朱博華,向雪梅,張衛(wèi)華

(中國石油化工股份有限公司石油物探技術研究院,江蘇南京211103)

?

匹配追蹤強反射層分離方法及應用

朱博華,向雪梅,張衛(wèi)華

(中國石油化工股份有限公司石油物探技術研究院,江蘇南京211103)

摘要:針對油頁巖強反射屏蔽儲層有效信號的問題,開展了基于匹配追蹤的強反射層分離方法研究,目的是較好地弱化強阻抗界面的影響,增強儲層有效信號。結合匹配追蹤算法和強反射形成機理,首先建立強反射層分離流程，然后基于二維模型,對強反射層分離過程中子波控制參數的選取進行了詳細討論,并提出利用能量增長率作為參數優(yōu)選的依據。研究認為,當給定1～2Hz的頻率擾動范圍、且將匹配子波全部(1倍)從原始記錄中減去時,強反射層分離效果最佳。以華北彬縣—長武區(qū)塊油頁巖強反射為例,通過對目的層段測井響應特征和地震響應特征的分析,結合模型試驗結果確定了子波控制參數,并對油頁巖強反射層進行了有效分離。分析表明,強反射層分離后儲層弱反射信號得到了有效增強,平面屬性能更加客觀地反映河道邊界和砂體展布特征,井點吻合率達到75%,取得良好的應用效果。

關鍵詞：弱信號；頁巖強反射；匹配追蹤；模型試驗；砂體識別

在頁巖層或煤層發(fā)育區(qū),上、下界面較大的波阻抗差異導致了強反射同相軸的出現,強反射同相軸嚴重屏蔽了相鄰儲層的弱信號,降低了儲層預測的精度。常規(guī)處理的地震資料很難滿足復雜儲層精細解釋的需求。

針對上述問題,許多學者開展了研究和討論,如常規(guī)的高分辨率處理,屬性分析,疊前、疊后反演及強反射層分離等。龐尚明等[1]采用逆向地震儲層預測方法,對含鹽強反射地層進行了有效的巖性預測；張軍華等[2]針對東營凹陷油頁巖強反射問題,采用提高分辨率、屬性分析等技術對油頁巖背景下的灘壩砂體進行了預測,取得了一定的效果；劉保國[3]針對大牛地氣田煤系強反射問題,利用巖性反演、反射結構分析等技術對山1段儲層進行了有效預測；張軍華等[4]利用多子波分解與重構方法,對勝利探區(qū)五號樁油田T2強反射層進行了剝離,提高了儲層刻畫的精度；秦雪菲等[5]針對大牛地氣田煤層的影響,采用多子波分解與重構技術對煤層進行定位和去除,很好地預測了上覆、下伏儲層的分布；Wang[6]利用多道匹配追蹤新算法,較好地消除了煤層強反射影響,很好地展示了目標層反射；李海山等[7]利用匹配追蹤算法分離了煤層強反射,利用疊前反演方法對含氣層進行了有效識別。常規(guī)的方法雖取得了一定的效果,但很難從根本上解決強阻抗界面問題,應用效果有限；而匹配追蹤強反射層分離算法缺乏理論模型驗證和參數的詳細討論,制約了該方法的進一步推廣應用。

匹配追蹤算法源于MALLAT等[8]提出的“波形匹配追蹤”算法的思想。該方法把原始信號分解成多個原子的線性組合,這些原子被稱為匹配子波。匹配子波的選取是通過子波控制參數確定的,一旦確定了一組子波控制參數,也就得到了唯一的子波波形。常用的原子庫有Morlet原子庫[9]和Ricker原子庫[10],不少學者對匹配追蹤算法進行了深入的討論和改進,分別在時頻分析[11]、頻譜成像及薄砂體預測[12-13]、濾波去噪[14]、剩余時差校正[15]等方面取得了較好的應用效果,同時在強反射層分離中也取得了一定的應用效果[4-7]。

本文基于匹配追蹤強反射層分離算法,重點對算法參數的選取進行了較為詳細的討論,并對實際數據進行了處理分析。利用二維強反射模型,分別從匹配子波的生成、減去準則、控制參數選取等方面進行了試驗,優(yōu)化算法參數。在模型驗證的基礎上,針對華北彬縣—長武區(qū)塊油頁巖強反射的問題,應用該方法對油頁巖強反射層進行分離,并提取均方根振幅屬性進行砂體預測。

1匹配追蹤方法及其實現

1.1基本原理

匹配追蹤方法是一種有效的信號稀疏分解方法[16],其算法基本表達式為:

(1)

式中:f為希爾伯特空間里的任意信號；〈f,gγ0〉為原始信號f與第1次迭代時所選基函數的內積；R1f為第1次迭代后所產生的殘差。為了使殘差量最小,則必須使內積項〈f,gγ0〉盡可能大,R1f和gγ0正交,滿足:

(2)

通過m次迭代后,得到:

(3)

式中:Rmf為最后的殘差項。

1.2子波控制參數求取

匹配追蹤方法的關鍵是子波控制參數的求取,本文利用三步法實現子波控制參數的求取[16]。首先以Morlet小波作為基本原子,通過子波中心延遲時間、主頻、相位和尺度因子來表征匹配子波,子波控制參數為γ={u,f,φ,k}。

Morlet小波時間域表達式為:

(4)

式中:fm是子波主頻；u為中心延遲時間；φ為相位；k為尺度因子。子波控制參數的具體求取方法如下:

1) 利用復數地震道分析技術得到三瞬屬性,將瞬時振幅最大包絡處的時間作為初始中心延遲時間un,將該時間點處的瞬時頻率fn和瞬時相位φn作為匹配子波的主頻和相位初始值,得到初步估算的3個參數{un,fn,φn}。對于Morlet子波,還應給定尺度因子k,這樣才能確定唯一的Morlet子波,尺度因子通過公式(5)計算得到。

(5)

2) 求取最優(yōu)化參數以確定匹配子波gγn,用公式(5)在搜索字典中最優(yōu)化4個子波控制參數,然后在初始值附近擾動,得到搜索范圍[un-Δu,un+Δu],[fn-Δf,fn+Δf],[φn-Δφ,φn+Δφ],[kn-Δk,kn+Δk]。其中,Δu為時間間隔；Δf為頻率間隔；Δφ為相位間隔；Δk為尺度參數間隔。

3) 估計振幅參數an,利用公式(6)獲得子波振幅。

(6)

2強反射層分離

地震記錄上的單個反射波并不是單一界面的反映,而是多個界面或者一套界面地震反射子波疊加的結果。因此,地震記錄上的一個反射波組并不嚴格地對應于地層柱狀圖某一地層分界面。在這樣一組靠得很近的界面中,必然有起主要作用的界面。如果這些地層厚度和巖性在一定的區(qū)域內保持相對穩(wěn)定,則來自這組界面的許多地震反射子波的相互關系(振幅差異,旅行時差異等)也應當是相對穩(wěn)定的,得到的地震反射波組特征(相位個數,強度等)也具有相對穩(wěn)定的性質。

基于上述分析,結合匹配追蹤的基本原理,確定了強反射層分離方法的主要流程:

1) 數據準備。包括地震數據體、精細層位解

釋結果等。

2) 對強反射同相軸進行三瞬分析,求取強反射位置的瞬時頻率值,從而確定同相軸的主頻。

3) 利用模型試驗分析和實際資料特征分析結果,設定初始子波參數,包括主頻、相位、尺度因子、中心延遲時間等,對強反射同相軸進行分離。

4) 結合井點處地層組合、砂體厚度等特點,分析處理結果的合理性,確定是否需要進行參數調整。

5) 利用最終確定的參數進行全區(qū)分離,然后再對分離后數據進行后續(xù)分析,預測有利目標。

單道強反射同相軸分離示意圖如圖1所示。強反射層分離后,原本被強反射淹沒的信息得到較好的展示,有利于對弱反射信號進行研究和分析。

圖1　單道強反射層分離示意圖解

基于強反射形成的基本特征,結合上文匹配追蹤算法的討論分析和強反射層分離流程,本文開展了模型試驗分析。

2.1二維模型試驗

我們制作了一個強反射界面下存在砂巖儲層的模型,如圖2所示。背景是低速地層,設定速度為1000m/s,密度為1.650g/cm3,中部整體上是一套泥巖地層,設定速度為2500m/s,密度為2.200g/cm3,紫色部分代表砂巖,設定速度為3500m/s,密度為2.275g/cm3,砂巖地層緊挨著上面的阻抗界面,距離為3～5m不等。穩(wěn)定面反射系數是其下砂泥巖分界面反射系數的2.95倍左右,對砂泥巖波阻抗界面來說,穩(wěn)定面可看作是一個強反射界面。砂巖分布厚度為2,3和5m不等。

圖2　強反射界面下存在砂巖儲層的理論模型(a)及局部放大(b)

對模型進行正演模擬,子波選用35Hz零相位Ricker子波,采樣間隔1ms,采用自激自收方式進行正演,得到的正演剖面如圖3所示,圖中紅線為拾取的強反射同相軸。

圖3　模型正演剖面

從正演剖面上看,直觀識別強反射軸下的砂體發(fā)育情況比較困難。橫向上能見到微弱的波形變化,但這種微弱的變化幾乎全部淹沒在上覆強反射中,給砂體識別帶來了較大困難。

為了得到強反射同相軸的主頻分布特征,設定了較大的頻率擾動區(qū)間,對強反射同相軸進行匹配追蹤,得到初始主頻,如圖4所示。通過計算平均值,確定強反射同相軸的最佳匹配主頻為31.7Hz。

圖4　初始匹配主頻

我們對正演剖面進行了強反射同相軸的識別和分離。設定子波為零相位,其主頻為31.7Hz,k=0.17,初始中心延遲時間設定為波峰位置,將提取出的子波全部減去,處理后得到的剖面如圖5所示,紅線為原始強反射同相軸的位置。

由圖5可知,強反射層分離后,砂體信息相對比較明顯,但是僅從剖面上分析缺乏說服力。為了定量描述強反射層分離后砂體在屬性上的表現特征,提取了強反射軸往上10ms,往下40ms時窗內的均方根振幅屬性,來進一步分析強反射層去除前、后的效果,如圖6所示。由圖6可見,強反射層去除前、后模型的均方根振幅曲線特征較為一致。

圖5　去除強反射層后的剖面

圖6　強反射層去除前、后均方根振幅曲線對比

地震勘探本質上是相對量的勘探,基于這種思想,本文進一步分析了曲線的變化規(guī)律,對處理前、后均方根振幅的變化率進行了統(tǒng)計分析,將無砂體地震道的均方根振幅作為背景值RA,其它地震道的均方根振幅值記為變量RA(x),x=1,2,3,…,設能量增長率為R(x),則有:

(5)

R(x)反映了均方根能量相對于背景值的變化情況,它能直觀地展示強反射層分離前、后地震屬性的變化特征。

圖7給出了強反射層去除前、后均方根能量的增長率曲線對比結果。由圖7可知,強反射層去除前、后的能量增長率發(fā)生了明顯的變化,去除后能量增長率變大,這說明相對于背景反射來說,砂巖段在振幅屬性上的響應更加明顯,該結論對于后期屬性提取非常有利。

圖7　強反射層去除前、后均方根能量增長率

上述只是強反射層分離的一種特殊情況,針對該方法實現過程中的參數選取問題,我們詳細討論了頻率擾動范圍和匹配子波減去準則對分離效果的影響。

2.2參數討論

2.2.1頻率擾動范圍

匹配追蹤算法中,主要涉及到振幅、主頻、相位等幾個參數。本次討論假定子波零相位且匹配子波全部減去,以觀察主頻固定與主頻擾動之間的區(qū)別。假設主頻擾動范圍為F,那么匹配追蹤算法中的頻率掃描范圍為[31.7-F/2,31.7+F/2],算法自動在此區(qū)間范圍內尋找最優(yōu)匹配子波,而不是固定值。提取處理前、后的均方根振幅屬性,計算能量增長率曲線如圖8所示。

由圖8可知,在固定主頻或者主頻擾動范圍較小時,能量增長率最大。1,2,4Hz曲線出現重疊,表明1Hz的擾動范圍已經足夠大,再大的擾動范圍也會得到相同的結果,而且較大的擾動范圍也不符合實際的同相軸波形特征,不僅破壞了原始的子波波形和強反射同相軸特征,還增加了計算時間。綜上所述,針對實際資料的頻譜變化特點,為了準確反映原始子波特征和同相軸能量變化規(guī)律,最大限度增強這種能量的相對變化,在較為穩(wěn)定的強反射區(qū),建議給定較小擾動范圍,1～2Hz即可。

2.2.2匹配子波減去準則

通過匹配方法,得到單個匹配子波,該匹配子波代表了強反射能量。如何更好地處理該匹配子波成為比較關鍵的問題。因此,本文在主頻固定(31.7Hz)的條件下,分別減去匹配子波的0.6倍,0.8倍,1.0倍(全部減去)和1.2倍,提取處理前、后的均方根振幅屬性,并計算能量增長率曲線,結果如圖9所示。

圖8　處理前、后均方根能量增長率

圖9　處理前、后均方根能量增長率曲線

由圖9可知,在子波全部減去的情況下,能量增長率最大。該模型試驗結果說明在實際應用過程中,應盡量將匹配子波全部減去,這樣才能得到更好的分離效果。

3實際資料處理及效果分析

3.1研究區(qū)概況

圖10　W1井測井綜合解釋(a)及其標定結果(b)

華北彬縣—長武區(qū)塊存在明顯的油頁巖強反射,該區(qū)的主要勘探目標是三疊系延長組長8油層組。在長8油層組上部、長7油層組底部發(fā)育了一套穩(wěn)定的區(qū)域性標志層——張家灘油頁巖,與圍巖形成了較大的波阻抗差異。由圖10中W1井的測井綜合解釋成果和標定結果可知,油頁巖和儲層存在明顯的波阻抗差異,上、下分界面T6c在地震剖面上形成了穩(wěn)定的強反射同相軸,其主要反映張家灘油頁巖的信息,不反映長8砂體的信息,長8儲層段的信息基本被張家灘油頁巖的信息淹沒,預測難度非常大。前期采用了多種常規(guī)方法進行分析預測,但效果不理想。資料分析發(fā)現這種強反射特征相對穩(wěn)定?；趶姺瓷鋵臃蛛x的基本原理和本研究區(qū)的實際地震地質特征,可以認為,由大套頁巖層產生的反射在研究區(qū)內具有相對穩(wěn)定的特征,而相對于強反射而言,儲層弱反射對地震記錄的貢獻較小。對全區(qū)強反射同相軸進行分離,能較好去除油頁巖強反射的影響,增強儲層弱反射,具有實際意義。

3.2實際數據處理分析

通過分析目的層段地震資料,確定資料主頻在25Hz左右。結合上文的理論分析,經過參數測試,最終確定子波主頻區(qū)間為24～25Hz,零相位,尺度參數選取k=0.17,初始子波中心延遲時間為解釋的T6c層位時間,時間擾動區(qū)間2ms。對工區(qū)內張家灘油頁巖強反射層進行全區(qū)分離,得到強反射層分離后的數據體。

選取了兩口典型井W1井和W2井進行過井剖面的對比和分析,如圖11所示。強反射層分離前,兩口井在T6c處都有很明顯的強反射,儲層特征區(qū)分較為困難。經過強反射層分離,可以清晰地看到,W1井在強反射層下出現明顯的振幅響應(橢圓所示),而W2井振幅響應微弱。由兩口井的錄井資料可知,W1井長8段砂體總厚度達到31.6m,而W2井長8段砂體總厚度僅為6.6m,與處理后的剖面具有很好的一致性。上述的分析對比表明,T6c強反射軸分離后,長8砂體弱反射信號得到明顯增強,這有助于目標儲層的研究。

圖11　過井剖面對比

在過井剖面分析的基礎上,提取了處理前、后的均方根振幅屬性進行對比分析,如圖12所示。時窗為T6c往上10ms,往下50ms,時窗內基本反映了長8砂體的信息。對比認為,原始平面屬性與井點符合度低,且區(qū)分度較差,基本是強反射的背景。處理后的平面屬性很好地降低了強反射的影響,與井點符合率大大提高,W2井處于不利區(qū),而W1井處于相對有利的區(qū)域,整體上能較好地指示河道砂體的分布,區(qū)內共有32口井,其中與預測的分布范圍相吻合的有25口井,符合率達到75%,較之前的預測結果有較大的提高,與地質人員勾繪的砂體等厚圖有很高的一致性。

圖12　處理前(a)、后(b)均方根振幅屬性對比

4結論

強反射屏蔽儲層弱信號的問題給精細儲層預測帶來了巨大的困難。本文基于匹配追蹤算法的強反射層分離方法,對該問題進行了分析處理。利用二維模型,重點對子波參數選取進行了詳細討論,提出利用能量增長率作為參數優(yōu)選的表征參數。研究認為,為了得到最佳的強反射層分離效果,參數設置過程中應給定較小的頻率擾動范圍,且需將子波全部減去(1倍),這為后續(xù)實際資料的應用奠定了基礎。

在實際資料應用中,首先對資料進行詳細分析,確定強反射同相軸主頻、相位等關鍵參數；結合模型分析結論,合理設置頻率擾動范圍和減去參數,以更加有效地進行強反射層分離。華北彬縣—長武區(qū)塊油頁巖強反射的分析研究結果表明,處理后的數據能在平面上較好地指示長8砂體分布范圍,與井資料吻合度較高,實際應用效果明顯,證明了該方法的有效性及應用前景。

致謝:本研究得到了中國石油大學(華東)地球科學與技術學院張軍華教授的指導和幫助,在此表示衷心的感謝。

參考文獻

[1]龐尚明,陳發(fā)亮,李勤英.東濮凹陷鹽巖地震地質特征研究[J].石油物探,2005,44(6):605-608

PANG S M,CHEN F L,LI Q Y.Seismo-geologic features of halite in Dongpu depression[J].Geophysical Prospecting for Petroleum,2005,44(6):605-608

[2]張軍華,劉培金,朱博華,等.灘壩砂儲層地震解釋存在的問題及對策[J].石油地球物理勘探,2014,49(1):167-175

ZHANG J H,LIU P J,ZHU B H,et al.Problems and countermeasures in the seismic interpretation of the beach bar sandstone reservoirs[J].Oil Geophysical Prospecting,2014,49(1):167-175

[3]劉保國.提高大牛地氣田三維地震儲層預測精度的思考[J].石油物探,2008,47(1):95-102

LIU B G.Considerations for improving accuracy of reservoir prediction form 3D seismic data in Daniudi Gas Field[J].Geophysical Prospecting for Petroleum,2008,47(1):95-102

[4]張軍華,劉振,劉炳楊,等.強屏蔽層下弱反射儲層特征分析及識別方法[J].特種油氣藏,2012,19(1):23-26

ZHANG J H,LIU Z,LIU B Y,et al.Analysis and identification of reservoir characteristics of weak reflectors under strong shielding layer[J].Special Oil & Gas Reservoirs,2012,19(1):23-26

[5]秦雪霏,李巍.大牛地氣田煤系地層去煤影響儲層預測技術[J].吉林大學學報:地球科學版,2011,44(3):1048-1054

QIN X F,LI W.Research of identification and trimming of coal-bed interference in Daniudi gasfield[J].Journal of Jilin University:Earth Science Edition,2011,44(3):1048-1054

[6]WANG Y H.Multichannel matching pursuit for seismic trace decomposition[J].Geophysics,2010,75(4):61-66

[7]李海山,楊午陽,田軍,等.匹配追蹤煤層強反射層分離方法[J].石油地球物理勘探,2014,49(5):866-870

LI H S,YANG W Y,TIAN J,et al.Coal seam strong reflection separation with matching pursuit[J].Oil Geophysical Prospecting,2014,49(5):866-870

[8]MALLAT S G,ZHANG Z.Matching pursuits with time-frequency dictionaries[J].IEEE Trans-actions on Signal Processing,1993,41(12):3377-3415

[9]LIU J L,MARFURT K J.Matching pursuit decomposition using Morlet wavelets[J].Expanded Abstracts of 75thAnnual Internat SEG Mtg,2005:786-790

[10]韓海英,王志章,王宗俊,等.基于Ricker類地震子波的匹配追蹤[J].石油物探,2014,53(1):17-25

HAN H Y,WANG Z Z,WANG Z J,et al.Matching pursuit based on Ricker-like seismic wavelet[J].Geophysical Prospecting for Petroleum,2014,53(1):17-25

[11]張顯文,韓立國,王宇,等.地震信號譜分解匹配追蹤快速算法及其應用[J].石油物探,2010,49(1):1-6

ZHANG X W,HAN L G,WANG Y,et al.Seismic spectral decomposition fast matching pursuit algorithm and its application[J].Geophysical Prospecting for Petroleum,2010,49(1):1-6

[12]李傳輝,張繁昌.地震信號可變分辨率匹配追蹤頻譜成像方法[J].石油物探,2012,51(5):213-218

LI C H,ZHANG F C.Variable resolution matching pursuit spectrum imaging of seismic signals[J].Geophysical Prospecting for Petroleum,2012,51(5):213-218

[13]遲喚昭,劉財,單玄龍,等.譜反演方法在致密薄層砂體預測中的應用研究[J].石油物探,2015,54(3):337-344

CHI H Z,LIU C,SHAN X L,et al.Application of spectral inversion for tight thin-bed sand body preditcion[J].Geophysical Prospecting for Petroleum,2015,54(3):337-344

[14]趙天姿,宋煒,王尚旭.基于匹配追蹤算法的時頻濾波去噪方法[J].石油物探,2008,47(4):367-371

ZHAO T Z,SONG W,WANG S X.Time-frequency filtering de-noise method based on matching pursuit algorithm[J].Geophysical Prospecting for Petroleum,2008,47(4):367-371

[15]張汛汛,張繁昌,劉漢卿.基于快速匹配追蹤算法的地震道集剩余時差校正[J].石油物探,2015,54(4):420-426

ZHANG X X,ZHANG F C,LIU H Q.Seismic gathers residual moveout correction based on fast matching pursuit algorithm[J].Geophysical Prospecting for Petroleum,2015,54(4):420-426

[16]WANG Y H.Seismic time-frequency spectral decomposition by matching pursuit[J].Geophysics,2007,72(1):13-20

(編輯：陳杰)

Strong reflection horizons separation based on matching pursuit algorithm and its application

ZHU Bohua,XIANG Xuemei,ZHANG Weihua

(SinopecGeophysicalResearchInstitute,Nanjing211103,China)

Abstract:Aimed at the weak reflection signals shielded by strong reflections from oil shale,we study separating strong reflection horizons from seismic data based on matching pursuit algorithm,which can weaken the influence caused by strong impedance interface to enhance the effective signals. Firstly,combined with matching pursuit algorithm and strong reflection forming mechanism,we establish the workflow of strong reflection horizon separation. Secondly,by 2D model,we discuss wavelet control parameters selection during the procedure of strong reflection separation in detail,and propose that the energy growth rate can be regarded as the basis for parameter optimization. Studies show that the strong reflection horizon separation can achieve best results when the minor frequency disturbance range from 1Hz to 2Hz and full matching wavelet subtraction from original records. At last,we take the Binxian-Changwu block in North China as the practical work area,select the wavelet control parameters by the analysis of well loggings and seismic responses from target layers as well as the model test results,and separate the strong reflection events from oil shale effectively. Results show that the reservoir weak reflection signal is enhanced effectively after strong reflection horizons separation,and the plane seismic attributes can reflect the channel boundary and sandbody distribution features more objectively with 75% prediction accuracy,obtaining good practical application effect.

Keywords:weak signal,strong reflection from shale,matching pursuit,model test,sandbody identification

文章編號：1000-1441(2016)02-0280-08

DOI:10.3969/j.issn.1000-1441.2016.02.014

中圖分類號：P631

文獻標識碼：A

作者簡介：朱博華(1987—),男,助理工程師,主要從事地震資料解釋工作。

收稿日期：2014-12-19;改回日期：2015-12-22。