地震属性分类

目前地震属性分析技术发展迅速, 在油气田开发中应用广泛, 并起到越来越重要的作用。地震解释人员的目标就是从地震数据中获取更多的信息,并利用这些信息解释地下构造、地层、岩性和油气等特征,获得这些信息的一条途径就是获得地震属性。地震属性分析希望从地震数据中拾取隐藏在这些数据中的有关岩性和储层物性的信息, 从而加强地震数据在油田开发领域的应用。

随着地震勘探技术的进步,地震属性在石油勘探与开发各个环节中发挥的作用逐渐彰显,其与地球物理和地质特征之间的关系越来越 为人们所重视。目前地震属性技术已广泛应用于地震构造解释、地层分析、油藏特征描述以及油藏动态检测等各个领域,地震属性在油气勘探与开发中所发挥的作用也越来越大。

2.地震属性的定义 地震属性到现在还没有统一的定义, 引用较多有:“地震属性是地震资料的几何学、运动学、动力学及统计学特征的一种量度”[1]。 Landmark 公司对地震属性的定义是:“地震属性是一种描述和量化地震资料的特性,是原始地震资料中所包含全部信息的子集; 地震属性的求取是对地震数据进行分解,每一个地震属性都是地震数据的一个子集”。该定义强调了地震属性的提取过程。 笔者认为地震属性是指从地震数据中导出的, 与地震波几何学、运动学、动力学及统计特征有关的具体参数值, 包含地震数据的所有 信息。这些信息既可直接度量, 又可通过基于逻辑或实践的推理而得到。

3.地震属性分类 地震属性分类的目的是为了减少地震属性的冗余度、减少属性分析盲目性和提高属性预测计算效率。目前地震属性还没有建立一个公认、完整和统一的分类。比较流行的分类方法有以下几种。 1) 我国学术界较为流行的分类方法是从运动学与动力学的角度,将地震属性分为振幅、频率、相位、能量、波形、相关、衰减和比率等几大类。一般来说, 这些属性均具有明确的的物理意义和地质意义, 也在实际生产中得到了广泛的应用。 2) 按照属性拾取的方法可以分为剖面属性、时窗属性和体积属性三大类。剖面属性主要是指由特殊处理得到的剖面( 如三瞬剖面、波阻抗剖面等) 上的整体属性。时窗属性也称为层位属性或基于同相轴的属性, 它是从地震数据中提取一个与界面有关的小时窗范围内的统计特征属性, 这也是实际生产中应用得较多的一种属性提取方法。体积属性是从一个3D 数据体中产生的一个完整的3D 属性体, 这类属性能提供逐道之间地震信号相似性和连续性的有利信息, 如目前应用广泛的3D 相干数据体。

3) 20 世纪90 年代初Taner 等人提出的, 由地震属性的基本定义出发,将地震属性分为几何属性和物理属性。几何属性通常与波形及地震层位的几何形态(如同相轴中断、连续性、协调性、曲率等)有关,主要用于地震地层学、层序地层学和构造解释。物理属性包括运动学和动力学属性(振幅、频率、相位、纵横波速度、波阻抗、吸收系数、衰减等) , 主要用于岩性及储层特征解释。 4) 1996 年Brown 等人提出的,根据数据体来源不同将地震属性分为叠前属性与叠后属性[2]。输入数据是CDP 或是成像道集。它们有定向的( 方位角) 和偏移相关的信息, 这种计算产生了巨大的数据体, 因此在研究初始阶段并不实用。然而, 它们包括了大量与流体物质和断裂方向直接有关的信息。所有属性的AVO、速度和方位角变化都包括在这一类属性中。叠加是一个消除偏移与方位角相关信息的平均化过程。输入数据可以是叠加或偏移后的CDP。应该指出, 时间偏移数据将保持它们的时间关系, 因此, 时间上的变化, 例如频率, 也将保持它们的物理尺度。对于时间偏移剖面, 波数取代了频率( 波数是个产生速度和频率的函数) 。在最初勘查阶段, 叠后属性对于观测大量数据更具可管理性。对于详细的研究, 可以加入叠前属性。

5) 陈强(QuincyChen) 等人( 1997) 提出的基于储层特征的分类方法, 这种分类方法根据地震属性对储层特征( 如亮点与暗点、不整合圈闭、断块脊、含油气异常、薄储层、不连续性等) 的预测或识别, 将地震属性分为八类。见图3。该属性分类方法有利于人们根据所要研究的对象初选地震属性, 以减少属性计算的盲目性和随机性。 4.几种地震属性的提取和特征 地震属性的提取可分为两类,一类与地震反射波记录有关的参数称为地震波场参数; 另一类与地震波传播介质有关的参数称为地震介质参数,如吸收参数等。在地震记录上沿目的层段选取合适的时窗,可从中提取出下列地震属性。 4.1 振幅( 反射强度) 属性 振幅属性能直接反映反射系数( 波阻抗界面) 、AVO、储层孔隙中流体不同的变化、地层厚度、岩石成分、地层压力等。既可用来识别振幅异常或层序特征, 也可用来追踪地层学特征如三角洲河道或砂岩。另外,还可用于识别岩性变化、不整合。

在时间域可从波形函数f (t) 中可提取以下地震属性,见图4 。包括波峰相位时间: Tmax1、Tmax2 ,波谷相位时间: Tmin1、Tmin2 ,波峰波谷振幅(相对振幅) :A1 = A11 - A10、A2 = A21 - A20 ,相似系数,时域平均能量等。

振幅信息包含均方根振幅、平均绝对值振幅、最大波峰振幅、平均波峰振幅、最大波谷振幅、平均波谷振幅等。振幅异常通常与以下原因有关: ①有含油气的储层。②岩性、岩相发生了变化。③有含少量气的水层。④有裂缝和溶孔、溶洞存在。⑤有薄层发生的调谐作用。⑥偏移中的几何聚焦。 4.2 瞬时频率属性 对时间域的信息以所拾取的反射时间为中心,选取一时窗, 对地震信息作傅氏变换, 得对应的频谱。如图5。然后在一定的频带范围内[ fWL , fWH ]对能量求和,即计算这一频带范围内能量谱线下的面积。宽频带总能量QFW( i) 可表示为: 应用中, 可以根据具体情况来选择参数fWH 和fWL , 原则上是将不需要的频率成份排除在外。

频率域属性主要包括宽频带总能量、低频带能量、主频带能量、主频带能量百分比、平均频率、主频、主频振幅、主频相位和平均频率相位等。

瞬时频率定义为瞬时相位对时间的导数。瞬时频率是与各时间点有关的频率值, 经常用来估计地震振幅的衰减。大多数反射波都是由互相邻近的一些反射界面所引起的各个单独的反射波叠加在一起组成的, 瞬时频率能充分反映合成反射波的特征。 瞬时频率属性是波传播效应和沉积特征的响应, 其用途包括:①低频异常的烃类指示, 这种效应有时会因孔隙中含有石油的未 压实砂岩而更为明显;②可能的断裂区域指示;③地层厚度指示———高频指示薄层页岩类的明显界面, 低频更多地表示巨大的厚层几何体。 4.3 瞬时相位属性 瞬时相位表示在所选择点上各道的相位值, 以度或弧度表示。瞬时相位与以上两种地震属性不同, 它是根据地震波穿过不同地质体引起的相位变化来识别不同地质体间的边界。瞬时相位是非常敏感的地质属性, 通常它可以用来描述岩性尖灭、透镜体和小断裂等地质体的边界。显然在识别地质体边界时可能更灵敏。由于油气的存在经常引起相位的局部变化, 所以这一属性常和其他属性一起用作油气检测的指标之一; 也可以用于测定薄层的相位特征, 其横向变化与流体含量变化及薄层组合有关。由此可见位瞬时相 位能够:①很好地显示侧向一致性; ②用来计算相位速度; ③与波传播的相位分量有关; ④不包含振幅信息, 因此可以反映所有的地震同相轴;⑤地层元素的详尽可视化。 4.4 相干体地震属性 相干是多道地震数据间相似程度的一种度量, 能有力指示地层的非连续性。相干体是客观评价地震资料的数学工具, 它是计算时窗中心道和指定的相邻道的相关系数的数学方法。相干度越大, 其相似程度越高; 反之, 则表示相似程度越差。 相干体技术揭示了波场的空间变化情况, 直接从3D 地震数据体中定量地得到断层、河道以及其他的地质特征,不受任何解释误差的 影响,极大地提高了解释精度,并能得到很多通常被忽略的重要信息,因而很快得到了认可。 5.地震属性的优选 由于地震属性与所预测对象之间的关系复杂,不同工区和不同储层对所预测对象敏感的地震属性不完全相同,即使在同一工区、同一储层,预测对象不同,对应的敏感地震属性也有差异。因此有必要对所求问题敏感的地震属性进行选择。地震属性优选方法就是利用人的经验或数学方法,优选出对所求问题最敏感、最有效和最有代表性的属性个数的地震属性组合,从而改善与地震属性有关的处理及解释方法的效果。在选取时,一般应遵循以下几个原则:①优选后的地震属性集, 整体与研究对象具有某种相关性, 能够对样本进行有效分类。②达到地震属性结构的最优化, 以尽可能相互独立的变量组成尽可能低维的变量空间。③使有用信息损失最小, 剔除起干扰作用的属性。④要尽量选择有物理意义的属性, 这有利于建立储层物性与地震属性的关系。⑤应避免使用呈周期性变化的数据求和来确定地震属性。⑥在统计分析时反映相同物理意义的属性如振幅绝对值求和与均方根振幅不能同时出现在一个敏感属性集中。 地震属性选择的方法很多,主要有地震属性选择与地震属性降维映射两大类。 5.1 地震属性选择 从一个属性集中挑选出最有利于地震储层预测的属性子集的过程称为属性选择。主要方法如下。 5.1.1 专家知识优选法一般说来,油田专家对某个地区带有最多储层信息的地震属性是比较了解的,可凭经验进行地震属性选择。根据专家的知识挑选那些对储层预测最有影响的属性。有时专家能提出几种较优的特征或特征组合,这时需要通过其他一些数学方法来进一步确定哪一组最优。这种方法可用于大量的数据集, 进行快速“一目了然”式的解释, 或是应用在寻求特定条件之时。 5.1.2 RS 理论优选RS(Rough Set 或粗集)理论是波兰理工大学教授Z.Pawlak(1991)等提出的一个分析数据的数学理论,该理论无须提供除问题所需处理的数据集合之外的任何先验信息,仅根据观测数据即可删除冗余信息,比较不完整知识的程度,即粗糙度、属性间的依赖性与重要性,抽取分类规则等,所以基于RS 理论的地震属性优化方法较好。基于RS 理论具有对不完整数据进行分析、推理、发现数据间的关系、优化条件属性组合的能力,自组织神经网络具有较强的自组织能力,因此,RS 理论与自组织神经网

络结合起来的优化方法是比较适用于储层预测的地震属性优化方法,其决策分析框图

         在RS 理论的决策分析中,连续条件属性量化是制约RS 理论应用的关键问题。条件属性量化的最优化准则是:用最少的条件量化参数,使量化后的数据表相容。因此,选用自组织神经网络对条件属性进行分类,具体步骤如下:①用自组织神经网络方法对条件属性值进行分类,其分类结果即为该条件属性的量化结果; ②对井点的储层参数(如孔隙度值)进行分类,作为决策属性; ③选取井旁道中N 道的地震属性与决策属性组成决策表; ④采用RS 理论优选出地震属性个数最少的属性组合; ⑤用优选的地震属性组合进一步提取决策规则的核值。

5.2 地震属性降维映射通过映射或变换的方法, 把属性空间的高维(D)属性变为低维(d)属性,称为属性降维映射。一般情况下d