基于模型約束的速度譜自動解釋策略與方法

劉百紅， 宋志翔， 趙改善， 孫成龍

( 中國石化 石油物探技術(shù)研究院,南京 211103)

基于模型約束的速度譜自動解釋策略與方法

劉百紅， 宋志翔， 趙改善， 孫成龍

( 中國石化 石油物探技術(shù)研究院,南京 211103)

針對目前的速度譜解釋是采用手工交互的方式，耗時費(fèi)力，提出了一種基于疊加速度譜的自動疊加速度拾取策略與方法。首先是由CMP道集計算疊加速度譜，然后根據(jù)實際情況選擇疊加速度模型函數(shù)，并通過擬合的方法，由速度譜確定出疊加速度模型函數(shù)中的系數(shù)，從而獲得全部CMP點(diǎn)上的疊加速度模型函數(shù)，進(jìn)而構(gòu)建出初始速度模型。根據(jù)初始速度模型中速度分布，選擇合適的種子點(diǎn)，并在種子點(diǎn)上進(jìn)行人工拾取，再由拾取點(diǎn)插值形成種子點(diǎn)上的速度函數(shù)。最后在種子點(diǎn)上的速度函數(shù)約束下對速度譜進(jìn)行自動解釋拾取，從而實現(xiàn)速度譜快速、高效地自動拾取。

地震勘探； 疊加速度； 均方根速度； 速度譜； 自動拾取

0 引言

在地震資料處理初期，一般都沒有合適的速度模型，必須通過常規(guī)的速度分析來獲得疊加速度，而且都是將疊加速度等同于均方根速度，并以此來進(jìn)行動校疊加，得到疊加剖面或者進(jìn)行疊前時間偏移，或者基于均方根速度模型進(jìn)行時深轉(zhuǎn)換并進(jìn)一步進(jìn)行偏移速度分析。

疊加速度分析的精度受制于地震勘探的條件和觀測資料的信噪比，在速度譜上表現(xiàn)出多解性和模糊性，因此，速度譜地解釋基本是采用人機(jī)交互模式，這也是目前常規(guī)地震資料處理中人工操作量最大的一個環(huán)節(jié)。因此，速度自動解釋方法也不斷推出，這些方法一般都是基于全局優(yōu)化算法(如基于蒙特卡洛方法[1]等)。這類方法具有算法易于設(shè)計，對目標(biāo)函數(shù)要求不高從而應(yīng)用廣泛，但效率低，不能保證產(chǎn)生優(yōu)化問題的最優(yōu)解。另外一些是基于局部尋優(yōu)的方法(包括牛頓法、共扼梯度法、神經(jīng)網(wǎng)絡(luò)方法[2-6]等)。這類方法雖然有較高的計算效率，但往往需要利用導(dǎo)數(shù)為尋找極值點(diǎn)提供有效信息。因此，這些方法也僅僅是處在科學(xué)研究階段，在實際工業(yè)化應(yīng)用中仍然主要采用人機(jī)交互模式進(jìn)行速度譜地解釋。

筆者提出了一種基于模型約束的速度譜自動解釋策略與方法，這種方法不需要設(shè)置目標(biāo)函數(shù)，直接對速度譜進(jìn)行搜索，并且可以用一些先驗信息來對搜索進(jìn)行約束，從而使得自動解釋的速度更加合理。

1 基本原理

1.1 計算速度譜

利用地面地震疊前數(shù)據(jù)：CMP(共中心點(diǎn))道集數(shù)據(jù)產(chǎn)生速度譜。速度譜可以是相似譜，也可以是互相關(guān)譜。對于一個CMP道集數(shù)據(jù)，其速度譜的形式如式(1)所示。

S(t,Vrms(t))

(1)

其中：t為時間；vrms是均方根速度；S(t,Vrms(t))表示在(t，vrms)處的速度譜。

1.2 自動計算初始速度模型

引入速度模型函數(shù)，來源可以有兩種方式。

1)速度函數(shù)曲線，可以采用式(2)的速度函數(shù)[7-8]。

vrms=v0+α·tβ

(2)

其中：v0是時間為零時的地層的均方根速度；α、β為待定系數(shù)。該速度模型函數(shù)適用于大多數(shù)地質(zhì)情況。對于具體某個地區(qū)的某一次采集到的地震數(shù)據(jù)而言，v0、α、β為待定系數(shù)。確定這些系數(shù)需要利用速度譜，具體做法是，沿時間軸遍歷揀選速度譜上使譜能量S最大的vrms(t)，然后用這些vrms(t)去擬合公式(2)來獲得v0、α、β。在通常情況下，人工或者自動拾取方法都是得到使譜能量S最大的vrms(t)就停止了，而筆者僅僅是將其作為一個初始值，而且不需要人工拾取。使用時也可以指定種子點(diǎn)，以獲得種子點(diǎn)上的速度模型函數(shù)。除了可以根據(jù)不同地區(qū)選擇不同表達(dá)形式的速度模型函數(shù)以外，還可以根據(jù)工區(qū)內(nèi)已知速度分布情況指定v0、α、β的搜索范圍。采用速度函數(shù)擬合的方式，可以保持速度的變化趨勢，但是由于是擬合，因此，確定系數(shù)后的速度函數(shù)并不能保證嚴(yán)格通過譜能量最大的點(diǎn)。

1.3 種子點(diǎn)初始速度函數(shù)構(gòu)建

選擇一些具有代表性的CMP點(diǎn)作為種子點(diǎn)，進(jìn)行人工拾取，并對每個種子點(diǎn)上的拾取結(jié)果沿時間軸進(jìn)行插值，獲得相應(yīng)種子點(diǎn)上的速度函數(shù)，作為各種子點(diǎn)初始的速度模型函數(shù)。種子點(diǎn)處的速度函數(shù)應(yīng)該具有一定的代表性，并且種子點(diǎn)處的速度譜的拾取應(yīng)該盡量精細(xì)。

1.4基于種子點(diǎn)初始速度函數(shù)約束的自動速度拾取

利用種子點(diǎn)處插值形成的速度模型函數(shù)作為約束，按照速度譜拾取原理自動從速度譜上拾取速度。這個約束首先表現(xiàn)在空間范圍，即可以將一個種子點(diǎn)的初始速度模型函數(shù)用于約束所有點(diǎn)的自動拾取，也可以指定其約束范圍。其次，這個約束表現(xiàn)在時間軸方向，即對每個點(diǎn)沿時間軸進(jìn)行約束。約束方法就是設(shè)置每個時間點(diǎn)處疊加速度的上下限。例如，對于速度模型函數(shù)vrms(t)，可以將拾取點(diǎn)處的速度的上下限設(shè)置為：

(3)

其中：λl、λu分別為上下限閥值。

也可以將約束形式設(shè)置為：

(4)

其中：δlrms、δurms分別為上下限的擾動值。

然后在此約束下，沿時間軸自動搜索并拾取譜能量最大的點(diǎn)，以完成速度模型函數(shù)約束下的速度譜自動拾取。在種子點(diǎn)速度函數(shù)約束下進(jìn)行自動速度拾取既可以對拾取點(diǎn)個數(shù)進(jìn)行限制，也可以對拾取點(diǎn)的時間間隔進(jìn)行設(shè)置。這可以通過以下策略實現(xiàn)。

首先將所有未訪問的點(diǎn)標(biāo)示為“0”，將已訪問過但是未通過檢測的點(diǎn)標(biāo)示為“1”，將已訪問過并且通過檢測的點(diǎn)標(biāo)示為-1。搜索時，是從速度譜上能量最大的點(diǎn)作為初始點(diǎn)開始搜索，并首先將其標(biāo)示為-1；一種搜索方式是從此點(diǎn)開始以一定的步長分別向上、向下到下一個時間點(diǎn)，找到這些時間點(diǎn)上譜能量最大的點(diǎn)，并將其標(biāo)示為-1，然后再依次以一定步長到下一個時間點(diǎn)進(jìn)行搜索，直到向上到時間軸零點(diǎn)，向下到時間軸終點(diǎn)。這種搜索方式拾取的點(diǎn)均勻分布，并且不回頭，即只進(jìn)行一次搜索，所以效率較高，但是有可能拾取不到譜能量大的點(diǎn)。為此采用另一種搜索策略是，從初始點(diǎn)開始先分別向上、向下檢測，看是否有比初始點(diǎn)能量更大的點(diǎn)，如果有，則將其標(biāo)示為-1，如果沒有則本輪搜索完畢，然后進(jìn)行下一輪搜索。第二輪搜索是尋找譜能量最大并且標(biāo)示為“0”的點(diǎn)，為了避免這兩輪的點(diǎn)在時間上是緊密相鄰的，可以在每一輪搜索完畢后，將通過檢測的點(diǎn)附近一定距離的點(diǎn)標(biāo)示為“1”。在這種策略下，需要設(shè)置搜索次數(shù)，即需要搜索多次，因此效率不高，但是通常能拾取到譜能量比較大的點(diǎn)，與人工拾取的思路一致。

2 應(yīng)用實例

數(shù)據(jù)來源于我國南方某工區(qū)。圖1是該工區(qū)某個CMP點(diǎn)的速度譜以及由公式(2)獲得的該CMP點(diǎn)的均方根速度函數(shù)曲線。在計算完速度譜以后，根據(jù)速度譜可以設(shè)置公式(2)中的v0為4 km/s，而α、β的起始值均設(shè)置為0.1，三個參數(shù)均搜索10次，最后得到該CMP點(diǎn)的均方根速度函數(shù)曲線。由圖1可見，該速度函數(shù)基本可以反映當(dāng)前CMP點(diǎn)的速度變化趨勢，但是卻并不是很精確。因此還需要由此構(gòu)建初始的均方根速度模型，并進(jìn)一步利用此速度模型得到相應(yīng)個CMP道集的NMO結(jié)果及總體初步疊加結(jié)果來選擇適當(dāng)?shù)腃MP點(diǎn)作為種子點(diǎn)，然后在種子點(diǎn)上人工拾取速度函數(shù)。

圖2為種子點(diǎn)上的速度譜及人工拾取的速度函數(shù)，及在此速度函數(shù)約束下進(jìn)行速度譜自動拾取的結(jié)果。紅色的曲線為人工拾取的速度函數(shù)，它是由人工拾取的若干離散點(diǎn)插值得到。綠色星號為在速度函數(shù)約束下自動拾取結(jié)果，可見自動拾取結(jié)果基本能滿足實際需求。

圖1 單個CMP點(diǎn)上的速度譜及公式(2) 擬合后的速度函數(shù)曲線Fig.1 The semblance of a CMP gather and the fitted velocity function using the model function (2)

圖2 種子點(diǎn)上速度譜及人工拾取的速度函數(shù)以及在此速度函數(shù)約束下的自動拾取結(jié)果Fig.2 Velocity function picked manually at seed point and the automatic picking by the constrained of the function

3 結(jié)論

筆者提出了一種基于疊加速度譜的自動疊加速度拾取策略與方法，并用實際資料進(jìn)行了試驗。根據(jù)該策略與方法，除了需要一些參數(shù)選擇、少數(shù)種子處人工拾取需要人工干預(yù)以外，整個過程都是自動進(jìn)行，這大大減少了速度譜拾取環(huán)節(jié)的人工與用時，同時從拾取效果也基本能滿足實際需求。

[1] 張正和，吳清嶺，張海燕.蒙特卡洛法速度譜的自動拾取[J]. 大慶石油地質(zhì)與開發(fā)，2002,121(3):79-80.

ZHANG Z H, WU Q L, ZHANG H Y.Automatic velocity picking from stack velocity spectrum by Monte Carlo non-linear optimization[J].Petroleum Geology & Oilfield Development in Daqing,2002,121(3):79-80.(In Chinese)

[2] 王立新.自動拾取疊加速度及提取偏移速度方法[J].石油物探，1999,138(4):107-133.

WANG L X. Methodology of automatic picking stack velocity and extracting migration velocity[J].Geophysical Prospecting for Petroleum,1999,138(4):107-133. (In Chinese)

[3] 查朝陽.利用神經(jīng)網(wǎng)絡(luò)拾取疊加速度[J].石油地球物理勘探，1996,131(6):892-897.

ZHA C Y.Stack velocity pickup using neural network[J]. Oil Geophysical Prospecting, 1996,131(6):892-897. (In Chinese)

[4] CARLOS CALDERON-MACIAS,MRINAL K.SEN,PAUL L.STOFFA.Automatic NMO correction and velocity estimation by a feed forward neural network[J].Geophysics,1998,163(5):1696-1701.

[5] 林年添，劉洪，李桂花.用于速度自動拾取的路徑積分優(yōu)化法與光順處理技術(shù)[J].地球物理學(xué)報，2013,156(1):246-254.

LIN N T, LIU H, LI G H. Auto-picking velocity by path-integral optimization and surface fairing[J]. Chinese J. Geophys ,2013,156(1):246-254.(In Chinese)

[6] 林年添，劉洪，李建勇.基于Viterbi算法的復(fù)雜地質(zhì)體速度約束化自動拾取[J]. 地球物理學(xué)進(jìn)展，2004,119(2):311-316.

LIN N T, LIU H, LI J Y. Automatic picking velocity by the viterbi algorithm for the complex geological case[J]. Progress In Geophysics,2004,119(2):311-316. (In Chinese)

[7] DAVID E.LUMLEY. Monte Carlo automatic velocity picks[R]. SEP reports 75,1997:1-25.

[8] LIN Z.Automatic picking and its applications[R].SEP reports 70,1997:1-20.

[9] DIX C.H. Seismic velocities from surface measurements[J].Geophysics, 1995,120(1:)68-86.

[10] AHMED M. ALMARZOUG,FERHAN Y.AHMED. Automatic Seismic Velocity Picking[C].SEG Annual Meeting Expanded Abstracts,2012.

Automaticvelocitypickingstrategyandmethodwithmodelconstrained

LIU Baihong, SONG Zhixiang, ZHAO Gaishan, SUN Chenglong

(Sinopec Geophysical Research Institute, 219 Shanggao Road, Jiangning District, Nanjing 211103,China)

Conventional manual velocity picking in semblance is time consuming and requires a great deal of manual work. A strategy and method of automatic pick velocity from velocity semblance is proposed. Given a single velocity semblance, the RMS velocity was computed as the global best fit to the velocity semblance using monte carlo random fitting method. A initial RMS velocity model can be built with all the RMS velocity function at each CMP calculated. Next, some CMP points can be selected as seeds from the initial RMS velocity model to perform deliberate velocity picking manually. Then an automatic velocity picking can be done constrained by the velocity function that picked at seeds. This method makes velocity picking timesaving and labor-saving.

seismic exploration; stacking velocity; RMS velocity; velocity semblance; automatic picking

P 631.4

A

10.3969/j.issn.1001-1749.2017.05.08

2016-09-10 改回日期： 2016-10-31

國家科技重大專項(2016ZX05018007)

劉百紅(1971-)，男，碩士，高級工程師，研究方向為地震資料處理、解釋方式、正反演方法，E-mail：Liubaihongfirst@163.com。

1001-1749(2017)05-0632-04