CN104142517A - 一种利用地震数据动态频谱属性的油气检测方法 - Google Patents

Abstract

本发明涉及一种利用地震数据动态频谱属性的油气检测方法，技术方案为：利用短时傅立叶变换和频谱平滑方法获得目的层段及其上、下三个时窗的频谱属性，利用趋势分析方法确定时窗间频谱属性的变化量得到频谱动态属性，并通过与目的层段实际钻遇油气层厚度经归一化后相关分析，优选油气检测优势频谱属性进行油气检测。本发明利用三时窗分析方法能够获得目的层段及上、下相邻时窗的频谱属性和属性的动态变化，比以往单时窗方法更充分获取目的层段的地震波频率信息，并采用把各频谱属性与已钻井含油气层厚度相关分析优选频谱属性的方法，增强了属性选取的适应性，有利于提高油气检测可靠性。

Description

一种利用地震数据动态频谱属性的油气检测方法

技术领域：

本发明涉及一种利用地震数据动态频谱属性的油气检测方法，属于地震勘探储层油气预测领域。

背景技术：

地震资料携带了有关地下地质的丰富信息，以往主要利用几何学信息获取地下地质构造参数与特征。随着地震勘探主要转向岩性勘探领域，人们期望通过其他诸如能量、频率等地震属性获取关于目的层段岩性和油气的信息。早期，发现油气的存在会在地震叠加剖面上呈现强振幅（亮点），出现了根据振幅特征（亮点、暗点、平点等）的油气检测技术，亮点技术等在一些条件简单地区取得了成功，但该类方法存在更严重的多解性问题。二十世纪八十年代出现了以AVO技术为代表的含油气直接检测技术，该技术根据振幅随偏移距（或入射角）的变化进行含油气（尤其是含气）的预测，比亮点技术具有更明确的物理意义，并主要在新生代盆地中预测气藏取得了成功，但针对较致密岩石含油气预测的成功率相对较少。基于AVO技术的含油气预测主要难点在于：（1）地震道集数据信噪比低，预测结果受地震资料品质影响较大；（2）地震道集数据受观测系统和环境噪声及压制噪声方法的影响，一般小偏移距和大偏移距处数据振幅发生畸变，影响AVO分析效果；（3）目标为薄层（厚度小于1/4波长）时，地震振幅受调谐作用影响，增加了AVO方法预测油气的多解性。

除了利用地震资料的振幅信息，人们更多地尝试利用地震资料中携带的频率信息进行直接油气检测，出现了瞬时针、吸收系数、衰减梯度、频谱比等方法，在特定条件下取得了一定量的效果。近年来通过采用小波变换、S变换等信号分析技术，增加了时频分析的分辨率，并被用于频谱参数的计算和含油气检测。利用频率信息预测含油气主要是根据地震子波穿过油气层所导致高频信号的衰减现象。实际上，地震数据可被认为是由地震子波和地下反射系数的褶积而成，当前利用频率信息检测油气的方法主要存在以下问题：

（1）针对单个地震采样点或者很薄层段求取频谱，难以克服反射系数对频谱的影响，油气检测可靠性低。以申请号为200910236634.6(一种油气预测方法)的专利为例，该发明利用小波函数良好的时间域和频率域局部变化特性，根据计算出的多个纵波信号的主频和/或品质因子预测油气分布的有利区域。由于没有考虑消除地下反射系数及其组合对局部频率信号的影响，频率信息很大程度受地层结构本身的影响，导致油气检测可靠性较差。公开号CN101923176A（一种利用地震数据瞬时频率属性进行油气检测的方法）也存在同样的问题。

（2）现有技术方法忽视了能较好体现油气存在导致的地震波衰减频率域结构特征信息——即动态频率属性，与油气有关信息提取不充分。油气存在对地震波的衰减信息一般较弱，利用单时窗为计算单元不足以充分获取油气存在所导致的地震频率变化。公开号CN103197347A（一种基于自适应时窗的吸收分析油气预测方法）和公开号CN1412575（一种基于多相介质理论的油气检测方法）均以目的层为对象以单时窗频谱分析的方法检测油气。公开号CN102305943A（基于地震子波衰减谱的油气检测方法及装置）通过沿目的层顶底各开时窗计算地震子波频谱，对地震子波谱进行差值计算，得到地震子波衰减谱用以检测地层的含油气性。该方法比其他单时窗方法有显著改进，但也存在如下不足：①沿目的层顶、底时窗分别计算地震波频谱，却忽视了目的层段本身时窗内的地震波频谱，导致信息提取仍有缺陷；该方法仅通过对地震子波谱进行差值计算得到的地震子波衰减谱进行油气检测，存在方法单一、敏感度低的不足。

（3）当前利用地震资料频率信息进行油气检测的方法虽然较多，但在应用中仅是在测试若干方法之后通过人工判断与选择，制约了方法选择的灵活性和有效性，导致油气检测精度不高。

发明内容：

本发明旨在克服现有技术存在的小时窗油气检测可靠性低、单/双时窗信息提取不充分和方法选择灵活性差等导致的油气检测精度不高的问题，提出一种利用地震数据三时窗动态频谱信息进行油气检测的方法，利用短时傅立叶变换和频谱平滑方法获得目的层段及其上、下三个时窗的频谱属性，利用趋势分析方法确定时窗间频谱属性的变化量得到频谱动态属性，并通过与目的层段实际钻遇油气层厚度经归一化后相关分析，优选油气检测优势频谱属性，提高油气检测的可靠性和精度。为实现上述目的，本发明采用以下技术方案：

1、数据准备：设定工区地震最终叠加纯波数据、井位坐标、各井目的层段含油气层厚度和目的层解释顶、底时间数据；

2、提取井旁地震道频谱及动态属性：根据井位坐标在地震资料最终叠加纯波数据抽取井旁地震道，利用短时窗傅立叶变换和频谱平滑方法提取井旁地震道目的层段及其上、下三个时窗的频谱属性，利用趋势分析方法确定时窗间以上频谱属性的变化量得到动态频谱属性，包括峰值频率、频谱能量、加权频率、百分比能量对应频率、频谱比、频谱梯度、频谱指数；

3、确定油气检测优势频谱属性：把步骤2提取的各井目的层段三个时窗的频谱属性、动态频谱属性与含油气层厚度归一化并作相关分析，优选能够较好反映油气存在的频谱属性或动态频谱属性；

4、针对工区地震数据体提取优势频谱属性：根据步骤3中由井旁地震道分析确定的油气检测频谱属性与动态频谱属性，统称为优势频谱属性，在工区地震资料最终叠加纯波数据中沿目的层顶、底层位控制的目的层段提取该属性；

5、显示分析，识别有利区：对步骤4提取的优势频谱属性在平面图上以颜色变化进行显示，分析、识别有利目标区。

本发明的有益效果是：（1）针对目的层段而不是单个薄层，利用短时傅立叶变换和频谱平滑方法能够较好地获得地震子波频谱信息，克服以往瞬时频谱属性分析受反射系数影响大的不足；（2）三时窗分析方法能够获得目的层段及顶、底相邻时窗的频谱属性和动态频谱属性，能够比以往单/双时窗方法更充分获取目的层段的地震波频率信息；（3）本发明中把各频谱属性和动态频谱属性与含油气层厚度做相关分析进行属性优选，避免了属性选择的盲目性。

附图说明：

图1为本发明流程框图；

图2为中国四川盆地普光地区三维地震最终叠加纯波数据的一个剖面图；

图3为中国四川盆地普光地区须四段部分井含气厚度统计表；

图4为由中国四川盆地普光地区pg2井旁地震道获得的须四段上中下三个时窗的频率振幅谱；

图5为中国四川盆地普光地区须四段井旁地震频谱属性与含气层厚度归一化后叠合显示图；

图6为中国四川盆地普光地区须四段部分高相关地震频谱属性与含气层厚度层叠合显示图；

图7为针对中国四川盆地普光地区须家河组四段的含气检测结果图。

具体实施方式：

结合附图对本发明进行进一步描述。

本发明利用短时傅立叶变换和频谱平滑方法计算目的层段及其顶、底三时窗的频谱属性，利用趋势分析方法确定时窗间频谱属性的变化量得到频谱动态属性，并通过与目的层段实际钻遇油气层厚度经归一化后相关分析，优选油气检测优势频谱属性。实现框图如附图1所示，技术方案详述如下：

1、数据准备：输入地震最终叠加纯波数据、井位坐标、各井目的层段含油气层厚度和目的层解释顶、底时间数据，以下以中国四川盆地普光地区须四段含气检测为例,图2显示了一个标有pg2和dw102井位置及须四段顶、低层位的地震剖面图，图3显示了须四段lj1、pg2、dw102和lj2井的含油气厚度数据；

2、提取井旁地震道频谱及动态属性，包括：

2.1、根据步骤1确定数据，利用井位坐标在地震资料最终叠加纯波数据中抽取井旁地震道；

2.2、获得井旁地震道目的层段三时窗的频谱数据：利用井旁地震道数据，分别以目的层上方、目的层段、目的层下方开三个时窗，时窗大小与目的层时间厚度相当，分别称为上、中、下时窗，利用短时窗傅立叶变换得到频谱数据并对频谱数据平滑，图4显示了过pg2井井旁地震道须4段上、中、下时窗的频率振幅谱，由于pg2井须四段具有24m厚的含气层，从上到下三个时窗的频率成分呈现了向低频衰减的特征；

2.3、由2.2中获得的三个时窗频谱数据确定其频谱属性：分别由上、中、下三个时窗的频谱数据确定各时窗相应的频谱属性：

峰值频率f_p——或称主频，频谱中最大振幅对应的频率值；

频谱能量E——频谱数据振幅积分求和，令A(f)为频率域振幅谱中频率f对应的振幅，则

$E=\underset{f}{\mathrm{\Σ}}A\left(f\right)---\left(1\right)$

加权频率f_w——频率与该频率对应振幅乘积的积分和除以频谱能量

$f_w=\frac{\underset{f}{\mathrm{\Σ}}f\×A\left(f\right)}{E}---\left(2\right)$

30%能量频率f₃₀——频谱数据积分达总频谱能量30%所对应的频率，

$\frac{\underset{f=0}{\overset{f_{30}}{\mathrm{\Σ}}}A\left(f\right)}{E}30\%---\left(3\right)$

依次类推得40%、50%、60%、70%、80%、90%能量频率f₄₀、f₅₀、f₆₀、f₇₀、f₈₀、f₉₀，统称百分比能量对应频率；

频谱比r_f——以主频f_p或加权频率f_w为界，分别对高频部分和低频部分频谱积分求和，并相除得到

$r_f=\frac{\underset{f=f_p}{\overset{f_{\max }}{\mathrm{\Σ}}}A\left(f\right)}{\underset{f=0}{\overset{f_p}{\mathrm{\Σ}}}A\left(f\right)}---\left(4\right)$

频谱梯度f_slope——用主频或加权频率与90%能量频率之间的频谱数据，利用最小二乘法拟合振幅与频率的一次方程线性关系，一次方程的斜率即为频谱斜率；

频谱指数f_index——用主频或加权频率与90%能量频率之间的频谱数据，对频率及振幅取对数后利用最小二乘法拟合振幅与频率的一次方程线性关系，一次方程的斜率即为频谱指数；

2.4、确定动态频谱属性：针对2.3中确定的频谱属性，首先利用上、下时窗的频谱属性数值预测来中时窗该属性的数值；然后，把中时窗该属性的实际值与预测值的差作为该属性时窗间的动态变化量。以30%能量对应频率f₃₀为例，设上、中、下时窗的30%能量对应频率分别为则中时窗30%能量对应频率的预测值为

那么，30%能量对应频率的动态变化，即30%能量对应频率的动态属性为

其他频谱属性的动态属性确定方法与此类同。

3、确定油气检测优势频谱属性：

3.1、数据归一化处理：把由步骤2中得到的井旁地震道上、中、下三时窗频谱属性、动态频谱属性（以下统称频谱属性）及各井目的层段含油气层厚度归一化，其方法为：令x为频谱属性或含油气层厚度的统称，则归一化之后的数值为

$x\text{'}=\frac{x-x_{\min }}{x_{\max }-x_{\min }}---\left(7\right)$

式（7）中，x_min和x_max分别为归一化之前频谱属性或含油气层厚度的最小值和最大值，图5所示为归一化之后的含气层厚度与频谱属性的叠合显示图，图中红色粗线为工区各井须四段含气层厚度曲线，其他曲线代表工区各井须四段不同频谱属性的曲线；

3.2、确定频谱属性与含油气层厚度的相关系数：把步骤3.1中归一化后的频谱属性与含油气层厚度进行相关计算，求取相关系数。令归一化之后的含油气层厚度为x，频谱属性i归一化后的结果为y_i，则相关系数计算方法为x、y的协方差除以x、y的标准差之积，则频谱属性i与含油气层厚度的相关系数为

$c_i=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(x_j-\stackrel{\‾}{x})(y_{i,j}-{\stackrel{\‾}{y}}_i)}{{\left\{\right[\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_j-\stackrel{\‾}{x})}^2\left]\right[\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(y_{i,j}-{\stackrel{\‾}{y}}_i)}^2\left]\right\}}^{1/2}}---\left(8\right)$

式中n为参与相关计算的井的个数，和分别为含油气层厚度和频谱属性i的平均值；

3.3、优选含油气检测优势频谱属性：根据频谱属性与含油气层厚度相关系数确定含油气检测的优势频谱属性，优选与含油气层厚度相关较好的属性，附图6叠合显示了归一化之后的含油气层厚度、动态频谱能量属性、动态频谱斜率属性、中时窗频谱斜率属性、下时窗频谱能量属性，其中，动态频谱能量属性与含气显示厚度相关性较好，选择该属性作为目的层段油气检测的优势频谱属性。

4、针对工区地震数据体提取优势频谱属性：针对工区地震资料最终叠加纯波数据体以目的层段为对象提取步骤3中确定的油气检测优势频谱属性，并记录下来。

5、显示分析，识别有利区：对步骤4中提取和记录的油气检测优势频谱属性在平面图上以颜色变化进行显示，识别有利目标区。图7所示为利用频谱能量动态属性对中国四川盆地普光地区须四段进行含气检测的结果，由红到蓝表示该层段含气情况由好到差，预测结果与已钻井符合较好，证明了该方法的可靠性和有效性。

Claims (4)

1.一种利用地震数据动态频谱属性的油气检测方法，通过提取目的层段及其上、下三个时窗的频谱属性和时窗之间动态变化属性，并通过把各属性与实钻油气层厚度进行相关分析优选敏感频谱属性进行含油气检测，其特征包括以下步骤：

（1）数据准备：设定工区地震最终叠加纯波数据、井位坐标、各井目的层段含油气层厚度和目的层解释顶、底时间数据；

（2）提取井旁地震道频谱及动态属性：根据井位坐标在地震资料最终叠加纯波数据抽取井旁地震道，利用短时窗傅立叶变换和频谱平滑方法提取井旁地震道目的层段及其顶、底三个时窗的频谱属性，利用趋势分析方法确定时窗间以上频谱属性的变化量得到动态频谱属性，包括峰值频率、频谱能量、加权频率、百分比能量对应频率、频谱比、频谱梯度、频谱指数；

（3）确定油气检测优势频谱属性：把步骤2提取的各井目的层段三个时窗的频谱属性、动态频谱属性与含油气层厚度归一化并作相关分析，优选能够较好反映油气存在的频谱属性或动态频谱属性；

（4）针对工区地震数据体提取优势频谱属性：根据步骤3中由井旁地震道分析确定的油气检测频谱属性或动态频谱属性，统称为优势频谱属性，在工区整个地震资料最终叠加纯波数据中沿目的层顶、底层位控制的目的层段提取该属性；

（5）显示分析，识别有利区：对步骤4提取的优势频谱属性在平面图上以颜色变化进行显示，分析、识别有利目标区。

2.根据权利要求1所述的一种利用地震数据动态频谱属性的油气检测方法，其特征是：步骤（2）的利用短时窗傅立叶变换和频谱平滑方法提取目的层段及其顶、底三个时窗的频谱属性，利用趋势分析方法求取时窗间属性变化得到动态属性，包括以下步骤：

（1）利用井位坐标在地震资料最终叠加纯波数据中抽取井旁地震道；

（2）获得井旁地震道目的层段三时窗的频谱数据：利用井旁地震道数据，分别以目的层上方、目的层段、目的层下方开三个时窗，时窗大小与目的层时间厚度相当，分别称为上、中、下时窗，利用短时窗傅立叶变换得到频谱数据并对频谱数据平滑；

（3）计算三时窗频谱属性：分别由上、中、下三个时窗的频谱数据确定各时窗相应的频谱属性：

峰值频率f_p——或称主频，频谱中最大振幅对应的频率值；

频谱能量E——频谱数据振幅积分求和，令A(f)为频率域振幅谱中频率f对应的振幅，则

$E=\underset{f}{\mathrm{\Σ}}A\left(f\right)---\left(1\right)$

加权频率f_w——频率与该频率对应振幅乘积的积分和除以频谱能量

$f_w=\frac{\underset{f}{\mathrm{\Σ}}f\×A\left(f\right)}{E}---\left(2\right)$

30%能量频率f₃₀——频谱数据积分达总频谱能量30%所对应的频率，

$f_{30}=\frac{\underset{f=0}{\overset{f_{30}}{\mathrm{\Σ}}}A\left(f\right)}{E}---\left(3\right)$

依次类推得40%、50%、60%、70%、80%、90%能量频率f₄₀、f₅₀、f₆₀、f₇₀、f₈₀、f₉₀；

频谱比r_f——以主频f_p或加权频率f_w为界，分别对高频部分和低频部分频谱积分求和，并相除得到

$r_f=\frac{\underset{f=f_p}{\overset{f_{\max }}{\mathrm{\Σ}}}A\left(f\right)}{\underset{f=0}{\overset{f_p}{\mathrm{\Σ}}}A\left(f\right)}---\left(4\right)$

频谱斜率f_slope——或称频谱梯度，用主频或加权频率与90%能量频率之间的频谱数据，利用最小二乘法拟合振幅与频率的一次方程线性关系，一次方程的斜率即为频谱斜率；

频谱指数f_index——用主频或加权频率与90%能量频率之间的频谱数据，对频率及振幅取对数后利用最小二乘法拟合振幅与频率的一次方程线性关系，一次方程的斜率即为频谱指数；

（4）确定动态频谱属性：采用趋势分析方法计算时窗间各频谱属性的动态变化关系。其方法是：针对某一种属性，首先，利用上、下时窗属性值预测中时窗该属性的数值；然后，把中时窗属性的实际值与预测值的差作为时窗间属性的动态变化量；以30%能量频率f₃₀为例，设上、中、下时窗的频谱比分别为则中时窗30%能量频率的预测值为

那么，30%能量频率的动态变化为

其他频谱属性的动态属性确定方法与此类同。

3.根据权利要求1或2所述的一种利用地震数据动态频谱属性的油气检测方法，其特征是：把各属性与实际钻遇油气层厚度归一化处理并通过相关分析优选地震频谱属性，包括以下步骤：

（1）数据归一化处理：把井旁地震道上、中、下三时窗频谱属性、动态频谱属性及各井目的层段含油气层厚度归一化，时窗频谱属性、动态频谱属性以下统称频谱属性，其方法为：令x为频谱属性或含油气层厚度的统称，则归一化之后的数值为

$x\text{'}=\frac{x-x_{\min }}{x_{\max }-x_{\min }}---\left(7\right)$

式（7）中，x_min和x_max分别为归一化之前频谱属性或含油气层厚度的最小值和最大值；

（2）计算频谱属性与含油气显示厚度相关系数：把步骤4中归一化后的属性与含油气显示厚度进行相关计算，求取相关系数；令归一化之后的含油气层厚度为x，属性i归一化后的结果为y_i，y_i包括正向归一化和反向归一化，相关系数计算两次，取大的一个；相关系数计算方法为x、y的协方差除以x、y的标准差之积，则属性i与含油气层厚度的相关系数为

$c_i=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(x_j-\stackrel{\‾}{x})(y_{i,j}-{\stackrel{\‾}{y}}_i)}{{\left\{\right[\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_j-\stackrel{\‾}{x})}^2\left]\right[\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(y_{i,j}-{\stackrel{\‾}{y}}_i)}^2\left]\right\}}^{1/2}}---\left(8\right)$

式中n为参与相关计算的井的个数，和分别为含油气层厚度和属性i的平均值；

（3）优选含油气检测优势频谱属性：根据各频谱属性与含油气层厚度相关系数确定含油气检测的优势频谱属性，优选与含油气层厚度相关较好的属性。

4.根据权利要求1所述的一种利用地震数据动态频谱属性的油气检测方法，其特征是：针对工区地震最终叠加纯波数据提取油气相关优势频谱属性，通过对属性显示并与已知井的符合情况分析，识别含油气有利区，实现对地层含油气情况的直接检测。