CN106842298A - 一种基于匹配追踪的不整合强反射自适应分离方法 - Google Patents

Abstract

本发明公开了一种基于匹配追踪的不整合强反射自适应分离方法。首先对地震数据沿不整合层位解释结果拉平，并叠加得到叠加地震道，并利用三瞬属性的计算，选取瞬时振幅最大处的相位、频率，并对波形宽度参数进行扫描，从而得到最佳匹配原子。引入谱分解方法，利用匹配追踪得到最佳波形原子对原始地震记录做互相关，提取强反射信息，从原始地震记录中分离，进而得到突出储层有效反射的地震记录。本发明计算效率高，稳定性强，为后续的基于叠前地震反演的储层预测与流体识别提供有效的数据基础。

Description

一种基于匹配追踪的不整合强反射自适应分离方法

技术领域

本发明属于地球物理勘探地震资料处理技术领域，主要是检测储层弱信号反射的技术中的一种基于匹配追踪的不整合强反射自适应分离方法。

背景技术

随着石油地球物理勘探程度的加深，所面临的储层条件也变得日益复杂。在不整合储层中，由于不整合面两侧的阻抗差异明显，通常不整合反射表现为低频的强反射，储层的有效反射较弱，其能量被掩盖与储层的强反射之下。为了能够更精确地预测强反射掩盖下的储层信息，许多专家学者提出了诸多解决方案。An Ping(2006a,2006b,2008)提出使用多子波分解方法对强反射地震记录进行了分离，并实现了强反射掩盖下的储层预测。李曙光等(2009)结合川西拗陷工区测井资料及地震数据频谱特征分析，基于频率域小波的地震信号多子波分解与重构方发实现了对地震资料的多子波分解与重构处理，使得非储层与储层之间的或含油气层与不含油气层之间可能存在的差异最大化，从而更为精确地预测储层的区域分布。Wang Yanghua(2010)提出了多道匹配追踪算法并应用于煤层强反射的剥离。邱娜(2012)针对地震波传播过程中的子波波形变化影响因素，提出多子波地震道模型，并且在此基础上研究了基于匹配追踪算法的地震子波分解与重构方法，该方法在识别弱储层反射，识别断层、尖灭，刻画薄层和储层预测等方面取得良好的应用效果。李海山与文智(2013)基于匹配追踪算法实现了煤层强反射的分离，突出储层有效反射。在实际应用中，多子波分解与重构技术以及基于匹配追踪算法的强反射剥离技术取得了一定的应用效果(如佘刚等，2013；Zhang Ming等，2013；陈人杰等，2014；王振卿等，2014；刘培金等，2014)。针对强反射地震记录主频较低的特点，另一种方法是基于谱分解对地震信号进行分解，利用地震信号的特定频率或频带信息突出地质目标体的成像效果。李素华等(2013)利用谱分解对川西XC地区雷口坡组顶不整合面储层预测进行了研究，预测结果与钻井结果相吻合，可为下一步油气勘探提供依据。

然而，无论是基于匹配追踪算法的多子波分解与重构技术还是谱分解技术在分离不整合强反射中都存在一定的缺陷。匹配追踪算法具有较强的稀疏性，因而，基于匹配追踪的多子波分解与重构技术得到的强反射记录横向连续性较差，影响储层预测的横向精度。谱分解技术将地震数据体分解为一系列频率的数据体，占用较大的硬盘空间，对适用于储层预测的数据体的频率选择没有一个定量的标准，为了获得较高的纵向分辨率容易选择过高的频带的数据体而产生储层预测的假象；并且由于分频后的数据频带较窄，后续反演结果的频率成分缺乏，造成反演结果与实际情况相差较大。

发明内容

本发明的目的是针对现存方法的不足之处，发明了一种基于匹配追踪的不整合强反射自适应分离方法。该发明综合了匹配追踪强反射识别与谱分解方法，实现对不整合强反射的分离，突出不整合储层的有效反射信息，为后续的叠前地震反演与流体识别提供有效的数据基础，对提高储层预测和流体识别精度具有重要的意义。

一种基于匹配追踪的不整合强反射自适应分离方法，包括：

步骤1：对地震资料进行包括去噪、静校正、动校正、偏移一系列处理得到分角度叠加的地震数据；

步骤2：对处理后的地震数据进行不整合层位解释，得到三维不整合界面层位解释；

步骤3：在不整合层位上下开一时窗，选择时窗内的地震数据，并沿不整合层位将地震数据拉平；

步骤4：将步骤3中时窗内拉平的地震数据叠加，得到叠加地震道；

步骤5：对叠加地震道数据利用匹配追踪算法计算得到最佳匹配不整合强反射的原子波形；

步骤6：借助谱分解的方式，利用步骤5计算得到的最佳匹配原子波形对原始地震数据进行分解，提取不整合强反射同相轴；

步骤7：将步骤6中匹配提取的不整合强反射同相轴从原始地震数据中分离，即可得到突出储层有效反射的地震数据。

进一步的，对叠加地震数据利用匹配追踪算法计算得到最佳匹配不整合强反射的原子波形的过程是：

在一个有限维的Hilbert空间H中，D是此空间的超完备时频原子库，D＝{w_γ(t)}，且||w_γ||＝1，设地震信号f∈H，令则信号f被分解成沿方向的分量以及与垂直方向的分量之和：

其中R¹f表示将信号f在方向进行投影近似后的残差信号；

匹配追踪算法使用迭代算法，令R⁰f＝f，假设得到第n-1次迭代的残差信号R^n-1f，进一步选择使之与R^n-1f残差最为匹配，则R^n-1f可以被分解为：

进而得到第n次迭代的残差信号Rⁿf，重复上述分解过程，直到迭代次数达到设定的值，或者残差信号的能量小于设定的阈值；假设信号进行了N次分解，信号的残差为R^(N)f，则信号分解成伸缩和的形式：

随着分解次数的增加，右端原子的线性叠加更加逼近原始信号。

进一步的，匹配追踪方法采用Morelet小波字典作为匹配追踪的字典，搜索与地震记录最为匹配的原子波形；其表达如(24)式所示，其中γ＝{u,ω_m,φ,σ}，

进一步的，所述匹配追踪方法是通过复地震道三瞬属性的计算获得时间延迟(u)、主频率(ω_m)以及瞬时相位(φ)信息；

复地震道有下式表示：

(25)式中复地震道的实部为实际观测到的地震记录，其虚部为地震记录f(t)的Hilbert变换，由(26)式进行计算；

在得到复地震道的基础之上，进行瞬时振幅、瞬时相位和瞬时频率的计算：

通过选择瞬时振幅确定最大值瞬时振幅值的位置，即时移参数u，进一步得到小波字典在该延时时刻瞬时相位信息φ＝φ(u)以及瞬时频率ω_m＝ω(u)。

更进一步的，复地震道分析得到(u,φ,ω_m)三个参数后，进一步迭代搜索波形宽度σ的值，设定σ的范围与搜索步长，计算得到原子波形的字典，通过(10)式进行迭代扫描计算字典中各波形与地震记录残差的互相关值，搜索相关值最大时对应的σ_n，则得到该次迭代的原子波形，其对应的振幅α_n由(11)式计算得到：

本发明的主旨在于依据不整合强反射的反射特征，利用匹配追踪方法获取最佳匹配不整合强反射的原子波形，为了改善常规方法横向连续性较差的问题，借鉴了谱分解的思想，利用匹配的最佳原子波形对原始地震记录进行分解，实现不整合强反射的识别。其中，为了减少匹配追踪算法的计算量，利用复地震道分析技术，计算得到原子波形的主频率、相位以及最大振幅的时间延迟信息。本发明计算效率高，稳定性强，为后续的基于叠前地震反演的储层预测与流体识别提供有效的数据基础。

附图说明

图1:不整合强反射匹配追踪流程图；

图2:强反射分离示意图；

图3:不整合储层地震剖面与瞬时频率分析；

图4:原始地震剖面振幅谱；

图5:单道地震信号时频分析；

图6:地震数据沿不整合层位解释层拉平示例；其中(a)原始地震记录，(b)沿不整合解释线层拉平地震记录；

图7:叠加地震道三瞬属性计算以及小波字典参数设置；其中(a)、(b)、(c)分别是振幅、瞬时相位、瞬时频率；

图8:用于匹配不整合强反射原子波形库；

图9:不同原子与地震记录的相关系数；

图10:通过匹配追踪算法得到的最佳匹配原子；

图11:分离不整合强反射前后地震记录对比图；其中(a)、(b)、(c)分别是原始地震记录、强反射记录、强反射分离后地震记录：

图12:不整合强反射分离前后频谱分析；

图13:强反射分离前后弹性阻抗反演以及流体因子反演剖面；其中(a)、(b)、(c)、(d)分别是原始地震记录弹性阻抗反演、强反射分离后弹性阻抗反演、原始地震记录反演流体因子、强反射分离后反演流体因子。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

本发明的主要流程如图1所示，本发明实现不整合强反射分离的示意图如图2所示：

步骤1：对野外采集的地震资料进行去噪、静校正、动校正、偏移等一系列处理得到分角度叠加的地震数据；

步骤2：对处理后的地震数据进行不整合层位解释，得到三维不整合界面层位解释；

步骤3：在不整合层位上下开一时窗，选择时窗内的地震数据，并沿不整合层位将地震数据拉平，某工区内的地震剖面层拉平示例如图6；

步骤4：将步骤3中窗内拉平的地震数据叠加，得到叠加地震道；

步骤5：利用匹配追踪算法计算最佳匹配不整合强反射的波形原子；

步骤6：借鉴谱分解思想，利用步骤5计算得到的最佳匹配波形原子对原始地震数据进行分解，提取不整合强反射同相轴；

步骤7：将步骤6中匹配提取的不整合强反射从原始地震数据中分离，即可得到突出储层有效反射的地震数据。

下面以CD地区不整合储层为例，对匹配追踪不整合强反射分离技术进行详细说明。

该地区的典型地震剖面如图3所示，图中三口井的钻井显示储层发育，但不整合强反射压制了上覆储层的有效反射信息，从不整合面瞬时频率可以看出储层发育段的瞬时频率较低，这主要是因为不整合强反射与上部储层的有效反射相互干涉导致频率降低。对图3中的地震剖面进行频谱分析，得到的振幅谱如图4所示，从图中可以看出振幅谱的低频能量较强，如图中圆圈所示。为了进一步明确该低频强反射能量的来源，我们对A井的井旁地震道进行时频分析，如图5所示，从图中可以看出，不整合段的频率较低，压制了上部储层的有效反射信息。

根据以上对不整合强反射特征的分析，不整合面上下的频率特征有着明显的差别，在此常规的平稳地震信号的假设不在成立，需要通过非平稳信号的观点来对不整合强反射同相轴进行处理。在非平稳信号条件下可以用多子波褶积模型来对地震记录进行描述：

上式中，f(t)表示地震记录，w_i(t)(i＝1,2,…,N)为一个不同形状或具有不同频谱特征的原子波形集合，r_i(t)为只具有一个非零反射系数的序列，满足n(t)是干扰噪音项。

上式可以写作矩阵向量的形式：

f＝Φα+n

Φ为所有原子波形组成的原子字典，α为原子字典中各原子系数组成的向量,即由r_i(i＝1,2,…)组成的列向量。

匹配追踪算法适用于非平稳信号模型，能够将地震记录分解为不同子波的叠加形式，通过创建一个冗余的时频原子库，并根据信号自身特点将信号在时频原子库中进行超完备展开，实现了信号的自适应分解。匹配追踪本质是求解稀疏约束最优化问题：

上式中，||α||₀为α的0范数，表示α中数值不为0的个数，||α||₀≤K为信号分解后原子系数不为0的个数不超过K个。

匹配追踪算法的核心是迭代的贪婪算法，每一次迭代分解过程中从稀疏字典中选择最能与匹配信号结构的原子波形，因此，第一次分解后，原始信号可以写作：

f＝w₁α₁+R¹

上式中，w₁α₁为第一次匹配出的最佳信号分量，R¹为残差信号，第二次对第一次分解后的残差信号R¹进行分解，则R¹可以写作：

R¹＝w₂α₂+R²

上式中，w₂α₂为第二次匹配出的最佳信号分量，R²为第二次分解后的残差信号。

不断地重复上述过程对每次分解后信号的残差进行分解，直至残差信号的能量小于设定的阈值，此时原始信号可以表示为：

对于不整合强反射而言，由于其频率低、能量比较强，利用匹配追踪算法进行一次分解后，匹配出的强能量信号w₁α₁即为不整合强反射，残差信号R¹即为去不整合面强反射结果。

上述匹配追踪算法只需进行一次分解即可，但需要对每一道进行处理，对于一个较大的3D工区计算效率较低。因此，假设工区内的不整合强反射在不同的位置处具有相同的特征。如图6所示，本发明首先对根据处理后的地震资料对不整合进行层位解释，沿层位解释结果上下取一段时窗，并沿不整合层位解释结果将时窗内的地震资料进行层拉平，然后对拉平后的地震数据进行叠加处理，叠加后的地震数据如图7(a)中波形变面积显示。

在进行应用匹配追踪算法时，通常需要构建原子字典，由于小波字典能够很好地逼近地震子波，因此该发明采用小波字典，小波字典的数学表达式如下式所示：

上式中，w_γ(t)表示小波原子，小波原子主要有四个参数组γ＝{ω_m,u,σ,φ}决定，其中，ω_m为小波原子的中心频率，u为小波原子中心的延迟时间，σ为小波原子的宽度，φ为小波原子的相位。

通常情况下，需要对小波字典公式中的四个位置参数γ＝{ω_m,u,σ,φ}分别进行扫描，选择与叠加地震道相关系数最大时的参数值计算最佳匹配波形原子。但这样做太过于繁琐，因此，本发明匹配追踪算法进行改进，降低计算量。如图7(b、c)所示，首先计算叠加地震道的瞬时振幅、瞬时相位以及瞬时频率。叠加地震道的三瞬属性计算方法如下所示：

以上三式中，为原始叠加地震记录的Hilbert变换，可由下式计算得到：

搜索瞬时振幅最大值所在的时刻，即小波原子的时间延迟u，进一步选取该时刻的瞬时相位值与瞬时频率值，即小波原子中的相位信息φ＝φ(u)与中心频率信息ω_m＝ω(u)。

经过上述过程，小波原子参数组γ中的四个参数，确定了{ω_m,u,φ}三个参数，只需要对波形宽度参数σ进行扫描，就能得到最佳匹配的原子波形，大大降低了计算量。针对示例工区设置σ的扫描范围为0.01-0.2，扫描步长为0.02，在确定u,ω_m,φ后，不同的σ值代入小波原子字典计算公式，即可得到稀疏字典，对应的原子波形库如8所示。

通过字典中各波形与地震记录的互相关，得到各波形与地震记录的互相关曲线图，如图9所示，从图中搜索相关值最大时对应的波形宽度值σ，则得到该次迭代的最佳匹配原子波形。利用匹配追踪算法进行一次迭代得到的波形原子与其对应的系数a有以下两式决定：

利用上式得到的波形原子，并将波形原子移至采样点中心，如图10所示。从图中可以看出，匹配追踪得到的波形原子与不整合强反射具有好相似性。

若直接将根据以上两式得到一次迭代得到的波形原子从原始地震记录中分离，处理的地震记录横向连续性较差，为了改善常规不整合识别的横向连续性问题，该发明技术引入谱分解技术，利用匹配追踪得到的原子波形对原始地震记录进行分解处理得到反映不整合储层特征的地震记录，并将该记录从原始地震数据中分离，从而得到凸显储层有效反射的地震记录。该方法模糊了匹配追踪中位置的概念，能够有效识别不整合的低频强反射信息，具有将强的横向连续性。

将该方法应用于工区内实际资料处理。图11为对工区内过A井进行匹配追踪去强反射试处理结果与图12为强反射分离前后的频谱分析。图11中，(a)图为原始地震记录，钻井结果显示A井在不整合处发育储层，具有油气显示，而地震记录中由于不整合强反射的压制作用，在地震剖面中无储层有效反射，如(a)图中箭头所示；经过匹配追踪分离后得到的强反射记录如(b)图所示；将(b)图得到的强反射记录从原始地震记录中分离，得到分离强反射地震后的地震记录如(c)图所示，从图中可以看出箭头出凸显储层有效反射。对不整合分离前后的地震数据进行频谱分析，其振幅谱如图12所示，从图中可以看出分离强反射前地震记录低频能量强压制储层反射，分离强反射后的地震记录振幅谱在低频段有所压制，凸显储层有效反射。

为了测试不整合强反射分离对储层预测与流体识别精度的提高，对不整合强反射分离前后的地震数据进行弹性阻抗反演以及流体因子提取，如图13所示。(a)图为原始地震记录的弹性阻抗反演结果，(b)图为强反射分离后的弹性阻抗反演结果，比较二者可以看出，分离不整合强反射后的弹性阻抗反演结果能够更有效地突出储层。在弹性阻抗反演的基础之上，进一步提取流体因子剖面，(c)图为利用原始地震资料的流体因子反演结果，(d)图为分离强反射后地震资料反演得到的流体因子剖面，比较二图可以看出分离强反射后的流体因子反演结果的流体识别精度更高。

Claims (5)

1.一种基于匹配追踪的不整合强反射自适应分离方法，其特征在于：

步骤1：对地震资料进行包括去噪、静校正、动校正、偏移一系列处理得到分角度叠加的地震数据；

步骤2：对处理后的地震数据进行不整合层位解释，得到三维不整合界面层位解释；

步骤3：在不整合层位上下开一时窗，选择时窗内的地震数据，并沿不整合层位将地震数据拉平；

步骤4：将步骤3中时窗内拉平的地震数据叠加，得到叠加地震道；

步骤5：对叠加地震道数据利用匹配追踪算法计算得到最佳匹配不整合强反射的原子波形；

步骤6：借助谱分解的方式，利用步骤5计算得到的最佳匹配原子波形对原始地震数据进行分解，提取不整合强反射同相轴；

步骤7：将步骤6中匹配提取的不整合强反射同相轴从原始地震数据中分离，即可得到突出储层有效反射的地震数据。

2.根据权利要求1所述的基于匹配追踪的不整合强反射自适应分离方法，其特征在于对叠加地震数据利用匹配追踪算法计算得到最佳匹配不整合强反射的原子波形的过程是：

在一个有限维的Hilbert空间H中，D是此空间的超完备时频原子库，D＝{w_γ(t)}，且||w_γ||＝1，设地震信号f∈H，令则信号f被分解成沿方向的分量以及与垂直方向的分量之和：

$f=<f,w_{{\mathrm{\&gamma;}}_1}>w_{{\mathrm{\&gamma;}}_1}+R^{1}f---\left(1\right)$

其中R¹f表示将信号f在方向进行投影近似后的残差信号；

匹配追踪算法使用迭代算法，令R⁰f＝f，假设得到第n-1次迭代的残差信号R^n-1f，进一步选择使之与R^n-1f残差最为匹配，则R^n-1f可以被分解为：

$R^{n-1}f=<R^{n-1}f,w_{{\mathrm{\&gamma;}}_n}>w_{{\mathrm{\&gamma;}}_n}+R^{n}f---\left(2\right)$

进而得到第n次迭代的残差信号Rⁿf，重复上述分解过程，直到迭代次数达到设定的值，或者残差信号的能量小于设定的阈值；假设信号进行了N次分解，信号的残差为R^(N)f，则信号分解成伸缩和的形式：

$f=\underset{n=1}{\overset{N}{\&Sigma;}}<R^{n-1}f,w_{{\mathrm{\&gamma;}}_n}>w_{{\mathrm{\&gamma;}}_n}+R^{N}f---\left(3\right)$

随着分解次数的增加，右端原子的线性叠加更加逼近原始信号。

3.根据权利要求2所述的基于匹配追踪的不整合强反射自适应分离方法，其特征在于：

匹配追踪方法采用Morelet小波字典作为匹配追踪的字典，搜索与地震记录最为匹配的原子波形；其表达如(24)式所示，其中γ＝{u,ω_m,φ,σ}，

$w_{\mathrm{\&gamma;}}\left(t\right)=\exp \&lsqb;-\left(\frac{ln2}{{\mathrm{\&pi;}}^2}\right)\frac{{\mathrm{\&omega;}}_m^2(t-u)}{{\mathrm{\&sigma;}}^2}\&rsqb;\exp \&lsqb;{\mathrm{i\&omega;}}_m(t-u)+\mathrm{\&phi;}\&rsqb;---\left(4\right).$

4.根据权利要求3所述的基于匹配追踪的不整合强反射自适应分离方法，其特征在于：所述匹配追踪方法是通过复地震道三瞬属性的计算获得时间延迟(u)、主频率(ω_m)以及瞬时相位(φ)信息；

复地震道有下式表示：

$F\left(t\right)=f\left(t\right)+i\hat{f}\left(t\right)---\left(5\right)$

(25)式中复地震道的实部为实际观测到的地震记录，其虚部为地震记录f(t)的Hilbert变换，由(26)式进行计算；

$\hat{f}\left(t\right)=\frac{1}{\mathrm{\&pi;}}{\&Integral;}_{-\mathrm{\&infin;}}^{+\mathrm{\&infin;}}\frac{f\left(\mathrm{\&tau;}\right)}{\mathrm{\&pi;}-\mathrm{\&tau;}}d\mathrm{\&tau;}---\left(6\right)$

在得到复地震道的基础之上，进行瞬时振幅、瞬时相位和瞬时频率的计算：

$A\left(t\right)=\sqrt{f^2\left(t\right)+{\hat{f}}^2\left(t\right)}---\left(7\right)$

$\mathrm{\&phi;}\left(t\right)=\arctan \&lsqb;\frac{\hat{f}\left(t\right)}{f\left(t\right)}\&rsqb;---\left(8\right)$

$\mathrm{\&omega;}\left(t\right)=\frac{d\mathrm{\&phi;}\left(t\right)}{dt}---\left(9\right)$

通过选择瞬时振幅确定最大值瞬时振幅值的位置，即时移参数u，进一步得到小波字典在该延时时刻瞬时相位信息φ＝φ(u)以及瞬时频率ω_m＝ω(u)。

5.根据权利要求4所述的基于匹配追踪的不整合强反射自适应分离方法，其特征在于：复地震道分析得到(u,φ,ω_m)三个参数后，进一步迭代搜索波形宽度σ的值，设定σ的范围与搜索步长，计算得到原子波形的字典，通过(10)式进行迭代扫描计算字典中各波形与地震记录残差的互相关值，搜索相关值最大时对应的σ_n，则得到该次迭代的原子波形，其对应的振幅α_n由(11)式计算得到：

$w_{r_n}\left(t\right)=\underset{i}{\mathrm{argmax}}\frac{\left|<R^{N}f,w_{r_i}>\right|}{\left|\right|w_{r_i}\left|\right|}---\left(10\right)$

${\mathrm{\&alpha;}}_n=\frac{\left|<R^{N}f,w_{r_n}>\right|}{\left|\right|w_{r_n}\left|\right|}---\left(11\right).$