汪 勇，陽和華

桂志先 （油氣資源與勘探技術教育部重點實驗室（長江大學），湖北荊州434023）

基于地震屬性技術的儲層預測研究
——以勝利油田單56區(qū)塊為例

汪 勇，陽和華

桂志先 （油氣資源與勘探技術教育部重點實驗室（長江大學），湖北荊州434023）

目前地震屬性分析技術已成為油氣勘探和開發(fā)工作中必不可少的常規(guī)方法，但地震屬性的種類不斷增多，對儲層預測精度的要求也越來越高，這使得地震屬性的提取、優(yōu)化及應用成為了關鍵。以勝利油田單56區(qū)塊館陶組下段砂體儲層為目標，首先在巖石物理統(tǒng)計及屬性敏感性分析的基礎上提取合適的地震屬性，然后采用K－L變換對多種地震屬性進行降維處理，最后基于人工神經網絡的識別技術對目標層的含油飽和度等儲層參數(shù)進行了預測，預測的效果較好，為該工區(qū)的剩余油開發(fā)提供了依據(jù)。

地震屬性；K－L變換；神經網絡；儲層預測

眾所周知，地震屬性分析技術已成為儲層預測工作中一個常規(guī)手段，許多地球物理工作者在這方面進行了很多有意義的研究，其中陳遵德［1］及印興耀等［2］對如何提取并優(yōu)化地震屬性進行了詳細的論述；韓忠義［3］、吳雨花等［4］利用屬性分析技術在不同油田的儲層預測中均取得了較好的應用效果；王曉陽等［5］利用K－L變換對多維地震屬性進行了降維處理，既去除了屬性中的相關性又保證了儲層預測的精度。

勝利油田經過40多年的勘探開發(fā)，開采對象日益復雜，開發(fā)難度不斷加大，剩余油的勘探對油田的開發(fā)起著舉足輕重的作用。筆者借鑒前人的研究經驗，以勝利油田單家寺油田單56區(qū)塊館陶組下段砂體儲層為主要目標，結合井資料提取并優(yōu)化敏感地震屬性，采用人工神經網絡的方法對含油飽和度等油氣藏勘探開發(fā)的動態(tài)參數(shù)進行預測，為剩余油的勘探開發(fā)提供依據(jù)。

1 地震屬性的K－L變換

前人的研究結果［1］表明，K－L變換能夠從多種地震屬性中挑選出最好的地震屬性，用以構成地震屬性子集，以降低多解性，去除相關屬性。K－L變化可用矩陣表示為［1］：

式中，Y為X的K－L變換；A為正交特征向量；X是原始的地震屬性集合；X＊是經K－L變換且壓縮后的地震屬性子集；A＊是壓縮后的特征向量；Y＊是壓縮后的特征集合。

在K－L變換過程中，假設原始地震屬性X的維數(shù)為n，其目標是選擇一個由Y的m（m＜n）個分量組成的子集來恢復信號X（不存在明顯的誤差），在此目標下的最優(yōu)變換即為K－L變換。K－L變換中，矩陣T是要由變換的向量X推算出來的，其元素由X的協(xié)方差矩陣構成。K－L變換步驟［5］如圖1所示。

2 研究區(qū)的地震屬性分析

單56區(qū)塊在單家寺油田西區(qū)單6斷塊的東部，主要含油層系為館陶組下段（Ng1）砂體，含油面積3.2km2，油藏埋深1080～1150m，平均油層有效厚度20.6m，平均孔隙度33%，其油藏類型為受斷層控制的地層構造超稠油油藏。

該區(qū)巖石物理分析的結果表明：①含流體層速度約為2370～3318m／s，隨含油飽和度的增加，巖石的縱波速度減??；②含流體層密度為2.12～2.45g／cm3，且?guī)r石密度隨著含油飽和度的增加而減??；③含流體層孔隙度范圍為11.7%～41%，隨著孔隙度的增大，地層速度呈下降趨勢，且下降梯度很大。

根據(jù)以上工區(qū)資料、地震屬性特征強度并結合油藏資料，沿目的層開時窗提取了21種比較敏感的屬性，包括均方根振幅、總絕對振幅等13種振幅類屬性；平均反射強度、反射強度斜率等3種瞬時類屬性；弧長等3種頻譜類屬性；還有能量半衰期及平均信噪比屬性。筆者以均方根振幅屬性為例進行敏感性分析。圖2（a）是根據(jù)測井解釋結果得出Ng1平均含水飽和度分布圖，其中A區(qū)域含水飽和度較低，B區(qū)域含水飽和度較高。圖2（b）是沿目的層頂面提取的均方根振幅屬性，從圖2（b）中可以看出，均方根振幅值高的B區(qū)域（灰黑色）與圖2（a）中的高含水B區(qū)域（灰黑色）對應，均方根振幅值低的A區(qū)域（灰白色）與圖2（a）中的低含水A區(qū)域（灰白色）對應。根據(jù)前述的巖石物理分析結果可以看出，這主要是由于含水飽和度增加，巖石縱波波速和巖石密度也增加，導致了該層段與圍巖的阻抗差異增大，造成了反射波振幅增大，所以均方根振幅屬性是能夠反映該層段儲層物性的敏感性屬性之一。

圖1 K－L變換主要步驟

圖2 地震屬性分析

對于以上沿層提取的21種地震屬性，采用K－L方法，將21維屬性值壓縮到4維，結果如圖3所示，簡便了后續(xù)的儲層預測工作。由于屬性變換后得到的屬性只能是數(shù)學意義上的結果，所以不能給出具體的物理名稱，故用K－L＿1～K－L＿4表示。

圖3 K－L屬性壓縮結果

3 應用神經網絡通過地震屬性進行儲層預測

利用所提取并優(yōu)化的地震屬性進行儲層預測的方法主要有模式識別、多元統(tǒng)計、模糊數(shù)學等，其中最典型的是用神經網絡識別技術進行預測。筆者采用人工神經網絡預測技術，對單56區(qū)塊目的層的含油氣性進行了預測。

在該次研究中，使用的神經網絡是多層感知器。多層感知器是一種層狀結構的神經網絡，它由輸入層、輸出層，一個或多個隱蔽層組成，其使用的激活函數(shù)是S型函數(shù)，訓練方法采用誤差反傳播算法。

以神經網絡為手段，重點考慮K－L變換后的地震屬性，充分利用測井、鉆井、地質等資料作為約束條件，對該區(qū)的砂巖孔隙度、泥質含量及含油飽和度進行了預測。含油飽和度預測結果如圖4所示。

從圖4可以看出，工區(qū)目前含油飽和度相對高值區(qū)位于西北和西南部，即工區(qū)剩余油所在位置，而上述結果與工區(qū)實際累計產量資料也是一致的。根據(jù)各井的生產情況，知道在中部SJ56－11－15井區(qū)附近，累計產量大，這說明在累計產量高的地方，隨著油氣的開采和水的注入使得含油飽和度明顯減??；而在儲量動用程度低的地區(qū)，含油飽和度較高，是潛在的剩余油分布區(qū)，是目前有利的油氣開采區(qū)域。

4 結 論

1）在屬性提取前需要進行巖石物理分析，這樣才能提取敏感的且具有代表性的地震屬性。

2）用K－L變換來壓縮地震屬性，既能減小相關性，又能較合理地反映原來對象的特征，但需要合理選擇原始地震屬性，并對變換后的屬性進行分析。

3）應用人工神經網絡方法，以地震屬性的優(yōu)化為基礎，同時將測井等資料作為約束條件，能夠較好地對儲層的含油飽和度等油氣藏勘探開發(fā)的動態(tài)參數(shù)進行預測，可以最終達到尋找剩余油的目的。

圖4 預測的含油飽和度平面圖

［1］陳遵德.儲層地震屬性優(yōu)化方法［M］.北京：石油工業(yè)出版社，1998.

［2］印興耀，周靜毅.地震屬性優(yōu)化方法綜述［J］.石油地球物理勘探，2005，40（4）：482～488.

［3］韓忠義.屬性分析技術在郝家油田儲層預測中的應用［J］.石油天然氣學報，2008，30（5）：237～239.

［4］吳雨花，桂志先.地震屬性分析技術在西南莊－柏各莊地區(qū)儲層預測中的應用［J］.石油天然氣學報，2007，29（3）：391～393.

［5］王曉陽，桂志先，高剛，等.K－L變換地震屬性優(yōu)化及其在儲層預測中的應用［J］.石油天然氣學報，2008，30（3）：96～98.

［編輯］ 龍 舟

68 Reservoir Prediction Based on Technology of Seismic Attributes——By Taking Wellblock Shan 56of Shengli Oilfield for Example

WANG Yong，YANG He－h(huán)ua，GUI Zhi－xian

（First Authors Address：Key Laboratory of Exploration Technologies for Oil and Gas Resources （Yangtze University），Ministry of Education，Jingzhou434023，Hubei，China）

At present，seismic attribute analysis technology has become an indispensable method in oil and gas exploration and development.Because of the growing variety of seismic attributes and the increasingly high demands for reservoir prediction accuracy，the seismic attribute extraction，optimization and application became the key factors.First by taking the sandbody reservoir in Guantao Formation of Wellblock Shan 56in Shengli Oilfield as an object of study，the suitable attributes were attracted on the basis of the rock physical statistics and attributes sensitivity analysis，and then the K－L transform was used for the dimension reduction of multiple seismic attributes.Finally the target zone oil saturation parameters are predicted based on artificial neural network identification technology.The effect of prediction is good，and it provides a basis for remaining oil development in the operation area.

seismic attribute；K－L transform；neural networks；reservoir prediction

book=239,ebook=239

P631.44

A

1000－9752（2012）07－0068－04

2012－03－23

國家“十一五”科技重大專項（2008ZX050000230401）。

汪勇（1979－），男，2001年大學畢業(yè)，博士，講師，現(xiàn)主要從事地震資料處理研究。