岩性地球物理--硕士课程第五章.docVIP

5 地震相分析技术 .1 绪论地震数据中包含着十分丰富的信息，可以从中提取一系列地震属性，这些属性可用来测定地震数据的几何学、动力学、运动学或统计学特征，有助于揭示隐含的地下异常。近年来，人们从地震数据中提取了越来越多的信息来进行常规的地震属性预测。基于属性参数的地震相分析技术，不但可用于大尺度的沉积相研究，更适合于小尺度的沉积亚相、微相研究以及储集层预测。 在进行地层岩性解释过程中，普遍采用的波阻抗反演以及地震属性技术的确起到了不小的作用，但随着煤矿开发对地层岩性的要求不断增加，这两种技术已经在某些程度上满足不了实际生产的需要，对于地震属性分析方法来说，也已经意识到其本身主要存在以下两方面缺陷： (1) 所提取的属性不断增加，但是可以提供给用户进行处理解释的属性不多。 (2) 缺少合适的方法对多种属性进行解释，其地质意义不明确。 可以说，传统的地震属性丢失了两个基本信息，即地震信号的总体变化以及这种变化的分布规律。因此，很难给出井位处的地震信号变化的可靠评估，也就很难进行可靠的信息外推。在钻井资料比较少、横向变化较快的情况下多解性较强，很难准确性预测。 波阻抗反演以及地震属性技术均无法评价地震信号的总体变化程度。但是，任何与地震波传播有关的物理参数变化都反映在地震道波形的变化中，可以使用样点值随时间的变化来刻画和衡量地震道波形变化。于是，基于波形的地震相分析技术便应运而生。 一般而言，地震相分析技术忠实于地震信息本身，弥补了井约束反演的缺陷。相比较而言，基于波形的地震相分析技术较基于属性的地震相分析技术有独特的优势。基于属性的地震相分析技术利用某些对地质情况敏感的属性划分出与沉积相对应的地震相，但前提是这些属性存在，且确实敏感，而寻找这些敏感属性或属性组合往往比较困难和耗时；另外属性不能反映地震信号的总体变化，没有一个单一属性或几个属性的组合能够描述整个地震信号的非均匀性。基于波形的地震相分析技术综合利用了地震波的频率、相位、速度、能量等各种信息，是基于地震信号整体差异的分类，克服了上述缺陷，具有独特解决问题的能力。 由CGG公司推出的Stratimagic地震地层解释系统，是一种有效地将地质知识应用于地震解释中的工具，并且给地质家提供了快速从三维地震数据中获得地质信息的能力。Stratimagic采用的是基于波形的地震相分析技术，其主要运用人工神经网络技术对地震属性及所反映的地质特征进行分析解释，可以实现地震道、多属性数据体以及变时窗/等时窗层段内的地震相自动划分以及与岩物性的关系。沉积地层的任何物性参数的变化总是反映在地震道波形形状的变化上。Stratimgic的分类处理就是将地震数据样点值的变化转换成地震道形状的变化，道形状分类代表了地震信号的真实的横向异常。 现阶段，我国的石油勘探部门已经大量引用此软件，可以很好地用于储层砂体和地层岩性油藏的预测。相对来说，在煤田地震勘探领域还未应用该项技术。 .2 地震道波形地震相分析是在地震道的波形特征的识别和分类的基础上进行的。地震道波形是地震响应参数(振幅、相位、频率等)的综合反映，因此，它的变化将直接影响到地震响应的各种参数的综合变化。基于这一原理，在地震相分析中对地震道波形形状的有效识别和准确分类对分析效果至关重要地震道形状的变化可定量的表述为从一个采样点到另一个采样点值得变化，也就是采样点波形是强负、负值、零、正值还是强正的变化。对分析层段内的每一个地震道进行样点间梯度变换，形成地震道梯度变化序列，如图5—1所示。 图5—1 地震道梯度变化序列 对梯度序列进行归一化并进行自组织神经网络分析，建立能代表全区地震道形状变化的典型梯度序列，如图5—2所示。 图5—2 新的梯度序列 利用典型梯度序列，形成地震相分类的模型道，完成地震道形状的识别，如图5—3所示。 图5—3 地震道形状的识别 用地震道波形对地震道进行分类，一方面将有助于减少用单一地震属性，如振幅、相位、频率等对相划分带来的多解性；另一方面还可引入合成地震记录曲线，参与到地震相分析中，进一步提高地震相分析的精度，有利于地震相划分和沉积环境的研究。 .3 Stratimagic地震地层解释系统 .3.1 工作流程 Stratimagic地震地层解释系统的工作流程如图5—4所示地震数据加载建立工区属性提取分析与地震相划分综合解释。 图5—4 Stratimagic 工作流程 .3.2 主要特点 Stratimagic地震地层解释系统的主要特点如下： (1) 基于波形的地震相划分(Facies)，波形分类技术为地震相研究以及其参数的分类研究提供了先进的技术手段。波形地震相分析技术采用了神经网络算法对某一层间的地震数据道进行逐道对比分类，细致刻画地震信号的横向变化，从而得到与地质相对应的地震相图，并以此进行地层岩性的