CN103984010A - 一种基于三项频率依赖avo反演的流体识别方法 - Google Patents

Abstract

频散现象因携带了大量关于流体的信息近来受到越来越大的关注。尽管，频率依赖AVO反演方法已被证明是一种行之有效的判断流体类型的方法，但是其可靠性很大程度上依赖于AVO反演近似公式的准确程度以及频散反演公式中Vs/Vp的值。对于此，本发明提出一种基于三项频率依赖AVO反演的流体识别方法。该方法是基于Aki&Richards三项反演近似公式，并将其引入到频率域，代入叠前AVO反演所得的随采样点变化的Vs/Vp。本发明首先选用孔洞中依次充填不同流体的二维物理模型资料来验证该方法的可行性和优势，结果证明基于三项频率依赖AVO反演的流体识别方法提供了更可靠的纵波频散梯度值，可以更有效地识别流体类型并压制非储层能量。实际资料的应用结果说明：通过基于三项频率依赖AVO反演的流体识别方法得到的最终结果能够更好地吻合实际流体类型和产量等井信息。

Description

一种基于三项频率依赖AVO反演的流体识别方法

技术领域

本发明属于石油勘探领域，涉及一种利用三项频率依赖AVO反演识别流体的方法。

背景技术

AVO技术在20世纪90年代得到迅速发展，许多地球物理学家根据不同的要求不断地修正和发展AVO技术，得到了适合不同地质、地震情况下的Zoeppritz方程近似算法，如Aki & Richard近似公式、Shuey近似公式、Smith & Gidlow近似公式以及Fatti近似公式等等，从而使定性的AVO流体检测技术发展到定量的弹性参数的求取、叠前的弹性波阻抗反演及裂缝检测等技术。但AVO技术是以弹性波理论为基础的，并没有考虑地震波的频散特征，由储层中的流体导致的地震波频散成了近年来研究的热点和难点。

孔隙填充介质的喷射流动(或局部粘滞流动)是引起地震波发生频散和衰减的主要原因已被普遍接受。Chapman等(2003)研究认为当中等尺度的裂缝存在时，则需要考虑流体的粘性对地震波的传播将产生的影响，并进行了数值模拟计算。近来，Batzle等(2006)的实验研究表明，与频率有关的速度变化还受岩石的渗透率影响，并定义了流体的流动性，即岩石渗透率与流体粘滞性的比值，来描述地震波的频散机制。基于Chapman的频散岩石物理模型(2002)和Chapman频散AVO正演结果(2006)，Wilson等(2009)和Wu等(2010)对Smith & Gidlow两项AVO反演近似公式进行扩展，采用频谱分析技术，推导出频率依赖的AVO反演公式，用于定量的描述地震波的频散特性。

但是，该方法是建立在Smith & Gidlow两项反演近似公式和Vs/Vp为常值(通常取0.5)的假设前提之上的，而Smith & Gidlow两项反演近似公式是通过Gardner近似公式将密度变化率项近似到了纵波速度变化率项，使得最终所得的纵波速度变化率不够准确；Vs/Vp恰是区分储层内流体类型的主要参数，同时也是区分储层与非储层的重要指标，传统的频率依赖AVO反演方法将该值定为常数，不能准确地在反演中进行流体类型识别以及储层与非储层的划分。

常规的频率依赖AVO反演通过如下方式求取：

由Gardner公式假设，可得到Zoeppritz方程的两项Smith & Gidlow(1987)近似公式，在横纵波速度比Vs/Vp已知(通常取0.5)的情况下，可写成以下形式：

$R_1\left(\mathrm{\θ}\right)\≈A_1\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_P}{V_P}+B_1\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_S}{V_S}---\left(1\right)$

$A_1\left(\mathrm{\θ}\right)=\frac{5}{8}-\frac{1}{2}\frac{{V^2}_S}{{V^2}_P}{\sin }^2\mathrm{\θ}+\frac{1}{2}{\tan }^2\mathrm{\θ};B_1\left(\mathrm{\θ}\right)=-4\frac{{V^2}_S}{{V^2}_P}{\sin }^2\mathrm{\θ}---\left(2\right)$

根据公式(1)即可反演求出纵波速度变化率ΔV_P/V_P和横波速度变化率ΔV_S/V_S。将频率项引入到纵波及横波速度变化率中(Wilson等, 2009)，可将公式(1)改写成以下形式：

$R_1(\mathrm{\θ},f)\≈A_1\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_P}{V_P}\left(f\right)+B_1\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_S}{V_S}\left(f\right)---\left(3\right)$

为了获得地震频散项，对公式(3)中与频率相关的速度项进行一阶泰勒展开，形式如下：

$R_1(\mathrm{\θ},f)\≈A_1\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_P}{V_P}\left(f_0\right)+(f-f_0)A_1\left(\mathrm{\θ}\right)I_{1a}+B_1\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_S}{V_S}\left(f_0\right)+(f-f_0)B_1\left(\mathrm{\θ}\right)I_{1b}---\left(4\right)$

公式(4)中，f₀为一阶泰勒展开时的参考频率，I_1a及I_1b的表达式分别如下：

$I_{1a}=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_P}{V_P}\right);I_{1b}=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_S}{V_S}\right)---\left(5\right)$

如公式(5)所示，I_1a及I_1b分别是纵波和横波速度变化率对频率f的求导，也就表示速度随频率的变化程度，将I_1a及I_1b分别定义为纵波频散梯度值和横波频散梯度值。

发明内容

本发明提出一种基于三项频率依赖AVO反演的流体识别方法，在实际资料中进行流体识别，更加准确可靠地进行流体识别工作，区分流体类型(油、气和水)、区分岩性(非储层)和流体，为更精细的储层描述提供依据。

为了实现上述目的，本发明的技术方案是：一种基于三项频率依赖AVO反演的流体识别方法，所述方法包括如下步骤：

步骤1：对地震资料进行保幅处理，抽取保幅的角道集；

步骤2：将步骤1得到的保幅角道集进行分角度叠加，形成近、中、远分角度叠加数据；

步骤3：利用具有高时频分辨率的重排Gabor变换对步骤2所得的近、中、远分角度叠加数据进行时频分析，抽取分频数据并做谱均衡；

步骤4：将步骤2所得的近、中、远分角度叠加数据体进行叠前AVO反演，得到随采样点变化的横纵波速度比Vs/Vp；

步骤5：将步骤3所得的分频数据和步骤4所得横纵波速度比Vs/Vp作为三项频率依赖AVO反演公式的输入，算出每个地震道上每个采样点上的纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c；

步骤6：通过纵波频散梯度I_a数据进行流体识别。

更进一步，步骤5所述的三项频率依赖AVO反演公式是在Aki&Richards三项反演近似公式基础上，将频率项f分别引入到该公式的纵波速度变化率、横波速度变化率及密度变化率中，在参考频率f₀处进行一阶泰勒展开，分别求解纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c。

本发明的有益效果是：能够更加准确可靠地进行流体识别工作，区分流体类型(油、气和水)、区分岩性(非储层)和流体，所得结果能够更好地与井上的流体类型及累积产量吻合，为更精细的储层描述提供依据。

下面结合附图和实施例对本发明作详细描述。

附图说明

图1依次充填不同介质的二维孔洞物理模型(据CNPC物探重点实验室)；

图2依次充填不同介质的二维孔洞物理模型目标区域的叠加剖面；

图3使用不同频率依赖AVO反演方法所得的目标区域的纵波频散梯度

(a：Smith&Gidlow两项近似公式+常值Vs/Vp；b：Smith&Gidlow两项近似公式+变化Vs/Vp；

c：Aki&Richards三项近似公式+常值Vs/Vp；d：Aki&Richards三项近似公式+变化Vs/Vp；)；

图4三项的频率依赖AVO反演方法在实际地震资料中的工作流程图；

图5新疆某区块的地震叠加联井剖面(a)及纵波频散梯度剖面(b)；

图6新疆该区块沿一间房组(To3l)向上30ms向下60ms所提的地震均方根振幅属性(a)及纵波频散梯度(b)；

具体实施方式

本发明所提供的一种基于三项频率依赖AVO反演的流体识别方法，其具体实施方式如下：

步骤1：对地震资料进行保幅处理，抽取保幅的角道集；

步骤2：将步骤1得到的保幅角道集进行分角度叠加，形成近、中、远分角度叠加数据；

步骤3：利用具有高时频分辨率的重排Gabor变换对步骤2所得的近、中、远分角度叠加数据进行时频分析，抽取分频数据并做谱均衡；

步骤4：将步骤2所得的近、中、远分角度叠加数据体进行叠前AVO反演，得到随采样点变化的横纵波速度比Vs/Vp；

步骤5：将步骤3所得的分频数据和步骤4所得横纵波速度比Vs/Vp作为三项频率依赖AVO反演公式的输入，算出每个地震道上每个采样点上的纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c；

步骤6：通过纵波频散梯度I_a数据进行流体识别。

更进一步，步骤5所述的三项频率依赖AVO反演公式是在Aki&Richards三项反演近似公式基础上，将频率项f分别引入到该公式的纵波速度变化率、横波速度变化率及密度变化率中，在参考频率f₀处进行一阶泰勒展开，分别求解纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c。

本发明是在Aki&Richards三项反演近似公式基础上进行创新的，创新之处主要体现在以下两点：1.利用Aki&Richards三项反演近似公式并将其推广至频率域；2.将叠前AVO反演所得随采样点变化的Vs/Vp作为该三项频率依赖AVO反演公式的输入信息。

由Aki & Richards对Zoeppritz方程的三项AVO近似公式，如公式(6)和(7)所示：

$R_2\left(\mathrm{\θ}\right)\≈A_2\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_P}{V_P}+B_2\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_S}{V_S}+C_2\left(\mathrm{\θ}\right)\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}}---\left(6\right)$

$A_2\left(\mathrm{\θ}\right)=\frac{1}{{\cos }^2\mathrm{\θ}};B_2\left(\mathrm{\θ}\right)=-4\frac{{V^2}_S}{{V^2}_P}{\sin }^2\mathrm{\θ};C_2\left(\mathrm{\θ}\right)=\frac{1}{2}(1-4\frac{{V^2}_S}{{V^2}_P}{\sin }^2\mathrm{\θ})---\left(7\right)$

与公式(3)相似，将频率项引入Aki & Richards三项AVO近似公式中，得公式(8)如下所示：

$R_2(\mathrm{\θ},f){\≈A}_2\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_P}{V_P}\left(f\right)+B_2\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_S}{V_S}\left(f\right)+C_2\left(\mathrm{\θ}\right)\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}}\left(f\right)---\left(8\right)$

将公式(8)中与频率有关的项在参考频率f₀处进行泰勒一阶展开，得公式(9)，形式如下：

$\begin{array}{c}{R}_2(\mathrm{\θ},f)\≈A_2\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_P}{V_P}\left(f_0\right)+(f-f_0)A_0\left(\mathrm{\θ}\right)I_{2a}+B_2\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_S}{V_S}\left(f_0\right)+\\ (f-f_0)B_2\left(\mathrm{\θ}\right)I_{2b}+C_2\left(\mathrm{\θ}\right)\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}}\left(f_0\right)+(f-f_0)C_2\left(\mathrm{\θ}\right)I_{2c}\end{array}---\left(9\right)$

其中，Vs/Vp值为振幅域叠前反演得到的纵横波速度比；I_2a、I_2b及I_2c的表达式分别如下：

$I_{2a}=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_P}{V_P}\right);I_{2b}=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_S}{V_S}\right);I_{2a}=\frac{d}{\mathrm{df}}\left(\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}}\right)---\left(10\right)$

与公式(5)相似，将I_2a、I_2b及I_2c分别被定义为纵波频散梯度值、横波频散梯度值及密度频散梯度值。

以下结合附图说明本发明具体实施方式。

为了验证所提出的基于Aki & Richards三项近似公式的频率依赖AVO反演方法的优势及有效性，为实际问题的分析提供参考依据，本发明选用二维充填不同流体的孔洞物理模型，六个孔洞中依次充填的流体为气、水、油、硅橡胶、混合物1以及混合物2，其中充填气、水、油的前三个孔洞为本发明研究的目标区域，如图1所示。图2为该二维孔洞物理模型目标区域的叠加剖面，可以看出气、油、水充填的洞的地震响应都是由强到弱；第一和第三根强轴代表水与模型介质材料之间的界面；第二根强轴代表该模型上覆的低速盖层与下伏的高速储层之间的界面。

本发明利用具有高时频分辨率的重排Gabor变换作为频谱分解的一种工具(周家雄等，2013)，对三个分角度数据体(6-14°、15-23°、24-32°)进行时频分析，并分别抽取对应的单频剖面带入频率依赖AVO反演公式，选择主频(33Hz)作为参考频率进行频率依赖AVO反演。图3为依次利用不同频率依赖AVO反演公式及Vs/Vp值得到的纵波频散梯度，所用的变化Vs/Vp值来源于振幅域的叠前AVO反演的结果。

如图3所示，饱和不同流体的孔洞的频散梯度值存在差异：气的响应最强，油次之，水最弱；并且，处在2350ms附近的不含流体的非储层界面在一定程度上得到了削弱。但是，图a-d仍存在细节上的差异。相比于图a、b和c，通过变两项AVO近似公式为三项近似公式以及代常值Vs/Vp为变化的Vs/Vp，图d中流体的响应更强，特别是气和油，非储层界面的响应也得到更有效地压制。

因此，从理论分析和物理模型验证都证明了本发明所提出的基于三项Aki & Richards反演近似公式的频率依赖AVO反演方法是行之有效的，能够更准确有效地识别流体类型。

图4为本发明在实际地震资料中应用的工作流程图，其主要步骤如下：

步骤1：对地震资料进行保幅处理，抽取保幅的角道集；

步骤2：将步骤1得到的保幅角道集进行分角度叠加，形成近、中、远分角度叠加数据；

步骤3：利用具有高时频分辨率的重排Gabor变换对步骤2所得的近、中、远分角度叠加数据进行时频分析，抽取分频数据并做谱均衡；

步骤4：将步骤2所得的近、中、远分角度叠加数据体进行叠前AVO反演，得到随采样点变化的横纵波速度比Vs/Vp；

步骤5：将步骤3所得的分频数据和步骤4所得横纵波速度比Vs/Vp作为三项频率依赖AVO反演公式的输入，算出每个地震道上每个采样点上的纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c；

步骤6：通过纵波频散梯度I_a数据进行流体识别。

更进一步，步骤5所述的三项频率依赖AVO反演公式是在Aki&Richards三项反演近似公式基础上，将频率项f分别引入到该公式的纵波速度变化率、横波速度变化率及密度变化率中，在参考频率f₀处进行一阶泰勒展开，分别求解纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c。

为了进一步验证所提出的基于三项频率依赖AVO反演的流体识别方法在实际资料中的应用效果，特别在识别流体类型以及区分岩性与流体等方面的效果，本发明选取新疆某井区的一个小区块三维资料。图4为该区块的地震联井剖面及其对应的纵波频散梯度剖面；图5为该区块的地震振幅及纵波频散梯度沿一间房组(To3l)向上30ms向下60ms提取的均方根振幅属性。通过比较本发明所选区块的地震振幅及三项的频率依赖AVO反演结果不难看出，首先相比于地震振幅，纵波频散梯度结果无论是在剖面上还是在平面上都与表1所示的各井实际生产情况有很好的吻合，很好地区分了流体类型；其次，纵波频散梯度剖面能够将岩性和流体区分。

表1研究区域内各井实际生产情况(截至2013年12月)

Well A由于其本身是口水井，无生产记录，图4(b)中的纵波频散梯度剖面上Well A处无明显地响应，很好地佐证了其流体的类型；而其侧钻井Well AC在图4(b)有较强的响应，说明其具有一定的油气产量，从表1可以查到其累积产油0.9266万吨，产气0.3022万吨，折油当量1.5851万吨；Well B井地震的均方根振幅属性上有一定响应，但是在纵波频散梯度上其响应几乎为零，其原因在Well B井所处的位置储层欠发育，本身是口失利井；Well D在纵波频散梯度剖面上只有很小范围的响应，其平面上的响应也不如地震振幅的强，从表1可以看出其口油气产量并不高的低效井，所以纵波频散梯度很好的吻合了井的实际生产情况；而Well C和Well E两口井产量都很高，折油当量分别是5.2552万吨和3.9338万吨，在纵波频散梯度上响应的能量强，范围大。

因此，从该井区的实际三维地震资料的结果可以看出，本发明所提出的基于三项频率依赖AVO反演的流体识别方法在实际应用中是行之有效的，相比于地震振幅，该方法能够达到区分岩性与流体以及区分流体类型的作用，此外所区分的流体类型又与各井的实际生产情况有很好地吻合。

本发明提出了一种基于三项频率依赖AVO反演的流体识别方法，消除了常规Smith&Gidlow两项反演近似公式对密度变化率与纵波速度变化率之间的近似假设，并将振幅域叠前AVO反演得到的横纵波速度比作为该频率依赖AVO反演中横纵波速度比的输入信息，考虑了储层与非储层、储层中不同流体类型的横纵波速度比差异。孔洞中依次充填气、水和油的二维物理模型资料验证了该三项频率依赖AVO反演方法在识别流体类型和区分岩性和流体上是有效的，并且具有更高的精度。三维溶蚀孔洞型碳酸盐岩储层的实际资料结果表明，该方法能够更好地识别流体的类型以及区分岩性与流体，与井上实际的流体类型及产量等信息有很好地吻合。

参考文献

Batzle,M.L.,Han,and Hofmann R.Fluid mobility and frequency-dependent seismic velocity-Directmeasurements:Geophysics,2006,71,no.1:71-79.

Chapman,M.,S.V.Zatsepin,and S.Crampin,Derivation of a microstructural poroelastic model:GeophysicalJournal International,2002,151,427-451.

Chapman,M.Frequency-dependent anisotropy due to meso-scale fractures in the presence of equant porosity:Geophysical Prospecting,2003,51:369-379.

Chapman,M.,E.Liu,and X.-Y.,Li,The influence of fluid-sensitive dispersion and attenuation on AVO analysis:Geophysical Journal International,2006,167,89-105.

Smith,G.C.,and P.M.Gidlow,Weighted stacking for rock property estimation and detection of gas:Geophysical Prospecting,1987,35,993-1014.

Wilson,A.,M.Chapman,and X.-Y.Li,Frequency-dependent AVO inversion:79th SEG Expanded Abstracts,2009,341-345.

Wu,X.,M.Chapman,A.Wilson,and X.-Y.Li,Estimating seismic dispersion from pre-stack data usingfrequency-dependent AVO inversion:80th SEG Expanded Abstracts,2010,425-429.

周家雄，张国栋，尚帅，基于重排Gabor变换的高分辨率谱分解：世界地质，2013，32(1)：153-157.

Claims (2)

1.一种基于三项频率依赖AVO反演的流体识别方法，其特征在于，所述方法包括如下步骤：

步骤1：对地震资料进行保幅处理，抽取保幅的角道集；

步骤2：将步骤1得到的保幅角道集进行分角度叠加，形成近、中、远分角度叠加数据；

步骤3：利用具有高时频分辨率的重排Gabor变换对步骤2所得的近、中、远分角度叠加数据进行时频分析，抽取分频数据并做谱均衡；

步骤4：将步骤2所得的近、中、远分角度叠加数据体进行叠前AVO反演，得到随采样点变化的横纵波速度比Vs/Vp；

步骤5：将步骤3所得的分频数据和步骤4所得横纵波速度比Vs/Vp作为三项频率依赖AVO反演公式的输入，算出每个地震道上每个采样点上的纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c；

步骤6：通过纵波频散梯度I_a数据进行流体识别。

2.根据权利要求1所述的基于三项频率依赖AVO反演的流体识别方法，其特征在于，步骤5所述的三项频率依赖AVO反演公式是在Aki&Richards三项反演近似公式基础上，将频率项f分别引入到该公式的纵波速度变化率、横波速度变化率及密度变化率中，在参考频率f₀处进行一阶泰勒展开，分别求解纵波频散梯度I_a、横波频散梯度I_b及密度频散梯度I_c。