紋理屬性及模式識別在沉積相研究中的應用

岳喜偉，余海濤

（中國石油新疆油田分公司勘探開發研究院，新疆烏魯木齊830000）

目前，利用地震屬性輔助預測沉積相常用的方法包括傳統均方根振幅法［1］、地震波波形聚類法［2-5］、平面地震相［6］、多屬性融合［7-9］、基于機器學習等［10-11］。 紋理屬性是近幾年逐漸開始應用的一種屬性，王霞［12］利用紋理屬性預測潛山裂縫發育帶，胡英［13］利用紋理屬性與波形聚類相結合劃分地震相，雷英成［14］利用傾角掃描結合紋理屬性檢測斷層，此外紋理屬性在火山巖儲層預測［15］及河道砂分布預測［16］中也取得了較好效果。由于紋理屬性可以用來描述儲層沉積環境的變化，因此本文利用該屬性結合模式識別，對沉積相分布特征進行預測，取得了較好的效果。

1 紋理屬性原理

紋理屬性是利用圖像識別處理技術來評價地震數據能量的變化［12］，從而描述特殊巖性體的分布、儲層沉積環境、構造變化特點等。紋理屬性可應用于模式識別、聚類分析等，從不同側面對特殊巖性體、沉積環境的變化進行綜合分析。GeoEast軟件提供14種紋理屬性的計算方法，其中熵、均勻度、能量、對比度、相關性是比較常用的紋理屬性。

1.1 相關性（Correlation）

計算灰度伴隨矩陣中元素之間的特定線性關系出現的頻率,如果矩陣中元素的某一種固定排列方式越多，該值會越大，高相關性意味著高的線性關系。計算公式如下：

灰度共生矩陣Pd（i，j）的值表示在紋理基元體中，其中一個像素的灰度值為i，無量綱；另一個像素的灰度值為j，無量綱，并且相鄰距離為d，m，沿著指定方向的這樣兩個像素出現的概率，%。下文中公式具有同樣的含義。

μi，μj（無量綱）表示圖像灰度共生矩陣中元素在行方向和列方向的相關程度的度量；σi，σj（無量綱）表示圖像灰度共生矩陣中行方向和列方向的灰度差值［17］。

1.2 均勻度（Homogeneity）

反映矩陣中元素聚集于主對角線附近的程度。當矩陣中較大的數值都集中在主對角線的附近時，此數值會趨大。均勻度是最常用的用于測量圖像對比度的一種特征值。圖像的對比度越小，均勻度越高。計算公式如下：

1.3 能量（Energy）

能量又稱角二階矩，用來衡量紋理的一致性或均勻性。當紋理均一或一致時，灰度伴隨矩陣元素就會集中在某些區域，數值變大，反之元素分散，數值變小。當灰度伴隨矩陣中的各元素數值相等時能量最低，其值與熵大致相反，但并不呈線性關系。計算公式如下：

1.4 對比度（Contrast）

衡量圖像中像素之間的差異性的程度，它反映灰度伴隨矩陣元素在主對角線上的集中情形，當對比大的數值都集中在主對角線附近時，其數值越小，即對比度較差，像素灰度值的差異較小。該值與均勻度大致相反。計算公式如下：

1.5 熵（Entropy）

熵用來衡量圖像紋理的復雜程度或矩陣中元素排列的混亂程度，在一幅圖像中，紋理越隨機，則紋理越復雜，其矩陣中各元素越相等，熵的數值愈大。如果圖像灰度伴隨矩陣的熵值很高，則影像很均勻，意味著類似的灰度伴隨矩陣形狀安排沒有特殊的紋理。計算公式如下：

2 應用效果

準噶爾盆地中拐凸起二疊系上烏爾禾組二段是重要的油氣層，主體部位已發現多個油藏，向斜坡區方向還有多個剩余出油氣井點，仍具有一定勘探潛力，但勘探程度相對較低，因此需要對目的層沉積相分布特征進行進一步刻畫，以明確低勘探程度區有利儲層展布范圍及有利砂體發育區。在對目的層沉積相研究中，發現利用常規均方根振幅屬性法及波形聚類法刻畫時，效果不理想，反映沉積相分布規律不明顯。

以JL2 井區連片三維數據為基礎，利用二疊系上烏爾禾組二段底層位向上開30 ms 時窗，提取了常用的六種紋理屬性。通過與前人依據勘探程度較高地區已鉆井分析所繪制平面沉積相圖進行對比，認為紋理相關性屬性（圖1）、紋理熵屬性（圖2）及紋理均勻度屬性與沉積相圖（圖3）的對應關系較好，能夠反映斜坡區勘探程度較低地區沉積相分布特征。

圖1 紋理-相關性屬性

圖2 紋理-熵屬性

圖3 上烏爾禾組二段沉積相平面分布

紋理屬性圖（圖1）顯示沉積相分布及變化響應特征明顯，扇三角洲平原亞相與前緣亞相分界明顯，平原亞相主要位于工區的西北部，分布在KE007-JL29-JL7-JL27 井一線以西，往東變為前緣亞相，前緣亞相范圍廣闊。另外，從屬性平面圖中可以看出上烏爾禾組二段主要發育三支主水流，水流方向從北西至南東，西側發育有小支流，物源主要來自于北西方向，前期研究認為順著物源方向儲層物性逐漸變好，因此往斜坡區方向應該仍發育有前緣亞相優質儲層。與沉積相圖及已鉆井結果對比分析，從紋理屬性圖中可以看出，前緣亞相中水下分流河道微相發育（圖1），主要沿著JL041-KE79-JL2-J213-J204 以 及KE303-JL35-JL49 方 向，一 般來說水下分流河道微相砂體較發育，且儲層物性相對較好，油氣成藏概率較大，因此在J204 井以南及沿JL35-JL49 方向，是下一步油藏擴邊及低勘探區擴展的有利目標區，新增有利區面積80 km2。

由于利用無監督模式識別技術研究沉積相展布特征相對比較成熟，因此本文接著利用GeoEast軟件中無監督模式識別技術對上烏爾禾組二段進行了分析（圖4），然后將預測結果與紋理屬性平面圖對比，兩者預測沉積相平面分布特征類似，扇三角洲平原亞相及前緣亞相分界明顯，分布范圍基本一致，表明利用紋理屬性研究沉積相的平面分布特征具有一定可行性。

圖4 無監督模式識別屬性預測結果

此外，從紋理屬性剖面上可以看出（圖5），上烏爾禾組二段扇三角洲前緣亞相砂體特征清晰，呈透鏡體狀，與新鉆井JL50 及JL54 井標定結果匹配較好，砂體對應位置GR 曲線為低值，RT 曲線為高值（藍色GR曲線，紅色RT曲線）。

JL50 井上烏爾禾組二段中部以砂礫巖為主，下部以中—細砂巖為主（圖6a），平均孔隙度14.1%，平均滲透率4.24×10-3μm2，物性較好，且試油為低產油層；JL54 井烏爾禾組二段儲層主要為砂礫巖、細砂巖等，呈現砂包泥的特征（圖6b），取心為油浸級、熒光級顯示，平均孔隙度11.7%，試油獲得高產工業油流。新鉆井上烏爾禾組二段都反映扇三角洲前緣亞相特征，證明沉積相預測結果準確，利用紋理屬性來預測沉積相及剖面砂體特征具有較好的可行性。

圖5 紋理屬性剖面

3 結論

（1）紋理屬性中的紋理熵屬性、紋理均勻度屬性及紋理相關性屬性對不同的沉積相類型有較好的響應，但在其他工區及地區應用過程中應該提取多種類別的紋理屬性，并結合工區已鉆井實際情況，來優選最能反映工區沉積相平面特征的紋理屬性類別。

（2）單一屬性具有一定局限性，因此可將紋理屬性同其他地震屬性（如模式識別、波形聚類等）或單井相、地震相相結合，以便在沉積相預測中取得最佳效果。