基于機器學習的地震復合微相自動識別技術應用實踐

李帥?王宇

摘要：西湖凹陷斜坡帶平湖組砂體發育模式及分布規律不清限制了斜坡帶勘探開發評價進展。從基礎資料深入分析出發，井震結合明確“振幅－頻率－波形－反射外形”四個參數為地震復合微相描述敏感參數，在此基礎上依托BP神經網絡算法實現地震復合微相自動識別。明確斜坡帶水下分流河道、河口壩、潮汐砂壩及席狀砂等多類型砂體發育規律，為該區巖性油氣藏勘探提供理論支撐。

關鍵詞：地震復合微相；機器學習；自動識別

一、前言

西湖凹陷斜坡帶歷經四十年的勘探開發實踐，隨著構造圈閉的不斷減少及勘探思路的轉變，目前已全面轉入巖性油氣藏勘探新階段，斜坡帶多個油氣田的勘探開發實踐證實了圈閉有效性是該區成藏的主控要素。因此，如何有效識別、刻畫巖性圈閉砂體是目前斜坡帶平湖組巖性油氣藏勘探面臨的核心問題，已鉆井揭示了平湖組為一套三角洲－潮坪相的煤、泥、砂互層地層，研究區目的層整體埋深在3000-5000米，深層含煤層系限制了砂體地球物理預測精度，制約了巖性油氣藏勘探的進程。

前人針對平湖組儲層刻畫方法進行了一系列的研究，如相控儲層預測技術、地震多屬性的儲層預測技術，但均以地震沉積學為技術手段進行砂體展布預測，缺乏地質與地球物理的有機結合[1-2]。本次以儲層的沉積屬性預測為重點，地震復合微相是復合沉積微相在地震剖面上表現的總和，是由沉積環境所形成的地震特征，包括地震反射結構、地震微相單元形態與平面組合、地震反射振幅、地震反射頻率及同向軸連續性等特征的綜合響應。

地震復合微相識別技術是從已鉆井地球物理響應特征出發，建立地質模式控制到地球物理刻畫的技術思路流程，建立以單井微相定類型、井震結合定參數、復合微相定展布、精細刻畫定模式系統化的研究技術流程，并且依據神經網絡算法，構建基于機器學習的地震復合微相自動識別技術流程，在此基礎上梳理巖性圈閉發育模式及有利發育區帶，為該區巖性油氣藏評價提供技術支撐[3-4]。

二、區域地質概況

西湖凹陷屬于東海陸架盆地的二級構造單元，位于東海陸架盆地中北部，是晚白堊紀末期構造背景上發育的新生代沉積凹陷。凹陷呈NNE向展布，凹陷總體具有東斷西超的箕狀斷陷盆地特征。在構造上自西向東可以分為西部斜坡帶、中央背斜帶及東部斷階帶，根據構造-沉積特征西部斜坡帶自南向北為天臺斜坡、平湖斜坡和杭州斜坡。本次研究區位于平湖斜坡中部，處于受一系列反向斷層控制的反向斷槽區（見圖1）。

西湖凹陷基底之上，依次發育古新統，始新統八角亭組、寶石組、平湖組，漸新統花港組，中新統龍井組、玉泉組、柳浪組，上新統三潭組，更新統東海群。其間經歷了幾次重要的構造運動，分別是甌江運動、玉泉運動、花港運動、龍井運動和沖繩海槽運動，將凹陷劃分為斷陷期、拗陷期、構造反轉期和晚期區域沉降四個演化階段。本次研究主要目的層始新統平湖組沉積期，西湖凹陷東部受釣魚島隆褶帶不連續分割，形成了南部開口的半封閉環境，海水可間歇性侵入，平湖斜坡帶平湖組整體形成于緩坡、半封閉的淺水沉積背景，形成一套以三角洲－潮坪為背景的含煤碎屑巖地層。

三、沉積微相類型及砂巖特征

平湖組沉積期，斜坡帶物源主要來自西部海礁隆起區，多樣復合溝谷體系為斜坡帶沉積提供充足物源，溝谷水系控制斜坡帶三角洲展布，在平湖組半封閉地貌背景及小潮差影響下，平湖組表現為震蕩式的潮汐水體特征，三角洲砂體受潮汐改造形成了斜坡帶平湖組潮坪－潮汐改造型三角洲交互發育的沉積背景，奠定了平湖組成因復雜、類型多樣的砂體特征。

平湖組復雜沉積背景控制下，沉積微相類型多樣，以三角洲前緣水下分流河道、河口壩、席狀砂，潮坪相的潮道、潮汐砂壩、混合坪等微相類型為主。砂巖整體表現為河控及潮控兩種成因類型，從取芯特征來看，河控砂巖主要以塊狀層理、粒序層理、平行層理及礫石定向排列等為特征，部分巖心可見槽狀及板狀交錯層理。典型潮控砂巖取芯中可見羽狀交錯層理、人字形交錯層理及雙黏土層，反映了周期性雙向潮汐水流作用影響。從測井相特征來看，整體可分為鐘形、箱形、漏斗形及其復合形態，潮汐砂體受周期性水體影響，多發育憩水期泥質夾層，測井曲線齒化特征明顯，形成斜坡帶（水上）水下分流河道、河口壩、潮汐砂壩、潮道等，及復合類型的多樣復雜成因砂體類型。

四、地震復合微相描述參數優選

基于沉積微相劃分方案，不同微相類型砂泥巖組合特征差異較大，整體可劃分為厚層砂巖型、砂泥互層型、泥包砂巖型及厚層泥巖型等類型，結合各沉積微相的粒序演化特征，可按粒序劃分為向上變細的正韻律、向上變粗的反韻律及均質的塊狀砂巖。因此，從不同砂泥巖組合特征及不同粒序特征出發，總結不同沉積微相類型與地震反射的響應關系，建立地震復合微相描述的理論基礎[5-6]。

基于不同砂泥巖組合特征，通過增加泥巖隔層厚度，建立互層介質楔形模型，隨著泥巖隔層厚度的不斷增大，其砂泥巖組合由厚層砂巖向砂泥互層、泥包砂巖及富泥背景演化，本次在沉積微相認識基礎上以均勻塊狀砂體為參考，設計河道型砂體（正韻律）和砂壩型砂體（反韻律）正演模型，相較于均勻介質砂體，河道砂體波形上具有上寬下窄的特征。固定砂體類型，向薄、向厚兩個方向改變砂體厚度構建河道砂體楔形模型，通過模型正演分析，河道砂楔形體地震記錄的振幅以及瞬時頻率屬性均具有“頂低底高”的特征。

相較于均勻介質砂體，砂壩型砂體波形上具有上寬下窄的特征。固定砂體類型，向薄、向厚兩個方向改變砂體厚度構建砂壩型砂體楔形模型，通過模型正演分析，砂壩型楔形體地震記錄的振幅以及瞬時頻率屬性均具有“底低頂高”的特征（見圖2）。

正演結果表明，不同巖相砂體均具有波形、振幅和頻率對應的響應特征，可結合這三個參數進行巖相判斷。結合已鉆井實際標定結果和正演模擬，總結了河道型砂巖低頻－弱振幅－不連續短軸狀－非對稱波形的地震相特征，砂泥薄互層席狀砂高頻－強振幅－連續反射－單峰波性特征，疊置的河道型砂巖為低頻－弱振幅－下切反射－非對稱向上增強波形特征，疊置砂壩砂巖低頻－弱振幅－丘型反射－非對稱向上減弱波形特征，河道砂壩復合型砂巖低至高頻－強振幅－不連續反射－似對稱復波波形特征。

在正演模型分析基礎上，綜合已鉆井實踐，明確了“振幅－頻率－波形－反射外形”可作為反映巖性組合特征的地震復合微相描述參數，正演模型及已鉆井分析明確四參數為地震復合微相描述敏感參數。

五、地震復合微相描述及應用

在地震復合微相描述參數確定基礎上，一方面從單井復合微相解剖到骨干剖面地震復合微相精細解釋，最后實現平面地震復合微相解釋，建立了點－線－面三步人工識別技術流程。另一方面，在深入分析微相組合與描述參數半定量對應關系基礎上，建立了基于AI分析的神經網絡自主學習技術流程，實現地震復合微相自動化識別技術體系[7]。

（一）人工地震復合微相描述成果

單井正演及地震復合微相描述明確了不同砂泥巖組合特征地震響應差異，在此基礎上，結合已鉆井常見砂泥巖組合地震復合微相對應關系，實現由點到線，從單井地震復合微相到典型地震剖面復合微相識別。由井砂泥巖組合特征來看，可劃分為分流間灣微相為主的厚泥層、河道側緣及遠砂壩微相為主的厚泥夾薄砂組合類型、席狀砂類型為主的砂泥薄互層組合特征、（水下）分流河道微相類型為主的厚砂薄泥地層組合及砂壩微相類型為主的反韻律砂泥組合特征。綜合振幅－頻率－反射外形－波形四參數分析，梳理了不同砂泥巖組合類型控制下的中頻強振幅平行反射對稱波形地震相特征、低頻弱振幅下切型復波波形特征、高頻強振幅平行反射單峰波形特征、低頻弱振幅頂凸型非對稱波形反射特征及中頻弱振幅平行反射對稱波形反射特征五大類地震相組合特征及其剖面展布組合樣式（見圖3）。從地震復合微相剖面組合劃分結果與已鉆井實鉆砂泥巖組合特征較為吻合。

以典型地震剖面解釋為骨干格架，建立平面地震復合微相解釋網格，由線及面，實現地震復合微相平面特征刻畫。以P8層地震復合微相刻畫為例，低頻弱振幅復波平面呈條帶狀分布特征，低頻弱振幅頂凸型微相特征表現為孤立型砂壩特征。

綜合地震復合微相反應的沉積微相特征，由地震信息轉化為地質信息，實現地震復合微相約束下的沉積微相平面展布刻畫。以P8層為例，整體為潮汐改造型三角洲沉積背景，砂巖主要類型為水下分流河道砂巖、潮汐砂壩砂巖、席狀砂及分流間灣泥巖，水下分流河道測井曲線以鐘形及箱形為主，表現為厚砂薄泥的組合特征，地震復合微相為低頻弱振幅下切復波特征，整體受古地貌控制呈條帶狀展布。潮汐砂壩型砂巖表現為箱形及漏斗形測井特征。分流間灣微相主要為厚泥夾煤層組合（見圖4）。

（二）基于機器學習的地震復合微相自動識別

基于剖面解釋的砂體類型需在全剖面解釋的條件下才可投影到平面，過程繁雜且受限于解釋經驗。因此，基于地震波形對于砂體類型有敏感響應這一認識，通過波形聚類的方式開展不同類型砂體平面展布特征分析。波形聚類主要基于波形的相似性進行類別劃分，在沉積應用角度，需在聚類分析結束后，結合單井相進行同類合并，最終得到具有沉積相意義的分類結果。但是，方法屬于無監督的機器學習方法，即在機器進行聚類分析時無法進行約束，只能在得到的結果上進行后期二次分類。如果機器學習結果不理想，后續二次分類則無法有效開展。

通過以上分析，振幅、頻率、波形以及反射結構對于不同的砂體類型均有一定的響應特征。但是在不同巖性組合條件下，四種屬性所表達的響應特征趨于復雜，無法依靠線性關系找到明顯的統計規律。同時，結合波形聚類分析方法應用，發現無監督的機器學習存在單井相不吻合，地質意義指示不清的現象。因此，本節結合單井相劃分進行機器學習，通過屬性非線性組合識別不同類型砂體，同時基于監督（單井相約束）學習使結果更具有地質意義。

以目標區P8井為例，對研究區各探井單砂體進行微相識別，定義間灣泥為1、砂壩為2、復合砂體為3、河道砂體為4，制作基于巖相劃分的方波化曲線。在此基礎上，通過BP神經網絡方法，以振幅、頻率、波形以及反射特征四種屬性為輸入，以微相劃分曲線為輸出，訓練隱藏層非線性函數關系。最終，將該函數關系應用到整個研究區，得到地震復合微相體（見圖5）。

六、結語

基于井震結合，明確了地震復合微相描述的敏感參數，指出地震振幅、頻率、波形及反射外形為敏感參數，奠定地震復合微相描述的理論基礎。

初步形成了點、線、面人工地震復合微相識別技術流程，并且基于機器學習實現地震復合微相自動識別技術流程體系。

在地震復合微相識別基礎上，厘定了目標區不同沉積微相類型及展布模式，奠定目標區巖性油氣藏勘探的理論基礎。

參考文獻

[1]張蘭，汪文基，何賢科，等.東海西湖凹陷平湖組富煤環境相控儲層預測技術[J].現代地質，2019，33（02）：337-344.

[2]薛紅濤，劉娟，李文龍.地震復合微相描述技術在烏石深層儲層刻畫中的應用[J].石化技術，2022，29（12）：142-144.

[3]郭勛.地震相分析技術在白音查干凹陷扎木次洼地區騰下段的應用[J].石化技術，2019，26（04）：112+126.

[4]鄧吉鋒，周東紅，杜曉峰，等.基于地震——復合微相分析砂體描述技術研究及應用[J].斷塊油氣田，2013，20（01）：55-58.

[5]黃捍東，張建軍，劉偉，等.地震相控混沌反演在巖性油氣藏儲層預測中的應用——以RY坳陷M井區為例[J].CT理論與應用研究，2019，28（05）：549-557.

[6]孔令輝，凌濤，葉青，等.地震相分析在沉積相研究中的應用[J].復雜油氣藏，2019，12（02）：36-40.

[7]鐘瑋，田偉秀，唐璇.歧口凹陷歧北斜坡遠岸重力流湖底扇沉積的地震相特征[J].城市地質，2019，14（02）：111-116.

責任編輯：張津平、尚丹