聲波時差長趨勢脫壓實校正

賴生華 曹鑒華 張翠萍

（①西安石油大學，陜西西安710065；②天津科技大學，天津濱海新區300222；③中國石油長慶油田分公司第六采油廠，陜西定邊718600）

0 問題的提出

儲層反演是儲層定量化分析和評價的關鍵技術手段［1］，其中地震和聲波時差資料是必備的基礎數據。聲波時差資料常用于識別儲層巖性和物性［2］，同時也是連接測井（深度域）與地震資料（時間域）的關鍵橋梁。一般情況下儲層的聲波時差特征明顯（與圍巖速度差異明顯），有助于獲得高分辨率的反演剖面，為最終地質解釋提供可靠的依據。

延長氣田F 區塊二疊系巖性主要為砂、泥巖，儲層以三角洲前緣沉積相為主。由于受沉積作用、壓實作用、成巖改造等多種復雜地質因素影響，儲層表現為低孔、低滲、非常致密的特征［3-5］，其聲波時差、密度與圍巖差異較小，地球物理特征不明顯，嚴重影響地震儲層預測的可靠性和精度（圖1）。如果直接使用聲波時差曲線進行反演，反演成果將缺乏可靠的地質解釋依據，嚴重影響儲層預測精度。若能減小或者部分消除壓實作用對聲波時差（聲波速度）的影響，將使儲層（砂巖）與圍巖（泥巖）的聲波時差（速度）差異變大，有利于后續的地震反演處理和分析。通常的聲波脫壓實校正方法根據現今觀測到的巖層的孔隙度—深度或密度—深度數據，利用統計方法建立巖層的孔隙度—深度函數，再根據地層骨架體積不變（或地層骨架密度不變）原理進行脫壓實校正，恢復巖層的壓實埋藏過程［6-8］。這種方法理論較為嚴謹，應用非常廣泛，但操作過程復雜，影響因素多，而且往往無法獲得準確的初始孔隙度值、精確的孔隙度—深度函數等。基于F 區儲層地震反演的實際情況，認為以傳統地質過程分析為主的聲波脫壓實校正方法較為復雜，同時受限于該區現有的資料現狀，實際可操作性較差。

聲波分頻重構是解決上述問題的一種方案，其做法是將對巖性敏感的測井曲線（如自然伽馬）高頻成分與聲波原有低頻組分融合重構，再利用重構聲波曲線進行儲層地震反演［9-10］，但該方案缺乏有力的地球物理理論支撐。為此，針對F 區致密儲層預測，本文提出了聲波時差長趨勢脫壓實校正方法。選用標準井對該區聲波低頻分量統一校正，然后將其與原有的高頻分量融合形成新的聲波時差曲線，并參與后續的儲層多屬性神經網絡反演，獲得了較好的應用效果［11-13］。

圖1 F區AN4井目標層段儲層的地球物理響應特征

1 聲波時差長趨勢脫壓實校正

當聲波在地層中由淺入深傳播時，傳播速度受地層巖性、孔隙度、含流體性質及壓實性等諸多因素的影響。在使用聲波時差曲線時，除了直接利用其幅值變化特征外，還可將其轉換到頻率域并分析地層特征。通常聲波時差低頻組分曲線幅值變化較平緩，且隨地層埋深增加而逐步增大，反映了地層的整體結構變化特征。中、高頻組分曲線幅值變化相對劇烈，與地層中存在巖性突變、物性變化、含流體等地層因素有關［14-16］。

F區目標層沉積環境為三角洲前緣，地層厚度變化相對穩定，同時山西組內發育了多套厚層泥巖，目標層整體較為致密。結合該區聲波時差變化特征，認為壓實作用對本區聲波時差低頻組分影響較大，適當校正聲波時差超低頻組分信息可以突顯目標層中由于巖性、物性、流體等變化因素引起的高頻組分特征，增大儲層與圍巖的速度差異，進而達到聲波脫壓實校正的目的。

為提高F區聲波時差對砂巖儲層的辨識精度，文中提出了基于時頻分析的聲波時差長趨勢脫壓實校正方法。首先對聲波時差曲線進行時頻分析。如今常用廣義S變換、小波變換、匹配追蹤等方法進行時頻分析，并基于處理結果預測儲層［14-16］。聲波時差信號具有時間刻度單位（μs／m），滿足時序序列分析數據要求。與地震數據不同，聲波時差曲線的時頻分析無需過于復雜的變換手段。這里選用短時傅里葉變換方法，其表達式為

式中：f（t）為輸入信號，t為時間；g（t－τ）為對稱的時間窗函數，τ為時移；ω 為角頻率。

圖2為Y140井聲波速度低頻分量、高頻分量分離曲線。由圖可見，低頻分量變化平緩，高頻分量呈頻繁抖動、尖刺特征，這些變化特征反映了地層結構。圖3為Y140井聲波速度低頻分量特征。由圖可見，0～10Hz頻段曲線明顯反映了中、下部高速巖性段引起的速度變化，0～20Hz、0～30Hz頻段曲線對速度變化的響應更明顯。經過對0～10Hz頻段的低頻分量進行掃描，發現0～3Hz的低頻分量對中、下部高速巖性段引起的速度變化存在較弱響應，因此將0～2Hz的低頻速度作為聲波時差長趨勢低頻分量。在上述聲波時差曲線時頻分析基礎上，通過信號的頻譜掃描，參考已有研究成果［17-18］，最終將2Hz以下頻率成分的信號定義為低頻聲波時差長趨勢分量。

圖2 Y140井聲波速度低頻分量、高頻分量分離曲線

圖3 Y140井聲波速度低頻分量特征

選擇目標層段對巖性特征區分相對清晰的聲波時差曲線作為標準井曲線，然后對所有井的聲波時差曲線進行時頻分析，分離低頻長趨勢分量和高頻分量。以標準井聲波時差低頻長趨勢分量為參考，對F區內其他井的聲波時差長趨勢低頻分量進行標準化處理，使各井的聲波時差長趨勢低頻分量變化趨勢一致。標準化處理利用簡單、實用的頻率分布直方圖法，確定標準井低頻分量分布概率峰值，利用概率峰值速度差值完成其他井的低頻分量校正（圖4）。將校正后的低頻分量與原始中、高頻分量在頻率域疊加，再通過傅里葉逆變換及時深轉換完成分頻重構，獲得新的聲波時差曲線，完成脫壓實校正（圖5）。式中：F（ω）為頻譜；～f（t）為輸出信號。

圖4 聲波速度低頻分量頻率分布直方圖

圖5 聲波時差長趨勢脫壓實校正技術流程

2 實際數據應用

圖6為Y454井目標層段聲波時差長趨勢脫壓實校正效果。由圖可見，聲波時差長趨勢脫壓實校正后聲波時差曲線不僅很好地保留了原始聲波時差曲線的高頻變化細節，而且較好地突出了儲層與非儲層的差異，明顯改善了對砂巖儲層與圍巖的辨識效果（圖6c）。為了進一步驗證文中方法的合理性，結合地震標定對比聲波時差長趨勢脫壓實校正前、后的合成記錄（圖7）。可見，Y454井目標層段聲波時差曲線經長趨勢脫壓實校正后，合成記錄標定更合理，但目標層段的整體地震分辨率還偏低。

圖6 Y454井目標層段聲波時差長趨勢脫壓實校正效果

圖7 Y54井目標層段聲波時差長趨勢脫壓實校正前、后合成記錄

F區目標層單砂體厚度較小，地震資料主頻約為35Hz，采用常規基于模型的地震反演方法識別儲層效果有限。為了更好地應用聲波時差長趨勢脫壓實校正資料，在該區開展儲層多屬性神經網絡地震反演，綜合利用井震屬性數據獲得高分辨聲波速度反演數據體以解釋和預測儲層。

儲層多屬性神經網絡地震反演融合地震屬性和測井屬性預測儲層［1，19-20］。基本原理是借助已知井點的硬數據分析井曲線和地震數據，應用非線性逐步回歸、人工神經網絡技術分析和訓練提取的已知井點的地震屬性、測井特征，找出地震屬性和測井特征之間的關系，然后利用神經網絡將這種高相關性的映射關系用于整個地震數據，完成神經網絡測井特征反演。

在F區對目標層段由聲波時差長趨勢脫壓實校正后的聲波速度作為特征曲線參與反演，優選多種地震屬性（地震瞬時頻率、振幅包絡、振幅導數、瞬時相位余弦等）作為神經網絡的輸入。通過樣本訓練、測試確定神經網絡的拓撲結構和網絡參數，然后對所有地震數據反演聲波速度。

圖8為07YC-EW242測線二維聲波速度反演結果。由圖可見：振幅剖面的目標層段視分辨率較低，主頻約為35Hz（圖8a）；聲波時差長趨勢脫壓實校正后反演速度剖面（圖8b）的地層分辨率明顯高于聲波時差長趨勢脫壓實校正前反演速度剖面（圖8c），儲層縱、橫向分布特征清晰（箭頭所指處）。影響神經網絡反演效果的因素較多，對比聲波時差長趨勢脫壓實校正前、后反演結果可知，后者更合理，與井數據特征更匹配。

圖8 07YC-EW242測線二維聲波速度反演結果

利用反演成果解釋和預測目標儲層的橫向展布特征。根據前述地球物理特征分析確定儲層的聲波時差特征和速度分布范圍，取儲層速度門檻值為4000m／s（大于該值的認為是儲層樣點），然后在反演速度剖面上提取目標層滿足條件的樣點，經統計轉換為分析時窗內的儲層厚度。最終獲得F 區二疊系盒8段（H7與H8之間地層）儲層厚度圖（圖9）。可見：盒8段主要為三角洲前緣沉積亞相，主要沉積微相為水下分流河道、分流間灣及河口砂壩等。平面上整體呈南北向條帶或片狀分布。較厚儲層主要分布在北部、中部Y140井以西條帶及東南側，儲層厚度一般大于15m，局部可達20m。經鉆井資料證實，預測的儲層厚度與鉆井資料和沉積相帶平面分布規律吻合良好。

圖9 F區二疊系盒8段儲層厚度圖

3 結論

（1）壓實作用導致延長氣田F區塊二疊系石盒子組和山西組儲層較致密，致使儲層與圍巖聲波時差特征接近，不利于地震反演和儲層預測。減小或者消除壓實作用對聲波時差的影響，可改善對儲層與圍巖的辨識效果，從而獲得較好的地震反演結果。

（2）結合地震反演需求，采用時頻分析方法對原始聲波時差曲線分頻處理，以標準井的低頻組分為標準，對F 區所有井進行聲波低頻長趨勢校正；然后與原有高頻組分分頻融合形成新的聲波時差數據，完成聲波時差長趨勢脫壓實校正，使儲層與圍巖的聲波時差值重疊區域減小，提高了對儲層的辨識精度。

（3）基于聲波時差長趨勢脫壓實校正實施神經網絡地震速度反演，獲得了較高分辨率的聲波速度反演剖面，精細預測了儲層厚度。