疊前反演基礎數據的優化處理
——以扎哈泉地區為例

熊業剛， 羅 錚， 朱 波， 李 祥， 燕宇飛, 牛全兵

(1.中國石油 青海油田分公司勘探開發研究院，敦煌 736200；2.中國石油 東方地球物理勘探責任有限公司青海物探處，敦煌 736200)

0 引言

目前，油氣田勘探從尋找構造圈閉過度到地層、巖性等特殊油氣藏領域，勘探的難度日益增大，手段也呈現多樣性，尤其是進入后期開發階段，尋找剩余油分布是儲層描述的重點工作。通過實踐證明,疊前反演技術是儲層刻畫與提高地質認識的有效手段，在反演過程中將用到多種數據，測井數據(縱橫波、密度、自然伽馬、電阻率、井徑)與地震CRP道集作為輸入數據的一部分在反演過程中扮演著重要的角色，測井數據主要體現在時深標定、子波提取、低頻模型建立等方面，地震數據低信噪比會降低反演結果的穩定性。然而實際的測井資料質量并非完美，測井數據受井眼環境的影響，測井曲線，尤其是密度曲線在井眼環境差的地方嚴重失真，地震數據受采集因素與處理目的的影響疊前CRP道集存在局部地區信噪比地、剩余動校導致當道集未拉平與AVO特征不正確等現象，這些因素制約著反演的精度，處理不當甚至出現背道而馳的地質地震評價結論[1]。因此基于上述問題提出的基礎上采用多元線性擬合方法,對受井眼環境影響的曲線進行校正；采用超道集、非地表一致性剩余時差校正、AVO趨勢校正對疊前CRP道集進行優化處理，以期能為疊前反演提供高質量的基礎數據。

1 資料優化處理方法

1.1 測井曲線井眼環境校正

目前對于由于井眼環境導致曲線失真的解決辦法有三種[2-3]：

1)通過經驗公式來校正畸變曲線段(Garden公式)，原理是在同一地質層段通過選取適合工區的經驗公式參數來進行曲線校正，此類方法優點是計算速度快，操作方便，但缺點是公式不具備普遍性，精度低。

2)通過多變量線性回歸擬合方法也是本次曲線環境校正的方法[5]，此方法綜合多種反映儲層巖性、物性、含油氣性曲線進行擬合，在全局井眼垮塌不是很嚴重的地區具有適用性與預測性。

3)通過巖石物理進行曲線反演[6]，該方法輸入骨架、流體、孔隙結構與類型數據來采用Xu-White、自洽等方法進行密度正演，此類方法雖然精度較高，但考慮的因素較多且過程復雜，不具備簡易操作性。

1.1.1 多變量線性回歸擬合方法原理

多變量線性回歸擬合方法基本原理[4]是在樣本點數據內定義定隨機變量值y與自變量x0、x1、…、xm-1，給定自變量的觀測值(x0,k,x1,k,xm-1,k,yk)，其中(k=0,1,…,n-1)，用線性表達式將隨機變量yk與自變量觀測值聯系為公式(1) 。

yk=a0x0,k+a1x1,k+…+am-1xm-1,k+am

(1)

其中:a0、a1、…、am-1為回歸系數，根據最小二乘法原理求解回歸系數，使p最小為公式(2)。

(2)

1.1.2 校正步驟

首先，通過交匯分析選擇與待校正曲線相關性好的曲線，相關性好的不同的測井曲線能夠反映同一地質參數，因此必須選擇相關性好的曲線作為自變量；其次選擇樣本數據，多變量線性回歸擬合方法選擇樣本遵循以下幾點：①樣本層段內曲線與密度曲線相關性好：②井眼條件良好；③與待校正層段臨近(以免引入密度曲線的壓實趨勢)；④與待校正層段處于同一地質層段范圍內(確保沉積環境沒有突變)；⑤與待校正層段的巖性相同或相似。再次，通過線性回歸建立樣本數據內隨機變量與自變量觀測值之間的數學模型，最后將數學模型運用到待校正的數據范圍內，并通過制作合成地震檢查與井旁道的匹配效果，如果不滿意則重復以上步驟。

1.2 地震疊前CRP道集優化處理

疊前反演成果的好壞除了與反演的方法及測井數據有關以外，還與地震的品質聯系在一起，因此地震資料優化處理是反演步驟中關鍵工作[7-8]。受采集因素與前期地質需求影響，經過常規處理后疊前道集資料分析存在主要以下兩方面的問題,①近偏移距道集上出現隨機噪音干擾比較嚴重，遠道強能量干擾嚴重，如果其信噪比偏低，則會引起疊前彈性參數反演精度的降低，這是因為噪聲會造成反演不穩定;②道集出現動校正剩余時差導致近、中、遠道集會出現未拉平現象，同相軸會出現上翹現象，貿然的多次疊加會影響道集之間的振幅相對保持關系。因此有必要在進行疊前反演前做好道集的優化處理，為了考慮到處理不同步驟對資料處理的影響，特別是去噪對振幅的相對保持關系的影響，為此，提出“超面元去噪-層拉平-AVO趨勢校正”方法對道集進行優化。

1.2.1 超面元均值濾波去噪處理技術

資料進行常規處理后，剖面上會存在一定噪音，去噪的目的是為了提高資料信噪比，同時能夠減少疊前數據量，為后續工作開展節約時間。目前疊前CRP去噪方法有很多，如道集滾動疊加形成超道集去噪、中值濾波、多項式擬合、基于橫向滑動的空變小波閾值保真去噪等方法。筆者提出一種結合超道集與均值濾波結合的去噪方法，認為相鄰道在同一時間點振幅值具有相似或微弱的漸變性，如果存在突變，可能受到噪音的干擾，需要將這些畸變點進行切除，這樣保證了振幅在橫向變化的合理性。具體的做法是將需要處理的道集某一相鄰點的數據按照從大到小進行排序，去掉值域中最大值與最小值，然后將剩余的道集相應時間點的數據進行平均作為輸出值，當然多少相鄰道參與計算，也就是超面元的大小由目的層的深度與頻率決定，目的層越深，信噪比低，可以試用大點面元。

圖1 剩余時差校正技術流程圖Fig.1 Flow chart of residual time correction technology

1.2.2 非地表一致性剩余時差校正技術

道集不平影響疊前道集相對AVO特征，近年來發展了許多道集拉平的方法，如波形剩余時差校正、基于速度調整的道集拉平方法、各向異性動校正及非地表一致性剩余靜校正等，各種方法都能在某種程度上解決道集存在的問題。在上述方法中筆者采用非地表一致性剩余靜校正技術進行層拉平(圖1)，具體做法是：①選擇一定偏移距的道集數據進行疊加作為初始疊加道，偏移距盡可能選擇信噪比比較高的范圍;②將道集與初始疊加道在選擇時窗范圍內逐道進行互相關計算，求取相關系數，將時移量明顯存在野值的道剔除，這樣做保證原始資料的地質特點，同時并將相關系數最大的M道作為模型道；③從M道開始，依次在指定滑動時窗范圍內以一定時窗滑動求取其與相鄰道的相關系數;④將相關系數最大的滑動數作為當前的剩余時差，在指定時間段內，各道減去剩余時差之后，輸出拉平道集。

1.2.3 AVO背景趨勢校正

儲層AVO特征反應流體在振幅與偏移距(或者入射角)兩變量之間的關系，無法掌握實際資料儲層AVO特征將會使得預測結果背道而馳。從扎哈泉層拉平處理后的資料來看，在扎108井點處，利用該井縱橫波、校正后的密度等三條曲線制作AVO正演道集(圖2)，提取目的層(油層，紅色虛線標記處)之上(1 400 ms～1 600 ms)正演AVO曲線與實際資料的AVO曲線(圖3)，將兩者進行對比發現振幅隨著偏移距的變化趨勢明顯不同，正演曲線(紅色)表現為振幅隨著偏移距增大而減小特征，而實際地震CRP道集數據(黑色)表現為振幅隨著偏移距增大而增大特征，兩類整體AVO特征表現有所差異，因此對于此類數據必須要進行AVO校正。具體做法是：首先在進行測井曲線環境校正的基礎上，校正并保證井曲線質量較高情況下進行疊前AVO正演道集制作并提取AVO特征曲線,并且在確定準確時深關系基礎上在目的層與實際道集數據進行對比，如果測井曲線校正無法滿足實際正演需求，則沒有進行AVO正演的必要；其次，如果兩者趨勢不同，選擇正演道集背景趨勢進行AVO校正，背景趨勢段一般選擇鄰近目的層，且無明顯的含油氣層，這樣就剔除了油氣對特征曲線的影響，將正演道集的背景擬合出偏移距與振幅的關系式與實際數據背景擬合出關系式進行對比，如果發現趨勢不一致將實際數據的趨勢按照正演的趨勢進行校正，按照以上步驟完成了AVO背景趨勢校正。

圖2 正演模型道集與實際數據道集對比圖Fig.2 Forward model and the actual data gather comparison chart(a)正演道集;(b)實際道集

圖3 正演模型與實際數據AVO曲線對比圖Fig.3 Forward model and the actual data of AVO curve comparison chart

2 實際資料分析處理與效果

2.1 測井資料分析處理與效果

柴達木盆地扎哈泉地區碎屑巖地層受泥漿侵入的影響局部存在井眼垮塌現象，通過分析，縱橫波曲線因為儀器探測深度較深，受井眼環境影響較小，然而密度測井曲線探測深度較淺，嚴重失真，因此選擇該地區扎108井密度曲線作為測井資料處理研究對象，以此作為該方法的一個試驗井，扎108井目的層厚度達800 m，目前通過電測曲線解釋與地質認識認為該井目的層是一套砂泥交互沉積儲層，沉積環境為濱淺湖灘壩沉積，且在垂向上無明顯的沉積序列變化。目的層井段內井眼環境整體良好，但局部(1 980 m～2 180 m)泥巖段受泥漿侵入影響存在嚴重的井壁垮塌現象，表現為井徑曲線偏大，導致原始密度曲線(黑色)嚴重偏低(圖4)。針對此類情況選取待校正的上下各100 m，井眼條件好且相對穩定的多種數據進行校正，以此保證參與校正的樣本數據質量準確可靠。

圖5 扎108井樣本數據交匯分析Fig.5 Sample data analysis in Zha 108 well(a)DEN-AC交匯；(b)DEN-CNL交匯；(c)DEN-RT交匯；(d)DEN-GR交匯

圖6 扎108井密度處理前后對比圖Fig.6 With 108 wells density before and after comparison chart

圖7 扎108井原始合成記錄與校正合成記錄對比圖Fig.7 Comparison of original and corrected synthetic records in Zha108 well(a)密度校正前合成地震記錄;(b)密度校正后合成地震記錄

圖8 采用超道集去噪前后對比圖Fig.8 Before and after comparison chart in using supergather denoising(a)采用超道集處理前道集;(b)采用超道集處理后道集

通過對扎108井目的層樣本段數據進行一系列的剖面與交匯分析，從縱向剖面上來看(圖4)，密度曲線受井眼環境的影響較大，在擴徑段處整體數據偏低，而聲波、中子孔隙度、深側向電阻率、自然伽馬等曲線在縱向上受井眼環境的影響較小，整個曲線段沒有數據的突變點，整體曲線的韻律保持良好。由圖5可以看出，在沒有擴徑段的密度曲線與聲波、電阻率、中子孔隙度、自然伽馬曲線有著良好的線性相關性，因此選擇該四類曲線作為DEN曲線校正的參考曲線，應用數學模型做多元回歸分析，并將模型應用到待校正的擴徑段,DEN 曲線校正前后的對比(圖6)，從圖6上看DEN 曲線的失真部位經過校正后異常值得到消除， 曲線的幅度整體向高值區收斂。為了檢驗曲線校正效果，制作了該井的合成地震記錄(圖7)，校正前地震記錄與井旁地震道在擴徑段(1.52 s)處出現相位轉換，相關性差(藍色相關系數差，紅色相關系數好)，曲線校正后井震波阻特征對應較好，相關性得到改善，因此認為采用該方法進行密度井眼環境校正具有借鑒作用。

2.2 地震資料分析處理與效果

從圖8(b)中可以看到隨機干擾經過前期處理后依然存在，尤其是在近偏移距道集上這種現象比較嚴重，經過去噪后道集上隨機干擾消除，同向軸橫向比較連續，剖面“干凈整潔”，有效信號突顯出來。從圖9可以看出，從淺層到深層剩余時差現象嚴重，呈現上翹與下拉現象，經過剩余時差校正后，同向軸整體平穩，尤其是強反射段同向軸橫向時差不一致性現象得到消除。從圖10中可以看到，處理過后的數據剖面整體振幅特征與實際正演趨勢一致，近道能量弱，遠道能量強的現象得到消除，從圖11中可以看出，正演道集和處理后實際道集兩者趨勢完全保持一致。因此認為采用一系列疊前CRP道集優化處理針對本工區地震資料解釋性處理是行之有效的，能夠為后續的反演提供有效的、高品質地震資料。

圖9 剩余時差校正前后對比圖Fig.9 Before and after comparison chart in using residual moveout correction(a)剩余時差校正前道集;(b)剩余時差校正后道集

圖10 正演模型與處理后道集對比圖Fig.10 Forward model and processing gather comparison chart(a)正演道集;(b)AVO趨勢校正后道集

柴達木盆地扎哈泉地區新生界上干柴溝組目的層發育一套砂泥互層儲層，從現有的地質認識情況看，物源分為兩個方向，分別為北西向物源與南物源。通過數據優化處理前后剖面與平面對比圖來看(圖12)，剖面上，利用處理后數據進行反演，在扎108與烏10井能夠預測出細小儲層(黑色圓框標記處);平面上(圖13)，資料處理前后預測砂體整體規律保持一致，西側與南側較北側儲層較發育，但細節上有所變化，數據優化處理前扎9井不處于有利預測區，而實際情況扎9井在目的層獲得高產油流，處理后與實際情況一致；同時扎14、扎108、扎10、烏10等井處理前反演預測砂體處于不利區，處理后情況得到改善。由此說明，利用優化后數據進行疊前反演提高了儲層預測精度，該方法在扎哈泉地區進行儲層預測具有一定的適用性。

圖11 目的層正演模型與校正后數據AVO曲線對比圖Fig.11 Forward model and the corrected AVO curve comparison chart

圖12 數據優化前后儲層預測剖面對比圖Fig.12 The reservoir prediction comparison profile before and after data optimization(a)數據優化前儲層預測剖面圖;(b)數據優化后儲層預測剖面圖

3 結論

1)多元線性回歸曲線校正方法適合于井眼環境非普片情況多元線性回歸曲線校正方法適合于井眼環境非普遍情況，是一種快速有效解決密度曲線失真方法，經過研究表明該方法在扎哈泉地區具有一定的適用性。

圖13 數據優化前后儲層預測平面對比圖Fig.13 The reservoir prediction comparison chart before and after data optimization(a)數據優化前儲層預測平面圖;(b)數據優化后儲層預測平面圖

2)樣本的選擇也非常重要，盡可能選擇緊鄰校正層位且巖相、流體、壓實趨勢都沒變化的層段，該方法能夠為時深標定、子波提取、低頻模型的建立提供優質的數據。

3)采用超面元均值濾波去噪組合去噪技術能夠消除隨機噪音，尤其是近道有效信號能量得到顯著提高，同時增強數據的信噪比。

4)通過扎108井疊前AVO正演分析認為，正演道集與實際數據AVO趨勢不一致，經過AVO背景趨勢校正后，兩者AVO特征一致。