，等.平滑 Wigner-Ville谱分解技术在储层预测中的应用［J］.世界地质，2012，31（4）：813-818.

Li Cong，Han Liguo，Li Jinquan，et al.Application of Decompositon Techique of Smooth Wigner-Ville Spectral in Reservoir Prediction［J］.Global Geology，2012，31（4）：813-818.

［8］谭晨曦，李文厚，张慧军，等.鄂尔多斯盆地大牛地气田山西组沉积相研究［J］.西北大学学报，2011，41（1）：107-112.

Tan Chenxi，Li Wenhou，Zhang Huijun，et al.Study of the Sedimentary Facies of Shanxi Formation in Daniudi Gasfield of Ordos Basin［J］.Journal of Northwest University，2011，41（1）：107-112.

［9］陈召佑，王光强.鄂尔多斯盆地大牛地气田山西组砂体组合类型及成因模式［J］.石油与天然气地质，2010，31（5）：632-639.

Chen Zhaoyou，Wang Guangqiang.Assemblage Types and Genetic Models of the Shanxi Sandbodies in Daniudi Gasfield the Ordos Basin［J］.Oil ＆ Gas Geology，2010，31（5）：632-639.

［10］Ping An.Application of Multi-Wavelet Seismic Trace Decomposition and Reconstruction to Seismic Data Interpretation and Reservoir Characterization［J］.SEG Technical Program Expanded Abstract，2006，25（1）：973-976.

［11］徐天吉，沈忠民，文雪康.多子波分解与重构技术应用研究［J］.成都理工大学学报，2010，37（6）：660-665.

Xu Tianji，Shen Zhongmin，Wen Xuekang.Research and Application of Multi-Wavelet Decomposition and Reconstructing Technology［J］.Journal of Chengdu University of Technology，2010，37（6）：660-665.

［12］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，2009，4（6）：675-679.

Li Shuguang，Xu Tianji，Tang Jianming，et al.Seismic Signal Multi-Wavelet Decomposition and Reconfiguration Based on Wavelet in Frequency Domain［J］.Oil Geophysical Prospecting，2009，44（6）：675-679.