优势振幅和因子在渤海L 油田油气检测中的应用

2022-04-09谷志猛夏同星陈江龙

大庆石油地质与开发 2022年2期

谷志猛夏同星严皓陈江龙

（中海石油（中国）有限公司天津分公司渤海石油研究院，天津 300452）

0 引言

油气预测是地震勘探开发的目标，准确的油气检测结果可以提高钻井成功率，特别是对海上油气田的勘探开发意义重大。早期研究人员利用储层含气后振幅变强的“亮点”特性寻找气层，取得了良好的商业发现。随着地震勘探技术的进步，前人针对储层因含流体后地震反射特征、物性特征等发生变化的特点，比如“低频阴影”现象、“高频衰减”现象等［1-2］，提出了AVO 技术、泊松阻抗及LMR 技术等多种油气检测方法［3-6］，油气检测研究技术发展越来越快。近几年，时频分析在油气检测研究方面逐渐发展起来，2009 年A.Wilson 等［7］利用地震波的频散属性检测油气，取得一定效果。 2018 年凌云等［8］在AVO 理论的基础上，利用时频分析技术获得频率依赖的反射系数信息，通过FAVO 反演可以获得速度频散程度属性作为识别因子实现了储层流体检测。而在时频分析过程中往往面临着油气检测结果存在多解性的问题，许多检测结论为油气层，实钻下来是水层，这很大程度影响了油气检测的成功率，同时增大了海上勘探开发的风险。

常规的高频衰减、低频增强等油气检测方法在渤海海域浅层油气田应用效果好，而中深层系油田可能受地震资料品质、构造复杂、埋藏深等多种因素影响，导致油气检测结果不精确。针对中深层油气田地震资料品质差，分辨率低等问题，提出基于Gabor 变换的反褶积处理方法，提高地震资料的主频和有效频宽。在实践过程中发现，利用研究层段油气敏感频段内的振幅累加，从平面预测油气分布，可以提高油气检测结果的可靠性，降低多解性。利用不同频段的地震信息进行油气检测，则需要高精度时频分析方法。 2011 年周竹生等［9］通过引入以频率为自变量的可变因子函数，提出基于含可变因子的广义S变换，提高了时频分析的稳定性和适应性。本文利用该方法对地震资料进行广义S变换，并在此基础上分频处理，结合已钻井统计信息，确定对油气敏感的频段和相应的振幅门槛值，提取对油气敏感频段内的优势振幅和作为敏感油气检测因子，预测研究区的含油气分布范围。基于优势振幅和的油气检测结果与实钻结果整体形态相近，而内部细节存在差异，与常规地质认识不符。通过引入图像增强技术［10］，将该问题转换为数学问题，运用数学方法增强油气检测结果与实钻结果的匹配程度，达到更好地识别油气的效果，提高油气检测结果的精度。

1 技术方法

1.1 基于Gabor 变换的反褶积处理

作为油气检测研究的基础，地震资料的品质直接影响油气预测结果的精度。本文提出的油气检测研究方法对地震资料的振幅和频率具有较高的要求。而中深层由于埋藏深，地层结构复杂，造成地震资料连续性差，分辨率低，有效频带窄。因此，在对地震资料的处理过程中，既要满足对地震资料的能量补偿，又要在提高主频的同时拓宽有效频带。

众所周知，反褶积技术通常用于拓宽有效地震信号的频带范围和提高地震资料分辨率。而常规的反褶积方法都是基于传统的静态平稳褶积模型，但地震子波在非均匀介质传播过程中是逐渐衰减的［11］。针对地震子波时变的非平稳性特征，引入G.F.Margrave 等［12］提出的基于Gabor 变换的反褶积方法，求取非平稳的反褶积算子并用于校正子波的波形变化和能量衰减，实现在Gabor 域对地震波能量衰减的补偿，进而拓宽地震资料的有效频带，在压制噪声的同时提高了分辨率，求取的地层反射系数也更加接近真实。

基于Gabor 变换的反褶积可近似分解为地震子波、衰减函数和反射系数等3 项的Gabor 变换，变换后的衰减函数为

式中：t、τ——时间， ms； i——虚数单位；f——频率， Hz。

Gabor 变换是把高斯窗函数作为窗函数的短时傅里叶变换，经过Gabor 变换可达到时频局部化的目的，可同时提供时域和频域局部化的信息。

结合褶积模型可得地震道非平稳性反褶积模型，其公式为

式中：x′（t，f） ——地震记录；w′（f） ——地震子波；α（t，f） ——衰减因子；r′（t，f） ——反射系数。式（2）的物理意义是对地震道在小时窗内做傅里叶变换，这个时窗越小（大于子波长度），越能描述地震子波在传播过程中的非平稳性特征，它就更接近地下地层的真实情况，最终可求得反射系数公式为

基于Gabor 变换的反褶积是从地震记录求取地层反射系数的过程，并在求解过程中考虑了地震子波在传播过程中的衰减特性，也接近真实的地层响应特征，可有效地提高地震资料的品质。

渤海L 油田主要目的层是中深层古近系的东营组，开发层系集中在东二下段，埋深约为1 800 m，其沉积相为湖相三角洲前缘沉积，储层连续稳定分布。原三维地震资料是2001 年采集，2004 年处理的，地震资料分辨率低，同相轴连续性差，中深层目的层主频约为30 Hz，频带宽度为4～40 Hz （图1 （a））。利用基于Gabor 变换的反褶积方法对L 油田的实际地震数据处理时，特别关键的环节是精确估算不同深度地层的衰减系数，进而确定衰减函数值，达到能量补偿的目的，实现地震资料的拓频处理。经过处理得到的地震资料与原地震资料对比可知，基于Gabor 变换反褶积处理有效地补偿了中深层的能量衰减，并相应地提高了中深层的分辨率，目的层主频提升至35 Hz，有效频带宽度为4～60 Hz，波组特征更加清楚，为油气检测研究提供了高分辨率、宽频带的地震资料（图1 （b））。

图1 地震资料处理前后对比分析Fig.1 Comparison of the seismic data before and after processed

1.2 优势振幅和因子

渤海海域浅层油气田往往埋藏浅、地震资料品质好，利用常规的油气检测技术方法，在地震剖面上纵向识别含油气砂体成功率高，取得了良好的应用效果。而中深层油气田受多种因素影响，常规油气检测技术应用效果不佳，选择合适的油气检测因子是中深层油气田油气检测的关键。

研究认为，单层储层含油和含水物性差异小，导致两者波阻抗差异小，其地震反射特征也基本相似，利用地震资料识别单层储层是否含油存在困难，多解性强，而多个油气层段累积起来的地震响应差异总和更易识别。同时，地震波传播经过含油气储层后，其频谱特征会发生变化，低频能量由于谐振效应会相应增强，即低频段地震信号对油气敏感。因此，利用基于含可变因子的广义S变换的地震资料进行分频处理［13］，并结合实钻结果确定对油气敏感的地震资料频段及其振幅门槛值，进而提取相应的优势振幅和作为研究区的适合敏感油气检测因子。

基于可变因子的广义S变换，可以通过参数的调节得到更加灵活多变的窗函数，避免了标准S变换的时频分辨率变化趋势不变的问题，具有更高的适应性，有利于油气检测的时频分析。通常定义地震信号为x（t），其广义S变换为

可变因子函数具有在时频平面上随着频率的变化自适应地调整时窗宽度的能力。在高频端，信号变化剧烈，时间周期相对变小，时窗应该取窄一些，而可变因子则随频率变大而变小，使得时窗变小；而在低频端，信号变化相对平稳，时间周期相对变大，时窗应设计得宽一些，而可变因子则随频率变小而增大，使得时窗变大。因此，引入可变因子函数可改造S变换的高斯窗函数，使它能根据实际应用中非平稳信号的频率分布特点和时频分析的侧重点，灵活地调节高斯窗函数随频率f的变化趋势，克服了S变换中时窗函数的变化趋势固定不变的问题，使广义S变换具有更高的实用性和灵活性。

综合研究区钻井揭示的含油气储层和含水储层不同频率的振幅信息，确定区分油气和水的频率范围，某时刻的优势振幅是对油气敏感的频率范围内的振幅累加求和得出的，其表达式为

通过统计研究区已钻井的油气敏感频段振幅，可确定振幅门槛值Smax，即振幅大于Smax的部分预测其含油气可能性大，保留其数值，而小于门槛值Smax的部分预测其含油气可能性小，可将其数值用0 替换。这样既压制了含油气可能性小的部分，又充分保留和突显含油气可能性大的区域，通过这种方式有效地放大储层因含油气而引起的信号差异，从而提高油气检测的成功率和可靠性。在具体计算过程中，选取研究层段作为目标时窗，并需要确定2 个关键参数，即油气敏感的频段f1～f2和区分油水的振幅门槛值Smax，可以通过对油田内已钻井研究层段的振幅和频率信息统计得到，进而对研究层段内的所有优势振幅累加求和得到对油气敏感的优势振幅和，并根据其平面分布特征预测油气范围。

1.3 数值模拟

数值模拟是利用已知的钻井与测井等资料建立简化的地质模型，根据地震波在地下介质中的传播原理，通过如射线追踪或波动方程偏移等数学方法模拟地震记录［14］。

根据渤海L 油田地质特征建立的油藏模型（图2 （a）），其中红色为含气砂体，速度为2 300 m／s，密度为2.0 g／cm3；绿色为含油砂体，速度为2 460 m／s，密度为2.15 g／cm3；蓝色为含水砂体，速度为2 500 m／s，密度为2.2 g／cm3；浅灰色背景为泥岩，速度为2 600 m／s，密度为2.3 g／cm3。因此，砂体内部含不同流体，其速度和密度存在差异，但差异小，而含油气砂体与泥岩相比则差异较大。

采用35 Hz 正极性雷克子波（与实际地震资料一致），通过数值模拟可以得到相应的地震剖面（图2 （b））。受地震资料分辨率的影响，地层间干涉效应明显，砂泥岩具有一定的区分，含气砂体表现出低频、强反射的地震反射特征，而含油砂体和含水砂体阻抗差异小，利用振幅差异难以识别油层。通过统计模型研究层段的振幅绝对值之和可知（图2 （c）），含气层段数值较高，能较好地区分，而其余的油层段与水层段数值差异小，区分难度大。而利用本文方法求取优势振幅和（图2（d）），含油气层段的优势振幅和数值明显高于水层段，两者具有明显的界限，与原模型中的油气层位置吻合，且随着油气层段累计厚度增加，提取的优势振幅和数值也逐渐变大。因此，通过数值模拟分析，优势振幅和可作为油气检测的敏感因子。

图2 基于数值模拟的优势振幅和油气检测研究Fig.2 Hydrocarbon detecting study based on thedominant amplitude sum of the numerical simulation

1.4 油气检测信息增强处理

油气检测结果往往受多种因素影响导致预测结果的范围与实钻含油气范围相近，而其内部吻合程度不高，局部存在异常，与常规地质认识不符，不利于油气检测结果的识别和应用。通过分析研究，引入图像处理技术，与油气检测信息融合，即通过数学方法给油气检测结果附加一些信息或变换数据，有选择地突出感兴趣的特征，抑制某些异常或不需要的特征，使油气检测结果与实钻信息相匹配，以达到油气检测信息增强的效果。

油气检测结果可以描述为

式中：x、y——数据的坐标；h（x，y） ——原始的油气检测数据；d（x，y） ——期望得到的理想数据；n（x，y）——干扰油气检测结果的噪声数据。

通过对油气检测数据进行均值滤波、高斯滤波和总体变分平滑去噪等技术方法改进油气检测结果的精细程度，增强油气检测信息的可识别度和适用性。其中均值滤波和高斯滤波分别是用于去除油气检测信息中的斑点噪声和边缘噪声；而总体变分平滑去噪方法是通过对能量函数最小化达到平滑去噪的目的［15］。均值滤波是将数据集邻域内的各点平均值来代替该点原来数值。同时，可进一步改进算法，通过将某点邻域内的各点数值加权平均值来代替该点原来的数值，得到加权均值滤波。从权值上看，邻近点越接近求取值其权值越大。加权平均的算法可表示为

式中：n——某点邻域内的点集；φ（i，j） ——权值，表示其起作用的大小。

通过均值滤波可去除研究范围内的异常点，即消除研究区内的斑点噪声，使油气检测数值变化趋势更稳定。

高斯滤波适合去除原数据中的边缘噪声，高斯滤波公式表达为

式中：h0——含有噪声干扰的原始数据，γ——正则化参数。

该方法在保证数据细节的同时，可有效消除噪点，使得数据变化趋势更加连续，达到平滑去噪的效果。

具体实现过程是先对油气检测数据进行均值滤波和高斯滤波，去除检测数据中的斑点噪声、边缘噪声，得到初步的去噪数据，然后再利用总体变分方法，对检测数据平滑处理，使得检测数据变化趋势更稳定，改善油气检测信息的细节，提高检测结果的识别性和可靠性。

2 应用效果

东二下段A 油组是L 油田的主力开发层系，目前共有33 口开发井在A 油组射孔生产，已钻井揭示： A 油组的地层厚度为53～74 m，储层厚度为12～55 m，储层分布稳定，自北向南储层具有逐渐变厚的特征， A 油组的含油气范围集中在构造的高部位，如图3 （a）所示。 A 油组储层相对泥岩为低阻抗，储层顶面对应波谷，地震相特征表现为中低频、中强反射。通过已钻井统计A 油组油层和水层不同频率对应的瞬时振幅可知，在15 ～30 Hz低频段，油层的振幅值远大于水层，而30 Hz 以上频率段，油层和水层振幅差异小。因此，确定A油组的油气敏感频率段为15 ～30 Hz，振幅门槛值为15 000。选取A 油组层段作为研究时窗（A 油组顶面向下40 ms），提取敏感频段的优势振幅和，构造高部位为亮色高值区，而低部位为暗色低值区，两者分界明显，如图3 （b）所示。并利用油气检测信息增强技术，经过平滑、去噪等处理，得到与含油气范围吻合性更好的油气预测结果（图3（c）），具有更高的可识别性。为了与优势振幅和对比，利用常规的高频衰减方法对A 油组进行了油气检测，图3 （d）为过L1 井的高频衰减分析结果，位于含油区范围外的L1 井多层段高频衰减表现为强异常，检测结果为油层，而实钻结果均为水层，两者矛盾，证明检测结果是不正确的。而本文方法计算的油气检测结果与实钻含油气范围在整体和细节方面吻合关系好，具有较高的可靠性。