多属性融合方法在二维地震煤层预测中的应用<br/>——以大城凸起二维工区为例

多属性融合方法在二维地震煤层预测中的应用
——以大城凸起二维工区为例

2020-12-30郭纪刚聂志昆毛传龙王俪静李广业

物探化探计算技术 2020年6期

郭纪刚，聂志昆，毛传龙，王俪静，孟铖，李广业

(1.中石油华北油田分公司勘探开发研究院, 任丘 062552；2.北京奥能恒业能源技术有限公司，北京 100083；3.中石化石油工程地球物理有限公司南方分公司，成都 610041；4.西部钻探青海钻井公司，敦煌 736202；5.新疆油田公司采油二厂，克拉玛依 834008)

0 引言

大城凸起位于渤海湾盆地冀中拗陷东北部，沧县隆起北部的西翼。东、南以大城、静海断层为界与里坦凹陷相连，西北部以古近系尖灭线为界与文安和杨村斜坡接壤，南北长120 km，东西宽20 km，面积为2 400 km2。

大城凸起现今构造总体上是一个被第三系和第四系覆盖的北西倾的单斜构造，地层倾角一般为20°～50°。由新近系、古近系和古生界地层组成，石炭-二叠系披覆于奥陶系风化壳之上，凸起高部位因风化剥蚀，缺失石炭-二叠系。古近系以角度不整合覆盖于石炭-二叠系之上。煤层主要分布于石炭-二叠系地层之中。

该区油气勘探工作始于1963年，已采集二维地震测线3 577.7 km，测网密度1×1 km～2×4 km。钻探各类探井21口，其中常规油气探井11口，煤层气井10口。近年来在大城凸起中北部钻探了S1、DP1、DT2、DP3、DT4、DT6、DT7、DT9等煤层气井，其中DP1井最高日产量达3 112 m3，取得了煤层气勘探重大突破[1-2]。

由于单井煤层气产能变化大，研究区煤层薄、横向变化快，地层结构复杂、煤层各向异性强，因此需要对煤储层进行精细预测。目前针对薄储层的预测方法较多[3-6]，主要包括沉积相预测、地震属性预测、井震联合反演预测、地质综合预测等。研究区范围大，二维测网控制能力有限，并且地震资料分辨率低，仅采用单一的属性预测或反演预测，可能产生多解性，而且预测精度不高。

大城凸起煤岩厚在15 m～30 m之间，平均厚为20 m以上，是华北地区石炭-二叠系煤岩厚度最大的地区之一。大城凸起煤层纵向上分布在太原组和山西组，共划分为六个煤层组。山西组为一、二、三煤层组，太原组为四、五、六煤层组[1-2]。其中，石炭系太原组6#煤层组由0个～5个单煤层组成，单煤层厚度在0.5 m～8.2 m之间，煤层平均厚为2.26 m，埋深适中，据前人成果，属于泻湖沉积相带，优质成煤环境主要位于研究区北部，煤层气储量较大[2]，是煤层气生产的主要目的层。

研究区目前仅有二维地震资料，分辨率较低，煤层较薄，常规的预测技术或单一的技术手段预测煤层厚度的精度受到影响。为了解决常规预测技术或单一的技术手段预测精度问题及多解性问题，研究中尝试采用多属性融合技术对煤储层厚度进行了精细预测，预测成果与钻井较吻合，取得较好应用效果。

1 多属性加权融合方法原理

1.1 属性融合技术发展现状

融合(fusion)的概念开始出现于上世纪70年代初期，当时称之为多源相关、多源合成、多传感器混合或数据融合(Data Fusion)，现在多称之为信息融合 (Information Fusion)或数据融合[3]。

融合是指采集并集成各种信息源、多媒体和多格式信息，从而生成完整、准确、及时和有效的综合信息过程。信息融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。该技术从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，从而剔除无用的和错误的信息，保留正确和有用的成分，最终实现信息优化[3-5]。

随着信息融合技术的开发利用，石油天然气行业也开始广泛使用，特别是常规油气藏的储量递减，开发难度增大，石油与天然气的勘探方向逐渐由常规油气藏转向非常规油气藏。作为油气储集的重要场所——储层的研究难度也将越来越大。特别是薄储层的精细预测，引起了广大石油工作者的广泛兴趣，出现了较多的科研成果，多属性融合技术得到推广应用[3-9]。

煤层作为煤层气的主要载体，其空间位置和性质的任何变化都将引起地震属性的变化，因此，利用地震属性来预测煤层乃至煤层气，已成为煤层气勘探的重要手段,但煤层特别是二维工区的薄煤层的预测难度更大。

地震属性是指那些由叠前或叠后地震数据，经过数学变换而导出的有关地震波的几何形态、运动学特征、动力学特征和统计学特征的特殊测量值，从早先的振幅属性发展到现在常用的属性就有几十种。有些属性可能擅长揭示不易于探测到岩性变化，而有些属性可以直接用于烃类检测,但每一种地震属性都只对地质体某些特征敏感，如：振幅属性、反射强度属性反映储层厚度情况，衰减梯度属性反映储层的含气情况，波阻抗属性能反映储层的厚度及含气情况等。因此，利用单一地震属性来预测储层会产生多解性[3,10]，而且随着地震采集技术的发展，能够从叠前地震数据中提取振幅随偏移距变化的截距、梯度等属性，从叠前反演得到纵横波速度比、剪切模量、泊松比、拉梅系数等弹性参数，这些属性和参数从不同角度反映了储层的某种地质特征，为了将这些众多的属性、参数进行综合利用，对储层厚度进行精细预测,研究中引入了多属性加权融合技术，对大城凸起6#煤层组的厚度进行了精细预测，取得较好效果，并总结了该技术的应用流程、方法等，值得推广应用。

1.2 属性融合的方法原理

属性融合方法是为解决单一属性预测储层的多解性问题而提出来的。融合技术就是将多种属性在一定的数学运算的基础上，同时考虑每一种属性对储层的影响因素，结合这些因素，最终得出最优的结果[3-5]。

属性融合主要采用分形、混沌、模糊推理、人工神经网络等数学和物理的理论及方法。其核心技术就是将从各个不同角度观察、探测所要表述的对象的观测结果进行融合处理，使观测结果最接近真实的观测对象。比较典型的融合方法有：多元线性回归、加权平均、卡尔曼滤波、贝叶斯估计、统计决策理论、D-S证据推理、模糊推理、小波变换和神经网络技术等[3-9]。

研究中主要采用多元线性回归和加权平均方法，首先从地震数据中提取多种属性与钻井成果进行回归分析，然后按照相关性大小赋予不同权值，进行加权平均处理，运算的结果作为最后融合的结果。

地震多属性加权融合技术,就是将反映储层某一特征的不同类别的两种或两种以上地震属性按不同的加权因子，采用代数运算的方式实现多属性融合，从而实现不同种类地震属性间的加强和互补，克服单一属性预测的多解性问题，实现对储层厚度的精细预测。设有j种地震属性参与储层厚度预测，其运算公式为式(1)。

Y(i)=K1·X1(i)+K2·X2(i)+

…+Kj·Xj(i)

(1)

式中：Y(i)为融合后第i点的值；K1为第1个属性的加权因子；X1(i)为第1个属性第i点的值；K2为第2个属性的加权因子；X2(i)为第2个属性第i点的值；Kj为第j个属性的加权因子；Xj(i)为第j个属性第i点的值。

在实现过程中，首先从地震数据(叠前、叠后)中提取反映储层特征的多种地震属性(如振幅、反射强度、频率吸收、纵横波速度比、波阻抗等)，结合钻井、测井资料优选对储层特征比较敏感的属性。然后对这些属性进行归一化处理，统一量纲。最后对敏感属性进行相关分析并赋予各属性不同的权值，进行加权运算，实现对储层厚度的精细预测。

1.3 多属性加权融合技术流程

由于研究区仅有二维叠后地震资料，采用的多属性加权融合技术的技术流程总结为：①以叠后地震资料为基础，提取各类属性；②在井资料约束下进行反演，得到波阻抗等属性数据体；③对导出的各种属性进行初步筛选，并进行归一化处理；④对优选出来的属性通过属性值与储层厚度进行回归分析，依据相关性高低，赋予不同的权值进行融合；⑤对融合预测的成果用井资料验证，确保预测成果的可信度。主要技术流程见图1。

图1 二维地震多属性融合技术流程图Fig.1 Multi-attribute fusion technology flow

2 薄煤层多属性加权融合预测

大城凸起石炭系太原组属于泻湖沉积环境，煤层较薄(表1)。研究区目前仅有二维地震资料，而且分辨率较低，目的层段地震资料主频为21 Hz左右。因此，常规预测技术或单一技术手段预测薄煤层的能力受到限制。为了提高薄煤层的预测精度，同时考虑单一属性预测的多解性问题，在研究中采用了多属性加权融合技术。

表1中，DT6井钻遇煤层多达21层，总厚度为47.38 m，单层最大厚度为8 m，平均厚度为2.26 m。该井6#煤层组由5个单煤层组成，单层厚在1 m～8 m之间，煤层平均厚为2.876 m。较薄的煤层，较低的地震分辨率，给煤层预测带来较大困难。

表1 DT6井钻遇煤层统计表

图2 大城凸起6#煤层组多种地震属性对比分析图Fig.2 Comparative analysis of multiple seismic attributes of 6# coal seam group in Dacheng bulge(a)弧线长度;(b)平均瞬时频率;(c)平均瞬时相位;(d)平均信噪比;(e)能量半衰时;(f)最大波谷振幅;(g)地震有效带宽;(h)波峰频谱;(i)最大绝对振幅;

2.1 地震属性提取

以6#煤层组为研究对象，应用叠后二维地震数据，提取多种不同类型的反应煤储层厚度较敏感的地震属性，如弧线长度、平均瞬时频率、平均瞬时相位、平均信噪比、能量半衰时、最大波谷振幅、有效带宽、波峰频谱、最大绝对振幅等9种地震属性(图2)。

由图2可见，研究区北部除能量半衰时为低值异常外，其余属性表现为高值异常。钻井证实该区煤层最发育，说明异常特征对煤层反映敏感，但单个属性反映的异常存在差异，可见属性预测存在不确定性和多解性，预测的煤层厚度与井的对应关系差，预测精度不够。因此，需要应用多属性加权融合技术，优选预测成果与钻遇煤层厚度相关性较高的4个-6个地震属性，赋予不同的权值进行融合，才能得到精细的预测成果。

2.2 煤层反演预测

通过岩石物理分析，煤储层对自然伽马、声波时差和密度敏感，声波时差高值、密度和自然伽马低值异常，特征明显(图3)，因此可以通过波阻抗反演预测煤储层。

图3 大城凸起声波时差与中子孔隙交会图Fig.3 AC and CNL intersection diagram of Dacheng bulge

在测井资料约束下，优选反演参数，应用波阻抗稀疏脉冲反演方法[11-16]，得到包含煤储层信息的波阻抗反演成果(图4)。通过时深转换得到6#煤层组的厚度平面分布图(图5)。由图4可见，DC1井6#煤层组发育两个单煤层，钻井在1 266.5 m～1 269 m和1 275 m～1 278 m分别钻遇2.5 m和3 m的煤层，预测结果与钻井较吻合。由图5可见，研究区中北部煤层较厚，南部及东北部煤层不发育，西部煤层较薄。

图4 大城凸起过DC1井(CX90-851.5测线)波阻抗稀疏脉冲反演剖面图Fig.4 P-wave impedance sparse pulse inversion profile of passing DC1 well (CX90-851.5 line) in Dacheng bulge

研究区钻井较少，本次反演共采用18口井资料，D2井、DT1井及最新完钻的DT4x井未采纳，可作为后验井。图6是DT4x井测录井资料分析图，该井6#煤层1 800.3 m～1 811.3 m及1 814 m～1 815 m井段钻遇两个单煤层，厚度为12.0 m，反演预测厚度为11.18 m(表2)。虽然反演预测成果与井对应关系较好，但受井资料及二维地震资料的影响，薄煤层预测误差较大，而且在井点以外的区域，波阻抗反演预测成果同样存在多解性，需要融合地震属性对煤层厚度进行综合预测。

表2 大城凸起6#煤层钻遇厚度与反演预测厚度误差统计表

图5 大城凸起6#煤层组反演预测厚度图Fig.5 Inverse prediction thickness map of 6# coal seam group in Dacheng bulge

图6 大城凸起DT4x井综合录井图Fig.6 Comprehensive logging map of DT4x well in Dacheng bulge

综上所述，各种属性预测的成果虽然能反映煤储层的某种特征，但很难全面刻画和精细描述煤储层，特别是较薄的煤层预测难度更大。因此，为确保预测成果的精度和可信度，需要采用多属性加权融合技术对薄煤层进行融合预测。

2.3 多属性加权融合精细预测薄储层

首先对单个属性进行归一化处理，使每个属性所反映的储层特征达到一致性，再分析每个属性与钻遇煤层厚度的相关性，优选相关性较高的属性并赋予不同的权值，然后按公式(1)进行融合，实现对薄煤层厚度的综合预测。

研究区内已钻井21口，提取20口井井点处的归一化后的属性值，与钻遇煤层厚度进行回归分析(表3)。可按照相关性大小排序，波阻抗为0.973(虽然波阻抗属性与厚度相关性较高，但单井绝对误差达到1.23 m，薄煤层预测误差仍然较大(表2))、平均信噪比为0.599、平均瞬时频率为0.356、有效带宽为0.3、弧线长度为0.275、波峰频谱为0.253、能量半衰时为 0.23、平均瞬时相位为0.159、最大波谷振幅为0.116、最大绝对振幅为0.1。取相关性较高的5种属性，赋予不同的权值(权值=相关值/参与融合的属性的相关值总和，同时考虑各属性的平面分布特征进行了适当调整。波阻抗权值为0.4、平均信噪比为0.25、平均瞬时频率为0.14、有效带宽为0.11、弧线长度为0.1，权值之和为1)，进行属性融合，得到煤层厚度预测的最终成果——大城凸起6#煤层组融合预测厚度分布图(图7)。