基于疊前地震紋理特征的半監(jiān)督地震相分析

蔡涵鵬 胡浩煬 吳慶平 王 軍 李志鵬

(①電子科技大學(xué)資源與環(huán)境學(xué)院，四川成都 611731； ②電子科技大學(xué)信息地學(xué)中心，四川成都 611731；③中國石化勝利油田分公司勘探開發(fā)研究院，山東東營 257015)

0 引言

在地震層序劃分的基礎(chǔ)上，地震相分析利用地震波參數(shù)(振幅、頻率、相位等)特征的差異性，將地震層序劃分為不同的地震相類別。結(jié)合鉆井及已知地質(zhì)信息，可以將地震相分析結(jié)果用于巖相或沉積環(huán)境的推斷[1]。特定情況下，地震相分析結(jié)果也可用于識別儲層和流體性質(zhì)。在地震儲層特征的描述和檢測方法中，地震相分析已經(jīng)成為一種不可或缺的方法[2]。諸多地球物理學(xué)學(xué)家借鑒圖像模式識別方法理論，僅僅從海量地震數(shù)據(jù)中得到地震屬性以及其他一些輔助信息刻畫地質(zhì)體的空間分布，逐漸形成了方法理論較完善的無監(jiān)督地震相分析方法，實際資料應(yīng)用也取得了良好效果[3]。

自組織映射(Self-Organizing Map,SOM)方法被廣泛應(yīng)用于地震相分析。通過識別訓(xùn)練好的SOM網(wǎng)絡(luò)輸出層神經(jīng)元與地震相類別之間的關(guān)系，可以有效確定待測試樣本與地震相類別之間的關(guān)系。SOM網(wǎng)絡(luò)輸出層神經(jīng)元與地震相類別之間的關(guān)系是通過對SOM網(wǎng)絡(luò)輸出層神經(jīng)元進(jìn)行K均值聚類實現(xiàn)的。K均值聚類方法將待分析的樣本集分為K個簇，使簇內(nèi)樣本具有較高的相似度，而簇間樣本具有較低的相似度。相似度可由每個樣本到簇中心的歐式距離、曼哈頓距離或馬氏距離等方式度量。大量實踐表明，K均值聚類易受“噪聲”和孤立點(diǎn)的影響，無法實現(xiàn)對SOM輸出層的神經(jīng)元的最佳聚類。由此SOM輸出層神經(jīng)元映射到地震相類別時可能會使地震相邊界模糊甚至混淆。值得注意的是，基于SOM的地震相分析方法不是利用鉆井、測井、地質(zhì)等先驗知識，而是僅根據(jù)經(jīng)驗判斷類別數(shù)K。張等[4]利用粒子群優(yōu)化算法對SOM輸出層的神經(jīng)元進(jìn)行了優(yōu)化聚類，但仍未利用鉆井、測井等寶貴信息。

現(xiàn)階段地震相分析大多基于原始地震波形。由于大地的濾波作用，地震數(shù)據(jù)呈低頻、窄帶特征，因而僅僅利用原始地震波形難以描述地震反射信息中的微小變化，如小斷層、阻抗差異小的巖性邊界。近年來，應(yīng)用于油氣勘探開發(fā)的各種地震屬性計算方法已經(jīng)取得了重大進(jìn)展[5]。眾多地球物理學(xué)家們將時頻分析、瞬時屬性、幾何結(jié)構(gòu)屬性(曲率、相干等)、紋理屬性、彈性參數(shù)反演等結(jié)果與SOM方法相結(jié)合，實現(xiàn)了地震相自動劃分和識別[6]，尤其是圖像紋理分析得到廣泛關(guān)注。Gao[7]將地震紋理定義為相鄰地震振幅的空間排列，并指出，對于識別地震特征，與平均振幅相比，地震紋理分析有效強(qiáng)調(diào)并突出地震反射振幅的空間變異性。地震紋理屬性已被應(yīng)用于構(gòu)造解釋、鹽丘體識別、儲層描述和預(yù)測、沉積環(huán)境分析等，也被成功地應(yīng)用于地震相分析[7-8]。胡英等[9]聯(lián)合地震紋理屬性和模糊C均值聚類算法實現(xiàn)了地震相的自動劃分。但現(xiàn)有方法均是從疊后地震數(shù)據(jù)中提取地震紋理特征。疊前地震屬性已經(jīng)成為地震屬性發(fā)展的一個必然方向[10]。Song等[11]提出基于疊前地震紋理屬性地震相分析方法，并初步應(yīng)用于斷層和溶蝕孔洞發(fā)育區(qū)的識別。

因此，本文提出基于疊前地震紋理屬性的半監(jiān)督地震相分析算法，不僅能夠從疊前地震數(shù)據(jù)中挖掘更多的有關(guān)微小空間、振幅隨方位角/炮檢距等的變異性，也能有效利用鉆井、測井、地質(zhì)等寶貴的先驗信息，并采用全局優(yōu)化算法優(yōu)化SOM從輸出層到地震相類別的映射關(guān)系。本文方法在理論模型數(shù)據(jù)和塔里木盆地實際資料的應(yīng)用中均取得良好的效果。

1 方法原理

1.1 疊前地震紋理特征提取

相比于單一地震波形本身的特征，紋理特征不僅可以反映疊前地震反射面元本身的波形特征，還包含多個方向的空間信息，它是地震波形、空間信息、儲層特征的有機(jī)整合體。在假定圖像中各像素間的空間分布關(guān)系包含了圖像紋理信息的前提下，Haralick等[12]提出了分析紋理的灰度共生矩陣(GLCM)統(tǒng)計法，并定義了14種紋理屬性。Ulaby等[13]通過實際資料應(yīng)用發(fā)現(xiàn)，只有能量、對比度、同質(zhì)性和相關(guān)性之間是相互獨(dú)立的。能量反映紋理信息的粗細(xì)程度；對比度反映紋理特征變化的程度；同質(zhì)性反映局部紋理的均勻程度；相關(guān)性則反映GLCM中行元與列元的相似程度。

隨著地震采集儀器的進(jìn)步和觀測系統(tǒng)的優(yōu)化，共反射點(diǎn)疊前地震數(shù)據(jù)局部疊加的信噪比已經(jīng)能夠滿足儲層預(yù)測、流體識別的要求。根據(jù)Song等[11]設(shè)計的疊前紋理特征提取算法，并考慮不同空間方向上的差異性，從6個方向上計算各地震反射元的GLCM。在GLCM的基礎(chǔ)上，計算能量、對比度、相關(guān)性和同質(zhì)性四種非相關(guān)的疊前地震紋理屬性。本次研究不考慮時間方向，每個地震反射元的疊前地震紋理元與GLCM統(tǒng)計方向分別如圖1和表1所示。

表1 地震反射元的GLCM統(tǒng)計方向[11]

Inline和Crossline方向提取的紋理屬性分別用于增強(qiáng)地震反射元之間在主測線和聯(lián)絡(luò)測線方向的關(guān)系(如斷層、地質(zhì)體邊界、地質(zhì)體橫向連續(xù)性等)；炮檢距方向提取的紋理屬性可突出地震反射元中與巖性和流體性質(zhì)相關(guān)的振幅隨炮檢距變化的信息；方位角方向提取的紋理屬性可增強(qiáng)地震反射元中與各向異性(如裂縫發(fā)育程度)相關(guān)的振幅隨方位角變化信息。對于不同的疊前地震數(shù)據(jù)道集和不同的應(yīng)用目的，提取疊前地震紋理特征的方式存在差異，如對于描述儲層各向異性特征，疊前紋理屬性特征提取的重點(diǎn)方向是方位角方向，并且考慮到疊前紋理屬性描述的是相同反射點(diǎn)在不同方向上地震反射振幅的變化，寬方位角疊前道集需要采用各向異性速度完成動校正處理，即保證道集被校平。

圖1 地震反射元的疊前地震紋理元示意圖

1.2 自組織映射

自組織映射是一種無監(jiān)督的競爭性學(xué)習(xí)方法，由2層網(wǎng)絡(luò)結(jié)構(gòu)組成(圖2)。

圖2 SOM網(wǎng)絡(luò)結(jié)構(gòu)示意圖

圖2中輸入層的維數(shù)與每個樣本向量的維數(shù)一致。輸入層與輸出層之間采取全連接，而輸出層各神經(jīng)元之間為側(cè)抑制連接。假設(shè)訓(xùn)練樣本Xi的維度為D，首先計算Xi與競爭層各神經(jīng)元之間的距離，從中找出距離Xi最近的最佳匹配神經(jīng)元(Best Matching Unit，BMU)，然后根據(jù)式(1)更新神經(jīng)元及其領(lǐng)域內(nèi)包含的神經(jīng)元的權(quán)值

Ws(t+1)=Ws(t)+η(t)h[dist(BMU,vs),t]×

[Xi-Ws(t)]

(1)

式中：vs表示領(lǐng)域內(nèi)第s個神經(jīng)單元；Ws(t)表示第s個神經(jīng)元在t時刻對應(yīng)的權(quán)向量；η(t)是一個隨時間增加而逐漸減小的學(xué)習(xí)率；h(·)是領(lǐng)域函數(shù)自變量； dist(·，·)表示求取領(lǐng)域內(nèi)神經(jīng)元間的距離。依次利用訓(xùn)練樣本更新網(wǎng)絡(luò)權(quán)值。訓(xùn)練結(jié)束后，相鄰的輸出層節(jié)點(diǎn)就可以認(rèn)為關(guān)聯(lián)了輸入數(shù)據(jù)中的相似樣本。

1.3 半監(jiān)督自組織映射

1.4 算法流程

結(jié)合少量的已知標(biāo)簽信息，本文研究了基于 SS-SOM聚類方法。為了緩解K均值聚類方法從SOM輸出層到地震相映射時相邊界的混淆，利用全局優(yōu)化算法和監(jiān)督信息進(jìn)行SOM輸出層關(guān)聯(lián)節(jié)點(diǎn)的劃分。采用全局優(yōu)化算法對SOM輸出層的神經(jīng)元進(jìn)行優(yōu)化聚類，從而得到一個從輸出層結(jié)點(diǎn)到地震相類別指派的最優(yōu)映射，實現(xiàn)流程如圖3所示，具體算法步驟如下：

(1)根據(jù)應(yīng)用目標(biāo)，采取合適方式從疊前地震數(shù)據(jù)中提取疊前地震紋理屬性；

(2)對訓(xùn)練集(包括少量有標(biāo)簽和大量無標(biāo)簽的樣本)進(jìn)行SOM訓(xùn)練；

(3)標(biāo)記標(biāo)簽樣本對應(yīng)的SOM輸出層的響應(yīng)元，并根據(jù)標(biāo)簽信息確定它們之間的“必連”或“勿連”關(guān)系；

(4)利用全局優(yōu)化算法和獲取的連接約束關(guān)系對SOM輸出層進(jìn)行優(yōu)化K均值聚類，待優(yōu)化的目標(biāo)函數(shù)f為K均值聚類的類內(nèi)距離之和

(2)

(5)重復(fù)步驟(4)，直至滿足全局最優(yōu)化算法的停止條件，得到最終SOM輸出神經(jīng)元與類別的映射關(guān)系；

圖3 半監(jiān)督地震相分析方法流程

(6)將待測試樣本輸入步驟(5)獲得SOM網(wǎng)絡(luò)，得到它在SOM輸出層的響應(yīng)元，根據(jù)優(yōu)化的映射關(guān)系得到待測試樣本對應(yīng)的地震相類別。

2 模型分析

用圖4所示地質(zhì)結(jié)構(gòu)模型合成包含振幅隨炮檢距變化信息的疊前地震數(shù)據(jù)，驗證疊前地震紋理屬性的優(yōu)越性和半監(jiān)督地震相分析方法的有效性。數(shù)據(jù)生成過程中，震源子波為主頻等于30Hz的雷克子波，正演合成記錄采用Aki-Richards三項AVO方程，時間采樣率為1ms。圖4a所示地質(zhì)結(jié)構(gòu)模型包含了4大套地層，不同地層巖石的物性參數(shù)(縱、橫波速度、密度)如圖4b所示。圖4中存在4種橫向差異巖性體。為保證合成疊前地震道集與實際采集地震數(shù)據(jù)更一致，使用帶通濾波器(10～15—50～60Hz)獲得信噪比為10dB的疊前地震道集數(shù)據(jù)體，并疊加生成的疊前地震道集，獲得疊后地震數(shù)據(jù)體。

首先對目標(biāo)數(shù)據(jù)提取疊前地震紋理屬性，再利用SOM、SS-SOM方法分別生成地震相圖，結(jié)果如圖5所示。SOM和SS-SOM網(wǎng)絡(luò)結(jié)構(gòu)中輸出層神經(jīng)元數(shù)目均為100。

圖5表明，噪聲和疊加操作使疊后地震數(shù)據(jù)包含的信息模糊，致使分類結(jié)果中的類別混淆，相帶完全不可識別；基于疊前地震紋理屬性的地震相分析結(jié)果則相對清晰。圖5b表明，在含噪聲情況下，盡管根據(jù)疊前地震紋理屬性可分析出解釋所需的有價值信息，但仍存在大量的錯誤地震相類別指派，尤其是對于第②類規(guī)模較小巖性體(黑色箭頭)空間展布的預(yù)測誤差更大。圖5c表明本文方法得到的地震相圖誤差極小。

圖4 地質(zhì)結(jié)構(gòu)模型(a)及LL’剖面地質(zhì)模型參數(shù)(b)

圖5 不同方法的地震相分析結(jié)果a)疊后數(shù)據(jù)SOM方法; (b)疊前地震紋理屬性SOM方法; (c)疊前地震紋理屬性SS-SOM方法圖中①～④表示巖性體編號

3 實例分析

以塔里木盆地A區(qū)的巴仕基奇克組為例分析和驗證本文方法的實際應(yīng)用效果。巴仕基奇克組頂如圖6綠線所示。該試驗區(qū)中，巴仕基奇克組地層中包含大量斷層和不同厚度的砂體。根據(jù)地震資料的主頻、砂巖速度以及鉆井資料，將該目標(biāo)地層劃分為四類地震反射模式：無砂模式(如W2、W4、W5、W7井)、薄砂模式(小于調(diào)諧厚度，如W6、W9、W11井)、厚砂模式(W3、W8井)以及斷層模式。

對疊前地震道集(包含振幅隨炮檢距變化)提取地震紋理屬性(圖7)?？梢?，在疊前地震同質(zhì)性紋理屬性中，斷層呈現(xiàn)為低同質(zhì)性特征(黑色)。

借鑒de Matos等[3]的研究成果，本文應(yīng)用于實際數(shù)據(jù)處理的SOM網(wǎng)絡(luò)結(jié)構(gòu)中輸出層神經(jīng)元數(shù)目為100。不同方法的分析的地震相結(jié)果見圖8。

圖8a未能清晰地描述斷層，并且相帶的邊界不清晰(如白色箭頭所示)。圖8b表明，基于疊前地震紋理特征的無監(jiān)督SOM聚類方法獲得的地震相圖對斷層的空間展布描述效果有極大的提升(如紅色箭頭標(biāo)記處)，證實了疊前地震紋理屬性可有效描述實際地震數(shù)據(jù)包含的細(xì)微信息，但是地震相邊界仍然模糊不清。

圖7 沿目標(biāo)層位的疊前地震同質(zhì)性紋理屬性切片圖中AA′線為圖6地震剖面所對應(yīng)的位置，BB′曲線為依據(jù)實際鉆井資料和地震均方根振幅屬性推測的砂體邊界

在進(jìn)行半監(jiān)督聚類的地震相分析過程中，采用交叉驗證方法優(yōu)選獲得最終的SS-SOM網(wǎng)絡(luò)模型，即隨機(jī)地將鉆遇無砂模式、薄砂模式、厚砂模式的井均留出一口井作為驗證，將其余井作為標(biāo)簽參與訓(xùn)練，從而有效地避免SS-SOM模型欠學(xué)習(xí)，處理結(jié)果見圖8c。對比圖8b與8c表明，本文方法對斷層和相邊界的刻畫都更加清晰，并且橫向分辨率也得到了一定程度的提升(如圖8c中白色橢圓所示)。結(jié)合已知鉆井信息對比分析，圖8a中的井W4、W6、W8和W11的信息均與測井資料不符；圖8b中井W9和W11所處位置被劃分為無砂地震反射模式，井W6所處位置被劃分為厚砂巖地震反射模式；而圖8c中，各井位置的相劃分結(jié)果均與測井資料基本相符，證明了本文研究方法的適用性和正確性。

圖8 不同方法的實際數(shù)據(jù)地震相分析結(jié)果(a)疊后地震波形采用SOM方法得到的地震相圖； (b)疊前地震紋理特征采用SOM方法得到的地震相圖； (c)疊前地震紋理特征采用SS-SOM方法得到的地震相圖。紅色箭頭指示處為斷層，白色箭頭指示處為相邊界

4 結(jié)論

本文提出了一種基于疊前地震紋理特征的半監(jiān)督地震相分析方法。結(jié)合鉆井已知資料和全局優(yōu)化算法，采用半監(jiān)督方式對傳統(tǒng)的無監(jiān)督SOM方法進(jìn)行優(yōu)化和改進(jìn)，實現(xiàn)了SOM網(wǎng)絡(luò)輸出層神經(jīng)元到地震相類別的更優(yōu)聚類，提高了地震相帶邊界識別能力，能產(chǎn)生更準(zhǔn)確的地震相圖。數(shù)值模型和實際資料應(yīng)用結(jié)果證明，基于疊前地震紋理特征的地震相分析有助于提高地震相分類的效果，對微小相帶的展示更清晰和準(zhǔn)確。