优化的蚂蚁追踪技术在四川盆地Y1井区的应用研究

张介辉,谢清惠,张东涛,赵春段,姚秋昌,李清山

(1.中国石油天然气股份有限公司浙江油田分公司,浙江杭州310023;2.斯伦贝谢中国公司,北京100015)

目前,与油气藏勘探开发生产相关的裂缝常被分为大尺度裂缝、中尺度裂缝及小尺度裂缝。大尺度断裂发育带延伸长度一般从几百米到几十千米甚至上百千米不等,通常可在地震剖面上进行人工解释,常规的地震属性(如振幅变化率、边缘检测、相干等属性)均有不同程度的反映。中尺度裂缝常常由区域构造运动或褶皱、断层作用产生,走向延伸长度为几十米至上百米,通常需要利用边界探测、蚂蚁追踪等技术来预测。小尺度裂缝一般由褶皱、断层、沉积或成岩作用产生,走向延伸长度一般为几米到几十米,通常依靠岩心、成像测井和常规测井等资料识别。此外,叠前各向异性反演方法也可对小尺度裂缝进行定量预测[1-3]。因此,断裂的地震预测技术可归纳为叠前预测和叠后预测两大类,前者主要是利用快、慢横波的差异或纵波的方位各向异性来预测裂缝的方位、发育程度甚至有效性,该方法要求有昂贵的三维地震采集和处理技术相配套,例如多波多分量地震采集与处理、高密度宽方位地震采集与处理等。后者主要利用叠后三维地震属性对裂缝进行识别和预测,其中很多振幅类、频率类和相位类的属性已被广泛应用,而较为精细的裂缝地震属性分析则主要是围绕地震反射波形的突变(不连续性)来开展,例如相干分析、曲率和蚂蚁追踪等边界强化探测技术[3-5]。受采集环境和采集成本等因素的限制,地震数据多为窄方位角采集。而在窄方位角下无法实现椭圆拟合,难以展开基于分方位角的叠前裂缝预测。

蚂蚁追踪技术是基于蚂蚁算法的仿生物学技术,意大利学者DORIGO等[6]提出蚂蚁算法。该算法根据蚁群利用分泌物尽快找到食物源的原理,在地震数据体中发现裂缝痕迹,直到完成断层的追踪和识别[7-8]。这种追踪技术能突出地震数据的不连续性,蚂蚁追踪体属性是一种强化断裂特征的新属性,能提高断裂预测精度,并刻画地质构造细节[9-11]。蚂蚁追踪属性对地震资料的变化非常敏感,因此地震资料品质直接影响到蚂蚁追踪属性结果,包括地震资料的反射强度、连续性变化、反射同相轴轻微抬升等都会在蚂蚁追踪属性中得到体现[12]。而传统的蚂蚁追踪方法多基于叠后地震数据,普遍存在分辨率低的问题。

研究区四川盆地Y1井区经历了多期构造演化,发育多旋回沉积。由于历次构造运动叠加,区内断裂复杂多样,具有多期次、多尺度、多类型、多走向等特征[13]。目的层存在着可钻性差、井壁稳定性差、井漏、固井难度大等钻、完井技术难点,在施工过程中频繁发生井塌、井漏等井壁失稳现象。利用常规叠后地震数据体进行蚂蚁追踪裂缝预测,不易实现精细描述中、小尺度裂缝的目标,造成对断裂期次和展布规律认识不足。因此,急需寻求一种新的途径进行精细裂缝预测并试图查明井漏原因,为下一步井位部署提供数据基础。

我们针对研究区的地质特点,结合现有资料条件,探索出一套优化的蚂蚁追踪技术以提高裂缝预测精度,主要是通过提高分辨率、降噪、增强连续性、突出断层边界、剔除假构造等手段提高裂缝的预测精度。本文首先简要阐述了理论依据和方法流程,然后针对研究区的具体资料介绍了实际的应用过程并分析了应用效果,认为该方法在实际应用中得到了较好的效果。

1 理论依据和方法简介

1.1 入射角对地震分辨率的影响

地震分辨率分为垂向分辨率和水平分辨率,地震垂向分辨率是指要被分辨的地层的最小厚度。Rayleigh准则[14]认为,来自薄层顶、底界面反射波的λ/2(λ为波长)的波程差为垂向分辨率极限,相当于λ/4的薄层厚度。俞寿朋[15]指出分辨率随炮检距增大而降低,但是未考虑到目的层深度和分辨率的关系。李蒙等[16]认为入射角包含了炮检距与深度的相对关系信息,是控制地震资料分辨率更核心的因素,其推导的地层厚度可近似简化为:

(1)

式中:h为地层厚度;v为地层速度;f为频率;θ为地震波入射角。由公式(1)可知,分辨极限地层厚度随入射角增大而增大,即地层厚度的分辨率随着入射角的增大而降低,具体来说,当入射角为零时,分辨率达到最大;当入射角接近90°时,地震信号无法分辨任何厚度的地层。另一方面,大入射角地震波传播过程中经历了更长的路径,导致其高频成分经历了更多的衰减,进一步降低了其主频与分辨率;而且,在叠前处理过程中大炮检距地震反射信号会因动校正拉伸而发生畸变[17],进一步导致了地震资料分辨率降低。

1.2 产状控制的蚂蚁追踪

基于叠后地震数据的常规蚂蚁追踪主要包括以下几个步骤(图1虚线框)。

1) 构造平滑:对原始叠后地震数据体进行构造平滑,降低噪声影响,增强地震有效反射的连续性。

2) 边界探测:对地震数据不连续点进行探测,并对这一不连续性进行强化。

3) 参数设置:主要包括6个参数,参数含义和特点见表1。

4) 蚂蚁追踪:得到裂缝预测结果。

图1 优化的蚂蚁追踪流程

表1 蚂蚁追踪方法的参数设置以及含义

以上步骤得到的初始蚂蚁追踪结果是全方位的裂缝搜索结果,而实际的断裂并非全方位都发育,往往存在虚假构造。产状控制的蚂蚁追踪正是去掉虚假断裂信息的手段,该算法在前述4个步骤的基础上增加了产状控制这一项,具体做法是:根据生成的地震属性以及初始蚂蚁追踪结果,结合前人研究成果,统计出区内主要断层的走向、倾向和倾角等产状参数信息,确定过滤原则。同时考虑层位痕迹一般为低倾角响应,因此需滤去较小的倾角。实际开展蚂蚁追踪时,采用玫瑰花图工具来控制蚂蚁追踪的搜索方向(图2):将要过滤掉的断裂倾角和方位选为灰色,则该部分断裂将不会被蚂蚁追踪结果记录;反之,白色部分则为蚂蚁追踪结果所追踪和记录。

1.3 优化的蚂蚁追踪方法简介

针对研究区面临的问题,我们探索出一套优化的蚂蚁追踪方法(图1),该方法与常规蚂蚁追踪方法的主要区别在于以下几方面。

图2 用于产状控制的玫瑰花图(灰色部分为过滤掉的产状参数)

1) 基于叠前部分角道集叠加数据:为提高蚂蚁追踪精度,将叠前部分角道集叠加数据作为蚂蚁追踪输入数据。首先,对偏移后的叠前道集进行去噪、拉平和振幅均衡等预处理,然后,综合考虑分辨率和信噪比等对叠前道集进行部分角道集叠加。

2) 输入数据优选:得到各部分角道集叠加数据的蚂蚁追踪结果之后,从地层切片、属性剖面以及井震标定方面进行对比和优选最终的道集叠加数据。

3) 产状控制蚂蚁追踪:确定产状过滤原则,进行产状控制下的蚂蚁追踪计算。

2 实际应用及效果

2.1 常规地震属性分析

通过多属性提取和分析来确定研究区内大尺度断层的发育特征,确立对区域断裂发育特征的宏观认识。研究中分别对微构造、方差、最小曲率、最大曲率、混沌体等多种属性进行对比分析,认为方差属性能更好地展示研究区的大尺度断层。图3为沿Y1井区目的层五峰组顶部提取的方差数据体切片,可以看出,Y1区块发育的断层以北西、北东和近南北向为主,较大规模的断层集中在Y1井区的南部,但传统的地震属性对于中、小尺度裂缝的描述能力较为有限。

图3 Y1井区方差数据体地震属性沿层切片

图4为叠后蚂蚁追踪属性的沿层切片。相比于方差数据体属性,叠后蚂蚁追踪结果可以得到更多小断层及裂缝信息,断裂组合特征更加明显,但部分断裂和断裂组合依然缺失细节,如:1号区域断层存在似断非断的连接关系,无法判断其是一条大规模断层还是一系列小断层组合;2号区域隐约看到平行排列的几条断层,但部分断层信号很弱,断层之间夹杂过多小裂缝信息,会引起解释困扰。因此需要研究一套优化的蚂蚁追踪方法来解决以上困扰。

图4 Y1井区叠后蚂蚁追踪属性沿层切片

2.2 优选输入地震数据

通过实验对比,剔除低信噪比的0～3°道集,再综合考虑远角度的低分辨率,最终保留了4°～44°道集。为了分析不同部分角道集叠加数据的蚂蚁追踪结果的差别,基于均分原则,将叠前道集以8°为间隔,分别对4°～12°,12°～20°,20°～28°,28°～36°和36°～44°角道集进行叠加,得到5组不同的部分角道集叠加数据体。为了提高Y1井区内的小断裂识别能力,采用Aggressive主动追踪方法,设置蚂蚁追踪参数如下:初始蚂蚁边界为5,追踪偏差为2,搜索步长为3,允许的非法步长为2,合法步长为2,搜索中的门槛值为10。在此基础上,对各个数据体进行蚂蚁追踪计算,得到不同的蚂蚁追踪结果。通过沿层切片、属性剖面以及井震对比,分析并优选出最终的输入数据。

首先,对比各组沿层切片上的蚂蚁追踪响应(图5)可以直观地看到,相对于叠后蚂蚁追踪属性,基于叠前部分角道集叠加数据的蚂蚁追踪结果对裂缝预测的分辨率有了显著的提高,如刻画出了1号区域(位置见图4)的雁列特征以及2号区域(位置见图4)的平行构造,但各部分角道集叠加数据的追踪结果得到的细节不尽相同。

图5 基于叠前部分角道集叠加数据的蚂蚁追踪沿层切片a 12°～20°; b 4°～12°; c 20°～28°; d 28°～36°; e 36°～44°

1) 由图5a可以看出,断裂在平面上连续性好,刻画断裂精细。在1号区域(位置见图4),12°～20°道集叠加数据蚂蚁追踪结果刻画出了几个断层首尾相接的细节,表现出了井区内发育的雁列构造特征,而非一条大规模断层;2号区域(位置见图4)中清楚刻画出若干平行排列断层的展布形态,且排除了小裂缝的干扰,体现出区域内的平行式构造组合特征(图5a)。

2) 4°～12°和20°～28°这两组道集叠加数据与12°～20°道集叠加数据相邻,基本断裂组合特征与12°～20°道集叠加数据相似。但是,与图5a相比,在图5b中,2号区域内存在较多杂乱无章的蚂蚁干扰,信号差,平行构造中的断层响应显示不够全面;在图5c 中,1号区域内缺失首尾相接的细节,2号区域内平行断层延伸距离较图5a 中的短,且响应较弱。

3) 在图5d和图5e中虽然依然能看到断裂组合的轮廓,但与图5a相比,整体上信号变弱许多,部分断裂则没有被预测出来。

为了测试基于12°～20°道集叠加数据的蚂蚁追踪数据体的可靠度,将其与基于全叠加数据的蚂蚁追踪结果和方差数据体进行对比,并用井资料进行验证。图6为垂直于2号区域平行式断裂组合截取的地震剖面和属性剖面(剖面线位置见图4,图中红线为目的层解释层位)。图6a为全叠加数据体地震剖面,在该剖面上肉眼可见多处地震反射轴扭动。图6b 为基于全叠加数据体的蚂蚁追踪结果,图6c为基于12°～20°道集叠加数据的蚂蚁追踪剖面,可见,这两个蚂蚁追踪结果不仅对5和6处较大扭动的断层有理想的指示,对1、2和3处较小扭动的断裂有响应;两者相比,图6c的断裂线性化和连续性强得多,更能清晰刻画断裂展布。图6d为基于全叠加数据的方差数据体剖面,可以看出,该剖面较难反映较小尺度的断层。图7为过Y1水平井段抽取的蚂蚁追踪属性剖面,可见,蚂蚁追踪结果与泥浆漏失点对应关系良好,说明了裂缝发育是泥浆漏失主要原因,在水平井部署时应避开裂缝发育带。

综上所述,基于12°～20°道集叠加数据的蚂蚁追踪结果不但能清晰刻画出断裂的组合特征,同时可以极大地提高小尺度断裂的预测精度,因此可确定12°～20°道集叠加数据为蚂蚁追踪输入数据的最佳选择。

2.3 产状控制蚂蚁追踪

结合Y1井区实际地质情况,设定参与计算的断层倾角为30°～90°(区域内发育走滑断层,近乎垂直,选取最大倾角为90°)。对于方位角的设定,本次研究根据相关的地震属性(图3,图4)以及初步的蚂蚁追踪结果(图5)得到,断层的主要走向有4个,分别是北西向(NW)、北东向(NE)、近东西向(EW)和近南北向(SN),因此在玫瑰花图上方位角分别设置如下:①北西向断层的方位角设置为290°～320°;②北东向断层的方位角设置为35°～65°;③近南北向断层的方位角设置为75°～105°;④近东西向断层的方位角设置为345°～15°。基于优选的12°～20°道集叠加数据,利用主动追踪方法,得到4个不同走向的蚂蚁追踪结果。

图6 垂直于2号区域平行式断裂组合截取的地震剖面和属性剖面a 全叠加地震数据体地震剖面; b 基于全叠加数据的蚂蚁追踪剖面; c 基于12°～20°道集叠加数据的蚂蚁追踪剖面; d 基于全叠加数据的方差数据体剖面

图7 过Y1井水平井段的基于12°～20°道集叠加数据的蚂蚁追踪属性剖面

沿五峰组顶部切取沿层切片来展示不同走向的断裂展布。图8为基于12°～20°道集叠加数据产状控制蚂蚁追踪沿层切片,可见,通过产状控制蚂蚁追踪,能够更清楚地显示出不同地质时期的断裂发育特征和展布规律:①区内以北东走向断层为主,且大多断层规模较大,蚂蚁追踪响应强,如1号区域内平行排列的一组北东向断层;②北西向断层的蚂蚁追踪响应中等,偶见较大规模的断层分布;③近东西向断层以小尺度、弱响应为主,仅在2号区域发育有一组雁列断层,其规模较大且蚂蚁追踪响应强;④近南北向发育的断层稀少,规模较小,蚂蚁追踪响应较弱。

图8 基于12°～20°道集叠加数据的产状控制蚂蚁追踪沿层切片a 北东走向断层; b 北西走向断层; c 近东西走向断层; d 近南北走向断层

3 结论

1) 与常规蚂蚁追踪方法不同,本文方法基于叠前部分角道集叠加数据进行产状控制的蚂蚁追踪,极大提高了裂缝预测精度。本文方法尤其适用于构造多期次、多走向的地区。

2) 综合考虑信噪比和分辨率因素,保留了中、小角度的4°～44°叠前道集,并进行5等分叠加进行蚂蚁体追踪计算。小角度4°～12°道集叠加数据的蚂蚁追踪结果显示信号杂乱,推测其因小角度道集信噪比低造成;而中角度20°～44°道集叠加数据的蚂蚁追踪结果显示断裂信号弱,是因为分辨率降低的原因。最终选取12°～20°道集叠加数据为最佳输入数据。本次研究仅限于5等分的对比,可以进一步研究分析不同等分所带来的裂缝预测能力上的差异。

3) 产状控制的蚂蚁追踪可以剔除虚假构造,不仅能更加客观地反映断裂的真实发育情况,而且能更清楚地展示出不同地质时期断裂发育的构造形态,提高对断裂发育特征和展布规律的认识,为后期断裂发育期次分析提供数据支撑。

4) 进行产状控制的蚂蚁追踪之前,关于具体分角度叠加参数、断层倾角和方位角的选取和过滤需要十分谨慎,应结合已有的研究成果以及区域应力场等资料进行分析。