CN115932967B - 一种基于蚂蚁体算法的裂缝识别方法 - Google Patents

Abstract

本发明公开一种基于蚂蚁体算法的裂缝识别方法，涉及地球物理勘探技术领域，所述方法包括：获取目标层段的地质参数；地质参数包括：三维地震数据体、井筒裂缝的发育情况和N个层位的深度范围；目标层段包括N个层位；利用蚂蚁体追踪算法对三维地震数据体进行处理，得到3个待分割蚂蚁属性体；利用N个层位的深度范围分别对每个待分割蚂蚁属性体进行时窗分割，得到每个待分割蚂蚁属性体的蚂蚁体时窗集；蚂蚁体时窗集包括N个蚂蚁体时窗；根据井筒裂缝的发育情况和所有蚂蚁体时窗集，确定目标层段的裂缝平面分布图。本发明利用蚂蚁体追踪算法进行裂缝的识别，提高了裂缝的识别精度。

Description

一种基于蚂蚁体算法的裂缝识别方法

技术领域

本发明涉及地球物理勘探技术领域，特别是涉及一种基于蚂蚁体算法的裂缝识别方法。

背景技术

天然裂缝的发育往往决定了油气的分布规律，影响油气在油气藏开发中的渗流特征。在一些物性较差、非均质性较强的地区，裂缝的发育可使一些不具备储层条件的岩层变成储层与产层，为油气运移提供通道和储集空间，因此天然裂缝的特征、成因及分布规律的研究对裂缝性油气藏勘探开发意义重大。

《地质科技情报》在2018年公开了“储层构造裂缝识别及预测研究进展”，该文归纳出一种研究裂缝的方法：(1)结合地震、岩心、测井及离散随机建模的裂缝研究系统；(2)结合构造应力场模拟与岩心、测井相结合的裂缝研究系统。《中国石油勘探》在2016年公开了“电导率异常检测裂缝识别方法与应用——以鄂尔多斯盆地延长组深层低渗透砂岩为例”，该文通过对倾角测井电阻率与极板方位曲线进行处理，阐述了电导率异常检测的直观成图法，并与电成像解释结果对比，提出在低渗透砂岩地层，裂缝开度越大，钻井液侵入造成的高导(低阻)特征越明显，电导率异常检测可直观识别开度大于45μm的裂缝，并可准确判断裂缝走向、裂缝高度、裂缝倾角及地层最大水平主应力方向等信息；但是对于开度小于45μm的裂缝，识别精度较低。《石油物探》在2012年公开了“地震裂缝预测技术研究进展”，该文通过梳理地震识别手段，提出地震识别裂缝方法主要包括多分量转换波裂缝检测、纵波方位各向异性检测和叠后地震属性分析三大类。

综上所述，裂缝对油气藏勘探开发具有重大意义，利用常规的地质、测井、实验及地震手段可以对裂缝进行预测与识别。但上述这些方法都受资料本身性质的限制，因而分析精度有限。

发明内容

本发明的目的是提供一种基于蚂蚁体算法的裂缝识别方法，提高了裂缝的识别精度。

为实现上述目的，本发明提供了如下方案：

一种基于蚂蚁体算法的裂缝识别方法，所述方法包括：

获取目标层段的地质参数；所述地质参数包括：三维地震数据体、井筒裂缝的发育情况和N个层位的深度范围；所述目标层段包括N个所述层位；

利用蚂蚁体追踪算法对所述三维地震数据体进行处理，得到3个待分割蚂蚁属性体；

利用N个层位的深度范围分别对每个所述待分割蚂蚁属性体进行时窗分割，得到每个所述待分割蚂蚁属性体的蚂蚁体时窗集；所述蚂蚁体时窗集包括N个蚂蚁体时窗；

根据所述井筒裂缝的发育情况和所有所述蚂蚁体时窗集，确定所述目标层段的裂缝平面分布图。

可选地，所述利用蚂蚁体追踪算法对所述三维地震数据体进行处理，得到3个待分割蚂蚁属性体，具体包括：

对所述三维地震数据体进行第一次蚂蚁体追踪，得到第一次蚂蚁属性体；

对所述第一次蚂蚁属性体分别进行三次蚂蚁体追踪，得到3个所述待分割蚂蚁属性体。

可选地，在所述对所述三维地震数据体进行第一次蚂蚁体追踪，得到第一次蚂蚁属性体之前，还包括：

对所述三维地震数据体进行构造平滑处理，得到构造平滑属性体；

对所述构造平滑属性体进行方差体处理，得到三维方差属性体。

可选地，所述对所述三维地震数据体进行第一次蚂蚁体追踪时的参数具体为：

蚂蚁初始边界为7，蚂蚁追踪偏离度为2，蚂蚁步长为3，允许的非法步数为1，必要的合法步数为3，终止条件为5％。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开了一种基于蚂蚁体算法的裂缝识别方法，所述方法包括：获取目标层段的地质参数；地质参数包括：三维地震数据体、井筒裂缝的发育情况和N个层位的深度范围；目标层段包括N个层位；利用蚂蚁体追踪算法对三维地震数据体进行处理，得到3个待分割蚂蚁属性体；利用N个层位的深度范围分别对每个待分割蚂蚁属性体进行时窗分割，得到每个待分割蚂蚁属性体的蚂蚁体时窗集；蚂蚁体时窗集包括N个蚂蚁体时窗；根据井筒裂缝的发育情况和所有蚂蚁体时窗集，确定目标层段的裂缝平面分布图。本发明利用蚂蚁体追踪算法进行裂缝的识别，提高了裂缝的识别精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于蚂蚁体算法的裂缝识别方法流程示意图；

图2为构造平滑处理前地震剖面图；

图3为构造平滑处理后地震剖面图；

图4为方差体处理前地震剖面图；

图5为方差体处理后地震剖面图；

图6为参数为723135时的第一次蚂蚁体追踪平面图一；

图7为参数为723135时的第一次蚂蚁体追踪平面图二；

图8为参数为5333310时的第二次蚂蚁体追踪平面图一；

图9为参数为423135时的第二次蚂蚁体追踪平面图一；

图10为参数为523135时的第二次蚂蚁体追踪平面图一；

图11为参数为5333310时的第二次蚂蚁体追踪平面图二；

图12为参数为423135时的第二次蚂蚁体追踪平面图二；

图13为参数为523135时的第二次蚂蚁体追踪平面图二。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于蚂蚁体算法的裂缝识别方法，旨在提高裂缝的识别精度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例提供的基于蚂蚁体算法的裂缝识别方法流程示意图。如图1所示，本实施例中的基于蚂蚁体算法的裂缝识别方法，一种基于蚂蚁体算法的裂缝识别方法，方法包括：

步骤101：获取目标层段的地质参数；地质参数包括：三维地震数据体、井筒裂缝的发育情况和N个层位的深度范围；目标层段包括N个层位。

步骤102：利用蚂蚁体追踪算法对三维地震数据体进行处理，得到3个待分割蚂蚁属性体。

步骤103：利用N个层位的深度范围分别对每个待分割蚂蚁属性体进行时窗分割，得到每个待分割蚂蚁属性体的蚂蚁体时窗集；蚂蚁体时窗集包括N个蚂蚁体时窗。

步骤104：根据井筒裂缝的发育情况和所有蚂蚁体时窗集，确定目标层段的裂缝平面分布图。

具体的，步骤101具体包括：

利用“Petrel”软件读取待勘查区的地质数据(包括层位数据、断层数据和井位数据)，得到待勘查区预测裂缝的目标层段的N组层位的深度范围；读取井筒的测井数据，录井数据和岩心数据，得到待勘查区的每口井裂缝发育部位信息(即井筒裂缝的发育情况)；读取地球物理资料和解释成果数据，得到三维地震数据体和地震层位解释数据。

其中，地球物理资料为经过采集处理后得到的叠后地震数据体。“Petrel”软件全名为“Petrel2020”，是由斯伦贝谢(Schlumberger)公司研发的，集勘探、开发和生产于一体的大型综合油气藏研究软件。待勘查区指需要进行裂缝识别与预测的区域。

步骤102中的蚂蚁体追踪算法是一种高效率的仿生优化算法，其灵感来源于蚂蚁群在寻找食物过程中优选最短路径的行为。该算法的基本原理是：将大量的电子蚂蚁播撒在三维地震数据体中，并设置断裂条件，然后这些电子蚂蚁对满足预设断裂条件的断裂痕迹进行追踪解释，而不满足断裂条件的那些断裂痕迹则不会被识别出来，最终得到一个低噪音、断裂痕迹清晰的蚂蚁体。蚂蚁体追踪需要6个参数共同参与控制，设定的参数包括初始蚂蚁分布边界、蚂蚁追踪偏差、蚂蚁搜索步长、非法步数、合法步数和搜索终止标准。初始蚂蚁分布边界确定了初始蚂蚁的分布状态，其值一般为3～7，该参数值越大，蚂蚁的数量越少，得到的蚂蚁体越稀疏。蚂蚁追踪偏差控制了蚂蚁偏移搜索路径的最大角度，一般设置为0～3，其值越大，越有利于弯曲断裂的识别，得到的蚂蚁体越密集。蚂蚁搜索步长定义了每次蚂蚁搜索的最大范围，一般设置为2～10，其值越大，蚂蚁搜索的能力越强，但会忽略一些规模较小的断裂。非法步数是指在追踪到断裂痕迹之前允许走的未追踪到断裂痕迹的步数，一般设置为0～3。合法步数是指蚂蚁追踪到的断裂痕迹被认为是有效信息所需要的最少连续步数，一般设置为0～3。这两个参数通常联合起来使用，非法步长越大，合法步长越小，更易于识别小断裂，追踪得到的蚂蚁体越密集。搜索终止标准是指蚂蚁追踪过程中允许的非法步长占总步长的比例，一般设置为0％～50％，当比例达到设定值时，蚂蚁停止搜索，该参数值越大，得到的蚂蚁体越密集。

步骤103具体包括：

利用步骤101读入的N个层位的深度范围对待分割蚂蚁属性体进行时窗切割。具体实现路径如下：首先，利用步骤101读入的N个层位的深度范围确定时窗的顶底范围，利用“Petrel”软件对待分割蚂蚁属性体进行时窗切割，得到3个第1组的蚂蚁体时窗、3个第2组的蚂蚁体时窗、...、3个第N组的蚂蚁体时窗。

步骤104具体包括：

对步骤103得到的蚂蚁体时窗提取水平切片，与步骤101读入的井筒裂缝的发育情况，对其对比分析，最终得到一个最佳参数组合的第二次蚂蚁属性体，进而利用最佳参数组合第二次蚂蚁属性体进行时窗切割获得目的层最佳的裂缝平面分布图，实现无井区裂缝发育情况预测。

作为一种可选的实施方式，步骤102，具体包括：

对三维地震数据体进行第一次蚂蚁体追踪，得到第一次蚂蚁属性体。

对第一次蚂蚁属性体分别进行三次蚂蚁体追踪，得到3个待分割蚂蚁属性体。

作为一种可选的实施方式，在对三维地震数据体进行第一次蚂蚁体追踪，得到第一次蚂蚁属性体之前，还包括：

对三维地震数据体进行构造平滑处理，得到构造平滑属性体。

对构造平滑属性体进行方差体处理，得到三维方差属性体。

作为一种可选的实施方式，对三维地震数据体进行第一次蚂蚁体追踪时的参数具体为：

蚂蚁初始边界为7，蚂蚁追踪偏离度为2，蚂蚁步长为3，允许的非法步数为1，必要的合法步数为3，终止条件为5％。

具体的，步骤102具体包括：

step1、以步骤101的三维地震数据体为基础，运用“Petrel”软件中地震解释模块对其进行构造平滑体的处理，以降低噪音影响，增强反射连续性得到一个新的构造平滑属性体。

Step2、以step1得到的构造平滑属性体为基础，运用“Petrel”软件中地震解释模块对其进行方差体处理，得到一个三维方差属性体。

其中，方差体处理是指在构造平滑体的基础上探测不连续点，并对不连续点进行强化处理。

Step3、以step2得到的三维方差属性体为基础，运用“Petrel”软件中地震解释模块对其进行蚂蚁体追踪处理(即第一次蚂蚁体追踪)，选择蚂蚁体追踪参数选择为：蚂蚁初始边界为7，蚂蚁追踪偏离度为2，蚂蚁步长为3，允许的非法步数为1，必要的合法步数为3，终止条件为5％，对其进行蚂蚁体追踪，得到一个三维蚂蚁体属性体，即第一次蚂蚁属性体(蚂蚁体在方差体的基础上对裂缝更加好的刻画处理，加强构造影响，减弱其他方面的影响，这是第一步蚂蚁体追踪，在此数据体的基础上再进行一次蚂蚁追踪，得到最终的数据体)。

第一次蚂蚁体追踪处理是为了增强断层的连续性和改善断层属性的信噪比。

Step4、以step3得到的第一次蚂蚁属性体为基础，运用“Petrel”软件中地震解释模块对其分别进行三次蚂蚁体追踪处理，设定蚂蚁初始边界取值4、5，蚂蚁追踪偏离度2、3，蚂蚁步长为3，允许的非法步数为1、3，必要的合法步数为1、3，终止条件为5％、10％进行3次不同组合试验，得到3个不同参数的第二次蚂蚁属性体，即待分割蚂蚁属性体。

作为一种具体的实施例，以Y盆地L区为例，对上述基于蚂蚁体算法的裂缝识别方法加以证明。

a、利用“Petrel”软件读取Y盆地L区的地质数据，得到Y盆地L区裂缝主要发育于A组和B组地层；读取三维地震数据体得到待勘查区位于Y盆地东南部、L区面积为300km²；读取三维地震成果数据，得到待勘查区A组(T20)、B组(T30)的地震解释数据，A组(T20)对应的深度范围为2500ms～2700ms，B组(T30)对应的深度范围为2400ms～2700ms；读取测井及钻井资料，得到L区主要钻遇L-1和L-2两口井，Y盆地裂缝主要发育于待勘查区的东北部。

b、以步骤a的三维地震数据体为基础，如图2所示，截取一个过Crossline15306的地震剖面，地震剖面断点不干脆，同相轴不连续。为此运用“Petrel”软件中地震解释模块对其进行构造平滑体的处理，以降低噪音影响，增强反射连续性，得到一个新的构造平滑属性体。如图3所示，经过构造平滑处理后Crossline15306地震剖面，断层边界、相对应的地震信号变得增强和平滑。

c、以步骤b得到的构造平滑属性体为基础，如图4所示，截取一个过Crossline15306的地震剖面，地震剖面在反射性连续性增强后，断点边缘不明显，为此运用“Petrel”软件中地震解释模块对其进行方差体处理，以增强断裂边缘，突出地震数据中的不连续信号得，到一个三维方差属性体。如图5所示，经过方差体计算后的Crossline15306地震剖面，断层的边缘，断点部分的相应的地震信号变得增强。

d、以步骤c得到的三维方差属性体为基础，运用“Petrel”软件中地震解释模块对其进行蚂蚁体追踪处理，以增强断层的连续性和改善断层属性的信噪比，将第一次蚂蚁追踪参数值分别设定为：初始蚂蚁分布边界为7，蚂蚁追踪偏差为2，蚂蚁搜索步长为3，非法步数为1，合法步数为3，搜索终止标准为5％。得到一个三维蚂蚁属性体，利用步骤a读入的层位数据，按照A组(T20)对应的深度范围为2500ms～2700ms，选取水平切片2600ms、B组(T30)对应的深度范围为2400ms～2700ms，选取水平切片2500ms，对其进行切片。如图6-图7所示，平面断裂响应得到增强。

e、以步骤d得到的第一次蚂蚁体为基础，运用“Petrel”软件中地震解释模块对其进行蚂蚁体追踪处理，以得到对裂缝最佳识别效果，设定不同的参数进行3次试验，得到3个不同参数的第二次蚂蚁属性体(即待分割蚂蚁属性体)。

本步骤第一次试验，将蚂蚁追踪参数值分别设定为：初始蚂蚁分布边界为5，蚂蚁追踪偏差为3，蚂蚁搜索步长为3，非法步数为3，合法步数为1，搜索终止标准为10％，之后进行蚂蚁追踪，得到第一个三维蚂蚁属性体(即待分割蚂蚁属性体)。

本步骤第二次试验，将蚂蚁追踪参数值分别设定为：初始蚂蚁分布边界为4，蚂蚁追踪偏差为2，蚂蚁搜索步长为3，非法步数为1，合法步数为3，搜索终止标准为5％，之后进行蚂蚁追踪，得到第二个三维蚂蚁属性体(即待分割蚂蚁属性体)。

本步骤第三次试验，将蚂蚁追踪参数值分别设定为：初始蚂蚁分布边界为5，蚂蚁追踪偏差为2，蚂蚁搜索步长为3，非法步数为1，合法步数为3，搜索终止标准为5％，之后进行蚂蚁追踪，得到第三个三维蚂蚁属性体(即待分割蚂蚁属性体)。

f、利用步骤a读入的层位数据，对应的深度范围对第二次蚂蚁属性体进行时窗切割。具体实现路径如下：首先，利用步骤a读入的2个层位数据的深度范围确定时窗的顶底范围，按照A组(T20)对应的深度范围为2500ms～2700ms，、B组(T30)对应的深度范围为2400ms～2700ms，利用“Petrel”软件对步骤e得到的蚂蚁体进行时窗切割，得到3个A组的蚂蚁体时窗(如图8-图10所示)和3个B组的蚂蚁体时窗(如图11-图13所示)。

g、对步骤f得到的蚂蚁体时窗提取水平切片对A组地层选取水平切片2600ms，对B组地层选取水平切片2500ms，对其对比分析，对步骤e第一次试验，如图8和图11所示，该参数识别的不连续点较多，最大限度的预测了不连续点的位置，但用于预测裂缝时分辨率过低、裂缝较细碎；对步骤e第二次试验，如图9和图12所示，此参数对裂缝识别较准确，但微观不够细致，裂缝间分辨不清；对步骤e第三次试验，如图10和图13所示，，此参数对裂缝刻画比较细致，能看清单个裂缝的走向。最终得到一个最佳参数组合为初始蚂蚁分布边界为5，蚂蚁追踪偏差为2，蚂蚁搜索步长为3，非法步数为1，合法步数为3，搜索终止标准为5％的第二次蚂蚁属性体，结合步骤a读入的待勘查区的井区裂缝的发育位置对得到的最佳参数组合第二次蚂蚁属性体进行验证。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种基于蚂蚁体算法的裂缝识别方法，其特征在于，所述方法包括：

获取目标层段的地质参数；所述地质参数包括：三维地震数据体、井筒裂缝的发育情况和N个层位的深度范围；所述目标层段包括N个所述层位；

利用蚂蚁体追踪算法对所述三维地震数据体进行处理，得到3个待分割蚂蚁属性体；

利用N个层位的深度范围分别对每个所述待分割蚂蚁属性体进行时窗分割，得到每个所述待分割蚂蚁属性体的蚂蚁体时窗集；所述蚂蚁体时窗集包括N个蚂蚁体时窗；

根据所述井筒裂缝的发育情况和所有所述蚂蚁体时窗集，确定所述目标层段的裂缝平面分布图；

所述利用蚂蚁体追踪算法对所述三维地震数据体进行处理，得到3个待分割蚂蚁属性体，具体包括：

对所述三维地震数据体进行第一次蚂蚁体追踪，得到第一次蚂蚁属性体；

对所述第一次蚂蚁属性体分别进行三次蚂蚁体追踪，得到3个所述待分割蚂蚁属性体；

在所述对所述三维地震数据体进行第一次蚂蚁体追踪，得到第一次蚂蚁属性体之前，还包括：

对所述三维地震数据体进行构造平滑处理，得到构造平滑属性体；

对所述构造平滑属性体进行方差体处理，得到三维方差属性体。

2.根据权利要求1所述的基于蚂蚁体算法的裂缝识别方法，其特征在于，所述对所述三维地震数据体进行第一次蚂蚁体追踪时的参数具体为：

蚂蚁初始边界为7，蚂蚁追踪偏离度为2，蚂蚁步长为3，允许的非法步数为1，必要的合法步数为3，终止条件为5％。