CN105223613A - 基于伪多道匹配的非一致性时移地震叠前互均化处理方法 - Google Patents

Abstract

本发明公开了一种基于伪多道匹配的非一致性时移地震叠前互均化处理方法。包括：输入非一致性重复采集的两期地震数据，提取叠前时间偏移道集作为数据准备；求取监测数据的导数道、希尔波特道和导数的希尔伯特道数据；基础数据表示为监测数据原始道、希尔伯特道、导数道和导数的希尔伯特道的函数，求取这四道对应的四个匹配因子；将匹配因子与监测数据褶积求和，实现监测数据与基础数据的伪多道匹配；求取匹配后监测数据与基础数据的差异并进行叠加，得到两期数据叠后差异剖面，突出开采油藏导致流体替换带来的差异。本方法以两期资料的叠前偏移道集为数据信息，选择合适的时窗，利用更多的道集信息，提高了非一致性时移地震互均化处理的精度和效率。

Description

基于伪多道匹配的非一致性时移地震叠前互均化处理方法

技术领域

本发明属于油气勘探地震资料处理技术领域，特别是一种基于伪多道匹配的非一致性时移地震数据处理中的叠前互均化处理。

现有技术

20世纪90年代中期,由于三维地震技术被广泛接受和应用,在全球范围内有一些油田有了不同时间采集的三维地震资料，从而构成了时移地震数据体。人们对这些数据进行分析、处理和解释，获得了相当的效果，从而使得时移地震技术有了广泛的前景。

时间推移地震成像理论假设：非储层岩石的地震响应特征具有复测不变性，即在每次地震勘探中，非储层岩石的地震响应特征不随时间而变化；仅当油气藏本身由于开发效应而导致地震响应特征发生变化。但是实际的时移地震资料由于受采集、处理等因素的影响，资料的一致性很难达到。因此，差值剖面上既包括由储层流体的变化引起的差异，也包括由于非油藏流体变化引起的差异。需要通过特殊的处理技术，即互均化处理，消除由于非流体因素引起的变化，突出储层流体产生的差异响应。

采用互均化技术消除不同期地震数据的不一致性主要体现在消除时间、振幅、频率、相位四个方面的差异。国内外诸多学者都对互均化技术开展了大量的研究，Ross等(1996)分析了不同期时移地震数据产生不一致的原因，并将其归结为时间、振幅、频率及相位四个方面的不一致，强调了互均化技术的必要性；Rickett等人(1998)对影响一致性的因素进行了分析，并提出详细的互均化算法。重点总结了影响时移地震复测不变性的因素主要有5种：①地层反射系数的变化；②近地表及地表条件的变化；③不同的野外噪声；④不同的数据采集参数；⑤不适当的数据处理参数和处理流程。其中，第一种情况反映了储层中因开发效应而引起的油气藏物性变化，利用这种地震响应差异可以监测油气藏变化，数据处理应最大可能地保持其真实性；后面的四种情况与油气藏物性变化无关，破坏了时移地震数据的复测不变性，是地震差异剖面上产生假象的原因。Alexandre等(2008)对高分辨率、时移地震的可检测性与时移估计进行了研究，结果表明，高频有利于提高分辨率和可检测性，并且能够提高四维分析；在研究中，首先引入四维调谐的概念，并通过合成记录对其进行了说明，目的在于利用不同的频率检测重复性较差的四维信号，然后利用不同方法对不同频率的数据进行时移估计，进而分析频率值为多大时对于定量分析最有利。

国内，邓怀群(2000)、甘利灯(2003)、郝振江(2007)、郭念民(2011)等对互均化技术进行了讨论，并提出了可行性技术。胡英，甘利灯等(2003)对水驱四维地震技术的叠后和叠前互均化处理流程和方法分别进行了阐述，并分别介绍了叠后互均化和叠前互均化的优缺点，指出叠前互均化相比叠后互均化可以更好的消除非油藏的静态差异。

针对互均化中的匹配算法，国内外许多学者在这方面做了深入研究，主要采用的方法是线性维纳滤波法。近些年又发展了非线性匹配滤波技术。Rickett等(2001)系统给出了匹配滤波简要公式以及算子长度设计标准，并给出了实例处理结果。金龙等(2005)分析了用于时移地震互均化处理中的传统匹配滤波算法的适用范围，指出该方法在滤波算子的反算子为最小相位时效果最好，对该方法难以解决的混合相位问题，推导出通用公式，并提出基于最小平方误差准则和循环迭代的求解方法。金龙等(2005)在已有研究成果的基础上，针对时移地震互均化处理中的传统匹配滤波算法抗噪能力弱的特点，重新推导匹配滤波方程，提出了基于奇异值分解的时移地震互均化方法，其提出的时移地震匹配算法，都取得了一定的效果，但是这些改进都是基于传统的匹配算法改进实现的。而常规的匹配算法存在的一个固有弊端为它仅是通过使校正后的结果与期望输出结果的误差能量达到最小，然后应用最小二乘法原理来求取整形算子，这一假设在一定程度上限制了匹配的精度。与其不同，本发明中采用伪多道匹配方法，根据非一致性时移地震不同时间采集的两期数据在时间、相位、振幅上的差异，将模型道表示为关于振幅、相位和时间延迟的表达式，通过公式推导化简最终可以得到用四道数据精确表示的模型道表达式，其中这四道分别为原始道、原始道的Hilbert变换道、原始道的导数道和原始道的Hilbert变换道的导数道。在求取整形算子后，就可以根据模型道改善地震道。该算法在推导过程中就将时间、相位、振幅等因素考虑在内，相对常规的匹配算法具有更高的匹配精度。

发明内容

本发明的目的是为了进一步提高非一致性时移地震两期资料互均化处理的精度，克服传统匹配滤波算法的缺陷，提出一种基于伪多道匹配的非一致性时移地震叠前互均化处理方法。

本发明的总体技术方案包括：

(1)输入非一致性重复采集的两期地震数据，早期数据作为基础数据，时移后即后期数据作为监测数据，提取叠前时间偏移道集作为数据准备；

(2)求取监测数据的导数道、希尔波特道和导数的希尔伯特道数据；

(3)将基础数据表示为监测数据原始道、希尔伯特道、导数道和导数的希尔伯特道的函数，求取这四道对应的四个匹配因子；

(4)将匹配因子与监测数据褶积求和，实现监测数据与基础数据的伪多道匹配；

(5)求取匹配后监测数据与基础数据的差异并进行叠加，得到两期数据叠后差异剖面，突出开采油藏导致流体替换带来的差异。

本发明通过以下具体实施步骤实现：

(1)输入非一致性重复采集的两期地震数据，一期采集数据(基础数据)和二期采集数据(监测数据)，通过处理软件(Promax，CGG等)常规处理并提取叠前时间偏移道集作为数据准备。其中得到的道集是选取早期数据作为基础数据，时移后即后期数据作为监测数据。

(2)通过求导及希尔波特变换公式分别求取监测数据的导数道、希尔波特道、希尔伯特导数道数据。

(3)将基础数据表示为监测数据原始道、希尔伯特道、导数道和导数的希尔伯特道的函数，求取这四道对应的四个匹配因子。

由核心公式m(t)＝φ₁s(t)+φ₂s′(t)+φ₃s^H(t)+φ₄s^H′(t)，假设同一地区不同时期采集的地震数据分别为s(t)，m(t)，其中，s(t)为监测地震数据，m(t)为基础地震数据，s′(t)是s(t)的导数，s^H(t)是s(t)的Hilbert变换道，s^H′(t)是s^H(t)的导数。φ₁(t)、φ₂(t)、φ₃(t)和φ₄(t)分别为s(t)、s′(t)、s^H(t)和s^H′(t)的滤波算子。

通过e(t)＝m(t)-[s(t)*φ₁(t)+s′(t)*φ₂(t)+s^H(t)*φ₃(t)+s^H′(t)*φ₄(t)]，即基础(模型)数据m(t)和采用匹配滤波算子后的监测数据的误差e(t)最小，来得到四个匹配因子φ₁、φ₂、φ₃、φ₄。

(4)将匹配因子与监测数据根据核心公式m(t)＝φ₁s(t)+φ₂s′(t)+φ₃s^H(t)+φ₄s^H′(t)褶积求和，得到匹配滤波后的监测数据，实现监测数据与原始数据的伪多道匹配。

(5)求取匹配后监测数据与原始数据的差异并进行叠加，得到两期数据叠后差异剖面，突出开采油藏导致流体替换带来的差异。

发明效果

本发明采用叠前互均化处理来替代叠后互均化来最大程度地消除由于采集、处理等因素造成的非一致性；然后将时间、振幅、频率和相位的变化同时考虑，采用由此推导出的伪多道匹配滤波算法来进行互均化处理，进一步提高互均化的精度，继而提高时移地震对储层变化的监控能力，有效的减少非油藏引起的地震响应差异。

本发明有着其它方法不具备的优势，其具体优势和特点表现在以下几个方面：

第一、方法效果的可靠性。本方法通过对时移地震两期资料的叠前时间道集进行伪多道匹配的方法求取两期资料的匹配算子，实现了两期资料的叠前互均化，通过处理实例证明效果明显且稳定。

第二、可同时实现两期资料的振幅、频率、相位和时间等方面的匹配。本方法在处理过程中，以两期资料的叠前偏移道集为数据信息，选择合适的时窗，利用更多的道集信息，提高了非一致性时移地震互均化处理的精度和效率。

附图说明

图1为本发明的实施例中基于伪多道匹配的时移地震伪多道匹配方法的流程图；

图2为本发明的实施例1中基础数据剖面；

图3是本发明的实施例1中监测数据剖面；

图4为本发明的实施例1中伪多道匹配后的叠前互均化剖面；

图5为本发明的实施例1中两期数据直接相减的差异剖面；

图6为本发明的实施例1中伪多道匹配后相减的差异剖面；

图7为本发明的实施例1中叠前偏移道集直接相减后的差异结果；

图8为本发明的实施例1中叠前偏移道集经伪多道叠前互均化处理后的差异结果。

具体实施方式

本次以某油田某地区两期三维地震资料为目标靶区，应用本方法对该资料进行处理，以验证本方法的效果，具体流程图见图1。输入的地震数据已经完成了观测系统退化匹配、噪音衰减、能量补偿、反褶积和时差校正等工作。采用上述方法对该资料进行处理。

处理过程：(按照处理流程进行)1、输入非一致性重复采集的两期地震数据，提取叠前时间偏移道集作为数据准备。早期数据作为基础(原始)数据，时移后即后期数据作为监测数据。2、求取监测数据的导数道、希尔波特道、导数的希尔伯特道数据。3、将基础数据表示为监测数据原始道、希尔伯特道、导数道、导数的希尔伯特道的函数，求取这四道对应的四个匹配因子。4、将匹配因子与监测数据褶积求和，实现监测数据与原始数据的伪多道匹配。5、求取匹配后监测数据与原始数据的差异并进行叠加，得到两期数据叠后差异剖面，突出开采油藏导致流体替换带来的差异。流程结束。

具体实现流程参照附图1.

101输入两期数据叠前时间偏移道集，为叠前互均化做好数据准备；

102对叠前道集进行基于平面波分解的最小二乘数据规则化，为伪多道匹配做好数据准备；

103求取监测数据叠前时间偏移道集的希尔伯特道、导数道、导数的希尔伯特道；

104将基础数据表示为监测数据原始道、希尔伯特道、导数道、导数的希尔伯特道的函数，求取这四道对应的四个匹配因子；

105将匹配因子与监测数据褶积求和，实现监测数据与原始数据的伪多道匹配；

106求取匹配后监测数据与原始数据的差异并进行叠加，得到两期数据叠后差异剖面，突出开采油藏导致流体替换带来的差异。

效果分析：图2和3分别是互均化处理前的两期资料剖面对比，可以看出，两期资料存在一定的差异，图4是利用叠前伪多道匹配方法进行互均化之后得到的匹配数据剖面，可以看到与原基础数据剖面的相似性提高很多。图5和6分别是两期数据直接相减得到的差值剖面和伪多道互均化后的匹配数据与基础数据的差值剖面，通过两个差值结果的对比，可以看出经过叠前互均化处理后两期资料的非油藏因素引起的差异得到明显消除。图7和8分别是互均化前后两期数据叠前道集的差异结果，也证明了互均化方法的效果。不难看出：本方法可以较好的消除时移地震两期资料存在的地震响应差异，利于后期的地震综合解释研究。

Claims (2)

1.基于伪多道匹配的非一致性时移地震叠前互均化处理方法，其特征是包括：

(1)输入非一致性重复采集的两期地震数据，早期数据作为基础数据，时移后即后期数据作为监测数据，提取叠前时间偏移道集作为数据准备；

(2)求取监测数据的导数道、希尔波特道和导数的希尔伯特道数据；

(3)将基础数据表示为监测数据原始道、希尔伯特道、导数道和导数的希尔伯特道的函数，求取这四道对应的四个匹配因子；

(4)将匹配因子与监测数据褶积求和，实现监测数据与基础数据的伪多道匹配；

(5)求取匹配后监测数据与基础数据的差异并进行叠加，得到两期数据叠后差异剖面，突出开采油藏导致流体替换带来的差异。

2.根据权利要求1所述的基于伪多道匹配的非一致性时移地震叠前互均化处理方法，其特征是：

步骤(1)中的基础数据和监测数据，通过处理软件Promax和/或CGG常规处理并提取叠前时间偏移道集作为数据准备；

步骤(2)中通过求导及希尔波特变换公式分别求取监测数据的导数道、希尔波特道、希尔伯特导数道数据；

步骤(3)中将基础数据表示为监测数据原始道、希尔伯特道、导数道和导数的希尔伯特道的函数，求取这四道对应的四个匹配因子：

由核心公式m(t)＝φ₁s(t)+φ₂s′(t)+φ₃s^H(t)+φ₄s^H′(t)，假设同一地区不同时期采集的地震数据分别为s(t)，m(t)，其中，s(t)为监测数据，m(t)为基础数据，s′(t)是s(t)的导数，s^H(t)是s(t)的Hilbert变换道，s^H′(t)是s^H(t)的导数，φ₁(t)、φ₂(t)、φ₃(t)和φ₄(t)分别为s(t)、s′(t)、s^H(t)和s^H′(t)的滤波算子，

通过e(t)＝m(t)-[s(t)*φ₁(t)+s′(t)*φ₂(t)+s^H(t)*φ₃(t)+s^H′(t)*φ₄(t)]，即基础数据m(t)和采用匹配滤波算子后的监测数据的误差e(t)最小，来得到四个匹配因子φ₁、φ₂、φ₃、φ₄；

步骤(4)中将匹配因子与监测数据褶积求和是根据核心公式m(t)＝φ₁s(t)+φ₂s′(t)+φ₃s^H(t)+φ₄s^H′(t)，得到匹配滤波后的监测数据，实现监测数据与基础数据的伪多道匹配。