CN103675897A - 一种地震绕射波分离成像方法 - Google Patents

Abstract

本发明提供了一种地震绕射波分离成像方法，属于石油地球物理勘探中的成像处理和缝洞储层预测领域。所述方法根据反射波和绕射波的差异从原始地震记录中分离出绕射波，并对分离出的绕射波进行单独成像。通过本发明方法得到的绕射波信息完整，绕射波成像结果有较高的横向分辨率，同时绕射波单独成像的结果消除了反射波对绕射波的干扰作用，直接反映了缝洞储集体的位置信息，有利于提高缝洞储集体的识别精度。

Description

一种地震绕射波分离成像方法

技术领域

本发明属于石油地球物理勘探中的成像处理和缝洞储层预测领域，具体涉及一种地震绕射波分离成像方法。

背景技术

绕射波是构造和岩性异常的标记，只要存在不连续点，就能产生绕射波，如溶洞、裂缝、断层、地层尖灭、礁块、盐丘、风化壳、侵入岩和油水分界面的边缘处，都是绕射波发育的地方。反射波是地质背景的一个综合反映，绕射波则是地质细节的反映，是提高地震分辨率的重要信息载体。地震勘探原始数据中，既有绕射波也有反射波，在数据的成像处理过程中也是对绕射波和反射波不加区分的进行统一偏移成像，最后在地震解释阶段通过不连续性检测、相干等方法，根据绕射波与反射波成像后的差异，进行地震异常体的识别。但是在地震数据中，相对反射波而言，绕射波的能量较弱，甚至难以辨别，因此在地震解释阶段识别绕射波所成的像，特别是离强反射界面比较近的小型缝洞体所产生的绕射波，因受到反射界面的强能量干扰而难以识别。如果将绕射波从原始地震记录中分离处理进行单独成像，这种受到强反射干扰的小型地震异常体就可以突显出来，从而提高缝洞预测的精度。

绕射波单独成像就是根据反射波和绕射波的差异，分离出绕射波，并对绕射波进行单独成像。其成像结果准确地提供了异常体的位置信息，这对于识别油气储藏，特别是缝洞储层有着重要的意义。

经过专利检索，国内外目前无相关技术的专利。通过文献检索，可以发现目前开展绕射波分离方法的相关研究较少，国内现行方法主要是通过F-K滤波(二维频率-波数域滤波)的方法来分离地震绕射波。

其主要原理是根据在叠加剖面中绕射波表现为抛物线状，振幅从中央向两侧逐渐衰减，相位反转；反射波呈线性特征，在时间-空间域表现为不同斜率的同相轴，在频率-空间域进行切除后，可以部分地消除反射波，突显出绕射波的能量。具体步骤实现如下：(1)对原始地震数据进行叠加处理后，通过二维傅里叶变换将时间-空间域的叠加数据变换到F-K域(频率-波数域)；(2)在F-K域进行切除，压制反射波；(3)将F-K域进行反射波切除的数据变换回到时间-空间域；(4)对剩下的绕射波数据进行叠后偏移成像处理。

但是，该方法的局限性在于：其适合地下介质结构比较简单，信噪比比较高时使用，并且应用该方法分离出的绕射波数据中还有大量的残余反射波，同时绕射波损失也较大，此外该方法只能用于叠加后的地震数据，无法得到原始炮域的绕射波记录，不利于后期的处理。

目前基于反射成像的处理过程中并没有很好的利用到绕射信息，常规的处理中常常将绕射当做是噪声进行压制，常规的叠加处理也是对绕射的一种压制。

综上所述，绕射波是缝洞等不连续信息的载体，当前缝洞识别都是偏移成像结果中利用属性分析技术根据绕射波与反射波成像结果差异进行识别。受强波阻界面的反射波影响，小型缝洞体的弱绕射能量在成像结果中识别比较困难，当前采用的F-K域(时间-频率域)滤波分离绕射波的方法，精度低，反射波压制不干净，适用范围小。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种地震绕射波分离成像方法，根据绕射波和反射波在平面波域运动学和动力学特征的差异，利用平面波滤波与预测反演相结合的方法分离出高保真度、高精度的地震绕射波，再对绕射波进行单独成像，提高绕射波分离的精度，减少绕射波分离时的损失以及反射波残余，并通过绕射波的单独成像提高缝洞体的识别精度，适用于缝洞识别中。

本发明是通过以下技术方案实现的：

一种地震绕射波分离成像方法，所述方法根据反射波和绕射波的差异从原始地震记录中分离出绕射波，并对分离出的绕射波进行单独成像。

所述方法包括以下步骤：

(1)对原始地震记录进行平面波分解：首先将原始地震记录变换到τ-p域得到τ-p域的记录；

(2)数据重排：对第(1)步得到的τ-p域的记录按照p值的大小，从小到大进行排序，得到τ-p域中p值从小到大排序的记录；

(3)对第(2)步得到的p值从小到大排序的记录进行平面波滤波，得到两部分数据，一部分是高倾角的绕射波数据，另一部分是去掉高倾角绕射波后的残差数据；

(4)预测反演提取低倾角绕射波信息：对第(3)步得到的含有反射波r_p(x，τ)以及绕射波的低倾角信息成分

的残差数据开展预测反演计算，提取出低倾角的绕射波数据

(5)平面波合成：

将第(3)步得到的高倾角的绕射波数据和第(4)步得到的低倾角绕射波信息

相加即得到完整的绕射波数据。并利用下面的公式将τ-p域的数据变换回到常规的炮域数据：

$\mathrm{DIF}(x,\mathrm{\ω})=\underset{\mathrm{\α}}{\mathrm{\Σ}}R(\mathrm{\α},\mathrm{\ω})e^{\mathrm{j\ω\αx}}$

(6)数据重排：将第(5)步得到的常规炮域数据按照炮序号和道序号进行从大到小的顺序排列；

(7)输出炮记录：将第(6)步重新排序后的数据保存在磁盘上；

(8)采用常规的叠前时间偏移方法对第(7)步得到的绕射波炮数据进行成像。

所述步骤(3)包括以下步骤：

(31)构建平面波滤波器：

$F_{\mathrm{\σ}}(Z_x,Z_t)=1-\frac{1}{2}\left(Z_x{\mathrm{TS}}_{\mathrm{\σ}}\left(Z_t\right){+Z}_x^{-1}{\mathrm{TS}}_{\mathrm{\σ}}\left(Z_t^{-1}\right)\right)$

(32)进行倾角扫描得到信号的局部倾角信息σ_n(j，k)：

设信号倾角σ_min≤σ≤σ_max，给定倾角扫描增量Δσ和时、空方向上的扫描时窗长度L_t、L_x。取σ_n＝σ_min+(n-1)Δσ∈[σ_min，σ_max]，e_n(j，k)为用步骤(31)所构建的滤波器

对步骤(2)得到的p值从小到大排序的记录作滤波得到的结果，则由使

$\underset{l_x=-L_x}{\overset{L_x}{\mathrm{\Σ}}}\underset{l_t=-L_t}{\overset{L_t}{\mathrm{\Σ}}}{\left|e_n(j+l_x,i+l_t)\right|}^2=\min$

成立的n确定信号的局部倾角σ_n(j，k)；

(33)提取高倾角绕射波信息

在反射波同相轴的时间倾角限于(-σ_m，σ_m)范围内的假设下，由

$d_p^{\left(H\right)}(x,\mathrm{\τ})=\left\{\begin{array}{cc}{F}_{\mathrm{\σ}}{S}_p(x,\mathrm{\τ})& -{\mathrm{\σ}}_m\≤\mathrm{\σ}\≤{\mathrm{\σ}}_m\\ S_p(x,\mathrm{\τ})& \left|\mathrm{\σ}\right|>{\mathrm{\σ}}_m\end{array}\right.$

可得到绕射波的高倾角信息成分

将步骤(2)得到的p值从小到大排序的记录减去该高倾角绕射波信息

则得到含有反射波r_p(x，τ)以及绕射波的低倾角信息成分的残差数据

所述步骤(4)具体如下：

利用傅里叶变换将

变换到频率空间域，得到频率域信号 $S_p^{\left(L\right)}(x,\mathrm{\ω}):$

$S_q^{\left(L\right)}(x,\mathrm{\ω})=r_p(x,\mathrm{\ω})+d_p^{\left(L\right)}(x,\mathrm{\ω})$

设p_l(l＝1，…，L)为S的线性预测算子，记N_x×N_x矩阵

取线性反演的目标函数

$J={\left|\right|\mathrm{PR}\left|\right|}_2^2+\mathrm{\λ}{\left|\right|S-R\left|\right|}_2^2$

极小化该目标函数，可得到方程

(P^HP+λI)R＝λS

求解方程便可得到反射信号r_p(x，τ)的一个估计，从

中减去反射信号r_p(x，τ)即得到低倾角绕射波信息

与现有技术相比，本发明的有益效果是：

(1)本发明从原始记录上进行绕射波分离后单独成像，可以提高小型缝洞体的识别精度；利用本发明方法可以解决油气地球物理勘探领域的绕射波分离问题，提高绕射波的分离精度，从而提高缝洞储集体的预测精度；

(2)本发明方法适用于地层比较平缓，地震数据信噪比相对较高的地区使用，采用本发明的方法进行地震绕射波分离，可以得到高精度的绕射波记录；

(3)本发明能有效地克服靠单一的倾角差异进行绕射波分离时损失低倾角绕射波信息问题以及在F-K域进行切除时绕射波损失和反射波残余干扰问题，通过本发明的方法得到的绕射波信息完整，绕射波成像结果有较高的横向分辨率，同时绕射波单独成像的结果消除了反射波对绕射波的干扰作用，直接反映了缝洞储集体的位置信息，有利于提高缝洞储集体的识别精度。

附图说明

图1-1是含水平和弯曲同相轴的合成记录中的水平同相轴成分；

图1-2是含水平和弯曲同相轴的合成记录中的弯曲同相轴成分；

图1-3是图1-1与图1-2叠加的结果。

图2-1是采用局部倾角滤波方法的水平和弯曲同相轴分离结果中分离出的水平同相轴成分。

图2-2是采用局部倾角滤波方法的水平和弯曲同相轴分离结果中分离出的弯曲同相轴成分。

图2-3是采用局部倾角滤波方法的水平和弯曲同相轴分离结果中分离出的弯曲同相轴成分(图2-2)与真实结果(即图1-2)之差。

图3-1是反演与滤波提取局部异常信息的效果对比中的连续同相轴。

图3-2是反演与滤波提取局部异常信息的效果对比中的局部异常。

图3-3是图3-1和图3-2对应道叠加结果。

图3-4是从图3-3中提取的局部异常。

图4是本发明地震绕射波分离成像方法的步骤框图。

图5-1含有一个水平层和六个不同充填程度的溶洞模型。

图5-2理论模型(即图5-1)的炮记录变换到平面波域后重排的记录。

图5-3从理论模型平面波记录(即图5-2)中通过平面波滤波得到的高倾角绕射波记录。

图5-4从平面波记录中剔除高倾角绕射波后剩下的数据，即图5-2与图5-3之差。

图5-5通过预测反演从剔除高倾角绕射波后剩下的数据中(即图5-4)提取出来的低倾角绕射波数据；

图5-6高倾角绕射波数据(即图5-3)与低倾角绕射波数据之和(即图5-5)；

图5-7绕射波记录(即图5-6)变换回到常规炮域后成像的结果。

图6是实施例中的常规叠前时间偏移剖面。

图7是实施例中利用本发明方法得到的绕射波单独成像剖面。

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明针对地震记录中的绕射波分离问题。根据平面波域绕射波与反射波在倾角差异以及线性可预测性方面的差异，在对原始地震记录进行平面波分解后进行数据重排，得到不同斜率参数的平面波记录，先根据绕射波与反射波的倾角差异，通过平面波滤波得到平面波域的高倾角绕射波记录，然后再针对剔除高倾角绕射波后剩下的数据，通过预测反演分离出平面波域的低倾角绕射波记录，并将分离出的高倾角绕射波记录与低倾角绕射波记录进行相加，从而得到平面波域相对完整(分离过程中绕射波有一定损失，所以是相对完整)的绕射波记录。最后将得到的平面波域绕射波记录进行变换得到原始炮域的绕射波记录，对所述原始炮域的绕射波记录进行单独成像，进而指导缝洞体的预测识别工作。

图5-1至图5-7描述了一个理论模型的绕射波分离与成像过程，其中，图5-1是理论模型的示意图，在一个水平界面下分布有几个不同充填程度的溶洞；对原始地震记录进行平面波分解、数据重排后可以得到的不同斜率的平面波记录(如图5-2所示)；对图5-2的数据进行平面波滤波得到高倾角的绕射波记录(如图5-3所示)以及剔除高倾角绕射波后剩下的数据(如图5-4所示)；对图5-4中的数据开展预测反演，提取出低倾角的绕射波波记录(如图5-5所示)；将低倾角的绕射波记录(如图5-5所示)与高倾角的绕射波记录(如图5-3所示)相加得到平面波域完整的绕射波记录(如图5-6所示)，最后将平面波域的绕射波记录变换回到原始炮域后进行偏移成像得到最终的绕射波成像结果(如图5-7所示)。

本发明方法的原理如下：

绕射波与反射波的一个显著差异是时距曲线不同，地面地震记录中的绕射时距曲线由双平方根方程描述，而反射时距曲线为双曲线。这种时距关系上的差异反映在平面波域是，在平面波分解(τ-p)域的共斜率(p)剖面上，绕射波同相轴能量大部分包含在高倾角信息成分中。因此，假设反射界面倾角较小，则在τ-p域的共p剖面上，反射波与绕射波同相轴存在较大的倾角差异，二者具有较好的可分离性。

将地震炮记录变换到τ-p域，用s_p(x，τ)表示斜率为p的共p剖面，这里x为炮点地面坐标。设s_p(x，τ)中反射波同相轴的时间倾角(相邻道时差)在(-σ_m，σ_m)范围内，则通过局部倾角滤波可将s_p(x，τ)分解为两部分，即

$S_p(x,\mathrm{\τ})=S_p^{\left(L\right)}(x,\mathrm{\τ})+S_p^{\left(H\right)}(x,\mathrm{\τ})---\left(1\right)$

这里，

表示滤除时间倾角在(-σ_m，σ_m)范围之内的同相轴后的信息，由于假设反射波同相轴的时间倾角在(-σ_m，σ_m)范围内，故

可作为绕射波的高倾角(时间倾角在(-σ_m，σ_m)之外)信息成分的估计，即

$d_p^{\left(H\right)}(x,\mathrm{\τ})\≈S_p^{\left(H\right)}(x,\mathrm{\τ})---\left(2\right)$

而

则包含反射波r_p(x，τ)以及绕射波的低倾角(时间倾角在(-σ_m，σ_m)范围内)信息成分即

$S_p^{\left(L\right)}(x,\mathrm{\τ})=r_p(x,\mathrm{\τ})+d_p^{\left(L\right)}(x,\mathrm{\τ})---\left(3\right)$

中的反射波r_p(x，τ)在空间上应具有较好的连续性，而可视为振幅异常。换言之，在频率-空间域，r_p(x，τ)具有近似线性预测关系，而则表现为不可预测的噪声。因此，利用频率-空间域的线性预测关系可以由得到r_p(x，τ)的估计

进而得到

的估计结果

即

${\tilde{d}}_p^{\left(L\right)}(x,\mathrm{\τ})=S_p^L(x,\mathrm{\τ})-{\tilde{r}}_p(x,\mathrm{\τ})---\left(4\right)$

最后，由

$d_p(x,\mathrm{\τ})={\tilde{d}}_p^{\left(L\right)}(x,\mathrm{\τ})+d_p^{\left(H\right)}(x,\mathrm{\τ})---\left(5\right)$

给出共p剖面上的绕射波分离结果。

如图4所示，本发明方法的具体实施步骤如下：

第一步：地震炮记录数据的平面波分解；

利用下式将地震炮记录变换到τ-p域。

第二步：采用平面波滤波方法(指图(2))实现局部倾角滤波和绕射波高倾角信息提取；

①构建平面波域滤波器

在频率-空间域，相邻道间时差为σ的二维平面波信号

满足关系

$\hat{p}(n,\mathrm{\ω})=\hat{p}(n-1,f)e^{\mathrm{i\ω\σ}}---\left(7\right)$

上式中，n为道序下标，ω为角频率。

时移算子e^iωσ的时间域近似TS_σ(Z_t)如下

${\mathrm{TS}}_{\mathrm{\σ}}\left(Z_t\right)=\frac{b_{-1}{Z}_t^{-1}+b_0+b_1{Z}_t^1}{b_{-1}{Z}_t^1+b_0+b_1{Z}_t^{-1}}---\left(8\right)$

这里b_-1＝(1-σ)(2-σ)/12，b₀＝(2+σ)(2-σ)/6，b₁＝(1+σ)(2+σ)/12。显然，利用(7)式进行时移运算可采用计算效率很高的追赶法。由式(7)、(8)可构建时空域局部倾角滤波的二维滤波器

$F_{\mathrm{\σ}}(Z_x,Z_t)=1-\frac{1}{2}(Z_x{\mathrm{TS}}_{\mathrm{\σ}}\left(Z_t\right)+Z_x^{-1}{\mathrm{TS}}_{\mathrm{\σ}}\left(Z_t^{-1}\right))---\left(9\right)$

滤波器F_σ(Z_x，Z_t)可用于消除输入数据中时间倾角为σ的信息成分。

②平面波域倾角扫描

进行局部倾角滤波，需要给出倾角值，信号倾角σ由倾角扫描得到。记s_p(x，τ)的离散形式为s_p(j，k)，这里k、j分别为时间和空间离散采样下标。设信号倾角σ_min≤σ≤σ_max，给定倾角扫描增量Δσ和时、空方向上的扫描时窗长度L_t、L_x。取σ_n＝σ_min+(n-1)Δσ∈[σ_min，σ_max]，e_n(j，k)为用

对s_p(j，k)作滤波的结果，则由使

$\underset{l_x=-L_x}{\overset{L_x}{\mathrm{\Σ}}}\underset{l_t=-L_t}{\overset{L_t}{\mathrm{\Σ}}}{\left|e_n(j+l_x,i+l_t)\right|}^2=\min ---\left(10\right)$

成立的n确定s_p(j，k)的局部倾角σ_n(j，k)。

式(10)是单倾角扫描方法，可扩展到双倾角扫描，以估计可能存在的两个不同的信号倾角。设e_nm(i，k)为用

对s_p(j，k)作滤波的结果，则由使

$\underset{l_x=-L_x}{\overset{L_x}{\mathrm{\Σ}}}\underset{l_t=-L_t}{\overset{L_t}{\mathrm{\Σ}}}{\left|e_{\mathrm{nm}}(i+l_t,j+l_x)\right|}^2=\min ---\left(11\right)$

成立的n、m确定s_p(j，k)的两个局部倾角σ_n(j，k)和σ_m(j，k)。双倾角扫描计算量较大，为提高计算效率，可由单倾角扫描得到双倾角中主信号倾角的估计值然后以

为中心，缩小主倾角扫描范围。

③求取高倾角绕射波信息

有了s_p(j，k)的局部倾角参数σ(j，k)，以及滤波器F_σ，则在反射波同相轴的时间倾角限于(-σ_m，σ_m)范围内的假设下，由

$d_p^{\left(H\right)}(x,\mathrm{\τ})=\left\{\begin{array}{cc}{F}_{\mathrm{\σ}}{s}_p(x,\mathrm{\τ})& -{\mathrm{\σ}}_m\≤\mathrm{\σ}\≤{\mathrm{\σ}}_m\\ s_p(x,\mathrm{\τ})& \left|\mathrm{\σ}\right|>{\mathrm{\σ}}_m\end{array}\right.---\left(12\right)$

可得到绕射波的高倾角信息成分的估计，这里F_σ是由(8)式给出的局部倾角滤波器。

滤波器(8)用于分离不同时间倾角的信号具有良好的效果，现给出一个用上述方法进行倾角分离的理论数据算例。图1-1至图1-3是理论数据，其中图1-1为振幅在空间上渐变的一组水平同相轴，图1-2为振幅不变的三组正弦波形状的弯曲同相轴，图1-3是图1-1与图1-2叠加的结果。用上述的局部倾角滤波方法对图1-3进行水平同相轴和弯曲同相轴分离，其结果如图2-1至图2-3所示。图2-1是分离出的水平同相轴信息，图2-2是分离出的弯曲同相轴信息，图2-3是图2-2与图1-2之差，即分离误差。从结果可看到，水平与弯曲同相轴的大部分能量都得到了较好的分离，特别是在两组同相轴倾角差较大时，分离精度较高。

第三步：预测反演及绕射波低倾角信息提取

即使是假设反射界面倾角较小，仅依靠局部倾角滤波也仅能获得绕射波同相轴高倾角部分信息，而绕射波同相轴顶点附近的低倾角能量不能由反射波与绕射波同相轴的倾角差异进行分离。在共p剖面上，剔出高倾角信息成分后的绕射波的残留低倾角信息

以孤立的振幅异常与反射波叠加在一起，在频率-空间域，利用反射波的线性可预测性可以把这种残留的绕射波低倾角信息提取出来，将其加入到通过局部倾角滤波得到的绕射波高倾角信息成分中，就能够得到相对完整的绕射波信息估计。

信号的连续性可用线性可预测性来反映，在频率空间域，反射波一般具有较强的线性可预测性，不可预测的成分可认为是非反射的局部异常信息。

将(3)式变换到频率空间域，得

$S_p^{\left(L\right)}(x,\mathrm{\ω})=R_p(x,\mathrm{\ω})+D_p^{\left(L\right)}(x,\mathrm{\ω})---\left(13\right)$

对给定的频率ω，记 $s_k=S_p^{\left(L\right)}(x_k,\mathrm{\ω}),S={(s_1,s_2,...,s_{N_x})}^T,$ r_k＝R_p(x_k，ω)，

$R={(r_1,r_2,...,r_{N_x})}^T,d_k=D_p^{\left(L\right)}(x_k,\mathrm{\ω}),D={(d_1,d_2,...,{d_N}_x)}^T,$ 这里N_x为一个计算窗在空间方向上的道数。则有

S＝R+D    (14)

设p_l(l＝1，…，L)为S的线性预测算子，记N_x×N_x矩阵

对于待求的反射波R，一方面要求其要尽可能满足线性预测关系，另一方面又要与输入S接近，因此，取目标函数

$J={\left|\right|\mathrm{PR}\left|\right|}_2^2+\mathrm{\λ}{\left|\right|S-R\left|\right|}_2^2---\left(15\right)$

极小化上述目标函数，可得到方程

(P^HP+λI)R＝λS    (16)

这里P^H为P的共轭转置，I为单位矩阵，λ是权衡R的可预测性和R与S的背离程度的参数，λ越小，则越强调待求信号R的线性预测关系的满足程度，相反，λ越大则越强调缩小R与输入S之间的差异。求解(16)便可得到反射信号R的一个估计。有了R，则由D＝S-R即得到D，最终将得到绕射波的低倾角信息成分的估计。

图3-1至图3-4是通过理论数据测试预测反演方法有效性的结果，其中图3-1是连续同相轴，图3-2是局部异常，图3-3是图3-1与图3-2相加的结果，图3-4是用预测反演方法从图3-3中提取的局部异常。从图上可以看到，预测反演方法提取的局部异常具有较高横向分辨率，接近真实结果。

在图2-1至图2-3给出的水平同相轴与弯曲同轴分离测试中，如果对其中分离出的水平同相轴再用预测反演方法做局部异常提取，并将提取的局部异常加到图2-2的结果上，则得到用局部倾角滤波与预测反演联合方法分离水平和弯曲同相轴的结果。

第四步：平面波域的绕射波变换回到炮域；

通过式(17)的平面波合成方法将平面波域的绕射波记录变换回到炮域中。

$\mathrm{DIF}(x,\mathrm{\ω})=\underset{\mathrm{\α}}{\mathrm{\Σ}}R(\mathrm{\α},\mathrm{\ω})e^{\mathrm{j\ω\αx}}---\left(17\right)$

第五步：利用常规的叠前时间偏移方法对炮域的绕射波记录进行成像。

本发明的绕射波分离方法在平面波域进行。根据平面波域的绕射波与反射波在倾角与线性可预测性的差异，采用平面波滤波与预测反演结合的方式进行绕射波分离。分离精度高，受人为因素影响小，分离后的绕射波损失小，反射去除干净。本发明的应用效果好，适合较为复杂的地质情况，并且经过实际资料的实施应用，验证了发明的效果

利用本发明的一个实施例如下：

某油田6-7区三维开发地震工区中，奥陶系碳酸盐岩经风化剥蚀而形成的众多低幅度的风蚀残丘，裂缝及溶蚀孔洞发育，储层的非均层性极强。在6-7区奥陶系鹰山组发育有大量的缝洞储集体，油气资源丰富，是该油田的主力油气藏。经过多年的技术攻关，奥陶系缝洞储集体的成像精度和预测精度有了一定改善，但仍然不能满足开发的需求，特别是受到风化壳强反射的影响，小缝洞体的识别能力仍然较低。采用本发明提出的方法对6-7区的地震资料进行绕射波分离后单独成像，明显提高了缝洞体的识别精度。

图6是常规的叠前时间偏移剖面，从图6中可以看到受到强反射界面的影响，部分缝洞体的绕射成像信息湮没在反射波中，较难识别，图7是采用本发明的方法得到的绕射波单独成像剖面，从图7中可以看到原本有许多湮没在强反射能量中的弱绕射能量原本难以识别，而这些信息正是反映了小型溶洞、小断裂、小异常体的位置，但在绕射波单独成像的结果中这些信息都得到了突显，绕射波单独成像的结果有效地提高的缝洞体的识别精度。

地震绕射波是地下非均质体的波场响应，将其从地震记录从分离出来单独成像对碳酸盐岩缝洞储层的预测有着重要的意义。本发明旨在提出一种地震绕射波的分离方法，使之能够从地震原始记录中较完整的分离出绕射波，并且分离出来的绕射波损失小，反射波残余少，从而实现绕射波的单独成像，突出地震异常体，提高缝洞体的预测精度。

塔河地区的碳酸盐岩缝洞体蕴含有丰富的油气资源，绕射波是缝洞体及其内部充填物的响应。受到地下强反射层的影响，在未进行绕射波和反射波分离时成像，部分缝洞体的绕射波成像结果湮没在强反射能量中，在地震解释中这些弱绕射能量在地震剖面中往往难以识别。通过绕射波分离后单独成像可以消除地层反射波能量对缝洞绕射波的影响，清晰地观测到缝洞体的绕射波的成像结果，准确地判别出缝洞体的存在与否以及其所在的位置，有利于提高缝洞体的识别精度，提高钻井的成功率。本发明在缝洞储集体的识别中将具有良好的应用前景。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (4)

1.一种地震绕射波分离成像方法，其特征在于：所述方法根据反射波和绕射波的差异从原始地震记录中分离出绕射波，并对分离出的绕射波进行单独成像。

2.根据权利要求1所述的地震绕射波分离成像方法，其特征在于：所述方法包括以下步骤：

(1)对原始地震记录进行平面波分解：首先将原始地震记录变换到τ-p域得到τ-p域的记录；

(2)数据重排：对第(1)步得到的τ-p域的记录按照p值的大小，从小到大进行排序，得到τ-p域中p值从小到大排序的记录；

(3)对第(2)步得到的p值从小到大排序的记录进行平面波滤波，得到两部分数据，一部分是高倾角的绕射波数据，另一部分是去掉高倾角绕射波后的残差数据；

(4)预测反演提取低倾角绕射波信息：对第(3)步得到的含有反射波r_p(x，τ)以及绕射波的低倾角信息成分

的残差数据

开展预测反演计算，提取出低倾角的绕射波数据

(5)平面波合成：

将第(3)步得到的高倾角的绕射波数据

和第(4)步得到的低倾角绕射波信息

相加即得到完整的绕射波数据。并利用下面的公式将τ-p域的数据变换回到常规的炮域数据：

$\mathrm{DIF}(x,\mathrm{\ω})=\underset{\mathrm{\α}}{\mathrm{\Σ}}R(\mathrm{\α},\mathrm{\ω})e^{\mathrm{j\ω\αx}}$

(6)数据重排：将第(5)步得到的常规炮域数据按照炮序号和道序号进行从大到小的顺序排列；

(7)输出炮记录：将第(6)步重新排序后的数据保存在磁盘上；

(8)采用常规的叠前时间偏移方法对第(7)步得到的绕射波炮数据进行成像。

3.根据权利要求2所述的地震绕射波分离成像方法，其特征在于：所述步骤(3)包括以下步骤：

(31)构建平面波滤波器：

$F_{\mathrm{\σ}}(Z_x,Z_t)=1-\frac{1}{2}\left(Z_x{\mathrm{TS}}_{\mathrm{\σ}}\left(Z_t\right){+Z}_x^{-1}{\mathrm{TS}}_{\mathrm{\σ}}\left(Z_t^{-1}\right)\right)$

(32)进行倾角扫描得到信号的局部倾角信息σ_n(j，k)：

设信号倾角σ_min≤σ≤σ_max，给定倾角扫描增量Δσ和时、空方向上的扫描时窗长度L_t、L_x。取σ_n＝σ_min+(n-1)Δσ∈[σ_min，σ_max]，e_n(j，k)为用步骤(31)所构建的滤波器

对步骤(2)得到的p值从小到大排序的记录作滤波得到的结果，则由使

$\underset{l_x=-L_x}{\overset{L_x}{\mathrm{\Σ}}}\underset{l_t=-L_t}{\overset{L_t}{\mathrm{\Σ}}}{\left|e_n(j+l_x,i+l_t)\right|}^2=\min$

成立的n确定信号的局部倾角σ_n(j，k)；

(33)提取高倾角绕射波信息：

在反射波同相轴的时间倾角限于(-σ_m，σ_m)范围内的假设下，由

$d_p^{\left(H\right)}(x,\mathrm{\τ})=\left\{\begin{array}{cc}{F}_{\mathrm{\σ}}{S}_p(x,\mathrm{\τ})& -{\mathrm{\σ}}_m\≤\mathrm{\σ}\≤{\mathrm{\σ}}_m\\ S_p(x,\mathrm{\τ})& \left|\mathrm{\σ}\right|>{\mathrm{\σ}}_m\end{array}\right.$

可得到绕射波的高倾角信息成分

将步骤(2)得到的p值从小到大排序的记录减去该高倾角绕射波信息

则得到含有反射波r_p(x，τ)

以及绕射波的低倾角信息成分

的残差数据

4.根据权利要求3所述的地震绕射波分离成像方法，其特征在于：

所述步骤(4)具体如下：

利用傅里叶变换将

变换到频率空间域，得到频率域信号 $S_p^{\left(L\right)}(x,\mathrm{\ω}):$

$S_q^{\left(L\right)}(x,\mathrm{\ω})=r_p(x,\mathrm{\ω})+d_p^{\left(L\right)}(x,\mathrm{\ω})$

设p_l(l＝1，…，L)为S的线性预测算子，记N_x×N_x矩阵

取线性反演的目标函数

$J={\left|\right|\mathrm{PR}\left|\right|}_2^2+\mathrm{\λ}{\left|\right|S-R\left|\right|}_2^2$

极小化该目标函数，可得到方程

(P^HP+λI)R＝λS

求解方程便可得到反射信号r_p(x，τ)的一个估计，从

中减去反射信号r_p(x，τ)即得到低倾角绕射波信息

Images