劉仕友，徐 沖，孫萬元，邢軍輝，徐曉宇

(1. 中海石油(中國(guó))有限公司湛江分公司，廣東 湛江 524057；2.中國(guó)海洋大學(xué)，山東 青島 266100)

0 引 言

深水區(qū)油氣勘探開發(fā)有著高投入和高風(fēng)險(xiǎn)等特點(diǎn)，烴源巖作為油氣系統(tǒng)和油氣成藏的物質(zhì)基礎(chǔ)，其分布和品質(zhì)的準(zhǔn)確預(yù)測(cè)對(duì)于尋找油氣聚集帶、闡明油氣成藏規(guī)律和資源量計(jì)算均具有非常重要的意義[1-7]。烴源巖的預(yù)測(cè)方法主要包括地球化學(xué)方法、測(cè)井方法以及地震方法。地球化學(xué)方法和測(cè)井方法主要利用測(cè)井信息與烴源巖地球化學(xué)參數(shù)之間的關(guān)系，得到縱向上連續(xù)的烴源巖地球化學(xué)參數(shù)，如烴源巖總有機(jī)碳含量[8-12]；地震方法主要從實(shí)測(cè)地震數(shù)據(jù)出發(fā)，結(jié)合沉積相等地質(zhì)信息，通過地球物理反演、多屬性預(yù)測(cè)等手段建立地震數(shù)據(jù)與烴源巖總有機(jī)碳含量之間的關(guān)系[13-17]。為了解決深水區(qū)鉆井少、地震資料品質(zhì)差不利于烴源巖預(yù)測(cè)等問題，該文建立了一套包含測(cè)井TOC曲線求取、地震屬性優(yōu)選以及多屬性融合預(yù)測(cè)烴源巖TOC的技術(shù)流程，并將其應(yīng)用到陵水凹陷深水研究區(qū)內(nèi)，取得了較好的預(yù)測(cè)效果。

1 地質(zhì)概況

研究區(qū)總面積為200 km2，主體位于陵水凹陷南部深水區(qū)，陵水凹陷位于瓊東南盆地中央凹陷，北部為陵水低凸起，東部為松南低凸起，南部為陵南低凸起，西與樂東凹陷相鄰(圖1)。陵水凹陷面積約為4 600 km2，是一個(gè)新生代沉積凹陷，厚度超過10 km，主要沉積了始新統(tǒng)、漸新統(tǒng)(崖城組和陵水組)、中新統(tǒng)、上新統(tǒng)和第四系[18-19]，目的層陵水組為濱?！獪\海相沉積沉積[20]。

圖1 研究區(qū)構(gòu)造區(qū)劃圖

研究區(qū)內(nèi)僅有1口L井鉆遇目的層陵水組，缺少連續(xù)的烴源巖TOC實(shí)測(cè)值，該井位于研究區(qū)東南部的陵南低凸起上。目的層附近三維地震資料品質(zhì)差，地震成像能量弱。

2 多屬性融合預(yù)測(cè)TOC技術(shù)流程

2.1 測(cè)井TOC曲線求取

研究區(qū)內(nèi)L井目的層段的實(shí)測(cè)TOC數(shù)據(jù)樣本有限，并且是某一深度段的有機(jī)碳平均值，分析認(rèn)為ΔlogR法更適用于L井的TOC計(jì)算。ΔlogR技術(shù)主要利用聲波時(shí)差曲線和電阻率曲線與TOC之間的響應(yīng)關(guān)系建立起測(cè)井曲線與烴源巖TOC之間的定量關(guān)系模型，進(jìn)而計(jì)算出測(cè)井TOC連續(xù)分布曲線。據(jù)聲波時(shí)差-電阻率疊加計(jì)算ΔlogR的方程是：

(1)

式中：ΔlogR為2條曲線間的距離；R為測(cè)井儀實(shí)測(cè)電阻率，Ω·m；R基線為基線對(duì)應(yīng)的電阻率，Ω·m；Δt為實(shí)測(cè)的聲波時(shí)差，μs/m；Δt基線為基線對(duì)應(yīng)的聲波時(shí)差，μs/m。

該文利用ΔlogR法得到的L井定量評(píng)價(jià)模型為：

TOC=[(logR-0.119)+0.02(Δt-105)]×100.5934+0.52

(2)

計(jì)算得到的L井TOC與實(shí)測(cè)TOC相關(guān)度達(dá)到了90%以上，平均誤差小于0.1。

2.2 地震屬性優(yōu)選

多屬性融合預(yù)測(cè)烴源巖成功的關(guān)鍵是提取并優(yōu)選出與烴源巖相關(guān)性好的地震屬性。在進(jìn)行屬性優(yōu)選時(shí)要針對(duì)研究區(qū)烴源巖的具體特性，從全體地震屬性中優(yōu)選出相關(guān)性最強(qiáng)且相互獨(dú)立的地震屬性，達(dá)到降低多解性、提高烴源巖預(yù)測(cè)精度的目的[21-22]。該文提取了振幅包絡(luò)、小波能譜等15種地震屬性體，并進(jìn)一步計(jì)算各屬性體在L井處的井旁道屬性值與通過ΔlogR法計(jì)算得到的L井TOC的相關(guān)度，篩選出11種相關(guān)度大于20%的體屬性(表1)。

表1 初步篩選出的11種地震屬性

由表1可知，25～35 Hz小波能譜屬性與TOC相關(guān)性最好，因此，剔除35～45 Hz小波能譜和15～25 Hz小波能譜屬性；同理，剔除振幅包絡(luò)、相位加權(quán)振幅屬性。最終優(yōu)選出25～35 Hz小波能譜、頻率加權(quán)振幅、瞬時(shí)頻率、振幅積分、振幅導(dǎo)數(shù)、瞬時(shí)相位，共6種體屬性，進(jìn)行歸一化處理，用來進(jìn)行后面的TOC多屬性預(yù)測(cè)。

2.3 多屬性融合預(yù)測(cè)TOC

針對(duì)地震屬性體融合，常用的多屬性融合方法有多元線性回歸融合技術(shù)和神經(jīng)網(wǎng)絡(luò)融合技術(shù)等。不同的融合方法有其適用范圍及局限性，選擇合適的融合方法對(duì)融合結(jié)果的準(zhǔn)確性十分重要[23]。

2.3.1 多元線性回歸融合技術(shù)

多元線性回歸分析是數(shù)理統(tǒng)計(jì)的一個(gè)分支。假設(shè)利用n種屬性對(duì)TOC進(jìn)行預(yù)測(cè)，在每個(gè)時(shí)間樣點(diǎn)上，TOC曲線通過下面的線性方程預(yù)測(cè)：

TOC(t)=w0+w1A1(t)+w2A2(t)+w3A3(t)+…+wnAn(t)

(3)

式中：TOC(t)為計(jì)算總有機(jī)碳含量；An(t)為第n種屬性；wn為對(duì)應(yīng)的加權(quán)因子。

在求取wi時(shí)，首先需要計(jì)算預(yù)測(cè)誤差E2，使預(yù)測(cè)誤差E2最小，求得各加權(quán)因子wi[23]。

(4)

式中：E2為預(yù)測(cè)誤差；TOCi為實(shí)際總有機(jī)碳含量值。

2.3.2 概率類神經(jīng)網(wǎng)絡(luò)融合技術(shù)

概率類神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network，簡(jiǎn)稱PNN)是一種利用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來完成數(shù)學(xué)擬合的方法，其本質(zhì)上是一種數(shù)學(xué)內(nèi)插方案[24-25]。以4個(gè)地震屬性為例，訓(xùn)練樣本的表示方法如下式所示：

xi={A1i，A2i，A3i，A4i，Ti}，(i=1，2，3，…，m)

(5)

式中：xi為訓(xùn)練樣本；A為地震屬性；Ti是每個(gè)采樣點(diǎn)所對(duì)應(yīng)的實(shí)際TOC值。

任意一個(gè)數(shù)據(jù)樣本屬性向量x所對(duì)應(yīng)的TOC值可以用下式估計(jì)：

(6)

(7)

式中：D(x，xi)表示數(shù)據(jù)樣本屬性向量x到第i個(gè)訓(xùn)練樣本屬性向量xi之間的n維空間距離(n=4)；xj為數(shù)據(jù)樣本屬性向量x的第j個(gè)屬性；xij為訓(xùn)練樣本屬性向量xi的第j個(gè)屬性；σj為濾波參數(shù)。

訓(xùn)練網(wǎng)絡(luò)的目的主要是確定最佳濾波參數(shù)σj，確定σj的準(zhǔn)則是訓(xùn)練出來的網(wǎng)絡(luò)應(yīng)該達(dá)到校驗(yàn)誤差最小。

3 預(yù)測(cè)結(jié)果分析

將計(jì)算得到的L井TOC擬合曲線作為目標(biāo)值，與優(yōu)選出的6種經(jīng)過歸一化的體屬性在L井井旁道屬性值共同作為訓(xùn)練樣本，分別使用多元線性回歸融合技術(shù)和概率類神經(jīng)網(wǎng)絡(luò)融合技術(shù)進(jìn)行了研究區(qū)陵水組TOC預(yù)測(cè)工作。

3.1 多元線性回歸融合預(yù)測(cè)TOC

利用優(yōu)選出的25～35 Hz小波能譜、頻率加權(quán)振幅、瞬時(shí)頻率、振幅積分、振幅導(dǎo)數(shù)、瞬時(shí)相位共6種地震屬性，采用多元線性回歸融合技術(shù)得到了多元線性回歸融合結(jié)果，如圖2a所示，其中紅色曲線為預(yù)測(cè)TOC，黑色曲線為通過ΔlogR法計(jì)算得到的L井TOC，兩者之間的相關(guān)性為68%，融合效果不理想。

圖2 2種不同方法的融合結(jié)果分析

3.2 概率類神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)TOC

同樣利用優(yōu)選出的25～35 Hz小波能譜、頻率加權(quán)振幅、瞬時(shí)頻率、振幅積分、振幅導(dǎo)數(shù)、瞬時(shí)相位共6種地震屬性，采用概率類神經(jīng)網(wǎng)絡(luò)融合技術(shù)得到概率類神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)TOC結(jié)果，如圖2b所示，預(yù)測(cè)TOC曲線與“L井”TOC曲線的相關(guān)性達(dá)到90%，與多元線性回歸融合預(yù)測(cè)結(jié)果相比有很大的優(yōu)勢(shì)。

將采用概率類神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)技術(shù)訓(xùn)練得到的TOC與地震屬性的關(guān)系應(yīng)用到整個(gè)研究區(qū)，從而得到陵水組三維TOC數(shù)據(jù)體(圖3)。

圖3 過L井概率類神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)TOC剖面

3.3 TOC平面分布預(yù)測(cè)

對(duì)比分析采用2種方法得到的TOC預(yù)測(cè)結(jié)果，可以看出，與多元線性回歸融合預(yù)測(cè)TOC相比，概率類神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)出的結(jié)果與L井?dāng)M合TOC相關(guān)度更高，因此，選擇概率類神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)TOC數(shù)據(jù)體進(jìn)行TOC平面分布預(yù)測(cè)。在概率類神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)得到的陵水組三維TOC數(shù)據(jù)體的基礎(chǔ)上，通過求取陵水組TOC均方根得到研究區(qū)內(nèi)陵水組TOC平面分布(圖4)。

圖4 陵水組TOC平面分布

由圖4可知，研究區(qū)內(nèi)紅色區(qū)域?yàn)閿?shù)值大于1.0的TOC高值區(qū)，主要位于研究區(qū)西北部以及東南角小部分區(qū)域，其中研究區(qū)西北部為主要高值區(qū)。藍(lán)色區(qū)域?yàn)門OC低值區(qū)，主要位于研究區(qū)東南部。研究區(qū)TOC總體從西北向東南呈高—低—高分布，其中西北部主要與陵水凹陷對(duì)應(yīng)，東南角區(qū)域位于陵南低凸起。因此，研究區(qū)陵水組優(yōu)質(zhì)烴源巖主要分布于陵水凹陷內(nèi)。

4 結(jié) 論

(1) 從鉆井實(shí)測(cè)TOC值出發(fā)，首先通過ΔlogR法計(jì)算L井TOC曲線，然后分別采用多元線性回歸融合技術(shù)和概率類神經(jīng)網(wǎng)絡(luò)融合技術(shù)得到了研究區(qū)目的層的TOC數(shù)據(jù)體，并得到了研究區(qū)陵水組TOC平面分布圖。該技術(shù)流程克服了深水區(qū)烴源巖實(shí)測(cè)地球化學(xué)參數(shù)不足、測(cè)井稀少等困難，為研究深水區(qū)烴源巖的發(fā)育和分布提供了可靠依據(jù)和研究思路。

(2) 研究區(qū)內(nèi)陵水組優(yōu)質(zhì)烴源巖主要位于研究區(qū)西北部以及東南角小部分區(qū)域，該區(qū)域內(nèi)的TOC均方根為1.0～1.1。

(3) 通過相關(guān)性分析，最終優(yōu)選出6種地震屬性進(jìn)行多屬性融合預(yù)測(cè)工作，得到了較滿意的結(jié)果。該問題仍需進(jìn)一步深入研究，尋找更好的解決方案。