（中海石油（中國）有限公司天津分公司渤海石油研究院 天津 300459）

20世紀70年代，“亮點”技術風靡一時，標志著地震油氣檢測技術的誕生，引入我國后，實踐表明中國東部陸相斷陷盆地地層中的油氣地震反射特征多為暗點。1986年，梁遺貴給出了判斷暗點的詳細步驟[1]。1982年，Ostrander提出利用反射系數隨入射角的變化來判識含氣砂巖，標志著實用AVO技術的出現。1985年，Shuey提出兩項Shuey近似公式，AVO屬性分析技術成為含油氣檢測的主流方法[2]。1987年，Smith＆Gidlow提出流體因子的概念，用來判別含烴異常，在此基礎上發(fā)展了泊松阻抗和LMR技術等[3]。近年來，含油氣檢測方法應用進展快速，主要基于疊后地震蘊含的特殊屬性，如：能量衰減梯度、低頻增強、高頻衰減梯度、能量比值、強振幅累加油氣指示因子、高頻亮點加權、極值能量、時頻相位、流體流度等屬性[4]。亮點技術、AVO技術各自存在局限性，各類參數與屬性含油氣檢測方法對地質條件要求高，皆表明單一方法與屬性適應性較差且多解性較強。因此本文建立了地震多參數綜合含油氣檢測的技術流程，并在渤海西南部地區(qū)進行了成功應用，助推了該地區(qū)獲得重大油氣發(fā)現。

1 地震多參數綜合含油氣性檢測技術流程的建立

針對研究區(qū)面臨難點，充分剖析其形成原因，從疊前CRP道集資料出發(fā)，多方位挖掘地震資料隱含的流體信息，提取疊前AVO屬性，獲取地震彈性參數，計算與流體信息相關的巖石物理參數，綜合分析所獲得的各類參數，預測研究區(qū)目的層段含油氣性。

1.1 疊前地震AVO屬性分析

AVO技術的核心是從彈性波理論出發(fā)研究地震反射振幅隨入射角變化的規(guī)律以及與地層巖性、含流體性質的關系。1955年Koefoed在簡化了Zoeppritz方程的基礎上，設定界面兩邊泊松比不同，所得縱波反射系數隨入射角的改變而變化的范圍大大增加，有利地促進了AVO技術的向前發(fā)展[5-6]。Aki和Richards在前人研究的基礎上進一步研究了泊松比對反射系數的影響，給出了反射系數隨縱波、橫波及入射角變化的公式。最具代表性和應用性的是1985年Shuey等人的簡化近似公式，即Shuey二項式（1）[7-8]

式（1）中：P為垂直入射反射系數；G為該方程的斜率或梯度；θ為入射角。該方程表明反射振幅與sin2θ近似呈直線關系，并賦予了各參數明確的物理意義。

在作AVO正演模型時，反射系數是根據Zoeppritz方程或其簡化式計算出來的，包含了射線入射角的影響，所以我們在處理時，近似認為振幅的計算僅與反射系數有關。根據Shuey公式，在已知角度θ和對應反射系數R（θ）的情況下，可用最小二乘法擬合或其他準則求出截距P和斜率G，把P和G進行組合運算，就可得到具有不同意義的AVO屬性剖面。本文主要計算了5種AVO屬性參數剖面，包括：①P剖面（垂直入射P波反射系數，截距剖面）；②G剖面（梯度剖面）；③S剖面（P-G剖面，垂直入射S波反射系數）；④RP/RS剖面（P+G剖面，P波和S波反射系數差異剖面）；⑤P×G剖面或P×|G|剖面（AVO異常指示因子）。

1.2 疊前地震彈性參數獲取

本次利用疊前地震同時反演方法獲得了縱波阻抗、橫波阻抗、縱波速度、橫波速度、縱橫波速度比、拉梅常數等。疊前地震資料同時反演是目前疊前反演的一項重要技術，它能夠同時得到縱、橫波速度、密度數據體，在此基礎上可以推出縱橫波速度比、泊松比等有用的巖石彈性參數與含流體參數信息。

疊前地震資料同時反演的原理基于Fatti對Zoeppritz方程的如下簡化[9]：

其中

對于垂直入射的縱波反射系數，可以寫成

定義：

同理：

地震記錄T是地震子波W和反射系數RP的褶積，Fatti方程可以寫成：

式（4）中：W（θ）為不同角度道集的子波。

利用測井數據，可以得到縱橫波波阻抗和密度，進行交匯可以得到如下關系：

式（5）、（6）中：k和m是斜率；kc和mc是直線截距；ΔLS和ΔLD是油氣散點的偏離距離。

為便于實際應用，Fatti方程進一步寫成：

其中

最后可以得到解[10]

疊前地震同時反演計算步驟如下：

1）給定一組角度道集和對應每個角度道集的地震子波；

2）利用測井數據最優(yōu)擬合出k和m值；

3）給定初始解：[LPΔLSΔLD]T=[LP0 0]T；

4）利用共扼梯度法求解方程；

5）反演得到ZP、ZS和ρ。

1.3 電阻率與含水飽和度體計算

電阻率與含水飽和度可以直接判別地層含油氣性，通過建立地震資料與二者的聯系，獲得這兩種參數數據體?？紤]疊前中角度道集數據既避免了多次波，又具有較高信噪比，因此基于疊前中角度部分道集疊加數據，采用基于模型的反演方法反演出電阻率數據體。聯合多元線性相關與RBF神經網絡，建立了與流體息息相關的地震內部屬性、外部屬性及轉換屬性等上百類數據與含水飽和度的復雜關系，計算了含水飽和度體。

1.3.1 基于模型的電阻率反演

基于模型的反演方法的基本思路是：先建立一個初始地層波阻抗模型，然后由此模型進行地震正演，求得合成地震記錄；將合成地震記錄與實際地震記錄相比較，根據比較結果，修改地層波阻抗模型的速度、密度、深度值及子波；再正演求取合成地震記錄，與實際地震記錄比較后，繼續(xù)修改波阻抗模型。如此多次反復，從而不斷地通過迭代修改，直至合成地震記錄與實際地震記錄最接近，最終得到地下的波阻抗模型?；谀Ｐ偷碾娮杪史囱菁赐ㄟ^井的電阻率曲線建立電阻率模型，建立電阻率與波阻抗的關系，通過不斷修改電阻率模型，實現上述過程最終輸出電阻率反演結果。

1.3.2 含水飽和度求取

我們已經得到了所需的內部屬性與外部屬性（本文內部屬性指地震振幅、頻率、相位等來源于地震數據的直接屬性，外部屬性指通過地震反演或復雜計算得到的密度、速度、阻抗等間接屬性），通過單屬性分析建立目標屬性與這些屬性的關系，優(yōu)選出相關度較高的屬性；通過多屬性分析建立目標屬性與優(yōu)選屬性組合之間的關系，優(yōu)選出相關度較高的屬性組合，聯合多元線性相關與基于徑向基函數神經網絡（RBFN），建立含水飽和度與地震內部屬性、外部屬性及轉換屬性等上百類數據的復雜關系，預測含水飽和度體（圖1）。

圖1 含水飽和度計算流程Fig.1 Water saturation calculation process

單屬性分析用于建立目標屬性與樣本屬性之間點對點的關系，多屬性分析用于建立目標屬性與樣本屬性組合之間的關系，RBFN則是在上述屬性分析后進一步優(yōu)化樣本屬性組合，進行迭代運算。RBFN與概率性神經網絡（PNN）非常相似，每個訓練點也有一個加權系數，并且這些加權系數都要乘以一個屬性點間距離的高斯函數，這個函數是由σ參數控制的。RBFN與PNN不同之處是，RBFN的加權系數是提前計算出來后被采用的，而PNN的加權系數是計算目標值時同時計算的，也就是說RBFN的σ參數是固定值，PNN的參數是變化的，這樣使得RBFN的迭代運算更加高效。

RBFN的擬合方程為

其中

σ值的確定對RBFN運算起到了決定性作用，使用交互驗證來確定正確的σ值，即遺留已知的值并對它進行預測。如：抽取5個樣本點，其中3個用作訓練（實心），2個用作驗證（空心），所得到的曲線與驗證樣本點誤差最小時對應的σ值即為最合適的，顯然σ=1時最合適（圖2）。

圖2 RBFN驗證結果Fig.2 RBFN validation results

RBFN加權系數求取可以通過如下矩陣方程來實現：

其中

1.4 技術流程

以實際井資料為基礎，結合前人研究成果[11-16]，開展大量巖石物理分析與正演模擬，對方法適用性進行了論證。結合實際井資料研究成果，從疊前道集資料出發(fā)，充分挖掘了地震反射中隱含的流體敏感信息，包括振幅、頻率、相位、地震AVO屬性、彈性參數、電阻率等，聯合多元線性相關與RBFN神經網絡，建立與流體息息相關的地震內部屬性、外部屬性及轉換屬性等數據與含水飽和度的復雜關系，預測含水飽和度體，最終優(yōu)選出流體高敏感參數進行研究區(qū)含油氣性檢測（圖3）。

圖3 地震多參數綜合含油氣性檢測技術流程Fig.3 Flow for seismic multi-parameter detection technology of oil and gas

2 在渤海西南部地區(qū)中的應用

2.1 研究區(qū)概況

渤海西南部A構造夾持在渤中凹陷主洼和西南次洼之間，成藏條件優(yōu)越。由于鉆前含油氣性指示不明，影響井位部署，導致該區(qū)勘探進展緩慢。目的層段原油密度為900 kg/m3，黏度為70 mPa·s，整體密度與黏度較低；平均孔隙度為30%，平均滲透率為843.2 mD，儲層以高孔、高滲儲層為主，有利于開展含油氣檢測工作。

2.2 巖石物理分析

測井資料不僅影響了各類參數求取的準確性，還決定了含油氣檢測技術應用的可行性，測井曲線校正與巖石物理分析顯得尤為重要。研究區(qū)部分井井壁垮塌嚴重，影響了密度數據實測質量，因此進行了密度曲線的校正，校正后巖石物理特征更加明顯、可靠，砂巖表現為低阻抗、低密度，聲波差異不明顯，整體區(qū)分性較好。在此基礎上，進行了各參數流體敏感性分析，優(yōu)選出了對含油氣性較為敏感的參數，按敏感性由高至低排序為：電阻率、λρ、密度、縱波阻抗、縱波速度（圖4）。

圖4 渤海西南部A構造測井計算彈性參數的含油氣性敏感分析Fig.4 Oil and gas sensitivity analysis of logging calculation elastic parameters in A structure，southwestern Bohai sea

2.3 含油氣性檢測效果

在疊前道集資料基礎上進行了AVO屬性分析，分析結果表明AVO屬性對油氣響應較為敏感。w3井位于構造相對低部位，該井未鉆遇油氣，AVO截距與梯度屬性皆無異常響應；w2井位于構造高部位，該井在館陶組鉆遇多套油層，這些油層在AVO截距與梯度剖面上表現為低振幅異常，總體吻合率達到了80%（圖5）。依據巖石物理分析結果，密度、阻抗等屬性對油氣較為敏感，采用疊前同時反演方法獲得了密度、阻抗、λρ地震數據體。然而儲層厚度、物性及含油氣性等都會導致這3類屬性低振幅響應，難以把含油氣響應信息單獨剝離出來，因此不能通過這些屬性來直接進行含油氣性檢測，但儲層含油氣后會加劇這三類屬性的低振幅特性，于是可以借用這三類屬性振幅分布規(guī)律初步篩選含油氣儲層的范圍，同時為后續(xù)進一步開展儲層含油氣性檢測提供基礎參數。剖面上，三類屬性反演結果與已鉆井吻合較好；提取館陶組內部一套儲層平面屬性，3口井均處于三類屬性低振幅區(qū)，其中w2井鉆遇油層，w1、w3井鉆遇水層，初步認為含油氣儲層分布于三類屬性低振幅區(qū)（圖6）。電阻率通常作為測井判別儲層含油氣的重要參數，此次采用基于模型的地震反演方法求取了電阻率地震數據體，反演結果與已鉆井吻合較好，其中w2井為約束井，w3井為盲井，井震吻合良好（圖7）。

圖5 渤海西南部A構造疊前AVO截距與梯度屬性井震吻合度分析Fig.5 Analysis of coincidence degree between pre-stack AVO intercept and gradient attribute in A structure，southwestern Bohai sea

圖6 渤海西南部A構造敏感性彈性參數平面與對應剖面展布特征Fig.6 Sensitivity elastic parameter plane and section spread characteristics in A structure，southwestern Bohai sea

為了直接獲得儲層含油氣性信息，以地震外部屬性（密度、阻抗、λρ、電阻率等）、地震內部屬性（振幅、頻率、相位等）以及由這些屬性計算的地震轉換屬性為輸入，采用基于徑向基函數神經網絡的方法對大量屬性進行綜合運算，獲得了含水飽和度數據體，該屬性進一步降低了單一屬性帶來的多解性，其預測結果與實鉆具有更好的吻合效果，吻合率高達90%，w2井多套含油儲層對應于含水飽和度剖面的低振幅響應，w3井未鉆遇油氣，含水飽和度對應高振幅值（圖8）。

AVO屬性分析結果僅來源于地震資料，沒有井的參與，能更為客觀地對儲層含油氣性進行預測，含水飽和度與電阻率屬性來源于井震結合的結果，具有更高的精度，綜合分析優(yōu)選出的這三類屬性，降低了儲層含油氣性預測的多解性。通過提取研究區(qū)館陶組三油組頂面這三類參數的平面屬性，總體井震吻合率較高，其中w2、w4井該層含油，處在三類屬性異常區(qū)內，w1井含水，處在三類屬性異常區(qū)外，w3井含水，處在三類屬性異常區(qū)邊部，而且鉆后含油面積范圍與平面屬性分布范圍一致（圖9）。

圖8 渤海西南部A構造含水飽和度預測效果分析Fig.8 Analysis of water saturation prediction effect in A structure，southwestern Bohai sea

圖9 渤海西南部A構造地震多參數綜合含油氣性檢測效果分析Fig.9 Analysis of seismic multi-parameter comprehensive hydrocarbon detection in A structure，southwestern Bohai sea

3 結束語

通過單一屬性預測儲層含油氣性多解性較強，本次從疊前道集資料出發(fā)，充分挖掘了地震反射中隱含的多種流體敏感信息，最終優(yōu)選出AVO截距、含水飽和度、電阻率三類儲層含油氣敏感參數，對這些參數進行綜合分析，降低了多解性，實現了渤海海域西南部A構造館陶組含油氣性預測，應用效果較好。