曹俊興,薛雅娟,田仁飛,舒亞祥

(1.成都理工大學油氣藏地質及開發(fā)工程國家重點實驗室,四川成都610059;2.成都理工大學地球物理學院,四川成都610059;3.成都信息工程大學通信工程學院,四川成都610225)

天然氣是我國緊缺的戰(zhàn)略潔凈能源,2017年我國天然氣對外依存度已逾39%。天然氣的增儲上產是國家潔凈能源戰(zhàn)略的重要組成部分[1]。近年來四川盆地川中加里東古隆起安岳氣田等的發(fā)現(xiàn)和油氣資源評價結果表明,我國大陸深層古老碳酸鹽巖地層蘊藏有豐富的天然氣資源[2]。但安岳氣田歷經近40年的勘探研究才被發(fā)現(xiàn)這一事實說明,深層碳酸鹽巖地層的天然氣勘探困難,主要原因在于:

1) 埋深大、孔隙度小、孔隙流體密度大等因素使得含氣層和圍巖物性差異小,導致地震響應信號微弱[3];

2) 古老地層經歷多次構造運動的改造后,地層中的油氣發(fā)生多次遷移聚散,油氣分布的地質相控作用減弱,斷控、位(置)控作用加強[4-5],因而含氣性檢測成為儲層預測的瓶頸。另一方面,深層油氣勘探中鉆探成本極其高昂,且目前風險鉆探成功率不到40%,迫切需要提高深層儲層含氣性預測的成功率。

深部儲層埋深大,除了鉆探及依賴于鉆井的測井探測之外,地震是我們所能使用的最好的探測手段?；诘卣鸬膬雍瑲庑栽u價通過計算所謂的烴指標(hydrocarbon indicator,HCI)或直接烴指標(direct hydrocarbon indicator,DHI)來實現(xiàn)。烴指標或直接烴指標實際是一些對儲層含氣性敏感的巖石物理或地震屬性參數(shù)[6],如vP/vS[7]、AVO特性[8]、低頻陰影[9]等。最早發(fā)現(xiàn)并使用的烴指標是“亮點”[10]。這些指標的運用都有一定的適用條件,既有成功的案例,也有完敗的案例。本文從現(xiàn)有烴指標物理內涵入手,探討其在深層碳酸鹽巖儲層含氣性評價中的適用性,然后介紹近年來為解決深層儲層含氣性評價問題而發(fā)展起來的地震紋分析方法,以期為深層天然氣儲層預測實踐和研究提供參考。

1 常用烴檢測方法技術

1.1 亮點分析

亮點是指地震剖面上相對于背景的強反射。氣層在地震剖面上的亮點特征發(fā)現(xiàn)于20世紀70年代初[10]。亮點技術的出現(xiàn)在很大程度上得益于自動增益技術的發(fā)明,它使得地震剖面上的反射振幅變化得到了凸顯,使氣層的識別成功率從12%左右提高到了60%～80%。

亮點反映了含氣砂巖與其蓋層——頁巖之間存在較大的波阻抗差,其物理機制是二者的密度和速度等物性差異較大。亮點技術之所以達不到百分之百準確,主要原因是巖性的變化,如砂巖與灰?guī)r、煤層、火山巖等界面,都會在地震剖面上形成假亮點,引起誤判。因此,經常和亮點技術一起使用的還有兩個判識標志:負極性、平直的氣水界面。

HAMMOND[10]指出,亮點技術適用于海洋盆地時代較新的淺層氣層鑒識,3000m以下以及陸上老地層中的氣層亮點特征并不明顯。在深層和老地層中,氣層在地震剖面上的響應可能表現(xiàn)為“平點(flat spots)”或“暗點(dim spots)”[11-12]。研究表明,隨著埋深的增加和地層的變老,“亮點”會轉換為“暗點”(圖1)[13],這進一步證明了亮點技術不大適用于深層氣藏鑒識。盡管如此,油氣勘探學家仍會將計算的各種烴指標表示為某種“高亮體”,以利于直觀地識別氣層。

1.2 AVO分析

AVO分析的基礎是Zoeppritz方程。Zoeppritz方程有多種表達方式,如[14]:

(1)

式中:RP、RS分別為反射縱波和(轉換)橫波的反射系數(shù);TP、TS分別為透射縱波和(轉換)橫波的透射系數(shù);θ1、θ2分別為縱波的入射角、折射角;φ1、φ2分別為轉換橫波的反射角、折射角;vP1、vS1、ρ1和vP2、vS2、ρ2分別為界面兩側縱、橫波速度及介質體密度。

公式(1)所示Zoeppritz方程表明,地震勘探得到的反射波反射系數(shù)及振幅是入射角、反射界面兩側物性參數(shù)的復雜函數(shù)。在地震勘探中,地震波的入射角和偏移距有對應關系,因而反射振幅和偏移距相關,這就是AVO分析技術的理論基礎。

Zoeppritz方程比較復雜,直接從該方程出發(fā)分析介質參數(shù)變化對反射波振幅的影響難度大。為此,學者們通過引入不同的近似條件得到Zoeppritz方程的近似簡化方程[14-20]。天然氣儲層預測中常用的有AKI等給出的弱反射近似公式[17]、SHUEY給出的以泊松比表示的反射系數(shù)近似表達式[18]和FATTI等以相對波阻抗表達的近似表達式[19]。

圖1 含氣砂巖和頁巖等波阻抗隨深度與地層年代增加的變化[13](隨著埋深增加和壓實加強,含氣砂巖的地震響應會由亮點經極性反轉至暗點)

從這些近似方程出發(fā),能發(fā)展出多種疊前地震反演方法[20],獲得多種物性參數(shù),如縱橫波速度和密度、泊松比、相對波阻抗等,并由此發(fā)展出多種烴檢測方法。

盡管基于AVO分析的儲層含氣性檢測方法種類較多[21-23],但其核心要素都是反射系數(shù)(振幅)隨偏移距的變化。對于頁巖/含氣砂巖界面的反射,依據二者相對波阻抗的變化,振幅隨偏移距的變化(實際是反射系數(shù)隨入射角的變化)——AVO效應可歸納為四種類型(類型Ⅰ～類型Ⅳ)[23-24](圖2)。類型Ⅰ含氣層的波阻抗(Zg)比蓋層的波阻抗大(Zs),類型Ⅲ、類型Ⅳ含氣層的波阻抗比蓋層的波阻抗小,這兩種情況都會在疊加地震剖面上出現(xiàn)亮點,但AVO效應不同。類型Ⅰ含氣層的反射振幅強度隨偏移距的增大由強到弱變化,從亮點變到暗點;類型Ⅲ和類型Ⅳ含氣層的波阻抗比蓋層大,反射振幅強度隨偏移距的增大表現(xiàn)出相反的變化趨勢,類型Ⅲ是持續(xù)增強,而類型Ⅳ是減弱。類型Ⅱ含氣層的波阻抗和蓋層的波阻抗相當,在疊加剖面上表現(xiàn)為平點或暗點,反射振幅強度隨偏移距的增大逐漸增大。因此,AVO分析實際上提供了一個區(qū)分氣層亮點和非氣層亮點,以及發(fā)現(xiàn)平點氣藏、暗點氣藏的方法。

四類含氣砂巖可以通過AVO截距P和梯度G交會圖上的位置來區(qū)分(圖3)。P和G是中小角度入射情況下(<30°)Zoeppritz方程Shuey近似表達形式[18](公式(2))的兩個系數(shù):

圖2 含氣砂巖AVO類型[24]

RP=P+Gsin2θ

(2)

Δσ=σ2-σ1

式中:σ為介質的泊松比,其它參量的物理含義同公式(1)。圖3上的趨勢線是頁巖/鹵水飽和砂巖界面的反射。頁巖/含氣砂巖界面反射的P-G交會點位置在趨勢線之下。

AVO效應的P-G交會圖實際上不是通過公式(2),而是通過擬合CDP或CRP道集上目標層頂面的反射振幅強度得到的。利用P-G交會圖分析方法能比較簡便地判斷出含氣砂巖的類型。需要指出的是,不只是Shuey近似公式可以簡化為截距和梯度的形式,Aki-Richard等近似公式也可以簡化或轉化為梯度和截距的形式,但所表示的巖石物理含義可能有所不同[23]。

圖3 AVO截距(P)-梯度(G)四象限分類圖及四類含氣砂巖在P-G圖上的位置[24]

AVO分析表觀上有嚴謹?shù)臄?shù)理基礎,實際上存在諸多假設條件,而且目前成功的應用案例基本上都是埋藏較淺的碎屑巖儲層。對于深層,特別是深層碳酸鹽巖儲層,依據AVO效應評判儲層的含氣性可靠性不高。部分原因在于碳酸鹽巖儲層類型及其孔隙結構多樣[25],深層條件下地震射線在傳播到目標層頂面之前可能已經歷了多次偏轉,使得射線入射角偏離了依據偏移距估算的入射角,而AVO效應是嚴格依賴于地震射線入射角的。

總體來講,AVO分析方法數(shù)理基礎嚴謹,識別埋藏較淺的砂巖儲層含氣性效果較好,同時能區(qū)分疊后剖面上的真假亮點,但對于深層碳酸鹽巖儲層的含氣性檢測基本不適用。

1.3 低頻陰影分析

低頻陰影指地震剖面上含氣層下方出現(xiàn)的低頻分量能量的相對增強現(xiàn)象[26]。其本質是含氣層對高頻分量相對更強的吸收或衰減,物理機制是含氣層對不同頻率地震波的差異吸收,這是含氣層的一種彈性波頻散特征。CASTAGNA等[27]和EBROM[28]介紹了地震剖面上含氣砂巖的低頻陰影現(xiàn)象及其在含氣層識別與檢測中的應用。HE等[29]使用二維粘滯彌散型波動方程數(shù)值模擬方法證明了含氣砂巖的低頻陰影由含氣層對高頻地震波相對更強的吸收造成,同時指出采用低頻陰影分析方法檢測含氣層的地震數(shù)據應具有較高的信噪比。

基于低頻陰影分析的含氣層檢測通常采用時頻分析方法實現(xiàn)。時頻分析能獲得信號頻率成分隨時間的變化,對地震記錄進行時頻分析獲得的是地震波頻率成分隨深度的變化,因為地震記錄的時間是深度的映射。時頻分析的方法較多,地震記錄的時頻分析方法有短時傅里葉變換(STFT)、Gabor變換及連續(xù)小波變換(CWT)、Wigner-Ville分布(WVD)、希爾伯特-黃變換(HHT)、S變換和廣義S變換等。由此發(fā)展了多種低頻陰影分析方法。近年來發(fā)展了基于EMD分解的時頻分析方法[30-32],實踐結果證明該方法在儲層含氣性檢測中的應用效果較好,適用于深層碳酸鹽巖儲層含氣性檢測。圖4展示了川西地區(qū)埋深在5600m以下的碳酸鹽巖含氣層低頻陰影(紅色橢圓線圈所示的范圍)案例。其中圖4a是用HHT變換獲得的35Hz分頻剖面,紅色橢圓線圈范圍內的分頻能量與背景一致,幅值在4000以下;而圖4b所示的25Hz分頻剖面上,紅色橢圓線圈范圍內的分頻能量高于背景值,幅值在4000以上,顯示出清晰的低頻陰影[33]。

圖4 深層碳酸鹽巖天然氣儲層的低頻陰影[33]a 35Hz分頻剖面; b 25Hz分頻剖面

地震記錄的時頻分析采用多種方法的目的是力圖在時域和頻域同時獲得更高的分辨率。多種時頻分析方法并存的局面既說明沒有最佳的方法,也說明現(xiàn)有方法還不能很好地滿足生產需求。BARNES[34]認為,真正的含氣層低頻陰影很難鑒別,因為它易于被強界面反射所淹沒。即使能鑒別出低頻陰影,準確地確定影子的“本體”范圍也是一個迄今未能很好解決的問題。另外,在深層條件下,信噪比較低對低頻陰影分析結果也會造成較大的影響。

總之,在以上三類儲層含氣性檢測方法中,亮點和AVO異常反映的是界面響應,而低頻陰影反映的是儲層的“體”響應。對勘探而言,儲層含氣性檢測不只是確定儲層是否含氣,更期望能確定儲層的含氣量,這才是決定儲層是否具有工業(yè)開采價值的關鍵。要確定儲層的含氣量,需要分析的是儲層的“體”響應,唯有低頻陰影分析方法具有這種可能性。

2 基于地震紋分析的烴檢測

2.1 地震紋及地震紋分析

地震紋是2010年前后借鑒聲紋(voiceprint)引入的概念,最初稱為地震聲紋[3,35-37]。聲紋對說話人具有標識性[38],基于聲紋特征分析與比對的說話人識別(Speaker Identification)技術大約在20世紀70年代開始應用于情報偵聽領域,20世紀末開始被廣泛應用于民用身份認證系統(tǒng)。地震波與聲波具有內在的一致性,理論上可以用聲紋分析方法通過對地震波特征的研究識別地震事件源地質體的屬性,如判斷反射層是否含油氣等。我們將借鑒聲紋分析方法分析研究地震屬性的方法稱為地震聲紋分析,簡稱地震紋分析,并由“voiceprint”一詞衍造出一個新的英文單詞“seismicprint”,即地震紋。

聲紋分析包含相互關聯(lián)的兩方面:一是聲音信號的特征分析(如頻譜分析等),二是聲紋的比對分析(如說話人識別),前者是后者的基礎,后者是前者的應用。以聲音信號特征分析為目標的聲紋分析,使用了幾乎所有從經典到現(xiàn)代的信號分析方法,這些方法在地震信號分析與地震屬性提取中也均有使用。人聽音識人,辨別的是說話者的“口音”?！翱谝簟痹诼曇粜盘栍涗浬喜]有確定的顯性特征,而是蘊藏在聲音的波紋中。以說話人識別為目標的聲紋分析,其核心就是要找出對說話人的“口音”具有良好標識性的特征信號參數(shù),這樣的參數(shù)稱之為聲紋參數(shù)。經過幾十年的探索,目前發(fā)現(xiàn)能有效標識說話人“口音”的聲紋參數(shù)只有Mel倒譜系數(shù)(MFCC)等少數(shù)幾個參數(shù)[39-40]。

儲層預測的目的是尋找油氣儲集體。油氣賦存在巖石的孔/裂隙中,其體積與質量只占儲集層巖石的極小一部分,其地震響應非常微弱,只能反映在地震記錄的微細波紋結構中,與聲音記錄中的“口音”信號類似,很難直觀地鑒別,也很難采用解析方法計算或采用數(shù)值方法模擬?；诼暡ㄅc地震波的本征一致性推測,借鑒說話人“口音”信號特征的聲紋分析方法,有可能識別出儲層孔隙流體的“流音”特征。

如同聲紋分析的關鍵是尋找能穩(wěn)定標識說話人“口音”的聲紋參數(shù)一樣,地震紋分析的關鍵是尋找能穩(wěn)定標識地質體屬性(如油氣儲層)的地震紋表征參數(shù)。地震波與聲波的本征一致性決定了倒譜分析、Mel倒譜分析等各種聲紋分析方法可以應用于地震記錄進行地震紋分析,倒譜系數(shù)、Mel倒譜系數(shù)等聲紋參數(shù)可以引申應用于地震紋特征的描述。但是,地震記錄與聲音記錄的客觀差異決定了我們不大可能用表征人的“口音”的聲紋參數(shù)來直接表征諸如儲層的“流音”。地震信號與聲音信號的差別主要體現(xiàn)在重復性、衰減、頻率等方面。聲音記錄的源是說話人,“口音”特征具有重復性,信號沒有隨時間變化的衰減問題,頻率較高;地震記錄的源是地震源信號的反射(可能還有散射等),是次生源,目標層(如含氣層)的影響不具有重復性,隨記錄時間的延長,信號會快速衰減,信號的頻率較低。聲紋分析是將聲音記錄劃分成幀(即開一個時窗,將時窗內的信號叫作一幀),這樣每一幀都可以看成是平穩(wěn)信號;而油氣勘探的目標層在整個地震記錄上是很小的一段,具有瞬時性,只有在時窗取很小的時候才可以看成是平穩(wěn)信號。地震記錄與聲音記錄的相似性決定了我們可以借鑒分析聲音記錄的聲紋分析方法分析地震記錄。我們采用聲紋分析方法分析地震雷克子波、油氣儲層模型地震響應、以及實際地震數(shù)據的線性預測系數(shù)(LPC)、倒譜系數(shù)、Mel倒譜系數(shù)(MFCC)、線性預測倒譜系數(shù)(LPCC)等參數(shù)[41],獲得了如下認識:①雷克子波的地震(聲)紋參數(shù)隨子波頻率呈非線性變化;②地震紋參數(shù)對儲層參數(shù)變化反應靈敏;③初步認為1階倒譜系數(shù)低值異常與2階倒譜系數(shù)高值異常的交集可以作為含氣儲層的地震紋判據。

微課是微視頻課程的縮寫，Mini- Course和90年代美國北愛荷華大學Mc Grew教授所提出的60- Second Course。體現(xiàn)以簡短和精煉的“微觀”教學視頻的形式承載和實施課程教學的新思路，起初這種教學理念在國外教育領域得到認可和廣泛推廣，2010年中國專家首次引入了微觀課程的概念。微課以闡述某個具體知識點或解決某個實際問題為目標。根據學生的心理和興趣，通過將微內容、微活動、微過程制作成短小的微型教學視頻作為表現(xiàn)形式，用最短的時間精講某一知識點和教學內容，將知識碎片化、情景化和可視化。微課易于使用，便于傳播，學生可利用各種終端方便學習，因此具有多種應用模式。

2.2 基于地震紋倒譜特征分析的烴檢測

基于地震紋分析的烴檢測,關鍵是要找到能標識含氣儲層的地震紋參數(shù),如同基于聲紋分析的說話人識別關鍵是找到能標識說話人“口音”的聲紋參數(shù)一樣。因此我們系統(tǒng)測試了聲紋分析領域所使用的說話人識別參數(shù),發(fā)現(xiàn)地震記錄的1、2階倒譜系數(shù)對含氣儲層有較好的標識性[3,37]。

倒譜變換是一種同態(tài)變換,時序信號x(n)的倒譜一般可表示為:

(3)

式中:T為Z變換或離散傅里葉變換。由(3)式求得的第1個采樣點值為1階倒譜系數(shù),第2個采樣點值為2階倒譜系數(shù),其余依次類推。

將離散地震信號記為:

(4)

式中:r(t)表示反射系數(shù);w(t)表示地震子波,一般采用Ricker子波。

將離散地震信號s(t)表示為卷積序列:

(5)

對該序列作離散傅里葉變換,將卷積變?yōu)槌朔e,得:

(6)

(7)

k=0,1,…,N-1

對(7)式作傅里葉逆變換,得到地震信號的倒譜:

n=0,1,…,N-1

(8)

特別地,如果設地震子波為

(11)

其中fm為子波主頻,則(9)式將變?yōu)?

(12)

即,第一個倒譜系數(shù)(1階倒譜系數(shù))為反射系數(shù)的自然對數(shù)。由于取了絕對值,反射系數(shù)值越小,倒譜系數(shù)值越大。如當r(0)=0.10時,C0=2.3,而當r(0)=0.01時,C0=4.6。也就是說,1階倒譜系數(shù)對弱反射更靈敏;1階倒譜系數(shù)的高值異常,意味著相對的弱反射,亦即指示了一個“暗點”。從(10)式可以看出,2階倒譜系數(shù)是高階對數(shù)反射系數(shù)和高階子波的復合函數(shù),反映的是散射波的強度,類似地,低值異常意味著強散射。

圖5展示的是埋深在5500m以下含氣碳酸鹽巖儲層(圖5a)與不含氣碳酸鹽巖儲層(圖5b)地震響應的1階與2階倒譜系數(shù)特征?？梢姎饩浇卣痦憫?階倒譜系數(shù)為高值異常特征,2階倒譜系數(shù)為低值異常特征,且二者具有鏡像對稱關系;干井附近1階、2階倒譜系數(shù)異常不具有明顯的鏡像對稱關系。

圖5 含氣碳酸鹽巖儲層(a)和不含氣碳酸鹽巖儲層(b)地震響應1、2階倒譜系數(shù)特征對比

基于含氣儲層地震響應1階倒譜系數(shù)異常與2階倒譜系數(shù)異常呈鏡像對稱這一事實,引入一個新的參數(shù)C1-2(定義為1階倒譜系數(shù)與2階倒譜系數(shù)之差),可構造出一個指標化的地震紋倒譜特征儲層含氣性評價參數(shù)。研究表明,碳酸鹽巖含氣層(圖5)、碎屑巖含氣層和頁巖氣層地震響應的1階倒譜系數(shù)和2階倒譜系數(shù)均具有鏡像對稱異常特征,只是閾值有所不同,碳酸鹽巖含氣層的C1-2一般大于4.5,碎屑巖含氣層的C1-2一般大于1.50,而頁巖氣層的C1-2一般為0.45～1.00。

基于地震紋分析的儲層含氣性檢測直接從疊后地震數(shù)據入手提取巖石孔隙流體信息,不顯性地涉及地震響應的形成機制,不存在(數(shù)理)模型的近似問題,這是它和基于波動方程正、反演模擬的儲層含氣性識別方法的主要區(qū)別。

3 結束語

亮點分析、AVO分析等方法用于檢測淺層碎屑巖儲層的含氣性可靠性高,但在深層碳酸鹽巖儲層條件下,可靠性很低,基本不適用。低頻陰影分析方法理論上適用于深層碳酸鹽巖儲層的含氣性檢測,但受地震數(shù)據信噪比低等因素的影響,評價結果的可靠性也常難以保證?；诘棺V變換的地震紋分析方法因其對弱反射敏感,能夠發(fā)現(xiàn)“暗點”型氣藏,同時因其與模型無關使得我們能夠克服諸多建模帶來的弊端,實現(xiàn)對深層超深層儲層含氣性更為可靠的檢測。

對深層天然氣勘探而言,不僅要確定儲層是否含氣,而且要確定儲層的可采氣量是否達到了商業(yè)開采規(guī)模,亦即計算出儲層的可采儲量。亮點分析、AVO分析、地震紋分析等就其物理機制而言,獲得的是儲層頂界面附近一個薄層的特征信息,而計算可采儲量需要獲得儲層的“體”特征信息。低頻陰影是一種“體”響應,本質是頻散,如果我們能建立比較精確的儲層氣-固雙相或氣-液-固三相頻散介質模型,將其與地震紋分析方法結合,就能從儲層對地震波的反射與頻散中確定儲層的含氣性并估算其可采儲量。在當前難以建立精確儲層頻散模型的情況下,基于地震數(shù)據深度學習的方法有望能實現(xiàn)這一目標。