王明春 明 君

（中海石油（中國）有限公司天津分公司渤海油田勘探開發(fā)研究院）

目前，國內(nèi)外比較流行的地震相分析方法主要有波形分類法、地震屬性特征映射法及基于地震地貌學的相劃分方法［1］，其中波形分類法是基于地震道波形特征的地震相劃分方法，具有分類簡單、算法成熟等特點而被商業(yè)軟件所廣泛采用。然而，傳統(tǒng)的地震波形分類方法大都是以等時窗內(nèi)地震道波形相似性來劃分地震相，無法對目的層段厚度變化大的情況進行精確地震相分析。隨著層序地層學和地震沉積學的深入發(fā)展，以及滿足層序地層學在等時地層格架內(nèi)研究儲層的需要，發(fā)展變時窗地震相分類技術已成為地震相分析技術發(fā)展的一種趨勢。本文提出了一種變時窗地震波形分類技術，對其基本原理、實現(xiàn)流程及關鍵技術做了詳細闡述，并通過實例應用驗證了本文方法的正確性和可行性，從而為應用三維地震資料研究沉積相提供了一種有效手段。

1 變時窗地震波形分類技術

地震道波形是地下地質體巖性、物性、流體性質、結構、構造的綜合響應，又是地震波振幅、相位、頻率的綜合表現(xiàn)，任何與地震波傳播有關的地質和地球物理參數(shù)都可以通過地震道波形的變化表現(xiàn)出來。因此，根據(jù)地震道的波形變化進行波形相似性聚類，可以找出地震道波形變化的總體規(guī)律，認識地震相的變化規(guī)律，從而認識沉積相和巖相的變化規(guī)律。

1.1 基本原理與實現(xiàn)流程

基于波形分類的地震相分析原理，是利用地震道波形特征對某一層段內(nèi)地震數(shù)據(jù)道進行逐道對比，把代表同一類沉積相的地震反射波分為一類，從而得到地震異常體平面分布規(guī)律，并以此來揭示同一沉積相帶［2］。現(xiàn)有波形分類技術選取的目的層段都是等厚時窗，而不是一個完整波形的選取，造成在選取等厚時窗的情況下不能很好地反映波形與儲層的對應關系。要想對縱橫向變化大的復雜儲層進行精細地震相分析，發(fā)展一種可變時窗的波形分類技術很有必要。

目前尚沒有對變時窗地震相分類方法的系統(tǒng)闡述。通過分析研究，我們認為實現(xiàn)變時窗波形分類大致有2種途徑：第一種是對時間域不等長地震信號重采樣成等長地震信號（即對地震道波形進行拉伸或壓縮）再聚類；第二種是將時間域不等長地震信號變換到頻率域，選取一個合適的恒定頻寬進行聚類。第一種方法在信號重采樣過程中存在波形畸變，會對后續(xù)波形聚類產(chǎn)生影響；第二種方法不存在波形被拉伸或壓縮而發(fā)生波形畸變的問題。實際上，時間域和頻率域構成了一個信號的2種表示方式，只不過在不同的域反映的信號特征不同。第二種方法正是利用了信號的不變性，實現(xiàn)了時窗厚度的可變性，從理論上看是可行的。

在分析頻率域變時窗地震相分類基本原理的基礎上，總結了該項分析技術的實現(xiàn)流程（圖1）：①基于等時地層格架，對目的層頂?shù)走M行層位解釋；②把目的層段內(nèi)時間域地震資料變換到頻率域；③頻率域不等長地震信號插值；④頻率域波形聚類；⑤根據(jù)波形分類結果生成地震相圖，綜合地質分析，編制沉積相圖。變時窗波形分類方法雖然工作量較大，但物理意義明確，預測結果更為合理有效。

圖1 變時窗地震波形分類技術實現(xiàn)流程

1.2 關鍵技術

1.2.1 頻率域信號插值技術

頻率域信號插值是對復函數(shù)進行插值。結合信號處理理論，可以推導出頻率域信號插值公式［3］，即

式（1）中：a（f）為插值函數(shù)值；an為頻率域信號；n為離散點號；Δf為頻率域采樣間隔；f為待插值點處頻率值；i是虛數(shù)單位；函數(shù)sin c（x）＝sin（x）/x，稱為sin c函數(shù)，所以式（1）也稱為頻率域sin c插值公式。精確sin c插值在現(xiàn)實中很難實現(xiàn)，因為它需要信號無限長，而實際信號都被截斷為有限長離散信號。通過推導，可以得到有限長離散信號頻率域的離散sin c插值公式

從公式（2）可以看出，離散sin cd插值函數(shù)要用到信號頻率域中所有點，當N較大時會使計算效率降低。因此，實際應用中一般對sin cd插值函數(shù)進行截斷，取少數(shù)幾項做插值運算。

1.2.2 頻率域聚類技術

聚類就是將數(shù)據(jù)對象分組成為多個類，在同一個類中的對象之間具有較高的相似度，而不同類中的對象之間差別較大［4］。常用的聚類算法可以分為基于劃分的、基于層次的、基于密度的、基于網(wǎng)格的和基于模型的等5類。K均值算法是一種基于劃分的聚類算法，因其簡單、快速、有效等優(yōu)點而被廣泛應用，但是該算法隨機選取初始聚類中心，致使聚類結果受初始聚類中心的影響較大［5］。自組織特征映射神經(jīng)網(wǎng)絡聚類具有很強的自適應學習能力、魯棒性和容錯能力等優(yōu)點，因此本文利用自組織神經(jīng)網(wǎng)絡獲得初始聚類中心，再用K均值聚類算法進行聚類，通過這種改進可以有效改善聚類性能，提高聚類準確率。

傳統(tǒng)的聚類算法都是針對標量數(shù)據(jù)，不能解決矢量聚類問題，為此本文將實數(shù)域聚類算法推廣到復數(shù)域。

設Xi＝（xi1，xi2，…，xip）和 Xj＝（xj1，xj2，…，xjp）是待聚類數(shù)據(jù)的第i和第j個對象，定義二者之間親疏程度的距離測度為

式（3）中：xik、xjk都是復數(shù)；‖xik－xjk‖表示兩復數(shù)點的距離。定義了待聚類對象之間相似性距離測度，就可將針對標量數(shù)據(jù)的聚類算法推廣到矢量數(shù)據(jù)聚類。

基于自組織神經(jīng)網(wǎng)絡的K均值聚類算法的實現(xiàn)流程大致分為2個階段：第一階段是由自組織神經(jīng)網(wǎng)絡初始聚類，得出初始聚類中心；然后以第一階段得到的結果作為K均值聚類算法的輸入，進行迭代運算，直至收斂得到最終聚類結果。

2 實例應用

渤海JZ油田位于一邊界斷層下降盤，整體構造形態(tài)為一被斷層復雜化的北東走向半背斜。區(qū)域沉積研究表明，JZ油田地區(qū)在古近紀處于深水湖泊與三角洲交互環(huán)境，形成了一套以扇三角洲和辮狀河三角洲為主的沉積體系，本次開發(fā)的含油目的層沙三中段以扇三角洲和辮狀河三角洲沉積為主。對JZ油田區(qū)沙三中段儲層研究的思路是以地震層序地層學為指導，在單井層序劃分的基礎上進行井震對比和標定，然后在油田范圍內(nèi)的地震剖面上解釋追蹤沙三中段儲層，最后利用變時窗地震相分析技術來研究儲層發(fā)育規(guī)律。

根據(jù)JZ油田測井曲線特征并結合區(qū)域背景對沙三中段進行層序的識別、劃分和對比，分為3個體系域：Es3I高位域、Es3II湖泛域及Es3III低位域（圖2）。在鉆井層序劃分的基礎上，通過合成地震記錄的制作進行井震標定和對比，在地震剖面上進行地震層序界面解釋（圖3）。本次開發(fā)的目的層位于沙三中段湖泛域Es3II層段，在地震剖面上表現(xiàn)為多期砂體退積疊置，頂部不整合于最大湖泛面之上，砂體厚度從JZ2井到JZ1井向高部位逐漸變薄。從地震相上看，JZ2井區(qū)表現(xiàn)為強振幅中頻連續(xù)亞平行反射，JZ1井區(qū)表現(xiàn)為弱振幅低頻斷續(xù)楔狀反射。在對地震剖面進行層序約束解釋的基礎上，利用變時窗波形分類技術對湖泛域Es3II層段進行了地震相聚類分析。圖4是過圖5中AB方向將不等厚Es3II層段變換到頻率域插值成等厚形式的頻譜圖，圖5是變時窗波形聚類結果。

從圖5可以清晰看出，以白色實線為邊界將油區(qū)范圍分為2個地震相，結合區(qū)域沉積認識可以得出以JZ1井代表的地震相為近源扇三角洲沉積，以JZ2井代表的地震相為遠源辮狀河三角洲沉積。

后續(xù)開發(fā)井的鉆探結果也證實了上述觀點。圖6是過圖5中AB方向的一條地震剖面圖，鉆后證實JZ2井與A15、A8、A1等3口開發(fā)井所鉆遇的Es3II層段儲集體分屬不同物源的2套沉積體，同時3口開發(fā)井都有自己獨立的油水系統(tǒng)，表明了湖泛域Es3II層段具有多期砂體退積疊置巖性遮擋成藏的地質模式。

3 結束語

變時窗地震波形分類技術為以層序為邊界、在等時地層格架控制下開展針對目的層的地震相分類研究提供了一種可行途徑，它是將厚度可變的目的層段的地震資料變換到頻率域，先利用頻率域復數(shù)插值技術將不等長頻譜重采樣成等長頻譜，再運用頻率域波形聚類算法實現(xiàn)地震相的劃分。應用變時窗波形分類技術對渤海JZ油田目的層段進行了地震相的劃分，后續(xù)實鉆開發(fā)井證實鉆前地震相劃分結果合理、可靠。隨著層序地層學和地震沉積學的深入發(fā)展，以及滿足層序地層學在等時地層格架內(nèi)研究儲層的需要，變時窗地震波形分類技術將會得到長足的發(fā)展和廣闊的應用空間。

［1］ 朱劍兵，趙培坤.國外地震相劃分技術研究新進展［J］.勘探地球物理進展，2009，32（3）：167－171.

［2］ 趙力民，郎曉玲，金風鳴，等.波形分類技術在隱蔽油藏預測中的應用［J］.石油勘探與開發(fā)，2001，28（6）：53－55.

［3］ 賀振華，等.反射地震資料偏移處理與反演方法［M］.重慶：重慶大學出版社，1989：71－73.

［4］ 韓家煒，坎伯著，范明，等譯.數(shù)據(jù)挖掘：概念與技術［M］.北京：機械工業(yè)出版社，2005：196－220.

［5］ 丁春榮，楊寶華.基于SOFM網(wǎng)絡的改進K－均值聚類算法［J］.科技導報，2009，27（10）：61－63.