碳酸盐岩溶洞的“串珠”状地震反射特征形成机理研究

本文采用一阶双曲型标量波动方程交错网格高阶有限差分法对薄层与溶洞的地震响应进行二维地震正演模拟,认为"串珠"状反射特征是溶洞顶、底反射以及微弱的溶洞顶、底间二次反射在偏移剖面上的响应;以塔里木哈拉哈塘海相碳酸盐岩实际地层参数为依据,设计了一个简化的水平层状地震地质模型(速度模型),通过三维地震物理模拟技术,对溶洞地震响应的瞬时振幅、均方根振幅、分频振幅和纵波阻抗体等四种属性进行了三维雕刻,得到了一种雕刻体积和真实体积的实验统计关系,认为前三种属性都将原本离散的"串珠"状转换成了连续的锥状振幅体,同时降低了纵向分辨率,而纵波阻抗剖面的纵向分辨率明显较其他属性剖面高。最后,针对各种属性剖面中存在的一些问题进行了讨论。

基于Yolox算法的碳酸盐岩储层溶洞“串珠状”异常反射智能检测

识别碳酸盐岩溶洞的传统方法主要基于地震反射特征分析,对数据的要求较高,普适性不强,效率低下且存在主观因素。利用卷积神经网络(CNN)的特征提取能力识别地质构造方法的研究对象主要是盐丘、断层、地层等大尺度目标,但对于识别溶洞等小尺度构造容易出现误判。由于不同尺度的溶洞在地震剖面上呈不同的反射特征,溶洞与“串珠状”间存在一定的映射关系。因此,可首先在地震剖面上识别相对大尺度的“串珠状”,然后基于“串珠状”与溶洞的映射关系识别溶洞。为此,提出了基于Yolox的“串珠状”目标检测模型网络结构,主要包括特征提取、特征加强、解耦头三个部分。输入地震剖面后,经特征提取得到不同尺度的有效特征,然后输入特征加强网络完成多尺度的特征融合,最后由解耦头获得检测框的信息,经解码后得到“串珠状”异常反射边界的位置并输出检测框。合成地震数据测试及实际地震数据测试结果表明:(1)传统方法以振幅为基础,当“串珠状”处于强同相轴及其附近时难以识别,且高值部分无法反映“串珠状”实际范围;(2)U-Net模型识别结果反映了“串珠状”的位置,但不能获得边界坐标,易将两个很近的“串珠状”误判为一个,识别准确率不高,存在错拾或漏拾;(3)Yolox模型识别结果的检测框反映了“串珠状”的位置和实际大小,同时可得到“串珠状”的具体坐标。因此,Yolox模型识别效果优于传统方法和U-Net模型。

河流相储层特征及识别:一个老河口油田的实例分析(英文)

河流相储层是一种重要的储层类型,寻找河道砂体是油气勘探的一项重要工作。但是河道变迁比较频繁,叠置比较严重,加之地震资料本身信噪比和分辨率的限制,河流相储层的精细描述至今仍存在一定的困难。本文以胜利油田老河口三维工区为例,首先研究了本区河流相储层的基本特征,发现该类储层剖面上呈强相位、切片上连续性好和频谱上呈低频特征;通过颜色处理和地震精细解释,发现本区河流相储层存在类串珠状特征,为了验证这一观测结果,我们用正演模拟分析了其形成机理,为在类似工区识别此类古河道找到了新的途径;应用多属性融合和RGB显示技术,河道下切特征更加明显,很好地彰显了河道结构特征,提高了河道识别能力;最后,我们研究并开发了多子波检测技术,检测出更多河流相弱反射信息。

基于稀疏约束反演谱分解的缝洞储层叠后数据去噪应用效果分析

高质量的地震剖面对碳酸盐岩缝洞储层的流体识别、储量预测具有重要作用,因此对叠后地震数据进行去噪处理很有必要。为此,分析研究了基于稀疏约束反演谱分解的去噪方法在碳酸盐岩缝洞储层叠后地震数据中的应用效果。首先介绍了该方法的基本原理,然后分别将该方法用于数值模拟数据、物理模拟数据以及实际地震数据的处理,并分析去噪效果。在数值模拟测试中,将该方法与小波阈值去噪法的处理结果进行了比较,表明该方法具有较好的去噪性能和保幅性。物理模拟测试以及实际资料的处理结果均表明,该方法可以较好的压制碳酸盐岩缝洞储层叠后地震数据中的随机噪声和偏移噪声,使地震剖面中碳酸盐岩孔洞的弱反射特征得到突显,提高了地震数据处理成果的质量,为后续的定量解释奠定了良好的基础。

碳酸盐岩溶洞横向尺度变化的地震响应正演模拟

为了模拟碳酸盐岩储层中不同横向尺度溶洞的地震响应特征,设计了具有不同横向尺度但高度和充填物相同的溶洞地质模型,分别采用数值模拟技术和物理模拟技术进行了正演模拟,分析研究了由溶洞宽度变化引起的地震响应变化的特征。研究结果表明,溶洞宽度的变化会引起溶洞反射特征"串珠"中"珠"的数目发生改变,溶洞顶、底位置与溶洞绕射波的相位有对应关系,在偏移剖面中"串珠"尺度与实际溶洞尺度之间存在较大差异。对比同一模型的数值模拟和物理模拟正演结果发现,所得的不同横向尺度溶洞的地震响应特征总的趋势是一致的,但在细节上有所差异,这表明两种正演方法具有互补性,为研究溶洞的"串珠状"地震波反射特征提供了更好的手段。

用相干体识别古河道及实际应用

利用相干体识别河道是目前常用的一种技术,但其机理很少有人解剖。制作了三维河道模型并对此进行深入研究,最后用实际资料进行测试与检验。研究认为:(1)相干计算最关键的是需明确特征值的结构与基本特征。以三道组合相干为例,河流相储层的第一特征值很大,砂体对应大的相干值,第二特征值反映了河道的边缘信息,第三特征则以背景噪声为主,它和第二特征值一样,其数值比第一特征值要小很多。(2)相干体C31、C34、C35基本上属于同一类型,相干体C31和C34差别不大,而C35背景噪声相对较大;相干体C32即所谓的混沌属性,以负值为异常,它对河流相储层的识别效果要好于断块、裂缝型储层;相干体C33无论是河道识别还是去背景噪声效果都不好;相干体C36也是以小的正值为有利异常,在实际应用中它对弯曲河道和小河道识别效果更好。(3)时窗大小会影响相干结果,时窗太小会降低相干体的信噪比,太大会降低河道的纵向分辨率并混入假构造。对于河流相储层,取河道复合波的1/3长度是比较理想的时窗选择。

利用人工蜂群算法进行地震属性聚类分析

将具有全局搜索能力的人工蜂群算法引入到地震属性聚类中,在人工蜂群算法中蜜蜂被分为引领蜂、跟随蜂和侦察蜂三种,引领蜂寻找蜜源,跟随蜂根据引领蜂带回的蜜源信息搜索新蜜源,若某个蜜源被引领蜂或跟随蜂丢弃,则侦察蜂随机搜索新蜜源代替被丢弃的蜜源。其中每个蜜源代表优化问题的一个可能解,蜜源的花蜜量对应于解的质量,用适应值表示。最优解的搜索过程包括初始化和蜜源更新两个过程,通过蜂群分工协作,搜索最佳聚类中心,解决常规K均值聚类算法存在的多解性问题。利用国际上通用UCI机器学习数据库中的Iris和Wine数据集对常规K均值算法和人工蜂群算法进行了测试,结果表明:基于人工蜂群算法的聚类方法的分类正确率明显高于K均值方法。实际地震数据的聚类结果表明:基于人工蜂群算法的地震属性聚类能精细刻画塔北奥陶系碳酸盐岩岩溶储层的相带特征,并且能较好地描述呈片状弱反射特征的储层分布。