地震属性分析技术综述

【全文】地震属性分析技术综述

[摘要] 地震属性是从地震资料中提取的隐藏有用信息，因而地震属性分析技术近几年在油气勘探开发中得到了广泛的应用与研究。本文对地震属性分析技术的发展状况进行了归纳、总结，简单阐述了地震属性分析技术的在不同时期所用到的基本原理和方法。特别对新地震属性进行了具体介绍。最后对该技术进一步的研究工作进行了总结和展望。

摘要:在勘探和开发周期的各个阶段，地震资料在复杂油藏系统的解释过程中，扮演着至关重要的角色。然而，缺少一种有效地将地质知识应用于地震解释中的上具。随着一系列属性新技术的出现，对地震属性进行充分研究，就给地质家提供了快速地从三维地震数据中获得地质信息的能力。尤其在用常规解释手段难以识别日的储层的情况下，属性分析技术更是给地质上作人员指出了新的方向。

[关键词] 地震属性储层预测叠前数据叠后数据

关键词:储层;波形分析;地震属性

1.引言

地震属性是指叠前或叠后的地震数据经过数学变换而导出的有关地震波的几何形态、运动学特征、动力学特征和统计学特征的特殊度量值。地震属性的发展大致从20世纪60年代的直接烃类检测和亮点、暗点、平点技术开始，经历了70年代的瞬时属性(主要是振幅属性)和复数道分析，90年代的多维属性(特别是相干体属性)分析，21世纪的地震相分析等阶段[1一SJ。随着地震属性分析技术的发展与研究，该技术已广泛应用于储层预测、油气藏动态监测、油气藏特征描述等领域，并取得了很好的效果。总之，地震属性分析技术可以从地震资料中提取隐藏其中的多种有用信息，这为油气勘探与开发提供了丰富宝贵的资料，也为解决复杂地质体评价提供了实用的分析手段。因此，对该技术进行深人调查研究具有很强的现实意义。

地震属性是指从地震数据中导出的关于儿何学、运动学、动力学及统计特性的特殊度量值。它可包括时问属性、振幅属性、频率属性和吸收衰减属性，不同的属性可指示不同的地质现象。地震属性分析则是从地震资料中提取其中的有用信息，并结合钻井资料，从不同角度分析各种地震信息在纵向和横向上的变化，以揭示出原始地震剖面中不易被发现的地质异常现象及含油气情况。

地震属性分析技术的研究已由线、面信息扩展到三维体信息，从分类提取扰化发展为一项系统的应用技术。随着地震技术的日趋成熟，地震属性技术近儿年也发展迅速，其中有多属性联合解释技术、波形分析技术、吸收滤波技术等。应用地震属性分析技术去完善勘探生产中的油藏描述工作，已经成为油藏地球物理的核心内容。利用地震属性分析技术预测岩性和有利储集体，描述油藏特征及孔隙度变化，寻找难以发现的隐蔽油区，以至于监测流体运动和进行其它综合研究，一直是石油工作人员追求的目标。

1波形分析技术的研究与应用

通常的层段属性只是表示了某儿个地震信号的物理参数(振幅、相位、频率等)，但它们没有一个能够单独描述地震信号的异常，而地震信号的任何物理参数的变化总是对应着反映地震道形状的变化，所以，研究和分析地震资料中代表各种属性总体特征的地震道形状(波形)，应该能有非常不错的效果[，]。

1. 1波形分析技术的原理及处理过程

如果要将地震属性用于油藏特征描述，通常有2种方法：

1)层段属性的大量计算，井信息和沉积模型与属性成果图的匹配。在大多数情况下，根据经验，在20到50种图中，仅3到4种图具有相对明确的物理意义。

2)使用有效的井信息进行地震数据分类或地震反演。这里假设有效的井完全代表着所含的地质信息的差别，目_没有考虑其它地质相变化的存在。

上述常规的方法在处理过程中丢失了2个基本的信息:}X有地震信号的总体变化，用于处理的层段属性只是波形的某一特征值;C不能描述出地震信号变化的分布规律。没有地震信号的总体变化的知识，很难给出井位置的地震信号变化的可靠评估。例如，如果地质人员观察到砂泥岩比的重要变化，但不知道地震信号的总体变化与砂泥岩比的关系，那么就不能将此信息外推。

波形分析技术的原理就是采用道波形识别的神经网络技术。它利用神经网络对地震道形状进行分类，并把地震信号形状进行分类形成离散的“地震相”，得出与地质相相对应的地震相图，并与井曲线对比，根据井中的物性参数及测井曲线可进行岩性参数的实时标定和交匀_模拟，从而更详细地解释地震资料的地质内容(图1}。由于波形分析技术采用的技术基础是神经网络，所以它也有着严密的实现过程:

1)明确需要进行属性分析的目的层段，解释出控制目的层段的层位;

2)神经网络在地震目的层段内对实际地震道进行Ull练，通过儿次迭代之后，首先得到模型道，这些模型道的模板代表了在地震层段中整个区域内的地震信号形状的多样性;

3)将实际地震数据与训练形成的模型道进行对比，通过自适应试验和误差处理，合成道在每次迭代后被改变，在模型道和实际地震道之间寻找更好的相关。最后形成目的层段的地震相图以及用于质量控制的模型道与实际地震道之问的相关图;

4)根据J}中的物性参数及测J}曲线对地震相图进行校正，得出最终的结果。

以上方法形成的地震相图，通过观察图上颜色的分布，可以评估地震形状在所解释的区域的分布。主要特征得到之后，可以把精力集中在感兴趣的区域，以便获得更细致的图形。对应着波形分析技术的实现过程，再结合实际工作中的经验与规律，在具体应用该项技术时应该注意以下儿点:

1)在选择用于训练神经网络采样的数据量时，对于一个小的三维测区，比如小于300 x 300道，可以使用每一道数据。对于一个较大的测区，例如1 000 x 1 000道，抽稀道以减少计算时问，建议每4道抽1道处理。这样程序就每隔4道抽出1道去建立网络培训数据。如果问隔选的太大，比如超过10 x 10，那么一些重要的特征就会被忽略掉。

2)利用波形特征分析层段内的地震数据时，间隔的选取最好是大于1/ 2个相位，并小于150ms，太大的间隔会包含太多的模型，给解释带来困难，物理意义也不明确。

3)波形的分类数是指在整个感兴趣的层段内所遇到的地震道的种类数，较为理想的分类数是不容易定义的，一般至少计算3次去估计该参数。首先把层段厚度除以6作为第1次计算的分类数;把上次计算分类数的50%作为第2次计算的分类数;把第1次计算分类数的150%作为第3次计算的分类数。其次，正确的分类数应取决于所要研究的目标和对数据的了解程度，分类数大，结果过于详细;分类数小，结果过于粗糙;超过15} 20类，通常是很难解释的。在实际应用中，根据地震信号的复杂程度，间隔的大小以及对地震数据的认识程度等，一般情况下，分类数是在5} 15之问。

4)神经网络大约在10次迭代后就收敛到实际结果的80%，这对于快速浏览很方便有效。在实际应用中10} 20次迭代已确保较好的分类，但对于最终解释最好选用20 } 40次迭代，