基于CRP道集優化處理的疊前AVA同步反演技術的應用
——以KL9構造區為例

鄧吉鋒,王改衛,潘 永,李 才

(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)

隨著渤海油田勘探的深入,油氣勘探領域逐漸從簡單的構造油氣藏轉向巖性油氣藏,精細儲層預測及流體檢測是巖性勘探急需解決的關鍵問題,這對地震資料保幅處理的精度提出了更高要求[1]。近10年來,國內外疊前屬性技術和疊前反演技術得到長足的發展,對CRP道集的優化處理越來越受到重視,因為CRP道集的信噪比、子波一致性、入射角范圍及道集不平等問題對疊前反演有很大的影響[2]。許多地球物理工作者對疊前道集優化處理及疊前反演進行了系統論述[3-12],如熊曉軍等[3]系統闡述了疊前道集技術及其使用效果,余振等[11]利用疊前AVA同步反演和地質統計學的高分辨率反演進行流體預測,張繁昌等[12]以疊前優化道集為基礎完成AVA多頻信息同時反演,劉力輝等[13]利用優化處理后的CRP道集進行巖性預測,都取得了不錯的效果。國內陸上油田勘探程度高、鉆井多,巖性勘探相對成熟,利用疊前資料進行儲層預測及流體檢測經驗豐富。海上油田地震資料品質相對于陸地較差,且巖性勘探尚處于起步階段,陸上烴類檢測的一些技術和方法值得借鑒。目前非常有必要參考陸上油田勘探經驗,基于海上油田資料特點,嘗試開展疊前反演研究,探索一種適合海上油田儲層預測及烴類檢測的有效方法。

本次研究的靶區為KL9構造區,該區疊后地震資料橫向分辨率雖高,但縱向分辨率有限,無法滿足薄儲層流體精細預測要求[14]。為此,本文從原始CRP道集入手,經過一系列的優化處理,得到高質量的CRP道集并開展疊前AVA同步反演,得到與儲層及流體相關的一些參數,結合地質分析,進行精細儲層及流體預測,在勘探實踐中取得了良好效果。

1 地質概況

KL9構造位于渤海海域萊西構造帶、墾東凸起北部斜坡帶。沉積研究結果表明,構造區新近系明化鎮組沉積特征為典型河流相沉積。鉆井資料揭示,明上段地層多為薄互層,相鄰薄互層與周邊泥巖形成“泥包砂”地層組合,在地震剖面上表現為強反射特征;明下段中上部,砂巖含量明顯增加,單層砂體變厚,但橫向可對比性差;明下段中上部儲層橫向變化快,砂巖含量整體偏低,較上部略低,砂體的含油氣性差異明顯。整體而言,主力含油層段的地震響應特征不清。

2 技術思路

目前,疊前AVA同步反演技術已廣泛應用于儲層預測和烴類檢測[15]。相對于疊后波阻抗反演,疊前彈性反演巖性預測及流體檢測的精度除了受反演方法影響外,還受輸入數據的影響,如地震數據、測井數據以及地質數據,尤其是地震數據,其質量直接影響疊前AVA反演結果。本文的技術思路是:對OBC數據偏移后的CRP地震道集進行多次波衰減、道集精細拉平處理、振幅能量補償、殘余噪聲衰減等處理,得到質量高且相對保真的地震資料,同時,對研究區測井數據進行巖石物理分析、橫波速度計算、AVO正演模擬,以此對高保真地震資料進行約束,得到高質量的CRP道集,以高質量的CRP道集為基礎進行疊前AVA反演,得到一系列和儲層、流體有關的彈性參數,進行儲層及流體綜合預測。其技術流程如圖1 所示。

圖1 基于CRP道集優化處理的疊前AVA同步反演技術流程

3 CRP道集優化處理技術

分析KL9構造區疊前CRP道集資料發現,地震資料原始道集存在隨機干擾,近道能量弱,存在殘余多次波干擾,道集未拉平,這些都是后續AVO分析及反演的主要影響因素。

3.1 多次波和噪聲壓制

疊前去噪主要目的是提高道集的信噪比,不同類型的干擾波使疊加剖面連續性、信噪比、波組特征變差。針對弱隨機噪聲可能會成為強能量干擾團等問題,采用分頻處理方法,在動校正后的共偏移距域壓制隨機噪聲,得到壓制了隨機噪聲后的CRP道集,地震資料具有高保真度[16]和高信噪比[17]的特征。其實現方法為:對輸入的t-x域數據的各道做傅里葉變換,得到f-x域數據,然后在f-x域中對地震數據的每個頻率成分沿x方向進行預測濾波,從原始信號中減去可預測的部分,得到資料的噪聲[18-19]。

針對道集中存在的殘余多次波,采用高精度Radon變換和τ-p正反變換衰減道集中殘余的多次波和離散噪聲。高精度Radon變換的方法與偏移前方法一樣,只是門檻值不一樣;τ-p正反變換噪聲衰減是在將地震數據從t-x域變換到τ-p域,再將數據變回到t-x域的過程中對道集中的斜干擾和離散噪聲進行壓制,最終達到去除離散噪聲、提高道集信噪比的目的(圖2)。

圖2 道集去噪前、后數據對比a 原始道集; b 噪聲壓制后的道集; c 道集去噪前、后的數據差值

3.2 道集拉平處理

疊前偏移后的CRP道集同相軸因受噪聲干擾、速度誤差以及各向異性等因素影響,往往出現上翹或下彎等現象,這會降低有效信號的分辨率和信噪比。針對這種現象,應做道集拉平處理,首先,在道對道映射的基礎上,建立校正函數;然后,沿同相軸(子波)估算零偏移距道的每個樣點的動校函數;最后,計算出道間靜態時移[20]。因同相軸向上或向下彎曲,當其中一個道偏離之后,相鄰兩道互相關不一定以t為中心,采用在一個合適的相關時窗內追蹤同相軸的方法進行處理。對于其它的近偏移距t0時間,重復同樣的處理,即可完成輸入道集的NMO校正函數的計算,道集拉平處理前、后對比如圖3所示。

3.3 振幅能量補償

針對地震資料能量不均衡的特點,在目的層段分別提取某一個時窗內的振幅能量,計算出兩者之間的補償系數,利用這個系數來補償道集在平面上的不均衡性,分析發現,KL9構造區CRP道集明顯存在中間能量強,兩邊能量弱的現象,采用基于模型AVO背景趨勢面能量補償方法,統計一定時窗內不同偏移距道集的振幅能量變化,分析比較AVO模型趨勢與實際AVO趨勢,求取振幅能量隨偏移距變化的刻度因子,最后將刻度因子用于實際道集,利用測井數據正演的道集趨勢對原始道集趨勢進行校正[13],實現目的層背景趨勢意義下的偏移距振幅能量補償。

KL9構造區道集AVO特征表現為近道能量整體較弱而中遠道能量較強,主要原因是原始資料為海底電纜采集,淺層近道信息存在一定的缺失。為了彌補這種缺失,采用道集域測井約束能量補償方法,利用工區內已鉆的6口井測井曲線,正演目的層段的模擬道集,分析泥巖層的AVO特征,提取實際道集泥巖段的AVO特征趨勢,計算出兩者之間的趨勢校正系數,利用該系數對實際道集進行AVO校正,最終保證校正后的道集趨勢與測井正演趨勢基本一致。圖4為AVO校正前、后的道集對比,可以看出,校正后的道集近道能量得到了合理的補償。

圖3 道集拉平處理前(a)、后(b)對比

圖4 采用道集域測井約束能量補償方法的模擬道集的AVO特征a 正演AVO曲線; b 實際地震AVO曲線

針對工區內局部地層受淺層亮點或者氣層影響能量較弱的狀況,進行局部補償處理,其做法是先在單個偏移距數據體上進行局部能量調整,算出能量補償系數,再合并形成偏移距道集,最終實現疊前道集域的能量補償。本區域地震振幅能量補償前后對比及能量補償系數見圖5。

圖5 本區域地震振幅能量補償前后對比及能量補償系數a 原始均方根振幅; b 能量補償后均方根振幅; c 補償系數

3.4 處理效果分析

對比原始道集數據與優化處理后的道集數據(圖3,圖4,圖5)可以看出,經過優化處理的道集信噪比得到了較大提高,剩余多次波得到了有效壓制,道集拉平效果較好,近道能量得到了較好的補償,近、中、遠道能量趨勢較為合理。對比疊前、疊后井震標定結果可以看出,疊后地震記錄與井合成記錄吻合度高(圖6),說明處理結果是保真保幅的;泥巖段和水層段標定效果較好,說明優化處理能量補償效果是有效的,經過優化處理的CRP道集(圖7)可用來開展疊前AVA反演研究。

圖6 井震標定結果

圖7 道集質量優化前、后對比a 原始CRP道集; b 優化處理后道集

4 疊前AVA同步反演

疊前地震同步反演是利用不同炮檢距道集數據以及縱波速度、橫波速度、密度等測井資料同步反演,得到與巖性、含油氣性相關的多種彈性參數,綜合判別儲層物性及含油氣性的一種技術。因此,首先要準備地震數據和全波列測井數據。在優化處理的高質量、高保真CRP道集資料的基礎上,針對不同入射角提取地震子波,進行縱、橫波同步反演[21-22]。

4.1 巖石物理參數分析

4.1.1 測井響應與巖性關系

分析研究區內6口井資料發現,KL9構造區砂巖具有低密度(ρ)、低縱橫波速度比(vP/vS)、低泊松比(σ)、低泊松阻抗(IP)特征,泥巖具有高密度、高縱橫波速度比、高泊松比、高泊松阻抗的特征。

從多井單屬性分析來看,密度、縱橫波速度比、泊松阻抗區分砂泥巖效果較好,密度雖有一定的壓實趨勢,但不能用一個門檻值進行劃分,而縱波阻抗(ZP)區分砂泥巖性效果較差,二者重疊較多;多井雙屬性交會分析結果顯示,密度與縱橫波速度比區分巖性效果較好,如圖8所示。

4.1.2 測井響應與儲層含油氣性關系

鉆井資料揭示,KL9構造區中多數探井主要含油層系地層較薄,局部少量產氣,分析研究區內6口井的常規10種彈性屬性交會結果,發現這10種屬性中,縱橫波速度比、泊松比、密度和泊松阻抗區分油氣效果較好,其中最好的是縱橫波速度比和泊松比。雙屬性交會方面,縱波阻抗(ZP)和橫波阻抗(ZS)、縱波阻抗和縱橫波速度比、密度和縱橫波速度比等交會屬性區分油氣效果較好,其中最好的是縱波阻抗和縱橫波速度比屬性交會(圖8),油氣層相對含水儲層主要表現為低縱波阻抗、低縱橫波速度比的特征,油水同層與水層在交會圖上重疊區域較大,區分難度較大。

圖8 雙屬性對流體敏感性交會分析結果

4.1.3 橫波預測

研究區內部分井缺少橫波資料,需用“Xu-White”模型法來優化和預測橫波。研究區內KL9-X1井有橫波資料,在相對較好的層段建立巖石物理模型,以此反演橫波,用實測橫波對預測橫波進行校正,優化模型參數;以此類推,用優化后的模型對KL9-X2井進行橫波預測,用KL9-X2井實測橫波校正預測橫波,進一步優化巖石物理模型;利用該巖石物理模型對KL9-X3井進行橫波預測,這樣直至預測完區內沒有橫波資料的所有井。可以看出,在油巖段,預測橫波比實測橫波正演的道集更合理(圖9a),預測橫波和實測橫波總體趨勢也比較一致,但預測橫波的第三類AVO特征較明顯(振幅隨著偏移距的增大而增大),符合含油儲層的地震響應特征(圖9b),以上兩點說明橫波預測是成功的,可以為巖石物理分析和疊前反演提供有力的基礎資料。

圖9 橫波預測結果a 預測橫波正演模擬; b 預測橫波和實測橫波的趨勢對比

4.2 子波提取及井震標定

在優化處理后的CRP道集基礎上生成了角道集資料,利用地震角道集資料,從不同角度范圍(4°～16°,16°～28°,28°～40°)分別提取3個不同的零相位子波,由圖10可以看出,3個子波的主頻幅度值有一些差異,但差別不大,隨著角度增大,不同角度提取的子波主頻減小,各個子波形態較好。利用最終提取的地震統計子波對工區內參與反演的6口井進行精細的井震標定,合成記錄與實際記錄頻帶一致,與實際地震記錄波組特征對應關系良好,標定結果可靠。

圖10 疊后(a)和疊前(b)子波統計

4.3 反演參數優化

使用疊前同步反演方法反演縱波阻抗、橫波阻抗和密度3個參數時,需要重新建立縱波與橫波、縱波與密度的關系。統計發現,縱波與橫波呈非常好的線性關系,且標準方差值小,說明該區巖石物理規律性較強。

充分考慮曲流河沉積的地質特點,分別以低頻、中頻和高頻3種不同頻率的初始模型作為輸入數據,比較反演結果可知,影響反演效果的往往是初始模型的頻率選擇。低頻模型保證了反演結果的橫向分辨率,但縱向分辨率較低,達不到分辨薄層的目的;高頻模型保證了反演結果的縱向分辨率,但橫向分辨率會下降,反映不出地質體的橫向變化。最終我們選擇了一個中頻帶的初始模型,既能保證反演結果具有一定的薄儲層識別能力,又能使得儲層的空間分布規律較為可靠。

4.4 反演效果及分析

對比CRP道集優化處理前、后反演的縱橫波速度比屬性連井剖面(圖11,圖12)發現,利用優化處理后的道集進行疊前AVA同步反演,其結果比優化處理前的結果可靠。從圖12中可以看出,優化處理后得到的縱橫波速度比能較好地識別井上鉆遇油層,且油層橫向變化自然,符合實際地質規律。在儲層預測研究中,反演結果的精度主要通過盲井來檢驗,選擇研究區內兩口井作為盲井,其余4口井作為控制井開展建模約束反演,預測結果與實際盲井A1、A2的測井趨勢較為吻合,井上鉆遇的含油砂體與預測結果對應較好,說明反演結果的可靠程度較高。

從已鉆井的測井特征上看,油層縱波速度相對于水層和圍巖層的縱波速度略小,縱橫波速度比屬性區分油層和泥巖層、油層和水層的效果均較好,油層的縱橫波速度比相對泥巖和水層更低,門檻值在2.4左右,低于2.4可區分出大多數油層(圖13)。從實際過井的反演結果可知,利用縱橫波速度比能識別出井上鉆遇的大部分含油層。

圖11 利用優化處理前CRP道集反演的縱橫波速度比屬性連井剖面

圖12 利用優化處理后CRP道集反演的縱橫波速度比屬性連井剖面

圖13 油氣在測井曲線上的響應特征

5 結論及建議

采用基于CRP道集優化處理的疊前AVA同步反演方法,對KL9構造的油氣檢測進行了實際應用,取得了以下結果:

1) 經過去噪、道集拉平、能量補償等優化處理后的CRP道集質量比原始資料有大幅度提高,最大可能地剔除了影響疊前AVA反演的不穩定因素,提高了預測精度;

2) 在能量補償處理中,采用道集域測井約束補償方法,利用研究區所有井的測井曲線,正演出目的層段的模擬道集,分析泥巖層的AVO特征,提取實際道集泥巖段的AVO特征趨勢,算出兩者之間的趨勢校正系數,利用該系數對實際道集進行AVO校正,取得了良好效果;

3) 基于優化處理的CRP道集資料,開展疊前AVA同步反演,得到了縱波阻抗、橫波阻抗和密度屬性,通過計算得到了縱橫波速度比、泊松比和密度等巖性和流體敏感的彈性參數,實現流體的識別。

本文方法在渤海油田KL9構造巖性勘探中得到驗證,比較適合河流相儲層的油氣檢測,預測精度較高,對其它類似地區具有推廣意義。