地震相約束的分頻逐級融合反演方法預測薄煤層

關鍵詞：薄煤層，地震正演模擬，均方根振幅屬性，高分辨率處理，分頻逐級融合反演方法

0 引言

煤系烴源巖是指含煤巖系（或煤系）中具有生烴能力的巖層，是眾多盆地重要的油氣來源。很多學者從地球化學特征、發育模式、生烴能力等方面對煤系烴源巖開展研究。田光榮等[1]利用單位巖石烴源巖產烴率的定量評價方法對柴達木盆地侏羅系不同類型煤系烴源巖的總生烴量和總資源量進行定量預測；徐長貴等[2]依據煤的烴源巖和儲集層雙重屬性，系統總結了臨興—神府區塊深部煤層氣富集規律；楊燕青等[3]根據有機碳含量（TOC）、鏡質體反射率、干酪根類型及顯微組成等探討了豫東地區不同區塊煤系烴源巖的有機地球化學特征、煤系氣資源潛力等；屈童等[4]通過系統分析特提斯域煤系烴源巖的發育時代、環境、地球化學特征及生物標志化合物特征，總結了影響煤系烴源巖發育的控制因素、有利發育條件及優質源巖形成的控制因素。郭萍[5]利用實驗分析了渤海灣盆地冀中坳陷上古生界煤系烴源巖有機地球化學特征及生烴能力；趙靜等[6]通過巖性測井識別模型預測了西湖凹陷平北地區煤系烴源巖的發育特征和分布規律；王鑫等[7]基于盆地數值模擬技術綜合分析了黃驊凹陷煤系烴源巖不同巖層的空間展布、生烴潛力與生烴特征。

地震反演是煤系烴源巖預測的主要方法之一。秦瑞等[8]通過疊后稀疏脈沖反演預測鄂爾多斯盆地東緣石炭系本溪組發育的大套穩定沼澤相煤層；劉志強[9]利用波形指示反演預測煤層厚度及分布；湯紅偉等[10]利用地質統計學反演技術預測薄煤層厚度。

在實際應用中，地震反演的精度往往受到諸多因素影響。隨著埋深的增加，地震波在傳播的過程中，高頻成分不斷被地下介質吸收和衰減，導致地震資料分辨率降低，識別薄層能力下降。因此，地震資料品質是中深層儲層高精度反演的關鍵。宋維琪等[11]利用壓縮感知方法提高了地震資料分辨率；楊培杰[12]利用復數域約束的最小二乘法完成了地震數據的拓頻處理；李文濤[13]采用井震結合的地震資料譜藍化處理技術提高了地震資料的分辨率和薄儲層預測精度；曹鑒華等[14]利用譜反演寬頻處理技術提高了小于調諧厚度的薄層成像能力。這些技術在一定程度上補償了高頻成分的損失，同時也適當延伸了低頻部分，從而提高了地震資料的分辨率。

基于寬頻地震資料，肖曦等[15]利用長短子波（結合統計性子波與確定性子波）合并寬頻子波參與寬頻地震反演，有效降低了致密砂巖儲層預測的多解性；楊峰等[16]利用寬頻地震數據每一段頻率成分對巖性的響應，建立了低頻模型的寬頻地震反演方法以預測碳酸鹽巖儲層；孫穎等[17]將寬頻地震數據分頻處理后，分別與鉆井現場模型數據結合，并進行貝葉斯反演，反演后的數據體通過分頻特征重構技術進行頻率域融合，得到了高分辨率多子波地震反演數據體，使縱向、橫向分辨率都得到了明顯提升。

惠州凹陷位于珠江口盆地珠一坳陷中部，是珠江口盆地重要的油氣富集區。恩平組沉積時期構造穩定，沉積、沉降速率近于平衡；氣候溫暖濕潤，植被繁茂，河流相和三角洲相的廣泛分布為煤系烴源巖的發育提供了有利條件[18]。惠北地區L區塊地層沉積受近東西走向的南部斷裂控制，主要發育三角洲河漫沼澤和湖沼兩類聚煤環境，煤層均呈薄層狀，縱向上層數多，橫向上連續性差[19‐20]。該類煤系烴源巖中薄煤層的預測難度較大。

為此，本文提出了一種基于寬頻地震資料的反演方法以實現對煤系烴源巖中薄煤層的預測。在充分應用地質、沉積背景和寬頻地震數據不同頻段信息的基礎上，開展地震相約束下的逐級融合反演，預測煤系烴源巖中薄煤層的發育范圍，提高了反演結果的分辨能力。實際應用結果表明，該方法能夠有效預測研究區煤系烴源巖中煤層的發育情況，與已鉆井吻合率高，可為煤系烴源巖的評價提供可靠的依據。

1 關鍵技術方法

煤系烴源巖中薄煤層的預測可概括為“三步法”：①地震正演模擬。分析不同沉積環境中煤層的地震響應特征，明確煤層發育的地震相特征。提取能夠區分煤層與砂泥巖地震相特征的敏感屬性。②地震數據寬頻處理。利用寬頻處理技術拓寬地震資料頻帶，提高地震資料分辨率，為下一步反演提供寬頻數據基礎。③分頻逐級融合反演?；趯掝l高精度地震數據，以均方根振幅屬性體作為識別煤層發育范圍的敏感屬性，采用低—中—高頻的優勢頻帶逐級融合反演方法預測煤系烴源巖中薄煤層的發育范圍。

1.1 不同沉積環境煤層地震響應特征

L區塊周緣共有6口鉆井，單井鉆遇恩平組煤層累計最大厚度為50.0m，單煤層的最大厚度為4.5m，最小厚度為0.5m。

L3井井震資料聯合標定結果（圖1）表明：含煤地層（地震剖面上藍色虛線框內）表現為連續、中—強振幅的反射特征；而未鉆遇到煤層段（砂、泥巖互層段）表現為差連續、弱振幅的反射特征；兩者地震反射特征具有明顯區別。

L區塊發育三角洲平原河漫沼澤和湖沼兩種不同沉積環境的煤層，可以通過地震正演模擬分析兩者之間地震響應特征的差別。周緣已鉆井揭示縱波阻抗值大小關系為：煤層lt;砂巖lt;泥巖；砂、泥巖之間縱波阻抗差異值均小于煤層與砂泥巖之間的縱波阻抗差異值。據此，設計正演模擬參數如表1所示。

1.1.1 三角洲平原河漫沼澤煤層

三角洲平原河漫沼澤沉積特點是以砂、泥巖互層為主，夾薄煤層。據此，構建一個等厚的砂、泥巖互層的地質模型進行地震正演模擬（圖2）。其中，砂、泥巖層厚度均為15m，在泥巖中充填厚度為0.5m的煤層，分別模擬三種情況下煤層的地震響應特征：①僅為砂、泥巖互層，不含有煤層（圖2a）；②泥巖中充填1層煤層（圖2b）；③泥巖中充填2層煤層（圖2c）。

正演模擬結果表明：在三角洲平原河漫沼澤的沉積環境中，即在大套砂、泥巖互層且穩定分布的情況下，當泥巖中不含煤層時，表現為弱反射的特征；當泥巖中夾雜有一層薄煤層時，可見明顯的強反射響應特征，并且隨著煤層層數的增加，振幅能量逐漸增強。

1.1.2 湖沼煤層

湖沼以沉積厚層泥巖為主，夾薄層砂巖和煤層。據此，構建一個厚層泥巖為背景的地質模型（圖3），分別模擬兩種情況下煤層的地震響應特征：①厚層泥巖中僅發育薄層砂巖（圖3a）；②厚層泥巖中同時發育薄層砂巖和薄層煤層（圖3b）。

正演模擬結果表明：當泥巖中僅發育薄砂層時，只見微弱地震反射特征；而在泥巖中發育薄煤層時，可見明顯的地震強反射特征。這說明了在湖漫沼澤環境下，煤層發育時，表現為強反射響應特征；否則，為弱反射響應特征。

上述兩組地震正演模擬結果均表明：強振幅反射特征的地層一定含有煤層，而當不含煤層（僅為砂、泥巖互層或厚層泥巖含薄層砂巖）時，則為弱反射特征。因此，均方根振幅可以作為區分煤層與砂、泥巖的敏感地震屬性。

1.2 地震數據寬頻處理

研究區地震資料在目的層段頻帶寬度約為15～60Hz，主頻約為30Hz，理論上可識別的地層厚度約為40.0m，不能滿足對L區塊恩平組薄煤層的識別。為此，本文采用基于變時窗Gabor變換的高分辨率處理技術以提高地震數據分辨率[21‐22]，即首先在地層結構的約束下構造一組自適應于地震記錄的分析時窗，對地震記錄進行自適應非均勻劃分；然后在時頻域利用非線性壓縮映射提取時變子波，對非平穩地震記錄進行頻譜拓寬和振幅校正，估計補償因子，并對不同時窗之間由吸收引起的能量衰減進行補償；最后反變換至時間域得到高分辨率處理結果。該技術的適用條件更接近地下實際情況，并且在提高分辨率的過程中相對保幅。

原始地震數據經高分辨率技術處理后，頻帶寬度約為10～120Hz，主頻約為65Hz（圖4），頻帶得到了拓寬，分辨能力有了顯著提高。

針對寬頻處理后地震資料是否保幅問題，可從兩個方面進行質控：①井震標定是否一致。對寬頻處理前、后地震資料進行合成記錄標定，若寬頻處理后資料的井震標定吻合度更好，井震相關系數更高，則說明地震資料在寬頻處理的過程中相對保幅。②與鉆井AVO正演模擬規律是否一致。對寬頻處理前、后地震數據的AVO特征與測井數據正演合成的AVO特征進行對比分析，若寬頻處理后地震數據的AVO特征與測井資料正演結果的吻合度高，則說明寬頻處理相對保幅，并未發生地震資料失真的情況。

1.3 地震相約束的分頻逐級融合反演

利用鉆、測井資料進行巖石物理分析。由L1井測井資料可知，孔隙度門檻值為0.16。即孔隙度大于0.16為物性好的砂巖，孔隙度小于0.16為物性差的砂巖（致密砂巖）。

由圖5可見，泥巖及致密砂巖表現為高縱波阻抗，物性好的砂巖表現為低縱波阻抗。根據縱波阻抗值可將煤層劃為兩類：第一類煤層縱波阻抗小于6900.00m·s?1·g·cm?3，且明顯低于砂、泥巖的縱波阻抗值，因此可直接通過分頻逐級融合反演的方法進行預測；第二類煤層縱波阻抗（6900.00～8400.00m·s?1·g·cm?3）與部分砂巖（物性好的砂巖）存在疊置現象，僅通過縱波阻抗值難以預測。由正演模擬結果可知，均方根振幅可以作為區分疊置區煤層和砂、泥巖的敏感屬性。因此，利用均方根振幅屬性對反演結果加以約束，能夠有效識別疊置區煤層（即第二類煤層），最終達到預測煤層的目的。

分頻逐級融合反演方法主要是利用寬頻地震數據，通過不斷迭代的手段，采用大尺度低頻數據的反演結果作為下一個頻段數據反演的低頻模型，且每一次迭代都能充分利用不同頻段的地震信息；在反演過程中通過不斷更新低頻模型，將低中頻向中高頻逐級融合，據此將不同頻帶的信息通過傳遞保留下來，從而提高預測結果的分辨能力[23‐24]。

利用濾波將寬頻數據分為低、中、高頻，不同頻帶的數據反映不同厚度的地層信息（圖6左），基于分頻后的數據開展逐級融合反演，由反演結果（圖6a右）可知，低頻數據反演結果能夠反映厚層信息，將它作為下一步反演的低頻模型可提供反演的低頻趨勢（6a右）；低—中頻融合數據反演結果能夠預測中等厚度的地層（6b右），低—中—高頻融合數據反演結果能夠預測薄層（6c右），且與鉆井的吻合度更高。逐級融合反演的思想充分利用了地震數據不同頻帶的信息，反映了對不同厚度地層，尤其是薄層的分辨能力。

A1井目的層發育兩套砂巖，厚度分別為4m和13m。利用原始數據直接反演（圖7左）僅能識別砂層組（4m和13m砂組）的頂、底界面。而分頻逐級融合反演（圖7右）能夠有效識別出4m和13m兩套砂巖的頂、底界面。由此可見，相較于常規反演，分頻逐級融合反演方法能夠有效提升儲層識別能力，實現不同厚度砂體的刻畫，因而可以將該方法用于薄煤層的預測。

需要注意的是：在分頻逐級融合反演過程中，子波和低頻模型的適應性尤為重要，不同尺度的反演需要不同的子波和低頻模型。

地震相約束是指利用均方根振幅作為分頻逐級融合反演結果的約束條件，可剔除第二類煤層中（縱波阻抗值疊置區）的砂巖，進一步精確刻畫煤層的發育范圍，有效提高煤層預測的精度[25]。

地震相約束的分頻逐級融合反演技術流程見圖8，具體步驟如下。

（1）采用高分辨率處理技術得到寬頻地震數據，通過濾波將寬頻地震數據進行分頻，分別得到低頻、中頻、高頻地震數據。

（2）針對低頻地震數據，應用測井曲線插值建立低頻模型，利用低頻數據提取子波作為反演子波，得到低頻數據反演對應的縱波阻抗結果。

（3）將上一步的低頻數據反演對應的縱波阻抗結果作為低頻模型，利用中頻數據提取子波作為反演子波，得到中頻數據反演對應的縱波阻抗結果。

（4）將上一步的中頻數據反演對應的縱波阻抗結果作為低頻模型，利用高頻數據提取高頻子波作為反演子波，得到高頻數據反演對應的縱波阻抗結果。

（5）利用寬頻地震數據提取均方根振幅，將其作為識別煤層發育范圍的敏感屬性，即均方根振幅高值且縱波阻抗低值為煤層，否則為非煤層，從而完成煤層分布范圍的預測。

2 應用效果

將本文方法應用于L區塊以驗證效果。其中，L2井為反演參與井，L1井為反演結果驗證井。

由圖9可見：恩平組主要為砂、泥巖互層，夾薄煤層，其橫向上連續但是伸展范圍有限（圖9b）。含煤地層表現為強振幅，非含煤地層表現為弱振幅（圖9c）。根據L2井井震對應關系，設定含煤地層均方根振幅的門檻值為3100，即均方根振幅大于3100為含煤地層。此時，L1井上含煤地層位置對應強振幅，而非含煤地層對應弱振幅，與正演模擬認識一致，這也說明了均方根振幅門檻值合理。結合巖石物理分析可知煤層縱波阻抗值小于8600.00m·s?1·g·cm?3且均方根振幅值大于3100，否則為非煤層。由圖9d可見，驗證井L1井處反演結果與實鉆結果吻合度較高。另外，圖9b中紅色圓圈內，雖縱波阻抗為低值（小于8600m·s?1·g·cm?3），但均方根振幅（圖9c）也為低值（小于3100），所以本文方法反演結果為非煤層，這也從另一個側面證實了地震相約束的重要性。

驗證井L1井恩平組共發育5套煤層組（自淺至深分別命名為煤層組1～煤層組5）。其中煤層組1含有12層煤層，單層煤層厚度為0.5～1.5m，煤層組厚度為16.0m；煤層組2含有1層煤層，厚度為0.5m；煤層組3含有1層煤層，厚度為1.5m；煤層組4含有5層煤層，單層煤層厚度為0.5～2.0m，煤層組厚度為7.5m；煤層組5為單層煤層，厚度為4.5m。從本文方法反演結果（圖10）可見，反演結果分辨率較高，能夠把煤層組1、煤層組4和煤層組5分別刻畫出來。對于含有超薄煤層的煤層組（煤層組1、煤層組4，單層煤的厚度為0.5～2.0m），能夠分別刻畫出不同厚度的煤層組的頂、底界面；對于煤層組5這種薄煤層（單層煤厚度4.5m）類型，同樣能很好地刻畫出其頂、底界面；而對于厚度小于3m的超薄煤層組（煤層組2、煤層組3）難以刻畫。

3 結論

（1）本文提出的基于寬頻地震數據的分頻逐級融合反演方法實現了煤系烴源巖中薄煤層（厚度為4.5m）及超薄煤層組（單層煤厚度約為0.5～2.0m）的預測。該方法將地震數據分解成不同頻率段的信號，充分應用各個頻帶信息，進而提高對不同厚度地層的預測能力，尤其是對薄層的預測能力。

（2）利用地震正演模擬分析煤層及砂、泥巖的地震響應特征，證實了振幅強度能夠區分珠江口盆地惠北地區L區塊恩平組煤層及砂、泥巖，因此將均方根振圖10 圖9d中L1井處放大顯示幅屬性作為反演結果的約束條件，可以有效識別兩類煤層。

（3）本文提出的應用地震相約束這一方法，適用于河漫沼澤和湖沼沉積環境中薄煤層的預測，此種沉積環境中煤層為強振幅反射特征，砂、泥巖為弱反射，二者地震反射特征具有明顯差異。