歧北斜坡滩坝砂体地震预测技术

郭淑文， 吴雪松， 祝文亮， 邢 兴， 国春香

(1.中国石油 a.大港油田勘探开发研究院, b.大港油田勘探事业部，天津 300280)



歧北斜坡滩坝砂体地震预测技术

郭淑文1a， 吴雪松1a， 祝文亮1b， 邢 兴1a， 国春香1a

(1.中国石油 a.大港油田勘探开发研究院, b.大港油田勘探事业部，天津 300280)

歧北斜坡沙二段滩坝砂体储层预测面临薄互层地层地震分辨率低，灰质砂岩与常规砂岩地震反射特征相似难以预测两个难点。通过试验优选，形成了两项针对性的地震储层预测方法。针对地震资料分辨率低，薄砂层预测困难的问题，采用谱分解和地震属性相结合方法，在分频体上提取地震属性，提高薄砂层识别能力。针对高灰质含量的滩坝砂体难以预测的问题，探索了利用地震属性降维和数据融合技术剔除灰质的方法。实际应用表明，谱分解技术和多地震属性降维技术，能够较好地预测歧北斜坡滩坝砂体的薄砂层，并在滩坝砂主砂体发育区的预测中，剔除了灰质的影响。

滩坝砂体； 谱分解； 灰质剔除； 奇异值分解； 属性降维； 数据融合

0 引言

歧北斜坡位于歧口凹陷西南缘，南北夹持于滨海断层及南大港断层之间，西为孔店凸起，向东延伸到歧口主凹，为一向东倾的长期发育的斜坡构造。该区沙河街组发育砂岩、生物灰岩，储集体储层物性较好。

歧北斜坡沙三段末隆升侵蚀后，沙二段再次水进沉积，形成古湖湾。沙二段沉积时期地形总体比较平缓，具备较大范围的浅水区，物源间歇性供应与滨浅湖沉积环境相匹配，有利于湖浪改造形成平行湖岸的大规模滩坝沉积，沙二段滩坝砂体是该区重要的储集体。当水体动荡，水动力较强时，为滩坝沉积；受古地貌控制及物源输入减弱时，则发育以砂质白云岩为主的砂屑云坪。因此在古物源、古地形、古水动力控制作用下，歧北地区沙二段整体上具有前缘砂体连片、坝砂成带、纵向叠置、频繁互层的特点[1]。

1 滩坝砂体地震储层预测技术优选

滩坝砂体是断陷湖盆缓坡带普遍发育的良好油气储集体，由于该类储层单层厚度薄，横向变化大，分布规律复杂，储集砂体的地质识别以及地球物理预测难度均较大。歧北斜坡滩坝砂体地震储层预测需要解决两个方面问题：

1)砂泥岩薄互层预测。歧北斜坡以岩性油气藏为主，埋藏深度为 2 800 m～3 900 m，砂岩储层厚度只有3 m～6 m，是典型的砂泥岩薄互层特征。根据合成地震记录以及实际地震剖面分析，歧北斜坡沙二段的滨III、滨IV油组为两个波峰反射特征(图1黄色部分)，其中，主要含油层系滨IV油组是一组连续稳定的强反射。

图1 过典型井地震剖面

根据砂岩速度为4 400 m/s、密度为2.65 g/cm3、厚度为5 m，泥岩间隔为5 m～10 m、速度为4 000 m/s、密度为2.6 g/cm3的薄互层模型(图2(a))，用25 Hz的雷克子波进行正演，得到正演剖面(图2(b))，在正演地震剖面上可以看出，多层砂体相互叠置干涉，只形成一个连续稳定的强反射，地震反射的强度与砂体厚度有一定的相关性，地震反射的分辨率较低，反射时间与薄互层的顶界面位置和速度发生突变的位置相关。对正演数据进行频谱扫描(图2(c))，图中纵轴表示频率，不同颜色表示对应频率的能量高低，暖色调表示能量强，将分频调谐能量与互层模型(图2(a))对比可以发现，当砂层叠加厚度越大，对应的调谐频率能量越强，且厚层的调谐频率范围较大，薄层的调谐频率范围较小，因为正演模型采用的是雷克子波，所以正演数据的频率范围较低，实际地震数据的频率范围比正演数据的频带范围宽。因此可利用适合薄互层预测的谱分解以及井震结合的储层参数反演技术，来提高滩坝砂岩薄层的分辨率。

2)灰质成分剔除。歧北斜坡地区的滩坝砂体并不是简单的砂、泥岩两种岩性的互层组合，而是由不同速度、密度的灰质粉砂岩、粉砂岩和泥岩、灰质泥岩以及过渡岩性等复杂岩性组成。

图2 薄互层模型正演

图3 测井曲线岩性交会图

从测井曲线交会图(图3)可以看出，不同岩性的速度、密度值范围存在重叠区间，导致地震响应特征近似，因此使用常规的地震属性方法很难有效区分岩性，需要利用灰质剔除的方法去除灰质对地震属性的影响，预测出有利的砂岩储层发育区[2-3]。地震数据降维就是将多个地震属性进行空间压缩，降维后的每个地震属性都是原属性的函数，且达到维数约简的目的。

SVD(奇异值分解)是基于矩阵的数学运算方法，可用于地震属性降维方法。SVD定理:设X是一秩为r的n×r维矩阵,则存在两个正交矩阵U、VT且满足X=UDVT，其中:D是将XXT非零特征值按从大到小排列的对角矩阵；Ui(矩阵U的第i行)和Vi(矩阵V的第i列)分别为XXT和XTX对应于特征值的特征矢量。

在对变量空间和对象空间分别做主成分分析的基础上，SVD分解用变量空间的得分和对象空间的权重来表述数据的特征，SVD地震属性降维就是将多个地震属性融合的矩阵按特征值大小进行重新排序。SVD降维后的地震属性的第一主分量对应特征值最大的融合分解属性，即该属性包含所有地震属性中最多的信息共性，因此该分量属性主要代表整个地区的背景成份；第二、第三主分量对应特征值较小的融合分解属性，反映多个地震属性的的个性信息较多，因此这两个融合分解属性表征的主要是储层岩性、物性或其他信息[4-6]。可应用SVD地震属性降维技术以及多数据体融合方法，利用不同的降维分量分离灰质成分的地震影响，可达到灰质剔除的目的。

2 歧北斜坡沙二段地震储层预测

2.1 薄互层砂体地震储层描述

歧北斜坡沙二段滩坝沉积的砂泥岩薄互层在地震上的响应特征，是一组振幅和相位都比较稳定的强反射。在原始地震剖面上沿目的层位提取各种地震属性，都不能反映砂体厚度和岩性的变化规律。依据正演分析结果以及国内、外薄互层砂体的地震预测现状，地震反演和谱分解两种储层预测方法是提高薄互层砂体分辨能力的主要手段[7-9]。因此采用小波变换算法对歧北斜坡地区沙二段原始地震数据体进行分频，得到不同频率调谐的谱分解体。其中在40 Hz谱分解体上(图4)，虽然还不能完全刻画出每个单砂体，但与原始地震剖面相比(图1)，对砂体的分辨能力明显提高。在原始地震剖面呈现为一组稳定连续的滨IV砂体的强反射，在分频剖面上，则表现为两个调谐能量强弱变化较明显的地震反射同相轴，且在该分频剖面上反映的滩坝薄互层砂岩厚度的变化趋势预测与实际井资料的厚度也符合。

图4 沙二段40Hz分频体剖面

在40 Hz分频数据体上，沿滨III地层时窗提取属性，得到40 Hz分频体的调谐能量属性的平面分布(图5)，该属性图能有效反映目的层砂体的平面变化情况。从图5可以看出，低灰质含量的滩坝薄砂体(bins18井以东)，可直接从此属性图预测其平面分布规律及砂体边界；对高灰质含量滩坝砂体(bin28x1—q60井区)，钻井证实强调谐能量属性并不表征砂体范围，则需经过灰质成分剔除。

同样针对滨IV砂体，也在40 Hz谱分解体上提取地震属性，并对滨IV段做了简单的古地形恢复后，在三维可视化中将古地形和地震属性叠合在一起显示(图6)。从图6可以看出，在古地形较缓、水动力条件较弱的区域是滩坝砂岩发育的有利位置(红黄色区域)。

图5 滨III地层40 Hz分频数据体平面属性

图6 滨IV地层40 Hz分频属性与古地形叠合

以上的地震响应特征理论分析和提高预测能力的应用试验发现，利用原始地震数据的谱分解体与地震属性提取相结合的方法，能有效提高滩坝沉积背景下的砂泥岩薄互层的分辨能力，预测滩坝砂体在平面上的分布。

2.2 灰质剔除

歧北地区沙二段白云岩主要发育区域位于南北物源体系的中间部位，缺乏碎屑供给，属于滨浅湖静水沉积环境，在物源供给差的区域发育白云岩，岩性多为泥晶白云岩或砂质白云岩，由于均为薄层白云岩沉积，且含泥质或砂质等成分，因此白云岩储层岩电特征与砂泥岩近似，测井属性界限不清楚，在地震属性或常规波阻抗反演剖面上，都很难把砂岩储层和白云岩储层区分开。对歧北斜坡沙二段40 Hz分频体上提取的多个地震属性应用属性降维的方法，分解砂体不同特征对地震属性的影响，达到进行灰质剔除，预测滩坝砂岩分布范围的目的。

应用SVD属性降维的方法对多个地震属性进行降维，可达到灰质剔除的目的，因为白云岩和砂岩对地震属性的贡献可以通过奇异值变换后的不同特征值区分开来。图7是对多个反映滩坝砂岩形态较好的地震属性进行SVD降维后得到的几个不同主分量。结合歧北斜坡沙二段的地质背景和已知井的情况分析，①第一主分量(图7(a))明显表征的是整个地区的沉积水动力沉积背景；②第二主分量(图7(b))的高值区则突出的是白云岩发育区(红色区域)；③第三主分量(图7(c))明显去除了白云岩的影响，高值区主要反映的是砂岩发育。通过将第三主分量与沙二段沉积环境图(图7d)对比发现，根据SVD降维后的地震属性可用于划分不同的地震沉积相带。虽然用SVD地震属性降维方法可以进行灰质剔除，但该方法也有不足，在剔除灰质的同时，不可避免地剔除了部分储层(如bins28x1井附近)。

另外还可通过数据体融合技术对歧北斜坡滩坝砂岩进行灰质剔除。信息融合技术理论认为各种各样的信息对于研究的目标而言并不都是有用的，这就需要提取与目标相关联的信息，并加以融合形成新的针对研究目标的信息集合，以提高其可靠性和清晰度[10]。常用数据融合公式为式(1)。

(1)

其中：权值i(i=1，…,n)，表示n个相关融合信息间相对重要程度的取值约束条件。通过调整每个参与融合的原始数据的Wi值，可达到融合信息间互补的目的；调整p值可控制融合信息的互补程度。

对歧北斜坡两个对薄砂层分辨能力较好的数据体(井约束波阻抗反演体和谱分解体)进行融合，根据井旁道数据与井交会分析，分别给出波阻抗反演体和谱分解体两个数据体对有利储层的响应门槛值，然后对两个数据体进行判别融合，同时满足两个储层判别条件(中高阻抗值、强调谐频率能量)的是希望留下的、对应优质储层的有效信息。灰质含量高的砂岩，虽然调谐能量较强、波阻抗值较大，但是可以通过波阻抗反演的判别条件把低阻抗的泥岩和高阻抗的灰岩剔除，从而达到剔除灰质、预测优质储层的目的。图8为歧北斜坡多数据体融合结果剖面，颜色表示同时满足两个条件，空白处表示达两个判别条件都不满足，或满足其中一个条件，所以有颜色的位置表示中高阻抗的滩坝砂体，即为可能含油气的有利储层。通过与联井油藏剖面图(图9)对比，融合属性高值区与钻井揭示的有利储层范围基本一致。因此多数据体融合的方法不仅能达到剔除灰质的目的，还能预测有利储层的分布范围

图7 歧北斜坡滨III砂体地震属性SVD降维属性与沉积环境图对比

图8 歧北斜坡沙二段数据融合剖面

图9 歧北斜坡滨III段油藏剖面

3 结论

1)歧北斜坡属岩性油气藏，岩性纵横向变化大，井约束地震反演结果受井控程度影响较大，岩性预测误差较大，地震谱分解与属性相结合方法可以提高薄互层的地震储层预测精度。

2)奇异值分解属性降维的方法综合多属性信息，能有效地对滩坝砂岩进行灰质剔除，但该方法的不足之处是，在剔除灰质的同时，剔除了部分储层。

3)波阻抗反演体、谱分解体多数据体融合技术，既能用于滩坝砂体的灰质剔除，还可用于有利储层的分布范围预测。

[1] 韩国猛，司维柳，石倩茹，等.歧北斜坡岩性油气藏成藏条件与有利区带优选[J]. 天然气地球科学, 2010,21(4):594-600. HAN G M, SI W L, SHI Q R, et al. Conditions of lithologic reservoir formation and favorable selection of exploration area in north slope of qikou sag[J]. Natural Gas Geoscience, 2010,21(4):594-600.(In Chinese)

[2] 唐东. 断陷湖盆滩坝砂体预测方法-以东营凹陷沙四段为例[J]. 工程地球物理学报，2010,7(2):238-242. TANG D. The prediction method of beach bar sand-body in downfaulted basin a case study of e2s4 in dongying depression[J]. Chinese Journal of Engineering Geophysics, 2010,7(2):238-242.(In Chinese).

[3] 李国斌，姜在兴，陈诗望，等. 利津洼陷沙四上亚段滩坝沉积特征及控制因素分析[J]. 中国地质， 2008, 35(5):911-920 LI G B，JIANG Z X, CHEN SH W, et al. Sedimentary characteristics and controlling factors of beach bars in the upper submember of the fourth member of the shahejie formation in the Lijin subasin[J].Geololgy in China, 2008, 35(5):911-920. (In Chinese).

[4] 郭淑文，程然，祝文亮，等.数据挖掘技术在地震属性降维中的应用[J]. 天然气地球科学,2010,21(4):670-677 GUO SH W, CHENG R, ZHU W L, et al. Application of data mining technique in reduction of dimensions of seismic attribute parameters[J] . Natural Gas Geoscience, 2010,21(4):670-677. (In Chinese)

[5] 王炜, 林命週, 马钦忠, 等. 数据挖掘及其在地震预报中的应用前景[J]. 国际地震动态, 2005(12): 1- 13. WANG W, LIN M ZH, MA Q ZH, et al. The data mining and its prospect of application in earthquake forecast [J] .Recent Development s in World Seismology, 2005(12) : 1-13. (In Chinese)

[6] 张丽华, 潘保芝, 单刚义,等. 线性降维映射方法识别火山岩岩性[J]. 物探化探计算技术, 2007, 29(2): 112-114. ZHANG L H, PAN B ZH, SHAN G Y, et al . Linear dimension- reducing mapping method to identify the lithology of volcanic rocks [J]. Computing Techniques f or Geophysical and Geochemical Exploration, 2007, 29( 2):112-114. (In Chinese)

[7] 单敬福，王峰，孙海雷，等.基于地震波阻抗反演的小层砂体预测技术——在大庆油田州57水平井区块的应用[J].石油与天然气地质,2010,31(2):212-218. SHAN J F, WANG F, SUN H L, et al. Prediction of sublayer sandstones based on wave impedance inversion in the wellblock of horizontal well Zhou 57[J]. Oil & Gas Geology,2010,31(2):212-218. (In Chinese)

[8] 徐丽英，徐鸣洁，陈振燕.利用谱分解进行薄储层预测[J]. 石油地球物理勘探,2006,41(3):299-302. XU L Y, XU M J, CHEN ZH Y. Using spectrum decomposition technique for prediction of thin reservoir[J]. Oil Geophysical Prospecting, 2006,41(3):299-302. (In Chinese)

[9] 王西文,刘全新,苏明军,等.滚动勘探开发阶段精细储集层预测技术[J].石油勘探与开发,2002,29(6):51-53,71. WANG X W, LIU Q X, SU M J, et al. Precision predicting reservoir on the stages of progressive of exploration and development[J]. Petroleum Exploration and Development, 2002, 29(6):51-53,71. (In Chinese)

[10]康耀红.数据融合理论与应用[M].西安：西安电子科学技术大学出版社,1997. KANG Y H. Theory and application of data fusion[M].Xian:Xidian University Publisher, 1997. (In Chinese)

Seismic prediction technology for beach bar sand-body in Qibei slope

GUO Shu-wen1a， WU Xue-song1a， ZHU Wen-liang1b, XING Xing1a, GUO Chun-xiang1a

(1. PetroChina a.Research institute of Exploration and Development，Dagang Oilfield，b.Exploration Company ， Dagang Oilfield，Tianjing 300280,China)

Seismic reservoir prediction method was studied for beach bar sand-body in Qibei slope aiming at low seismic resolution of thin sand bed and similar reflection character for conventional sand and lime-sand.Two corresponding seismic reservoir prediction methods were formed through the experimental optimization. For the problem of thin bed and low resolution in the conventional seismic profile, combining the spectral decomposition and seismic attributes to improve the resolution ability of beach bar sand-body though deriving seismic attributes from separate frequency data basing seismic modeling. Attribute dimension reduction and data fusion techniques were tested to strip the lime sand to resolve the problem of prediction for high lime content sand. The field test showed that spectral decomposition and seismic attribute reduction techniques can be used to predict thin beach bar sand in Qibei slope and strip the influence of lime during prediction of main beach bar sand.

beach bar sand-body； spectral decomposition； lime-sand stripping； singular value decomposition； attribute dimension reduction； data fusion

2014-11-10改回日期：2015-02-04

国家重点基础研究发展计划项目(2013CB228606)

郭淑文(1974-)，女，博士，高级工程师，主要从事储层预测方向研究，E-mail:guoshuwen2005@sohu.com。

1001-1749(2015)05-0628-06

P 631.4

A

10.3969/j.issn.1001-1749.2015.05.14