丁 峰 胡光義 尹 成 范廷恩 羅浩然 張 棟

(1.西南石油大學(xué)地球科學(xué)與技術(shù)學(xué)院 四川成都 610500； 2.海洋石油高效開發(fā)國家重點(diǎn)實(shí)驗(yàn)室 北京 100028；3.中海油研究總院有限責(zé)任公司 北京 100028)

油田勘探開發(fā)初期僅靠井眼資料的“一孔之見”無法準(zhǔn)確認(rèn)識(shí)儲(chǔ)層疊置關(guān)系和沉積相平面展布特征,因此地震相預(yù)測(cè)方法應(yīng)運(yùn)而生，該方法是在地震地層單元內(nèi)部提取和分析地震特征參數(shù)，結(jié)合測(cè)井和其他地質(zhì)資料，對(duì)地震相單元進(jìn)行識(shí)別和成圖，通過一定的技術(shù)方法和解釋手段將地震相轉(zhuǎn)換到沉積相，以此作為研究生、儲(chǔ)、蓋組合及油氣分布規(guī)律的依據(jù)[1]。地震相預(yù)測(cè)的關(guān)鍵在于對(duì)地震反射模式進(jìn)行準(zhǔn)確的劃分。傳統(tǒng)的劃分方法稱為“相面法”，即通過肉眼觀察將具有相似特征的地震反射模式歸為一類[2]，這種方法費(fèi)時(shí)費(fèi)工，主觀性強(qiáng)，不利于識(shí)別地震剖面上不突出的異常反射特征。Love 等[3]提出使用地震結(jié)構(gòu)屬性來劃分地震反射模式，但當(dāng)時(shí)提取地震結(jié)構(gòu)屬性的方法還不成熟，劃分結(jié)果受限于地震資料的信噪比。后來，人們將神經(jīng)網(wǎng)絡(luò)技術(shù)引入到地震反射模式的劃分中來，進(jìn)一步提高了地震反射模式劃分的精度。

目前有2種神經(jīng)網(wǎng)絡(luò)地震反射模式預(yù)測(cè)技術(shù)較為流行。一種是基于地震波形分類的地震反射模式預(yù)測(cè)技術(shù)，主要利用自組織特征映射(SOFM)神經(jīng)網(wǎng)絡(luò)對(duì)地震道波形及其反映的地質(zhì)特征進(jìn)行自動(dòng)識(shí)別和分類，從而完成地震反射模式預(yù)測(cè)。該技術(shù)存在一些缺點(diǎn)難以克服：①需要人為預(yù)先設(shè)定地震反射模式的分類數(shù)，這往往會(huì)導(dǎo)致分類數(shù)設(shè)定不準(zhǔn)確，一般需要多次計(jì)算來估算該參數(shù)；②需要多次(通常數(shù)十次)迭代運(yùn)算才能使分類結(jié)果收斂于準(zhǔn)確的結(jié)果；③分類結(jié)果地質(zhì)意義不明確，還需要結(jié)合鉆井、地質(zhì)等資料進(jìn)行進(jìn)一步解釋，工作量巨大且過于依賴工作人員的個(gè)人能力[4]。另一種是基于地震屬性和多層感知器(MLP)神經(jīng)網(wǎng)絡(luò)的地震反射模式預(yù)測(cè)技術(shù)，利用地震屬性中豐富的地層結(jié)構(gòu)、巖性和物性等信息來驅(qū)動(dòng)多層感知器神經(jīng)網(wǎng)絡(luò)，可在鉆井有限的情況下對(duì)研究區(qū)的地震反射模式進(jìn)行比較準(zhǔn)確的預(yù)測(cè)。但是該技術(shù)同樣存在一些缺陷：①收斂速度慢，耗費(fèi)大量的計(jì)算時(shí)間；②將現(xiàn)有的監(jiān)督信息分成幾種類型，一次性將儲(chǔ)層的地震反射模式預(yù)測(cè)出來，往往出現(xiàn)分類不準(zhǔn)確的情況[5-6]。

本文提出了一種基于地質(zhì)信息約束的概率神經(jīng)網(wǎng)絡(luò)地震反射模式預(yù)測(cè)方法，建立了有監(jiān)督的地震反射模式預(yù)測(cè)技術(shù)流程，并在渤海秦皇島32-6油田某河流相儲(chǔ)層地震模式預(yù)測(cè)中進(jìn)行了應(yīng)用，取得了良好的效果。

1 基于地質(zhì)信息約束的概率神經(jīng)網(wǎng)絡(luò)地震反射模式預(yù)測(cè)技術(shù)流程

針對(duì)現(xiàn)有技術(shù)的缺點(diǎn)，提出了基于地質(zhì)信息約束的概率神經(jīng)網(wǎng)絡(luò)地震反射模式預(yù)測(cè)方法，其技術(shù)流程見圖1。本文方法具有以下優(yōu)點(diǎn)：①利用計(jì)算效率高且可監(jiān)督的概率神經(jīng)網(wǎng)絡(luò)作為模式預(yù)測(cè)工具，解決了現(xiàn)有技術(shù)計(jì)算速度慢、無監(jiān)督等問題；②構(gòu)建地質(zhì)信息庫，利用地質(zhì)-地震模式轉(zhuǎn)換技術(shù)形成約束條件；③基于地震尺度的監(jiān)督信息加入到地震反射模式的識(shí)別當(dāng)中，使得預(yù)測(cè)結(jié)果更加準(zhǔn)確且具有明確的地質(zhì)意義；④分步式、智能化地拾取可分辨的地震反射模式，能夠在地震尺度范圍內(nèi)對(duì)儲(chǔ)層地震反射模式進(jìn)行充分的預(yù)測(cè)。具體實(shí)現(xiàn)步驟如下。

1) 資料評(píng)估，包括地質(zhì)、測(cè)井和地震資料的評(píng)估。地質(zhì)資料評(píng)估是為了了解工區(qū)的地質(zhì)概況，對(duì)其沉積演化史和巖性資料有所認(rèn)識(shí)，在對(duì)這些資料充分評(píng)估后便可建立地質(zhì)信息知識(shí)庫；測(cè)井資料評(píng)估主要是了解和統(tǒng)計(jì)每口井在目的層段的測(cè)井響應(yīng)特征和儲(chǔ)層參數(shù)；地震資料評(píng)估主要是拾取資料的信噪比和分辨率，以確定后續(xù)提取的地震屬性所能反映的儲(chǔ)層特征的大致趨勢(shì)和能分辨的最小地層厚度。

圖1 基于地質(zhì)信息約束的概率神經(jīng)網(wǎng)絡(luò)地震模式預(yù)測(cè) 技術(shù)流程(河流相砂體儲(chǔ)層為例)Fig .1 Flow chart under the constraint of geological information for prediction of seismic reflection patterns with probabilistic neural network(an example of fluvial facies sand body reservoir)

2) 從步驟1所建的工區(qū)地質(zhì)信息知識(shí)庫中提取巖性、巖性組合特征和相序特征等地質(zhì)信息，并結(jié)合測(cè)井曲線對(duì)單井進(jìn)行解釋，建立起地質(zhì)尺度下的單井優(yōu)勢(shì)相分析柱狀圖[7-9]；然后對(duì)柱狀圖和工區(qū)不同地質(zhì)情況進(jìn)行綜合分析,通過地質(zhì)知識(shí)約束下的地震響應(yīng)分析-屬性特征分析-神經(jīng)網(wǎng)絡(luò)分析的技術(shù)流程將單井優(yōu)勢(shì)相轉(zhuǎn)換為儲(chǔ)層中地震可識(shí)別反射模式，形成地質(zhì)信息約束下的地質(zhì)-地震模式轉(zhuǎn)換技術(shù)。

3) 以沉積學(xué)、測(cè)井地質(zhì)學(xué)和地震地層學(xué)為理論指導(dǎo)，結(jié)合步驟2中得到的地震模式及地層的密度、速度等信息，建立工區(qū)儲(chǔ)層的抽象化地震響應(yīng)模型。

4) 采用正演模擬法分析地震屬性。利用波動(dòng)方程對(duì)步驟3中所建模型進(jìn)行正演模擬得到地震數(shù)據(jù)；選取合適的時(shí)窗對(duì)正演數(shù)據(jù)提取各種類型的地震屬性，并對(duì)所提屬性做標(biāo)準(zhǔn)化、野值剔除和去噪等預(yù)處理操作；分析模型中各個(gè)地震模式對(duì)應(yīng)的地震響應(yīng)特征，以地質(zhì)信息作為約束條件，運(yùn)用交會(huì)圖和等級(jí)相關(guān)分析等方法來評(píng)價(jià)各個(gè)屬性對(duì)響應(yīng)特征的敏感程度，選擇能清晰反映模型中各個(gè)地震模式的響應(yīng)特征及其變化的屬性來構(gòu)成地震敏感屬性集合。

5) 利用概率神經(jīng)網(wǎng)絡(luò)(PNN)自動(dòng)、分步識(shí)別抽象化地震響應(yīng)模型中可分辨的地震模式。識(shí)別過程分兩步，即首先用解釋人員構(gòu)建的訓(xùn)練樣本集對(duì)連接網(wǎng)絡(luò)各層之間的權(quán)系數(shù)進(jìn)行訓(xùn)練；然后將訓(xùn)練好的網(wǎng)絡(luò)用于模型中地震模式的識(shí)別，得到地震上可分辨的地震模式。

概率神經(jīng)網(wǎng)絡(luò)屬于有監(jiān)督型前饋神經(jīng)網(wǎng)絡(luò)，與無監(jiān)督的自組織神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上和訓(xùn)練方式上具有顯著區(qū)別。它主要分為4層：輸入層、隱含層、求和層和輸出層。輸入層與隱含層之間的權(quán)系數(shù)可通過訓(xùn)練得到；隱含層與求和層之間以等權(quán)值連接；求和層與輸出層之間的權(quán)系數(shù)為各類訓(xùn)練樣本數(shù)的倒數(shù)。以河流相砂體儲(chǔ)層地震反射模式預(yù)測(cè)為例，每個(gè)訓(xùn)練樣本由作為輸入信息的敏感地震屬性和作為監(jiān)督信息的地震反射模式組成。訓(xùn)練樣本的類型根據(jù)儲(chǔ)層中砂體和圍巖之間的疊置關(guān)系來定義。在模型中抽取能反映砂體和圍巖之間典型疊置關(guān)系的地震道作為訓(xùn)練樣本，各類型的訓(xùn)練樣本應(yīng)滿足均勻選取的原則[10-12]。

6)選擇合適的時(shí)窗從實(shí)際地震資料中按步驟4優(yōu)選的敏感屬性集合提取地震屬性，并對(duì)所提屬性做相關(guān)預(yù)處理操作(標(biāo)準(zhǔn)化、野值剔除和去噪)。

7) 利用概率神經(jīng)網(wǎng)絡(luò)分步、智能化地預(yù)測(cè)工區(qū)儲(chǔ)層的地震反射模式分布。網(wǎng)絡(luò)訓(xùn)練所需樣本由地震敏感屬性(步驟6)和可分辨的地震模式(步驟5)構(gòu)成，該步驟中一種可分辨的地震模式對(duì)應(yīng)一種地震反射模式，故步驟5中得到的可分辨的地震模式可以用來約束工區(qū)儲(chǔ)層的地震反射模式類型定義。地震反射模式預(yù)測(cè)分步進(jìn)行，以迭代循環(huán)的方式逐漸細(xì)化，直到在地質(zhì)信息約束下預(yù)測(cè)出儲(chǔ)層中各種類型的可分辨地震反射模式，從而得到地震反射模式圖。

2 實(shí)例應(yīng)用

針對(duì)秦皇島32-6油田某河流相儲(chǔ)層，開展了地質(zhì)信息約束下的概率神經(jīng)網(wǎng)絡(luò)地震反射模式預(yù)測(cè)方法的實(shí)際應(yīng)用，取得了良好效果。

河流相儲(chǔ)層識(shí)別的難點(diǎn)在于砂體疊置模式，所以首先需要知道在實(shí)際工區(qū)儲(chǔ)層中存在哪些砂體疊置模式，然后研究這些模式是否可轉(zhuǎn)化為可分辨地震模式[13-15]。利用地質(zhì)信息知識(shí)庫，結(jié)合儲(chǔ)層實(shí)際情況，先建立簡(jiǎn)單砂體疊置關(guān)系的正演模型，再逐步建立更加復(fù)雜的正演模型?？偨Y(jié)和自動(dòng)分析地震反射模型11類70多個(gè)，最后形成具有普遍代表性的目標(biāo)儲(chǔ)層抽象模型(圖2)。

圖2 秦皇島32-6油田某河流相儲(chǔ)層砂體模型Fig .2 Sand body model of fluvial facies of a reservoir in QHD32-6 oilfield

利用地震資料品質(zhì)分析、高精度地震屬性分析、地質(zhì)信息約束下的地震反射模式正演分析，可以得到儲(chǔ)層實(shí)際可劃分的6種可分辨地震模式(圖3)：純厚砂體模式、厚砂體單泥巖夾層模式、薄砂體單泥巖夾層模式、砂泥巖多互層模式、薄砂體(尖滅)模式、泥巖模式。然后在地質(zhì)信息約束下進(jìn)行地質(zhì)-地震可分辨反射模式轉(zhuǎn)化，完成定義和統(tǒng)計(jì)，為后續(xù)地質(zhì)信息約束下的地震反射模式預(yù)測(cè)提供監(jiān)督樣本。

圖3 秦皇島32-6油田某河流組儲(chǔ)層可分辨地震模式Fig .3 Distinguishable seismic model of a reservoir with flurial facies in QHD32-6 oilfield

地震反射模式預(yù)測(cè)分步進(jìn)行：第1步，將含砂巖相與泥巖分開；第2步，將含砂巖相進(jìn)一步細(xì)分為純砂巖相和砂泥互層；第3步，將砂泥互層再次細(xì)分為不同厚度的砂巖夾不同厚度的泥巖，厚度閾值因儲(chǔ)層而異。這樣的步驟還可以循環(huán)下去，直到在約束條件下預(yù)測(cè)出儲(chǔ)層中各種類型的地震可分辨反射模式，即實(shí)現(xiàn)了依據(jù)砂-泥相、砂-砂泥互層-泥相、砂-砂泥互層細(xì)分-泥相逐步深入細(xì)化的地質(zhì)信息約束下的自動(dòng)預(yù)測(cè)分析。該技術(shù)實(shí)現(xiàn)了地震反射模式預(yù)測(cè)的智能化、可約束化、可解讀性、有序性等。

以秦皇島32-6油田某河流相小層油藏單元為例，該儲(chǔ)層平均厚20余米，河道砂體厚度為3～8 m，地震資料主頻為45 Hz左右。圖4為利用地震屬性技術(shù)+自組織神經(jīng)網(wǎng)絡(luò)的傳統(tǒng)地震反射模式先后預(yù)測(cè)2次的結(jié)果，圖5為本文方法預(yù)測(cè)結(jié)果。從圖4、5可以看出，傳統(tǒng)方法預(yù)測(cè)結(jié)果不穩(wěn)定，多次預(yù)測(cè)可能出現(xiàn)多種結(jié)果；本文方法預(yù)測(cè)結(jié)果較穩(wěn)定。選取10口井作為檢驗(yàn)井，35口井作為約束井，本文方法儲(chǔ)層地震模式預(yù)測(cè)的符合率為90%；選取20口井作為檢驗(yàn)井，25口井作為約束井，本文方法儲(chǔ)層地震反射模式預(yù)測(cè)的符合率為86%。模型及實(shí)際數(shù)據(jù)應(yīng)用表明，在地震資料主頻為45 Hz左右時(shí)，本文方法可以有效識(shí)別出3～8 m的河道砂體，并能夠識(shí)別大于2 m的泥巖隔夾層個(gè)數(shù)，為河道預(yù)測(cè)、儲(chǔ)層參數(shù)預(yù)測(cè)、沉積相劃分提供了數(shù)據(jù)支持和依據(jù)。該方法有效提高了地震反射模式預(yù)測(cè)精度，樣本條件不變的情況下多次預(yù)測(cè)成果圖無明顯變化。

圖4 秦皇島32-6油田某河流相小層傳統(tǒng)地震 反射模式預(yù)測(cè)結(jié)果Fig .4 Prediction results of the fluvial facies reserwir in QHD32-6 oilfield by using traditional seismic reflection model

圖5 秦皇島32-6油田某河流相小層地質(zhì)信息約束預(yù)測(cè)結(jié)果Fig .5 Prediction results of the fluvial facies reservoir in QHD32-6 oilfield seismic model based on geological information constraints

3 結(jié)論

提出了基于地質(zhì)信息約束的概率神經(jīng)網(wǎng)絡(luò)地震反射模式預(yù)測(cè)方法，該方法中地質(zhì)模式-地震可分辨反射模式轉(zhuǎn)換技術(shù)是核心，可監(jiān)督的地震屬性優(yōu)選、敏感性分析、地震反射模式預(yù)測(cè)等都建立在此之上。本文方法解決了2個(gè)關(guān)鍵性問題，一是如何體現(xiàn)地質(zhì)信息對(duì)地震信息的約束，二是如何實(shí)現(xiàn)地質(zhì)信息約束的地震反射模式的高精度預(yù)測(cè)。渤海秦皇島32-6油田某河流相儲(chǔ)層應(yīng)用表明，本文方法提高了地震反射模式預(yù)測(cè)精度，具有高效、穩(wěn)定、智能化、可解讀性強(qiáng)等特點(diǎn)。

[1] 王龍軍.基于三維地震的地震相分析技術(shù)研究[D].西安：西安科技大學(xué)，2008.

[2] 朱劍兵，趙培坤.國外地震相劃分技術(shù)研究新進(jìn)展[J].勘探地球物理進(jìn)展，2009，32(3)：167-171.ZHU Jianbing,ZHAO Peikun.Advances in seismic facies classification technlolgy abroad[J].Progress in Exploration Geophysics,2009,32(3):167-171.

[3] LOVE P L,SIMAAN M.Segmentation of stacked seismic data by the classification of image texture[J].SEG Technical Program Expanded Abstracts,1984,3:480-482.

[4] MELDAHL P,HEGGLAND R,BRIL B,et al.The chimney cube,an example of semi-automated detection of seismic objects by directive attributes and neural networks:part I; methodology[J].SEG Technical Program Expanded Abstracts,1999,18(1):931-934.

[5] 丁峰，尹成，朱振宇，等.利用改進(jìn)的自組織網(wǎng)絡(luò)進(jìn)行地震屬性分析[J].西南石油大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009，31(4)：47-51.DING Feng,YIN Cheng,ZHU Zhenyu,et al.Seismic attribute analysis by using improved self-organizing network[J].Journal of Southwest Petroleum University(Science& Technology Edition),2009,31(4):47-51.

[6] 羅浩然，尹成，丁峰，等.概率神經(jīng)網(wǎng)絡(luò)的平滑參數(shù)分析及在地震屬性分析中的應(yīng)用[J].石油物探，2017，56(4)：551-558.LUO Haoran,YIN Cheng,DING Feng,et al.The smoothing parameter analysis of probabilistic neural network and its application in seismic attribute analysis[J].Geophysical Prospecting for Petroleum,2017,56(4):551-558.

[7] 胡光義，陳飛，孫立春,等.高分辨率層序地層學(xué)在河流相油田開發(fā)中的應(yīng)用[J].沉積學(xué)報(bào)，2013,31(4):600-606.HU Guangyi,CHEN Fei,SUN Lichun,et al.Application of high-resolution sequence stratigraphy of fluvial facies in development of oilfield[J].Acta Sedimentologica Sinica,2013,31(4):600-606.

[8] 胡光義，陳飛，范廷恩,等.基于復(fù)合砂體構(gòu)型樣式的河流相儲(chǔ)層細(xì)分對(duì)比方法[J].大慶石油地質(zhì)與開發(fā)，2017,36(2):12-18.HU Guangyi,CHEN Fei,FAN Tingen,et al.Subdividing and comparing method of the fluvial facies reservoirs based on the complex sandbody architectures[J].Petroleum Geology and Oilfield Development in Daqing,2017,36(2):12-18.

[9] 袁全社,樂有喜.用神經(jīng)網(wǎng)絡(luò)與構(gòu)造屬性進(jìn)行交互地震反射模式分析[J].勘探地球物理學(xué)進(jìn)展,2004,27(2):93-98.YUAN Quanshe,LE Youxi.Interactive analysis of seismic facies using neural network and textural attribute[J].Progress in Exploration Geophysics,2004,27(2):93-98.

[10] 段玉順，李芳.地震反射模式的自動(dòng)識(shí)別方法及應(yīng)用[J].石油地球物理勘探,2004，39(2):158-162.DUAN Yushun,LI Fang.Automatic identification of seismic facies and application[J].Oil Geophysical Prospecting,2004,39(2):158-162.

[11] 胡光義，范廷恩,陳飛，等.從儲(chǔ)層構(gòu)型到“地震構(gòu)型相”:一種河流相高精度概念模型的表征方法[J].地質(zhì)學(xué)報(bào)，2017,91(2):465-478.HU Guangyi,FAN Tingen,CHEN Fei,et al.From reservoir architecture to seismic architecture facies：characteristic method of a high-resolution fluvial facies model[J].Acta Geologica Sinica,2017,91(2):465-478.

[12] 丁峰，尹成，朱振宇,等.利用改進(jìn)的自組織網(wǎng)絡(luò)進(jìn)行地震屬性分析[J].西南石油大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009，31(4)：47-51.DING Feng,YIN Cheng,ZHU Zhenyu,et al.Seismic attribute analysis by using improved self-organizing network[J].Journal of Southwest Petroleum University(Science& Technology Edition),2009,31(4):47-51.

[13] 岳大力.曲流河儲(chǔ)層構(gòu)型分析與剩余油分布模式研究:以孤島油田館陶組為例[D].北京：中國石油大學(xué)，2006.

[14] 胡光義，陳飛，范廷恩,等.渤海海域S油田新近系明化鎮(zhèn)組河流相復(fù)合砂體疊置樣式分析[J].沉積學(xué)報(bào)，2014,32(3):586-592.HU Guangyi,CHEN Fei,FAN Tingen,et al.Analysis of fluvial facies compound sandbody architecture of the neogene Minghuazhen Formation of S oilfield in the Bohai bay[J].Acta Sedimentologica Sinica,2014,32(3):586-592.

[15] 陳飛，胡光義，范廷恩,等.渤海海域W油田新近系明化鎮(zhèn)組河流相砂體結(jié)構(gòu)特征[J].地學(xué)前緣，2015,22(2):207-213.CHEN Fei,HU Guangyi,FAN Tingen,et al.Sandbody architecture and sequence stratigraphy of fluvial facies,Neogene Minghuazhen Formation,W oilfield,Bohai bay[J].Earth Science Frontiers,2015,22(2):207-213.