基于多種地震反演方法的哈拉哈塘地區火成巖識別及速度建模

崔永福， 許永忠， 彭更新， 郭念民， 王興軍， 鄭多明， 馬一名， 張　昆

( 1. 中國石油塔里木油田公司 勘探開發研究院，新疆 庫爾勒　841000；　2. 中國礦業大學 資源與地球科學學院，江蘇 徐州　221116 )

?

基于多種地震反演方法的哈拉哈塘地區火成巖識別及速度建模

崔永福1， 許永忠2， 彭更新1， 郭念民1， 王興軍1， 鄭多明1， 馬一名2， 張昆2

( 1. 中國石油塔里木油田公司 勘探開發研究院，新疆 庫爾勒841000；2. 中國礦業大學 資源與地球科學學院，江蘇 徐州221116 )

塔里木盆地北部哈拉哈塘地區油氣成藏條件良好，普遍發育二疊系火成巖儲層，地震震資料顯示二疊系巖性、速度變化劇烈，影響其下伏奧陶系油藏“串珠”的疊前深度偏移成像及低幅構造圈閉的變速成圖。在分析哈拉哈塘南部工區地質資料基礎上，采用約束稀疏脈沖反演、人工神經網絡反演、多參數反演方法對二疊系火成巖速度識別進行對比；采用db4小波對聲波測井曲線進行基于小波變換的分頻重構，將反演得到的速度模型應用在疊前深度偏移中。結果表明，約束稀疏脈沖反演方法更適用于工區巨厚的、巖相變化復雜的火成巖的快速建模；聲波測井曲線重構后反演的數據體對巖性的識別能力明顯提高，有助于火成巖速度建模。文中速度模型對“串珠”的刻畫取得較好效果，表明該方法可為哈拉哈塘及類似地區火成巖研究提供初始速度模型。

約束稀疏脈沖反演； 人工神經網絡反演； 聲波重構反演； 速度建模； 火成巖； 哈拉哈塘地區

0　引言

火成巖油氣藏作為非常規油氣藏，產層厚，產率高，具有較大發展潛力。陳樹民等[1]利用測井、VSP(垂直地震剖面)等資料預測徐深氣田火山巖含氣儲層，采用PP-PS協同反演技術進行縱橫波速度比彈性參數反演，顯示儲層特征明顯，預測效果良好；潘赟等[2]劃分塔北西部火成巖巖性，利用測井資料研究不同巖性的測井響應特征，對識別火成巖巖性具有指導意義；劉小平等[3]分析蘇北盆地海安凹陷火成巖儲層的地震剖面和測井響應特征，應用伽馬和深側向電阻率曲線構建擬聲波曲線，進行高分辨率參數反演，較準確地反映火成巖的變化特征；張震等[4]利用巖心、薄片及成像測井方法，分析火山巖巖石學特征、儲集空間類型和儲層物性特征等，研究哈山地區石炭系火山巖儲層特征及儲集性能主控因素。

近年來，全波形反演技術快速發展，它對初始速度模型依賴性強，需要精確的速度模型才能保證反演的精度[5]。速度建模是制約疊前深度偏移成像精度的主要瓶頸，建立可準確反映地下巖層巖性規律的高精度速度模型非常重要。萬忠宏等[6]根據地震波傳播速度和巖層性質關系，提出屬性模型速度建場技術，以井為基礎，利用速度場內插模塊等形成速度模型。溫聲明等[7]考慮高陡復雜構造區的構造特點，提出高陡構造區層速度替換建場法。哈拉哈塘地區二疊系火成巖厚度有數百米，縱、橫向上巖性變化快，用Dix速度建場、層速度替換建場法、模型速度建場等方法研究火成巖速度變化效果不理想，影響研究區火成巖下伏低幅構造與奧陶系油氣勘探進程。地震反演技術利用地震資料和測井資料，得到包含速度信息的高分辨率波阻抗數據體，使高精度火成巖速度建場成為可能[8]。哈拉哈塘地區火成巖巖性、巖相變化大，筆者采用約束稀疏脈沖反演、人工神經網絡反演、多參數反演方法，對該地區二疊系進行火成巖識別與反演速度建模，得到符合該地區地質特點的高精度速度體。

1　工區概況

研究工區位于塔里木盆地北部的一級構造單元塔北隆起。程海燕[9]、崔澤宏[10]等將塔北隆起劃分為6個二級構造單元，李曰俊等[11]將塔北隆起劃分為包括輪南低凸起等5個次級構造單元。哈拉哈塘地區西部緊接英買力低凸起，截至目前已鉆井數百口。選取鉆遇火成巖儲層12口井，巖性以凝灰巖和火山碎屑巖為主，且12口井經過標準化處理，聲波時差準確，能夠反映地下巖層信息。工區二疊系火成巖主要為基性噴出的玄武巖和介于中性和酸性之間噴出的英安巖，以及過渡類型的凝灰質英安巖和安山質英安巖，局部出現少量安山巖和流紋巖。工區內火山活動大致分為三個期次：第一期次巖性主要為凝灰巖和火山碎屑巖；第二期次巖性以玄武巖為主；第三期次巖性以英安巖和英安質凝灰巖為主。

2　反演方法

2.1約束稀疏脈沖反演

約束稀疏脈沖反演是基于褶積模型的遞推反演方法[12]，可很好適用于鉆井較少的勘探區域，并獲得較寬頻帶的反射系數序列。由于測井資料含有豐富的高低頻率，補充地震波阻抗的頻率信息，使反演結果能更好地反映地下地質情況[13-14]。

首先，對工區中在二疊系有密度曲線的測井資料進行聲波密度擬合，得到工區聲波—密度擬合經驗公式，完成聲波—密度轉換工作。其次，對比合成地震記錄與實際地震剖面，精細調整合成記錄，反復迭代修正，使相關度達到滿意結果。最后，在反演中加入控制波阻抗趨勢和范圍的約束條件，得到火成巖的相對波阻抗；建立火成巖低頻模型，將模型與相對波阻抗體融合，得到絕對波阻抗[15]。

2.2人工神經網絡反演

人工神經網絡可模仿人類大腦自組織和自適應的智能行為，具有自適應、自學習、抗干擾能力強的特點[16]，對于復雜的邏輯操作及非線性映射關系，具有良好的仿真處理能力。

在人工神經網絡反演中，對反演影響較大的因素為：(1)制作合成記錄；(2)建立初始模型；(3)訓練神經網絡。在合成記錄制作過程中，除了選擇地震子波外，標定井震時深對應關系時應盡量避免拉伸，以免測井曲線發生改變。對于初始模型的建立，主要利用地震層位約束，對測井曲線低通濾波后通過內插和外推得到，能夠初步反映火成巖波阻抗在空間中的變化特征。

2.3多參數反演

基于測井約束的多參數反演不僅依靠聲波密度曲線進行聲波阻抗反演，而且綜合電阻率、自然伽馬、自然電位及中子測井等測井數據。該反演方法能充分利用測井資料，并與地震資料優勢互補[17]。

首先，采用初始模型構建與原始地震道最為近似的地震道并進行反演，通過迭代調整并優化參數使殘差達到最小，得到的空間權值最優分布的數據體；然后，將該數據體應用于不同屬性的測井數據，得到對應的測井屬性數據體。

文中工區火成巖測井曲線表現為中低聲波時差值、高自然伽馬值；火山碎屑巖測井曲線表現為中聲波時差值、低自然伽馬值。因此，將自然伽馬曲線作為識別火成巖和火山碎屑巖的敏感曲線，進行多參數反演，得到自然伽馬屬性數據體。

3　反演結果

3.1測井曲線處理

受人為或其他客觀因素影響，采集的測井曲線常出現質量差、多井之間缺乏一致性或數據缺失等情況，因此需對原始測井資料進行質量控制和標準化處理，可以消除測井資料中的系統誤差，盡可能還原測井資料的真實值[18]，使測井數據一致性較高、相對完整。在質量控制過程中，需要對密度和聲波等質量差的測井曲線進行編輯；在標準化處理過程中，根據每口井的相帶類型與VSP速度，應用直方圖和交會圖對目標井相同地質層位進行標準化處理。

3.2反演剖面對比

采用約束稀疏脈沖反演、人工神經網絡反演及多參數反演三種方法，對工區火成巖巖層進行地震反演，得到過井X2—X5—X301—X3_1—X3—X4—X8的波阻抗剖面(見圖1)。

圖1　工區火成巖不同反演方法反演的過井X2—X5—X301—X3_1—X3—X4—X8波阻抗剖面

三種反演方法得到的波阻抗值的范圍基本相符。其中，約束稀疏脈沖反演采用測井和地震層位建立的初始框架進行約束，用相對波阻抗體作為低頻補充，反演結果更符合地震數據。神經網絡反演注重輸入與輸出之間的非線性映射關系，但工區中測井數量少、位置分布不規律，在井點分布稀疏的區域，訓練樣本的可靠性較差。多參數反演以測井數據為主，同時考慮地震資料橫向上的變化，縱向分辨率較高，但反演結果過于層狀化。工區中二疊系火成巖較厚，內部成層性不明顯，約束稀疏脈沖反演比其他反演方法的結果更符合工區實際地質狀況。

3.3反演速度評價

將三種不同反演方法得到的波阻抗數據體轉換為速度體：

(1)

式中：imp為通過反演得到的波阻抗；a、b為研究區域聲波—密度擬合經驗公式的因數；VP為速度。

提取X2、X4、X3_1、X5、X301、X8井的反演速度數據，經過標準化處理，聲波時差值準確，能夠反映地下巖層信息。因此，對6口井的反演速度與聲波速度進行對比，計算每口井在不同反演方法下誤差(見表1)。

表1　三種反演方法的速度及與原始聲波時差速度及誤差

由表1可知：人工神經網絡反演方法由于參與訓練的井少、井位分布不均(西側9口、東側3口)，得到的反演速度誤差略大。多參數反演與約束稀疏脈沖反演方法的，除X4井外，其他井點的反演速度與原始聲波時差速度誤差較小，但多參數反演的波阻抗剖面有明顯成層性，約束稀疏脈沖反演方法井點處反演結果整體誤差為0.737%～3.811%，無異常值，與工區火成巖的速度變化規律更符合。

4　基于小波變換的聲波時差重構反演

4.1重構原理及實現

聲波時差測井曲線是聲波阻抗反演的基本資料，受到各種因素影響，其反演速度在井點處易出現異常，難以較好地反映地層巖性變化規律。塔北哈拉哈塘二疊系火成巖儲層非均質性強、速度變化差異大，導致聲波時差反演誤差更為明顯。文中利用對火成巖巖性反映敏感的自然伽馬測井曲線，對聲波時差曲線進行重構，可更好地反映火成巖巖性、提高火成巖反演分辨率。

錄井資料顯示，工區火成巖儲層巖性主要有英安巖、火山碎屑巖和凝灰巖。目的層段測井曲線包括聲波時差(DT)、自然伽馬(GR)和自然電位(SP)等。不同測井方法反映的是同一地質體的地球物理特征，不同曲線存在相關關系，對它們進行統計回歸，利用同時與聲波時差和火成巖巖性相關關系較好的曲線進行重構。

以X2、X302、X3井為例，繪制3口井的聲波時差—自然伽馬曲線交會圖、聲波時差—自然電位曲線交會圖(見圖2)。由圖2可以看出，聲波時差與自然伽馬曲線有較好的相關關系，自然伽馬曲線對火成巖的巖性變化更敏感。因此，利用自然伽馬曲線的高頻信息與聲波時差曲線進行重構，能更好地反映火成巖信息，提高對火成巖的識別能力。

采用db4小波對聲波時差和自然伽馬曲線進行五尺度小波分解，將聲波時差和自然伽馬曲線分成低頻分量及高頻分量部分。聲波時差和自然伽馬曲線的低頻分量部分比兩者的高頻分量部分相關關系更好，因此以兩條曲線低頻分量部分為基礎建立回歸模型：

(2)

式中：LDT和LGR分別為聲波時差和自然伽馬測井曲線經五尺度分解后得到的低頻部分；g為量綱轉換因子；C為校正常數。回歸求出g和C，進而得到與聲波時差相同量綱的自然伽馬曲線：

(3)

式中：GRnew和GRold分別為原始和模型建立的自然伽馬曲線。

圖2　工區X2、X302、X3井的DT-GR與DT-SP交會圖Fig.2 Crossplots DT-GR and DT-SP of X2, X302, X3 well in work area

測井曲線標準化處理和量綱轉換使聲波時差和自然伽馬曲線在重構中貢獻相同，通過Matlab編程計算量綱轉換參數，得到工區8口井的擬合參數(見表2)。

表2　工區8口井量綱轉換參數

聲波時差測井曲線的小波重構是分解的逆過程。首先，通過式(3)將原始自然伽馬曲線轉換為具有聲波時差量綱的曲線；其次，將分解得到的原始聲波時差曲線的低頻部分及原始自然伽馬曲線高頻的細節部分，組合并重構得到擬聲波時差曲線(見圖3)。

4.2聲波時差重構反演

重構的聲波時差曲線應用于約束稀疏脈沖反演，得到波阻抗反演結果并轉換為速度體。對比聲波時差重構反演前后的過X8、X9井的連井波阻抗剖面(見圖4)。由圖4可見，重構前后聲波阻抗反演結果整體一致，但細節上略有差異：其中4處被圈區域差異相對明顯，反演波阻抗低值的連續小層(藍色)在重構后的剖面中差異更明顯。

圖3　X8井小波重構聲波時差曲線Fig.3 The reconstruction DT curve with wavelet transform in well X8

圖4　過X8—X9井聲波時差曲線重構反演前后波阻抗剖面Fig.4 P-impendence contrast before and after DT reconstruction cross well X8 and X9

聲波時差重構反演前后的波阻抗剖面的波阻抗差異不明顯，原因為：(1)聲波時差重構沒有改變其低頻信息，對大的地層背景速度沒有改變；(2)雖然工區火成巖儲層分布廣泛、變化劇烈，但普遍發育較厚，受地質條件制約，難以發揮重構反演對巖性的識別能力。

工區東南區域X8井附近發育火山碎屑巖與砂泥巖互層，井點處重構反演的波阻抗剖面見圖5。由圖5可見，地層A(4 810～4 840 m)巖性主要為含泥巖的火山碎屑巖，厚度約為30 m；重構的波阻抗剖面上可見該層巖性與鄰近地層巖性的差異，其波阻抗相對火成巖的較低，位于低阻區，顯示為藍色。地層B(4 840～4 995 m)巖性主要為玄武巖和凝灰巖的夾層，厚度約為155 m。地層C(4 995～5 175 m)巖性主要為砂泥巖互層，厚度約為180 m，波阻抗位于低阻區。

圖5　X8井點處重構反演波阻抗對比Fig.5 P-impendence contrast before and after reconstruction at X8

在聲波時差重構反演的波阻抗剖面中，巖層的橫向連續性得到優化。以X8井南側砂泥巖重構反演前后波阻抗剖面和水平切片(見圖6)為例，波阻抗數據體的水平切片中黑色框區域為波阻抗低值區(見圖6(c))，對比該區域聲波時差重構反演前后波阻抗剖面(見圖6(a-b))，低波阻抗薄層的橫向連續性更好，聲波時差重構反演對薄層巖性的分辨能力加強，地震反演分辨率得到提高。

圖6　X8井南側砂泥巖重構前后波阻抗剖面和水平切片Fig.6 The P-impendence contrast and horizontal slice of sand-mud rocks in south of X8

通過聲波時差重構反演方法得到火成巖速度模型，在L2400線，它與常規層控建?；鸪蓭r速度模型見圖7。由圖7可見，文中反演方法建立的速度模型(見圖7(a))比常規層控建模方法建立的速度模型(見圖7(b))更能精細地反映火成巖細節。

在L2400線，文中火成巖反演方法與常規層控建模方法處理的疊前深度偏移剖面見圖8。由圖8可見，文中反演方法可較好地刻畫出奧陶系“串珠”，并較為準確地反映工區火成巖儲層特征，即“空白相帶”火成巖以熔巖為主，速度高；“雜亂相帶“火成巖速度相對較低，巖性以沉凝灰巖為主(見圖8(a))。同時，反映出地層下部地勢偏低，是接受沉積的環境，巖性與鉆、錄井結果相符。

圖7　文中反演方法與常規層控方法火成巖速度模型

圖8　文中反演方法與常規層控方法火成巖速度建模疊前深度偏移剖面Fig.8 Inversion method in the paper and conventional strata-bound method contrast in igneous rock velocity modeling pre-stack depth migration sections

5　結論

(1)對比約束稀疏脈沖反演、人工神經網絡反演和多參數反演方法，分析刻畫哈拉哈塘地區二疊系火成巖速度場的最佳反演方法。工區火成巖厚度大、變化復雜，約束稀疏脈沖反演比其他方法更適用于大范圍、快速度的火成巖速度建模。

(2)聲波時差測井曲線對火成巖反演建模結果影響較大，對它進行重構反演有助于精細刻畫火成巖的巖性。利用小波分析方法實現聲波時差測井曲線的重構，在保留原始聲波時差曲線低頻部分基礎上，加入對巖性變化敏感的自然伽馬曲線高頻部分，提高對火成巖巖性的識別能力和分辨能力。

(3)地震反演技術能為地震資料處理提供更為精細的初始速度模型，能有效提高厚度大、巖性變化大的火成巖等異常巖性體的建模精度。在哈拉哈塘地區實際應用取得較好的效果，對相鄰區塊和類似巖性地區的地層精細刻畫具有一定指導作用。

[1]陳樹民,王建民,王桂水,等.PP-PS協同反演技術預測大慶深層火山巖含氣儲層[J].地球物理學報,2011,54(2):280-285.

Chen Shuming, Wang Jianmin, Wang GuiShui, et al. Joint PP-PS inversion techniques and their application for predicting gas reservoir of deep volcanic in Daqing [J]. Chinese Journal of Geophysics, 2011,54(2):280-285.

[2]潘赟,蔣智格,潘懋,等.塔北西部火成巖巖性測井識別方法[J].石油天然氣學報,2008,30(1):260-262.

Pan Yun, Jiang Zhige, Pan Mao, et al. Method for identifying igneous lithological logging in the west of northern Tarim basin [J]. Journal of Oil & Gas Technology, 2008,30(1):260-262.

[3]劉小平,楊曉蘭,曾忠玉,等.多參數聯合反演在火成巖儲集體預測中的應用[J].石油地球物理勘探,2007,42(1):44-49.

Liu Xiaoping, Yang Xiaolan, Zeng Zhongyu, et al. Application of multi-parameter joint inversion in prediction of igneous reservoir [J]. Oil Geophysical Prospecting, 2007,42(1):44-49.

[4]張震,徐國盛,袁海鋒,等.準噶爾盆地哈山地區石炭系火山巖儲層特征及控制因素[J].東北石油大學學報,2013,37(4):39-46.

Zhang Zhen, Xu Guosheng, Yuan Haifeng, et al. Characteristics and controlling factors of carboniferous volcanic reservoir in Hashan area of Junggar basin [J]. Journal of Northeast Petroleum University, 2013,37(4):39-46.

[5]楊午陽,王西文,雍學善,等.地震全波形反演方法研究綜述[J].地球物理學進展,2013,28(2):766-776.

Yang Wuyang, Wang Xiwen, Yong Xueshan, et al. The review of seismic full waveform inversion method [J]. Progress in Geophysics, 2013,28(2):766-776.

[6]萬忠宏,閆玉魁,詹世凡,等.屬性模型速度建場法[J].石油地球物理勘探,2006,41(3):246-249.

Wan Zhonghong, Yan Yukui, Zhan Shifan, et al. Velocity-field-built method of attributes models [J]. Oil Geophysical Prospecting, 2006,41(3):246-249.

[7]溫聲明,楊德興,王貴重,等.層速度替換建場法在高陡構造區的應用[J].石油地球物理勘探,2006,41(3):308-312.

Wen Shenming, Yang Dexing, Wang Guizhong, et al. Application of interval-velocity-replaced field-building method in high steep structural region [J]. Oil Geophysical Prospecting, 2006,41(3):308-312.

[8]張宏,楊春峰,常炳章,等.疊后反演方法聯合應用研究[J].石油天然氣學報,2009,31(5):246-249.

Zhang Hong, Yang Chunfeng, Chang Bingzhang, et al. Joint application of post-stack seismic inversion methods [J]. Journal of Oil & Gas Technology, 2009,31(5):246-249.

[9]程海艷,李江海,趙星,等.塔北隆起古生代構造樣式和構造反演[J].中國地質,2009,36(2):314-319.

Cheng Haiyan, Li Jianghai, Zhao Xing, et al. Paleozoic structural styles and evolution of the north Tarim uplift [J]. Geology in China, 2009,36(2):314-319.

[10]崔澤宏,王志欣,湯良杰.塔北隆起北部疊加斷裂構造特征與成因背景分析[J].中國地質,2005,32(3):378-385.

Cui Zehong, Wang Zhixin, Tang Liangjie. Characteristics of overlapped faults in the north of the Tabei uplift and analysis of their genetic setting [J]. Geology in China, 2005,32(3):378-385.

[11]李曰俊,楊海軍,張光亞,等.重新劃分塔里木盆地塔北隆起的次級構造單元[J].巖石學報,2012,28(8):2466-2478.

Li Yuejun, Yang Haijun, Zhang Guangya, et al. Redivision of the tectonic units of Tabei rise in Tarim basin, NW China [J]. Acta Petrologica Sinica, 2012,28(8):2466-2478.

[12]郭朝斌,楊小波,陳紅岳,等.約束稀疏脈沖反演在儲層預測中的應用[J].石油物探,2006,45(4):397-400.

Guo Chaobin, Yang Xiaobo, Chen Hongyue, et al. Constrained sparse pulse inversion research in north of Haitongji depression [J]. Geophysical Prospecting for Petroleum, 2006,45(4):397-400.

[13]張昆,劉永福,許永忠,等.基于D-S證據理論的多參數反演的火成巖識別——以塔里木哈拉哈塘地區為例[J].東北石油大學學報,2013,37(1):51-57.

Zhang Kun, Liu Yongfu, Xu Yongzhong, et al. Multi-parameter inversion in identifying igneous rocks based on D-S evidence theory: Taking Halahatang area in Tarim basin as an example [J]. Journal of Northeast Petroleum University, 2013,37(1):51-57.

[14]Xu Yongzhong, Yang Haijun, Liu Yongfu, et al. Application of seismic facies and attributes analysis on the identification of Permian igneous rock [J]. International Journal of Mining Science and Technology, 2012,22(4):471-475.

[15]曾凡玲.地震波阻抗反演及其在儲層檢測中的應用[D].成都:成都理工大學,2012.

Zeng Fanling. Seismic impedance inversion and its application in reservoir prediction [D]. Chengdu: Chengdu University of Technology, 2012.

[16]楊慶軍,鄧春呈,楊永利,等.人工神經網絡在低阻油層識別上的應用[J].特種油氣藏,2001,8(2):8-10.

Yang Qingjun, Deng Chuncheng, Yang Yongli, et al. Application of nerve network on oil-bearing formation with low resistivity [J]. Special Oil & Gas Reservoirs, 2001,8(2):8-10.

[17]桂仲喜.聲波重構曲線反演技術的研究與應用[D].北京:中國地質大學,2010.

Gui Zhongxi. The Research and application of acoustic curve-reconstructing techniques in constrain inverse [D]. Beijing: China University of Geosciences, 2010.

[18]肖佃師,黃文彪,張小剛,等.王府凹陷青山口組含油氣泥頁巖層的測井曲線標準化[J].東北石油大學學報,2014,38(1):46-53.

Xiao Dianshi, Huang Wenbiao, Zhang Xiaogang, et al. Normalization of logging data of oil bearing mud shale of Qingshankou formation in Wangfu depression [J]. Journal of Northeast Petroleum University, 2014,38(1):46-53.

2016-02-18；編輯：張兆虹

國家科技重大專項(2011ZX05004-004)；國家自然科學基金項目(41374140)；江蘇省高校優勢學科建設工程資助項目(PAPD)

崔永福(1978-)，男，博士研究生，高級工程師，主要從事石油物探方面的研究。

許永忠，xuyongzhong2004@126.com

10.3969/j.issn.2095-4107.2016.04.007

TE122.2

A

2095-4107(2016)04-0054-09