應(yīng)用地震屬性主成分分析識別古河道

張家樂，程冰潔*，徐天吉，雍林

(1.成都理工大學(xué)“油氣藏地質(zhì)及開發(fā)工程”國家重點(diǎn)實(shí)驗(yàn)室，四川成都 610059；2.成都理工大學(xué)“地球勘探與信息技術(shù)”教育部重點(diǎn)實(shí)驗(yàn)室，四川成都 610059；3.電子科技大學(xué)資源與環(huán)境學(xué)院，四川成都 611731；4.電子科技大學(xué)長三角研究院(湖州)，浙江湖州 313099)

0 引言

古河道兩側(cè)水動(dòng)力能量高，溶蝕迅速、強(qiáng)烈，是河流侵蝕作用最明顯的部位，易形成大面積物性較好的巖溶儲(chǔ)層[1]，是油氣資源聚集、成藏的良好空間。但由于古地理環(huán)境變遷和后期構(gòu)造運(yùn)動(dòng)的影響，河道變化頻繁、相帶不穩(wěn)定，伴隨斷層穿插以及地震采集和處理本身的噪聲與分辨率因素的制約，因此精細(xì)解釋河道砂體難度較大[2-3]。

利用地震屬性研究地下古河道分布、檢測油藏動(dòng)態(tài)及識別流體的應(yīng)用前景很好[4]。然而，由于地質(zhì)因素、觀測條件、測量精度和主觀因素等限制[5]，需要選擇突出古河道特征的地震屬性。由于受構(gòu)造、沉積、流體等地質(zhì)因素的影響，不同振幅的三維地震數(shù)據(jù)在垂向剖面和橫向切片上形成了一種特殊的地震數(shù)據(jù)紋理。河道沉積在地層切片上呈線性紋理特征，既能反映主要的油氣儲(chǔ)層類型，也是相對容易判別的一種地震紋理類型[6-8]，該屬性突出了細(xì)小斷裂及河道特征[9]。蔡涵鵬等[10]在半監(jiān)督地震相分析算法中引入疊前地震紋理屬性，以突出振幅隨方位角或炮檢距等的變化特征，但并未應(yīng)用于古河道識別。于豪等[11]利用頻譜分解技術(shù)判別斷層和特殊地質(zhì)體(小斷層和儲(chǔ)層發(fā)育帶)的形態(tài)，認(rèn)為：譜峰值能夠有效地分辨河道和特殊地質(zhì)體的形態(tài)，可識別中等尺度河道和儲(chǔ)層發(fā)育帶；對于更小尺度的河道儲(chǔ)層，需要結(jié)合其他地震屬性才能識別。相干能量梯度可突出細(xì)小裂縫及河道特征，對于描述一些細(xì)微地質(zhì)特征效果明顯。韓紅濤等[12]通過優(yōu)選地震屬性并結(jié)合地質(zhì)綜合分析減少多解性，以提高儲(chǔ)層預(yù)測精度，如利用相干能量梯度刻畫生物礁灘的具體形態(tài)，但僅限于刻畫生物礁灘體。振幅類與頻率類的瞬時(shí)地震屬性參數(shù)反映了地震動(dòng)力學(xué)特征，可作為儲(chǔ)層預(yù)測的重要參數(shù)[13]。提取瞬時(shí)屬性參數(shù)可以獲得信息更豐富的地震屬性剖面，而分頻處理反映了具有分頻意義的地震信號時(shí)變特性。分頻瞬時(shí)振幅對不同寬度、不同尺度的河道均具有良好的分辨率優(yōu)勢，可較好地刻畫目標(biāo)層的河道分布特征[14]。馮金義[15]應(yīng)用時(shí)頻分析技術(shù)提取不同頻率的瞬時(shí)振幅沿層切片，以檢測河道砂體的空間分布，但識別細(xì)小古河道的效果不好。

實(shí)際應(yīng)用結(jié)果表明，利用曲率、相干等屬性刻畫河道的效果不明顯，對這些屬性的主成分分析效果較差。地震紋理、相干能量、譜峰值和分頻振幅等屬性雖然能較好地識別部分古河道，但是存在古河道刻畫不全、識別范圍有限等問題。為此，本文為提高識別細(xì)小河道的分辨率，針對地震紋理、相干能量、譜峰值和分頻振幅等屬性進(jìn)行主成分分析，保留各屬性的優(yōu)勢特征，使多屬性融合結(jié)果的信息更全面。通過觀察發(fā)現(xiàn)，低、中、高頻瞬時(shí)振幅剖面對河道寬度、流向等變化細(xì)節(jié)的刻畫程度不同，需要結(jié)合主成分分析將多尺度河道信息疊合以凸顯河道展布的整體效果，為油氣藏勘探、開發(fā)提供方法支撐，從而提升三維河道識別結(jié)果的可靠性。

1 古河道主成分分析高分辨識別算法及實(shí)現(xiàn)流程

主成分分析(PCA)被廣泛應(yīng)用于降低數(shù)據(jù)的冗余度和冗余維數(shù)。多數(shù)信號可由前幾個(gè)主分量(特征向量)表征，其余的特征向量主要是冗余數(shù)據(jù)。

PCA算法的目的是降低維數(shù)，可將其用于地震屬性分析。PCA的工作流程如下。首先，準(zhǔn)備屬性數(shù)據(jù)。屬性必須從相同時(shí)間(或深度)和空間范圍的地震數(shù)據(jù)中提取。數(shù)據(jù)集可以是三維空間屬性的時(shí)間或?qū)游磺衅?，也可以是直接提取的時(shí)間或?qū)游粚傩?。不同屬性的?shù)量級和變化范圍不同，需要標(biāo)準(zhǔn)化處理。采用標(biāo)準(zhǔn)差法對屬性數(shù)據(jù)集進(jìn)行歸一化，得到標(biāo)準(zhǔn)化矩陣。其次，通過計(jì)算特征值矩陣和特征向量矩陣，將特征值從最高到最低排序，具有最高特征值的特征向量是數(shù)據(jù)集的第一主成分，表示數(shù)據(jù)中方差最大的向量，還表示所用屬性中常見的大部分信息，以此對特征向量重新排序。然后，融合選定的主成分，并在屬性域中重構(gòu)特征，以便于分析。新屬性的可視化圖可預(yù)測和描述河道。最后，利用新構(gòu)造的屬性預(yù)測古河道，并由測井、生產(chǎn)等資料驗(yàn)證。

整體工作思路是將原始振幅數(shù)據(jù)作為輸入，在數(shù)據(jù)處理軟件中分別提取原始數(shù)據(jù)的相干能量、地震紋理、譜峰值和分頻瞬時(shí)振幅等多種地震屬性。對以上地震屬性標(biāo)準(zhǔn)化處理并做PCA，得到主成分分量成圖以識別河道(圖1)。對相干能量、地震紋理和主頻峰值三種地震屬性進(jìn)行PCA，將得到的數(shù)據(jù)導(dǎo)入數(shù)據(jù)可視化軟件，并以層位切片的方式呈現(xiàn)。對于分頻瞬時(shí)振幅算得的低頻、中頻和高頻三組主成分分量，選取每一組的第一主成分進(jìn)行紅(R)、綠(G)、藍(lán)(B)三原色融合，得到河道沿層切片。通過觀察以上切片預(yù)測古河道，快速厘清目標(biāo)區(qū)河道發(fā)育情況，以了解河道的空間疊置關(guān)系。

圖1 PCA識別古河道流程

2 模型試算

為考察PCA對薄層的識別能力和降噪能力[16]，利用表1參數(shù)建立楔形地質(zhì)模型。采用主頻為25 Hz的Ricker子波作為震源進(jìn)行正演，得到楔形模型原始地震記錄(圖2a)。對圖2a做分頻處理并加入50 dB的高斯噪聲，得到主頻分別為10、25和40 Hz的模型數(shù)據(jù)(圖2b、圖2c和圖2d)。以圖2b～圖2d作為輸入做PCA，得到第一主成分(圖2e)。由圖2a和圖2e可見，在能量最高的位置(紅色圈與藍(lán)色圈)可觀察到由薄層產(chǎn)生的復(fù)合波，如圖2a的第30道、第70道，圖2e的第29道、第71道。上述結(jié)果表明，圖2e較好地反映了砂體厚度變化特征，并利用PCA將大部分高斯噪聲作為冗余數(shù)據(jù)進(jìn)行剔除，利于薄層識別。

表1 楔形地質(zhì)模型參數(shù)

圖2 楔形模型地震記錄

3 應(yīng)用實(shí)例

3.1 研究區(qū)概況

研究區(qū)為川西坳陷，位于四川盆地中西部的前陸盆地，經(jīng)歷了印支、燕山、喜馬拉雅運(yùn)動(dòng)，其主要發(fā)育晚三疊世至始新世的陸相沉積地層，厚度巨大，基底為海相碳酸鹽巖地層。三疊系自下而上依次為馬鞍塘組、小塘子組和須家河組；侏羅系自下而上依次為下統(tǒng)白田壩組，中統(tǒng)千佛巖組、沙溪廟組、遂寧組和蓬萊鎮(zhèn)組，為川西坳陷的主要沉積地層。沙溪廟組(J2s)從下往上整體分為沙一段(J2s1)、沙二段(J2s2)和沙三段(J2s3)，細(xì)分為15個(gè)小層[17]，以淺水三角洲沉積為主。

研究區(qū)歷經(jīng)多期構(gòu)造運(yùn)動(dòng)，氣藏普遍超壓，具有氣水關(guān)系復(fù)雜、產(chǎn)氣層位多、河道狹窄等特點(diǎn)，對成藏規(guī)律尚未有統(tǒng)一認(rèn)識[18-20]。J2s33-2(第14小層)的GR曲線呈低值(圖3綠色矩形框處)。

圖3 過JS301井地震剖面

3.2 地震屬性PCA識別古河道

為了有效描繪古河道的幾何形狀或走向，以川西坳陷J2s33-2原始振幅作為輸入數(shù)據(jù)，通過計(jì)算得到地震屬性數(shù)據(jù)(地震紋理、相干能量、譜峰值和分頻瞬時(shí)振幅等)，并進(jìn)行PCA。

3.2.1 基于地震紋理、譜峰值和相干能量的古河道識別

對譜峰值(圖4a)、相干能量(圖4b)和地震紋理(圖4c)三種地震屬性做PCA，并提取第一主成分的層位切片(圖4d)。可見：①圖4a～圖4c的河道識別結(jié)果均不全面，僅在一定程度上反映了中小尺度古河道的特征，對部分古河道的刻畫結(jié)果模糊(箭頭處)。②圖4d保留了圖4a～圖4c的有效信息，分辨率較高，反映了河道砂體的厚度變化，較好地描繪了不同尺度古河道特征；河道整體呈北東—南西向，東、西部各自發(fā)育兩條北東—南西向主河道，疊置發(fā)育多條近北東—南西向分支河道。

圖4 不同屬性及其主成分計(jì)算結(jié)果的層位切片

3.2.2 基于地震分頻瞬時(shí)振幅的古河道識別

對研究區(qū)原始地震數(shù)據(jù)的頻譜分析(圖5)表明，地震數(shù)據(jù)主頻約為35 Hz，頻帶寬度為5～80 Hz，優(yōu)勢頻帶寬度為7～65 Hz。

圖5 研究區(qū)地震數(shù)據(jù)的頻譜

每張分頻瞬時(shí)振幅切片展示了不同尺度、不同走向的河道微相，振幅高值異常清晰地顯示了不同寬度的河道細(xì)節(jié)，不同頻段的數(shù)據(jù)反映了厚度變化。

分頻處理從多視角、寬范圍、全方位的角度反映了地下古河道的響應(yīng)特征。根據(jù)研究區(qū)優(yōu)勢頻帶范圍，通過試驗(yàn)，取最小頻率為5 Hz，最大頻率為60 Hz，將地震數(shù)據(jù)分解為9個(gè)頻率數(shù)據(jù)體，分為三組(5、16、27 Hz，25、32、39 Hz及38、49、60 Hz)，將三組數(shù)據(jù)進(jìn)行PCA得到古河道識別屬性參數(shù)。最后利用RGB融合[21]加強(qiáng)古河道刻畫效果，融合內(nèi)容包括三組頻率數(shù)據(jù)及其PCA結(jié)果。

采用RGB技術(shù)對多頻段數(shù)據(jù)體分頻融合，可以突出小尺度河道信息。可見：①低頻瞬時(shí)振幅(圖6a)與高頻瞬時(shí)振幅(圖6c)的RGB融合圖整體分辨率較低，無法展示小尺度古河道細(xì)節(jié)；②中頻瞬時(shí)振幅的RGB融合圖(圖6b)的分辨率高于圖6a、圖6c，且與三組數(shù)據(jù)的第一主成分的融合結(jié)果(圖6d)最接近；③在提高部分細(xì)小河道(紅色方框處)分辨率的情況下，圖6d的部分小尺度古河道(紅色箭頭處)的邊緣較圖6b更清楚，分辨率更高。

圖6 RGB融合圖

綜上所述，為更全面地反映不同尺度古河道分布情況，需要融合多種地震屬性，并將三組數(shù)據(jù)進(jìn)行PCA，才能得到識別古河道的屬性參數(shù)。在特征提取過程中結(jié)合古河道有效識別信息，提高了縱向分辨率，可準(zhǔn)確地反映古河道的具體位置及輪廓。

4 結(jié)論

本文提出了應(yīng)用地震屬性PCA識別古河道的方法，通過總結(jié)兩類地震屬性PCA結(jié)果，精細(xì)刻畫了不同尺度古河道，預(yù)測效果優(yōu)于單一屬性，較好地提高了古河道識別精度。獲得以下認(rèn)識。

(1)地震紋理、相干能量和譜峰值三種地震屬性能夠較好地刻畫古河道，但是對古河道的識別結(jié)果均不全面。利用PCA提高了三種地震屬性識別河道的分辨率，可突出古河道的展布特征及邊界形態(tài)。

(2)基于分頻瞬時(shí)振幅剖面對河道變化細(xì)節(jié)的識別差異，利用PCA處理不同頻段瞬時(shí)振幅屬性，以增強(qiáng)共性細(xì)節(jié)信息，提高了古河道識別精度。