地震属性分析技术在子寅油田开发中的应用

第42卷第1期

2003年3月

石　油　物　探Vol. 42,No. 1

GEOPHYSICAL PROSPECTIN G FOR PETROL EUM Mar. ,2003

文章编号:100021441(2003) 0120072205

地震属性分析技术在子寅油田开发中的应用

谢　东1, 王永刚2, 乐友喜2, 刘　伟2

(1. 滇黔桂油田勘探开发研究院, 广西南宁530023;2. 石油大学地球资源与信息学院, 山东东营

257061)

摘要:地震属性分析技术主要包括3方面, 一是地震属性的提取, 即利用各种分析方法从地震数据中提取与岩性和储层物性等有关的信息, 拓展地震信息在油田开发领域中的应用; 二是地震属性的优化处理, 就是从众多地震属性中挑选出与研究目标关系最密切、反映最敏感的少数属性, 减少信息的重复和冗余; 三是储层参数转换处理, 即根据油田实际情况, 结合工区内测井资料的解释成果, 利用优化后的属性参数实现储层参数转换, 并作出储层综合评价, 为油田的滚动勘探开发提供可靠的开采依据。关键词:地震属性; 属性优化;RS 决策; 储层参数转换; 储层综合评价中图分类号:P63114　　　　　　文献标识码:A

Application of seismic in the 1, , Y ouxi 2, Liu Wei 2

(1. Reserch of and Production ,Dianqiangui Oilfield , Nanning 530023, China ; 2. College of Earth Resources and , of Petroleum ,Dongying 257061, China )

Abstract :Seismic attribute analysis mainly consists of three steps. The first is extraction of seismic attributes , which picks information associated lithology and physical properties of reservoirs on seismic data by using various analysis methods ,to extend the application of seismic data in the exploitation of an oil field. The second is optimization of the seismic attributes , that is to sort out attributes that are the most closely associated with and the most sensitive to the target , to reduce the repetition and redundancy of information. The third is the inversion of reservoir parameters with optimized seismic attributes. In this step the practical situation and interpreted logging data of the oilfield will be taken into account. An overall evaluation for the reservoirs should be derived to provide a reliable basis for the rollover exploration and exploitation of the oilfield.

K ey w ords :seismic attribute ; attribute optimization ; Rough Set decision 2making ; reservoir parameter transforma 2

tion ; reservoir overall evaluation

　　随着勘探难度的增加, 百色地区子寅油田新发现的储量日趋减少, 同时由于大部分注水油田进入高含水期, 开采难度加大, 成本增加, 易开采的储量减少。受此形势所迫, 先进的地震技术, 不仅用于勘探, 而且用于开发, 地震属性分析技术就是其中之一。20世纪70和80年代, 用于石油勘探的地震属性主要是建立在振幅基础上的瞬时属性, 如亮点技术、AVO 技术、薄层厚度解释技术等。进入90年代, 地震属性分析技术在许多方面取得引人注目的进展, 其范围包括从单道瞬时沿层属性计算到比较复杂的多道窗口式沿层属性提取, 直至地震属性体的生成; 应用方面也从简单的振幅异常检测到储层参数与剩余油分布的确定, 以及油藏随时间推移的流体运动前缘监测等[1]。总之, 地震属性

分析技术可从地震资料中提取多种有用信息, 为油田的滚动勘探开发提供丰富有效的资料, 也为解决复杂地质体的储层描述提供实用的分析手段。

1　方法原理

地震属性是指从地震数据中导出的关于几何学、运动学、动力学及统计特性的特殊度量值。其分类按提取方式和应用领域可分为:①建立在运动学和动力学基础上的地震属性类型, 包括振幅、波形、频率、衰减特性、相位、相关性、能量、比率等地

收稿日期:2002

14; 改回日期:2002

20。

) , 男, 工程师, 硕士在读, 一直从事开发地作者简介:谢东(1971—

震及地震储层预测方面的生产研究工作。

第1期　　　　　　　　　谢东等1地震属性分析技术在子寅油田开发中的应用・73・

震属性; ②以油藏特征为基础的地震属性类型, 包括表征亮点、暗点、AVO 特性、不整合圈闭或断块隆起异常、含油气异常、薄层油藏、地层间断、构造不连续、岩性尖灭、特殊岩性体等的地震属性[1]。地震属性分析技术在子寅油田开发中的应用包括地震属性的提取、地震属性的优化及储层参数转换等。1. 1　地震属性的提取技术

地震属性的提取分为三维属性体的提取、沿层地震属性的提取以及层间吸收属性的提取3个方面。1. 1. 1　三维属性体的提取

三维属性体是以三维地震数据为基础的属性, 其提取可以采用不同的地震道空间组合模式。这些模式可以从不同的侧面反映储集层特征, 如介质的非均质性、裂缝发育方向、断层类型、岩性及含油气性的空间变化等体, 理得到的, 性(瞬时振幅、) , 通过微积分的数学原理提取道积分、线积分和道微分信息, 通过三维数据体来比较局部地震波形的相似性所得到的三维相干属性体等[2～4]。1. 1. 2　沿层地震属性的提取

沿层地震属性提取需要沿目的层段开一时窗, 对时窗内的记录作自相关、功率谱、傅里叶谱、自回归及其它统计特征分析, 进而提取相关的地震属性。按反映的地质意义将其归为以下几类。

1) 地震波频率属性。反映了地层厚度、岩性及含流体成分的变化, 常用来检测由于上覆地层异常如气饱或裂缝存在所致的选频吸收, 也可识别由于地层学特征、岩相等改变而引起的细小的频率变化。这类属性有:功率谱上25%对应的频率, 功率谱上50%对应的频率, 功率谱上75%对应的频率, 平均中心频率, 振幅谱主频, 有效段均方根频率, 全谱平均频率和全谱均方根频率。

2) 地震振幅或能量属性。反映了波阻抗差、地层厚度、岩石成分、地层压力、孔隙度及含流体成分的变化, 可用来识别振幅异常或层序特征, 也可用来追踪地层学特征如三角洲河道或砂岩, 还可用于识别岩性变化、不整合、气体以及流体的聚集等。这类属性有记录能量, 最大振幅值, 自相关函数极小值振幅与主极值振幅之比, 整波形能量, 波形正半周能量, 波形正半周平均振幅。

3) 地震波波形参数。反映了声阻抗变化规

律、沉积层序、地层层理特征、古剥蚀面、古构造特征、沉积过程及其连续性、沉积盆地的大小等。这类属性有时窗内波峰数, 整波形面积, 整波形能量, 波形正半周面积, 波形正半周能量和波形正半周平均振幅。

4) 地震记录自相关函数。反映了沉积条件的稳定性、地层分界面的光滑度。这类属性有自相关函数第一零值点位置, 自相关函数第二零值点位置, 自相关函数旁极值面积与总面积之比。

5) 分辨率属性。反映了地震记录分辨地层厚度的能力, 通常在大套均匀岩层中夹有反射性能强的夹层, 则在地震记录上可以见到在较平静的记录背景上, 有少量清晰反射波出现, 此时记录分辨率参数较大; , 相邻反射层反, , 地震记录分辨率, 相对分辨率, 有。

) 信噪比属性。反映了地震记录上的干扰背景强弱, 也可反映地质条件的变化, 如油藏部分经常有地震记录规律性变差、信噪比低这一特点。

7) 其它属性是用数学方法定义的属性参数, 无明显的物理意义。这类属性有峭度, 频谱二阶距,L 2模及自回归系数(a 23, a 33, a 43和a 53) 。1. 1. 3　层间吸收属性的提取

层间吸收属性是利用地震反射波资料测定的地层平均吸收参数, 通常采用振幅比法, 即研究相邻两层反射波振幅衰减确定的吸收系数, 分析的方法有傅里叶谱、功率谱和复赛谱等。地层吸收性质与岩相、孔隙度、含油气成分等有密切关系。大量统计数据表明, 多数地区泥岩中平均吸收系数高出砂岩30%。对弹性波吸收程度主要决定于岩石骨架的弹性性质, 影响较大的因素还有孔隙度、孔隙可压缩性及孔隙饱和液成分, 特别是孔隙中含有天然气成分对吸收性质的影响更为明显。因此, 可以用来预测岩性和砂泥岩分布, 在有利的条件下可以用来预测石油或天然气的存在。表征地层平均吸收性质的地震属性有最大振幅比, 均方根振幅比, 地震能量比, 主频之比, 波峰数之比, 自相关函数主瓣面积之比, 自相关函数旁瓣面积之比, 傅里叶谱算法的对数衰减率, 复赛谱算法的对数衰减率, 功率谱算法的对数衰减率以及低频能量比等。1. 2　地震属性的优化技术

在众多地震属性中, 有些属性对特定的油藏环境比较敏感, 有些属性对不易检测的地下界面异常反映明显, 还有些属性可用于碳氢检测, 因此, 要针

・74・

对不同的研究目标, 选用不同的地震属性。若对属性不加鉴别地使用, 只会引起混乱, 对研究结果带来不利的影响。在油田开发地震应用过程中, 从已提取的地震属性序列中, 挑选出与研究目标有关的多种地震属性组成子集, 此即地震属性优化问题。由于地震属性与所预测对象之间的关系复杂, 不同工区或不同储层的预测对象对地震属性的敏感程度不完全相同, 即使在同一工区、同一储层, 预测对象不同, 对应的敏感属性也是有差异的。因此, 根据具体的研究对象, 认真分析地震属性间的相关性, 并找出反映储层本质特征的、相互之间独立的地震属性优化方法尤为重要。RS (Rough Set , 粗集) 理论具有无需提供任何先验信息而仅根据观测数据删除冗余信息的能力, 具有分析知识不完整程度(即粗糙度) 的能力和分析属性间的依赖性以

石　油　物　探　　　　　　　　　　　　　　　第42卷

及抽取分类规则的能力, 所以基于RS 理论的地震

属性优化是一种行之有效的方法[5]。

粗集理论是波兰(1991) 。我们利用RS , 根据数据间相互关系和优化条件组合, 并综合了自组织神经网络的自组织能力, 提出了RS 理论与自组织神经网络相结合的地震属性优化方法。

在RS 决策分析中, 条件属性量化的最优化准则是:用最少的条件量化参数, 使量化后的数据表相容。据此, 选用自组织神经网络对条件属性进行分类, 其分类结果即为该条件属性的量化结果。本方法具体步骤如下(图1) :①用自组织神经网络方法对条件属性值进行分类, 其分类结果即为该条件属性的量化结果; ②对井点的储层参数(如孔隙度、泥质含量、储层厚度数值等) 进行分类, 作为决策属性; ③在井旁选取N 道, 将N 道的地震属性与决策属性组成决策表; ④采用RS 理论优选出最佳地震属性组合; ⑤用优化的地震属性组合进一步提取决策规则的核值。1. 3　储层参数转换技术

图1　RS 理论决策分析方法的处理流程图

习算法之一。设有m 层神经网络, 如果在输入层加上输入模式P , 并设第k 层j 单元输入的总和为

u k j , 输出为V j , 由k -1层的第i 个神经元到k 层

的第j 个神经元的结合权值为W k ij -1, 各个神经元的输入与输出关系函数是f , 则各变量之间的关系为

k k

V j =f (u j ) k

u j =

W ∑

k -1k -1

ij V i

　　这个算法的学习过程, 由正向传播和反向传播组成。正向传播过程, 输入模式从输入层经隐单元层逐层处理, 并传向输出层, 每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出, 则转入反向传播, 将误差信号沿原来的连接通路返回, 通过修改各神经元的权值, 使得误差信号最小。为此, 定义误差函数r 为期望输出与实际输出之差的平方和

r =

在百色地区子寅油田的储层综合评价中, 需要将优化后的各种与储层研究有关的地震属性转换成储层参数。通过试验对比, 并结合研究区的实际情况, 我们选用了神经网络方法实现储层参数的转换。处理结果表明, 这是一种有效的储层参数转换方法。

反向传播学习算法除考虑最后一层外, 还考虑网络中其它各层权值参数的改变, 使得算法适用于多层网络, 因此,

它是目前广泛应用的神经网络学

∑(V

m j

-y j )

式中, y j 是输出层第j 单元的期望输出, 在此作为样本信号; V j m 是实际的输出, 它是输入模式P 和权值W 的函数。这种学习算法实际上是求误差函数的极小值, 可利用非线性规划中的最快下降法, 使权值沿着误差函数的负梯度方向改变。

综上所述, 多层网络的训练方法是将某一样本

第1期　　　　　　　　　谢东等1地震属性分析技术在子寅油田开发中的应用・75・

加到输入层, 按照前传法则, 它将逐个影响下一层的状态, 最终得到一个输出V j m , 输出值与期望值的误差可以通过如下公式改变权值[6]

k -1

ΔW k ij -1=-εd k j V i k -1=-ε5W ij 其中

d j

2) 综合利用油田已有的各种动、静态资料进

行三维地震资料精细解释。

3) 对研究内的地震数据进行三维属性体、沿层属性及层间吸收属性的提取。利用三维数据体提取了瞬时振幅、瞬时频率、瞬时相位、相干体、能量半时、道积分、线积分等9个三维地震属性体; 通过振幅或能量特征分析、频谱特征分析、波形特征分析、自相关分析、分辨率和信噪比计算等地震反射特征的定量分析提取出32个沿层属性; 利用谱比法和特征值法, 提取了11个层间吸收属性。

4) 利用提取的各种地震属性, 针对相同的目标层, 采用RS 理论决策分析的地震属性优化处理方法, 并综合聚类分析的地震属性优化结果, 优选出用于储层孔隙度参数转换的4个地震属性, 即主频、整波形能; 优选出用于4个地震属性, 即主频、记录、自相关函数的极小值与极大值之比、由功率谱算法求得的对数衰减率; 优选出用于目标层油气预测的5个地震属性, 即主频、自相关函数的极小值与极大值之比、最大振幅值、全谱带宽频率、由复赛谱算法求得的对数衰减率。

5) 储层参数转换, 利用优化后的地震属性转换为储层参数的方法有很多, 但由于本工区储层的岩性横向变化较大, 影响储层参数的因素较多, 井点孔隙度、泥质含量与井旁道地震属性间的关系较复杂, 不存在明显的线性关系, 因而我们在进行储层参数转换时选用了神经网络方法[6], 该方法能够建立储层参数与地震属性间较为复杂的非线性关系。图2、图3和图4分别为利用优选出的地震属性组合转换得到的目标层段孔隙度、泥质含量、含油气性平面分布图。表1为由各井点测井资料解释所得的储层参数(孔隙度和泥质含量) 与预测结果的误差对比。

表1　井点目标层段预测结果及其误差

井　名井点孔隙度预测孔隙度误差

井点泥质含量预测泥质含量误差

B51

B518. 989. 280. 3014. 1813. 81-0. 37

B51

B5212. 8913. 100. 219. 939. 56-0. 37

=2V (1-V

j m j )

m j k jl

-y j )

k k

d k j =2V j (1-V j )

W ∑

5u k l +1

上式说明, 求本层的误差信号必须用到上一层的误差信号, 因此, 误差函数的求取是一个始于输出层的反向传播过程。通过多个样本的反复训练并朝减少偏差的方向修改权值, 最后得到满意的结果。

反向传播学习算法是解决多层网络的有效算法, 但如果网络的层次较多时, 计算量很大, 收敛较慢, 原则上也存在局部最小问题。为改善收敛特性, 可以采用权值更新量ΔW k ij -1Δ

k -1W ij (

t +1) =-k k 1j i 1t )

新值, 其中, α。最后得到

k -1k -1k -1

W ij (t +1) =W ij (t ) +ΔW ij (t +1)

2　应用实例

子寅油田B51断块位于广西百色盆地东部坳陷北部断阶带中台阶内, 地层的沉积特征和演化规律同整个百色盆地东部坳陷的沉积演化相对应。百色盆地是在南盘江中生代坳陷的基础上, 沿右江断裂南侧形成的北断南超的不对称箕状断陷盆地。盆地内沉积了一套由始新世至上新世的陆相碎屑岩沉积。第三系的主要沉积地层自下而上为六嘴组、那读组、百岗组、伏平组及建都岭组。

作为主要生储油层段的那读组及百岗组沉积地层, 就盆地的演化阶段来看, 那读组属于盆地的断陷期沉积建造, 百岗组属于盆地进入坳陷期的沉积建造, 其沉积类型和沉积体系有一定的差别, 但那读组及百岗组地层沉积同属盆地发育期的产物, 且其间的连续沉积, 使两套地层具有一定的继承性。

在实际应用中, 我们着重于油田开发中的储层预测和评价方面, 在百色子寅油田储层预测中取得较好的效果。其具体工作步骤如下述。

1) 利用工区内已有的地质、钻井、测井等资料进行地质分层和制作合成地震记录, 然后对目标层位进行准确标定。

13. 8913. 79-0. 17. 788. 020. 24

10. 9310. 54-0. 3911. 2911. 820. 53

・76・石　油　物　探　　　　　　　　　　　　　　　第42卷

图2　目标层段孔隙度预测平面图

4　利用包括地震属性提取、属性优化和储层参数

转换在内的地震属性分析技术, 以及储层综合描述方法, 为油田滚动勘探开发提供了可靠的部署依据, 发挥了地震技术在油田开发中重要作用。地震属性分析技术在广西百色地区子寅油田的首次应用, 为油田滚动勘探开发的一体化提供了一套可靠、有效的方法和技术。同时提供了丰富有效的地震信息, 对于减少钻探风险, 提高钻探成功率打下良好基础。还对油田的增储上产、深入挖潜、寻找剩余油提供了很强的技术支撑。

参　考　文　献

1　Chen Quincy , Steve Sidney. Seismic attribute technology

for reservoir forecasting and monitoring [J].The Leading Edge ,1997,16(5) :445～456

2　王捷. 油藏描述技术———勘探阶段[M ].北京:石油工业

图3　目标层段泥质含量预测平面图

　　6) 储层特征综合评价, 根据转换后的各种储层参数及有利的地震属性, 对储层进行综合评价。通过对储层空间展布的描述和储层含油性和岩性变化方向的预测, 我们提出了储层的有利部位, 供油田的滚动勘探开发使用。通过对B51块百岗组构造图、孔隙度、泥质含量、油气预测平面图的叠合分析, 并利用井资料的标定结果, 确定本区油气有利位置分布在B51井及B51口开发井

。

1x 井的东

出版社,1996. 176～249

3　刘企英. 利用地震信息进行油气预测[M ].北京:石油工

业出版社,1994. 38～171

4　王永刚, 刘礼农. 利用相干数据体检测断层与特殊岩性

体[J].石油大学学报(自然科学版) ,2000,24(1) :69～

5　陈遵德. 储层地震属性优化方法[M ].北京:石油工业出

版社,1998. 119～145

6　乐友喜, 王永刚, 张军华. 储层参数平面分布预测方法评

北方向。根据上述的储层综合评价结果部署了一

价[J].地质与勘探,2001,37(5) :56～60

第42卷第1期

2003年3月

石　油　物　探Vol. 42,No. 1

GEOPHYSICAL PROSPECTIN G FOR PETROL EUM Mar. ,2003

文章编号:100021441(2003) 0120072205

地震属性分析技术在子寅油田开发中的应用

谢　东1, 王永刚2, 乐友喜2, 刘　伟2

(1. 滇黔桂油田勘探开发研究院, 广西南宁530023;2. 石油大学地球资源与信息学院, 山东东营

257061)

Application of seismic in the 1, , Y ouxi 2, Liu Wei 2

(1. Reserch of and Production ,Dianqiangui Oilfield , Nanning 530023, China ; 2. College of Earth Resources and , of Petroleum ,Dongying 257061, China )

K ey w ords :seismic attribute ; attribute optimization ; Rough Set decision 2making ; reservoir parameter transforma 2

tion ; reservoir overall evaluation

分析技术可从地震资料中提取多种有用信息, 为油田的滚动勘探开发提供丰富有效的资料, 也为解决复杂地质体的储层描述提供实用的分析手段。

1　方法原理

收稿日期:2002

14; 改回日期:2002

20。

) , 男, 工程师, 硕士在读, 一直从事开发地作者简介:谢东(1971—

震及地震储层预测方面的生产研究工作。

第1期　　　　　　　　　谢东等1地震属性分析技术在子寅油田开发中的应用・73・

地震属性的提取分为三维属性体的提取、沿层地震属性的提取以及层间吸收属性的提取3个方面。1. 1. 1　三维属性体的提取

3) 地震波波形参数。反映了声阻抗变化规

) 信噪比属性。反映了地震记录上的干扰背景强弱, 也可反映地质条件的变化, 如油藏部分经常有地震记录规律性变差、信噪比低这一特点。

在众多地震属性中, 有些属性对特定的油藏环境比较敏感, 有些属性对不易检测的地下界面异常反映明显, 还有些属性可用于碳氢检测, 因此, 要针

・74・

石　油　物　探　　　　　　　　　　　　　　　第42卷

及抽取分类规则的能力, 所以基于RS 理论的地震

属性优化是一种行之有效的方法[5]。

图1　RS 理论决策分析方法的处理流程图

习算法之一。设有m 层神经网络, 如果在输入层加上输入模式P , 并设第k 层j 单元输入的总和为

u k j , 输出为V j , 由k -1层的第i 个神经元到k 层

的第j 个神经元的结合权值为W k ij -1, 各个神经元的输入与输出关系函数是f , 则各变量之间的关系为

k k

V j =f (u j ) k

u j =

W ∑

k -1k -1

ij V i

r =

反向传播学习算法除考虑最后一层外, 还考虑网络中其它各层权值参数的改变, 使得算法适用于多层网络, 因此,

它是目前广泛应用的神经网络学

∑(V

m j

-y j )

综上所述, 多层网络的训练方法是将某一样本

第1期　　　　　　　　　谢东等1地震属性分析技术在子寅油田开发中的应用・75・

加到输入层, 按照前传法则, 它将逐个影响下一层的状态, 最终得到一个输出V j m , 输出值与期望值的误差可以通过如下公式改变权值[6]

k -1

ΔW k ij -1=-εd k j V i k -1=-ε5W ij 其中

d j

2) 综合利用油田已有的各种动、静态资料进

行三维地震资料精细解释。

表1　井点目标层段预测结果及其误差

井　名井点孔隙度预测孔隙度误差

井点泥质含量预测泥质含量误差

B51

B518. 989. 280. 3014. 1813. 81-0. 37

B51

B5212. 8913. 100. 219. 939. 56-0. 37

=2V (1-V

j m j )

m j k jl

-y j )

k k

d k j =2V j (1-V j )

W ∑

5u k l +1

k -1W ij (

t +1) =-k k 1j i 1t )

新值, 其中, α。最后得到

k -1k -1k -1

W ij (t +1) =W ij (t ) +ΔW ij (t +1)

2　应用实例

在实际应用中, 我们着重于油田开发中的储层预测和评价方面, 在百色子寅油田储层预测中取得较好的效果。其具体工作步骤如下述。

1) 利用工区内已有的地质、钻井、测井等资料进行地质分层和制作合成地震记录, 然后对目标层位进行准确标定。

13. 8913. 79-0. 17. 788. 020. 24

10. 9310. 54-0. 3911. 2911. 820. 53

・76・石　油　物　探　　　　　　　　　　　　　　　第42卷

图2　目标层段孔隙度预测平面图

4　利用包括地震属性提取、属性优化和储层参数

参　考　文　献

1　Chen Quincy , Steve Sidney. Seismic attribute technology

for reservoir forecasting and monitoring [J].The Leading Edge ,1997,16(5) :445～456

2　王捷. 油藏描述技术———勘探阶段[M ].北京:石油工业

图3　目标层段泥质含量预测平面图

。

1x 井的东

出版社,1996. 176～249

3　刘企英. 利用地震信息进行油气预测[M ].北京:石油工

业出版社,1994. 38～171

4　王永刚, 刘礼农. 利用相干数据体检测断层与特殊岩性

体[J].石油大学学报(自然科学版) ,2000,24(1) :69～

5　陈遵德. 储层地震属性优化方法[M ].北京:石油工业出

版社,1998. 119～145

6　乐友喜, 王永刚, 张军华. 储层参数平面分布预测方法评

北方向。根据上述的储层综合评价结果部署了一

价[J].地质与勘探,2001,37(5) :56～60

地震属性分析技术在子寅油田开发中的应用

相关内容

热门内容

标签