無監督神經網絡地震屬性聚類方法在沉積相研究中的應用

王天云 韓小鋒 許海紅 孫小萍 李 陶 侯 艷

(①東方地球物理公司，河北涿州 072751；②中國地質調查局西安地質調查中心，陜西西安 710054)

0 引言

基于地震資料開展地震相—沉積相研究，經過長期發展至今已成為一項具有重要意義的基礎性工作。以往主要是研究人員通過觀察地震反射特征(振幅、頻率、相位、反射結構等)，與建立的標準地震相特征進行對比，從而劃分地震相[1]。但判斷地震相具有很強的主觀性，依賴于解釋人員的經驗。為了更好地挖掘蘊涵在地震資料中的信息，應用地震屬性輔助沉積相識別的技術應運而生。從20世紀60年代開始發展到現今，地震屬性技術已頗為成熟，依托地震資料提取的地震屬性可達數十余種[2-3]。單純的某一種屬性僅能反映沉積相的某些特征，如果將多種屬性綜合在一起，則可以更好地刻畫沉積體變化規律[4-5]。神經網絡方法在油氣勘探開發中得到廣泛應用，如巖性識別、流體自動識別、儲層橫向預測等[6-9]。當研究區樣本點足夠多且分布均勻時，多采用有監督神經網絡方法；當樣本點稀少時，多采用無監督神經網絡方法。多年來，神經網絡地震相分析方法頗受青睞[10-12]，它完全基于數據驅動，極大地降低了人為因素的干擾。將時頻分析、瞬時屬性、幾何結構屬性、彈性參數反演等結果與自組織分析技術(SOMA)方法結合，可自動劃分和識別地震相。

研究區為銀額盆地蘇紅圖坳陷東部艾特格勒凹陷，為油氣勘探新區，勘探程度較低，受限于地質資料及鉆井較少，對于其沉積特征分析還不充分，制約了該地區的進一步勘探。本文應用基于SOMA的無監督神經網絡方法，將優選后的高維空間地震屬性數據投影到低維空間，再在傳統地震相識別的基礎上，通過人機交互分析，確定地震屬性種類，將聚類結果返回到原始空間，完成地震相識別與分析[13-16]。 實際應用表明，利用SOMA能夠有效縮減數據樣本空間，縮短運算時間，在油氣勘探新區鉆井較少的背景下，提供一個更客觀準確的全局解，為艾特格勒凹陷的進一步勘探提供幫助。

1 研究區概況

艾特格勒凹陷位于銀額盆地蘇紅圖坳陷中東部(圖1)，區內鉆井稀少，勘探程度低。以往的油氣勘探、開發主要針對其鄰區哈日凹陷、巴北凹陷等地區展開。

艾特格勒凹陷是在石炭—二疊系褶皺基底上發育起來的中新生代斷陷，可進一步細分為南、北兩個次凹(由于現有資料有限，次凹形態范圍僅示意性表示)。艾特格勒凹陷中生代構造演化受燕山運動影響，其中白堊紀主要受到燕山III幕至燕山V幕構造運動影響，控制著斷拗轉換、凹陷沉積等。在白堊紀湖平面逐漸降低，巖性粒度逐漸變粗，發生了由湖相向三角洲相的過渡，相繼沉積了巴音戈壁組、蘇紅圖組、銀根組、烏蘭蘇海組[17-18]。

圖1 艾特格勒凹陷北次凹區域構造位置圖

圖2 艾特格勒凹陷區域層序劃分及地層柱狀圖

艾特格勒凹陷北次凹整體可劃分為構造緩坡區、深洼區、陡坡區，構造形態完整。研究區內蘇紅圖組沉積期，以發育濱淺湖相沉積為主，下段巖性以深灰色泥巖、粉砂質泥巖為主，上段巖性向棕褐色泥巖過渡(圖2)。

2 基于SOMA的地震相—沉積相研究方法

2.1 SOMA

SOMA的核心是自組織映射(SOM)，模型由兩層網絡結構組成，輸入層與輸出層全連接，輸出層各神經元間為側抑制連接，存在競爭，采用歐氏距離作為相似性評價指標(圖3)。

SOM學習算法包括最優匹配神經元的選擇和網絡中連接權值的自組織過程。每執行一次學習，SOM網絡就會對外部輸入模式進行一次自組織適應過程，求出獲勝神經元，修改相應連接權值[19]。

2.1.1 最優匹配神經元的選擇

設有外部輸入信號Xi，Qij是輸入神經元i到輸出神經元j之間的連接權值。輸入信號Xi和連接權值Qij的匹配程度用歐氏距離Lo來表示，歐氏距離越小，匹配程度越好。歐氏距離通過下式計算

(1)

由式(1)計算出的最小歐氏距離對應的就是最優匹配的神經元C，即獲勝節點。

2.1.2 權系數的自組織

在學習過程中，學習率δ(t)隨時間t增加而逐漸趨近于0，以保證學習過程收斂。根據輸出神經元j是否為獲勝節點C鄰域范圍Mc內的神經元，需要對權值進行調整，最后終結在神經元C處，完成對輸入信號的聚類過程。權值調整公式為

(2)

圖3 SOM網絡結構及網絡鄰域圖據文獻[6]、[9]修改

2.2 地震相—沉積相研究流程

應用SOMA技術通過直接分析未知數據體進行無監督地質分析，能夠將研究者的地質認識與計算機分析技術相結合，在無井或少井區半定量地進行地震相分析或標定儲層類型，克服單一人為分析主觀性強、不同地震屬性分析結果差異大的缺點，提高分析結果的可靠性。

實際應用時，首先提取多種不同類型的地震屬性，通過屬性相關性分析完成屬性優選；由地質解釋人員結合研究區地質背景及實際地震相特征，確定屬性數，開展SOMA屬性聚類分析，劃分地震相；再結合單井沉積相分析結果，充分利用鄰區已有地震相—沉積相發育規律認識，得到最終的沉積相劃分結果(圖4)。

圖4 應用SOMA屬性聚類分析沉積相流程

3 應用效果

3.1 蘇紅圖組底界特征

研究區內僅有探井1口(M1井)，通過井震標定及區域地震反射特征對比識別目的層蘇紅圖組底界。在研究區不同位置，蘇紅圖組與其下伏巴音戈壁組界面接觸關系表現出不同的形式，主要可識別出3種接觸關系特征，分別為上超/削截不整合面、整合/削截不整合面、整合面或假整合面(依據是否存在沉積間斷區分)(圖5)。

上超/削截不整合面一般發育于凹陷緩坡帶邊緣，以艾特格勒凹陷北次凹西北部最為常見，界面之下地層抬升掀斜發生較強剝蝕，上覆地層在水進條件下上超于剝蝕面上。整合/削截不整合面一般發育于凹陷陡坡帶邊緣，艾特格勒凹陷南次凹分布最廣，界面之下地層抬升掀斜、剝蝕較強，上覆地層沉積較穩定；整合或假整合面一般發育于凹陷深洼區內部，研究區內由于測線較少，只從界面上、下地層地震反射特征差異進行分析，而具體是整合還是假整合接觸關系，不做進一步說明(圖6)。

3.2 屬性提取與優選

地震屬性是以地震數據為基礎，經過某種特定數學變換得到表征地震數據的動力學、運動學、幾何形態學和統計學特征的度量值。隨著地震屬性技術的發展，屬性種類越來越多，關鍵是如何在眾多屬性中優選出合適的屬性解決地質問題。

與地震相—沉積相分析相關的地震屬性包括幾何外形、內部反射結構、頻率、連續性等。本研究基于GeoEast軟件，針對目的層蘇紅圖組，提取了包括瞬時類、振幅類、頻譜類、自相關類、其他類等7類53種屬性，結合剖面地震相特征和測井地質資料，從中進行優選分析，剔除對地震相反映不敏感的地震屬性，為后續屬性聚類分析奠定基礎。

圖5 蘇紅圖組底界典型地震反射特征

圖6 過M1井L2線地震剖面解釋成果

在53種屬性中，首先選出了11種較敏感的屬性，并對其進行標準化和相關系數統計(圖7)。統計結果中相關系數值越高(背景顏色越偏暖色)，表明兩種屬性的相關性越好。

綜合分析研究區屬性統計結果認為，當相關系數>0.8時，指示兩種屬性中有一種為冗余屬性，可以去除；當相關系數<0.2時，指示兩種屬性基本沒有相關性，不適宜選用開展屬性聚類分析。

地震屬性相關系數統計結果顯示，混沌李指數(LyapIndex)、分形關聯維(FrctDim)、信息熵(InfoEntr)、均方根振幅(RMSAmp)4種地震屬性間相關系數為0.25～0.75，可作為聚類分析的基礎，其他各類優選后的屬性相關系數極低，相關系數為0.01～0.15，即可剔除。

少井區樣本點有限，通過屬性優選分析，能夠有效減少基于無監督神經網絡方法屬性聚類過程中的盲目性和多解性。

3.3 屬性聚類分析

針對研究區井點少的實際情況，選用SOMA方法開展屬性聚類分析。

在綜合分析融合多屬性結果的過程中，結合地質認識的人機交互分析是決定最終地震相—沉積相解釋成果的關鍵，選定聚類數并對密度值進行符合區域地質沉積背景的調整是重點。

圖7 蘇紅圖組地震屬性相關系數矩陣

為了確定合適的分類參數，本文在艾特格勒凹陷北次凹開展了剖面地震相識別工作，共識別出至少6種地震相。為了分類效果和簡化計算，選擇分布廣泛、易于區分的4種地震相作為分類參考，分別為強振幅、平行—亞平行地震相；中—弱振幅、楔形發散亞平行地震相；中—強振幅、平行—亞平行地震相；強振幅、連續席狀或近空白反射地震相(圖8)。

研究區主要目的層蘇紅圖組屬性聚類平面分布圖(圖9)顯示，整個研究區基本可劃分為藍色、亮藍色、綠色、紅色4個區域(顏色數即對應確定的聚類種數，根據可能發育的沉積環境，定義藍色、亮藍色為水體較深處，紅色為水體較淺處，綠色為過渡帶)。

屬性聚類平面分布圖中紅色1類區主要分布在艾特格勒凹陷北次凹周緣，對應中—強振幅、平行—亞平行地震相；綠色2類區主要分布在艾特格勒凹陷北次凹斜坡帶，對應中—強振幅、楔形發散亞平行地震相；藍色3類區主要分布在艾特格勒凹陷北次凹主凹，靠近陡坡帶，對應弱振幅、連續席狀或空白地震相；亮藍色4類區主要分布在艾特格勒凹陷北次凹主凹，靠近緩坡帶，對應中—弱振幅、平行—亞平行地震相(圖9)。

3.4 蘇紅圖組沉積相分析

蘇紅圖坳陷受印支、燕山運動持續改造，完成由斷陷向坳陷的轉化，白堊系蘇紅圖組沉積期是斷陷向坳陷轉化的主要過渡期。艾特格勒凹陷西北的烏蘭凹陷、巴北凹陷、哈日凹陷及拐子湖凹陷勘探程度相對較高，前人研究表明，在白堊系巴音戈壁組、蘇紅圖組、銀根組的持續沉積過程中，完成了由半深湖—深湖相、濱淺湖相到辮狀河三角洲相沉積的轉化。

圖8 研究區典型地震相特征

圖9 艾特格勒凹陷北次凹蘇紅圖組SOMA方法屬性聚類析平面圖

巴音戈壁組巖心可見明顯重力流沉積特征；蘇紅圖組巖心可見遞變層理及指示水動力較弱的塊狀構造；銀根組巖心可見明顯的指示水動力較強的平行層理構造(圖10)。結合鄰區蘇紅圖組、上覆銀根組、下伏巴音戈壁組沉積相發育特征，認為研究區內蘇紅圖組沉積時主體沉積環境以濱淺湖相為主，在凹陷的邊緣可能存在三角洲相沉積。

基于研究區剖面地震相特征及平面SOMA屬性聚類分析結果，通過類比鄰區已證實的地震相、沉積相特征，建立了艾特格勒凹陷地震相與沉積相的對應關系(表1)。

(1)緩坡區。根據地震相發育位置的不同，可劃分為2種主要的地震相：發育于緩坡帶構造高部位的中—強振幅、平行—亞平行反射地震相，解釋為辮狀河三角洲平原，對應屬性聚類分析平面圖中紅色1類區；緩坡帶向湖盆方向延伸的中—強振幅、楔形發散地震相，解釋為辮狀河三角洲前緣，對應屬性聚類分析平面圖中綠色2類區。

(2)陡坡區。可劃分為2種地震相：發育于陡坡帶構造高部位的中—強振幅、斷續反射地震相，解釋為扇三角洲平原，對應屬性聚類分析平面圖中紅色1類區；中—強振幅、楔形發散反射地震相，橫向表現出向深洼區快速轉變為中—強反射、席狀、平行—亞平行地震相的特征，解釋為扇三角洲前緣，對應屬性聚類分析平面圖中綠色2類區。

(3)凹陷區。可劃分為2種地震相：中—強振幅、連續—較連續、平行—亞平行地震相，解釋為濱淺湖，對應屬性聚類分析平面圖中亮藍色4類區；弱振幅、近空白反射地震相，解釋為深湖—半深湖，對應屬性聚類分析平面圖中藍色3類區。

從沉積相發育展布特征上來看，蘇紅圖組沉積期為艾特格勒凹陷由斷轉拗的主要時期，控凹斷層的強烈活動為沉積物提供了充足的可容空間。

圖10 艾特格勒凹陷鄰區巖心照片

表1 艾特格勒凹陷地震相—沉積相對應關系表

研究區艾特格勒凹陷北次凹的東南部發育一條控凹大斷裂，在其活動過程中沉積物快速混雜堆積，發育扇三角洲沉積體。在次凹緩坡帶，發育相對分選較好的辮狀河三角洲沉積體。從聚類分析的結果來看，只能從沉積相大類上進行區分，并不能進一步區分扇三角洲與辮狀河三角洲沉積。本文研究主要參考鄰區沉積相類型評價分析。凹陷內僅在控凹大斷裂附近水體較深，絕大部分地區水體較淺。

4 油氣地質意義

研究表明，艾特格勒凹陷北次凹沉積相類型多樣，存在性能良好的多套儲集體。一方面，蘇紅圖組內部發育的湖相暗色泥、頁巖作為烴源巖，可自生自儲形成非常規油氣藏；另一方面，通過斷層輸導運移，在三角洲河道砂體、濱淺湖灘壩砂體中保存可形成常規油氣藏(圖11)。

艾特格勒凹陷鄰區哈日凹陷、巴北凹陷、烏蘭凹陷等均已發現中生界油氣資源，多口井顯示白堊系主力生油層蘇紅圖組為油氣勘探的重點層位，儲集體主要為三角洲砂體、濱淺湖砂壩等[20-21]。在統一的地質背景約束下，艾特格勒凹陷也應具有良好的油氣勘探潛力。

研究區特殊構造演化與沉積特征利于油氣生成。鄰區A井石炭—二疊系發育大套厚層火山巖，且鄰區巴音戈壁組、蘇紅圖組內也發現有火山活動跡象，對于加速烴源巖生烴過程、提高生烴量和生烴速率都有促進作用。

研究區鄰區A井下白堊統厚度約1500m，蘇紅圖組為主力生油層位，含灰泥巖厚度超400m，具備良好生烴條件。下伏巴音戈壁組巖性多樣，發育粉砂巖、砂巖、含礫砂巖，且普遍含有碳酸鹽礦物，厚度超700m，利于形成多種類型儲集體。下白堊統普遍含有碳酸鹽礦物，指示該地區發育特殊的斷陷湖盆沉積環境，推測也許與斷陷期深部熱液活動密切相關，熱液活動利于改善儲層物性，展示了油氣勘探潛力。

綜上所述，蘇紅圖坳陷艾特格勒凹陷下白堊統為主要勘探目的層，在有利區帶優選時，一方面應重點分析湖相熱液活動及火山活動對烴源巖演化及油氣成藏的影響；另一方面應擴展思路，同時關注常規儲層及非常規儲層。

5 結束語

本文利用自組織映射神經網絡分析(SOMA)技術開展屬性聚類分析，在油氣勘探新區鉆井少的背景下，預測了地震相—沉積相平面展布規律。

(1)利用SOMA技術開展屬性聚類分析，應充分考慮地震屬性優選過程及如何將地震相與沉積相進行聯系，尤其是在缺少探井的新探區，充分利用地震資料包含的信息，得到較為準確的地震相—沉積相分析結果。

(2)依托地震屬性聚類分析成果，建立了艾特格勒凹陷北次凹地震相—沉積相對應關系，結合地質背景，將劃分出的地震相轉換為扇三角洲、辮狀河三角洲、湖泊相等3種沉積相。