CN108226997A - 一种基于叠前地震数据的地震相划分方法 - Google Patents

Abstract

本发明提供了一种基于叠前地震数据的地震相划分方法。所述地震相划分方法包括以下步骤：根据主线号和联络测线号对叠前地震数据进行排序；对叠前地震数据进行预处理；提取经预处理后叠前地震数据的波形属性的特征信息；根据所述特征信息，采用监督或无监督的分类方法来识别不同的地震波形，划分地震相。本发明的基于叠前地震数据的地震相划分方法能够充分利用多次覆盖得到的丰富的原始信息，更准确地指示地下岩性、含油气性、各向异性的横向变化，能够准确划分地震相。

Description

一种基于叠前地震数据的地震相划分方法

技术领域

本发明涉及油气田勘探技术领域，属于地震资料解释范畴，更具体地讲，涉及一种基于叠前地震数据的地震相划分方法。

背景技术

地震相是“沉积相在地震剖面上表现的总和”，反映的是地震反射的面貌或特征，通常以地震反射的振幅、频率、连续性及反射结构等参数作为地震相的定义依据。地震相是沉积相的反映，其分析的目的是：以层序或体系域为单位，确定地震层序或体系域内部地震反射参数的变化，以确定沉积相或流体性质的横向变化，便于快速的定性认识地层岩性、地质相、油藏变化等信息。由于同一地震相参数的变化可以由多种地质作用产生，因此地震相分析具有明显的多解性，其准确划分对于油气勘探意义重大。

传统的地震相分析大多采用定性的人工识别方法，对地震相进行分类和填图，称之为“相面法”。近年来，随着科学技术水平的发展和地震资料采集技术的不断提高，地震信号中包含的地震信息更加丰富，而其中许多有用的地震信息仅靠肉眼的观察是检测不出来的，必须借助地震数据处理技术和计算机技术对其加以提取、分析，并通过一定的数学方法，对这些地震信息的地质特征加以解释。其中，波形分类法变成最常用、有效的地震相分析方法，它通过对地震信号波形进行分类，可以实现对地震相的划分，如商业软件OpendTect、Petrel及Stratimagic等大多具有此功能。但是，目前的波形分类技术都是基于叠后地震资料，由于缺失了叠前地震信号里蕴含的丰富的各向异性和储层含油气性等信息，因此解释结果存在精度不高、多解性强等局限性。

发明内容

针对现有技术中存在的不足，本发明的目的在于解决上述现有技术中存在的一个或多个问题。例如，本发明的目的之一在于提供一种基于叠前地震数据的地震相划分方法，来使地震相划分结果更准确。

为了实现上述目的，本发明提供了一种基于叠前地震数据的地震相划分方法，所述地震相划分可包括以下步骤：根据主线号和联络测线号对叠前地震数据进行排序；对排序后的叠前地震数据进行预处理；提取经预处理后叠前地震数据的波形属性的特征信息；根据所述特征信息，采用监督或无监督的分类方法来识别不同的地震波形，划分地震相。

与现有技术相比，本发明的基于叠前地震数据的地震相划分方法，能够充分利用多次覆盖得到的丰富的原始信息，更准确地指示地下岩性、含油气性、各向异性的横向变化，能够准确地对地震相进行划分。

附图说明

通过下面结合附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中：

图1示出了根据本发明一个示例性实施例的基于叠前地震数据的地震相划分方法的流程示意图。

图2示出了采用本发明地震相划分方法之后的地震相划分效果图。

具体实施方式

在下文中，将结合附图和示例性实施例详细地描述本发明的基于叠前地震数据的地震相划分方法。

本发明提出了一种基于叠前地震数据的地震相划分方法，所述方法可以以叠前数据作为基础输入，提取叠前三维地震资料的特征信息(例如振幅、频率、相位等)随入射角/方位角变化的信息来进行地震相划分。

根据本发明示例性实施例的基于叠前地震数据的地震相划分方法可包括以下步骤：

根据主线号和联络测线号对叠前地震数据进行排序，所述叠前地震数据(又称为叠前数据体、叠前地震信号)可包括偏移距道集、角道集、分方位道集或部分叠加道集，部分叠加道集是有由n个部分叠加数据体扩充而来的道集，n≥3。其中，部分叠加数据体指的是在叠前道集的基础上，进行数据叠加，可以对入射角道集进行叠加，也可以对偏移距道集叠加，也可以对方位角道集进行叠加；比如入射角道集，以0～10度叠加成1个数据体，10～20度叠加为1个数据体，20～30度叠加为一个数据体，这样就有3个部分叠加数据体，部分叠加道集就包括由3个部分叠加数据体扩充而来的道集。

对排序后的叠前地震数据进行预处理。由于叠前地震数据的品质往往相对较差，存在剩余动校量导致的同相轴不平、信噪比较低等不足，因此需针对性的开展基于互相关的道集拉平或超道集计算；其中，超道集的计算过程可包括：以待计算道集为中心，引入周围的道集，根据偏移距或入射角或方位排序，组成一个大的道集，再进行部分叠加或插值产生一个新的道集，即为超道集，以提高叠前地震数据的品质。

提取上述步骤预处理后的叠前地震数据的波形属性的特征信息。地震道波形形状的变化指示了地层的岩性和物性参数的变化，叠前地震信号蕴含了丰富的信息，因此，良好的叠前地震信号波形特征属性提取(即波形属性的特征信息提取)是地震信号波形分类的基础，这就要求提取出的信号特征(即特征信息)一方面要能反映地质结构的差异，另一方面又要保留叠前地震信号之间的细节差异。

根据特征信息，可采用监督或无监督的分类方法来识别不同的地震波形，划分地震相。分类方法可包括基于SOM神经网络的自动波形分类、基于分层聚类的自动波形分类、基于概率模型聚类的自动波形分类或基于确定性概率分布的EM有监督波形分类。

在本实施例中，特征信息可包括时域特征信息、频域特征信息或时频域特征信息。时域特征信息可包括包络、切比雪夫拟合系数和振幅等属性中的一种，频域特征信息可包括瞬时相位、瞬时频率和瞬时振幅等属性中的一种，时频域特征信息可包括小波分解系数和时频等属性中的一种，其中，所述小波分解系数经连续小波或离散小波变换所得。

在本实施例中，在提取特征信息的步骤之后还可包括：对所述特征信息进行优化和降维处理。该步骤的目的是把一组高维输入数据集通过算法映射到更低维的子空间中，这样就能用更少量的能表示输入数据集本质的特征数据来取代原始高维的原始数据。该步骤所用的主要方法包括PCA分析、对应分析等算法。

在本实施例中，当特征信息为时域特征信息，提取预处理后叠前数据体的波形属性的特征信息的步骤可包括：

①对所述叠前数据体中每个道集目的层段内的每一道对应的地震波形段，开展正交多项式拟合，求解拟合系数；

将正交多项式P₀(x),P₁(x),…,P_n(x)作为线性组合模型的基函数，即：

f(c,x)＝c₀P₀(x)+c₁P₁(x)+…+c_nP_n(x)，

其中P_i(x)(i＝0,1,…,n)为正交多项式，c_i(i＝0,1,…,n)为拟合系数。

正交多项式系是最简单的正交函数族。若多项式系{p_j(x)}(j＝0,1,...,n)在区间[a,b]中关于权函数w(x)满足

则称{p_j(x)}为区间[a,b]内关于权函数w(x)的正交多项式系。

常用的正交多项式有Legendre(勒让德)多项式、Chebyshev(切比雪夫)多项式等。

以后者为例，对于一段地震波形，在切比雪夫零点处进行切比雪夫多项式拟合，能够很好的表征这段波形的特征，并且它能有效的抑制拟合的起始和结束部分出现的误差。

在区间[a,b]＝[-1,1]上，取权函数由{1,,xx,²…}经过正交化得到的多项式称为切比雪夫多项式，其形式为

切比雪夫多项式的具体性质如下：

正交性：

三项递归关系：T₀(x)＝1，T₁(x)＝x，T_n+1(x)＝2xT_n(x)-T_n-1(x)；

奇偶性：T_n(-x)＝(-1)ⁿT_n(x)；

零点性质：T_n(x)在[-1,1]上共有n个不同的零点，分别为：

x_i＝cos[(2i+1)/2n]π(i＝0,1,…,n-1)，

本领域常规经验表明将低次切比雪夫多项式作为数据的线性最小二乘拟合的基函数能够取得很好的效果。

②求解每个道集拟合系数的均值与振幅变化属性；

假设一个道集有m道，求解的拟合系数分别为c_ij，i＝1,……,m；j＝0,……,n。此处的n代表正交多项式的n个系数。

均值为：

振幅变化属性为：

③将均值和方差(即振幅变化属性)数组组合成时域特征信息数组，从而完成特征信息的提取，时域特征信息数组为S_n＝{CC₀，VC₀，……，CC_n，VC_n}。

在本实施例中，除提取上述的时频域特征信息，还可以提取其他特征信息。例如，可提取瞬时属性(即频域特征信息)，先进行对地震道f(t)做Hilbert变换，得到正交地震道f′(t)，利用f′(t)可以计算瞬时振幅、瞬时相位和瞬时频率等地震属性，瞬时振幅A(t)为：

瞬时相位

瞬时频率

进而可以计算均值和方差。

在本实施例中，在对叠前地震数据进行排序之前，还可进行包括本领域常规的球面发散校正、对地层吸收的Q补偿、振幅处理、子波反褶积、地表一致性静校正、速度分析、动校正和剩余静校正中的若干种地震资料处理。

在本发明的另一个示例性实施例中，首先，以本领域常规的方法进行野外勘探采集，以得到原始采集的数据，然后，经过地震资料处理(包括本领域公知的球面发散校正、对地层吸收的Q补偿、振幅处理、子波反褶积、地表一致性静校正、速度分析、动校正、剩余静校正等步骤)得到叠前地震数据，就能进行基于叠前地震数据的地震相划分方法。

图1示出了根据该示例性实施例的基于叠前地震数据的地震相划分方法的流程示意图。图1示出了基于本发明示例性实施例的流程示意图，根据图1，可通过读取三维叠前地震数据、地震数据预处理、道集特征信息提取、PCA分析、波形分类和分类值输出等步骤来实现对叠前地震数据的地震相的划分。

在本示例性实施例中，本发明的基于叠前地震数据的地震相划分方法可包括以下步骤：

1、读取叠前地震数据体

根据主线号和联络测线号依次读取叠前数据体，该数据体可以是偏移距道集、角道集，也可以是分方位道集，也可以是由n个部分叠加数据体(n≥3)扩充而来的道集。

2、道集数据预处理

道集数据资料品质往往相对较差，存在剩余动校量导致的同相轴不平、信噪比较低等不足，因此需针对性的开展基于互相关的道集拉平、超道集计算，以提高道集品质。

3、道集特征信息提取

地震道波形形状的变化指示了地层的岩性和物性参数的变化，叠前地震信号蕴含了丰富的信息，因此，良好的叠前信号波形特征属性提取是地震信号波形分类的基础：一方面要求提取出的信号特征要能反映地质结构的差异，一方面又要保留叠前信号之间的细节差异。此处，可以提取时域特征、频域特征、时频域特征信息，包括包络、瞬时相位、瞬时频率、瞬时振幅、连续小波与离散小波变换所得的小波分解系数等。

以时域特征信息提取为例，具体可分为如下步骤：

①对某一道集目的层段内的每一道对应的地震波形段，开展正交多项式拟合，求解拟合系数。

将正交多项式P₀(x),P₁(x),…,P_n(x)作为线性组合模型的基函数，即：

f(c,x)＝c₀P₀(x)+c₁P₁(x)+…+c_nP_n(x)

其中P_i(x)(i＝0,1,…,n)为正交多项式，c_i(i＝0,1,…,n)为拟合系数。

正交多项式系是最简单的正交函数族。设多项式系{p_j(x)}j＝0,1,...,n在区间[a,b]中关于权函数w(x)满足

则称{p_j(x)}为区间[a,b]内关于权函数w(x)的正交多项式系。

常用的正交多项式如：Legendre(勒让德)多项式、Chebyshev(切比雪夫)多项式等。

以后者为例，对于一段地震波形，在切比雪夫零点处进行切比雪夫多项式拟合，能够很好的表征这段波形的特征，并且它能有效的抑制拟合的起始和结束部分出现的误差。

在区间[a,b]＝[-1,1]上，取权函数由{1,,xx,²…}经过正交化得到的多项式称为切比雪夫多项式，其形式为

切比雪夫多项式的具体性质如下：

正交性：

三项递归关系：T₀(x)＝1，T₁(x)＝x，T_n+1(x)＝2xT_n(x)-T_n-1(x)

奇偶性：T_n(-x)＝(-1)ⁿT_n(x)

零点性质：T_n(x)在[-1,1]上共有n个不同的零点，分别为：

x_i＝cos[(2i+1)/2n]π(i＝0,1,…,n-1)

经验表明将低次切比雪夫多项式作为数据的线性最小二乘拟合的基函数能够取得很好的效果。

②求解道集的拟合系数计算均值与振幅变化属性。

假设该道集有m道，求解的拟合系数分别为c_ij，i＝1,……,m；j＝0,……,n。

均值：

振幅变化：

③时域特征信息的排序确定。

将均值和方差数组组合成时域特征信息数组S_n＝{CC₀，VC₀，……，CC_n，VC_n}。

4、聚类分析，划分地震相。

①叠前地震波形特征优化与降维处理

该步骤为可选步骤，目的是把一组高维输入数据集通过算法映射到更低维的子空间中，这样就能用更少量的但是却能表示输入数据集本质的特征数据来取代原始高维的原始数据。主要方法包括PCA分析、对应分析等算法。由于此类方位常见通用，在此不再详细介绍。

②有监督和无监督的波形分类，地震相划分

可采用有监督或无监督分类方法来识别不同的地震波形，包括业内常用的基于SOM神经网络的自动波形分类、基于分层聚类的自动波形分类、基于概率模型聚类的自动波形分类、基于确定性概率分布的EM有监督波形分类等算法。

图2示出了采用本发明地震相划分方法之后的地震相划分效果图，针对的是对四川盆地某三维工区灯四段，从图中可知测试日产气10万方以上的井均位于1、2、3类地震相内，而日产10万方以下的井均落在4、5、6类地震相内，其解释结果对于储层与含油气性解释有很好的定性指导作用。图2中的GS1、GS9、GS103以GS开头的标识是代表钻井名称，例如GS1井、GS9井、GS103井。结合图2，将井的坐标投影到图2中，日产气10万方以上的井均落在图中有利的阴影区域，即1、2、3类波形指示区域。

综上所述，本发明的基于叠前地震数据的地震相划分方法能充分利用多次覆盖得到的丰富的原始信息，更准确地指示地下岩性、含油气性、各向异性的横向变化，能够准确划分地震相，可在碳酸盐岩等复杂油气藏勘探起到重要的作用。

尽管上面已经通过结合示例性实施例描述了本发明，但是本领域技术人员应该清楚，在不脱离权利要求所限定的精神和范围的情况下，可对本发明的示例性实施例进行各种修改和改变。

Claims (7)

1.一种基于叠前地震数据的地震相划分方法，其特征在于，所述地震相划分方法包括以下步骤：

根据主线号和联络测线号对叠前地震数据进行排序；

对排序后的叠前地震数据进行预处理，以提高叠前地震数据的品质；

提取预处理后叠前地震数据的波形属性的特征信息；

根据所述特征信息，采用监督或无监督的分类方法来识别不同的地震波形，划分地震相。

2.根据权利要求1所述的基于叠前地震数据的地震相划分方法，其特征在于，所述叠前地震数据包括偏移距道集、角道集、分方位道集或部分叠加道集。

3.根据权利要求2所述的基于叠前地震数据的地震相划分方法，其特征在于，所述部分叠加道集包括由n个部分叠加数据体扩充而来的道集，其中，n≥3。

4.根据权利要求1所述的基于叠前地震数据的地震相划分方法，其特征在于，所述预处理的方法包括：基于互相关的道集拉平或超道集计算。

5.根据权利要求1所述的基于叠前地震数据的地震相划分方法，其特征在于，所述特征信息包括时域特征信息、频域特征信息或时频域特征信息。

6.根据权利要求5所述的基于叠前地震数据的地震相划分方法，其特征在于，

所述时域特征信息包括包络、切比雪夫拟合系数和振幅中的一种，

所述频域特征信息包括瞬时相位、瞬时频率和瞬时振幅中的一种，

所述时频域特征信息包括小波分解系数和时频属性中的一种，

其中，所述小波分解系数经连续小波或离散小波变换所得。

7.根据权利要求1所述的基于叠前地震数据的地震相划分方法，其特征在于，所述方法在所述提取特征信息的步骤之后还包括步骤：

对所述特征信息进行优化和降维处理。