鄭笑雪,唐金良

(中國石油化工股份有限公司石油物探技術(shù)研究院,江蘇南京211103)

魯新便等[1]在塔河油田2013年的勘探開發(fā)中提出了“斷溶體”的概念。致密碳酸鹽巖或低孔、低滲的碳酸鹽巖地層受多期次構(gòu)造擠壓作用,沿斷裂帶形成了不同規(guī)模的破碎帶,多期巖溶水沿斷裂下滲致使破碎帶內(nèi)斷裂、裂縫被溶蝕改造,從而形成板狀溶蝕孔、洞儲集體,該儲集體在上覆泥灰?guī)r、泥巖等蓋層封堵以及側(cè)向致密灰?guī)r遮擋下構(gòu)成的圈閉類型,稱為“斷溶體圈閉”。這類圈閉后期因油氣沿斷裂運移、充注后成藏,形成“斷溶體油(氣)藏”。目前已探明的多個順北油氣富集區(qū)均沿大型斷裂帶分布,斷裂破碎帶既是油氣疏導(dǎo)通道,又是成藏的有利空間。順北特深斷溶體埋深普遍超7000m,構(gòu)造應(yīng)力差異導(dǎo)致斷裂發(fā)育樣式多,巖溶作用導(dǎo)致儲層非均質(zhì)性強,因其地震波場特征復(fù)雜,故難以通過簡單的地球物理方法精細(xì)描述和刻畫斷溶體儲層特征,因而制約了斷溶體油藏高效勘探開發(fā)。因此,有必要對斷溶體進行針對性的地球物理方法技術(shù)和流程研究。

楊德彬[2]、焦方正[3]對順北地區(qū)特深斷溶體的油氣富集規(guī)律進行了綜合分析,所總結(jié)的地震反射特征類型及規(guī)律對斷溶體油藏后續(xù)處理解釋具有一定的借鑒意義;馬乃拜等[4]研究了斷溶體的地震反射特征,建立的模型有效指導(dǎo)了斷溶體的識別及開發(fā);徐紅霞等[5]利用多屬性融合技術(shù)預(yù)測斷溶體的連通性;李鵬飛等[6]利用Geoeast解釋軟件對斷溶體進行了描述與刻畫。上述技術(shù)均取得了良好的應(yīng)用效果。

順北奧陶系上部地層的強地震反射同相軸削弱了下部斷溶體的地震響應(yīng)特征,為突出斷溶體的地震異常特征,使其便于識別和描述,需采用相應(yīng)的信號處理技術(shù)消除或減弱反映地層結(jié)構(gòu)特征的連續(xù)強反射同相軸[7]。1998年,HUANG等[8]提出了經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition,EMD)算法,將信號分解為多個不同頻率特性的分量和一個殘余分量;張義平等[9]將其用于地震信號處理,陳東方等[10]利用經(jīng)驗?zāi)B(tài)分解算法壓制信號中的噪聲干擾;2003年,二維經(jīng)驗?zāi)Ｊ椒纸?bidimensional empirical mode decomposition,BEMD)[11-13]概念被提出并廣泛應(yīng)用于各領(lǐng)域;DAMERVAL等[14]采用三角剖分和分段三次多項式插值改進了EMD算法;宋平艦等[15]采用BEMD算法對遙感圖像進行了處理,并取得了一定效果;2005年,劉忠軒等[16]將經(jīng)驗?zāi)B(tài)分解算法與紋理分析相結(jié)合;姜曉宇等[17]利用基于相干技術(shù)與廣義S變換頻譜分解的不連續(xù)性檢測技術(shù)對斷溶體油藏進行了檢測。采用BEMD信號處理技術(shù)和分頻濾波等相關(guān)處理手段對斷溶體地震響應(yīng)特征進行增強預(yù)處理,是實現(xiàn)斷溶體精細(xì)描述和刻畫的前提。

利用地震信息識別和描述斷溶體是順北斷溶體油藏勘探和開發(fā)的關(guān)鍵環(huán)節(jié)之一。地震屬性技術(shù)廣泛應(yīng)用于油氣藏表征與儲層預(yù)測等領(lǐng)域,其中紋理屬性和梯度結(jié)構(gòu)張量屬性在計算機視覺和圖像分類等領(lǐng)域已經(jīng)取得了較好的應(yīng)用效果,為將其應(yīng)用領(lǐng)域拓展至地震數(shù)據(jù)處理,許多學(xué)者進行了研究。GAO[18-20]通過計算紋理屬性實現(xiàn)了斷層識別;KNUTSSON等[21]提取了地震剖面的結(jié)構(gòu)張量屬性;RAO等[22]、FARAKLIOTI等[23]、RANDEN等[24]提取了各向異性介質(zhì)中結(jié)構(gòu)張量屬性并進行了研究;張軍華等[25]和崔世凌等[26]分別將紋理屬性和結(jié)構(gòu)張量屬性提取算法應(yīng)用于不同工區(qū)完成了斷層、河道等特殊異常體的識別;龔屹等[27]利用紋理屬性的聚類分析算法進行裂縫預(yù)測;趙淑琴等[28]將紋理屬性提取技術(shù)應(yīng)用于火山巖邊界刻畫。

綜合利用多種屬性進行聚類分析,得到構(gòu)造、巖性和儲層等多種信息,可有效降低利用屬性進行儲層識別的多解性。SELIM等[29]發(fā)展了K-means方法并得到了廣泛應(yīng)用;MATOS等[30]利用屬性進行聚類分析,并劃分了地震相;楊培杰等[31]利用模糊C均值算法進行地震屬性聚類分析;蔡涵鵬等[32]利用紋理特征進行了半監(jiān)督地震相分析;王治國等[33]對地震多屬性進行了優(yōu)化分析;聚類算法在石油工業(yè)中展現(xiàn)了廣闊的應(yīng)用前景,具有重要的理論和實用價值[34]。

本文提出的基于多屬性的斷溶體特征提取與分帶性自動識別方法,首先以BEMD信號分解理論為基礎(chǔ),削弱反映地層結(jié)構(gòu)的強反射同相軸,突出斷溶體異常響應(yīng);然后利用優(yōu)化梯度結(jié)構(gòu)張量和地震紋理屬性算法,提高斷溶體儲層地震屬性識別精度;再利用優(yōu)選的多種斷溶體識別地震屬性,采用K-means算法進行降維化聚類;最終實現(xiàn)斷溶體空間形態(tài)和分帶性的自動刻畫。

1 斷溶體邊界刻畫技術(shù)

1.1 基于BEMD信號處理的斷溶體特征增強分析

采用BEMD[11-13]算法對斷溶體剖面數(shù)據(jù)進行預(yù)處理,假定地震數(shù)據(jù)滿足相應(yīng)條件[11-13],具體分析過程如下。

1) 定義初始剖面參數(shù),將疊后地震剖面數(shù)據(jù)進行灰度化處理后,作為輸入數(shù)據(jù):

r1,1(x,y)=f(x,y)

(1)

式中:f(x,y)為地震剖面;r1,1(x,y)為初始輸入剖面。

2) 計算輸入剖面rp,k(x,y)的極大值和極小值,其中p代表從地震剖面計算得到的第p個分解分量,k為篩分次數(shù)(P=1,2,,p;K=1,2,,k)。

(2)

4) 將斷溶體剖面rp,k(x,y)減去計算的曲面均值mp,k(x,y),得到:

hp,k(x,y)=rp,k(x,y)-mp,k(x,y)

(3)

5) 重復(fù)上述步驟,當(dāng)hp,k(x,y)不能再被分解時,即滿足約束條件SD:

(4)

分解得到的第p個IMF分量為Cp(x,y),Cp(x,y)=hp,k(x,y)。

6) 計算殘余量:

rp+1,k(x,y)=rp,1(x,y)-Cp(x,y)

(5)

7) 經(jīng)過p次分解計算得到殘余量rp(x,y)=rp+1,k(x,y),目標(biāo)信號為:

(6)

對如圖1a所示的地質(zhì)模型進行BEMD分解測試。該模型通過在斷裂帶內(nèi)添加不同大小和發(fā)育密度的縫洞體來模擬斷溶體的分帶性,其中斷溶體核部為大尺度縫洞體且縫洞體發(fā)育密集,翼部縫洞體尺度相對較小且發(fā)育密度低,斷溶體上覆地層為泥巖層。從地震剖面可以看出,斷溶體發(fā)育的碳酸鹽巖地層上部存在強能量地震同相軸,影響了斷溶體的特征識別,此外,斷溶體弱破碎帶(相當(dāng)于斷溶體翼部)地震響應(yīng)呈現(xiàn)弱反射特征,當(dāng)破碎程度較強(相當(dāng)于斷溶體核部)時,地震響應(yīng)表現(xiàn)為雜亂異常反射特征(圖1b)。BEMD分解結(jié)果(圖1c)在一定程度上使異常更聚焦,同時對背景數(shù)據(jù)進行了壓制。對模擬地震數(shù)據(jù)進行處理,通過BEMD分解得到單頻或多頻段內(nèi)的不同組合剖面,分解得到的剖面分別代表IMF1,IMF2,IMF3分量。分析其有效頻段數(shù)據(jù)組合方式獲取有效的BEMD提取結(jié)果(圖2),IMF1分量主要反映斷溶體空間異常特征,IMF2分量主要反映地層結(jié)構(gòu)信息,IMF3分量代表算法分解的殘差部分,IMF1分量增強了斷溶體地震響應(yīng)特征信息,為實際工區(qū)效果分析奠定了基礎(chǔ)。

圖1 模型的BEMD分解a 地質(zhì)模型; b 地震剖面; c BEMD分解結(jié)果

圖2 模型BEMD提取結(jié)果a 地震剖面; b IMF1分量; c IMF2分量; d IMF3分量

1.2 基于地震紋理分析的斷溶體識別研究

對剖面進行BEMD處理后,通過計算紋理屬性和結(jié)構(gòu)張量屬性,探討地震紋理分析在斷溶體識別和預(yù)測中的應(yīng)用。

1.2.1 基于地震紋理屬性的斷溶體識別

HARALICK等[34]利用灰度共生矩陣計算紋理屬性,并將其應(yīng)用于地球物理領(lǐng)域。首先對地震剖面振幅數(shù)據(jù)進行灰度化計算,然后統(tǒng)計一定距離和方向上地震數(shù)據(jù)的相似性,得到地震振幅數(shù)據(jù)在不同方向、不同角度等方面的變化特征。進行灰度化計算時,沿著某一方向計算距離為δ的任意兩個剖面振幅滿足一定條件的概率為:

p(i,j)=∑{g(x,y)=i,g(x+Δx,y+Δy)=j}i,j=0,1,,L-1,L

(7)

1) 能量。

能量統(tǒng)計了紋理灰度的變化程度,反映地震剖面振幅的分布均勻程度。

(8)

2) 熵。

熵可以度量剖面中紋理的隨機性。當(dāng)共生矩陣的值大小都相等時,熵為最大值;反之,其值較小。

(9)

3) 對比度。

對比度為灰度共生矩陣主對角線附近的慣性矩,可以反映剖面矩陣的清晰度和紋理的溝紋深淺。

(10)

選取如圖1a所示模型進行紋理屬性提取分析,為了更好地識別斷溶體發(fā)育特征,提取不同方向、不同灰度級、不同窗口的紋理屬性,結(jié)果如圖3所示。其中對比度屬性、熵屬性、能量屬性均可表征剖面上的斷溶體,優(yōu)化后的紋理屬性連續(xù)性得到了增強,其中熵屬性更為連貫,說明斷溶體灰度值變化較大。

圖3 紋理屬性提取結(jié)果a 某商業(yè)軟件的對比度屬性; b 某商業(yè)軟件的能量屬性; c 某商業(yè)軟件的熵屬性; d 采用本文方法得到的對比度屬性; e 采用本文方法得到的能量屬性;f采用本文方法得到的熵屬性

1.2.2 基于地震梯度結(jié)構(gòu)張量屬性的斷溶體識別研究

梯度結(jié)構(gòu)張量(GST)主要用于計算地震構(gòu)造屬性和預(yù)測裂縫發(fā)育區(qū),本文在現(xiàn)有算法的基礎(chǔ)上研發(fā)優(yōu)化了GST屬性的提取方法,具體包括以下步驟。

1) 在計算梯度結(jié)構(gòu)張量之前利用BEMD進行斷溶體特征增強處理,然后采用特定濾波器算子對剖面進行處理,增強斷溶體邊界。

2) 計算三維地震數(shù)據(jù)體每一點的梯度矢量:

(11)

(12)

式中:u(x,y,z)為地震數(shù)據(jù)。

3) 構(gòu)建梯度結(jié)構(gòu)張量T[33]:

(13)

4) 采用不同的高斯核參數(shù)對梯度結(jié)構(gòu)張量的每一個成分進行平滑測試,選取最優(yōu)結(jié)果:

(14)

式中:G(x,σT)是高斯核函數(shù);σT是尺度參數(shù)。

(15)

5) 計算梯度結(jié)構(gòu)張量的特征值和特征向量:

|Tυ-λυ|=0

(16)

式中:λ為高斯核函數(shù)的相關(guān)參數(shù)。利用不同高斯核函數(shù)的相關(guān)參數(shù)對模型(圖1a)提取梯度結(jié)構(gòu)張量屬性,結(jié)果如圖4所示,從左至右所選用的參數(shù)λ分別

圖4 模型梯度結(jié)構(gòu)張量屬性提取結(jié)果a λ1分量; b λ2分量; c λ3分量

為0.1,0.5,2.0,2.5。不同高斯核參數(shù)下得到的結(jié)構(gòu)張量屬性λ1,λ2差異明顯,λ3差異較小;λ1提取結(jié)果相對較差,整體信息雖然較豐富,但是背景噪聲較嚴(yán)重;λ2相對較好,但是仍存在部分模糊現(xiàn)象,整體提取效果較理想且不受參數(shù)影響。對比剖面可知,當(dāng)參數(shù)λ為0.1和2.5時,屬性計算效果存在模糊性(圖4a);參數(shù)λ為0.5時,背景存在較多噪聲;參數(shù)λ為2時的效果較為理想。

1.3 基于多屬性聚類的斷溶體分帶性自動識別研究

屬性解釋的多解性造成儲層的準(zhǔn)確識別存在困難。屬性提取結(jié)果是同一地質(zhì)體的不同方面的響應(yīng),地震屬性聚類分析是對相互獨立參數(shù)進行分析,因此可以在無井約束的情況下完成儲層分類預(yù)測。本文利用K-means原理將多個地震數(shù)據(jù)進行聚類,在實現(xiàn)屬性降維的同時,實現(xiàn)斷溶體分帶性自動識別。本文將屬性集分為c個類別,算法描述如下。

1) 適當(dāng)選擇c個類的中心作為初始剖面聚類中心。

2) 在第k次迭代中,對任意一個屬性數(shù)據(jù),求其到c個中心剖面的距離,將該樣本歸到距離最短的中心所在的類:

(17)

式中:xi代表屬性剖面;μj代表聚類中心剖面。

3) 利用均值等方法更新該類的中心值:

(18)

4) 對于所有的c個聚類中心,如果利用步驟2)和3)迭代更新后,中心值保持不變,則迭代結(jié)束,否則繼續(xù)迭代。

采用上述方法計算相關(guān)屬性,模型優(yōu)選的多種屬性如圖5a所示,從左到右分別是為能量性、熵屬性、以斷溶體地震響應(yīng)特征增強預(yù)處理方法為基礎(chǔ),開展以紋理屬性和GST屬性為核心的多屬性斷溶體識別分析,結(jié)合空間描述和分帶性識別技術(shù),提出了針對斷溶體的一體化處理識別方法,具體流程見圖6。

圖5 模型屬性聚類結(jié)果a 模型優(yōu)選多種屬性; b 屬性分帶性聚類結(jié)果; c 聚類結(jié)果與原剖面疊合顯示

圖6 基于多屬性的斷溶體特征提取與分帶性自動識別算法流程

2 實際資料處理

對順北油田B工區(qū)三維地震資料進行處理,結(jié)果如圖7所示,順北油田發(fā)育一系列沿斷裂分布的碳酸鹽巖斷溶體油藏,其中典型斷溶體地震響應(yīng)特征如圖7中紅框所示。對實際地震資料進行BEMD預(yù)處理,結(jié)果如圖8所示。對預(yù)處理后的實際地震資料提取紋理屬性(圖9a)和梯度結(jié)構(gòu)張量屬性(圖9b),可見利用優(yōu)化算法的紋理屬性所識別斷溶體形態(tài)更加連續(xù),梯度結(jié)構(gòu)張量屬性在一定程度上可以指示斷溶體邊界輪廓。將不同過井曲線的紋理屬性、結(jié)構(gòu)張量屬性等作為輸入數(shù)據(jù)進行斷溶體分帶性聚類分析,結(jié)果如圖10所示,斷溶體分帶性與鉆井所揭示的儲層信息特征相吻合。圖11為多屬性聚類斷溶體分帶性自動識別的時間切片和三維可視化結(jié)果,斷溶體分帶性刻畫精度高,與井資料吻合程度高,證明了方法的有效性。

圖7 實際地震資料剖面(含斷溶體油藏)

圖8 實際地震資料BEMD預(yù)處理結(jié)果a IMF1分量; b IMF2分量; c IMF3分量

圖9 對預(yù)處理后的實際地震資料提取的紋理屬性(a)和梯度結(jié)構(gòu)張量屬性(b)

圖10 斷溶體分帶性聚類分析結(jié)果a 過井1-5曲線; b 過井1-1曲線

圖11 多屬性聚類斷溶體分帶性聚類結(jié)果時間切片(a)和三維可視化結(jié)果(b)

3 結(jié)論

1) 斷溶體的檢測很大程度上依賴于地震剖面處理結(jié)果的質(zhì)量。基于BEMD的地震信號分解技術(shù)有效削弱了與地層結(jié)構(gòu)相關(guān)的地震強反射同相軸,增強了斷溶體的地震響應(yīng)特征。

2) 通過優(yōu)化紋理屬性和GST屬性算法,有效強化了紋理屬性識別斷溶體的能力,提高了屬性識別斷溶體的精度,獲得了突出的斷溶體識別應(yīng)用效果。綜合利用多種地震屬性,充分挖掘單一屬性內(nèi)涵信息,利用K值聚類算法可以實現(xiàn)屬性的降維,降低多屬性預(yù)測儲層的多解性,進一步提高儲層預(yù)測精度。

3) 地震屬性處理結(jié)果,關(guān)系到斷溶體邊界及內(nèi)幕縫洞儲層刻畫精度,隨著越來越多智能化優(yōu)化算法的出現(xiàn)以及混合算法的改進,智能化自動識別斷溶體描述和刻畫算法具有廣闊的應(yīng)用前景,將其應(yīng)用于斷溶體邊界識別并結(jié)合內(nèi)幕儲層特征研究是下一步研究方向。