裂縫融合分析的窄方位疊前裂縫預測技術

熊曉軍 張 鑫* 張本健 張正鵬 許志遠 羅海龍

(①成都理工大學地球勘探與信息技術教育部重點實驗室，四川成都 610059；②中國石油西南油氣田分公司川西北氣礦，四川江油 621700)

0 引言

裂縫發育受多種因素控制，分布復雜、規律性差，預測和識別難度大[1]。目前常規的裂縫預測技術主要有疊前和疊后兩類。疊后裂縫預測理論完善、技術方法繁多，當前常用的有相干體、螞蟻體追蹤、曲率屬性、邊緣檢測、構造不連續屬性、衰減梯度屬性、應力場數值模擬等[2-3]。與傳統疊后裂縫預測相比，疊前方位各向異性裂縫檢測不僅具有在空間上覆蓋程度高的優勢，同時包含方位角信息，可判定裂縫走向、裂縫密度[4-5]。

當前一種常用的疊前裂縫預測方法基于縱波各向異性速度橢圓擬合[6]，但依賴于寬方位地震數據。對于海洋窄方位地震資料，方位各向異性裂縫檢測方法受方位制約。當前應用窄方位疊前地震數據預測裂縫的方法還不太成熟。田立新等[1]綜合應用疊前彈性參數反演與應力場模擬獲取遠、近炮檢距間的屬性差異預測裂縫儲層。蘇世龍等[7]采取限炮檢距措施及五維插值技術或OVT域處理技術改善窄方位資料特性，進而開展疊前裂縫預測。Liu等[8]利用窄方位數據預測碳酸鹽巖裂縫。熊曉軍等[9]基于地震波在各向異性介質與各向同性介質中的AVO差異，提出標準差統計方法進行疊前裂縫預測，裂縫預測結果宏觀趨勢正確；但由于采用窄方位或單方位地震資料(覆蓋次數低)，預測的裂縫發育帶連片性差。為此，本文改進文獻[9]的裂縫預測流程，引入裂縫融合分析方法，有效克服了采用窄方位或單一方位數據預測裂縫的缺陷，可以準確表征高角度裂縫發育帶的三維空間分布特征。

本文首先采用基于標準差統計的窄方位疊前裂縫預測方法，再引入基于網格聚類分析[10]的裂縫融合技術，最后得到縱橫向連續性強的裂縫數據體。對中國N區的海洋窄方位疊前地震資料的應用結果表明，本文提出的裂縫預測技術可有效地表征高角度裂縫發育帶的展布特征，與鉆井數據符合度高，適用于發育高角度裂縫的地區。

1 疊前裂縫預測的理論基礎分析

1.1 N區的裂縫發育特征

觀察中國N區取心井的巖心發現，主要發育層理縫、構造縫兩種裂縫，按產狀將裂縫分為四種：傾角≤5°為水平縫(圖1a)；5°<傾角<45°為低角度斜交縫(圖1b)；45°≤傾角<85°為高角度斜交縫(圖1c)；傾角≥85°為垂直縫(圖1d)。此外，在目的層巖心中共觀察到502條裂縫(圖2)。因此，N區的目的層段普遍發育高角度裂縫。

圖1 巖心照片

圖2 N區巖心裂縫產狀分布圖

1.2 模型AVO正演

N區目的層段普遍發育高角度裂縫，海上采集的三維疊前窄方位地震資料的疊前道集方位角主要分布于0°～30°，炮檢距分布范圍為200～6573m(圖3)。

圖3 N區疊前道集的方位角分析

設計了三層模型(表1)，其中頂、底層為非儲層(各向同性介質)，中間層為儲層(文中分別設定為各向同性、VTI、HTI介質)。為了有效地表征模型上界面的AVO特征，當中間層為各向同性介質時采用Aki近似式計算縱波在模型上界面反射系數，當中間層為各向異性(HTI和VTI)介質時采用Rüger近似式[11]計算縱波在模型上界面反射系數。可見：①方位角為0°時，當中間層分別為各向同性、HTI及VTI介質時，反射系數隨入射角而變化，且中間層為HTI介質時反射系數隨入射角的變化最顯著(圖4a)。因此，對于零方位角的三維地震數據，當介質中高陡裂縫發育時，裂縫性質對疊前資料振幅特性的影響將不容忽略。②在窄方位情況下，當中間層為HTI介質時，相同的入射角、不同方位角的反射系數存在差異(圖4b)。

圖4 三層模型AVO響應

表1 模型參數

2 基于裂縫融合分析的窄方位疊前裂縫預測技術

2.1 基于標準差分析的AVO差異特征提取方法

由圖4可見，縱波在不同介質中傳播時存在AVO差異，基于標準差統計的窄方位疊前裂縫預測方法即通過提取該差異預測裂縫[9]，但首先要對疊前道集優化處理[12-15]。圖5為基于裂縫融合分析的窄方位疊前裂縫預測技術流程。

圖5 基于裂縫融合分析的窄方位疊前裂縫預測技術的流程

2.2 基于網格聚類分析的裂縫融合技術

聚類過程遵循“物以類聚”的原則，將本身相互孤立的一批現實或抽象的數據對象聚集成不同的數據樣本集合，并描述每一個樣本集合。其目的就是將數據集分成多個類簇，使同一個類簇的樣本之間保持屬性相近，而不同類簇的樣本之間保持足夠大的屬性差異。

本文采用網格聚類分析法。基于網格的方法以獨立的空間網格結構單元作為處理對象，整個數據樣本空間首先被劃分為若干空間網格單元，再對每一個網格單元單獨進行聚類處理。聚類分析時，首先需要設定聚類準則判別最終的聚類結果是否符合要求。本文根據期望的破碎帶融合效果，認為能夠融合的裂縫發育點需同時滿足兩個條件：①需要融合的裂縫發育點必須彼此距離較小；②同一個裂縫融合帶上的點必然具有相近的傾角屬性。因此本文以空間距離和傾角屬性作為聚類準則[10]。

基于空間網格距離的裂縫發育點聚類，通過裂縫發育點的空間網格距離尋找若干個連通分支，以達到對數據體拆分聚類的目的。但對于相距較近的裂縫發育點還不能直接融合，雖然離散的不同裂縫發育點可能彼此相近，但其所屬地層的傾角屬性并不一致，此時需要將這些點分類。因此還要判斷各個散點的傾角屬性，只有相近且傾角屬性差別不大的裂縫發育點才能融合。

假定數據體中的所有裂縫發育點構成集合S，則對于每一個裂縫發育種子點p而言：

(1)基于空間距離的聚類追蹤，即尋找滿足

D(p)={v|v∈O(p)∩S}

(1)

的裂縫發育點子集。式中：O(p)為p點的連通鄰域[16]，一般為6連通鄰域或者26連通鄰域(圖6)；v為連通域中的某點。6連通鄰域指一個網格點x的6-鄰近點中的任意網格點與x至少有一個公共面；26連通鄰域指一個網格點x的26-鄰近點中的網格點與x至少有一個公共點。本文選用6連通鄰域進行裂縫融合處理。

圖6 6連通鄰域(左)和26連通鄰域(右)示意圖

(2)基于傾角屬性的聚類追蹤，即尋找滿足

A(p)={v|Δθ(v,p)

(2)

的裂縫發育點子集。式中：Δθ(v,p)為點v與p間的傾角屬性差值；Dipthreshold為裂縫的傾角屬性閾值。

本文的裂縫發育點聚類算法基于種子點p，尋找同時滿足式(1)和式(2)的裂縫發育子集

F(p)={v|v∈D(p)∩A(p)}

(3)

2.3 操作流程

本文提出的窄方位疊前裂縫預測技術流程描述如下。

(1)數據輸入。將基于標準差統計的窄方位疊前裂縫預測方法得到的裂縫數據體作為輸入數據；

(2)確定聚類準則。根據實際工區期望的裂縫融合效果設定連通鄰域及Dipthreshold。根據實際工區裂縫性質選擇Dipthreshold為裂縫最大傾角與最小傾角之差，即Dipthreshold在裂縫最大傾角與最小傾角之間約束融合效果；

(3)采用基于協方差矩陣法矢量估計的方法[17]求解裂縫發育點間的傾角屬性差值Δθ(v,p)。

1)基于(根據工區實際地層變化特征及裂縫長度)設定的搜索半徑，求解裂縫發育點集合中每個裂縫發育點的若干鄰近點x1,x2,…，xn，由這些鄰近點得到局部微平面(離散點的局部小區域)；

3)基于微平面上散點與質心間的距離構建協方差矩陣[18];

4)求解協方差矩陣最小特征值對應的特征向量，從而求得整個微平面的法向量，并以此作為單個裂縫發育散點的法向量；

5)計算裂縫發育點間的傾角屬性差值

(4)

式中n1、n2分別為兩個不同散點的法向量。

(4)從第一個裂縫發育點開始遍歷，尋找該種子點所有的連通分支，并計算種子點與連通分支中點之間的傾角屬性差值，判斷其是否小于事先給定的傾角屬性閾值，對于滿足條件的點納入種子點隊列中。同樣地，將新加入到種子點隊列中的點均標記為經處理過的點。如此循環擴充，直至隊列中的所有種子點均無法再向外擴充為止。

(5)一次遍歷結束，認為此時種子隊列中的裂縫發育點構成了裂縫發育帶的點集(被融合)。尋找下一個沒有被遍歷標記過的種子點，循環操作步驟(4)，直至遍歷整個數據體，得到融合后的裂縫密度數據體。

(6)采用RGB模型作為色標計算模型[19]，色標顏色從紫色、紅色、黃色到藍色表征裂縫發育強度依次減弱。

3 實例分析

N區海上采集的三維疊前窄方位地震資料的疊前道集方位角主要分布于0°～30°，炮檢距分布范圍為200～6573m。目的層為花港組七段(h7)，主要發育高角度裂縫，已鉆2口井。

本文利用N區窄方位疊前地震數據進行基于標準差統計的窄方位疊前裂縫預測，獲得了疊前裂縫預測剖面(圖7a和圖8a)，得到的井上裂縫預測結果與實鉆結果一致，且裂縫發育的宏觀趨勢符合地質規律。但由于采用窄方位或單一方位地震資料(覆蓋次數低)，預測的裂縫發育帶連片性差，不利于表征裂縫發育帶的展布特征。為此，在圖7a和圖8a的基礎上利用基于網格聚類分析的融合技術對裂縫發育點進行融合，分別得到裂縫發育帶融合剖面(圖7b和圖8b)，其中彩色區域為裂縫發育區，從紫色、紅色、黃色到藍色裂縫發育強度依次減弱，數據體縱、橫向連續性更強。此外，在h7上方N1S井位裂縫不發育，在h7下方裂縫發育；在N12井裂縫發育。上述結果與該區鉆井資料揭示的裂縫發育特征一致。

圖7 過N1S井的裂縫檢測剖面

圖8 過N12井的裂縫檢測剖面

圖9為本文方法裂縫預測平面圖及立體圖。由圖可見：N1S井位于灰色區域，表明裂縫不發育，N12井位于紅、黃色區域，表明裂縫發育；從裂縫發育的整體分布來看，本區裂縫大多分布在構造高點和工區北部地層褶皺破碎處，總體沿南北向展布，后期井位可布控在構造高點裂縫帶發育處。

圖9 本文方法裂縫預測平面圖(左)及立體圖(右)時窗范圍為h7上、下5ms，提取裂縫發育強度的平均值

4 結束語

基于標準差統計的窄方位疊前裂縫預測方法，通過提取各向異性與各向同性介質中的AVO特征差異效應進行疊前裂縫預測，適用于海上采集的窄方位地震資料，但預測的裂縫發育帶連續性差。本文引入基于網格聚類分析的裂縫融合分析方法，有效克服了該缺陷，可以準確地表征高角度裂縫發育帶的三維空間分布特征，在中國N區的實際應用效果較好。寬方位疊前裂縫預測方法可以更準確地獲得地下信息，但對于只有窄方位疊前地震數據的區域，本文方法可作為“寬方位”技術的一個補充，為利用海洋窄方位數據預測裂縫提供一種備選技術。