CN102928872A - 一种提高滩坝砂储层地震识别性能与描述精度的方法 - Google Patents

Abstract

本发明公开了一种提高滩坝砂储层地震识别性能与描述精度的方法，属于地震勘探领域。其是先采用三参数小波来提高地震分辨薄互层的能力，再通过多子波技术对地震数据进行变换，得到成果数据，后期利用沿层切片或者属性分析等技术，以提高滩坝砂储层的地震识别性能与描述精度。本发明能有效提高薄层识别能力，提高主频，展宽频带范围。经多子波变化后，能更加突出滩坝砂储层信息，经属性融合显示后，能大大提高后期储层描述的精度。

Description

一种提高滩坝砂储层地震识别性能与描述精度的方法

技术领域

本发明涉及一种提高滩坝砂储层地震识别性能与描述精度的方法，属于地震勘探领域。

背景技术

地震勘探已经从构造油气藏向岩性油气藏过渡，大部分滩坝砂油气藏属于岩性油气藏，由于该类油藏埋藏深、单层薄、横向变化大、地震分辨率低等难点，制约了滩坝砂油藏的勘探开发，油田增储上产难度加大。

发明内容

本发明的任务在于提供一种提高滩坝砂储层地震识别性能与描述精度的方法。其是先采用三参数小波来提高地震分辨薄互层的能力，再通过多子波技术对地震数据进行变换，得到成果数据，后期利用沿层切片或者属性分析等技术，以提高滩坝砂储层的地震识别性能与描述精度。

其技术解决方案是：

一种提高滩坝砂储层地震识别性能与描述精度的方法，包括以下步骤：

a、首先利用三参数小波对地震资料进行提高分辨率处理；三参数小波公式为

$\mathrm{\φ}(t,\mathrm{\Λ})=e^{-\mathrm{\τ}{(t-\mathrm{\β})}^2}\left\{p\left(\mathrm{\Λ}\right)\right[\cos \left(\mathrm{\σt}\right)-k\left(\mathrm{\Λ}\right)]+\mathrm{iq}\left(\mathrm{\Λ}\right)\sin \left(\mathrm{\σt}\right)\}$

其中，t表示时间，i表示虚数，σ为小波函数的调制频率，τ为能量衰减因子，β为能量延迟因子，（σ,τ,β∈R，σ,τ≥0），Λ=(σ,τ,β)记参数σ，τ，β集合；上式中的p(Λ)，q(Λ)和k(Λ)分别为

$k\left(\mathrm{\Λ}\right)=e^{-\frac{{\mathrm{\σ}}^2}{4\mathrm{\τ}}}|\cos \left(\mathrm{\β\σ}\right)+\frac{\mathrm{iq}\left(\mathrm{\Λ}\right)}{p\left(\mathrm{\Λ}\right)}\sin \left(\mathrm{\β\σ}\right)|$

$p\left(\mathrm{\Λ}\right)={\left|\frac{2\mathrm{\τ}}{\mathrm{\π}}\right|}^{\frac{1}{4}}{\left|4\right|e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}-e^{-\frac{3{\mathrm{\σ}}^2}{8\mathrm{\τ}}}|{\cos }^2\left(\mathrm{\β\σ}\right)+1-e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}|}^{-\frac{1}{2}}$

$q\left(\mathrm{\Λ}\right)={\left|\frac{2\mathrm{\τ}}{\mathrm{\π}}\right|}^{\frac{1}{4}}\left|4\right|e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}-e^{-\frac{3{\mathrm{\σ}}^2}{8\mathrm{\τ}}}{|{\sin }^2\left(\mathrm{\β\σ}\right)+1-e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}|}^{-\frac{1}{2}}$

b、根据选取的三个小波参数Λ=(σ,τ,β),得到三参数小波函数φ(t,Λ)；设地震数据为X(t,i),i＝1,2,...,N，其中N为道数、t为地震道时间、i表示第i道，按道进行褶积处理得到

s(t,i)=X(t,i)*φ(t,Λ)，i=1,2，...,N

得到三参数小波处理后的数据；

c、对处理后的地震数据信号，首先估算滩坝砂储层位置的子波的频带范围[f_min,f_max]，则可求出中心频率f_c和频带宽度f_w，设子波在该频带内的能量占子波总能量的λ²，则

${\mathrm{\λ}}^2=\frac{{\∫}_{-f_{\max }}^{f_{\max }}{\left|W\left(f\right)\right|}^2\mathrm{df}-{\∫}_{-f_{\min }}^{f_{\min }}{\left|W\left(f\right)\right|}^2\mathrm{df}}{{\∫}_{-f_N/2}^{f_N/2}{\left|W\left(f\right)\right|}^2\mathrm{df}}$

将该式转化为求解以下方程

Aw=λw

其中，A={a_m，n}_N×N，则得到

$a_{m,n}=\frac{\sin \left[2\mathrm{\π}(f_c+f_w/2)\mathrm{\Δt}(m-n)\right]}{\mathrm{\π}(m-n)}-\frac{\sin \left[2\mathrm{\π}(f_c-f_w/2)\mathrm{\Δt}(m-n)\right]}{\mathrm{\π}(m-n)}$

其中，N为子波样点数，Δt为采样间隔；取λ接近于1所对应的特征向量w，记为{w}，{w}的频域能量限制在频带[f_min,f_max]以内，{w}为所要求取的多子波；

d、求取了标准子波以后，利用所求得的子波与地震道做相关处理

$C(t,i)=\underset{t+T/2}{\overset{t+T/2}{\mathrm{\Σ}}}s(\mathrm{\τ},i)w(\mathrm{\τ}-t)\mathrm{d\τ},i=\mathrm{1,2},...,N$

其中s为地震道，w为所求子波，C(t,i)便是相关信号，即为最后多子波变换数据；

e、对以上数据进行属性提取，对提取的属性进行多属性融合。

上述步骤a中，Λ=(σ,τ,β)可以根据实际情况进行选择，我们这里选择Λ=(4,0.5,0)。

上述步骤c中，求取的多子波一般是2～3个，后期处理时，应根据实际情况，选取合适的多子波进行分析。

上述步骤e中，所述多属性融合为二属性融合；即把二维颜色面板横坐标方向看作是一个属性，纵坐标方向是另外一个属性，这样通过两个属性的值的大小来选择二维面板里的颜色，多属性RGB显示技术本质上是一种图像处理技术，通过映射函数

I_RGB(X)=S[I_R(X),I_G(X),I_B(X)]

X=(x,y,z)代表在数据体中的位置，I_R(X),I_G(X),I_B(X)分别代表红、绿、蓝三种颜色上归一化的属性分量，通过三维颜色体，将三个属性分量映射成一个输出值，得到最终结果。

进一步的，在上述步骤e中，属性间融合顺序的不同会产生不同的效果。

本发明具有以下有益技术效果：

本发明针对滩坝砂油藏埋藏深、单层薄、横向变化大、地震分辨率低等难点，提出了利用三参数小波提高薄层识别能力的方法，并使用多子波检测技术对薄互层进行进一步识别。本发明能有效提高薄层识别能力，提高主频，展宽频带范围。经多子波变化后，能更加突出滩坝砂储层信息，经属性融合显示后，能大大提高后期储层描述的精度。

附图说明

下面结合附图与具体实施方式对本发明作更进一步说明：

图1为本发明的一种实施方式的流程框图。

图2示出了本发明中使用的三参数小波函数，通过参数调节，可以得到不同的小波函数。图2a选用参数为Λ=(0.5,2,0)，图2b选用参数为Λ=(4,0.5,0)。

图3示出了本发明中通过三参数小波处理后得到的剖面对比，图3a为原始剖面，图3b是三参数小波处理剖面，选用参数Λ=(4,0.5,0)，可见处理剖面的分辨率得到明显的提高。

图4示出了本发明中求取的多子波的波形特征，通过设定主频和频宽，可得到多个子波，图4展示了计算得到的三种子波。

图5示出了本发明中多子波变换后地震剖面，使用的地震数据为三参数小波处理后的数据。黑色波形显示为原始地震数据，背景图像为多子波处理变换剖面，两者进行了叠合显示，这样更突出处理后的效果。

图6示出了本发明应用在某一滩坝砂工区的应用效果。利用处理完的数据，进行属性分析等后期处理。提取了某层位0-20ms时窗内的均方根振幅属性，图6a是原始数据提取结果，图6b是三参数小波处理后提取结果，图6c是三参数小波处理后经多子波变换后的提取结果,图6d是将属性提取结果与层位等t0图进行融合显示的结果。

具体实施方式

结合附图，一种提高滩坝砂储层地震识别性能与描述精度的方法，包括以下步骤：

a、首先利用三参数小波对地震资料进行提高分辨率处理。三参数小波公式为

$\mathrm{\φ}(t,\mathrm{\Λ})=e^{-\mathrm{\τ}{(t-\mathrm{\β})}^2}\left\{p\left(\mathrm{\Λ}\right)\right[\cos \left(\mathrm{\σt}\right)-k\left(\mathrm{\Λ}\right)]+\mathrm{iq}\left(\mathrm{\Λ}\right)\sin \left(\mathrm{\σt}\right)\}$

其中，t表示时间，i表示虚数，σ为小波函数的调制频率，τ为能量衰减因子，β为能量延迟因子，（σ,τ,β∈R，σ,τ≥0），Λ=(σ,τ,β)记参数σ，τ，β集合。上式中的p(Λ)，q(Λ)和k(Λ)分别为

$k\left(\mathrm{\Λ}\right)=e^{-\frac{{\mathrm{\σ}}^2}{4\mathrm{\τ}}}|\cos \left(\mathrm{\β\σ}\right)+\frac{\mathrm{iq}\left(\mathrm{\Λ}\right)}{p\left(\mathrm{\Λ}\right)}\sin \left(\mathrm{\β\σ}\right)|$

$p\left(\mathrm{\Λ}\right)={\left|\frac{2\mathrm{\τ}}{\mathrm{\π}}\right|}^{\frac{1}{4}}\left|4\right|e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}-e^{-\frac{3{\mathrm{\σ}}^2}{8\mathrm{\τ}}}{|{\cos }^2\left(\mathrm{\β\σ}\right)+1-e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}|}^{-\frac{1}{2}}$

$q\left(\mathrm{\Λ}\right)={\left|\frac{2\mathrm{\τ}}{\mathrm{\π}}\right|}^{\frac{1}{4}}\left|4\right|e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}-e^{-\frac{3{\mathrm{\σ}}^2}{8\mathrm{\τ}}}{|{\sin }^2\left(\mathrm{\β\σ}\right)+1-e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}|}^{-\frac{1}{2}}$

b、选取合适的三个小波参数Λ=(σ,τ,β),得到三参数小波函数φ(t,Λ)。设地震数据为X(t,i),i＝1,2，...,N，其中N为道数、t为地震道时间、i表示第i道，按道进行褶积处理得到

s(t,i)=X(t,i)*φ(t,Λ)，i=1,2,...,N

得到三参数小波处理后的数据。

c、对处理后的地震数据信号，首先估算滩坝砂储层位置的子波的频带范围[f_min,f_max]，则可求出中心频率f_c和频带宽度f_w，设子波在该频带内的能量占子波总能量的λ²，则

${\mathrm{\λ}}^2=\frac{{\∫}_{-f_{\max }}^{f_{\max }}{\left|W\left(f\right)\right|}^2\mathrm{df}-{\∫}_{-f_{\min }}^{f_{\min }}{\left|W\left(f\right)\right|}^2\mathrm{df}}{{\∫}_{-f_N/2}^{f_N/2}{\left|W\left(f\right)\right|}^2\mathrm{df}}$

将该式转化为求解以下方程

Aw=λw

其中，A={a_m，n}_N×N，则得到

$a_{m,n}=\frac{\sin \left[2\mathrm{\π}(f_c+f_w/2)\mathrm{\Δt}(m-n)\right]}{\mathrm{\π}(m-n)}-\frac{\sin \left[2\mathrm{\π}(f_c-f_w/2)\mathrm{\Δt}(m-n)\right]}{\mathrm{\π}(m-n)}$

其中，N为子波样点数，Δt为采样间隔。取λ接近于1所对应的特征向量w，记为{w}，一般为多个，{w}的频域能量限制在频带[f_min,f_max]以内，{w}为所要求取的多子波。

d、求取了标准子波以后，利用所求得的子波与地震道做相关处理

$C(t,i)=\underset{t+T/2}{\overset{t+T/2}{\mathrm{\Σ}}}s(\mathrm{\τ},i)w(\mathrm{\τ}-t)\mathrm{d\τ},i=\mathrm{1,2},...,N$

其中s为地震道，w为所求子波，C(t,i)便是相关信号，即为最后多子波变换数据。

e、对以上数据进行属性提取，对提取的属性进行多属性融合。二属性融合时，我们把二维颜色面板横坐标方向看作是一个属性，纵坐标方向看做是另外一个属性，这样通过两个属性的值的大小来选择二维面板里的颜色。多属性RGB显示技术本质上是一种图像处理技术，通过映射函数

I_RGB(X)=S[I_R(X),I_G(X),I_B(X)]

X=(x,y,z)代表在数据体中的位置，I_R(X),I_G(X),I_B(X)分别代表Red、Green、Blue三种颜色上归一化的属性分量，通过三维颜色体，将三个属性分量映射成一个输出值，得到最终结果。

在上述步骤a中,Λ=(σ,τ,β)可以根据实际情况进行选择，我们这里选择Λ=(4,0.5,0)。

在上述步骤c中，求取的多子波一般是2～3个，后期处理时，应根据实际情况，选取合适的多子波进行分析。

在上述步骤e中，属性间融合顺序的不同会产生不同的效果。

本发明获取的最终处理剖面可参见图6。经对比研究可以发现，本发明能够有效圈定滩坝砂体发育范围，提高了地震识别的性能和后期描述的精度。

更进一步地，发明人还针对本发明中某一些要素发生变化时，这些变化对处理结果的影响作了更深入的研究。诸如：

一、本发明中三参数小波参数改变时的波形特征，不同的参数选择对应不同的波形特征，也会对后期的薄层识别能力产生影响。

二、本发明中主频和频宽有关要素改变时的多子波变化状态，根据设定不同的多子波主频和频宽，可得到多个子波，如图4。图5展示的是子波3的处理剖面，从剖面上看，多子波变换剖面比原始剖面有所改进，通过后期属性分析及其多属性融合技术，展示出了该技术在实际处理中良好的应用效果。

下面是本发明的具体应用例：

将本发明应用于某一滩坝砂工区，利用处理完的数据，进行属性分析等后期处理。提取了某层位0-20ms时窗内的均方根振幅属性，图6a是原始数据提取结果，图6b是三参数小波处理后提取结果，图6c是三参数小波处理后经多子波变换后的提取结果，图6d是将图6c的属性提取结果与层位等t0图进行融合显示的结果。从分析结果可知，图6c的计算结果能比较好的圈定滩坝砂体发育范围，通过属性融合显示，应用效果比较明显。

上述方式中未述及的有关技术内容采取或借鉴已有技术即可实现。

需要说明的是，在本说明书的教导下本领域技术人员还可以做出这样或那样的容易变化方式，诸如等同方式，或明显变形方式。上述的变化方式均应在本发明的保护范围之内。

Claims (4)

1.一种提高滩坝砂储层地震识别性能与描述精度的方法，其特征在于包括以下步骤：

a、首先利用三参数小波对地震资料进行提高分辨率处理；三参数小波公式为

$\mathrm{\φ}(t,\mathrm{\Λ})=e^{-\mathrm{\τ}{(t-\mathrm{\β})}^2}\left\{p\left(\mathrm{\Λ}\right)\right[\cos \left(\mathrm{\σt}\right)-k\left(\mathrm{\Λ}\right)]+\mathrm{iq}\left(\mathrm{\Λ}\right)\sin \left(\mathrm{\σt}\right)\}$

其中，t表示时间，i表示虚数，σ为小波函数的调制频率，τ为能量衰减因子，β为能量延迟因子，（σ,τ,β∈R，σ,τ≥0），Λ=(σ,τ,β)记参数σ，τ，β集合；上式中的p(Λ)，q(Λ)和k(Λ)分别为

$k\left(\mathrm{\Λ}\right)=e^{-\frac{{\mathrm{\σ}}^2}{4\mathrm{\τ}}}|\cos \left(\mathrm{\β\σ}\right)+\frac{\mathrm{iq}\left(\mathrm{\Λ}\right)}{p\left(\mathrm{\Λ}\right)}\sin \left(\mathrm{\β\σ}\right)|$

$p\left(\mathrm{\Λ}\right)={\left|\frac{2\mathrm{\τ}}{\mathrm{\π}}\right|}^{\frac{1}{4}}{\left|4\right|e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}-e^{-\frac{3{\mathrm{\σ}}^2}{8\mathrm{\τ}}}|{\cos }^2\left(\mathrm{\β\σ}\right)+1-e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}|}^{-\frac{1}{2}}$

$q\left(\mathrm{\Λ}\right)={\left|\frac{2\mathrm{\τ}}{\mathrm{\π}}\right|}^{\frac{1}{4}}\left|4\right|e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}-e^{-\frac{3{\mathrm{\σ}}^2}{8\mathrm{\τ}}}{|{\sin }^2\left(\mathrm{\β\σ}\right)+1-e^{-\frac{{\mathrm{\σ}}^2}{2\mathrm{\τ}}}|}^{-\frac{1}{2}}$

b、根据选取的三个小波参数Λ=(σ,τ,β),得到三参数小波函数φ(t,Λ)；设地震数据为X(t,i),i＝1,2，...,N，其中N为道数、t为地震道时间、i表示第i道，按道进行褶积处理得到

s(t,i)=X(t,i)*φ(t,Λ)，i=1,2，...,N

得到三参数小波处理后的数据；

c、对处理后的地震数据信号，首先估算滩坝砂储层位置的子波的频带范围[f_min,f_max]，则可求出中心频率f_c和频带宽度f_w，设子波在该频带内的能量占子波总能量的λ²，则

${\mathrm{\λ}}^2=\frac{{\∫}_{-f_{\max }}^{f_{\max }}{\left|W\left(f\right)\right|}^2\mathrm{df}-{\∫}_{-f_{\min }}^{f_{\min }}{\left|W\left(f\right)\right|}^2\mathrm{df}}{{\∫}_{-f_N/2}^{f_N/2}{\left|W\left(f\right)\right|}^2\mathrm{df}}$

将该式转化为求解以下方程

Aw=λw

其中，A={a_m,n}_N×N，则得到

$a_{m,n}=\frac{\sin \left[2\mathrm{\π}(f_c+f_w/2)\mathrm{\Δt}(m-n)\right]}{\mathrm{\π}(m-n)}-\frac{\sin \left[2\mathrm{\π}(f_c-f_w/2)\mathrm{\Δt}(m-n)\right]}{\mathrm{\π}(m-n)}$

其中，N为子波样点数，Δt为采样间隔；取λ接近于1所对应的特征向量w，记为{w}，{w}的频域能量限制在频带[f_min,f_max]以内，{w}为所要求取的多子波；

d、求取了标准子波以后，利用所求得的子波与地震道做相关处理

$C(t,i)=\underset{t+T/2}{\overset{t+T/2}{\mathrm{\Σ}}}s(\mathrm{\τ},i)w(\mathrm{\τ}-t)\mathrm{d\τ},i=\mathrm{1,2},...,N$

其中s为地震道，w为所求子波，C(t,i)便是相关信号，即为最后多子波变换数据；

e、对以上数据进行属性提取，对提取的属性进行多属性融合。

2.根据权利要求1所述的一种提高滩坝砂储层地震识别性能与描述精度的方法，其特征在于：上述步骤a中，选择Λ=(4,0.5,0)。

3.根据权利要求1所述的一种提高滩坝砂储层地震识别性能与描述精度的方法，其特征在于：上述步骤c中，求取的多子波是2～3个。

4.根据权利要求1所述的一种提高滩坝砂储层地震识别性能与描述精度的方法，其特征在于：上述步骤e中，所述多属性融合为二属性融合；即把二维颜色面板横坐标方向看作是一个属性，纵坐标方向是另外一个属性，这样通过两个属性的值的大小来选择二维面板里的颜色，多属性RGB显示技术本质上是一种图像处理技术，通过映射函数

I_RGB(X)=S[I_R(X),I_G(X),I_B(X)]

X=(x,y,z)代表在数据体中的位置，I_R(X),I_G(X),I_B(X)分别代表红、绿、蓝三种颜色上归一化的属性分量，通过三维颜色体，将三个属性分量映射成一个输出值，得到最终结果。

Images