束寧凱，蘇朝光，石曉光，李治平，張學(xué)芳，陳先紅，朱劍兵，宋亮

（1.中國(guó)地質(zhì)大學(xué)（北京），北京 100083；2.非常規(guī)天然氣能源地質(zhì)評(píng)價(jià)與開(kāi)發(fā)工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100083；3.中國(guó)石油大學(xué)勝利學(xué)院，山東東營(yíng) 257061；4.中國(guó)石化勝利油田分公司物探研究院，山東東營(yíng) 257022）

1 研究背景

勝利埕島極淺海油田位于渤海灣南部極淺海海域，水深主體為2～18 m。區(qū)域構(gòu)造上處于渤中坳陷與濟(jì)陽(yáng)坳陷交會(huì)處、埕寧隆起埕北低凸起的東南部，西部以埕北斷層與埕北凹陷相鄰，向東傾伏于渤中凹陷（見(jiàn)圖1）。該區(qū)是在前第三系潛山背景上接受第三系沉積而形成的繼承性披覆構(gòu)造。

圖1 埕島油田區(qū)域構(gòu)造位置圖

新近系館陶組上段（簡(jiǎn)稱館上段）為該區(qū)主要含油層系之一，儲(chǔ)集層為典型的曲流河沉積，具有埋藏淺、單層厚度薄、組合類(lèi)型多且縱橫向變化快的特點(diǎn)[1]。實(shí)踐表明，該類(lèi)油藏勘探開(kāi)發(fā)的關(guān)鍵在于對(duì)曲流河薄儲(chǔ)集層的精細(xì)識(shí)別描述。

由于極淺海海域受地表潮汐、淤泥和海水鳴震等影響，采用海陸雙檢三維采集后，常規(guī)融合處理地震資料信噪比和分辨率較低，用這套地震資料進(jìn)行儲(chǔ)集層預(yù)測(cè)時(shí)，通常地震反射同相軸代表某一厚度層段薄互層組合或厚層砂體的地震響應(yīng)，無(wú)法準(zhǔn)確預(yù)測(cè)薄儲(chǔ)集層?，F(xiàn)有的水平切片、疊后屬性、疊后拓頻、疊后反演等技術(shù)[2-5]在該區(qū)僅能描述厚度大于 10 m的河道砂體，但對(duì)占比更大的厚度小于10 m的薄儲(chǔ)集層的地震描述和流體識(shí)別技術(shù)一直沒(méi)有突破，制約了該區(qū)的高效勘探和開(kāi)發(fā)。

本文針對(duì)勝利埕島極淺海油田地震資料特點(diǎn)和薄儲(chǔ)集層精細(xì)描述的難點(diǎn)，多學(xué)科融合應(yīng)用，首先利用海陸雙檢疊前高分辨率二級(jí)提頻處理技術(shù)，主要包括海陸雙檢一致性融合處理技術(shù)和疊前大角度保幅拓頻處理技術(shù)，可提高地震資料的信噪比和分辨率，有效提升了地震資料分辨薄儲(chǔ)集層的能力，為后續(xù)薄儲(chǔ)集層預(yù)測(cè)奠定地震資料基礎(chǔ)；然后開(kāi)發(fā)相層雙控儲(chǔ)集層智能識(shí)別技術(shù)，在地震精細(xì)層控的基礎(chǔ)上，建立河漫灘型、天然堤型、邊灘型 3種曲流河主要沉積微相地震相模式，實(shí)現(xiàn)地震沉積微相和薄儲(chǔ)集層的智能識(shí)別和描述，以提高曲流河薄儲(chǔ)集層描述的精度和效率；最后應(yīng)用疊前多參數(shù)流體概率技術(shù)實(shí)現(xiàn)該區(qū)含油砂體的半定量預(yù)測(cè)。這套技術(shù)為該油田薄儲(chǔ)集層油氣勘探和開(kāi)發(fā)提供了很好的物探技術(shù)支撐。

2 海陸雙檢疊前高分辨率二級(jí)提頻處理技術(shù)

勝利埕島極淺海油田目前已經(jīng)進(jìn)入海底電纜雙檢采集階段，常規(guī)海陸雙檢融合處理方法得到的地震資料信噪比和分辨率低，難以滿足薄儲(chǔ)集層識(shí)別描述的要求，影響了該類(lèi)油藏的勘探和開(kāi)發(fā)。本文通過(guò)加強(qiáng)處理參數(shù)實(shí)驗(yàn)和嚴(yán)格質(zhì)量監(jiān)控，以保真保幅為原則，形成了以海陸雙檢資料一致性融合處理和疊前大角度保幅拓頻處理為核心的二級(jí)提頻處理技術(shù)，地震資料信噪比和分辨率得到大幅提升。

2.1 海陸雙檢資料一致性融合處理技術(shù)

海陸雙檢地震資料常規(guī)融合處理技術(shù)是基于水檢和陸檢波場(chǎng)相同的假設(shè)，早期常規(guī)融合處理只是將兩者進(jìn)行能量匹配后直接融合或調(diào)相位融合[6-10]，普遍存在有效波受損、鳴震壓制效果差等問(wèn)題，地震資料信噪比和分辨率較低，難以滿足薄儲(chǔ)集層描述的需求。本文利用海陸雙檢一致性融合處理，較好地解決了這個(gè)問(wèn)題，其步驟是先將陸檢資料進(jìn)行微分處理，根據(jù)其與水檢資料的能量確定尺度變換因子，然后將陸檢微分結(jié)果與水檢資料進(jìn)行合并融合。從對(duì)比圖上可以看出，海陸雙檢一致性融合處理后的信噪比和分辨率明顯提高（見(jiàn)圖2）。

圖2 海陸雙檢地震資料一致性融合處理前（a）、后（b）地震剖面對(duì)比

該方法解決了海陸雙檢處理資料一致性差的難題，陷波得到補(bǔ)償，有效提高了地震資料的主頻和有效頻帶（見(jiàn)圖3），從而提高了砂體的分辨率。一致性融合處理前原始地震資料主頻為 30 Hz，優(yōu)勢(shì)頻帶為10～50 Hz，可分辨10 m厚的砂體；一致性融合處理后地震資料主頻達(dá)到40 Hz，優(yōu)勢(shì)頻帶為10～70 Hz，可分辨7.5 m厚的砂體。

圖3 水檢、陸檢及海陸雙檢一致性融合處理頻譜對(duì)比圖

2.2 疊前大角度保幅拓頻處理技術(shù)

通過(guò)海陸雙檢一致性融合處理技術(shù)，薄儲(chǔ)集層的地震信噪比大幅提升，地震分辨率有所提高，但仍然不能滿足極淺海薄儲(chǔ)集層地震描述的需求，常規(guī)反 Q濾波、拓頻、分頻等疊后拓頻方法在資料的保真性方面還不能滿足需求。

由于疊前共成像點(diǎn)大角度道集資料的干涉調(diào)諧作用，全道集疊加會(huì)引起頻帶變窄、分辨率降低，不利于河流相薄儲(chǔ)集層精細(xì)描述。針對(duì)這一問(wèn)題，為了達(dá)到保幅拓頻的處理目的，研究了疊前大角度保幅拓頻處理技術(shù)。其主要原理是依據(jù)數(shù)據(jù)同源性，通過(guò)構(gòu)建大角度數(shù)據(jù)與小角度數(shù)據(jù)的匹配因子，對(duì)大角度道集反射波拉伸校正，再對(duì)匹配處理后的道集疊加成像，使最終成像資料的子波特征和頻帶能夠保持小角度道集特征[11]。該技術(shù)使不同角度道集數(shù)據(jù)的頻譜趨于一致，實(shí)現(xiàn)了同相疊加成像，成像結(jié)果既具有較高的保幅性，又具有高分辨率，避免了大角度數(shù)據(jù)干涉調(diào)諧產(chǎn)生的累加效應(yīng)和傳統(tǒng)方法引起的子波變形、頻帶變窄、假頻現(xiàn)象及分辨率降低等問(wèn)題，最終使頻帶有效拓寬、主頻提高。通過(guò)該技術(shù)處理后的地震資料主頻由40 Hz提升到50 Hz，優(yōu)勢(shì)頻帶為10～90 Hz，可分辨6 m厚的砂體，基本滿足了現(xiàn)場(chǎng)對(duì)地震資料分辨率的需求。以過(guò)CB208井地震剖面為例，館上段2砂層組（頂面深度1 400 m）、館上段3砂層組（頂面深度1 520 m）（見(jiàn)圖4a），在原地震資料上表現(xiàn)為空白和弱反射（見(jiàn)圖4b），經(jīng)過(guò)保幅拓頻處理后呈現(xiàn)中強(qiáng)振幅反射特征（見(jiàn)圖4c），砂體分辨率得到顯著提高。

圖4 埕島極淺海油田CB208井地層柱狀圖（a）及疊前大角度保幅拓頻處理前（b）、后（c）地震剖面對(duì)比（GR—自然伽馬；SP—自然電位；R25—2.5 m電阻率）

3 相層雙控智能識(shí)別描述技術(shù)

層控是指建立沉積微相預(yù)測(cè)的等時(shí)約束面。相控是指以曲流河 3種地震微相（邊灘型、河漫型、天然堤型）地震特征分析為約束。相層雙控是指在層控和相控共同約束下，開(kāi)展曲流河沉積微相的智能預(yù)測(cè)及砂體的儲(chǔ)集層描述。

利用海陸雙檢疊前高分辨率二級(jí)提頻處理地震資料，對(duì)埕島極淺海油田曲流河薄儲(chǔ)集層砂體開(kāi)展相層雙控智能識(shí)別描述。在建立層控等時(shí)約束面的基礎(chǔ)上開(kāi)展不同沉積微相地震相特征研究，完成曲流河薄儲(chǔ)集層地震相智能識(shí)別，主要包括樣本點(diǎn)拾取、地震屬性規(guī)約、沉積微相智能識(shí)別樣本集構(gòu)建和沉積微相砂體智能預(yù)測(cè)。

3.1 層控等時(shí)約束面建立

埕島極淺海油田館陶組自下而上為一個(gè)長(zhǎng)期基準(zhǔn)面旋回，底界面為館陶組與古近系的不整合面，頂界面為館陶組與明化鎮(zhèn)組的分界面。在長(zhǎng)期基準(zhǔn)面旋回內(nèi)部館上段又進(jìn)一步劃分出N1g11、N1g12、N1g13等3個(gè)中期基準(zhǔn)面旋回[12-14]（見(jiàn)圖5a、圖5b）。目的層N1g125砂層位于 N1g12砂組中期旋回，以弱反射為背景，斷續(xù)、較強(qiáng)振幅反射交互，代表沖積平原泥巖與孤立河道砂體沉積（見(jiàn)圖5c）。

在中期基準(zhǔn)面旋回劃分的基礎(chǔ)上，綜合沉積序列的縱向特征、沉積相的空間變化及砂巖的疊加樣式等因素，根據(jù)標(biāo)志層、輔助標(biāo)志層組合，逐級(jí)對(duì)比砂層組；在合成地震記錄標(biāo)定的基礎(chǔ)上，通過(guò)單井標(biāo)定層位與地震層位對(duì)比，確保地震層位與地質(zhì)層位的一致性，建立沉積微相智能預(yù)測(cè)的等時(shí)約束面（見(jiàn)圖5c），以保證N1g125砂層頂面解釋的準(zhǔn)確性。

圖5 埕島極淺海油田館陶組CB23井（a）與CB27井（b）層序地層對(duì)比及層控等時(shí)面追蹤地震剖面圖（c）（剖面位置見(jiàn)圖1）

3.2 不同沉積微相地震相特征

針對(duì)埕島極淺海油田館上段曲流河沉積，選擇具有完備的錄井巖性、常規(guī)測(cè)井曲線、時(shí)深關(guān)系、沉積微相解釋的 CB25、CB27、CB252、CBG10及 SHH2等井的147個(gè)沉積微相層段（包含邊灘57個(gè)、天然堤32個(gè)、河漫灘58個(gè)）作為分析的樣本點(diǎn)，總結(jié)出河漫灘型、天然堤型、邊灘型等 3種主要沉積微相地震相模式（見(jiàn)圖 6）。河漫灘沉積以泥質(zhì)沉積為主，巖性單一，與邊灘、天然堤砂體界面處地層反射系數(shù)較大，在正極性地震剖面上表現(xiàn)為波谷反射特征（見(jiàn)圖6a）。天然堤沉積以互層型薄砂條為主，由于厚度較薄，相消干涉并不明顯，地震剖面仍為一個(gè)同相軸，較河漫灘地震響應(yīng)振幅及頻率略強(qiáng)，在正極性剖面上表現(xiàn)為弱振幅特征（見(jiàn)圖6b）。邊灘是河床側(cè)向侵蝕、沉積物側(cè)向加積的結(jié)果，自下而上表現(xiàn)為層理規(guī)模變小、粒度由粗變細(xì)的正韻律，巖性界面為砂泥巖突變界面，波阻抗差異大，在地震正極性剖面上表現(xiàn)為高頻中強(qiáng)—強(qiáng)振幅反射特征，反射強(qiáng)度明顯高于天然堤型（見(jiàn)圖6c）。

3.3 曲流河薄儲(chǔ)集層地震相智能識(shí)別

在單井沉積微相劃分基礎(chǔ)上，依據(jù)不同沉積微相地震相模式拾取井周?chē)?lèi)型沉積微相進(jìn)一步增加樣本點(diǎn)數(shù)量，對(duì)樣本點(diǎn)垂向范圍內(nèi)的地震屬性時(shí)窗選取及特征值進(jìn)行規(guī)約，由此構(gòu)建曲流河沉積微相智能識(shí)別樣本集，采用隨機(jī)森林方法[15]對(duì)樣本集進(jìn)行訓(xùn)練和預(yù)測(cè)，實(shí)現(xiàn)沉積微相砂體的智能識(shí)別。

隨機(jī)森林算法是以決策樹(shù)為基礎(chǔ)，通過(guò)隨機(jī)重復(fù)采樣技術(shù)和節(jié)點(diǎn)隨機(jī)分裂技術(shù)組建多棵決策樹(shù)，最后組合大量決策樹(shù)的預(yù)測(cè)結(jié)果并將其作為一個(gè)整體輸出。通過(guò)多棵決策樹(shù)進(jìn)行集成學(xué)習(xí)有效地克服了單棵決策樹(shù)容易出現(xiàn)過(guò)擬合、分類(lèi)精度較低等問(wèn)題，并且有效地降低了學(xué)習(xí)系統(tǒng)的泛化誤差[16]。

3.3.1 樣本點(diǎn)拾取

以井點(diǎn)處沉積微相解釋為基礎(chǔ)，結(jié)合河流相各沉積微相平面發(fā)育規(guī)律及不同沉積微相的垂向地震相響應(yīng)特征，將井點(diǎn)處各層段的沉積微相解釋結(jié)論向井點(diǎn)附近地層拓展，對(duì)地震振幅、波形數(shù)據(jù)體沿層切片分析拾取新的沉積微相樣本點(diǎn)，以增加用于構(gòu)建機(jī)器學(xué)習(xí)的樣本點(diǎn)數(shù)，本文從時(shí)間域上共拾取沉積微相樣本層段43 426個(gè)，其中邊灘樣本層段16 635個(gè)、天然堤樣本層段7 491個(gè)、河漫灘樣本層段19 338個(gè)。

3.3.2 地震屬性規(guī)約

將原始地震數(shù)據(jù)通過(guò)分頻重構(gòu)得到 5～100 Hz、5～50 Hz、50～100 Hz、5～25 Hz、25～50 Hz 共 5 個(gè)不同頻帶的地震數(shù)據(jù)，5個(gè)頻帶范圍均代表著某一典型頻段相關(guān)波形信息。在低頻剖面一些高頻信息會(huì)被隱藏，而在高頻剖面低頻信息會(huì)被掩蓋，不同頻段交叉范圍小，時(shí)域無(wú)明顯吉布斯現(xiàn)象，同時(shí)滿足了時(shí)域與頻域分辨率需求，可準(zhǔn)確表征該頻帶范圍內(nèi)地震波形響應(yīng)特征。原始地震記錄及 5個(gè)分頻頻帶波形地震分別提取波形、瞬時(shí)振幅和波阻抗屬性可以得到18個(gè)包含不同特征的地震屬性作為后續(xù)特征輸入數(shù)據(jù)。

不同沉積微相類(lèi)型地層的性質(zhì)差異不僅體現(xiàn)在其當(dāng)前位置地震屬性的特征，更與其所處地層范圍內(nèi)上下段的整體地震響應(yīng)特征有關(guān)，需從垂向上對(duì)地震屬性時(shí)窗選取及特征值進(jìn)行規(guī)約，以充分表征不同沉積微相的地震響應(yīng)特征。本文考慮采用固定長(zhǎng)度時(shí)窗（w），分3段5個(gè)特征值對(duì)當(dāng)前點(diǎn)地震屬性進(jìn)行規(guī)約，如地震屬性（X）在時(shí)間為t的特征值包括：當(dāng)前層段（時(shí)窗范圍t-0.5 w到t+0.5 w）屬性均值（XC）；層段上部（時(shí)窗范圍t-1.5 w到t-0.5 w）屬性均值（XU）；層段下部（時(shí)窗范圍 t+0.5 w到 t+1.5 w）屬性均值（XL）；3段屬性梯度均值（XD）；上下層段屬性梯度比值（XR）。地震屬性X在時(shí)窗t-1.5 w到t+1.5 w范圍內(nèi)可以得到XC、XU、XL、XD、XR這5個(gè)特征值，它們能夠有效表征地震屬性在此范圍內(nèi)的變化趨勢(shì)，以及可能存在的遞增型、遞減型、中凸型、中凹型等形態(tài)特征，并與不同沉積微相的地震相響應(yīng)具有很好的對(duì)應(yīng)關(guān)系。例如邊灘型微相組合典型波組特征為當(dāng)前段表現(xiàn)為負(fù)極性、頂?shù)诪檎龢O性，且底部負(fù)極性波形幅度明顯高于頂部負(fù)極性波形幅度。對(duì)原始波形W、瞬時(shí)振幅A按照前述規(guī)約方法得到10個(gè)特征值，它們的關(guān)系具體表現(xiàn)為 WL＞W(wǎng)U＞0＞W(wǎng)C、AU＜AL、WR＜1、AR＜1、WD＞0 等。

針對(duì)某一沉積相類(lèi)型的地震相表征，合適的規(guī)約時(shí)窗選取至關(guān)重要。原始地震記錄采樣間隔為2 ms，分別選取 2，4，6，8，10 ms作為規(guī)約時(shí)窗，基于隨機(jī)森林算法估算在不同規(guī)約窗長(zhǎng)下各沉積微相的分類(lèi)預(yù)測(cè)性能[15-19]，得到研究區(qū)邊灘、天然堤、河漫灘最佳規(guī)約時(shí)窗分別為2，4，6 ms。

3.3.3 沉積微相智能識(shí)別樣本集構(gòu)建

基于前述43 426個(gè)沉積微相樣本層段，分別以2，4，6 ms為規(guī)約窗長(zhǎng)，針對(duì)曲流河的邊灘、天然堤、河漫灘3個(gè)沉積微相，對(duì)所提取的18個(gè)地震屬性進(jìn)行規(guī)約，構(gòu)建各自的訓(xùn)練樣本集。每個(gè)地震屬性提取 5個(gè)特征，加上主測(cè)線、聯(lián)絡(luò)測(cè)線、時(shí)間 3個(gè)表示時(shí)空位置的坐標(biāo)，整個(gè)樣本集共包含93個(gè)維度。

3.3.4 沉積微相砂體智能預(yù)測(cè)

由于參與機(jī)器學(xué)習(xí)訓(xùn)練的樣本僅有曲流河的邊灘、河漫灘、天然堤 3種沉積微相，而實(shí)際曲流河沉積中的微相類(lèi)型遠(yuǎn)不止這些，如果采用確定性判別的方法將會(huì)導(dǎo)致與實(shí)際情況不符。本文采用模糊分類(lèi)智能預(yù)測(cè)方法進(jìn)行相關(guān)預(yù)測(cè)，分別求取目的層段內(nèi)屬于邊灘、河漫灘、天然堤 3種沉積微相的概率值。如果屬于某一沉積微相的概率值特別大，而屬于其他沉積微相的概率值都較小，如邊灘概率 0.88、天然堤概率0.10，河漫灘概率0.02，則可認(rèn)為目的層確屬于具有優(yōu)勢(shì)概率的沉積微相。如果兩種沉積微相類(lèi)型的概率值均較大，如邊灘概率 0.50、天然堤概率 0.45、河漫灘概率 0.05，說(shuō)明目的層位于兩種沉積微相類(lèi)型的分類(lèi)邊界附近，由于原始地震測(cè)量、處理和計(jì)算中存在誤差，此時(shí)的判別結(jié)果會(huì)存在一定的不確定性。如果 3種沉積微相的概率值均較小，如邊灘概率 0.33、天然堤概率 0.33、河漫灘概率 0.34，則說(shuō)明目的層可能屬于 3種類(lèi)型之外的沉積微相類(lèi)型。在具體的預(yù)測(cè)過(guò)程中，分別采用不同規(guī)約窗長(zhǎng)建立針對(duì)邊灘、天然堤、河漫灘的沉積微相概率預(yù)測(cè)模型，對(duì)于給定的待預(yù)測(cè)數(shù)據(jù)點(diǎn)，分別通過(guò) 3個(gè)模型預(yù)測(cè)其屬于各沉積微相砂體的概率，再按照上述邏輯進(jìn)行智能判別。

通過(guò)智能預(yù)測(cè)，得到埕島極淺海油田 N1g125曲流河的邊灘、天然堤、河漫灘等不同沉積微相砂體的三維概率預(yù)測(cè)體，分別按N1g125層位數(shù)據(jù)作這3個(gè)沉積微相的切片，在顏色刻度中將各沉積微相切片中概率較小的部分設(shè)置為透明，將 3個(gè)沉積微相的預(yù)測(cè)概率切片顯示進(jìn)行疊合顯示，得到 N1g125砂層沉積微相砂體智能預(yù)測(cè)結(jié)果（見(jiàn)圖 7）。預(yù)測(cè)的邊灘邊緣清晰、符合河道發(fā)育的自然形態(tài)，且預(yù)測(cè)的邊灘基本處于河道邊緣位置，平面接觸關(guān)系與實(shí)際河流相沉積規(guī)律相符。利用邊灘概率預(yù)測(cè)數(shù)據(jù)體，在N1g125砂層頂面控制下，對(duì) N1g125砂層砂體頂?shù)酌孢M(jìn)行追蹤解釋?zhuān)瑢?shí)現(xiàn)了埕島極淺海油田曲流河河道砂體相層雙控智能識(shí)別和描述（見(jiàn)圖8）。實(shí)鉆與預(yù)測(cè)砂體厚度對(duì)比統(tǒng)計(jì)表顯示（見(jiàn)表1），預(yù)測(cè)誤差小于1.5 m，大大提高了曲流河薄儲(chǔ)集層砂體描述的準(zhǔn)確性。

表1 埕島極淺海油田N1g125砂層實(shí)鉆與預(yù)測(cè)砂體厚度對(duì)比

圖7 埕島極淺海油田N1g125曲流河沉積微相砂層智能預(yù)測(cè)結(jié)果圖

圖8 埕島極淺海油田N1g125砂層砂體厚度圖

4 疊前地震流體識(shí)別技術(shù)

針對(duì)埕島極淺海油田早期利用疊后地震資料進(jìn)行流體預(yù)測(cè)精度不高的問(wèn)題，在保證疊前道集資料品質(zhì)良好的前提下，通過(guò)巖石物理分析，對(duì)館上段河道砂體油藏進(jìn)行疊前地震流體識(shí)別。

4.1 疊前道集處理

流體彈性阻抗是縱波速度、橫波速度、密度和入射角的函數(shù)，為了把流體彈性阻抗與地震數(shù)據(jù)聯(lián)系起來(lái)，地震數(shù)據(jù)體必須是角度部分疊加的形式。常規(guī)采集、處理之后僅能得到反映振幅與偏移距關(guān)系的CMP（Common Middle Point，共中心點(diǎn)）道集，因此角道集疊加在疊前反演中非常關(guān)鍵[20-21]。角道集部分疊加處理的目的是為AVO（Amplitude Variation with Offset，振幅隨炮檢距的變化）或彈性阻抗等疊前反演提供地震資料，所以需要對(duì)CMP道集資料做特殊處理：①精細(xì)的波前擴(kuò)散處理；②震源組合與檢波器組合效應(yīng)的校正；③反Q濾波；④地表一致性處理，包括地表一致性反褶積、地表一致性振幅校正、地表一致性靜校正；⑤疊前去噪處理；⑥疊前剩余振幅補(bǔ)償；⑦精細(xì)的初至切除。這些處理過(guò)程直接影響著地震道集的AVO（或 AVA（Amplitude Variation with incident Angle，振幅隨入射角的變化））屬性。

處理后的CMP道集進(jìn)一步做角道集轉(zhuǎn)換，按照最大角度不能超出最大偏移距和保證目的層段有最高照明度的原則劃分角度，得到研究區(qū) 3個(gè)角度的部分疊加剖面，為疊前流體檢測(cè)提供基礎(chǔ)資料。

4.2 巖石物理特征分析

選定合適的參數(shù)可以減小流體檢測(cè)的不確定性和多解性。根據(jù)測(cè)井解釋巖石彈性參數(shù)（縱波速度、密度、橫波速度）計(jì)算得到泊松比、拉梅參數(shù)與密度的乘積、剪切模量與密度的乘積、流體因子等屬性參數(shù)，結(jié)合已估算具有橫波的測(cè)井曲線特征，根據(jù)多種參數(shù)的交會(huì)關(guān)系來(lái)確定流體性質(zhì)[22-24]。埕島極淺海油田N1g125砂層彈性參數(shù)交會(huì)圖顯示（見(jiàn)圖 9），油層具有低泊松比、低流體因子、低拉梅參數(shù)與密度的乘積等特征，在一定程度上可對(duì)流體進(jìn)行識(shí)別。但是油層與水層和干層的對(duì)應(yīng)區(qū)域有部分疊置，無(wú)法用一個(gè)簡(jiǎn)單的截止值或多邊形邊界來(lái)進(jìn)行含油性解釋?zhuān)虼诵枰M(jìn)行流體概率分析[25-26]。

圖9 埕島極淺海油田館上段不同流體地層彈性參數(shù)交會(huì)圖

4.3 疊前流體概率預(yù)測(cè)

對(duì)井點(diǎn)數(shù)據(jù)進(jìn)行分流體統(tǒng)計(jì)和隨機(jī)模擬，建立不同流體的彈性屬性概率密度分布函數(shù)，然后利用貝葉斯判別準(zhǔn)則，分油、水對(duì)反演得到的拉梅參數(shù)與密度的乘積和泊松比進(jìn)行概率映射轉(zhuǎn)換，得到對(duì)應(yīng)的含油概率體、含水概率體。該方法充分利用了反演得到的彈性參數(shù)，與直接反演結(jié)果相比，得到的流體數(shù)據(jù)體具有更加明確的地質(zhì)含義，且根據(jù)流體的概率分布趨勢(shì)，可以半定量評(píng)估流體類(lèi)型預(yù)測(cè)風(fēng)險(xiǎn)。流體概率分析技術(shù)流程主要包括以下步驟：①利用測(cè)井資料分析結(jié)果建立各種含流體類(lèi)型條件下的地震反演彈性參數(shù)之間的關(guān)系；②根據(jù)測(cè)井分析結(jié)果篩選出對(duì)流體相敏感且線性相關(guān)較弱的彈性參數(shù)，建立并調(diào)整各種流體的概率密度函數(shù)；③應(yīng)用疊前地震資料進(jìn)行疊前同步反演獲得流體彈性屬性體；④應(yīng)用定義的概率密度函數(shù)把測(cè)井資料和地震反演結(jié)果相結(jié)合進(jìn)行概率分布分析，半定量預(yù)測(cè)含流體類(lèi)型。通過(guò)以上步驟把疊前反演的多個(gè)屬性數(shù)據(jù)體轉(zhuǎn)換成流體概率體，進(jìn)一步提高了流體預(yù)測(cè)的精度。

最終的流體概率結(jié)果綜合了多個(gè)疊前彈性參數(shù)對(duì)油層的響應(yīng)，預(yù)測(cè)結(jié)果與實(shí)鉆井吻合程度高。過(guò)CB252、SHHG2、CB206等井的流體概率地震預(yù)測(cè)剖面圖顯示出非常清晰的油水關(guān)系特征（見(jiàn)圖10）。圖11為N1g125砂層流體概率預(yù)測(cè)平面圖顯示出非常清晰的油水關(guān)系平面展布特征（見(jiàn)圖11），通過(guò)與實(shí)鉆井統(tǒng)計(jì)分析（見(jiàn)表2）對(duì)比，儲(chǔ)集層流體識(shí)別吻合率達(dá)到90%以上。

圖10 過(guò)CB252—SHHG2—CB206井流體概率地震預(yù)測(cè)剖面圖（剖面位置見(jiàn)圖1；顏色越紅代表含油概率越高；顏色越綠代表含水概率越高）

圖11 埕島極淺海油田N1g125砂層流體概率平面預(yù)測(cè)圖（顏色越紅代表含油概率越高；顏色越綠代表含水概率越高）

表2 埕島極淺海油田N1g125砂層鉆遇流體與預(yù)測(cè)流體吻合情況統(tǒng)計(jì)表

5 結(jié)論

通過(guò)多學(xué)科融合應(yīng)用，提出應(yīng)用海陸雙檢疊前高分辨率二級(jí)提頻處理、相層雙控儲(chǔ)集層智能識(shí)別、疊前多參數(shù)流體概率等 3項(xiàng)技術(shù)，為勝利埕島極淺海油田薄儲(chǔ)集層油氣勘探和開(kāi)發(fā)提供物探技術(shù)支撐。

海陸雙檢疊前高分辨率二級(jí)提頻處理技術(shù)主要包括海陸雙檢一致性融合處理技術(shù)和疊前大角度保幅拓頻處理技術(shù)，該技術(shù)可提高地震資料的信噪比和分辨率，將目的層地震主頻從30 Hz提高到50 Hz，可分辨6 m厚的砂體，為薄儲(chǔ)集層預(yù)測(cè)奠定了資料基礎(chǔ)。

相層雙控智能識(shí)別技術(shù)是在地震精細(xì)層控的基礎(chǔ)上，建立河漫灘型、天然堤型、邊灘型 3種曲流河主要沉積微相地震相模式，制定地震屬性規(guī)約策略，通過(guò)海量數(shù)據(jù)分析手段和智能判識(shí)，以沉積相分布的有序性和不變性、地震屬性的規(guī)律性和關(guān)聯(lián)性為約束，實(shí)現(xiàn)地震沉積微相和薄儲(chǔ)集層的智能識(shí)別和描述，大大提高了薄儲(chǔ)集層描述的精度和效率，儲(chǔ)集層厚度預(yù)測(cè)誤差小于1.5 m。

在疊前道集處理和巖石物理分析基礎(chǔ)上開(kāi)展疊前多參數(shù)流體概率半定量含油性地震識(shí)別，儲(chǔ)集層流體識(shí)別吻合率達(dá)到90%以上。