地震多屬性在河流相儲層有利砂體厚度預測中的應用

許翔　鄭東　何方　孔蔚

【摘 要】河流相儲層單砂體厚度小，砂體接觸關系復雜，受限于地震分辨率的影響，對儲層砂體的發育具有較大的不確定性。本文對工區儲層的這種情況，采用了多種屬性結合，利用屬性優化方法，使用神經網絡識別方法對有利砂體進行預測，并針對預測結果進行評價和檢驗，以期望獲取更好的預測效果。

【關鍵詞】河流相儲層；地震屬性；屬性優化；砂體厚度；儲層預測

【Abstract】Sand thickness in fluvial reservoir is thin， contact relationship is complex， as seismic resolution is limited， sand bodies in reservoir are uncertain. For this situation， uses seismic multi-attribute， attributes optimization method， neural network recognition method to predict favorable sand body， and evaluate and examine the results， expecting to obtain better prediction effect.

【Key words】Fluvial reservoir； Seismic attribute； Attribute optimization； Sand thickness； Reservoir prediction

河流相儲層是中國已發現的油氣田中重要的儲層類型，其內部砂體的分布特征等方面的研究具有非常重要的現實意義。地震屬性相關技術的研究分析廣泛應用于地震資料解釋的各個環節，地震屬性分析技術主要是對通過儲層的不同屬性組合特征關系來解決儲層的預測問題，從而有效地對儲層的分布特征的預測進行指導，提高砂體解釋的準確性。

本文通過對工區地震數據提取多種地震屬性，并結合工區鉆井資料，篩選出敏感屬性，然后建立優化屬性組，最終利用神經網絡等方法對工區有利砂體區域進行預測，并選取檢驗井對預測結果進行評價和檢驗，從而獲得更好的效果。

1 方法原理

1.1 地震屬性

地震屬性是從地震資料的幾何學、運動學、動力學及統計學特征的一種量度，是一種描述和量化地震資料的特征，是原始地震資料中所包含全部信息的子集，而地震屬性的求取是對地震數據進行分解，每一個地震屬性都是地震數據的子集，是地震數據中反映不同地質信息的子集，是刻畫、描述地層結構、巖性以及物性等地質信息的地震特征量[1]。屬性優化就是優選出對求解問題最敏感、最有效或最有代表性的屬性。在勘探油氣中，地震屬性分析技術越來越多的應用在斷層檢測、巖性預測、有利儲集體的確定等之中。

1.2 屬性優化方法粗集理論

粗糙集（Rough set，簡稱RS或粗集）理論是一種刻畫不完整性和不確定性的數學工具，能有效地分析和處理不精確、不一致、不完整等各種不完備信息，并從中發現隱含的知識，揭示潛在的規律[2-3]。粗集理論為研究不完整數據進行分析、推理，發現數據間的關系，提取有用屬性，簡化信息處理，研究不精確、不確定知識的表達、學習、歸納方法提供了一個有力的工具。同時，RS理論還為信息科學和認知科學提供了新的科學邏輯和研究方法，并且為智能信息處理提供了有效的處理技術。RS理論無需提供出問題所需處理的數據集合外的任何先驗信息，僅根據觀察數據刪除冗余信息，比較不完整的知識程度──粗糙度，屬性間的依賴性與重要性，抽取分類規則等的能力。由此，粗糙集為數據庫知識發現、專家系統、決策支持系統、模式識別、模糊控制等，提供了一種新的數學方法。

1.3 利用粗集理論地震屬性優化實現

用于儲層預測的地震屬性數據，我們只需選用優選出的敏感屬性數據就可以了。其具體實現過程說明如下[4-5]：

（1）對用于敏感屬性優選的地震屬性進行預處理；

（2）構建決策表。地震屬性為決策表中的條件屬性，儲層參數或油氣性特征等為決策表中的決策屬性；

（3）對地震屬性進行量化處理。然后，刪除重復樣本、多余屬性、求出最小約簡表、根據最小約簡表求出決策規則，最終得到工區該目的層與有利砂體厚度參數最敏感的地震屬性。

2 實例分析

本文以某河流相工區某小層的砂體厚度預測為例，來對屬性優選和砂體預測進行研究。對該小層進行地震屬性的提取，參考工區內井資料已有的有利砂體厚度，得到該層位有關砂體厚度的敏感屬性分別是：振幅類4個（總的絕對值振幅、最大絕對值振幅、平均振幅、平均能量）；瞬時類1個（平均瞬時相位）；層序類3個（波谷數、復合包絡差、能量半時間）；小波系數類3個（小波系數C1、小波系數C2、小波系數C5）。利用優選出的敏感屬性建立屬性組，使用徑向基神經網絡方法對工區該小層的砂體厚度進行預測（圖1）。

總體來說，砂體厚度較厚，大部分砂體厚度都在8～15m，在縱向上存在較多厚砂體，砂體整體連續性較好，在研究區內成片發育，具有曲流河特征。

為了進一步驗證使用該方法進行砂體厚度預測的準確性，從已知的鉆井資料中抽取了10口檢驗井，他們的砂體厚度數據不參與徑向基神經網絡計算，比較實際值與預測值之間的關系（表1）。

通過表中統計可以看出，利用優選敏感屬性進行徑向基神經網絡對該小層的砂體厚度預測比較準確，其中9口井的誤差率（誤差率=誤差/實鉆厚度*100%）都在20%以下，具有較高的符合率。（下轉第125頁）（上接第123頁）

3 結語

本研究區中，缺乏疊前資料，在這種情況下，對疊后資料進行屬性的提取、預處理、優化，選取優化屬性對實際工區的砂體發育進行預測，取得了很好的效果。利用地震多屬性分析技術，可以增強目標評價的可靠性和提高預測結果的準確性，為減小鉆探風險，提高鉆探的成功率打下了很好的基礎。

【參考文獻】

[1]王永剛，樂友喜，張軍華.地震屬性分析技術[M].中國石油大學出版社，2007.

[2]古發明，尹成，丁峰.應用粗集理論優選地震屬性的方法研究[J].西南石油大學學報，2007，29（6）：1-4.

[3]古發明，尹成，丁峰，等.粗集理論在地震儲層預測中的應用[J].地球物理學進展，2009，24（1）：231-237.

[4]王永剛，謝東，樂友喜，劉偉.地震屬性分析技術在儲層預測中的應用[J].石油大學學報：自然科學版，2003，27（3）：30-32.

[5]魏艷，尹成，丁峰.地震多屬性綜合分析的應用研究[J].石油物探，2007，46（1）：42-47.

[責任編輯：湯靜]