Marr小波分頻處理結(jié)合模型約束反演在薄儲(chǔ)層預(yù)測中的應(yīng)用

姚　軍， 李岳桐， 劉　偉

(1.中國石油勘探開發(fā)研究院　西北分院，蘭州　730020;2.長江大學(xué)　地球科學(xué)學(xué)院，武漢　430100；3.中鐵第四勘測設(shè)計(jì)院集團(tuán)有限公司，武漢　430079)

?

Marr小波分頻處理結(jié)合模型約束反演在薄儲(chǔ)層預(yù)測中的應(yīng)用

姚軍1， 李岳桐2， 劉偉3

(1.中國石油勘探開發(fā)研究院西北分院，蘭州730020;2.長江大學(xué)地球科學(xué)學(xué)院，武漢430100；3.中鐵第四勘測設(shè)計(jì)院集團(tuán)有限公司，武漢430079)

隨著巖性油氣藏勘探的不斷深入，尤其對(duì)碎屑巖儲(chǔ)層來講，對(duì)儲(chǔ)層范圍的預(yù)測精度要求越來越高，所要求預(yù)測的儲(chǔ)層厚度也逐漸變小，地震資料在其中發(fā)揮著重要的作用。常規(guī)地震資料由于受其自身分辨率的影響，往往在薄儲(chǔ)層的識(shí)別上存在很大困難，分辨率有待進(jìn)一步的提高。這里從分析實(shí)際地震資料特征入手，參考井旁道地震子波，根據(jù)小波變換中小波基函數(shù)的選取原則優(yōu)選改造后的Marr小波，對(duì)地震資料進(jìn)行小波變換分頻處理以提高地震資料分辨率來適應(yīng)對(duì)薄儲(chǔ)層的研究需要。在此基礎(chǔ)上井震結(jié)合，運(yùn)用模型約束反演對(duì)薄儲(chǔ)層進(jìn)行了有效預(yù)測。實(shí)際應(yīng)用表明，這種Marr小波分頻處理結(jié)合模型約束反演的薄儲(chǔ)層，預(yù)測方法準(zhǔn)確度高，效果良好。

小波變換; Marr小波; 分頻; 模型約束反演; 薄儲(chǔ)層

0　引言

有效儲(chǔ)層的預(yù)測是巖性油氣藏勘探的關(guān)鍵所在。伴隨著各油田勘探程度的不斷加深，以往常被忽視的薄儲(chǔ)層作為有效儲(chǔ)層逐漸得到重視，對(duì)薄儲(chǔ)層的研究正逐步展開。這里的薄儲(chǔ)層相當(dāng)于地震薄層，是指厚度小于地震資料的四分之一主波長[1],因此以常規(guī)地震資料的分辨率是無法識(shí)別薄儲(chǔ)層的。針對(duì)這一問題，出現(xiàn)了以提高地震分辨率為目的的各種地球物理方法，諸如反褶積法、譜分解法、傅麗葉變換、S變換、小波變換[2-3]等，而用于分頻處理的主要是傅里葉變換和小波變換。小波變換被譽(yù)為數(shù)學(xué)“顯微鏡”，能夠?qū)π盘?hào)進(jìn)行局部化分析，對(duì)不同的頻率在時(shí)間域上的取樣步長不同,即隨著頻率成份的改變而自動(dòng)調(diào)整窗口的形狀以達(dá)到所需的要求，這種變化的時(shí)頻窗口符合低頻信號(hào)變化緩慢、高頻信號(hào)變化迅速的特征，能夠獲得信號(hào)的局部特性，這正是優(yōu)于經(jīng)典傅里葉變換的地方[4]。因此，自問世以來至今三十多年中小波變換早已用于地震數(shù)據(jù)處理，尤其用于提高地震資料的分辨率。

這里重點(diǎn)在于如何根據(jù)實(shí)際地震資料來選取合適的小波基函數(shù)進(jìn)行小波變換分頻處理，同時(shí)，通過鉆井分析和井震標(biāo)定，進(jìn)一步選取合適的地震分頻體進(jìn)行模型約束反演來對(duì)薄儲(chǔ)層進(jìn)行有效預(yù)測。

1　問題的提出

研究目的層段為沙河街組沙三2段地層，屬三角洲前緣沉積，砂體較為發(fā)育，但主要以砂泥巖互層的形式存在，單砂體厚度較小。W1井鉆穿沙三2段地層，并且試獲日產(chǎn)5.6 t的工業(yè)油流。綜合分析W1井測井曲線及錄井信息(圖1)，該試油層段出油的主力砂體厚度約為19 m,屬于薄儲(chǔ)層的范圍。

圖1　W1井測井曲線圖Fig.1　The logging curves and log data of W1 well

圖2　過W1井地震剖面和基于模型約束的反演結(jié)果Fig.2　W1 well seismic section and inversion result based on model constrained(a) 井地震剖面的反演結(jié)果；(b) 基于模型約束的反演結(jié)果

原始地震資料主頻為14 Hz，在原始地震資料中(圖2(a))，該出油層段在W1井處地震反射基本存在，但在W1井外，該層段反射同相軸連續(xù)性差，識(shí)別與追蹤困難；以原始地震資料為基礎(chǔ)，結(jié)合鉆穿沙三2段地層的7口鉆井進(jìn)行了模型約束反演(圖2(b)，圖2中W1井測井曲線為自然伽馬)，同樣該出油層段無法在反演結(jié)果中被識(shí)別出來。如何利用地震資料井震結(jié)合來預(yù)測該儲(chǔ)層的分布范圍，直接關(guān)系到對(duì)油層的評(píng)價(jià)及后續(xù)的開發(fā)工作，是目前亟待解決的難題。

2　Marr小波分頻處理

以地震資料為研究基礎(chǔ)，以提高地震資料分辨率為目的，最大程度放大該薄儲(chǔ)層的地震反射特征，使得該薄儲(chǔ)層的地震反射清晰可靠，連續(xù)性強(qiáng)。選擇小波變換對(duì)原地震資料進(jìn)行分頻處理，通過計(jì)算高頻分頻體的方法提高地震資料分辨率。

小波變換是一種信號(hào)的時(shí)間-頻率分析方法，在時(shí)間域和頻率域都能夠表征信號(hào)局部特征，是一種時(shí)頻窗大小不變，但其形狀、時(shí)間窗和頻率窗變化的時(shí)頻局部化分析方法[5]。其中，常用于地震資料處理的是連續(xù)小波變換，其定義如式(1)所示。

(1)

式中：f(t)為原始信號(hào)；φa,b(t)為小波基函數(shù)；a為尺度因子；b為時(shí)移因子；t為時(shí)間參數(shù)。通常小波基函數(shù)寫為式(2)形式。

(2)

尺度因子a起尺度伸縮的作用：a>1,使時(shí)間窗變寬，頻譜變窄并向低頻方向移動(dòng)；a<1,使時(shí)間窗變窄，頻譜變寬并向高頻方向移動(dòng)，因此大的尺度因子使得頻率分辨率高，時(shí)間分辨率低；小的尺度因子使得時(shí)間分辨率高，頻率分辨率低。時(shí)移因子b起時(shí)移作用，對(duì)時(shí)頻窗的形狀無影響。這樣，式(1)就相當(dāng)于用一系列不同寬度的時(shí)窗去分析f(t)在時(shí)刻t-b附近的頻率成份，使得小波變換同時(shí)具有良好的頻域局部性和時(shí)域局部性。

根據(jù)小波變換的特點(diǎn)，選擇合適的小波基函數(shù)對(duì)地震資料進(jìn)行小波變換，通過調(diào)整尺度因子a的大小，來實(shí)現(xiàn)計(jì)算高頻分頻數(shù)據(jù)體以提高地震資料分辨率的目的，從而滿足對(duì)薄儲(chǔ)層研究的需要。

2.1小波基函數(shù)的選擇

總之，多維度案例圖庫的構(gòu)建結(jié)合微信平臺(tái)這一新型示教模式能夠調(diào)動(dòng)學(xué)生學(xué)習(xí)積極性，更好地鞏固專業(yè)知識(shí)，提高學(xué)生閱片能力和綜合素質(zhì)，提升教學(xué)質(zhì)量。

選擇合適的小波基函數(shù)應(yīng)從小波變換原理和實(shí)際地震資料兩方面考慮：①小波基函數(shù)必須是絕對(duì)可積和平方可積的，且應(yīng)為有限帶寬并具有零均值[6]；②小波基函數(shù)在時(shí)間域的采樣長度要盡量小，且緊支在很少的采樣點(diǎn)上，同時(shí)也要光滑以保證頻率域的分辨率，這樣使其具有良好的時(shí)頻局部化特征，另外也要具有良好的對(duì)稱性以提高地震資料的保真度[7]；③小波基函數(shù)與地震子波要有最佳的相關(guān)性。對(duì)地震信號(hào)進(jìn)行小波變換，實(shí)質(zhì)上就是不同尺度的小波基函數(shù)與地震信號(hào)的互相關(guān)，因此小波基函數(shù)與地震信號(hào)越接近，地震信號(hào)在時(shí)間-尺度域能量分布越集中；反之，地震信號(hào)能量在時(shí)間-尺度域展布范圍大。如果我們?cè)诮o定尺度(頻率)下分析問題，那么地震信號(hào)就會(huì)比較清晰，干擾波及隨機(jī)噪聲會(huì)得到壓制[8]。

從實(shí)際地震資料入手，首先通過W1井及其他鉆穿沙三2段地層的6口鉆井的井旁道，結(jié)合測井資料得到的反射系數(shù)序列提取平均地震子波[9]，(圖3)。實(shí)際地震資料地震子波基本為對(duì)稱子波，相位接近常數(shù)為16°，主頻為14 Hz，頻帶范圍為5 Hz～ 30 Hz。

圖3　地震子波波形及頻譜Fig.3　The waveform of seismic wavelet and the frequency spectrum of seismic wavelet(a)地震子波波形；(b)頻譜

根據(jù)上述小波基函數(shù)的選取原則，優(yōu)選了Marr小波作為小波基函數(shù)。Marr小波為高斯函數(shù)的二階導(dǎo)數(shù)，是實(shí)數(shù)小波，計(jì)算簡單、速度快，其公式如式(3)和式(4)所示。

時(shí)間域：

(3)

頻率域：

(4)

從式(3)、式(4)可以看出，其絕對(duì)可積和平方可積，帶寬有限并且具有零均值，緊支在較小采樣點(diǎn)上具有良好的局部性能和對(duì)稱性，這點(diǎn)從其波形和頻率相位譜(圖4)中也可以看出。

(5)

頻率域?yàn)椋?/p>

圖4　Marr小波波形及頻譜Fig.4　The waveform of Marr wavelet and the frequency spectrum of Marr wavelet(a) Marr小波波形；(b) 頻譜

圖5　改造后的小波基函數(shù)與地震子波波形及頻譜比較Fig.5　The waveform comparison between seismic wavelet and final wavelet basis function and the frequency spectrum comparison between them(a) 地震子波波形；(b) 頻譜

圖6　W1井在不同分頻體下的合成記錄標(biāo)定Fig.6　The synthetic records calibration of W1 well based on different frequency division bodies

(6)

如圖5所示，此時(shí)的小波基函數(shù)與地震子波基本達(dá)到最大相關(guān)。

2.2高頻分頻體的選擇

運(yùn)用雷克子波對(duì)實(shí)際地震資料進(jìn)行小波變換分頻處理，通過修改小波基函數(shù)中fm參數(shù)值的大小，可以得到不同主頻的分頻數(shù)據(jù)體，并針對(duì)這套出油的薄儲(chǔ)層來選擇合適的高頻分頻數(shù)據(jù)體。

實(shí)際地震資料主頻14 Hz,其頻帶范圍5 Hz～30 Hz，通過數(shù)學(xué)方法(小波變換)提高其分辨率(主頻)，計(jì)算結(jié)果主頻應(yīng)該大于實(shí)際地震資料但應(yīng)包含在其頻帶范圍內(nèi)，否則會(huì)產(chǎn)生假象，增大結(jié)果的不確定性。經(jīng)實(shí)驗(yàn)表明，頻率間隔在5 Hz之內(nèi)分頻結(jié)果變化不大，故以5 Hz為間隔，分別計(jì)算主頻為20 Hz、25 Hz、30 Hz、35 Hz四個(gè)分頻體，通過鉆井標(biāo)定合成記錄對(duì)分頻體進(jìn)行優(yōu)選(以W1井為例)，如圖6所示。

35 Hz分頻體由于其主頻超出實(shí)際地震資料頻帶范圍，雖然反射同相軸有所增加，但與其他分頻體相比信噪比明顯降低，即"假象"增多，予以排除；20 Hz分頻體與實(shí)際地震資料差別不大，予以排除；25 Hz和30 Hz分頻體分辨率明顯提高，對(duì)出油薄儲(chǔ)層反射清晰，其上部薄砂體頂部也形成了反射界面(圖6)，與合成地震記錄吻合良好，可信度高，考慮到30 Hz在實(shí)際地震資料頻帶范圍的邊部，故優(yōu)選25 Hz分頻體對(duì)出油薄儲(chǔ)層做進(jìn)一步的研究。

3　分頻體基礎(chǔ)上的模型約束反演

主頻為25 Hz的分頻體雖然提高了地震資料的分辨率，但不能完全滿足對(duì)出油薄儲(chǔ)層的精細(xì)刻畫，因?yàn)楦鶕?jù)瑞雷準(zhǔn)則[10]，25 Hz分頻體所能分辨的砂體厚度最薄為36 m，但W1井出油層主力砂體厚度在19 m，相差較遠(yuǎn)，雖然在井點(diǎn)處該薄儲(chǔ)層具有反射界面，并且界面連續(xù)性較原地震資料有較大提高(圖7)，但僅依靠25 Hz分頻體去識(shí)別該薄儲(chǔ)層的邊界還存在一定難度。模型約束反演利用測井資料進(jìn)行約束，以地震解釋層位做為控制，從井點(diǎn)出發(fā)，通過內(nèi)插、外推，產(chǎn)生初始波阻抗模型，以此為基礎(chǔ)采用模型優(yōu)選迭代擾動(dòng)算法,通過不斷修改更新初始模型,使模型的合成記錄最佳逼近于實(shí)際地震記錄,此時(shí)得到的最終波阻抗模型便是反演結(jié)果[11-12]。根據(jù)實(shí)際鉆井情況及地質(zhì)條件，選擇模型約束反演能夠進(jìn)一步提高分辨率，預(yù)測薄儲(chǔ)層分布范圍。

圖7　25 Hz分頻體過W1井剖面Fig.7　Profiles of 25 Hz frequency division body through W1 well

圖8為原始地震資料和25 Hz分頻體的頻率譜比較圖。對(duì)于25 Hz分頻體而言，雖然主頻得到了提高，并且高頻成份基本上得到了保留，但是其頻帶寬度變窄并且丟失了部分低頻信息。該分頻體能夠使用,因?yàn)椋孩傺芯康闹饕獑栴}是薄儲(chǔ)層預(yù)測，25Hz分頻體具有較高主頻和充足的高頻信息，滿足分辨率要求；②模型約束反演屬于井震聯(lián)合反演，以測井資料豐富的高頻信息和完整的低頻成分來補(bǔ)充地震有限帶寬的不足，其突破了傳統(tǒng)意義上地震分辨率的限制,使分辨率進(jìn)一步得到提高[13]。因此結(jié)合實(shí)際的鉆井和地質(zhì)信息，利用模型約束反演能夠基本上補(bǔ)充25 Hz分頻體缺失的低頻信息，二者相結(jié)合，針對(duì)薄儲(chǔ)層能夠進(jìn)行有效的預(yù)測。

圖8　原地震資料與25 Hz分頻體振幅譜比較Fig.8　The amplitude spectrum of real seismic data and 25 Hz frequency division body

25 Hz分頻體分辨率較高，在此基本上的層位解釋更為細(xì)致，使得地質(zhì)初始模型更接近實(shí)際，同時(shí)由于井震結(jié)合，有效控制頻帶范圍有所增大，進(jìn)一步降低了模型約束反演的多解性，增大了反演結(jié)果的可信度。如圖9所示，在以25 Hz分頻體為基礎(chǔ)，結(jié)合鉆穿沙三2段的7口鉆井進(jìn)行的新模型約束反演剖面上，沙三2段砂體與W1井伽馬曲線吻合度非常高，同時(shí)出油薄儲(chǔ)層刻畫清晰，邊界明顯，這證明在25 Hz分頻體上進(jìn)行的模型約束反演結(jié)果是可靠的。

圖9　過W1井模型約束反演剖面 (基于25 Hz分頻體)Fig.9　W1 well model constrained inversion 　section (based on 25 Hz frequency division body)

在新模型約束反演體上，針對(duì)出油薄儲(chǔ)層提取了均方根振幅屬性(圖10)，結(jié)合屬性圖中所預(yù)測的該出油薄儲(chǔ)層的分布范圍，進(jìn)一步在反演體上對(duì)該出油薄儲(chǔ)層進(jìn)行了追蹤，確定其面積為20.9 km2，為后續(xù)油藏評(píng)價(jià)及儲(chǔ)量計(jì)算提供了可靠依據(jù)。

圖10　出油層波阻抗均方根振幅屬性圖Fig.10　The impedance root-mean-square amplitude attribute of the thin oil reservoir

4　結(jié)論

1)根據(jù)研究區(qū)的實(shí)際地震資料，運(yùn)用改造后的Marr小波基函數(shù)進(jìn)行小波變換有效提高了研究區(qū)原始地震資料的分辨率。

2)模型約束反演有效補(bǔ)充小波變換后高頻分頻體部分低頻信息缺失和頻帶變窄的不足，進(jìn)一步提高了分辨率并對(duì)薄儲(chǔ)層進(jìn)行有效預(yù)測。

3)如果僅針對(duì)薄儲(chǔ)層進(jìn)行預(yù)測，則地震資料低頻信息不足對(duì)其的影響可以基本通過鉆井信息結(jié)合其他方法進(jìn)行補(bǔ)充，決定薄儲(chǔ)層預(yù)測結(jié)果準(zhǔn)確性的關(guān)鍵因素仍是具有較高分辨率的地震資料。

4)實(shí)際應(yīng)用表明，這種針對(duì)薄儲(chǔ)層預(yù)測的研究思路是可行的，預(yù)測結(jié)果準(zhǔn)確可靠。

[1]王濮,李國發(fā),張立勤,等.歧口凹陷西斜坡沙一段薄儲(chǔ)層預(yù)測[J].中國石油大學(xué)學(xué)報(bào):自然科學(xué)版，2008,32(2):28-33.

WANG P,LI G F LI,ZHANG L Q,et al.Thin-layer reservoir prediction in the lower Es1 of the western ramp of Qikou depression[J].Journal of China University of Petroleum:Edition of Natural Science,2008,32(2)：28-33.(In Chinese)

[2]YUAN S Y,WANG S X. Spectral sparse Bayesian learning reflectivity inversion[J].Geophysical Prospecting,2013,61(4):735-746.

[3]孫學(xué)棟,趙建儒，白軍,等.譜分解技術(shù)在營爾凹陷長沙嶺地區(qū)薄儲(chǔ)層預(yù)測中的應(yīng)用[J].石油地球物理勘探，2011,46(S1):72-75.

SUN X D,ZHAO J R,BAI J,et al.Spectrum decomposition application in thin-reservoir prediction in Changshaling belt,Yinger Depression[J].Oil Geophysical Prospecting,2011,46(S1):72-75.(In Chinese)

[4]楊立強(qiáng),鄔長武,王箭波,等.基于小波變換的分頻技術(shù)在碳酸巖儲(chǔ)層預(yù)測中的應(yīng)用[J].物探化探計(jì)算技術(shù)，2012,34(3):253-257.

YANG L Q,WU C W,WANG J B,et al.Application of wavelet transform-based seismic spectral decomposition technique in prediction of carbonate reservoir[J].Computing Techniques for Geophysical and Geochemical Exploration,2012,34(3):253-257.(In Chinese)

[5]馬鵬善,高秀花,汪桂春,等.小波分析在地震資料分頻處理中的應(yīng)用[J].特種油氣藏，2007,14(3):35-38.

MA P S,GAO X H,WANG G C,et al.Application of wavelet analysis in frequency division processing of seismic data[J].Special Oil & Gas Reservoirs,2007,14(3):35-38.(In Chinese)

[6]A.Chakraborty,徐焱東.利用小波變換法對(duì)地震數(shù)據(jù)進(jìn)行頻率-時(shí)間域分解[J].石油物探譯從,1996(3):10-21.

A．CAKRABORTY,XU Y D.Using the method of wavelet transform to make frequency-time domain decomposition of seismic data[J].Reservoir Evaluation and Development,1996(3):10-21.(In Chinese)

[7]張建軍,魏修成,劉洋.地震資料小波時(shí)頻分析中小波母函數(shù)的選取[C].中國地球物理學(xué)會(huì)第十九屆年會(huì)論文集,2003:88-89.

ZHANG J J,WEI X C,LIU Y.The selection of wavelet generating function in wavelet time-frequency analysis of seismic data[C].The 19th annual meeting of the Chinese geophysical institute,2003:88-89.(In Chinese)

[8]高靜懷,汪文秉,朱光明,等.地震資料處理中小波函數(shù)的選取研究[J].地球物理學(xué)報(bào),1996,39(3):392-399.

GAO J H,WANG W B,ZHU G M,et al.On the choice of wavelet functions for seismic data processing[J].Chinese Journal of Geophysics,1996,39(3):392-399.(In Chinese)

[9]呂雙兵,張秀麗.測井約束地震反演技術(shù)分析與應(yīng)用[J].石油天然氣學(xué)報(bào),2009,31(1):207-209.

LV S B,ZHANG L X.Technical Aanlysis and Application of Logging Constrained Seismic Inversion[J].Journal of Oil and Gas Technology,2009,31(1):207-209.(In Chinese)

[10]錢紹瑚,劉來祥.零相位子波的垂向分辨率[J].石油物探,1988,27(2):1-9.

QIAN S H,LIU L X.Vertical Resolution of Zero-Phase Wavelets[J].Geophysical Prospecting For Petrole,1988,27(2):1-9.(In Chinese)

[11]YUAN S Y,WANG S X,LUO C M,et al.He,Simultaneous multitrace impedance inversion with transform-domain sparsity promotion[J].Geophysics,2015,80(2):71-80.

[12]肖陽,朱敏,朱文奎,等.測井約束反演技術(shù)在油藏描述中的應(yīng)用[J]．石油地球物理勘探，2001,36(5)：633-639.

XIAO Y,ZHU M,ZHU W K,et al.Application of Logging-Constrained in Version in Reservoir Description[J].OGP,2001,36(5)：633-639.(In Chinese)

[13]賈承造,趙文智,鄒才能,等.巖性地層油氣藏勘探研究的兩項(xiàng)核心技術(shù)[J].石油勘探與開發(fā),2004,31(3):3-9.

JIA C Z,ZHAO W Z,ZOU C N,et al.Two key technologies about exploration of stratigraphic/ lithological reservoirs[J].Petroleum Exploration and Development,2004,31(3):3-9.(In Chinese)

Application of Marr wavelet frequency-division processing combining with model constraint inversion in the thin reservoir prediction

YAO Jun1, LI Yue-tong2, LIU Wei3

(1.Northwest Branch Research, Institute of Petroleum Exploration&Development of Petrochina, Lanzhou730020, China;2.School of Geosciences, Yangtze University, Wuhan430100,China;3. China Railway Siyuan Survey and Design Group Co．Ltd, Wuhan430079,China)

With the developement of lithologic hydrocarbon reservoir exploration, especially for clastic reservoir, the demand for prediction accuracy of reservoir range becomes higher and higher, the reservoir thickness which is required to predict also gradually becomes smaller. The seismic data plays an important role under this condition. Affected by resolution of conventional seismic data, there is a big difficulty in identification of thin reservoir; The resolution of conventional seismic data needs to be further improved. According to the selection principle of wavelet basis function in wavelet transform, the characteristics of actual seismic data were firstly analyzed, using borehole-side trace wavelet as reference. The modified Marr wavelet is choosed in the first place to make the wavelet transform frequency division processing for seismic data to improve the resolution of seismic data and meet the need of the thin reservoir research. On this basis, combines well logging and seismic and predicts the thin reservoir effectively using the model constraint inversion. Actual application indicates that the accuracy of the thin reservoir prediction method of Marr wavelet frequency-division processing combining with model constraint inversion is high, effect is good.

wavelet transform; Marr wavelet; frequency division; model constraint inversion; thin reservoir

2015-04-20改回日期：2015-05-12

姚軍(1983-),男，工程師，主要從事儲(chǔ)層預(yù)測和地震資料解釋，E-mail：yao_j@petrochina.com.cn。

1001-1749(2016)04-0546-07

P 631.4

A

10.3969/j.issn.1001-1749.2016.04.17