无监督神经网络地震属性聚类方法在沉积相研究中的应用

2021-05-15王天云韩小锋许海红孙小萍

石油地球物理勘探 2021年2期

王天云韩小锋许海红孙小萍李陶侯艳

(①东方地球物理公司，河北涿州 072751；②中国地质调查局西安地质调查中心，陕西西安 710054)

0 引言

基于地震资料开展地震相—沉积相研究，经过长期发展至今已成为一项具有重要意义的基础性工作。以往主要是研究人员通过观察地震反射特征(振幅、频率、相位、反射结构等)，与建立的标准地震相特征进行对比，从而划分地震相[1]。但判断地震相具有很强的主观性，依赖于解释人员的经验。为了更好地挖掘蕴涵在地震资料中的信息，应用地震属性辅助沉积相识别的技术应运而生。从20世纪60年代开始发展到现今，地震属性技术已颇为成熟，依托地震资料提取的地震属性可达数十余种[2-3]。单纯的某一种属性仅能反映沉积相的某些特征，如果将多种属性综合在一起，则可以更好地刻画沉积体变化规律[4-5]。神经网络方法在油气勘探开发中得到广泛应用，如岩性识别、流体自动识别、储层横向预测等[6-9]。当研究区样本点足够多且分布均匀时，多采用有监督神经网络方法；当样本点稀少时，多采用无监督神经网络方法。多年来，神经网络地震相分析方法颇受青睐[10-12]，它完全基于数据驱动，极大地降低了人为因素的干扰。将时频分析、瞬时属性、几何结构属性、弹性参数反演等结果与自组织分析技术(SOMA)方法结合，可自动划分和识别地震相。

研究区为银额盆地苏红图坳陷东部艾特格勒凹陷，为油气勘探新区，勘探程度较低，受限于地质资料及钻井较少，对于其沉积特征分析还不充分，制约了该地区的进一步勘探。本文应用基于SOMA的无监督神经网络方法，将优选后的高维空间地震属性数据投影到低维空间，再在传统地震相识别的基础上，通过人机交互分析，确定地震属性种类，将聚类结果返回到原始空间，完成地震相识别与分析[13-16]。实际应用表明，利用SOMA能够有效缩减数据样本空间，缩短运算时间，在油气勘探新区钻井较少的背景下，提供一个更客观准确的全局解，为艾特格勒凹陷的进一步勘探提供帮助。

1 研究区概况

艾特格勒凹陷位于银额盆地苏红图坳陷中东部(图1)，区内钻井稀少，勘探程度低。以往的油气勘探、开发主要针对其邻区哈日凹陷、巴北凹陷等地区展开。

艾特格勒凹陷是在石炭—二叠系褶皱基底上发育起来的中新生代断陷，可进一步细分为南、北两个次凹(由于现有资料有限，次凹形态范围仅示意性表示)。艾特格勒凹陷中生代构造演化受燕山运动影响，其中白垩纪主要受到燕山III幕至燕山V幕构造运动影响，控制着断拗转换、凹陷沉积等。在白垩纪湖平面逐渐降低，岩性粒度逐渐变粗，发生了由湖相向三角洲相的过渡，相继沉积了巴音戈壁组、苏红图组、银根组、乌兰苏海组[17-18]。

图1 艾特格勒凹陷北次凹区域构造位置图

图2 艾特格勒凹陷区域层序划分及地层柱状图

艾特格勒凹陷北次凹整体可划分为构造缓坡区、深洼区、陡坡区，构造形态完整。研究区内苏红图组沉积期，以发育滨浅湖相沉积为主，下段岩性以深灰色泥岩、粉砂质泥岩为主，上段岩性向棕褐色泥岩过渡(图2)。

2 基于SOMA的地震相—沉积相研究方法

2.1 SOMA

SOMA的核心是自组织映射(SOM)，模型由两层网络结构组成，输入层与输出层全连接，输出层各神经元间为侧抑制连接，存在竞争，采用欧氏距离作为相似性评价指标(图3)。

SOM学习算法包括最优匹配神经元的选择和网络中连接权值的自组织过程。每执行一次学习，SOM网络就会对外部输入模式进行一次自组织适应过程，求出获胜神经元，修改相应连接权值[19]。

2.1.1 最优匹配神经元的选择

设有外部输入信号Xi，Qij是输入神经元i到输出神经元j之间的连接权值。输入信号Xi和连接权值Qij的匹配程度用欧氏距离Lo来表示，欧氏距离越小，匹配程度越好。欧氏距离通过下式计算

(1)

由式(1)计算出的最小欧氏距离对应的就是最优匹配的神经元C，即获胜节点。

2.1.2 权系数的自组织

在学习过程中，学习率δ(t)随时间t增加而逐渐趋近于0，以保证学习过程收敛。根据输出神经元j是否为获胜节点C邻域范围Mc内的神经元，需要对权值进行调整，最后终结在神经元C处，完成对输入信号的聚类过程。权值调整公式为

(2)

图3 SOM网络结构及网络邻域图据文献[6]、[9]修改

2.2 地震相—沉积相研究流程

应用SOMA技术通过直接分析未知数据体进行无监督地质分析，能够将研究者的地质认识与计算机分析技术相结合，在无井或少井区半定量地进行地震相分析或标定储层类型，克服单一人为分析主观性强、不同地震属性分析结果差异大的缺点，提高分析结果的可靠性。

实际应用时，首先提取多种不同类型的地震属性，通过属性相关性分析完成属性优选；由地质解释人员结合研究区地质背景及实际地震相特征，确定属性数，开展SOMA属性聚类分析，划分地震相；再结合单井沉积相分析结果，充分利用邻区已有地震相—沉积相发育规律认识，得到最终的沉积相划分结果(图4)。

图4 应用SOMA属性聚类分析沉积相流程

3 应用效果

3.1 苏红图组底界特征

研究区内仅有探井1口(M1井)，通过井震标定及区域地震反射特征对比识别目的层苏红图组底界。在研究区不同位置，苏红图组与其下伏巴音戈壁组界面接触关系表现出不同的形式，主要可识别出3种接触关系特征，分别为上超/削截不整合面、整合/削截不整合面、整合面或假整合面(依据是否存在沉积间断区分)(图5)。

上超/削截不整合面一般发育于凹陷缓坡带边缘，以艾特格勒凹陷北次凹西北部最为常见，界面之下地层抬升掀斜发生较强剥蚀，上覆地层在水进条件下上超于剥蚀面上。整合/削截不整合面一般发育于凹陷陡坡带边缘，艾特格勒凹陷南次凹分布最广，界面之下地层抬升掀斜、剥蚀较强，上覆地层沉积较稳定；整合或假整合面一般发育于凹陷深洼区内部，研究区内由于测线较少，只从界面上、下地层地震反射特征差异进行分析，而具体是整合还是假整合接触关系，不做进一步说明(图6)。

3.2 属性提取与优选

地震属性是以地震数据为基础，经过某种特定数学变换得到表征地震数据的动力学、运动学、几何形态学和统计学特征的度量值。随着地震属性技术的发展，属性种类越来越多，关键是如何在众多属性中优选出合适的属性解决地质问题。

与地震相—沉积相分析相关的地震属性包括几何外形、内部反射结构、频率、连续性等。本研究基于GeoEast软件，针对目的层苏红图组，提取了包括瞬时类、振幅类、频谱类、自相关类、其他类等7类53种属性，结合剖面地震相特征和测井地质资料，从中进行优选分析，剔除对地震相反映不敏感的地震属性，为后续属性聚类分析奠定基础。

图5 苏红图组底界典型地震反射特征

图6 过M1井L2线地震剖面解释成果

在53种属性中，首先选出了11种较敏感的属性，并对其进行标准化和相关系数统计(图7)。统计结果中相关系数值越高(背景颜色越偏暖色)，表明两种属性的相关性越好。

综合分析研究区属性统计结果认为，当相关系数>0.8时，指示两种属性中有一种为冗余属性，可以去除；当相关系数<0.2时，指示两种属性基本没有相关性，不适宜选用开展属性聚类分析。

地震属性相关系数统计结果显示，混沌李指数(LyapIndex)、分形关联维(FrctDim)、信息熵(InfoEntr)、均方根振幅(RMSAmp)4种地震属性间相关系数为0.25～0.75，可作为聚类分析的基础，其他各类优选后的属性相关系数极低，相关系数为0.01～0.15，即可剔除。

少井区样本点有限，通过属性优选分析，能够有效减少基于无监督神经网络方法属性聚类过程中的盲目性和多解性。

3.3 属性聚类分析

针对研究区井点少的实际情况，选用SOMA方法开展属性聚类分析。

在综合分析融合多属性结果的过程中，结合地质认识的人机交互分析是决定最终地震相—沉积相解释成果的关键，选定聚类数并对密度值进行符合区域地质沉积背景的调整是重点。

图7 苏红图组地震属性相关系数矩阵

为了确定合适的分类参数，本文在艾特格勒凹陷北次凹开展了剖面地震相识别工作，共识别出至少6种地震相。为了分类效果和简化计算，选择分布广泛、易于区分的4种地震相作为分类参考，分别为强振幅、平行—亚平行地震相；中—弱振幅、楔形发散亚平行地震相；中—强振幅、平行—亚平行地震相；强振幅、连续席状或近空白反射地震相(图8)。

研究区主要目的层苏红图组属性聚类平面分布图(图9)显示，整个研究区基本可划分为蓝色、亮蓝色、绿色、红色4个区域(颜色数即对应确定的聚类种数，根据可能发育的沉积环境，定义蓝色、亮蓝色为水体较深处，红色为水体较浅处，绿色为过渡带)。

属性聚类平面分布图中红色1类区主要分布在艾特格勒凹陷北次凹周缘，对应中—强振幅、平行—亚平行地震相；绿色2类区主要分布在艾特格勒凹陷北次凹斜坡带，对应中—强振幅、楔形发散亚平行地震相；蓝色3类区主要分布在艾特格勒凹陷北次凹主凹，靠近陡坡带，对应弱振幅、连续席状或空白地震相；亮蓝色4类区主要分布在艾特格勒凹陷北次凹主凹，靠近缓坡带，对应中—弱振幅、平行—亚平行地震相(图9)。

3.4 苏红图组沉积相分析

苏红图坳陷受印支、燕山运动持续改造，完成由断陷向坳陷的转化，白垩系苏红图组沉积期是断陷向坳陷转化的主要过渡期。艾特格勒凹陷西北的乌兰凹陷、巴北凹陷、哈日凹陷及拐子湖凹陷勘探程度相对较高，前人研究表明，在白垩系巴音戈壁组、苏红图组、银根组的持续沉积过程中，完成了由半深湖—深湖相、滨浅湖相到辫状河三角洲相沉积的转化。

图8 研究区典型地震相特征

图9 艾特格勒凹陷北次凹苏红图组SOMA方法属性聚类析平面图

巴音戈壁组岩心可见明显重力流沉积特征；苏红图组岩心可见递变层理及指示水动力较弱的块状构造；银根组岩心可见明显的指示水动力较强的平行层理构造(图10)。结合邻区苏红图组、上覆银根组、下伏巴音戈壁组沉积相发育特征，认为研究区内苏红图组沉积时主体沉积环境以滨浅湖相为主，在凹陷的边缘可能存在三角洲相沉积。

基于研究区剖面地震相特征及平面SOMA属性聚类分析结果，通过类比邻区已证实的地震相、沉积相特征，建立了艾特格勒凹陷地震相与沉积相的对应关系(表1)。

(1)缓坡区。根据地震相发育位置的不同，可划分为2种主要的地震相：发育于缓坡带构造高部位的中—强振幅、平行—亚平行反射地震相，解释为辫状河三角洲平原，对应属性聚类分析平面图中红色1类区；缓坡带向湖盆方向延伸的中—强振幅、楔形发散地震相，解释为辫状河三角洲前缘，对应属性聚类分析平面图中绿色2类区。

(2)陡坡区。可划分为2种地震相：发育于陡坡带构造高部位的中—强振幅、断续反射地震相，解释为扇三角洲平原，对应属性聚类分析平面图中红色1类区；中—强振幅、楔形发散反射地震相，横向表现出向深洼区快速转变为中—强反射、席状、平行—亚平行地震相的特征，解释为扇三角洲前缘，对应属性聚类分析平面图中绿色2类区。

(3)凹陷区。可划分为2种地震相：中—强振幅、连续—较连续、平行—亚平行地震相，解释为滨浅湖，对应属性聚类分析平面图中亮蓝色4类区；弱振幅、近空白反射地震相，解释为深湖—半深湖，对应属性聚类分析平面图中蓝色3类区。

从沉积相发育展布特征上来看，苏红图组沉积期为艾特格勒凹陷由断转拗的主要时期，控凹断层的强烈活动为沉积物提供了充足的可容空间。

图10 艾特格勒凹陷邻区岩心照片

表1 艾特格勒凹陷地震相—沉积相对应关系表

研究区艾特格勒凹陷北次凹的东南部发育一条控凹大断裂，在其活动过程中沉积物快速混杂堆积，发育扇三角洲沉积体。在次凹缓坡带，发育相对分选较好的辫状河三角洲沉积体。从聚类分析的结果来看，只能从沉积相大类上进行区分，并不能进一步区分扇三角洲与辫状河三角洲沉积。本文研究主要参考邻区沉积相类型评价分析。凹陷内仅在控凹大断裂附近水体较深，绝大部分地区水体较浅。

4 油气地质意义

研究表明，艾特格勒凹陷北次凹沉积相类型多样，存在性能良好的多套储集体。一方面，苏红图组内部发育的湖相暗色泥、页岩作为烃源岩，可自生自储形成非常规油气藏；另一方面，通过断层输导运移，在三角洲河道砂体、滨浅湖滩坝砂体中保存可形成常规油气藏(图11)。

艾特格勒凹陷邻区哈日凹陷、巴北凹陷、乌兰凹陷等均已发现中生界油气资源，多口井显示白垩系主力生油层苏红图组为油气勘探的重点层位，储集体主要为三角洲砂体、滨浅湖砂坝等[20-21]。在统一的地质背景约束下，艾特格勒凹陷也应具有良好的油气勘探潜力。

研究区特殊构造演化与沉积特征利于油气生成。邻区A井石炭—二叠系发育大套厚层火山岩，且邻区巴音戈壁组、苏红图组内也发现有火山活动迹象，对于加速烃源岩生烃过程、提高生烃量和生烃速率都有促进作用。

研究区邻区A井下白垩统厚度约1500m，苏红图组为主力生油层位，含灰泥岩厚度超400m，具备良好生烃条件。下伏巴音戈壁组岩性多样，发育粉砂岩、砂岩、含砾砂岩，且普遍含有碳酸盐矿物，厚度超700m，利于形成多种类型储集体。下白垩统普遍含有碳酸盐矿物，指示该地区发育特殊的断陷湖盆沉积环境，推测也许与断陷期深部热液活动密切相关，热液活动利于改善储层物性，展示了油气勘探潜力。

综上所述，苏红图坳陷艾特格勒凹陷下白垩统为主要勘探目的层，在有利区带优选时，一方面应重点分析湖相热液活动及火山活动对烃源岩演化及油气成藏的影响；另一方面应扩展思路，同时关注常规储层及非常规储层。