劉志敏

（中國石化江蘇油田分公司勘探開發(fā)研究院，揚州 225009）

FCZ 地區(qū)阜三段（E1f3）位于前三角洲—濱淺湖亞相，砂地比低，主要發(fā)育灘壩類型砂巖。關(guān)于灘壩砂的識別，通常是將地震相與地震屬性、疊前疊后聯(lián)合反演［1］多種手段相結(jié)合，刻畫砂體發(fā)育特征。地震相分析技術(shù)［2］與敏感地震屬性［3-5］能夠描述灘壩儲層分布范圍；地震特征反演技術(shù)［6-7］可以對灘壩砂巖發(fā)育情況進行定量預(yù)測。受古地貌及構(gòu)造運動的影響［8］，灘壩砂體常表現(xiàn)為連續(xù)性差的地震響應(yīng)特征，且儲層特征不穩(wěn)定，導(dǎo)致灘壩型油藏勘探仍然存在較多問題：單一地震屬性刻畫砂體邊界存在多解性；常規(guī)波阻抗反演分辨率較低，不能滿足薄層識別精度要求。近年來，地震深度學(xué)習(xí)［9］、多屬性分析［10-11］與融合技術(shù)、波形反演技術(shù)逐漸被應(yīng)用到巖性油藏的研究之中。本文利用測井信息對地震屬性開展深度學(xué)習(xí)與質(zhì)控，通過PCNN 建模優(yōu)選敏感屬性并進行屬性融合，精細(xì)刻畫灘壩砂體邊界；綜合利用地震波形結(jié)構(gòu)與阻抗信息，開展聯(lián)合反演，量化灘壩砂巖平面發(fā)育情況。

1 灘壩砂體展布特征

2 灘壩儲層預(yù)測關(guān)鍵技術(shù)

通過對地震資料進行解釋性預(yù)處理，改善局部地區(qū)地震資料品質(zhì)。綜合運用近似古地貌恢復(fù)、地震相追蹤、地震屬性定性表征、儲層厚度定量刻畫等技術(shù)手段，在FCZ 地區(qū)開展灘壩儲層預(yù)測與巖性圈閉識別（圖1）。

圖1 FCZ地區(qū)灘壩儲層預(yù)測與圈閉識別技術(shù)路線

2.1 近似古地貌分析

E1f3沉積時期，MTZ—FCZ—SHN 東地區(qū)發(fā)育東西兩個大型構(gòu)造高帶，研究區(qū)內(nèi)則發(fā)育東西兩個次級構(gòu)造高帶（zh13 塊與fa10 塊），南部存在一個寬緩的平臺構(gòu)造（圖2）。南部斷裂發(fā)育程度較低，灘壩砂體發(fā)育程度與坡折帶、微幅隆起的平臺構(gòu)造有著較好的對應(yīng)性?；趯永胶蟮臇|西向、南北向兩條地震剖面（圖3），研究區(qū)南部古構(gòu)造高的特征十分清晰。研究區(qū)北部發(fā)育多條“南掉”斷層，灘壩砂體在同沉積斷層上升盤相對發(fā)育。古構(gòu)造高部位是灘壩砂體相對發(fā)育的有利區(qū)，并且砂體展布長軸方向往往與高帶或同沉積斷裂方向一致，基于古地貌恢復(fù)可以指導(dǎo)灘壩砂體有利發(fā)育區(qū)的識別。

圖2 E1f3近似古地貌

圖3 層拉平地震剖面

2.2 解釋性預(yù)處理

因地震資料精度有限，地震反射特征與砂體發(fā)育程度吻合度較低，如井上砂體發(fā)育層段在地震剖面中表現(xiàn)為空白反射（圖4），砂體反射特征因分辨率不足而被掩蓋。頻譜延拓后，局部地區(qū)資料品質(zhì)有所改善：地震剖面整體趨勢不變，但分辨率有所提高；局部地區(qū)復(fù)波分離，弱相位特征得到提升；頻帶寬度一定程度上得到延拓，地震信息更豐富（圖5）。

圖4 原始地震剖面（L636）

圖5 原始地震剖面與拓頻后地震資料對比

“提頻”處理的同時會伴隨出現(xiàn)隨機噪音增加，因此，針對提頻后地震資料進行“去噪”處理，提高資料整體的信噪比（圖6）。濾波后地震資料噪音得到一定壓制，地層反射特征更加清晰。

圖6 濾波前后地震資料對比

2.3 儲層精細(xì)標(biāo)定

在亞段劃分基礎(chǔ)之上，將E1f3細(xì)分出10 個砂層組，通過井震精細(xì)標(biāo)定，明確地震上可分辨的砂層組地震響應(yīng)特征。faX10井上聲波阻抗揭示，E1f3存在四個速度階梯，對應(yīng)于地震剖面中的四個反射同相軸（圖7），每根同相軸具有不同的地質(zhì)意義。第一根同相軸（）主要是E1f4底與E1f3頂?shù)牡貙咏缑?，同時疊合第一反射砂層組形成的中—強振幅反射；第二根同相軸是第二反射砂層組與上覆泥巖形成的中—弱振幅反射；第三根同相軸是第三反射砂層組與上覆泥巖形成的弱振幅反射，局部地區(qū)伴有復(fù)波現(xiàn)象；第四根同相軸（）主要為E1f3底與E1f2頂形成的地層反射。

圖7 faX10井儲層精細(xì)標(biāo)定

2.4 深度學(xué)習(xí)地震屬性分析

2.4.1 PCNN基本原理

PCNN 反饋型神經(jīng)網(wǎng)絡(luò)［12］是由若干個神經(jīng)元互聯(lián)構(gòu)成的單層無導(dǎo)師模型。在多屬性融合中，將屬性的每個數(shù)據(jù)視為一個神經(jīng)元，數(shù)據(jù)幅值充當(dāng)輸入信號。神經(jīng)元的閾值隨著外部輸入信號發(fā)生改變，決定了脈沖輸出或停止。利用神經(jīng)元在多次迭代中產(chǎn)生脈沖輸出的次數(shù)可實現(xiàn)地震多屬性的融合［13］。

2.4.2 地震屬性深度學(xué)習(xí)

通常砂體發(fā)育區(qū)呈強振幅反射，但強振幅是否與厚砂對應(yīng)，存在不確定性。zh13 塊E1f3中上部砂體橫向變化快，第一反射砂層組的厚度在2～7 m 之間不等，砂巖發(fā)育段與欠發(fā)育段均呈現(xiàn)出中強振幅反射（圖8），單憑振幅信息不能較好地刻畫砂巖發(fā)育情況。

圖8 zh13-18—zh13-11—zh13-2—zh13-17連井地震剖面

本次研究提取振幅類、頻率類、相位類等多種屬性并進行深度學(xué)習(xí)，利用自然電位曲線對屬性進行質(zhì)控，依據(jù)盲井和校驗井誤差分析結(jié)果、預(yù)測屬性與實測曲線擬合的參數(shù)部分依賴圖、多種屬性敏感度排序圖（圖9），篩選敏感屬性并調(diào)整神經(jīng)網(wǎng)絡(luò)計算結(jié)構(gòu)。反復(fù)修改深度學(xué)習(xí)模型，直到獲取最優(yōu)結(jié)果，匹配井上巖性信息。

圖9 地震屬性深度學(xué)習(xí)質(zhì)控圖

常規(guī)的算術(shù)平均振幅、瞬時相位等屬性與自然電位的相關(guān)性較低，且不符合現(xiàn)今的沉積規(guī)律，不能較好的表征砂體的平面展布形態(tài)。優(yōu)選出的敏感屬性與井上信息有著較好的對應(yīng)性，并且符合砂體北多南少、東多西少的地質(zhì)認(rèn)識，如甜點累加求和振幅屬性、幾何均方根頻率屬性，砂巖發(fā)育區(qū)與黃色、橙紅色屬性高值區(qū)域相對應(yīng)，砂巖欠發(fā)育區(qū)，對應(yīng)于藍綠色屬性低值（圖10）。

圖10 不同地震屬性平面

上述幾種屬性的平面趨勢大體一致，僅在局部地區(qū)存在細(xì)節(jié)性的差異。如振幅類的累加求和屬性對北部物源的刻畫效果優(yōu)于頻率類的敏感屬性，頻率類的敏感屬性更有利于刻畫砂邊界。敏感屬性連井剖面中，砂體欠發(fā)育段對應(yīng)屬性低值，呈現(xiàn)藍紫色；砂體較發(fā)育段呈黃色中高值屬性；砂體發(fā)育段對應(yīng)橙紅色屬性高值，不同的砂體發(fā)育程度分別對應(yīng)不同的屬性異常響應(yīng)，能夠較好得以區(qū)分（圖11）。

圖11 zh13塊幾何均方根頻率屬性連井剖面

2.4.3 敏感屬性融合

綜合運用振幅的橫向高分辨率與頻率的縱向高分辨率，優(yōu)選與測井曲線相關(guān)度高的敏感屬性進行融合。相對于單一地震屬性提取的地層切片，融合后的地震屬性不僅能更好的體現(xiàn)砂體平面分布趨勢，而且能夠更加清晰地刻畫砂體邊界（圖12—圖13）。

圖12 第一反射砂層組屬性平面

圖13 第二反射砂層組屬性平面

2.5 地震聯(lián)合反演

常規(guī)阻抗反演中，受地震資料帶寬的限制，只能提供中頻成分，而高頻和低頻部分主要通過測井?dāng)?shù)據(jù)、地質(zhì)信息獲得［14］，但純波阻抗反演存在不穩(wěn)定性和多解性。地震波形反映了沉積環(huán)境和巖性組合的空間變化，代表儲層垂向巖性組合的調(diào)諧樣式，其橫向變化反映了儲層空間的相變特征。因此，依據(jù)地震波形的變化可以宏觀反映儲層的空間變異性［15］。

本次研究在阻抗反演的基礎(chǔ)之上，結(jié)合地震反射特征的差異性，開展波形聯(lián)合反演，并利用敏感曲線重構(gòu)縱波阻抗，聲波低頻趨勢結(jié)合自然電位高頻特征提高儲層反演精度。

反演結(jié)果中黃色高值表示砂體較為發(fā)育，整體上與灘壩砂體發(fā)育模式較為吻合：南北方向反演剖面中，北部砂巖相對更為發(fā)育，主要集中在斷層上升盤；東西向反演剖面中，東部砂巖更為發(fā)育，且橫向上不連續(xù)，表現(xiàn)為多個獨立的灘壩砂體，主要集中在構(gòu)造較為寬緩或有一定微幅隆起的構(gòu)造高帶之上（圖14）。

圖14 E1f3聯(lián)合反演剖面

3 結(jié)論

（1）基于亞段研究尺度，細(xì)化砂層組開展沉積微相分析，能夠更準(zhǔn)確描述砂體平面展布特征。

（2）不同地震屬性刻畫砂體邊界存在多解性，通過井震結(jié)合，利用深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)模型，尋找與井匹配度高的敏感屬性進行融合，融合后的地震屬性刻畫砂體邊界更加清晰，且更吻合地質(zhì)沉積規(guī)律。

（3）通過儲層精細(xì)標(biāo)定，綜合波形結(jié)構(gòu)差異性與阻抗特征開展聯(lián)合反演，能有效提高薄互儲層預(yù)測分辨率，提高儲層預(yù)測精度。