分频段地震属性优选及砂体预测方法——秦皇岛32-6油田北区实例

李 伟 岳大力*② 胡光义 范廷恩 方晓刚

（①中国石油大学（北京）地球科学学院，北京102249；②油气资源与探测国家重点实验室，北京102249；③中海油研究总院，北京100028；④贵州省非常规油气资源工程技术研究中心，贵州贵阳550081）

分频段地震属性优选及砂体预测方法
——秦皇岛32-6油田北区实例

李 伟①岳大力*①②胡光义③范廷恩③方晓刚④

（①中国石油大学（北京）地球科学学院，北京102249；②油气资源与探测国家重点实验室，北京102249；③中海油研究总院，北京100028；④贵州省非常规油气资源工程技术研究中心，贵州贵阳550081）

以秦皇岛32-6油田新近系明化镇组下段为研究对象，综合测井与地震资料，针对薄层砂体与厚层砂体不同的地震属性响应特征，采用了“先优选地震资料频段，再提取并优选地震属性”的方法进行砂体预测。针对NmⅠ-1小层薄层砂体，提取了高频信号的地震属性，针对NmⅠ-3小层厚层砂体，提取了低频信号的地震属性；进而对提取的地震属性进行优选，并结合测井解释，在沉积模式的指导下预测了砂体及沉积相的展布。研究结果表明：该方法有效降低了调谐厚度以及地震数据中的低频信号对砂体预测的限制，明显提高了地震属性与砂体厚度的相关性，从而提高了砂体及沉积相的预测精度，对地震资料品质较好地区的储层预测具有一定的指导意义。

小波分频 分频数据体融合 属性优选 调谐厚度 砂体预测

1 引言

随着地震资料品质的提高及地震属性分析技术的进步［1-3］，地震属性分析技术已广泛应用于储层预测［4，5］，尤其是在海上油田，井距较大且地震资料品质相对较好，地震属性分析技术已经成为海上油田储层预测的主要技术手段之一。

多年来，国内外学者对储层特征与地震属性之间的关系进行了大量研究［6-8］，形成了一套基于地震属性的储层预测方法［9-11］。而近年来，随着地震分频技术的发展，众多学者基于雷克子波和楔形模型，建立了储层厚度、振幅、频率三者之间的关系（AVF）［12］，并将 AVF引入分频反演领域，且取得了良好的效果［13-15］。AVF关系反映出振幅与砂体厚度的相关性受调谐厚度的限制，而调谐厚度与地震数据的主频直接相关。已有文献成果表明，目前常用的地震属性优选方法，往往直接从原始地震数据（本文所提及的原始地震数据是相对分频后的地震数据而言，为叠后数据）中提取地震属性并进行优选，而弱化地震数据主频对地震属性优选的影响。因此，本文以秦皇岛32-6油田北区明化镇组NmⅠ-1、NmⅠ-3小层为例，充分考虑频率对地震属性与砂体厚度之间相关关系的影响，提出“先优选地震数据频段，再优选地震属性”的地震属性优选方法；进而利用优选出的地震属性预测砂体及沉积相的分布，为沉积微相分析奠定坚实的地质基础。

2 区域地质概况

秦皇岛32-6油田地处渤海中部海域，构造上位于渤中坳陷石臼坨凸起中西部，被渤中、南堡、秦南三大凹陷所环绕（图1），油气资源丰富［16］。北区位于秦皇岛32-6油田东北部，含油面积约9.5km2，井距较大且分布不均（250～600m），三维地震资料品质较好。其主要含油层系为新近系明化镇组下段，并进一步细分为0～Ⅴ六个砂组，其中的Ⅰ砂组1、3小层（NmⅠ-1、NmⅠ-3）埋深为1000～1100m，为典型的曲流河沉积，岩性主要为细砂岩、粉砂岩及粉砂质泥岩。由于河流的频繁摆动与迁移，研究区储层沉积规模小、横向变化快，在大井距条件下仅依靠测井资料难以准确识别。在油田的实际生产中发现井间砂体认识不清，注采矛盾严重，含水率上升快，目前综合含水率已大于85%，急需通过井震结合的方法精确刻画砂体的分布特征。

图1 秦皇岛32-6油田区域构造位置图

3 分频段地震属性优选的原理

利用不同主频的雷克子波对楔状砂体模型进行正演模拟，可以得到不同频率下振幅与砂体厚度的调谐曲线（图2）。当砂体厚度小于调谐厚度时，振幅随砂体厚度增加而近线性增大，可用振幅求取砂体厚度；而当砂体厚度明显大于调谐厚度时，振幅随砂体厚度增大而减小，并趋向某一常数，此时同一振幅值对应两个或多个砂体厚度，根据振幅难以预测砂体厚度（图2a）。而调谐厚度与地震数据的主频密切相关，主频越高，调谐厚度越小（图2b），对于雷克子波，调谐厚度近似等于1／4主波长。

众所周知，地震数据的频宽具有一定范围，携带大量不同频率的地震信号。而利用小波分频技术［17，18］，在有效频宽范围内可将原始地震数据分解成一系列具有中心频率的分频数据体［19，20］。其中高频数据体的调谐厚度小且分辨率高，其振幅可预测薄层砂体厚度；低频数据体调谐厚度大，根据其振幅可预测厚层砂体厚度。因此根据砂体的发育规模，考虑调谐厚度和地震数据分辨率的限制，通过“高分辨率剖面重建”等方法，选取特定主频的分频数据体进行融合，从而重构出适合预测特定砂体厚度的“重构地震数据体”。从“重构地震数据体”中提取并优选地震属性，尤其是振幅类地震属性，能有效改善调谐厚度和地震数据体中“低频信号”对砂体预测的限制，从而提高砂体及沉积相的预测精度。

图2 不同频率下振幅与厚度的关系

4 分频段地震属性优选

本文采用的“分频段地震属性优选”主要包括两部分内容：一是借助小波分频技术，将原始地震数据分解成多个不同主频的分频数据体，并通过正演模拟分析各个分频数据体的调谐厚度；二是根据砂体发育规模，优选分频数据体并进行融合，重构出新的地震数据体，继而从“重构地震数据体”中提取并优选地震属性。

4.1 地震数据小波分频分析

4.1.1 地震数据小波分频

地震资料在目的层段（1000～1200ms）主频约75 Hz，频带为15～90 Hz（图3a），即地震资料主频高、频带宽，所携带的地震信号具有明显的多尺度性，能够反映不同砂体厚度的储层特征。因此，该地震资料为针对不同规模的储层进行小波分频并优选出合适的频段提供了良好的资料基础。

采用Mallat算法，将地震数据分别按照10～110Hz（间距为10Hz）11个中心频率进行小波分解。分析各个分频数据的频谱可知：小波分频可得到具有一定主频和频宽的窄频地震数据体；当选取的中心频率明显超出原始地震数据的有效频宽时，分频数据体的实际主频会明显偏离选取的中心频率（图3j～图3l）；中心频率为90 Hz与100 Hz时，后者的实际主频（85Hz）仍然略高于前者（80Hz）（图3j、图3k），但当选取的中心频率大于100Hz时，小波分频得到的分频数据体频谱几乎完全一致（图3k、图3l），反映原始地震数据中频率大于100 Hz的成分非常少，所以有效的分频数据体的中心频率最高为100Hz。

4.1.2 地震正演模拟分析分频数据体的调谐厚度

在有噪声的环境中，当地层厚度接近主波长的1／4时，合成波形波峰与波谷的时间间隔趋于常数，而振幅则达到最大值［12，18］，此时的极限间隔（临界地层厚度）被称作“调谐厚度”。实际地震数据中的地震波是复合地震波，频宽具有一定范围，难以根据地震资料主频直接预测准确的调谐厚度。地震正演模拟可为地下地质研究提供先验性认识，通过分析正演模拟结果中振幅随砂体厚度变化的关系，可以准确求取地震数据体的调谐厚度。

图3 各分频数据体频谱分析图（图中红线为中心频率所在位置）

在充分考虑研究区岩石物理参数以及储层发育规模的基础上，设计了宽600m、厚30m的砂体楔形模型（背景为泥岩），提取研究区目的层段的地震子波作为正演模拟子波并完成正演模拟。原始地震数据的正演模拟结果显示，随着砂体厚度增加，RMS（均方根振幅）、ARS（平均反射强度）、AAA（平均绝对能量）三种振幅类属性值不断增大；当砂体厚度达到7.5m时，振幅类属性值达到最大，相应的振幅值亦达到最大；随着砂体厚度继续增大，振幅类属性值反而减小，并趋于一个常数，因此原始地震资料的调谐厚度约为7.5m（图4）。同样的方法，通过对楔形模型地震正演模拟，求出各个分频地震数据的调谐厚度（表1）。

图4 砂岩楔形模型振幅类属性变化图

表1 各分频地震数据体调谐厚度表

4.2 分频地震数据体融合与地震属性优选

4.2.1 分频地震数据体融合

研究区NmⅠ-1小层砂体平均厚度约为4m（仅统计有砂体的井），最大厚度约为8m，河道砂体呈典型的薄层条带状展布；NmⅠ-3小层砂体平均厚度约9m，最大厚度约16m，河道砂体呈典型的厚层连片状展布。NmⅠ-1小层砂体厚度小于或近似等于各分频数据体的调谐厚度（表1），即该层基本不受调谐厚度的影响；但原始地震数据中的低频信号分辨率低，难以准确识别砂体，因此应当保留原始地震数据中的高频信号，压制低频信号。NmⅠ-3小层砂体厚度远大于原始地震数据的调谐厚度（图4），并考虑低频信号分辨率低的限制，既要适当压制原始地震数据中的高频信号，又要适当压制低频信号。

在分析各个分频地震数据调谐厚度（表1）的基础上，针对NmⅠ-1小层薄层砂体，分别选取30、60、100 Hz（有效分频数据体的中心频率最大为100 Hz，120Hz与100 Hz作为中心频率得到的分频数据体基本一致，详见3.1.1）的分频数据融合重构得到“地震数据体A”；选取40、80、100 Hz的分频数据融合重构得到“地震数据体B”；选取50、100Hz的分频数据融合重构得到“地震数据体C”。针对NmⅠ-3小层厚层砂体，分别选取20、40Hz的分频数据融合重构得到“地震数据体D”；选取25、50Hz的分频数据融合重构得到“地震数据体E”，选取30、60Hz的分频数据融合重构得到“地震数据体F”（采用“倍频”进行重构，可以使重构的地震数据体与原始地震数据体在优选频段内频谱相近）。

A、B、C三个地震数据体不同程度地压制了相对低频的信号，而保留了相对高频的信号（图5b～图5d）；D、E、F三个地震数据体则不同程度地压制了相对低频与相对高频的信号（图5e～图5g）。经正演模拟分析，D、E、F三个地震数据体的调谐厚度明显增大，如“地震数据体E”的调谐厚度为14m，即在砂体厚度达到14m前，地震属性与砂体厚度成单调递增关系，而NmⅠ-3小层砂体厚度集中在5～16m之间，从而有效地改善了振幅类属性与砂体厚度的相关关系。

4.2.2 薄层条带状砂体地震属性优选

根据各井的砂、泥岩厚度与地震子波在地层中的传播速度计算出各井的双程旅行时，并取14ms作为NmⅠ-1小层的时窗（图6）；然后以NmⅠ-1小层顶界面的地震层位解释为界，向下取14ms时窗，分别从原始地震数据以及A、B、C三个重构地震数据体中，提取了频率、相位、振幅类共16种地震属性，并分析各地震属性与单井解释的砂体厚度之间的相关关系（表2）。

图5 各重构地震数据体频谱分析图

图6 秦皇岛32-6油田北区NmⅠ-1小层各井时窗统计图

表2 秦皇岛32-6油田北区NmⅠ-1小层地震属性与砂体厚度相关性分析

分析表2可知：不同地震属性对砂体厚度的敏感度不同，其中振幅类属性与砂体厚度的相关性最高；对于绝大多数地震属性而言，从A、B、C三个重构地震数据体中提取的地震属性与砂体厚度的相关性明显高于从原始地震数据体中提取的地震属性，其中“地震数据体B”与砂体厚度的相关性最好。通过对比原始地震数据和“地震数据体B”的均方根振幅属性与砂体厚度的相关关系（图7），能更直观地说明从“地震数据体B”中提取的均方根振幅属性能更好地预测砂体的分布。“地震数据体B”中有4种振幅属性与砂体厚度的相关度达到0.85（表2），属于强相关，即其中任意一种地震属性已经能很好地反映砂体分布，因此，只需要从中优选出相关性最高的均方根振幅属性即可。

4.2.3 厚层连片砂体地震属性优选

采用相同方法，以NmⅠ-3小层顶底界面的地震层位为界，分别提取原始地震数据以及D、E、F三个重构地震数据体的16种地震属性，并分析各地震属性与测井解释的砂体厚度之间的相关关系（表3）。

分析表3可知：从原始地震数据中提取的地震属性与砂体厚度的相关度均小于0.5，即两者之间无明显的线性相关关系，而从重构的D、E、F三个地震数据体中提取的地震属性与砂体厚度存在明显的相关性，并且以重构的“地震数据体E”相关性最佳。从“地震数据体E”提取的地震属性中，有6种振幅类属性与砂体厚度的相关度在0.7以上（表3）。对以上6种地震属性进行聚类分析并绘制谱系图（图8）。在谱系图中，距离越大说明地震属性之间的相关性越小，即6种地震属性可划分为两类，分别从两类中优选出均方根振幅与最大谷值振幅两种属性，并在归一化的基础上通过线性回归拟合成一种复合地震属性（复合地震属性与砂体厚度的相关度为0.807）。

图7 秦皇岛32-6油田北区NmⅠ-1小层均方根振幅与砂体厚度相关关系图

表3 秦皇岛32-6油田北区NmⅠ-3小层地震属性相关性分析表

图8 地震属性聚类分析谱系图

5 基于“井震结合”的砂体预测

应用上述方法，针对NmⅠ-1小层优选出均方根振幅属性，其属性高值区呈带状分布（图9b）；与从原始地震数据体中提取的地震属性相比，属性高值带边界更加清晰，零星分布在属性高值带以外的高值区域减少（图9）。针对NmⅠ-3小层分别从原始地震数据体和“地震数据体E”中提取均方根振幅与最大谷值振幅的两种属性的复合地震属性（图10）。对比两张属性图可知，从原始地震数据体中提取的地震属性在砂体厚度较大的区域表现为相对低值，如B22井砂体厚度大（16.1m）而属性值较低，在砂体厚度相对较薄的区域表现为属性高值，如B16井砂体厚度较小（6.4m）而属性值很高（图10a箭头处）；从“地震数据体E”中优选出的属性在砂体厚度较大的区域表现为高值，在厚度较薄的区域表现为低值（图10b）。

在通过分频段优选方法得到的地震属性中，绝大多数发育厚层砂体（大于3m）的井分布在属性高值区，而不发育砂体或发育薄层砂体（小于3m）的井分布在属性低值区（图9、图10）。但仍有个别井的地震属性与测井砂体解释不吻合，其主要原因有两个：一是受断层的影响，如QHD32-6-3井位于断层附近，测井解释NmⅠ-1小层发育3.9m厚的砂体，而优选出的地震属性却为低值（图9b箭头处）；二是受上下围岩的影响，A26h井NmⅠ-3小层砂体仅有1.8m，而NmⅠ-4小层发育厚层砂体，属性值为相对高值（图10b）。

总体而言，优选出的地震属性与测井砂体解释吻合度高，且与砂体厚度的相关性大于0.8（NmⅠ-1小层为0.853，NmⅠ-3小层为0.807）。遵循“井震结合，模式指导”的研究思路，根据地震属性，结合测井砂体解释，并在沉积模式的指导下预测砂体的分布范围（图9b、图10b）。在完成砂体边界刻画的基础上，根据地震属性与砂体厚度的回归关系（图7），将砂体分布范围内的地震属性转化为砂体厚度，即初步完成砂体厚度预测；然后从初步预测的砂体厚度中提取各井点的砂体厚度值，并与测井解释的砂体厚度进行残差分析，绘制残差图；最后利用残差图对初步预测的砂体厚度图进行校正，从而得到基于“井震结合”的砂体厚度图（图11a、图12a）。与基于井数据预测的砂体厚度相比（图11b、图12b），NmⅠ-1小层“井震结合”预测的砂体厚度在河道带内部更加连续；NmⅠ-3小层“井震结合”预测的砂体厚度在井间有明显的高低变化，即保留了地震属性的分布趋势，因此“井震结合”预测的砂体厚度更客观、合理（图11、图12）。

图9 秦皇岛32-6油田北区NmⅠ-1小层均方根振幅属性平面图

图10 秦皇岛32-6油田北区NmⅠ-3小层复合地震属性平面图

根据砂体厚度图，结合多井相解释，并在沉积模式的指导下预测沉积微相的展布（图13）。NmⅠ-1小层砂体较薄，以条带状分布为主，并零星发育部分孤立的河漫滩砂体，由两条窄条带状河道组成（图13a）；NmⅠ-3小层砂体较厚，呈连片状分布，由多期河道侧向拼叠形成（图13b）。

图11 秦皇岛32-6油田北区田NmⅠ-1小层砂体厚度平面图

图12 秦皇岛32-6油田北区NmⅠ-3小层砂体厚度平面图

图13 秦皇岛32-6油田北区沉积微相平面图

6 认识

针对秦皇岛32-6油田北区地震资料品质较高、井资料丰富的特点，对目的层NmⅠ-1、NmⅠ-3小层进行了砂体预测和沉积相分析，得到了以下认识：

（1）针对薄层砂体与厚层砂体不同的地震属性响应特征，采用“先优选地震数据频段，再优选地震属性”的方法对砂体进行预测；

（2）对地震数据进行分频并优选频段后提取的地震属性与砂体厚度的相关性明显高于分频之前；

（3）砂泥岩地层中，不同地震属性对砂体厚度的敏感度不同，在振幅类、频率类、相位类地震属性中，振幅类属性对砂体厚度的敏感性最好；

（4）通过分频段地震属性优选的方法，提高了砂体及沉积微相的预测精度，为油田精细开发奠定了坚实的地质基础。

［1］ 李坦，殷小舟.地震属性的地质意义分析.复杂油气藏，2009，2（3）：25-28.Li Tan，Yin Xiaozhou.Analysis on the geological significance of seismic attributes.Complex Hydrocarbon Reservoirs，2009，2（3）：25-28.

［2］ 印兴耀，周静毅.地震属性优化方法综述.石油地球物理勘探，2005，40（4）：482-489.Yin Xingyao，Zhou Jingyi.Summary of optimum methods of seismic attributes.OGP，2005，40（4）：482-489.

［3］ 何碧竹，周杰，汪功怀.利用多元地震属性预测储层信息.石油地球物理勘探，2003，38（3）：258-262.He Bizhu，Zhou Jie，Wang Gonghuai.Using multivariate seismic attributions to predict reservoir information.OGP，2003，38（3）：258-262.

［4］ 王彦仓，秦凤启，杜维良等.地震属性优选、融合探讨.中国石油勘探，2013，18（6）：69-73.Wang Yancang，Qin Fengqi，Du Weiliang et al.Discussions on optimization and fusion of seismic attributes.China Petroleum Exploration，2013，18（6）：69-73.

［5］ Satinder Chopra.Emerging and future trends in seismic attributes.The Leading Edge，2008，27（3）：298-318.

［6］ 黎祺，胡明毅.地震沉积学在河流—三角洲沉积相及有利砂体预测方面的应用.天然气地球科学，2014，25（9）：1341-1349.Li Qi，Hu Mingyi.Application of seismic sedimentology in river-delta facies and sandstone body prediction.Natural Gas Geoscience，2014，25（9）：1341-1349.

［7］ Ahmad M N，Rowell P.Application of spectral decomposition and seismic attributes to understand the structure and distribution of sand reservoirs within Tertiary rift basins of the Gulf of Thailand.The Leading Edge，2012，31（6）：630-634.

［8］ Hart B S.Channel detection in 3-D seismic data using sweetness.AAPG，2008，92（6）：733-742.

［9］ Chopra S，Marfurt K J.Seismic attribute expression of differential compaction.The Leading Edge，2012，31（12）：1418-1422.

［10］ 蔡涵鹏，龙浩，贺振华等.基于地震数据瞬时相位谱的地层厚度估算.天然气地球科学，2014，25（4）：574-581.Cai Hanpeng，Long Hao，He Zhenhua et al.Thickness estimates from instantaneous phase spectrum of poststack seismic data.Natural Gas Geoscience，2014，25（4）：574-581.

［11］ 王治国，尹成，雷小兰等.预测砂岩孔隙度的地震多属性优化模式对比.石油地球物理勘探，2011，46（3）：442-448.Wang Zhiguo，Yin Cheng，Lei Xiaolan et al.Multi-attribute optimization analysis for sandstone porosity prediction.OGP，2011，46（3）：442-448.

［12］ 于建国，韩文功，刘力辉.分频反演方法及应用.石油地球物理勘探，2006，41（2）：193-197.Yu Jianguo，Han Wengong，Liu Lihui.Frequeney-divided inversion and application.OGP，2006，41（2）：193-197.

［13］ 张广智，李振振，赵阳等.AVF反演Q值方法研究.地球物理学进展，2015，30（5）：2293-2300.Zhang Guangzhi，Li Zhenzhen，Zhao Yang et al.The study of AVF inversion forQvalue extraction.Progress in Geophysics，2015，30（5）：2293-2300.

［14］ 陶倩倩，李达，杨希冰等.利用分频反演技术预测烃源岩.石油地球物理勘探，2015，50（4）：706-713.Tao Qianqian，Li Da，Yang Xibing et al.Hydrocarbon source rock prediction with frequency-divided inversion.OGP，2015，50（4）：706-713.

［15］ 冯斌，赵峰华，王淑华.地震分频解释技术在河道砂预测中的应用.地球科学进展，2012，27（5）：510-514.Feng Bin，Zhao Fenghua，Wang Shuhua.Application of spectral decomposition technique in fluvial sand body prediction.Advances in Earth Science，2012，27（5）：510-514.

［16］ 梁宏伟，吴胜和，穆龙新等.应用相控正演模拟方法精细描述河流相储层——秦皇岛32-6油田北区实例.石油地球物理勘探，2013，48（6）：978-984.Liang Hongwei，Wu Shenghe，Mu Longxin et al.Fluvial reservoir characterization with phase-controlled forward modeling in the North Block of the Qinhuangdao 32-6 Oilfield，a case study.OGP，2013，48（6）：978-984.

［17］ 马朋善，王继强，刘来祥等.Morlet小波分频处理在提高地震资料分辨率中的应用.石油物探，2007，46（3）：283-287.Ma Pengshan，Wang Jiqiang，Liu Laixiang et al.Application of Morlet frequency-division processing in enhancing the seismic data resolution.GPP，2007，46（3）：283-287.

［18］ 黄捍东，张如伟，郭迎春.地震信号的小波分频处理.石油天然气学报，2008，30（3）：87-91.Huang Handong，Zhang Ruwei，Guo Yingchun.Wavelet frequency-division process for seismic signals.Journal of Oil and Gas Technology，2008，30（3）：87-91.

［19］ 王贵文，徐敬领，杨宁等.小波分频分析法在沉积层序划分及等时对比中的应用.高校地质学报，2013，19（1）：70-77.Wang Guiwen，Xu Jingling，Yang Ning et al.Using wavelet frequency analysis to divide sedimentary sequence cycles and isochronous correlation.Geological Journal of China Universities，2013，19（1）：70-77.

［20］ 赵继龙，熊冉，陈戈等.分频重构反演及在薄互层储层预测中的应用.西南石油大学学报（自然科学版），2014，36（4）：47-54.Zhao Jilong，Xiong Ran，Chen Ge et al.Seismic inversion of frequency divisions reconstruction and its application thin interbedded sand reservoir prediction.Journal of Southwest Petroleum University（Science＆ Technology Edition），2014，36（4）：47-54.

P631

A

10.13810／j.cnki.issn.1000-7210.2017.01.017

李伟，岳大力，胡光义，范廷恩，方晓刚.分频段地震属性优选及砂体预测方法——秦皇岛32-6油田北区实例.石油地球物理勘探，2017，52（1）：121-130.

1000-7210（2017）01-0121-10

*北京市昌平区府学路18号中国石油大学（北京）地球科学学院，102249。Email：yuedali＠cup.edu.cn

本文于2016年6月15日收到，最终修改稿于同年12月7日收到。

本项研究受国家自然科学基金青年科学基金项目（40902035）、教育部博士点新教师基金项目（20090007120003）及国家科技重大专项（2011ZX05024-001-04）联合资助。

（本文编辑：刘英）

李伟 硕士研究生，1990年生；2014年毕业于中国石油大学（北京），获地质工程专业学士学位；现在中国石油大学（北京）攻读地质资源与地质工程专业硕士学位，从事油气田开发地质研究。