叠后地震属性预测技术

1.常规叠后地震属性技术

通过地震属性分析（曲率和相干等属性）能够比较准确地识别出断层。曲率属性是目前比较常用的断裂识别属性分析技术，能够识别出地下的微小形变，提高断层的识别精度。

1）曲率属性

地震曲率属性是目前比较新的断裂识别属性分析技术。曲率是描述曲线（或曲面）上任一点的弯曲程度，曲率越大则越弯曲。曲率属性反映了地层受构造应力挤压时层面的弯曲程度，一般曲率越大，张应力越大，张裂缝也就越发育。由于曲率属性对地层的弯曲程度非常敏感，而地层的非塑性弯曲程度又与裂缝的发育状况高度相关，所以曲率属性能够识别出地下微小形变，提高断层的识别精度，成为识别裂缝发育带的有效工具。

三维地震资料的曲率属性可通过如下方法计算：选择地震数据体中以一点为中心的子数据体，在中心点处自动拾取峰值或零交叉点，关联相邻道利用最小平方法或者其他拟合方法求解二阶微分获得中心点处的曲率。在曲率分析过程中凸面获得最大曲率，而凹面获得最小曲率，将二者相乘得到高斯曲率，高斯曲率值比较大的地方能产生大量的构造缝。在倾角扫描过程中还能计算倾角变化，倾角变化也对裂缝有比较好的指示，倾角变化大的地方裂缝比较发育。

地层受应力作用的过程反映在地层面及层内岩性的褶皱、弯曲、错断及微裂缝上，该部位往往具有高曲率特性，因而层面及层内的体曲率与裂缝之间的关系反映了地层应力作用的印记。曲率属性不仅能够更好地识别断层，而且它与页岩气的产量也有一定的联系。

在绝对曲率值比较大的区域，裂缝会比较发育，从而对应着高产的油气井位置，究其原因可能有两个：

（1）绝对曲率值较大的区域，原始裂缝比较发育；

（2）绝对曲率值较大的区域对应着页岩内部的脆弱面，在压裂过程中容易产生裂缝，曲率属性平面分布与工程开采产油量和产气量相关，高产井的位置主要分布在最大负曲率的区域。

图5—46分别显示了正负长波长和短波长曲率水平切片，长波长曲率属性通常指示较大的弯曲和褶皱，而短波长曲率属性通常识别较小的断裂区。

图5—46　正负短波长曲率和长波长曲率（Staples，2010）

（a） 短波长正曲率；（b） 短波长负曲率；（c） 长波长正曲率；（d） 长波长负曲率

2）相干属性

相干分析技术主要用于描述地震数据的空间连续性，通过对地震波形纵向和横向相似性的判别，得到地震相干性的估计值。相似地震道有较高的相干系数，对应于连续性较好的地质体，而较低的相干系数对应于连续性较差的地质体，如断层、褶皱和裂缝等。

Bahorich和Farmer在1995年首次提出了地震相干体技术，其方法是在经典的归一化互相关基础上建立的，算法效率高，但抗噪能力较差，适用于高信噪比地震数据，被称为第一代相干算法（简称C1算法）。Marfurt等（1998）提出了沿倾角（方位角），基于多道相似性的第二代相干算法（简称C2算法），该算法提高了抗噪能力和计算结果的垂向分辨率，但是计算道数的增加降低了侧向分辨率和计算时间。1999年，Gersztenkorn和Marfurt提出了基于本征结构的第三代相干算法（简称C3算法），是通过计算协方差矩阵的特征值来得到相干属性的方法。该算法克服了第一代、第二代算法的一些缺点，虽然具有最佳的横向分辨率，但对大倾角敏感性稍差，而且计算耗时较大。

此后还出现了一些新的、改进的第三代相干算法，如Randen等（2000）提出的几何结构张量方法，这种几何结构张量包含了反射界面的倾角和方位角信息，可以稳健地估算时窗内分析点的反射界面的倾角和方位角；张军华等（2004）将小波多分辨率分析应用到本征值结构的相干计算中，提高了相干体的分辨率，增强了抗噪声的能力；宋维琪等（2003）在本征值结构的基础上，提出了地震多矢量属性相干数据体的计算方法，该算法在属性提取方面，既考虑了方位，又考虑了倾向，即计算了地震矢量属性，通过计算综合相干值，提高了地质体边界的检测能力。

地震相干数据体计算是对相邻地震道数据计算其相干系数，其思想是对地震数据进行求异去同，突出那些不相干的数据，然后利用不相干地震数据的空间分布来解释断层、岩性异常体与岩层缝洞等地质现象。一般不连续变化所反映的是弱相干，反之为较大的相干值。对三维相干数据体进行切片解释或沿层拾取相干数据，能有效地反映出地下断层和裂缝的发育区。如图5—47所示是川西盆地某地须家河二段致密砂岩储层的纵波相干切片，纵波相干属性清楚地显示出主断裂、小裂缝及断层附近裂缝组的分布，这些特征用常规构造解释是很难识别的。井的产量信息显示，当井位于相干切片上的混乱区域时，生产率最高。

图5—47　纵波相干切片（Tang等，2009）

2.新兴叠后地震属性技术

随着勘探要求的提高和技术的不断发展与进步，一些新兴的叠后地震属性技术也开始出现并得到应用。这些技术能够更清晰地识别微小断裂，用以提高微裂缝的识别精度。

1）分频属性技术

由于地震反射不连续性特征相应于地质异常具有多尺度性。Partyka等（1999）提出了谱分解方法，利用不同频带的地震数据识别不同尺度的地质体。Zeng等（2009）利用分频地震数据研究地质沉积体时发现，某些单频数据体对地质体边界、范围的刻画比常规有限带宽的地震数据体更清楚，反映的地质细节也更丰富，从而为频率域的地震地质解释提供了一条很好的思路。通过生成不同频率数据体，利用纵横向上时频点或时频段的频谱差、频谱比、频谱下降率等描述不同尺度的地震波衰减特征，可以识别断层和裂缝，揭示裂缝发育带，乃至对其含油气性进行检测。

由谱分解技术获得的信息在地震解释中的应用就是检测和比较地震体的不同频带的响应。首先要对地震数据进行频谱分析，确定数据的有效频带范围，再利用小波分频技术将原地震数据分成低、中、高频分频数据体，在此基础上进行曲率、相干等属性的计算和分析。由于不同频带反映了不同尺度的地质特征，对分频数据体进行属性计算的结果也反映了不同尺度裂缝发育的影响（如图5—48所示）。(www.xing528.com)

图5—48　不同频率沿层相干切片（陈波等，2011）

2）时频三原色技术

原色是指不能通过其他颜色的混合调配而得到的“基本色”。以不同比例将原色混合，可以产生出其他的新频色。以数学的向量空间来解释色彩系统，则原色在空间内可作为一组基底向量，并且能组合出一个“色彩空间”。肉眼所能感知的色彩空间通常由三种基本色所组成，称为“三原色”。人的眼球内部有椎状体，由分别感受红绿蓝的三根神经组成，能够感受到红光、绿光与蓝光，因此人类以及其他具有这三种感光受体的生物称为“三色感光体生物”，所以只需要红绿蓝三种颜色，就能完全再现出人能感受到的所有颜色。虽然眼球中的椎状体并非对红绿蓝三色的感受度最强，但是肉眼的椎状体对于这三种光线频率所能感受的带宽最大，也能够独立刺激这三种颜色的受光体，因此这三色被视为原色。

为了有效利用地震频率信息，合理显示每个样点的优势频率，我们分别用红、绿、蓝三种颜色，表示低、中、高分频信息，然后按分频能量比较结果做色彩叠加显示。三原色剖面作为一种频率信息，对构造解释，沉积相解释，岩性解释都有帮助。首先，用Marr小波模拟出不同频率（最好要满足倍频要求）的Ricker子波，然后对地震信号进行Marr小波分频处理，得到低、中、高三个不同频带的信号，接着将每个采样点的三个分频信号分别用红（R）、绿（G）、蓝（B）表示，最后红（R）、绿（G）、蓝（B）三原色合成为该采样点的颜色值（如图5—49所示），其基本原理可以表示成下式：

式中，Cout（x，y，z）是输出数据体在点（x，y，z）赋予的颜色值；IR（x，y，z）、IG（x，y，z）和IB（x，y，z）分别是点（x，y，z）的像数值，分别用来控制红、绿及蓝的贡献。

图5—49　时频三原色分析流程

3）断层自动提取（AFE）技术

断层自动提取（Auto Fault Extract，AFE）技术可以在三维地震不连续数据体（相干体）上自动提取断层线，从而得到断层面。这一技术的应用可减少在三维断层解释上的时间，使三维断层面的解释准确且一致，并且可以利用已解释的断层面作为约束条件，提高层位自动追踪的效率和准确性。其结果可以为三维地质建模提供输入数据，断层自动追踪主要是在相干体的基础上完成的。

AFE处理是对相干体数据或者是不连续体数据进行的处理，主要包含六个处理步骤。

第一步：对相干体中的每一个时间切片进行线性加强。AFE首先对相干体数据在时间切片上进行图像增强处理来消除由于采集原因所形成的条带噪声。这一步叫作线性增强，它只能消除条带状的噪声。消除了这种噪声之后，下一步就是对数据体在时间切片上增强那些线性轮廓（断层），使断层在时间切片上得到增强。

第二步：使用第一步中线性加强后的结果，来强化面的特征，此时每一个时间切片上将会产生断层的可能轨迹（矢量切片）。AFE处理的第二步叫作断层增强，它对经过了线性增强的数据体进行进一步的平面增强消除噪声处理，平面参数通过输入方位向和倾角来确定。断层增强能够消除那些在时间切片上的线性条带（这些线性条带在垂直方向上并没有延伸，因而并不是断层），能够将时间切片上由于断层和地层产状等原因引起的不连续性区分开。

第三步：压制减少多余和异常的时间切片矢量。经过了前面两步的处理，留下来的线性增强条带就是断层或者裂缝的反映。

第四步：经由联络测线和主测线产生可能的垂向断层矢量（种子点）。

第五步：压制减少多余和异常的种子矢量。

第六步：将垂直和水平的断层矢量进行可能的断裂系统的组合，并给断裂系统中每一个断层赋予相应的名称，并产生断层面。由于处理过程中会产生大量的断层（一个数据体可能会产生几百个），用户可以根据所提供的各种工具将断层面组合到指定的集合内，并对其进行编辑和解释。断层编辑包括：劈分、连接及将其中一条断层分配给另一条断层。

AFE需要非常高质量的输入相干体数据。以下几种类型的噪声数据要引起注意：随机噪声、采集时的脚步及地层原因等。AFE处理后的数据体与原始的相干体相比，断层的成像更加清楚，这不仅为断层面自动解释提供了基础数据，而且这一技术还能应用于储层的识别、裂缝的预测中。

图5—50分别展示了叠后相干切片与AFE相干切片图，从常规相干数据体切片和AFE相干切片的对比可以看出，AFE对断层和裂缝的反映更为清晰，能更清楚地展现断裂的延伸情况。对相干体AFE增强技术是裂缝定性识别的一种非常有效的手段。

图5—50　（a）叠后相干切片与（b）AFE相干切片对比

4）蚂蚁追踪技术

Dorigo等（1996）通过模拟自然界中蚂蚁觅食行为率先提出蚂蚁算法，该算法通过人工蚂蚁智能群体间的信息传递达到全局寻优目的。蚂蚁追踪裂缝识别方法正是基于蚂蚁算法的原理，在地震数据体中撒播大量的蚂蚁，发现满足预设断裂条件的蚂蚁就“释放”信息素，召集其他的蚂蚁集中在该断裂处对其进行追踪，直到完成该断裂的追踪和识别。Pedersen（2002）首次提出了蚂蚁追踪裂缝识别的方法，给出了蚂蚁追踪流程，并将其应用于实际数据；斯伦贝谢公司推出了蚂蚁追踪裂缝识别软件，并很快在全球范围内得到推广和应用；Aqrawi（2011）将改进的三维Sobel滤波和倾角滤波方法与蚂蚁算法结合，实现了对小断层和裂缝的精确解释；Sun等（2011）将谱分解技术和蚂蚁算法相结合，实现了对微裂隙和小断层的识别。上述研究成果提高了蚂蚁追踪算法裂缝识别的精度，克服了传统地震断层、裂缝解释的主观性，显示出蚂蚁算法在裂缝空间分布规律的描述上具有显著的优势。但该方法也存在几方面问题：第一，该类方法只能对裂缝进行定性而不能定量描述；第二，该类方法只能对小断裂及大尺度裂缝进行识别，对于小尺度裂缝则识别精度不高；第三，前人研究集中于单个地震数据体，描述结果具有片面性。

总之，上述各种方法都是利用地震信息、从不同侧面对同一地质体的裂缝系统进行的探测，同时也反映出了同一裂缝地质体可以表现出不同的地球物理场信息特征。因此为了较完整地描述裂缝性地质体，提高识别的准确性和减少多解性，可以联合使用两种或两种以上的地球物理方法，提取出从不同侧面反映裂缝的地震信息用以识别裂缝和裂缝性。