楊敬雅，李相文，李 磊，劉永雷，陶春峰，朱冬輝，王 茂

(中國石油東方地球物理勘探有限責(zé)任公司，河北 涿州 072750)

自2009年來，塔里木盆地塔北地區(qū)哈拉哈塘油田、塔河油田和塔中I號凝析氣田的勘探開發(fā)研究，形成圍繞強(qiáng)非均質(zhì)性縫洞型儲集層的基于地震數(shù)據(jù)關(guān)聯(lián)信息研究的關(guān)鍵技術(shù)，如疊前、疊后裂縫預(yù)測技術(shù)、非均質(zhì)縫洞體系量化描述技術(shù)[1]和基于OVT道集的方位AVO油氣檢測技術(shù)[2]，其中裂縫預(yù)測技術(shù)主要是用于解決基于地震數(shù)據(jù)描述儲集層中裂縫發(fā)育的強(qiáng)度和發(fā)育方位的問題。隨著油田勘探開發(fā)的深入以及進(jìn)一步開展斷溶體構(gòu)型研究，對儲層中裂縫發(fā)育的描述越來越受到重視。

研究表明，AVO或AVA隨方位角的變化關(guān)系反映了巖石硬度的變化[3]，甚至可以反映儲集層或儲集層內(nèi)含流體性質(zhì)的差異。因此，如果用AVAZ分析的方法計算出360°范圍內(nèi)的每一組方位角(一般根據(jù)需要設(shè)定一組方位角的跨度≥1°且≤60°為宜，不同方位跨度可均勻重疊)的AVO梯度值，就可以求取所劃分方位角扇區(qū)方案中各組方向AVO梯度間的最大差值，可據(jù)此判定裂縫的走向[4]。實(shí)際生產(chǎn)中，在超級計算機(jī)并行CPU、GPU處理能力快速發(fā)展的驅(qū)動下，掀起了OVT域螺旋道集在碳酸鹽巖縫洞型油氣藏連通性分析方面的應(yīng)用的熱潮。有研究利用基于OVT域五維地震道集數(shù)據(jù)所充分挖掘的地面地震數(shù)據(jù)中的有效信息(方位角各向異性等)以提高裂縫預(yù)測的精度[5-6]，該方法在塔北地區(qū)較高品質(zhì)地區(qū)的應(yīng)用取得較好應(yīng)用效果，但在塔中地震資料品質(zhì)低的地區(qū)一直未取得明顯進(jìn)展，主要是缺乏一種自動化程度更高的裂縫分析方法，減少地震解釋中的多解性。

本文通過OVT道集品質(zhì)的綜合評價及方位角、炮檢距參數(shù)信息初分析等一系列流程，快速迭代并自動優(yōu)化最優(yōu)方位角與炮檢距參數(shù)方案，在此基礎(chǔ)上建立起一種自動化程度更高的裂縫分析結(jié)果的參數(shù)模板，提供后續(xù)裂縫計算。應(yīng)用表明，該方法可大大縮減對比分析不同參數(shù)方案計算結(jié)果的所耗機(jī)時，并使得求取較好裂縫預(yù)測結(jié)果的繁瑣工作流程得到簡化，進(jìn)一步提高裂縫分析的效率，快速地支持油藏描述及井位部署。

1 OVT域道集

伴隨著國內(nèi)寬方位高密度三維地震采集技術(shù)的不斷發(fā)展，并且取得非常好的推廣應(yīng)用效果，配套的寬方位高密度地震數(shù)據(jù)處理技術(shù)和解釋技術(shù)均得以迅速發(fā)展。同時，一些新技術(shù)被提出，如炮檢距向量槽(OVS)[7]以及后來繼續(xù)演變而成的炮檢距向量片(OVT)處理技術(shù)，利用OVT域處理技術(shù)所得到的是一種疊前偏移處理的地震道集，被稱為OVT域道集或者螺旋道集，是一種道頭信息中含有三維空間信息(坐標(biāo)信息、深度或時間)、炮檢距信息、方位信息的道集(圖1)，可作為一種共反射點(diǎn)道集。

OVT道集是基于十字排列的細(xì)分、地面坐標(biāo)系及方位角扇區(qū)劃分的集合[8]。每一OVT向量片集合都是由沿炮線方向有限范圍(與采集觀測系統(tǒng)相關(guān)，滿足空間采樣定理)的炮點(diǎn)和沿接收線方向有限范圍的檢波點(diǎn)構(gòu)成。一個十字排列子集具有大致相同的炮檢距和方位角的地震道，理論上是覆蓋整個工區(qū)的單次覆蓋數(shù)據(jù)體集。由于螺旋道集同時具有炮檢距信息、方位信息，因此是一種非常有利于開展裂縫預(yù)測(發(fā)育方位及發(fā)育程度)和方位油氣預(yù)測的基礎(chǔ)數(shù)據(jù)。當(dāng)然也存在一定局限性，比如在復(fù)雜介質(zhì)中，由于地震波傳播過程中可能具有多路徑特征，存在反映地下反射位置不準(zhǔn)確等問題。

圖1 某一CRP點(diǎn)OVT道集三維可視化

2 裂縫預(yù)測模板自動優(yōu)化方法原理

2.1 炮檢距與方位角參數(shù)初步優(yōu)化

首先對OVT道集進(jìn)行有效性評價，包括不同方位扇區(qū)疊加數(shù)據(jù)、不同炮檢距范圍疊加數(shù)據(jù)的對比分析等。其次，根據(jù)地震數(shù)據(jù)處理過程中能直觀地反映資料覆蓋次數(shù)的面元屬性參數(shù)，有效地對螺旋道集數(shù)據(jù)的炮檢距范圍進(jìn)行優(yōu)化，解決基于橢圓擬合的裂縫預(yù)測方法中數(shù)據(jù)優(yōu)化的兩個矛盾，即近炮檢距數(shù)據(jù)(等價于自激自收，各向異性非常弱，有可能沒有各向異性，甚至存在嚴(yán)重的多次波)和遠(yuǎn)炮檢距地震資料(品質(zhì)較差且覆蓋次數(shù)不均，各個方位扇區(qū)內(nèi)地震數(shù)據(jù)間的差異不能反映真實(shí)的地層各向異性特征)不能同時兼顧的矛盾；方位扇區(qū)的劃分疊加數(shù)量(數(shù)量大、樣點(diǎn)品質(zhì)差，橢圓擬合結(jié)果差)和基于橢圓算法(樣點(diǎn)少于7點(diǎn)時，橢圓擬合的結(jié)果存在多解性，穩(wěn)定性差)的裂縫預(yù)測原理之間的矛盾。

2.2 裂縫預(yù)測參數(shù)模板自動優(yōu)化方法

在炮檢距參數(shù)和方位角疊加數(shù)量的初步優(yōu)化后，通過RBF神經(jīng)網(wǎng)絡(luò)算法進(jìn)行分類、非線性控制與模式識別。

RBF(Radial-Basis Function)是多變量插值的徑向基函數(shù)方法[9-10]。從算法的結(jié)構(gòu)上看，RBF神經(jīng)網(wǎng)絡(luò)屬于多層前向神經(jīng)網(wǎng)絡(luò)，結(jié)構(gòu)相對簡單，其訓(xùn)練簡潔而且收斂速度快，能夠逼近任意非線性函數(shù)。它是一種由信號源節(jié)點(diǎn)集為第1層，作為輸入層；第2層采用對中心點(diǎn)徑向?qū)ΨQ且衰減的非負(fù)非線性函數(shù)為變換函數(shù)，即為隱含層；最后一層是輸出層，將對輸入層信息做出相應(yīng)響應(yīng)。RBF神經(jīng)網(wǎng)絡(luò)的基本思想是用徑向基函數(shù)作為隱單元的“基”(隱單元的個數(shù)由所要描述的問題而定)，隱含層對輸入矢量進(jìn)行相應(yīng)數(shù)學(xué)變換，將低維度的輸入數(shù)據(jù)變換到高維度空間內(nèi)，使得在低維空間內(nèi)線性不可分的問題在高維空間內(nèi)實(shí)現(xiàn)線性可分。因此RBF神經(jīng)網(wǎng)絡(luò)算法被較為廣泛的應(yīng)用于各個行業(yè)中。

徑向基函數(shù)有很多不同的形式[11]，如Gaussian函數(shù)、Multiquadric函數(shù)、Inverse Multiquadric函數(shù)以及Cauchy函數(shù)，其中最為常用的是Gaussian函數(shù)：

(1)

其中：X是樣本集，C是高斯函數(shù)的中心向量，б是類半徑，均是無量綱參數(shù)。隱節(jié)點(diǎn)中的徑向基函數(shù)都產(chǎn)生相同的輸出，并且輸入樣本集X與RBF的中心C越接近隱節(jié)點(diǎn)的響應(yīng)越大，因此通過調(diào)整半徑б的值即可調(diào)整基函數(shù)曲線的寬度。

2.3 實(shí)現(xiàn)流程

應(yīng)用OVT道集開展疊前各向異性裂縫預(yù)測，其預(yù)測參數(shù)模板自動優(yōu)化方法的基本流程為：(1)獲取地震資料采集參數(shù)信息，包括橫縱比、覆蓋次數(shù)，用于基礎(chǔ)數(shù)據(jù)優(yōu)化，建立炮檢距參數(shù)和方位角疊加數(shù)量初步參數(shù)框架(圖2a)；(2)給定迭代次數(shù)，對炮檢距參數(shù)和方位角疊加數(shù)量初步參數(shù)框架內(nèi)的數(shù)據(jù)進(jìn)行二次優(yōu)化與分類(圖2b)；(3)應(yīng)用一井筒所測目的層的FMI測井資料與上一步分類數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)與非線性控制，自動優(yōu)選橢圓擬合結(jié)果可信度最大的參數(shù)組合后保存參數(shù)模板(圖2c、d)，可信度最大即求解橢圓方程的最優(yōu)解或唯一解(圖2e、f)，然后依次建立待測區(qū)內(nèi)所有具有FMI測井資料井的參數(shù)模板；(4)最后根據(jù)所有井的訓(xùn)練結(jié)果，再次應(yīng)用FMI測井資料解釋結(jié)果為樣本點(diǎn)進(jìn)行模式識別與聚類分析，根據(jù)聚類結(jié)果進(jìn)行橫向分區(qū)；(5)在橫向分區(qū)的成果上提取各區(qū)最優(yōu)裂縫預(yù)測參數(shù)結(jié)果(結(jié)果數(shù)量與所給定迭代次數(shù)相關(guān))作為待測區(qū)裂縫綜合預(yù)測的參數(shù)。

圖2 某一CRP點(diǎn)裂縫預(yù)測參數(shù)自動優(yōu)化示意

裂縫預(yù)測模板自動優(yōu)化模塊分a～f共6個功能模塊：(a)為炮檢距參數(shù)和方位角疊加數(shù)量初步優(yōu)化參數(shù)框架；(b)為設(shè)置迭代次數(shù)；(c)為FMI測井解釋成果輸入；(d)為最優(yōu)模塊保存區(qū)；(e)為迭代模塊總數(shù)橢圓擬合結(jié)果信噪比分析窗口，縱軸為方位角，橫軸為置信度；(f)為模塊橢圓擬合時樣本點(diǎn)在極坐標(biāo)系統(tǒng)的分布與橢圓擬合結(jié)果監(jiān)視窗口。

3 應(yīng)用實(shí)例

以塔中地區(qū)中古8高密度三維區(qū)應(yīng)用為例，地表為巨厚沙丘，平均低降速帶厚度約20 m。研究區(qū)內(nèi)目的層為奧陶系良里塔格組-鷹山組地層，非均質(zhì)性縫洞型儲集層非常發(fā)育，儲層的地震特征為“串珠”狀反射特征(圖3)，是油田開發(fā)產(chǎn)能建產(chǎn)的主體區(qū)，是滾動評價上報探明儲量的目標(biāo)區(qū)，更是勘探突破發(fā)現(xiàn)的重點(diǎn)區(qū)塊。

圖3 ZG8高密度三維區(qū)OVT域處理(a)與常規(guī)處理(b)地震剖面對比

通過本文所述方法的應(yīng)用，裂縫預(yù)測效果有明顯改善(圖4)。圖4a為常規(guī)橢圓擬合方法裂縫預(yù)測結(jié)果平面圖，預(yù)測結(jié)果ZG11-H1～ZG11-H2斷裂帶南部ZG23井區(qū)裂縫發(fā)育(圖4a中A區(qū))與區(qū)內(nèi)FMI測井解釋成果不相符，該裂縫欠發(fā)育。圖4b為基于RBF算法的裂縫預(yù)測參數(shù)自動優(yōu)化后的預(yù)測結(jié)果平面圖(與圖4a預(yù)測時窗一致)，圖4b中ZG11-H1～ZG11-H2斷裂帶南部ZG23井區(qū)裂縫欠發(fā)育，且裂縫沿著斷裂帶伴生發(fā)育，北部B區(qū)裂縫發(fā)育均與實(shí)鉆結(jié)果相符，裂縫發(fā)育規(guī)律與勘探開發(fā)地質(zhì)認(rèn)識一致。通過與區(qū)內(nèi)實(shí)測FMI測井解釋成果對比，新方法的預(yù)測結(jié)果與井裂縫發(fā)育方位一致(圖4c、d、e)。

圖4 ZG8高密度三維區(qū)新老方法預(yù)測裂縫結(jié)果對比

據(jù)統(tǒng)計，研究區(qū)內(nèi)完鉆井43口，具有FMI測井資料的9口，與FMI測井結(jié)果符合的井有8口，符合率達(dá)到88.9%(常規(guī)方法預(yù)測符合率63.0%)；與區(qū)內(nèi)出現(xiàn)鉆井異常(放空、漏失、溢流)井或經(jīng)酸化壓裂證實(shí)井周儲層發(fā)育情況井的總井?dāng)?shù)39口井相比，預(yù)測符合井?dāng)?shù)為37口，符合率達(dá)到94.9%(常規(guī)方法預(yù)測符合率82.1%)。

如圖5所示，ZG11-H12、ZG11-H5、ZG11-H10、ZG11-H8、ZG11-6位于同一縫洞單元內(nèi)(圖5a)，上述5口井相繼測得地層靜壓力數(shù)據(jù)的變化趨勢基于一致，屬于同一壓力系統(tǒng)，該連通系統(tǒng)內(nèi)5口井與周邊H15、H11、H7、H1等井地層壓力變化特征完全不同(圖5b)。此外，上述5口井中位于單元中間的ZG11-H10和單元最北端的ZG11-6井在后期鉆井中均表現(xiàn)出地層壓力系數(shù)低的特征，分別為0.89和0.85，說明井點(diǎn)處儲層內(nèi)流體被動用一部分，其中ZG11-H10試油投產(chǎn)的同時，北部完鉆投產(chǎn)且垂深最深的ZG11-H8井立即表現(xiàn)出生產(chǎn)含水上升的特征。動靜態(tài)數(shù)據(jù)均表明前述H12等5井是連通的，也進(jìn)一步佐證基于本文方法裂縫預(yù)測結(jié)果的連通單元解釋結(jié)果與油氣藏開發(fā)地質(zhì)認(rèn)識相匹配。近期部署完鉆的ZG11-16、ZG8-H4C、ZG113-1、ZG113-2、ZG8-7、ZG8-9測試投產(chǎn)，均與預(yù)測結(jié)果相符，進(jìn)一步證實(shí)方法的有效性和高效特征。

圖5 ZG8高密度三維區(qū)5口井連通單元裂縫預(yù)測與儲層分布平面疊合(a)和多井地層壓力隨時間變化趨勢(b)對比

4 認(rèn)識

本文采用基于RBF神經(jīng)網(wǎng)絡(luò)多變量插值的徑向基函數(shù)的裂縫預(yù)測參數(shù)模板自動優(yōu)化技術(shù)，主動識別與目前地質(zhì)認(rèn)識相符的裂縫發(fā)育區(qū)。這種算法是由地震數(shù)據(jù)+測井解釋成果聯(lián)合驅(qū)動、優(yōu)化確定最優(yōu)裂縫預(yù)測模板，提高了對于低信噪比地震數(shù)據(jù)區(qū)復(fù)雜縫洞體特征識別的準(zhǔn)確性。其次，該方法大大提高了對比分析不同參數(shù)方案計算結(jié)果的時效性，簡化了裂縫預(yù)測的繁瑣工作流程，提升了方法可操作性。最后，在塔中地區(qū)的實(shí)驗(yàn)，取得良好的應(yīng)用效果，進(jìn)一步論證了本文提出的方法的可行性和可靠性。