微小断层检测组合技术及应用

田　楠， 范廷恩， 董建华， 张会来， 宋来明

(中海油研究总院，北京　100028)



微小断层检测组合技术及应用

田楠， 范廷恩， 董建华， 张会来， 宋来明

(中海油研究总院，北京100028)

摘要：地震资料分辨率的极限，决定了利用地震资料只能识别一定断距以上的断层。在油田勘探开发过程中，有效识别可能存在的微小断层，对储量落实、井位部署、注采关系分析以及剩余油的研究等具有重要意义。基于常规相干体的断层识别技术，无法有效地识别出低序级的微小断层。针对这一问题，提出了一种微小断层检测组合技术。该技术采用中值倾角滤波与扩散滤波相结合的方法，对地震数据进行断层增强处理，并采用单频体技术与蚂蚁追踪技术，分别在地震剖面和三维相干体数据上对微小断层进行精细刻画，解释结果通过模型正演进行验证。该组合技术建立的精细断层框架模型，可为地质建模工作提供更可靠的依据。研究区的实际应用效果表明了该组合技术的适用性。

关键词：微小断层； 断层增强处理； 谱分解； 蚂蚁追踪； 地震解释

0引言

在油田勘探开发阶段，断块内油气水关系复杂，微小断裂的精细识别对于划分不同的储量单元以及含油气系统，部署井位，制定有效的开发方案和措施具有重要意义。常规断层解释主要是以相干切片[1-2]为指导，剖平结合来完成的，但是由于相干体的计算对地震资料的信噪比要求较高，因此计算相干体之前需要先对地震资料进行断层增强处理[3-5]，以提高地震资料的信噪比，进而提高三维相干体的质量。为了在相干体切片上识别更微小的断层，并细化主断层的边界，采用蚂蚁追踪技术对三维相干体进行追踪，利用蚂蚁追踪结果和相干体切片共同指导地震剖面上的断层解释，有助于在平面上分析断层的延伸范围以及断层间的切割关系。从剖面的角度讲，由于地震资料的带限性，常规地震剖面仅能够有效识别断距大于地震资料分辨率极限的断层，而单频体数据则能更好地对断层成像。这里将以上不同技术组合起来，提出一种微小断层检测组合技术新思路，对小断层进行精细解释，建立精细断层框架模型，为油田的勘探开发服务。

1)断层增强处理技术。小断层在地震剖面上主要表现为同相轴的微小错断或扭曲，而随机噪音的存在往往会干扰小断层的识别，同时也会对相干体的计算造成影响。因此进行断层解释之前,需要对地震资料进行降噪处理，以增强微小断层的可识别性。

自Turky在1971年提出中值滤波技术以来，该技术已经广泛应用于数字信号处理以及图像增强处理中。Duncan等[6]将中值滤波技术应用到了地震资料处理中。Heggland等[7]提出了基于倾角体控制的倾角中值滤波方法，充分考虑到了地层倾角属性。这种倾角中值滤波[8-9]能有效压制随机噪音，并保护信号结构，但该方法的平滑作用会导致断层边界模糊。

Perona等[10]最先提出非线性扩散去噪方法，但该方法边缘保持效果不理想。Weickert等[11]通过引入反映图像纹理方向的结构张量，形成了非线性各向异性扩散模型。孙夕平等[12]、王绪松等[3]将各向异性扩散方法引入地震剖面保边滤波。

这里采用倾角中值滤波和扩散滤波相结合的方法对地震资料进行断层增强处理。针对同相轴连续性较好的位置，采用倾角中值滤波，而对同相轴断裂的位置，采用扩散滤波。这样既压制了随机噪音，又较好地保持了断层边界。

2)谱分解技术。Partyka等[13-14]在90年代提出了频谱分解技术，该技术根据研究目标的不同，经过数学变换，将全频带地震数据变换成两大类数据体：调谐体和单频体。单频体技术是指在地震资料有效频带内，应用短时窗离散付立叶变换(DFT)、连续小波变换(CWT)、时频连续小波变换(TFCWT)或S变换(S-T)等数学方法[15]，将地震数据分解成一系列时间域离散频率的振幅数据体。由于全频带地震数据包含多个频率成分，各个频率成分相互干扰，会对小断层的识别造成影响。这里采用单频体来凸现小断层，进而来达到精细刻画与识别小断层的目的。

3)蚂蚁追踪技术。Dorigo等[16-17]在1991年首次提出了蚁群算法。该算法是模拟自然界蚂蚁沿最短路径寻找食物的一种群体智能算法。目前蚁群算法在控制优化领域已经取得了很大的进步。Pedersen等[18]在2001年首次提出基于蚂蚁追踪技术的断层自动识别技术，目前该技术已经集成到商业软件Petrel中，得到了广泛的应用。Yuan[19]等将蚂蚁追踪技术应用到了地球物理反演中。这里主要应用蚂蚁追踪技术在三维相干体上对断层进行追踪，细化主断层的边界，较好地描述小断层的延伸范围，帮助解决复杂断裂系统的断层平面组合。

1微小断层检测技术

将断层增强处理、相干体、蚂蚁追踪以及谱分解技术组合起来，进行微小断层细化解释，并通过模型正演进行佐证，搭建精细断层框架模型，进而更好地为油田勘探开发服务，具体流程见图1。这一组合流程不但包括了技术的组合，而且包括了软件模块的组合，包括OpenDtect(断层增强处理)，Landmark(相干体、单频体)和Petrel(蚂蚁追踪)。

1.1断层增强处理技术

中值倾角滤波能够有效压制随机噪音，并保护地下地层结构，但该方法的平滑作用不利于保持断层边界。基于偏微分方程的扩散滤波能够较好地保持断层边界，但噪音压制效果不佳，严重时还可能产生一些假的不连续现象。这里将以上两种方法结合使用，以数据相似性为判别条件，对相似性好的地方，采用中值倾角滤波；对数据相似性差的地方(如断层边界)，采用扩散滤波。最后将两种方法的滤波结果结合起来，得到最终的断层增强处理结果。

图1　微小断层检测组合技术流程Fig．1　Combined technique flowchart for 　　identifying subtle faults

图2　断层增强处理Fig．2　Faults enhancement (a) 原始地震剖面；(b) 倾角中值滤波剖面；(c) 扩散滤波剖面；(d) 断层增强处理剖面

图2(a)为研究区的一条原始地震剖面，图2(b)为倾角中值滤波结果，图2(c)为扩散滤波结果，图2(d)为断层增强处理结果。对比图2(a)与图2(b)，可以看出倾角中值滤波明显地消除了随机噪音的影响，但是该方法未能增强断层边界，甚至会使微小断层边界变得模糊；对比图2(a)与图2(c)，可以看出扩散滤波使断层边界更加清晰，但是随机噪音并未得到很好的压制；对比图2(a)与图2(d)，可看出两种滤波结合使用后，随机噪音得到了较好的压制，断层边界也更加清晰。断层增强处理技术除了使微小断层在剖面上变得更易于识别外，该方法还能提高小断层在相干数据体上的识别精度。例如图3(a)和图3(b)分别是断层增强处理前地震数据和断层增强处理后地震数据的相干时间切片。由图3可见，图3(a)中被噪音掩盖而不能识别的断层，经处理后在图3(b)中变得较为清晰(见图3(a)和图3(b)中标记为椭圆的区域)。

图3　相干时间切片(3 000毫秒) Fig．3　Coherence slice (3 000 ms)(a) 断层增强处理前；(b) 断层增强处理后

1.2谱分解技术

谱分解技术将地震数据分解成一系列时间域离散频率的振幅数据体。这些离散频率振幅数据体反映了特定频率振幅的空间变化，能够有效地提高地震资料识别地质特征的能力。由于断层在剖面上主要表现为断面波，而研究区断面波主频集中在50 Hz左右，因此选用50 Hz频率成分的地震剖面(图4(b))与全频带剖面(图4(a))进行对比。从图4(a)和图4(b)可看出，单频体剖面较全频带剖面而言，没有了其他频率成分的干扰，更清晰地刻画了小断层的断点和断面展布，突出了断面波特征，加大了断层解释和组合的确定性。

1.3蚂蚁追踪技术

蚂蚁追踪实际上是模拟蚂蚁群体在觅食过程中寻找最短路径的一种最优化算法，该算法可以用于在相干数据体上自动提取断层面，细化断层边界，指导小断层的识别。

图5(a)是断层增强处理后相干时间切片，图5(b)是对图5(a)进行蚂蚁追踪的结果。经过蚂蚁追踪后，原来在相干切片上可以识别的主断层变得更加细致，难以识别的小断层也变得清晰可见。利用蚂蚁追踪的结果指导剖面断层解释以及断层平面组合，可以提高构造解释精度。

2应用效果

研究区位于西非深水区，为深水浊积沉积体系。从构造特征来看，该研究区主要为被断层复杂化的背斜构造。断层多而密，平面组合难度较大。这里采用组合技术对该研究区进行精细断层解释。图6和图7分别为解释的断层在地震剖面和相干体上的投影。为了对解释结果进行验证，设计了正演模型，分析了不同主频子波、不同断距断层的地震响应特征。

图8(a)为该研究区中深层不同断距断层的地质模型，其中由测井资料计算出的砂岩和泥岩速度分别为2 427 m/s和2 331 m/s，断层断距分别为5 m、7 m、9 m和12 m。图8(b)为该模型对不同主频雷克子波的地震响应。由图8可见，断层的分辨率随子波主频的增加而增加。该研究区高密度地震资料主频为50 Hz，因此该研究区断层分辨率极限为5 m，小断层解释结果合理。经模型正演验证后得到的精细断层框架模型见图9。

图4　谱分解技术 Fig．4　Spectral decomposition (a) 全频带地震剖面；(b) 50 Hz单频体剖面

图5　蚂蚁追踪Fig．5　Ant tracking(a) 相干时间切片；(b) 蚂蚁追踪结果

图6　研究区地震剖面Fig．6　Seismic section of the study area

图7　研究区相干时间切片Fig．7　Coherence slice of the study area

图8　模型正演Fig．8　Forward modeling(a) 中深层断层模型; (b) 图a中模型对不同主频雷克子波的地震响应

图9　精细断层框架模型Fig．9　The fine faults frame

3结论

针对实际微小断层地震响应不明显，受噪音影响大以及常规相干属性对微小断层识别敏感性较差等关键问题，提出了一套综合处理、解释和正演检验的组合技术。在研究区的实际应用效果表明，该组合技术,可以较为精细准确地刻画微小断层，解决复杂断裂系统的断层平面组合以及密集断层的断面闭合等问题，为地质建模以及油田开发方案设计提供更为可靠的依据。

参考文献：

[1]BAHORICH M S, FARMER S L. 3-D seismic discontinuity for faults and stratigraphic features:The coherence cube [J]. The Leading Edge, 1995(14): 1053-1058.

[2]苑书金. 地震相干体技术的研究综述[J]. 勘探地球物理进展, 2007, 30(1): 7-15.

YUAN S J. A review of seismic coherence techniques [J]. Progress in Exploration Geophysics, 2007, 30(1): 7-15.(In Chinese)

[3]王绪松, 杨长春. 对地震图像进行保边滤波的非线性各向异性扩散算法[J]. 地球物理学进展, 2006, 21(2): 452-457.

WANG X S, YANG C C. An edge-preserving smoothing algorithm of seismic image using nonlinear anisotropic diffusion equation [J].Progress in Geophysics, 2006, 21(2): 452-457.(In Chinese)

[4]YUAN S Y, WANG S X, Li G F. Random noise reduction using Bayesian inversion [J]. Journal of Geophysics and Engineering, 2012, 9(1): 60-68.

[5]YUAN S Y, WANG S X. Edge-preserving noise reduction based on Bayesian inversion with directional difference constraints [J]. Journal of Geophysics and Engineering, 2013, 10(2): 025001.

[6]DUNCAN G, BERESFORD G. Median filter behavior with seismic data [J]. Geophysical Prospecting, 1995, 43(3): 329-345.

[7]HEGGLAND R, BERT BRIL. An iterative method for identifying seismic objects by their texture, orientation and size[C]. 71st Annual International Meeting, SEG, Expanded Abstracts, 2001:583-586.

[8]BEDNAR J B. Applications of median filtering to deconvolution, pulse estimation, and statistical editing of seismic data [J]. Geophysics, 1983, 48: 1598-1610.

[9]SUN D S, LING Y, BAI Y, et al. Application of spectral decomposition and ant tracking to fractured carbonate reservoirs [J]. 73rd EAGE Conference & Exhibition incorporating SPE EUROPEC, 2011, B035.

[10]PERONA P, MALIK J. Scale-space and edge detection using anisotropic diffusion [J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 1990, 12 (7): 629-639.

[11]WEICKERT J. Coherence-enhancing diffusion filtering [J]. International Journal of Computer Vision, 1999, 31(2/3): 111-127.

[12]孙夕平, 杜世通, 汤磊. 相干增强各向异性扩散滤波技术[J]. 石油地球物理勘探, 2004, 39(6): 651-655.

SUN X P, DU S T, TANG L. Coherent-Enhancing anisotropic diffusion filtering technique [J]. Oil Geophysical Prospecting, 2004, 39(6): 651-655.(In Chinese)

[13]GRIDLEY J, PARTYKA G. Processing and interpretational aspects of spectral decomposition[C]. 67th Annual International Meeting, SEG, Expanded Abstracts, 1997：1055-1058.

[14]PARTYKA G, GRIDLEY J, LOPEZ J. Interpretational applications of spectral decomposition in reservoir characterization[J]. The Leading Edge, 1999, 18(3): 353-360.

[15]乐友喜，李斌，问雪,等. 三参数小波分频处理在走滑断层识别中的应用[J]. 物探化探计算技术, 2014, 36(4): 436-440.

LE Y X, LI B, WEN X, et al. Application of three parameter wavelet frequency processing to the recognition of strike-slip fault[J]. Computing techniques for geophysical and geochemical exploration, 2014, 36(4): 436-440.(In Chinese)

[16]COLORNI A, DORIGO M, MANIEZZO V, et al. Distributed optimization by ant colonies[C]. Proceedings of the lst European Conference on Artificial Life, 1991：134-142.

[17]DORIGO M. Optimization, learning and natural algorithms[D]. Politecnico dimilano, Italy, 1992.

[18]PEDERSEN S I, RANDEN T, SORMELAND L. Automatic fault extraction using artificial ants[C]. 72ndAnnual Intemational Meeting, SEG, Expanded Abstracts, 2002：512-515.

[19]YUAN S Y, WANG S X, TIAN N. Swarm intelligence optimization and its application in geophysical data inversion [J]. Applied Geophysics, 2009, 6(2): 166-174.

A combination technique of minor faults detection and its application in 3D seismic data

Tian Nan, Fan Ting-en, Dong Jian-hua, Zhang Hui-lai, Song Lai-ming

(CNOOC Research Institute, Beijing100028, China)

Abstract:Since the resolution of seismic data is limited, the faults with minor throws are hardly identified. However, in oilfield exploration and development, the detection of minor faults is critical for reserves vertification, well deployment, injection-production relation analysis, and residual oil study, et al. Conventional coherence technique cannot identify minor faults effectively. Therefore, a combined technique is proposed to detect minor faults in this paper. In order to improve the image of minor faults, dip steering filter and diffusion filter are firstly used to attenuate random noise. Then spectral decomposition technique and ant tracking technique are exploited to interpret minor faults in the seismic section and coherent slice, respectively. If forward modeling validates the interpretation result of minor faults, a fine fault frame is obtained which provides reliable basis for geological modeling. The application of the combined technique in study area shows its feasibility and validity.

Key words:minor faults; faults enhancement; spectral decomposition; ant tracking; seismic interpretation

中图分类号：P 631.4

文献标志码：A

DOI：10.3969/j.issn.1001-1749.2016.01.12

文章编号：1001-1749(2016)01-0083-06

作者简介：田楠(1983-)，女，工程师，研究方向为地震资料解释与储层预测，E-mail:tiannan2@cnooc.com.cn。

基金项目:国家十二五重大专项(2011zx05024-001)

收稿日期：2015-01-23改回日期：2015-03-19