基于深度學(xué)習(xí)的古近系復(fù)雜沉積地區(qū)低頻模型構(gòu)建方法
——以珠江口盆地LA油田為例

汪生好 李 黎 董 政 趙偉超 郭 麗 沈建文

1.中海石油(中國(guó))有限公司深圳分公司, 廣東 深圳 518054;2.賽吉紀(jì)地球科技(北京)有限公司, 北京 100015

0 前言

獲取地震資料缺失的低頻信息是提升地震反演質(zhì)量的關(guān)鍵所在,特別是對(duì)于儲(chǔ)層的定量解釋,補(bǔ)充低頻信息更是非常必要。低頻信息的頻率與地震采集條件和處理流程有關(guān)，一般為0～10 Hz。通常情況下,可根據(jù)測(cè)井曲線依照地層格架進(jìn)行插值得到低頻模型[1]。但在巖性變化劇烈的地區(qū),單一的井插值結(jié)果存在很大的不確定性,難以得到滿意的預(yù)測(cè)結(jié)果。當(dāng)有地震處理的疊加速度譜時(shí),將其轉(zhuǎn)換成層速度,補(bǔ)充2～3 Hz以下的低頻信息,能較好地降低單純依靠井插值帶來(lái)的不確定性,但仍無(wú)法彌補(bǔ)地震資料缺失的3～10 Hz之間的低頻信息。而且在復(fù)雜沉積相區(qū)塊,僅依靠測(cè)井信息及速度譜信息構(gòu)建的低頻模型也很難反映真實(shí)的地質(zhì)特點(diǎn)。

目前,低頻模型的構(gòu)建方法大致可分成兩類:一類是基于理論驅(qū)動(dòng)的方法,即通過(guò)一系列地球物理、層序地層學(xué)、相控、迭代、趨勢(shì)面約束等理論及相關(guān)技術(shù)來(lái)彌補(bǔ)地震資料中缺失的低頻信息;另一類是基于數(shù)據(jù)驅(qū)動(dòng)的方法,即通過(guò)深度學(xué)習(xí)等人工智能算法,來(lái)學(xué)習(xí)地震信號(hào)與測(cè)井真實(shí)低頻阻抗信息之間復(fù)雜的非線性關(guān)系,達(dá)到建立更精確的低頻模型目的。

基于理論驅(qū)動(dòng)的方法,前人已做了大量工作,提出了多種地震低頻信息補(bǔ)償方法,如迭代法構(gòu)建低頻模型[2-4]、儲(chǔ)層相控反演技術(shù)[5-8]、常數(shù)低頻模型的構(gòu)建[1]、地震速度體約束構(gòu)建低頻模型[9-10]、層序地層格架約束井插值構(gòu)建低頻模型[11-12]、基于立體層析反演速度約束構(gòu)建低頻模型[13]和應(yīng)用速度體及趨勢(shì)約束構(gòu)建低頻模型等[14-15]。目前，使用基于理論驅(qū)動(dòng)的方法進(jìn)行地震低頻信息補(bǔ)償?shù)母鞣N方法都有其適用條件,并存在一定的局限性,需要根據(jù)不同的沉積環(huán)境選擇或改進(jìn)低頻模型的構(gòu)建方法?；跀?shù)據(jù)驅(qū)動(dòng)的方法,目前公開(kāi)的研究較少,多是利用卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)作為訓(xùn)練模型,以測(cè)井曲線作為標(biāo)簽，地震信號(hào)作為訓(xùn)練樣本,進(jìn)而建立一個(gè)訓(xùn)練集,以此來(lái)揭示地震信號(hào)和測(cè)井低頻信息的復(fù)雜非線性關(guān)系或仿射關(guān)系,從而構(gòu)建低頻模型[16]。綜上所述,準(zhǔn)確地構(gòu)建低頻模型是一項(xiàng)復(fù)雜而困難的工作,需要在理論和技術(shù)上加以創(chuàng)新和完善。

本文以珠江口盆地LA油田(以下簡(jiǎn)稱LA油田)為例,針對(duì)古近系復(fù)雜沉積地區(qū),提出一種深度學(xué)習(xí)的方法,利用地震速度、測(cè)井曲線和反映沉積相帶的地震屬性或反演屬性等信息聯(lián)合構(gòu)建低頻模型,基于此低頻模型得到的反演結(jié)果相對(duì)能更好地表征儲(chǔ)層的分布規(guī)律,可為L(zhǎng)A油田開(kāi)發(fā)項(xiàng)目的實(shí)施提供有力的技術(shù)支持。

1 低頻模型研究思路及技術(shù)原理

地震反演中,低頻模型的構(gòu)建通常是利用測(cè)井曲線,在地層格架控制下通過(guò)數(shù)學(xué)算法進(jìn)行插值得到。在巖性橫向變化較快且鉆井?dāng)?shù)量較少的情況下,如何充分利用地震屬性、地震速度和測(cè)井曲線等信息構(gòu)建更精確的低頻模型是研究的關(guān)鍵。

1.1 研究思路

本文研究重點(diǎn)在于優(yōu)化完善基礎(chǔ)數(shù)據(jù),并通過(guò)深度學(xué)習(xí)構(gòu)建多信息源融合的低頻模型,具體構(gòu)建流程見(jiàn)圖1。

圖1 深度學(xué)習(xí)低頻模型構(gòu)建流程圖

首先,應(yīng)用已有測(cè)井資料開(kāi)展巖石物理建模,補(bǔ)齊已鉆井的縱波阻抗、縱橫波速度比和密度曲線;針對(duì)疊前道集存在的剩余動(dòng)校正、近道噪音等問(wèn)題進(jìn)行優(yōu)化處理,繼而開(kāi)展基于常數(shù)模型的疊前同時(shí)反演,得到帶限的縱波阻抗、縱橫波速度比和密度數(shù)據(jù)體;同時(shí)，針對(duì)地震速度與井速度低頻趨勢(shì)存在的差異來(lái)校正地震速度;隨后,采用深度學(xué)習(xí)的方法,將帶限的反演數(shù)據(jù)體、校正后的地震速度體和測(cè)井曲線數(shù)據(jù)融合，得到全頻帶的縱波阻抗、縱橫波速度比和密度反演數(shù)據(jù)體;最后,根據(jù)反演需求截取最終低頻模型。

1.2 巖石物理建模基本原理

LA油田目的層埋藏深度有限,處于中等成巖階段,孔隙度整體相對(duì)較高且孔隙類型以原生粒間孔為主。Xu-White模型和Grain-supported模型是常用的巖石物理模型，Xu-White模型主要針對(duì)孔隙度較低且孔隙類型以次生孔隙和原生孔隙殘留為主的地層,其適用性存在一定風(fēng)險(xiǎn)。Grain-supported模型對(duì)砂巖孔隙類型限制條件相對(duì)寬松,基本適用于含有石英和黏土的巖石[17-18]。LA油田巖石物理建模流程主要包括:使用微分有效介質(zhì)(Differential Effective Medium,DEM)向黏土礦物添加流體;第二次使用DEM將該混合物作為球形包裹體引入石英礦物,形成基質(zhì);第三次使用DEM將干孔隙加入基質(zhì)中,形成干巖石;根據(jù)Brie’s方程[19]進(jìn)行油水兩相流體混合加入干巖石，同時(shí)，應(yīng)用Gassmann方程[20]計(jì)算巖石的飽和彈性參數(shù)。巖石物理建模流程見(jiàn)圖2。

圖2 巖石物理建模流程圖

1.3 深度學(xué)習(xí)基本原理

1.3.1 深度信念網(wǎng)絡(luò)

典型的深度學(xué)習(xí)模型有卷積神經(jīng)網(wǎng)絡(luò)模型、深度信念網(wǎng)絡(luò)(Deep Belief Networks,DBN)模型和堆棧自編碼網(wǎng)絡(luò)模型。本文采用的DBN模型是概率生成模型,既可以用于非監(jiān)督學(xué)習(xí),也可以用于監(jiān)督學(xué)習(xí)。與傳統(tǒng)判別模型的神經(jīng)網(wǎng)絡(luò)相比,概率生成模型是建立一個(gè)觀察數(shù)據(jù)和標(biāo)簽之間的聯(lián)合分布函數(shù),通過(guò)訓(xùn)練其神經(jīng)元間的權(quán)重,可以讓整個(gè)神經(jīng)網(wǎng)絡(luò)按照最大概率來(lái)生成訓(xùn)練數(shù)據(jù)。

DBN模型可以解釋為貝葉斯概率生成模型,由多層隨機(jī)隱變量組成,上面兩層具有無(wú)向?qū)ΨQ連接,下面一層得到來(lái)自上一層自頂向下的有向連接,最底層單元的狀態(tài)為可見(jiàn)輸入數(shù)據(jù)向量。DBN模型由若干結(jié)構(gòu)單元堆棧組成,結(jié)構(gòu)單元通常為受限玻爾茲曼機(jī)(Restricted Boltzmann Machine,RBM)。結(jié)構(gòu)單元堆棧中每個(gè)RBM單元的可視層神經(jīng)元數(shù)量等于前一個(gè)RBM單元的隱藏層神經(jīng)元數(shù)量。根據(jù)深度學(xué)習(xí)機(jī)制,采用輸入樣例訓(xùn)練第一層RBM單元,并利用其輸出訓(xùn)練第二層RBM單元,將RBM單元進(jìn)行堆棧，通過(guò)增加層改善模型性能。在無(wú)監(jiān)督預(yù)訓(xùn)練過(guò)程中,DBN模型編碼輸入到頂層RBM單元后,解碼頂層的狀態(tài),向下連接到最底層的單元,實(shí)現(xiàn)輸入的重構(gòu)，DBN模型結(jié)構(gòu)見(jiàn)圖3。RBM單元作為DBN模型的結(jié)構(gòu)單元,與每一層DBN模型共享參數(shù)。

圖3 DBN模型結(jié)構(gòu)示意圖

1.3.2 低頻模型的構(gòu)建

本文構(gòu)建低頻模型的數(shù)據(jù)基礎(chǔ)主要是測(cè)井曲線、地震速度和地震反演屬性,各頻率分布見(jiàn)圖4。由于地震速度頻率范圍僅為0～3 Hz,與井聯(lián)合構(gòu)建低頻模型不能有效表征LA油田復(fù)雜地層的彈性屬性變化趨勢(shì),需要進(jìn)一步引入地震屬性信息,這樣既可以保證低頻模型橫向上與地震速度趨勢(shì)相似,同時(shí)也具有更豐富的細(xì)節(jié)。因此,該多信息源融合構(gòu)建低頻模型的方法可以充分利用疊加速度的橫向趨勢(shì)、測(cè)井曲線縱向上的精度優(yōu)勢(shì)以及地震反演屬性反映沉積相帶的特點(diǎn),結(jié)果更能反映復(fù)雜斷塊構(gòu)造趨勢(shì),更符合實(shí)際地質(zhì)特征認(rèn)識(shí)。

圖4 數(shù)據(jù)頻率分布范圍示意圖

2 多信息源融合的低頻模型構(gòu)建方法

本文針對(duì)LA油田文昌組斷塊構(gòu)造復(fù)雜、沉積相帶變化快的特點(diǎn),構(gòu)建多信息源融合的低頻模型,步驟如下:首先,開(kāi)展巖石物理建模及疊前道集優(yōu)化處理,再優(yōu)化處理地震層速度；然后,開(kāi)展基于常數(shù)模型的疊前同時(shí)反演；最后,構(gòu)建基于深度學(xué)習(xí)的低頻模型。

2.1 巖石物理建模及疊前道集優(yōu)化處理

巖石物理表征的重要參數(shù)是縱波速度、橫波速度和密度,這些參數(shù)數(shù)據(jù)主要來(lái)自聲波和密度測(cè)井,因LA油田已鉆井并未完全錄取上述參數(shù)的曲線,因此,巖石物理建模研究主要是為了預(yù)測(cè)和補(bǔ)全已鉆井的參數(shù)曲線,這是后續(xù)構(gòu)建低頻模型的關(guān)鍵數(shù)據(jù)之一。結(jié)合LA油田巖石物理特點(diǎn),研究中選用測(cè)井資料質(zhì)量較高且較齊全的LA1a井進(jìn)行巖石物理建模,采用Grain-supported模型,將地層評(píng)價(jià)研究得到的各礦物含量、孔隙度、含水飽和度等參數(shù)作為輸入,通過(guò)微調(diào)骨架點(diǎn)參數(shù),使巖石物理模型正演曲線和實(shí)測(cè)曲線相似度高,正演預(yù)測(cè)的縱波速度、橫波速度、密度與實(shí)測(cè)數(shù)據(jù)具有一致性,表明該巖石物理模型具有較高的可靠性,見(jiàn)圖5。

圖5 LA1a井巖石物理正演曲線與實(shí)測(cè)曲線對(duì)比圖

為了獲得較高質(zhì)量的帶限反演結(jié)果作為后續(xù)深度學(xué)習(xí)的數(shù)據(jù)源,需要一套振幅隨偏移距(Amplitude Variation with Offset,AVO)變化規(guī)律準(zhǔn)確、信噪比較高和無(wú)剩余動(dòng)校正量的道集數(shù)據(jù)。因此,有必要對(duì)疊前時(shí)間偏移處理后的共反射點(diǎn)(Common Reflection Point,CRP)道集進(jìn)行優(yōu)化處理。LA油田CRP道集優(yōu)化主要包括外切除、拉平和去噪等處理步驟,處理后的道集品質(zhì)整體提高,見(jiàn)圖6。

a)外切除后道集

2.2 地震速度優(yōu)化處理

地震速度可以反映地層速度整體變化趨勢(shì),但與井震標(biāo)定后的井速度往往存在明顯差異,即使在同一頻段內(nèi)比較,也存在局部趨勢(shì)不匹配。為了提升兩者的匹配度,可通過(guò)深度學(xué)習(xí)對(duì)地震速度予以校正,即以井速度曲線為訓(xùn)練目標(biāo),以地震速度場(chǎng)作為訓(xùn)練數(shù)據(jù)進(jìn)行深度學(xué)習(xí),并將深度學(xué)習(xí)模型應(yīng)用到整個(gè)速度場(chǎng),得到最終優(yōu)化后的速度場(chǎng)。與校正前的地震速度場(chǎng)相比,在不改變速度整體趨勢(shì)的前提下,校正后地震速度場(chǎng)與井速度的匹配程度明顯提升,見(jiàn)圖7。

a)校正前層速度

2.3 基于常數(shù)低頻模型的疊前同時(shí)反演

在不考慮低頻信息的情況下,疊前同時(shí)反演的帶限結(jié)果往往可以反映地質(zhì)沉積特征。因此,在構(gòu)建低頻模型前,基于部分疊加數(shù)據(jù)體,利用常數(shù)低頻模型進(jìn)行第一輪疊前同時(shí)反演,得到帶限的縱波阻抗、縱橫波速度比和密度等反演數(shù)據(jù)體。提取LA油田W5層平面屬性顯示,其橫向變化趨勢(shì)與油田地層沉積特征具有較好的相關(guān)性,見(jiàn)圖8。

圖8 LA油田W5層帶限縱橫波速度比平面屬性圖

2.4 基于深度學(xué)習(xí)的低頻模型構(gòu)建

以測(cè)井曲線作為目標(biāo)函數(shù),輸入2.2節(jié)優(yōu)化后的地震速度、基于常數(shù)低頻模型的帶限反演結(jié)果,開(kāi)展多信息源深度學(xué)習(xí),得到全頻帶的縱波阻抗、縱橫波速度比和密度的模型,然后截取低頻部分作為反演的輸入模型。以縱橫波速度比模型為例,從圖9的LA油田W5層縱橫波速度比模型平面屬性可以看出,其與地震速度、帶限縱橫波速度比的平面趨勢(shì)都具有一定的相關(guān)性,說(shuō)明低頻模型充分反映了地震反演屬性和地震速度的信息,帶限縱橫波速度比平面屬性見(jiàn)圖8,地震層速度平面趨勢(shì)見(jiàn)圖10。另外,根據(jù)區(qū)域地質(zhì)研究成果,LA油田W5層沉積時(shí)期,北部為洼陷方向,西南部為主要物源方向,經(jīng)過(guò)較短距離搬運(yùn)至本區(qū)形成辮狀河三角洲,低頻模型的橫向變化規(guī)律基本與這一構(gòu)造沉積特征相符。

圖9 LA油田W5層縱橫波速度比模型平面屬性圖

圖10 LA油田W5層地震層速度平面趨勢(shì)圖

為進(jìn)一步說(shuō)明深度學(xué)習(xí)低頻模型的優(yōu)勢(shì),將其與構(gòu)造層位控制下的彈性曲線插值模型進(jìn)行比較,同樣以縱橫波速度比為例,由于LA油田構(gòu)造和沉積特征的特殊性和復(fù)雜性,井與井之間彈性屬性差異較大,導(dǎo)致井插值模型中出現(xiàn)“牛眼”現(xiàn)象,其橫向趨勢(shì)幾乎沒(méi)有任何指示意義,見(jiàn)圖11。

圖11 井插值縱橫波速度比模型平面屬性圖

3 反演結(jié)果分析與討論

考慮到低頻模型對(duì)反演結(jié)果影響的重要性,從對(duì)反演結(jié)果的盲井檢驗(yàn)和基于不同模型的反演效果對(duì)比分析,進(jìn)一步闡述深度學(xué)習(xí)低頻模型的準(zhǔn)確性,過(guò)盲井LA1井不同縱橫波速度比反演剖面見(jiàn)圖12。由圖12可看出,與井插值低頻模型的反演結(jié)果相比,基于深度學(xué)習(xí)低頻模型的反演結(jié)果與盲井揭示的儲(chǔ)層、非儲(chǔ)層吻合程度較高,剖面黑框內(nèi)砂體的連續(xù)性更好。此外,LA油田已鉆井在W5層砂巖的測(cè)井縱橫波速度比介于1.6～1.7(圖5),相較而言,基于深度學(xué)習(xí)低頻模型反演預(yù)測(cè)的砂體縱橫波速度比更接近1.6～1.7。由此可見(jiàn),深度學(xué)習(xí)低頻模型的預(yù)測(cè)結(jié)果在儲(chǔ)層的定量解釋方面更精確。

a)基于井插值低頻模型的反演

另一方面,受低頻模型的影響,LA1a井在井插值模型反演的縱橫波速度比平面屬性上處于相對(duì)高值區(qū)域,其橫向變化趨勢(shì)與實(shí)際認(rèn)識(shí)不相符;而深度學(xué)習(xí)低頻模型的反演屬性特征則反映了與輸入數(shù)據(jù)的一致性,也反映出辮狀河三角洲從南西方向推進(jìn)到本區(qū)的基本沉積特征,沉積體邊界較清晰。根據(jù)基于深度學(xué)習(xí)低頻模型的反演結(jié)果,明確了儲(chǔ)層的主體展布范圍,重新部署了LA油田開(kāi)發(fā)井A1和A2的位置,見(jiàn)圖13。

a)基于井插值低頻模型的反演

4 結(jié)論

針對(duì)古近系復(fù)雜沉積地區(qū)儲(chǔ)層橫向變化快和地震反演時(shí)難以建立準(zhǔn)確的低頻模型問(wèn)題,以LA油田為例,探索研究了從基礎(chǔ)資料優(yōu)化到利用測(cè)井曲線、地震速度和反演屬性進(jìn)行多信息源融合的深度學(xué)習(xí)建模方法,克服了LA油田沉積環(huán)境復(fù)雜、井少且位置分布不均和基礎(chǔ)資料品質(zhì)較低等不利條件,構(gòu)建了具有較高精度的反演低頻模型,提高了反演結(jié)果的可靠性,明確了LA油田W5層儲(chǔ)層的主體展布范圍,為L(zhǎng)A油田開(kāi)發(fā)項(xiàng)目的實(shí)施提供指導(dǎo)和建議。