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(fā)育具有較大的不確定性。本文對工區(qū)儲層的這種情況，采用了多種屬性結(jié)合，利用屬性優(yōu)化方法，使用神經(jīng)網(wǎng)絡識別方法對有利砂體進行預測，并針對預測結(jié)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(yōu)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(fā)現(xiàn)的油氣田中重要的儲層類型，其內(nèi)部砂體的分布特征等方面的研究具有非常重要的現(xiàn)實意義。地震屬性相關技術(shù)的研究分析廣泛應用于地震資料解釋的各個環(huán)節(jié)，地震屬性分析技術(shù)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(qū)地震數(shù)據(jù)提取多種地震屬性，并結(jié)合工區(qū)鉆井資料，篩選出敏感屬性，然后建立優(yōu)化屬性組，最終利用神經(jīng)網(wǎng)絡等方法對工區(qū)有利砂體區(qū)域進行預測，并選取檢驗井對預測結(jié)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(tǒng)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(shù)據(jù)進行分解，每一個地震屬性都是地震數(shù)據(jù)的子集，是地震數(shù)據(jù)中反映不同地質(zhì)信息的子集，是刻畫、描述地層結(jié)構(gòu)、巖性以及物性等地質(zhì)信息的地震特征量[1]。屬性優(yōu)化就是優(yōu)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(shù)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(yōu)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(shù)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(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律[2-3]。粗集理論為研究不完整數(shù)據(jù)進行分析、推理，發(fā)現(xiàn)數(shù)據(jù)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(shù)。RS理論無需提供出問題所需處理的數(shù)據(jù)集合外的任何先驗信息，僅根據(jù)觀察數(shù)據(jù)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(guī)則等的能力。由此，粗糙集為數(shù)據(jù)庫知識發(fā)現(xiàn)、專家系統(tǒng)、決策支持系統(tǒng)、模式識別、模糊控制等，提供了一種新的數(shù)學方法。

1.3 利用粗集理論地震屬性優(yōu)化實現(xiàn)

用于儲層預測的地震屬性數(shù)據(jù)，我們只需選用優(yōu)選出的敏感屬性數(shù)據(jù)就可以了。其具體實現(xiàn)過程說明如下[4-5]：

（1）對用于敏感屬性優(yōu)選的地震屬性進行預處理；

（2）構(gòu)建決策表。地震屬性為決策表中的條件屬性，儲層參數(shù)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(jù)最小約簡表求出決策規(guī)則，最終得到工區(qū)該目的層與有利砂體厚度參數(shù)最敏感的地震屬性。

2 實例分析

本文以某河流相工區(qū)某小層的砂體厚度預測為例，來對屬性優(yōu)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(qū)內(nèi)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(shù)、復合包絡差、能量半時間）；小波系數(shù)類3個（小波系數(shù)C1、小波系數(shù)C2、小波系數(shù)C5）。利用優(yōu)選出的敏感屬性建立屬性組，使用徑向基神經(jīng)網(wǎng)絡方法對工區(qū)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(xù)性較好，在研究區(qū)內(nèi)成片發(fā)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(shù)據(jù)不參與徑向基神經(jīng)網(wǎng)絡計算，比較實際值與預測值之間的關系（表1）。

通過表中統(tǒng)計可以看出，利用優(yōu)選敏感屬性進行徑向基神經(jīng)網(wǎng)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(zhuǎn)第125頁）（上接第123頁）

3 結(jié)語

本研究區(qū)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(yōu)化，選取優(yōu)化屬性對實際工區(qū)的砂體發(fā)育進行預測，取得了很好的效果。利用地震多屬性分析技術(shù)，可以增強目標評價的可靠性和提高預測結(jié)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(shù)[M].中國石油大學出版社，2007.

[2]古發(fā)明，尹成，丁峰.應用粗集理論優(yōu)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(fā)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(shù)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]