CN103792574A - 一种储层频变含气性检测方法 - Google Patents

Abstract

本发明提供一种能够提取地震数据中的速度频散效应并利用储层含气、水时不同的速度频散特征实现岩石储层中的含气检测及气水识别的有效方法，该方法包括：采集储层的叠前地震数据；对所述叠前地震数据进行分频处理，得到各个频率下的叠前地震数据体；对下式进行求解得到储层的地震道各个样点的P波速度变化率频散和S波速度变化率频散：根据所述P波速度变化率频散和所述S波速度变化率频散与频变的AVO属性之间的关系计算所述频变的AVO属性；根据所述AVO属性进行所述储层的含气性检测和气水识别。

Description

一种储层频变含气性检测方法

技术领域

本发明涉及地震勘探领域，尤其涉及一种储层频变含气性检测方法。

背景技术

随着当前天然气勘探工作的不断深入和勘探技术的不断提高，勘探的重点已经从构造气藏转移到岩性气藏等非构造气藏。为了减少天然气勘探过程中的风险，提高勘探的成功率，地质地球物理学家们一直在积极研究对地下储层进行含气检测的有效方法手段。

多年前地球物理学家就已经认识到了与含气储层相关的低频地震异常。引起地震数据频率异常的机理有很多，例如固有衰减和非固有衰减、弹性散射、薄层调谐效应以及裂缝发育等，而且人们对引起与频率相关的振幅异常的机制尚没有完全认识清楚，但是随着实验室模拟技术的进步和利用现代谱分解手段对地震数据进行分析，人们发现含气储藏往往表现出异常高的能量衰减，与能量衰减相关的是速度频散。在能量衰减非常高的含气储层中，经常可以见到明显的速度频散，实验室中同样观测到了发生在地震频带内的强能量衰减和速度频散。虽然Chapman等人通过研究频散对叠前地震振幅随偏移距变化（AVO）的影响，进一步验证了应用频散特性进行储层含气性检测的潜力，但是目前尚没有提取地震数据中的速度频散效应并利用储层含气、水时不同的速度频散特征实现岩石储层中的含气检测及气水识别的有效方法。

发明内容

本发明针对现有技术中存在的上述缺陷，提供一种能够提取地震数据中的速度频散效应并利用储层含气、水时不同的速度频散特征实现岩石储层中的含气检测及气水识别的有效方法。

本发明提供一种储层频变含气性检测方法，该方法包括：

采集储层的叠前地震数据；

对所述叠前地震数据进行分频处理，得到各个频率下的叠前地震数据体；

对下式进行求解得到储层的地震道各个样点的P波速度变化率频散和S波速度变化率频散：

$\left[\begin{array}{c}{S}_b(t,1,f_0)\\ .\\ .\\ .\\ S_b(t,n,f_0)\end{array}\right]=\left[\begin{array}{cc}{A}_1\left(t\right)& B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ A_n\left(t\right)& B_n\left(t\right)\end{array}\right]\left[\begin{array}{c}\frac{{\mathrm{\ΔV}}_p}{V_p}(t,f_0)\\ \frac{{\mathrm{\ΔV}}_s}{V_s}(t,f_0)\end{array}\right]$

其中S_b(t,i,f₀)（i=1，2，…，n）表示不同频率f下的振幅数据，A_i(t)、B_i(t)（i=1，2，…，n）是系数，

表示P波速度变化率频散，表示S波速度变化率频散，t表示时间；

根据所述P波速度变化率频散和所述S波速度变化率频散与频变的AVO属性之间的关系计算所述频变的AVO属性；

根据所述AVO属性进行所述储层的含气性检测和气水识别。

由于根据本发明的储层频变含气性检测方法能够有效地提取震数据中的速度频散效应，所以能够利用储层含气、水时不同的速度频散特征基于所提取的速度频散特征来实现岩石储层中的含气检测及气水识别。

附图说明

图1是根据本发明的储层频变含气性检测方法的流程图。

具体实施方式

下面结合附图来详细描述根据本发明的储层频变含气性检测方法。

如图1所示，根据本发明的储层频变含气性检测方法包括：

S1、采集储层的叠前地震数据；

S2、对所述叠前地震数据进行分频处理，得到各个频率下的叠前地震数据体；

S3、对下式进行求解得到储层的地震道各个样点的P波速度变化率频散和S波速度变化率频散：

$\left[\begin{array}{c}{S}_b(t,1,f_0)\\ .\\ .\\ .\\ S_b(t,n,f_0)\end{array}\right]=\left[\begin{array}{cc}{A}_1\left(t\right)& B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ A_n\left(t\right)& B_n\left(t\right)\end{array}\right]\left[\begin{array}{c}\frac{{\mathrm{\ΔV}}_p}{V_p}(t,f_0)\\ \frac{{\mathrm{\ΔV}}_s}{V_s}(t,f_0)\end{array}\right]$

其中，S_b(t,i,f₀)（i=1，2，…，n）表示不同频率f下的振幅数据，A_i(t)、B_i(t)（i=1，2，…，n）是系数，表示P波速度变化率频散，

表示S波速度变化率频散，t表示时间；

S4、根据所述P波速度变化率频散和所述S波速度变化率频散与频变的AVO属性之间的关系计算所述频变的AVO属性；以及

S5、根据所述AVO属性进行所述储层的含气性检测和气水识别。

下面对根据本发明的储层频变含气性检测方法进行更详细的描述。

假定由于界面两侧频散性质的差异，反射系数会随着频率的变化而变化，即反射系数可以看成是入射角和频率的函数，同时把纵波与横波速度变化率（即P波速度变化率和S波速度变化率）也看成是频率的函数，则：

$R(\mathrm{\θ},f)\≈A\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_p}{V_p}\left(f\right)+B\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_s}{V_s}\left(f\right)---\left(1\right)$

其中，R(θ，f)表示反射系数，表示P波速度变化率频散，

表示S波速度变化率频散，A(θ)和B(θ)表示系数（即A(θ)为与有关的项的系数总表达式，B(θ)为与

有关的项的系数总表达式），θ表示入射角，f表示频率。

对（1）式在某一参考频率f₀处对纵波和横波速度变化率进行泰勒级数展开，并舍去高阶项，只保留一阶导数得到：

$R(\mathrm{\θ},f)\≈A\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_p}{V_p}\left(f_0\right)+(f-f_0)A\left(\mathrm{\θ}\right)I_a+B\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_s}{V_s}\left(f_0\right)+(f-f_0)B\left(\mathrm{\θ}\right)I_b---\left(2\right)$

其中I_a和I_b分别为纵波和横波速度变化率关于频率f的导数，即纵波和横波速度变化率随频率变化的程度，将其定义为频散程度：

$I_a=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_p}{V_p}\right){|}_{f=f_0};$ $I_b=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right){|}_{f=f_0}---\left(3\right)$

为了计算得到等式（3）中定义的频散程度，将叠前地震道集看作一个典型的有n个接收道的AVO道集，其可以表示成矩阵的形式D(t，n)，假设已知速度模型，则可以计算出每一采样点所对应的式（2）的系数A(t,n)和B(t,n)（由于速度模型已知，所以每一组参数即时间t与n（相当于偏移距）都对应于一个入射角），根据瞬时频谱分析的理论，可以对D(t,n)进行频谱分解得到不同频率f下的振幅谱S：

$D(t,n)\↔S(t,n,f)---\left(4\right)$

由于地震记录的振幅信息是地震子波与反射系数的褶积，振幅谱S会受到“子波叠印”（Overprint）的影响，即能量在各个频率分布不均衡，主要集中在主频带附近。因此，要对不同频率的振幅谱通过加权函数ω进行谱均衡（Spectral Balance）：

S_b(t,n,f)=S(t,n,f)ω(f)              （5）

根据（1）式可以得到以下关系式：

$\left[\begin{array}{c}{S}_b(t,1,f_0)\\ .\\ .\\ .\\ S_b(t,n,f_0)\end{array}\right]=\left[\begin{array}{cc}{A}_1\left(t\right)& B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ A_n\left(t\right)& B_n\left(t\right)\end{array}\right]\left[\begin{array}{c}\frac{{\mathrm{\ΔV}}_p}{V_p}(t,f_0)\\ \frac{{\mathrm{\ΔV}}_s}{V_s}(t,f_0)\end{array}\right]---\left(6\right)$

采用最小二乘法对等式（6）进行求解，即可以计算在频谱振幅意义下的不同频率的纵波及横波速度变化率，即计算得到P波速度变化率频散和S波速度变化率频散。

对于（2）式，为了求I_a和I_b，将该式调整为：

$R(\mathrm{\θ},f)-A\left(\mathrm{\θ}\right)\frac{\mathrm{\ΔV}}{V}\left(f_0\right)-B\left(\mathrm{\θ}\right)\frac{\mathrm{\ΔW}}{W}\left(f_0\right)\≈(f-f_0)A\left(\mathrm{\θ}\right)I_a+(f-f_0)B\left(\mathrm{\θ}\right)I_b---\left(7\right)$

其中，V对应于式（2）中的V_p，W对应于式（2）中的V_s。

即：

$R(\mathrm{\θ},f)-A\left(\mathrm{\θ}\right)\frac{\mathrm{\ΔV}}{V}\left(f_0\right)-B\left(\mathrm{\θ}\right)\frac{\mathrm{\ΔW}}{W}\left(f_0\right)\≈\left[\begin{array}{c}(f-f_0)A\left(\mathrm{\θ}\right)\\ (f-f_0)B\left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}{I}_a\\ I_b\end{array}\right]---\left(8\right)$

考虑m+1个频率的情况，并定义列向量a为：

$a=\left[\begin{array}{c}{B}_s(t,1,f_1)-A_1\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_1\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ .\\ .\\ .\\ B_s(t,1,f_m)-A_1\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_1\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ .\\ .\\ .\\ B_s(t,n,f_1)-A_n\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_n\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ .\\ .\\ .\\ B_s(t,n,f_m)-A_n\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_n\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ \end{array}\right]---\left(9\right)$

并定义m×n行，2列的矩阵e如下：

$e=\left[\begin{array}{cc}(f_1-f_0)A_1\left(t\right)& (f_1-f_0)B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ (f_m-f_0)A_1\left(t\right)& (f_m-f_0)B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ (f_1-f_0)A_n\left(t\right)& (f_1-f_0)B_n\left(t\right)\\ .& .\\ .& .\\ .& .\\ (f_m-f_0)A_n\left(t\right)& (f_m-f_0)B_n\left(t\right)\end{array}\right]---\left(10\right)$

将（8）式和（9）式代入（10）式可以得到如下关系式：

$a=e\left[\begin{array}{c}{I}_a\\ I_b\end{array}\right]---\left(11\right)$

于是，每一个采样点t处的I_a和I_b可以通过使用最小二乘法对等式（11）进行求解得到：

$\left[\begin{array}{c}{I}_a\\ I_b\end{array}\right]={\left(e^{T}e\right)}^{-1}{e}^{T}a---\left(12\right)$

优选地，图1中的步骤S2可以包括：在所述叠前地震数据的基础上，采用小波变换对叠前地震道进行多子波分解重构，从而获得各个频率下的叠前地震数据体，其中在于小波变换对叠前地震道进行多子波分解重构的方法是现今比较成熟的方法，所以此处不再赘述。通过用小波变换对叠前地震道进行多子波分解重构，就能够获得一系列频率（如10Hz、15Hz、20Hz、25Hz、30Hz、40Hz、50Hz、60Hz、70Hz等）下的叠前地震数据体。然后，以某一频率（比如40Hz）为参考频率，采用最小二乘法对前述的等式（6）进行求解，即可得到地震道每一采样点t上的P波速度变化率的频散、S波速度变化率的频散等。

根据某一频率下频变的AVO属性与P波速度变化率频散、S波速度变化率频散的关系，即可计算得到频变的AVO属性。由于各个频变的AVO属性与P波速度变化率频散、S波速度变化率频散之间的关系为本领域的基础知识，所以此处不再赘述。

其中，频变的AVO属性包括截距、梯度、拟泊松比、流体因子、拉梅系数变化率、剪切模量变化率等。基于这些频变的AVO属性参数及常规AVO属性参数，就能够确定对储层气水响应敏感的参数，通过对这些敏感参数的交汇分析，就能够实现储层的含气性检测、气水识别等。其中常规AVO属性参数包括非频变的截距、梯度、拟泊松比、流体因子等。

以上仅结合本发明的优选实施方式对本发明进行了详细描述，但是在不背离本发明精神和范围的情况下，可以对本发明做出各种修改和变形。

Claims (5)

1.一种储层频变含气性检测方法，该方法包括：

采集储层的叠前地震数据；

对所述叠前地震数据进行分频处理，得到各个频率下的叠前地震数据体；

将所述叠前地震数据体代入下式进行求解得到储层的地震道各个样点的P波速度变化率频散和S波速度变化率频散：

$\left[\begin{array}{c}{S}_b(t,1,f_0)\\ .\\ .\\ .\\ S_b(t,n,f_0)\end{array}\right]=\left[\begin{array}{cc}{A}_1\left(t\right)& B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ A_n\left(t\right)& B_n\left(t\right)\end{array}\right]\left[\begin{array}{c}\frac{{\mathrm{\ΔV}}_p}{V_p}(t,f_0)\\ \frac{{\mathrm{\ΔV}}_s}{V_s}(t,f_0)\end{array}\right]$

其中，S_b(t,i,f₀)（i=1，2，…，n）表示不同频率f下的振幅数据，A_i(t)、B_i(t)（i=1，2，…，n）是系数，

表示P波速度变化率频散，

表示S波速度变化率频散，t表示时间；

根据所述P波速度变化率频散和所述S波速度变化率频散与频变的AVO属性之间的关系计算所述频变的AVO属性；以及

根据所述AVO属性进行所述储层的含气性检测和气水识别。

2.根据权利要求1所述的方法，其中，所述对所述叠前地震数据进行分频处理，得到各个频率下的叠前地震数据体包括：

在所述叠前地震数据的基础上，采用小波变换对叠前地震道进行多子波分解重构，从而获得各个频率下的叠前地震数据体。

3.根据权利要求1所述的方法，其中，该方法还包括通过下式计算P波速度变化率和S波速度变化率随频率变化的程度，即频散：

$\left[\begin{array}{c}{I}_a\\ I_b\end{array}\right]={\left(e^{T}e\right)}^{-1}{e}^{T}a,$

其中 $e=\left[\begin{array}{cc}(f_1-f_0)A_1\left(t\right)& (f_1-f_0)B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ (f_m-f_0)A_1\left(t\right)& (f_m-f_0)B_1\left(t\right)\\ .& .\\ .& .\\ .& .\\ (f_1-f_0)A_n\left(t\right)& (f_1-f_0)B_n\left(t\right)\\ .& .\\ .& .\\ .& .\\ (f_m-f_0)A_n\left(t\right)& (f_m-f_0)B_n\left(t\right)\end{array}\right]$

$a=\left[\begin{array}{c}{B}_s(t,1,f_1)-A_1\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_1\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ .\\ .\\ .\\ B_s(t,1,f_m)-A_1\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_1\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ .\\ .\\ .\\ B_s(t,n,f_1)-A_n\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_n\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ .\\ .\\ .\\ B_s(t,n,f_m)-A_n\left(t\right)\frac{{\mathrm{\ΔV}}_p}{V_p}(f_0,t)-B_n\left(t\right)\frac{{\mathrm{\ΔV}}_s}{V_s}(f_0,t)\\ \end{array}\right]$

其中，A_i(t)、B_i(t)（i=1，2，…，n）是系数，

表示P波速度变化率频散，

表示S波速度变化率频散，B_s(t,i,f_j)（i=1，2，…，n；j＝1，2，…，m）表示不同频率f下的振幅数据，t表示时间，I_a和I_b分别为P波速度变化率和S波速度变化率关于频率f的倒数，即

$I_b=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right){|}_{f=f_0}.$

4.根据权利要求1至3中任一项权利要求所述的方法，其中，所述频变的AVO属性包括截距、梯度、拟泊松比、流体因子、拉梅系数变化率、剪切模量变量率。

5.根据权利要求1至3中任一项权利要求所述的方法，其中，所述根据所述AVO属性进行所述储层的含气性检测和气水识别包括：

基于所述频变的AVO属性及常规AVO属性，确定对储层气水响应敏感的参数，以实现储层的含气性检测和气水识别。

Images