一种基于RBF算法的裂缝预测参数自动优化方法与应用

杨敬雅，李相文，李 磊，刘永雷，陶春峰，朱冬辉，王 茂

(中国石油东方地球物理勘探有限责任公司，河北 涿州 072750)

自2009年来，塔里木盆地塔北地区哈拉哈塘油田、塔河油田和塔中I号凝析气田的勘探开发研究，形成围绕强非均质性缝洞型储集层的基于地震数据关联信息研究的关键技术，如叠前、叠后裂缝预测技术、非均质缝洞体系量化描述技术[1]和基于OVT道集的方位AVO油气检测技术[2]，其中裂缝预测技术主要是用于解决基于地震数据描述储集层中裂缝发育的强度和发育方位的问题。随着油田勘探开发的深入以及进一步开展断溶体构型研究，对储层中裂缝发育的描述越来越受到重视。

研究表明，AVO或AVA随方位角的变化关系反映了岩石硬度的变化[3]，甚至可以反映储集层或储集层内含流体性质的差异。因此，如果用AVAZ分析的方法计算出360°范围内的每一组方位角(一般根据需要设定一组方位角的跨度≥1°且≤60°为宜，不同方位跨度可均匀重叠)的AVO梯度值，就可以求取所划分方位角扇区方案中各组方向AVO梯度间的最大差值，可据此判定裂缝的走向[4]。实际生产中，在超级计算机并行CPU、GPU处理能力快速发展的驱动下，掀起了OVT域螺旋道集在碳酸盐岩缝洞型油气藏连通性分析方面的应用的热潮。有研究利用基于OVT域五维地震道集数据所充分挖掘的地面地震数据中的有效信息(方位角各向异性等)以提高裂缝预测的精度[5-6]，该方法在塔北地区较高品质地区的应用取得较好应用效果，但在塔中地震资料品质低的地区一直未取得明显进展，主要是缺乏一种自动化程度更高的裂缝分析方法，减少地震解释中的多解性。

本文通过OVT道集品质的综合评价及方位角、炮检距参数信息初分析等一系列流程，快速迭代并自动优化最优方位角与炮检距参数方案，在此基础上建立起一种自动化程度更高的裂缝分析结果的参数模板，提供后续裂缝计算。应用表明，该方法可大大缩减对比分析不同参数方案计算结果的所耗机时，并使得求取较好裂缝预测结果的繁琐工作流程得到简化，进一步提高裂缝分析的效率，快速地支持油藏描述及井位部署。

1 OVT域道集

伴随着国内宽方位高密度三维地震采集技术的不断发展，并且取得非常好的推广应用效果，配套的宽方位高密度地震数据处理技术和解释技术均得以迅速发展。同时，一些新技术被提出，如炮检距向量槽(OVS)[7]以及后来继续演变而成的炮检距向量片(OVT)处理技术，利用OVT域处理技术所得到的是一种叠前偏移处理的地震道集，被称为OVT域道集或者螺旋道集，是一种道头信息中含有三维空间信息(坐标信息、深度或时间)、炮检距信息、方位信息的道集(图1)，可作为一种共反射点道集。

OVT道集是基于十字排列的细分、地面坐标系及方位角扇区划分的集合[8]。每一OVT向量片集合都是由沿炮线方向有限范围(与采集观测系统相关，满足空间采样定理)的炮点和沿接收线方向有限范围的检波点构成。一个十字排列子集具有大致相同的炮检距和方位角的地震道，理论上是覆盖整个工区的单次覆盖数据体集。由于螺旋道集同时具有炮检距信息、方位信息，因此是一种非常有利于开展裂缝预测(发育方位及发育程度)和方位油气预测的基础数据。当然也存在一定局限性，比如在复杂介质中，由于地震波传播过程中可能具有多路径特征，存在反映地下反射位置不准确等问题。

图1 某一CRP点OVT道集三维可视化

2 裂缝预测模板自动优化方法原理

2.1 炮检距与方位角参数初步优化

首先对OVT道集进行有效性评价，包括不同方位扇区叠加数据、不同炮检距范围叠加数据的对比分析等。其次，根据地震数据处理过程中能直观地反映资料覆盖次数的面元属性参数，有效地对螺旋道集数据的炮检距范围进行优化，解决基于椭圆拟合的裂缝预测方法中数据优化的两个矛盾，即近炮检距数据(等价于自激自收，各向异性非常弱，有可能没有各向异性，甚至存在严重的多次波)和远炮检距地震资料(品质较差且覆盖次数不均，各个方位扇区内地震数据间的差异不能反映真实的地层各向异性特征)不能同时兼顾的矛盾；方位扇区的划分叠加数量(数量大、样点品质差，椭圆拟合结果差)和基于椭圆算法(样点少于7点时，椭圆拟合的结果存在多解性，稳定性差)的裂缝预测原理之间的矛盾。

2.2 裂缝预测参数模板自动优化方法

在炮检距参数和方位角叠加数量的初步优化后，通过RBF神经网络算法进行分类、非线性控制与模式识别。

RBF(Radial-Basis Function)是多变量插值的径向基函数方法[9-10]。从算法的结构上看，RBF神经网络属于多层前向神经网络，结构相对简单，其训练简洁而且收敛速度快，能够逼近任意非线性函数。它是一种由信号源节点集为第1层，作为输入层；第2层采用对中心点径向对称且衰减的非负非线性函数为变换函数，即为隐含层；最后一层是输出层，将对输入层信息做出相应响应。RBF神经网络的基本思想是用径向基函数作为隐单元的“基”(隐单元的个数由所要描述的问题而定)，隐含层对输入矢量进行相应数学变换，将低维度的输入数据变换到高维度空间内，使得在低维空间内线性不可分的问题在高维空间内实现线性可分。因此RBF神经网络算法被较为广泛的应用于各个行业中。

径向基函数有很多不同的形式[11]，如Gaussian函数、Multiquadric函数、Inverse Multiquadric函数以及Cauchy函数，其中最为常用的是Gaussian函数：

(1)

其中：X是样本集，C是高斯函数的中心向量，б是类半径，均是无量纲参数。隐节点中的径向基函数都产生相同的输出，并且输入样本集X与RBF的中心C越接近隐节点的响应越大，因此通过调整半径б的值即可调整基函数曲线的宽度。

2.3 实现流程

应用OVT道集开展叠前各向异性裂缝预测，其预测参数模板自动优化方法的基本流程为：(1)获取地震资料采集参数信息，包括横纵比、覆盖次数，用于基础数据优化，建立炮检距参数和方位角叠加数量初步参数框架(图2a)；(2)给定迭代次数，对炮检距参数和方位角叠加数量初步参数框架内的数据进行二次优化与分类(图2b)；(3)应用一井筒所测目的层的FMI测井资料与上一步分类数据进行训练学习与非线性控制，自动优选椭圆拟合结果可信度最大的参数组合后保存参数模板(图2c、d)，可信度最大即求解椭圆方程的最优解或唯一解(图2e、f)，然后依次建立待测区内所有具有FMI测井资料井的参数模板；(4)最后根据所有井的训练结果，再次应用FMI测井资料解释结果为样本点进行模式识别与聚类分析，根据聚类结果进行横向分区；(5)在横向分区的成果上提取各区最优裂缝预测参数结果(结果数量与所给定迭代次数相关)作为待测区裂缝综合预测的参数。

图2 某一CRP点裂缝预测参数自动优化示意

裂缝预测模板自动优化模块分a～f共6个功能模块：(a)为炮检距参数和方位角叠加数量初步优化参数框架；(b)为设置迭代次数；(c)为FMI测井解释成果输入；(d)为最优模块保存区；(e)为迭代模块总数椭圆拟合结果信噪比分析窗口，纵轴为方位角，横轴为置信度；(f)为模块椭圆拟合时样本点在极坐标系统的分布与椭圆拟合结果监视窗口。

3 应用实例

以塔中地区中古8高密度三维区应用为例，地表为巨厚沙丘，平均低降速带厚度约20 m。研究区内目的层为奥陶系良里塔格组-鹰山组地层，非均质性缝洞型储集层非常发育，储层的地震特征为“串珠”状反射特征(图3)，是油田开发产能建产的主体区，是滚动评价上报探明储量的目标区，更是勘探突破发现的重点区块。

图3 ZG8高密度三维区OVT域处理(a)与常规处理(b)地震剖面对比

通过本文所述方法的应用，裂缝预测效果有明显改善(图4)。图4a为常规椭圆拟合方法裂缝预测结果平面图，预测结果ZG11-H1～ZG11-H2断裂带南部ZG23井区裂缝发育(图4a中A区)与区内FMI测井解释成果不相符，该裂缝欠发育。图4b为基于RBF算法的裂缝预测参数自动优化后的预测结果平面图(与图4a预测时窗一致)，图4b中ZG11-H1～ZG11-H2断裂带南部ZG23井区裂缝欠发育，且裂缝沿着断裂带伴生发育，北部B区裂缝发育均与实钻结果相符，裂缝发育规律与勘探开发地质认识一致。通过与区内实测FMI测井解释成果对比，新方法的预测结果与井裂缝发育方位一致(图4c、d、e)。

图4 ZG8高密度三维区新老方法预测裂缝结果对比

据统计，研究区内完钻井43口，具有FMI测井资料的9口，与FMI测井结果符合的井有8口，符合率达到88.9%(常规方法预测符合率63.0%)；与区内出现钻井异常(放空、漏失、溢流)井或经酸化压裂证实井周储层发育情况井的总井数39口井相比，预测符合井数为37口，符合率达到94.9%(常规方法预测符合率82.1%)。

如图5所示，ZG11-H12、ZG11-H5、ZG11-H10、ZG11-H8、ZG11-6位于同一缝洞单元内(图5a)，上述5口井相继测得地层静压力数据的变化趋势基于一致，属于同一压力系统，该连通系统内5口井与周边H15、H11、H7、H1等井地层压力变化特征完全不同(图5b)。此外，上述5口井中位于单元中间的ZG11-H10和单元最北端的ZG11-6井在后期钻井中均表现出地层压力系数低的特征，分别为0.89和0.85，说明井点处储层内流体被动用一部分，其中ZG11-H10试油投产的同时，北部完钻投产且垂深最深的ZG11-H8井立即表现出生产含水上升的特征。动静态数据均表明前述H12等5井是连通的，也进一步佐证基于本文方法裂缝预测结果的连通单元解释结果与油气藏开发地质认识相匹配。近期部署完钻的ZG11-16、ZG8-H4C、ZG113-1、ZG113-2、ZG8-7、ZG8-9测试投产，均与预测结果相符，进一步证实方法的有效性和高效特征。

图5 ZG8高密度三维区5口井连通单元裂缝预测与储层分布平面叠合(a)和多井地层压力随时间变化趋势(b)对比

4 认识

本文采用基于RBF神经网络多变量插值的径向基函数的裂缝预测参数模板自动优化技术，主动识别与目前地质认识相符的裂缝发育区。这种算法是由地震数据+测井解释成果联合驱动、优化确定最优裂缝预测模板，提高了对于低信噪比地震数据区复杂缝洞体特征识别的准确性。其次，该方法大大提高了对比分析不同参数方案计算结果的时效性，简化了裂缝预测的繁琐工作流程，提升了方法可操作性。最后，在塔中地区的实验，取得良好的应用效果，进一步论证了本文提出的方法的可行性和可靠性。