閆安菊 ，閻建國(guó)，2 ，全紫荊 ，高 雪 ，牛立群，張 薇

（1.成都理工大學(xué) 地球物理學(xué)院，四川 成都 610059；2.成都理工大學(xué) 地球探測(cè)與信息技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，四川 成都 610059）

0 前言

地震相分析是地震資料解釋的一項(xiàng)重要方法技術(shù)，在沉積相分析和儲(chǔ)層預(yù)測(cè)等方面有著廣泛地應(yīng)用。隨著地震勘探的不斷發(fā)展，我們可以利用更多的地震信息，并從體～面～線(xiàn)等方面全面地進(jìn)行地震相分析，這對(duì)于提高地震相分析的精度和擴(kuò)大地震相分析的應(yīng)用范圍具有重要意義。

現(xiàn)在工業(yè)界常用的Stratimagic軟件，提供了三類(lèi)不同劃相分類(lèi)技術(shù)［1］：

（1）基于地震道（Trace）的波形形狀神經(jīng)網(wǎng)絡(luò)地震相分類(lèi)劃相。

（2）基于圖（Map）的地震屬性圖的神經(jīng)網(wǎng)絡(luò)及模糊聚類(lèi)地震相分類(lèi)劃相。

（3）基于地震數(shù)據(jù)體的多屬性分級(jí)分類(lèi)地震相體劃相。

這些技術(shù)從輸入的地震屬性到具體的分類(lèi)技術(shù)以及劃相分類(lèi)所針對(duì)的地震數(shù)據(jù)都有所不同，因而它們的適用范圍和使用原則也顯然有所區(qū)別。本文作者在前人研究的基礎(chǔ)上，通過(guò)具體使用Stratimagic軟件的各種分類(lèi)方法并仔細(xì)對(duì)比各種方法結(jié)果后認(rèn)為：

（1）基于地震道的地震波形分類(lèi)技術(shù)，應(yīng)作為反映儲(chǔ)層層段內(nèi)儲(chǔ)層地震響應(yīng)特征整體變化的主要方法。

（2）圖分類(lèi)技術(shù)是在地震屬性平面圖基礎(chǔ)上得到的分類(lèi)結(jié)果。

（3）體劃相技術(shù)可以得到儲(chǔ)層段內(nèi)每一個(gè)樣點(diǎn)分類(lèi)值，同時(shí)反映了地震相的縱向和橫向變化，具有較大的應(yīng)用價(jià)值。

作者在本文中，通過(guò)對(duì)實(shí)際資料的實(shí)例分析，說(shuō)明了上述三種分類(lèi)技術(shù)的特點(diǎn)和作用，得出了有關(guān)結(jié)論，為今后利用Stratimagic軟件進(jìn)行地震相分析提供了重要參考價(jià)值。

1 三種分類(lèi)技術(shù)的方法原理

自組織神經(jīng)網(wǎng)絡(luò)分類(lèi)是Stratimagic軟件中最主要的分類(lèi)方法，只是各分類(lèi)方法所輸入屬性數(shù)據(jù)體不同。具體分類(lèi)理論如下所述。

1.1 自組織神經(jīng)網(wǎng)絡(luò)分類(lèi)方法及參數(shù)選擇

自組織神經(jīng)網(wǎng)絡(luò)是一種具有自學(xué)習(xí)功能的神經(jīng)網(wǎng)絡(luò)，由兩層組成。輸入層中神經(jīng)元在一維空間中排列，而輸出層的神經(jīng)元可以是多維的，并且輸出節(jié)點(diǎn)與鄰域的其它節(jié)點(diǎn)廣泛互連。神經(jīng)網(wǎng)絡(luò)在地震層段內(nèi)對(duì)實(shí)際地震道進(jìn)行訓(xùn)練，通過(guò)幾次迭代之后，神經(jīng)網(wǎng)絡(luò)構(gòu)造合成地震道，然后與實(shí)際地震數(shù)據(jù)進(jìn)行對(duì)比，通過(guò)自適應(yīng)試驗(yàn)和誤差處理，合成道在每次迭代后被改變，在模型道和實(shí)際地震道之間尋找更好的相關(guān)。與聚類(lèi)模式不同的是，其分類(lèi)的數(shù)量并不嚴(yán)格，模型道與其相鄰道具有較高的相關(guān)性［2］。

在利用Stratimagic軟件進(jìn)行地震相分析時(shí)，對(duì)地震相劃分結(jié)果起重要作用的主要有三個(gè)參數(shù)，即①選擇interval層段的大小；②波形分類(lèi)數(shù)；③迭代次數(shù)［3～5］。

（1）Interval層段時(shí)窗選擇的原則。Interval層段是在以?xún)蓚€(gè)層位之間，或某個(gè)層位加上限、下限范圍的地震數(shù)據(jù)的集合。對(duì)于等厚時(shí)窗Interval層段的選取，最好是大于半個(gè)相位，并小于150ms。因?yàn)樘蟮腎nterval層段會(huì)包含太多的模型，給解釋帶來(lái)困難，物理意義也不明確。而對(duì)于非等厚時(shí)窗的選擇，可以選取主要目的層段或頂?shù)捉缑娼nterval層段。

（2）波形分類(lèi)數(shù)的選取原則。波形分類(lèi)數(shù)是指在整個(gè)感興趣的層段內(nèi)所遇到的地震道的種類(lèi)數(shù)，較為理想的分類(lèi)數(shù)是不容易定義的，建議至少計(jì)算三次去估計(jì)該參數(shù)。粗略且實(shí)用的估計(jì)方法有：①把層段厚度除以“6”，作為第一次計(jì)算的分類(lèi)數(shù)；②把上次計(jì)算分類(lèi)數(shù)的50%，作為第二次計(jì)算的分類(lèi)數(shù)；③把第一次計(jì)算分類(lèi)數(shù)的150%，作為第三次計(jì)算的分類(lèi)數(shù)。

正確的分類(lèi)數(shù)應(yīng)取決于所要研究的目標(biāo)和對(duì)數(shù)據(jù)的了解程度，分類(lèi)數(shù)大，結(jié)果過(guò)于詳細(xì)；分類(lèi)數(shù)小，結(jié)果過(guò)于粗糙。在一般情況下，①分類(lèi)數(shù)是在5～30之間；②分類(lèi)數(shù)不能超過(guò)層段樣點(diǎn)數(shù)的一倍；③超過(guò)15類(lèi)～20類(lèi)，通常是很難管理和解釋的。

（3）迭代次數(shù)的選取原則。迭代次數(shù)是神經(jīng)網(wǎng)絡(luò)方法中的一個(gè)重要參數(shù)，通常情況下，神經(jīng)網(wǎng)絡(luò)大約在10次迭代后就收斂到實(shí)際結(jié)果的80%，這對(duì)于快速瀏覽以下很方便有效。在實(shí)際應(yīng)用中，10 次～20次迭代已確保較好的分類(lèi)，但對(duì)于最終解釋最好選用20次～40次迭代，以保證網(wǎng)絡(luò)收斂最佳。

分類(lèi)數(shù)和迭代次數(shù)選取是否合理，可以利用模型道的交會(huì)圖和模型道之間的差異性進(jìn)行分析。圖1是處理后的模型道波形圖。圖2（見(jiàn)下頁(yè)）是其對(duì)應(yīng)的交會(huì)圖。一般來(lái)講，交會(huì)圖（見(jiàn)圖2）中各類(lèi)的分布近似于圓形或半橢圓、且各類(lèi)分布均勻、各模型道之間的差異保持恒定（即模型道下紅色線(xiàn)為直線(xiàn)），此時(shí)表明分類(lèi)數(shù)和迭代次數(shù)合理。

1.2 三種分類(lèi)方法的工作流程

1.2.1 道（Trace）分類(lèi)模式

道（Trace）分類(lèi)模式是從單一或多元地震數(shù)據(jù)體中對(duì)道形態(tài)的數(shù)據(jù)分類(lèi)［6］。

Stratimagic使用自組織神經(jīng)網(wǎng)絡(luò)算法劃分地震相就是基于地震道的波形狀變化情況，將地震數(shù)據(jù)樣點(diǎn)值的變化轉(zhuǎn)換成地震道形狀的變化來(lái)進(jìn)行分類(lèi)處理的。大多數(shù)情況下是按照地震道的形狀進(jìn)行分類(lèi)，層段可以是一個(gè)等厚或非等厚層段，地震體也可以是振幅、相位、頻率或者其它的加載到Stratimagic中的數(shù)字化屬性數(shù)據(jù)，如波阻抗或孔隙度剖面等。

圖1 模型道波形圖Fig.1 The waveform model picture

圖2 分類(lèi)交會(huì)圖Fig.2 The crossplot of classification

地震相處理遵循下列工作流程：

（1）創(chuàng)建一個(gè)層段。

（2）從層段中建立地震道的神經(jīng)網(wǎng)絡(luò)培訓(xùn)數(shù)據(jù)。

（3）如果需要的話(huà)，對(duì)模型道進(jìn)行分析并對(duì)上一步再迭代。

（4）按模型道對(duì)實(shí)際數(shù)據(jù)進(jìn)行分類(lèi)。

（5）用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行分類(lèi)處理的檢驗(yàn)。

（6）若需要，進(jìn)一步迭代。

1.2.2 圖（Map）分類(lèi)模式

圖（Map）分類(lèi)模式是從多元屬性中對(duì)數(shù)據(jù)進(jìn)行分類(lèi)。

該技術(shù)方法是在一個(gè)層段內(nèi)調(diào)查地震信號(hào)的變化性的另一種方法，它使用屬性圖（如層、層段屬性和地震相）。其主要輸入數(shù)據(jù)的類(lèi)型包括層段屬性、層位屬性、沿層屬性，以及其它模式分類(lèi)的結(jié)果圖。該技術(shù)既可用于等厚層段，又可用于非等厚層段，其多屬性地震相圖劃分流程（MAFM）如下：

（1）創(chuàng)建一個(gè)層段（可變厚度或等厚度），計(jì)算層段屬性和與之相關(guān)聯(lián)的層位屬性。

（2）如果你想包含一個(gè)等厚地震相作為屬性之一，計(jì)算一下地震相。

（3）使用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)已選擇的屬性進(jìn)行分類(lèi)。（4）劃分結(jié)果的檢驗(yàn)。

（5）若需要，使用不同的參數(shù)（屬性、層段、分組數(shù)）進(jìn)行進(jìn)一步迭代。

1.2.3 體（Block）分類(lèi)模式

體（Block）分類(lèi)模式是從多元三維數(shù)據(jù)體中對(duì)樣品數(shù)進(jìn)行分類(lèi)［7］。

地震相體分析技術(shù)即可以用于單一屬性體，也可以用于多屬性體的地震相分析，其結(jié)果是一個(gè)單一的3D 地震相體，即每一個(gè)采樣點(diǎn)都被賦予了一個(gè)類(lèi)別數(shù)和顏色。它主要輸入數(shù)據(jù)的類(lèi)型包括原始三維數(shù)據(jù)體和三維數(shù)據(jù)體的衍生屬性（例如瞬時(shí)振幅、瞬時(shí)頻率、瞬時(shí)相位、波阻抗、泊松比、截距、梯度等疊前和疊后三維屬性體）。由于地震相體本身只說(shuō)明了某種或某幾種地震信號(hào)的異常情況，要賦予其地質(zhì)意義需要有更多的地質(zhì)信息，主要是井的信息。因此，在整個(gè)地震相體分析方法流程中，地震相結(jié)果的解釋和與井的標(biāo)定是十分重要的。其基本工作流程是：

（1）創(chuàng)建一個(gè)數(shù)據(jù)體（block）。

（2）單屬性或多屬性體的的輸入。

（3）用主成份分析優(yōu)化屬性，從而確定其最佳分類(lèi)數(shù)，迭代次數(shù)。

（4）使用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)已選擇的屬性進(jìn)行分類(lèi)檢驗(yàn)。

（5）對(duì)生成的地震相體做沿層或等時(shí)切片。

（6）觀(guān)察其切片來(lái)做地震相圖的解釋。

2 三種分類(lèi)模式各自的特點(diǎn)和應(yīng)用條件

地震相是沉積相在地震剖面上的映射，它是指有一定分布范圍的三維地震反射單元，其地震參數(shù)如反射結(jié)構(gòu)、幾何外形、振幅、頻率、相位、連續(xù)性和層速度，皆與相鄰單元不同［8～11］。它代表產(chǎn)生其反射的沉積物的一定巖性組合、層理和沉積特征。

（1）道（Trace）分類(lèi)利用的是波形結(jié)構(gòu)進(jìn)行分類(lèi)。波形結(jié)構(gòu)與沉積地震厚度、反射結(jié)構(gòu)、反射振幅、物性等密切相關(guān)，能夠較好地反映地震相。通過(guò)波形的變化來(lái)區(qū)分不同沉積相帶，適合較大范圍以及大的沉積相帶的劃分，其主要影響因素是分類(lèi)數(shù)的確定以及地震資料的品質(zhì)。

（2）圖（Map）分類(lèi)的輸入是地震數(shù)據(jù)經(jīng)過(guò)數(shù)學(xué)變換獲得的地震屬性。屬性與地層的巖性相關(guān)，巖性的變化主要通過(guò)波阻抗差異的變化表現(xiàn)出來(lái)，因而主要說(shuō)明不同相帶內(nèi)的巖性不同。當(dāng)Map模式輸入數(shù)據(jù)為層段屬性時(shí)，具有統(tǒng)計(jì)特征，分類(lèi)結(jié)果可能與Trace模式分類(lèi)結(jié)果有一定的可比性，也可能存在差異，其原因在于相同的層段內(nèi)不同的波形可能對(duì)應(yīng)著相同的層段屬性，或者即使波形相似，而屬性值也存在顯著差異。

（3）體（Block）分類(lèi)主要是給每個(gè)地震采樣點(diǎn)都分配一個(gè)地震相分類(lèi)數(shù)值和顏色，實(shí)現(xiàn)縱向和橫向地震相同時(shí)劃相分析，也主要是跟巖性相關(guān)。這對(duì)于了解巖相、沉積相、地層或儲(chǔ)層特征的三維分布具有重要的意義。

3 實(shí)例分析

為了驗(yàn)證上述方法的有效性，作者對(duì)BKQ 地區(qū)實(shí)際資料進(jìn)行了處理。根據(jù)研究工區(qū)現(xiàn)有物性資料，二疊系夏子街組儲(chǔ)層主要是砂礫巖，平均孔隙度為11.1%。根據(jù)電性、沉積及地震響應(yīng)特征可劃分為兩段，自上而下分別為夏子街組二段（P2x2）和夏子街組一段（P2x1）。各種分類(lèi)結(jié)果分析如下。

3.1 道劃相和圖劃相結(jié)果的對(duì)比

我們以夏子街的二段建立了目標(biāo)分析層段，時(shí)窗大小約100ms。分類(lèi)模式在劃分的時(shí)候均采用的是神經(jīng)網(wǎng)絡(luò)算法，選取的分類(lèi)數(shù)為10，迭代次數(shù)為30，樣點(diǎn)數(shù)4＊4。

（1）通過(guò)對(duì)單屬性trace分類(lèi)的結(jié)果圖和相關(guān)圖的分析可知，在上述層段，選用原始振幅數(shù)據(jù)體，采用神經(jīng)網(wǎng)絡(luò)劃分的trace地震相圖和相關(guān)圖分別如圖3和下頁(yè)圖4所示。

圖3中白色虛線(xiàn)框內(nèi)的波形特征與研究區(qū)中其它地方波形分類(lèi)平面分布有顯著差異，結(jié)合根據(jù)測(cè)井資料中井的信息的標(biāo)定，可推知白色虛線(xiàn)框內(nèi)為研究區(qū)中有利儲(chǔ)層的平面展布，即落在第5和第6類(lèi)。

在圖4中與圖3中白色虛框區(qū)域內(nèi)的相關(guān)系數(shù)達(dá)到了90%以上，即圖中深藍(lán)色所示。表明波形分類(lèi)后的模型道和實(shí)際道的相關(guān)性很高。

（2）通過(guò)在同一層段下，對(duì)單屬性的map分類(lèi)分析可知，圖5（見(jiàn)下頁(yè)）是直接提取層間屬性—樣點(diǎn)振幅下的平均值后的層間屬性圖，圖6（見(jiàn)下頁(yè)）是圖5中的這一層間屬性作為map分類(lèi)的輸入后經(jīng)過(guò)map分類(lèi)所得到的圖。

因?yàn)榈卣饘傩允嵌喾N復(fù)雜地質(zhì)因素或參數(shù)的綜合反映，利用地震屬性來(lái)解析地質(zhì)參數(shù)問(wèn)題是一個(gè)由果求因的過(guò)程，其多解性和復(fù)雜性是顯而易見(jiàn)的，特別是單一地震屬性在進(jìn)行儲(chǔ)層預(yù)測(cè)時(shí)多解性強(qiáng)。根據(jù)已知資料分析，下頁(yè)圖5所得結(jié)果對(duì)實(shí)際情況的反映不如圖3。

圖3 道分類(lèi)后地震相圖Fig.3 Traces classification map

另外，對(duì)比圖6與圖5可以發(fā)現(xiàn)，展布規(guī)律大致相同，說(shuō)明map分類(lèi)模式所得結(jié)果與原始屬性圖類(lèi)似，雖具有統(tǒng)計(jì)性，但意義不大。

3.2 體劃相和圖劃相的結(jié)果對(duì)比

在同一層段下，用原始振幅數(shù)據(jù)體做block分類(lèi)后沿頂層做的切片和沿頂層提取的振幅屬性所做的map分類(lèi)結(jié)果，分別如圖7 和圖8 所示。

圖7是體劃相后沿層段頂層切片的結(jié)果。

圖8是沿同一位置提取屬性后再經(jīng)圖分類(lèi)后的結(jié)果。

通過(guò)對(duì)比分析圖7與圖8表明，在輸入數(shù)據(jù)的位置、類(lèi)型、分類(lèi)方法、分類(lèi)數(shù)相同的情況下，采用block和map兩種模式獲得的平面展布規(guī)律一致，即map模式僅僅是Block模式分類(lèi)的一個(gè)特例。

3.3 三種分類(lèi)模式各自在儲(chǔ)層預(yù)測(cè)中的作用

從前面的原理特點(diǎn)以及應(yīng)用實(shí)際分析表明，trace分類(lèi)對(duì)地震相的劃分是一個(gè)較為有利的方法，block模式輸入反應(yīng)儲(chǔ)層的物性特征參數(shù)，例如（振幅，頻率，吸收屬性，阻抗等）其分類(lèi)結(jié)果僅僅是一個(gè)分類(lèi)數(shù)，不具備直觀(guān)的地質(zhì)意義，需要根據(jù)建立的準(zhǔn)則制定每類(lèi)的地質(zhì)含義以及與儲(chǔ)層的關(guān)系?？紤]到輸入屬性的種類(lèi)、特點(diǎn)，準(zhǔn)則的建立可以通過(guò)數(shù)值模擬正演、測(cè)井分析、井旁地震道分析等單一的或綜合的手段，將分類(lèi)結(jié)果與儲(chǔ)層聯(lián)系起來(lái)，從而實(shí)現(xiàn)儲(chǔ)層或流體的橫向展布檢測(cè)，三種分類(lèi)模式在儲(chǔ)層預(yù)測(cè)中的應(yīng)用流程如下頁(yè)圖9所示。

3.4 提取振幅屬性做的block分類(lèi)以及反演的結(jié)果和原始剖面對(duì)比

為了分析體分類(lèi)方法在儲(chǔ)層預(yù)測(cè)中的作用，作者將體劃相分類(lèi)結(jié)果與波阻抗反演結(jié)果進(jìn)行分析對(duì)比。圖10為原始地震剖面，含油層段位于井徑上紅色標(biāo)注段。

圖11對(duì)應(yīng)為體分類(lèi)后的剖面圖。

圖12（見(jiàn)下頁(yè)）為同一層段過(guò)井的波阻抗反演剖面。

經(jīng)對(duì)比分析可以看出：圖11所示體分類(lèi)結(jié)果基本保持了圖10所示的原始地震反射的特征；而與圖12所示的波阻抗反演結(jié)果略有差異。因此，在儲(chǔ)層預(yù)測(cè)時(shí)針對(duì)不同問(wèn)題兩者可以互為參考，但不能代替。

4 認(rèn)識(shí)和結(jié)論

（1）在同一層段下，采用神經(jīng)網(wǎng)絡(luò)方法，選用不同屬性的時(shí)候，trace模式分類(lèi)利用了波形結(jié)構(gòu)的特征，相對(duì)于map模式和Block模式而言，效果較好。

（2）在輸入數(shù)據(jù)的位置、類(lèi)型、分類(lèi)方法、分類(lèi)數(shù)相同的情況下，由Block 和map 模式分類(lèi)結(jié)果是相同的，即map模式僅僅是Block 模式分類(lèi)的一個(gè)特例。

（3）將用單屬性所做的block后的分類(lèi)圖，以及反演所得到的結(jié)果圖和原始剖面對(duì)比，發(fā)現(xiàn)體化相基本保持了原始的地震反射的特征，而反演后的結(jié)果則反映波阻抗的變化，兩者區(qū)別較大，不能相互代替。

［1］王翠華，韓德貴，李志榮.人工神經(jīng)網(wǎng)絡(luò)在地震相劃分中的應(yīng)用［J］.南方油氣地質(zhì)，1995，1（4）：47.

［2］趙政璋，趙賢正，王英民，等.儲(chǔ)層地震預(yù)測(cè)理論與實(shí)踐［M］.北京：科學(xué)出版社，2005.

［3］鄧傳偉.利用波形建立地震相［J］.石油地球物理勘探，2004，39（5）：539.

［4］帕拉代姆地球物理公司北京辦事處.Stratimagic：地震相分析軟件介紹及培訓(xùn)教材［D］.北京：帕拉代姆地球物理公司北京辦事處，2003.

［5］樂(lè)友喜，楊麗.儲(chǔ)層地震預(yù)測(cè)基礎(chǔ)理論方法研究［J］.天然氣地球科學(xué)，2009（4）：563.

［6］朱劍兵，趙培坤.國(guó)外地震相劃分技術(shù)研究新進(jìn)展［J］.勘探地球物理進(jìn)展，2009（3）：167.

［7］朱強(qiáng)，閻建國(guó)，程謙，等.基于多屬性數(shù)據(jù)體的三維地震相體分析技術(shù)［J］.物探化探計(jì)算技術(shù)，2010，32（1）：72.

［8］趙力民，郎曉玲，金鳳鳴，等.波形分類(lèi)技術(shù)在隱蔽油藏預(yù)測(cè)中的應(yīng)用［J］.石油勘探與開(kāi)發(fā)，2001，28（6）：53.

［9］王永剛，樂(lè)友喜，劉偉，等.地震屬性與儲(chǔ)層特征的相關(guān)性研究［J］.石油大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，（1）：26.

［10］高君，王建民，云美厚，等.地震屬性?xún)?yōu)化及其在儲(chǔ)層預(yù)測(cè)中的應(yīng)用［J］.應(yīng)用地球物理（英文版），2006（4）：243.

［11］ZENG HONG LU.Seismic geomorphology－based facies classification［J］.The Leading Edge，2004，23（7）：644.