基于生物啟發算法的地震雙極性變換擬聲波測井約束反演方法應用
——以塔河油田S9702井區石炭系超深薄砂層為例

李新華，馬洪濤，梁宏剛，鄧 鋒，先 偉，孫 力

（中國石化西北油田分公司勘探開發研究院，新疆烏魯木齊830011）

塔河油田石炭系卡拉沙依組發育構造、巖性和地層等多種油氣藏類型，其油氣成藏受斷裂、微幅度構造、儲蓋組合及沉積儲層等因素控制?？ɡ骋澜M為砂泥巖互層，沉積類型為三角洲相與潮坪相交互沉積，其中北部主要為三角洲相，南部為潮坪相［1-2］。研究區S9702 井區沉積主要受三角洲相控制，發育分流河道和河口壩砂體；鉆井揭示，其卡拉沙依組砂層埋深為4 800～5 300 m，單一期次河道寬度為150～500 m，厚度主要為2～8 m，寬厚比為50～150，單砂層厚度??；地震資料頻帶窄（為5～65 Hz），主頻低（為32 Hz），分辨薄砂層的能力差，地震振幅類屬性預測儲層精度約為65%、預測含油氣性吻合率約為45%，不能滿足油田精細開發的要求。

針對塔河油田石炭系儲層預測已開展較多研究［3-4］，不同類型的測井約束反演方法使石炭系儲層預測精度有一定程度的提高，可達到75%。對于儲層厚度大、地震響應較好的層段，儲層預測精度達到80%左右，但對于層位標定相位不一致，地震響應差的薄砂層，由于測井約束反演結果受地震和測井資料的雙重控制，測井信息在反演結果中的合適頻率范圍較難確定，薄砂層的反演效果差。

筆者提出基于生物啟發算法的地震雙極性變換擬聲波測井約束反演方法，該方法基于地震相位變換理論，利用生物啟發算法［5］，獲得具有雙極性特征的地震數據，提高地震資料的視分辨率，改善薄砂層與地震響應的對應關系，使得大部分砂層標定在波峰或波谷位置。選取儲層敏感性強的測井曲線重構的擬聲波作為測井約束，提取和應用合適極性的子波，僅需較低程度的測井約束量即可反演出儲層，提高了地震資料的儲層反演效果。

1 塔河油田石炭系薄砂層地球物理特征及預測難點分析

1.1 地球物理特征

塔河油田石炭系薄砂層砂泥巖聲波時差較為復雜，整體上砂巖聲波時差小、速度高，砂巖含流體后聲波時差變大，砂泥巖速度差異變小，甚至泥巖速度大于砂巖速度。物性較差偏干的砂巖，聲波時差小、速度大。穩定的較厚泥巖整體聲波時差大、速度小，砂泥巖薄互層中的泥巖常常聲波時差小、速度大。砂泥巖聲波時差、密度、自然電位和自然伽馬統計關系表明，自然電位對砂泥巖的敏感性強，自然電位差異大；自然伽馬對泥質砂巖、砂質泥巖等巖性的敏感性強［6］。

研究區石炭系卡拉沙依組砂層的地震響應比較復雜，儲層厚度、物性、流體類型、砂泥巖組合、上下圍層泥巖速度及構造位置等因素影響儲層地震響應特征，較大厚度（大于5 m）的含油氣儲層一般表現為強振幅低頻特征，較小厚度儲層一般為弱振幅或與上下圍巖形成復合波，振幅值受圍巖影響較大?？拷貙觿兾g面的儲層受上覆地層屏蔽作用，地震響應一般為弱振幅或與上覆地層一起形成強振幅。另外由于砂泥巖速度不穩定、儲層厚度變化及地震資料分辨率限制，使得儲層標定相位不統一，一部分儲層標定于波峰位置，一部分儲層則標定于零相位或波谷位置［7］。

1.2 預測難點分析

塔河油田石炭系卡拉沙依組薄砂層預測難點主要表現在3個方面：①鹽邊（石炭系巴楚組膏鹽尖滅線附近）石炭系卡拉沙依組為三角洲前緣沉積，水下分流河道發育，砂體橫向變化快，縱向厚、薄砂體疊置共存，儲層預測橫向上需反映三角洲前緣沉積特征，縱向上需同時識別厚層和薄層砂體。②石炭系卡拉沙依組含油氣層段埋深大，含油氣層段縱向跨度長，聲波時差儲層敏感性較低，不同層段砂巖和泥巖地震響應復雜，地震屬性預測儲層多解性強。50 余口井含油氣儲層統計結果表明，厚度大于5 m 的油氣層或水層在振幅上有較好的響應，一般為中強振幅；另外大部分反射波不是單一砂體的響應，而是多套儲層和泥巖地層的綜合響應。③靠近地層剝蝕區附近儲層地震響應影響因素多，地層剝蝕帶附近上覆地層屏蔽效應造成地震反射空白現象或強反射波，地震反射為儲層和上覆地層綜合響應，地震屬性無法精確反映儲層特征?？傊?，塔河油田石炭系卡拉沙依組薄砂層預測難點在于薄砂層與地震響應的匹配性較差，地震資料分辨率受儲層構造位置、厚度、物性及流體類型等多種因素影響，地震反射波不能較好地反映薄儲層的變化，致使儲層預測精度較低。

2 基于生物啟發算法的地震雙極性變換擬聲波測井約束反演方法

塔河油田石炭系卡拉沙依組儲層地球物理特征及預測難點分析表明，振幅、頻率、頻譜等地震屬性對于較厚砂層（厚度大于5 m）的預測精度較高，對于薄砂層（厚度為2～5 m）的預測誤差大，基于生物啟發算法的地震雙極性變換擬聲波測井約束反演是一種適應石炭系卡拉沙依組地質特征的薄儲層預測新方法。首先開展不同相位地震資料的基于生物啟發算法的地震雙極性變換，使大部分儲層都標定于波峰或波谷，提高薄砂層與地震反射波的對應關系；其次，利用儲層敏感性強的自然電位等測井曲線重構儲層敏感性差的聲波曲線，以作為地震反演的低頻約束，彌補薄砂層地震響應弱的缺陷，并提高反演波阻抗分辨薄互層砂體的能力［8］。

需要指出的是，對于部分強地震反射特征的厚層泥巖，新反演方法與其他反演方法存在同樣的問題，較多的低頻測井約束壓制強反射的相對波阻抗，井間會有一定的內插痕跡，降低反演結果的可信度，而較少的低頻測井約束不能較好地壓制強反射的相對波阻抗，儲層和非儲層反演波阻抗有一定程度的重疊，反演結果具有多解性，需根據地質要求優選合理的測井約束的低頻分量［9-10］。

2.1 基于生物啟發算法的地震雙極性變換

測井約束地震反演方法的思路是測井低頻和地震中高頻波阻抗有機結合識別儲層，儲層測井低頻波阻抗和地震中高頻波阻抗大小一致時，儲層波阻抗信息得到加強，識別效果好；儲層測井低頻波阻抗和地震中高頻波阻抗大小不一致時，儲層波阻抗信息被中和，識別效果差［11-12］。正或負極性子波地震反演只能識別標定在波峰或波谷的儲層，而不能把標定在波峰和波谷的儲層同時識別出來，通過基于生物啟發算法的地震雙極性變換處理，對波谷進行相位翻轉，使標定在波谷的儲層變成標定于波峰，而原標定在波峰的儲層仍然標定于波峰，同時生成新的波谷地震同相軸，地震數據具有正負雙極性特征，這樣地震反演則能把標定在原始地震資料波峰和波谷的儲層同時預測出來。而且地震雙極性變換后，由于大部分砂體標定在波峰或波谷，反演時只需較低測井波阻抗信息約束即能將砂體識別出來，反演結果主要依賴地震資料，井間內插痕跡小，河流相砂體形態可靠，保證了反演結果的精度。

對地震數據取絕對值能使地震波谷變成波峰，但取絕對值的地震數據都大于等于0，不能用于反演。減掉某一平均值能使地震數據有正有負，但幅值較小的波峰、波谷變成了負值，相當于損失部分弱信號信息，地震反演效果較差。

2.1.1 生物啟發算法

通常意義下生物啟發算法是指與生物行為相關的仿生算法，亦稱生物啟發式算法，其模擬自然界中生命與智能的生成與進化過程，具有自學習、自組織和自適應特征。典型的生物啟發算法有：遺傳算法（GA）、粒子群優化算法（PSO）、蟻群算法（ACO）、人工蜂群算法（ABC）、細菌覓食算法（BFO）、群搜索算法（GSO）、DNA 算法、膜算法（MC）和自組織遷移算法（SOMA）等。

應用于石油地球物理的單一生物啟發算法有蟻群算法［13］、遺傳算法、粒子群優化算法、DNA 算法、神經網絡等，但應用效果不突出，主要因為單一的生物啟發算法常常不能最優地解決石油地球物理問題。蟻群算法的優點是對目標體細節的精細刻畫，也造成了算法收斂求解速度慢，運算時間長，搜索一定程度后出現停滯，不能對全局進一步搜索，影響得到最優解；初始信息素濃度、搜索步長不易控制，過少過小，搜索范圍小，陷入局部最優解；過多過大，追蹤范圍大，不是最優解［13-14］。遺傳算法的優點是能很好地處理約束，跳出局部最優，最終得到全局最優解，全局搜索能力強，能識別較大級別的地質體；缺點是局部搜索能力較弱，對較小級別的地質體識別能力差，且運行時間長，容易受參數的影響。粒子群優化算法的優點是快速逼近最優解，但該算法的早熟收斂特性對于復雜地質體則不能準確識別；DNA 算法的基因序列編碼復雜，編碼誤差放大特征明顯，識別的地質體不清晰、不到位。

筆者提出的生物啟發算法是根據不同的地質條件優選2 種或2 種以上單一生物啟發算法融合進行地震資料的雙極性變換處理，使算法有效聯合、揚長避短，從計算精度、時間、算法的可融合性和地質研究要求等方面比對不同單一生物啟發算法的效果，組合試算，優選計算結果精度高、計算時間少的算法組合。主要采用2 種算法融合方式：一是以一種生物啟發算法的最終計算結果作為另一種算法的初始值，例如以粒子群優化算法或遺傳算法的計算結果作為蟻群算法的初始值，提高蟻群算法的計算速度和尋優能力；二是每一次迭代計算互為下一次迭代的初始值，提高計算收斂速度和獲得全局最優解［15］。

生物啟發算法對地震資料同相軸的波形、連續性、振幅、相位、方差等屬性特征具有較高的敏感性，能識別地震道與道之間的細微變化，實現對地震信息的精確拾取。首先，進行生物啟發算法優選；通過對蟻群算法、遺傳算法、粒子群優化算法［16］、DNA 算法、群搜索算法、膜算法和自組織遷移算法等計算特點的分析，初步優選蟻群算法、遺傳算法、粒子群優化算法作為地震雙極性變換的初選算法。接著，進行生物啟發算法融合；將粒子群優化算法或遺傳算法的計算結果作為蟻群算法的初始值，提高蟻群算法的計算速度和尋優能力。粒子群優化算法和遺傳算法計算速度快，全局尋優能力強，可以減少蟻群算法的迭代收斂次數，克服蟻群算法運算速度慢的劣勢，進而發揮不同算法全局和局部尋優的優勢（圖1）。

圖1 生物啟發算法優選融合流程Fig.1 Fusion flow of bio-inspired algorithm optimization

2.1.2 地震雙極性變換

利用生物啟發算法實現地震雙極性變換的具體步驟為：①對原始地震資料進行±90°和180°相位變換。②利用遺傳算法和粒子群優化算法對原始地震資料（0°相位）計算初始值。③分別以遺傳算法和粒子群優化算法計算結果的初始值進行蟻群算法地震波峰同相軸追蹤，優選算法組合和蟻群算法優化參數，得到波峰頂部位置小于等于1、其他位置為0 的蟻群追蹤數據體（圖2）。④利用優選的算法組合和蟻群算法優化參數，進行±90°和180°相位地震生物啟發算法波峰追蹤，并將±90°相位變換的生物啟發算法計算數據乘以-1 以便生成波谷。⑤原始地震資料和相位變換地震資料與其對應生物啟發算法數據相乘，并將結果相加，得到原始地震資料和180°相位變換數據為波峰，±90°相位變換數據為波谷的地震雙極性變換數據。

圖2 原始地震剖面和生物啟發算法追蹤結果對比Fig.2 Comparison between original seismic section and tracking results by bio-inspired algorithm

粒子群優化算法和遺傳算法分別與蟻群算法融合計算地震雙極性變換結果顯示，地震同相軸都得到較好的識別，且粒子群優化算法較有優勢，同相軸邊界和弱反射識別更清楚，與原始地震數據吻合程度高。粒子群優化算法和蟻群算法融合計算的塔河油田石炭系卡拉沙依組目的層段地震雙極性變換的結果更精確（圖3）。

圖3 原始地震剖面和不同算法融合計算的地震雙極性變換剖面Fig.3 Original seismic section and seismic bipolarity transform sections calculated by fused different algorithms

將原始地震剖面與地震雙極性變換剖面疊合對比（圖4），其中黑色為原始地震剖面，紅色為地震雙極性變換剖面，原始地震剖面的波谷翻轉為波峰，0°相位轉變為波谷，實現了地震雙極性變換，地震資料視主頻由40 Hz 提高到70 Hz，實際鉆井標定砂體頂界均位于波谷位置，底界位于波峰或偏上位置。

圖4 原始地震剖面與地震雙極性變換剖面疊合對比Fig.4 Comparison between original seismic section and seismic bipolarity transform section through superimposition

2.2 擬聲波測井約束反演

塔河油田石炭系卡拉沙依組的聲波時差測井數據影響因素多，儲層敏感性較差，自然電位測井數據的儲層敏感性最強，自然伽馬測井數據次之。砂巖與泥巖自然電位測井曲線數值差異大，位于有利儲層邊界附近的砂質泥巖、泥質砂巖與泥巖的自然電位測井曲線數值差異小，自然伽馬測井曲線常有一定程度的差異，因此利用自然電位和自然伽馬測井曲線重構聲波時差測井曲線，開展擬聲波測井約束反演可以提高砂泥巖分辨能力，有效識別厚、薄砂巖及泥巖。

2.2.1 自然電位、自然伽馬測井曲線擬聲波重構

大部分擬聲波重構方法是建立目的層段聲波時差與自然電位或自然伽馬等單一儲層敏感性測井數據的擬合關系，由于二者的相關系數比較小，獲得的擬聲波時差數據基本與儲層敏感性測井數據相似，與實際的聲波時差數據相差甚遠［17］。筆者提出的儲層擬聲波重構方法僅改變砂巖等巖性的聲波時差，基本不改變泥巖等非儲層的聲波時差，重構的聲波時差與原始聲波時差整體保持一致，曲線低頻特征明顯。首先利用泥巖基線歸一化自然電位曲線重構聲波時差，除砂巖聲波時差改變外其他基本不變，其次建立泥質砂巖、砂質泥巖等巖性段自然伽馬與聲波時差的統計關系式，重構其聲波時差。具體實現步驟為：①單井巖性解釋。②自然電位曲線的泥巖基線校正和歸一化處理。③聲波時差和歸一化自然電位數據相乘得到重構聲波時差曲線。④泥質砂巖、砂質泥巖等巖性段的自然伽馬與聲波時差數據擬合及聲波時差重構。

2.2.2 測井約束反演

采用基于模型的測井約束稀疏脈沖反演方法，基于模型反演方法的優勢是波阻抗模型和稀疏脈沖相對波阻抗道合并時頻帶范圍容易控制。首先建立擬聲波波阻抗模型，其次在波阻抗模型約束下，提取合適的正極性或負極性子波進行地震雙極性變換的稀疏脈沖相對波阻抗反演，最后根據已鉆井儲層厚度、地震資料橫向變化及地質認識選取波阻抗模型和稀疏脈沖相對波阻抗各自合適的頻帶范圍進行頻域道合并，并調試合適的色標。

以塔河油田桑塔木工區S9702 井區為例，首先進行S9702 井區雙極性擬聲波反演必要性分析。S9702 井區石炭系卡拉沙依組CK1 砂組鉆遇2 套含油氣砂層，泥巖隔層較薄，第1套砂層具有中高波阻抗值，比下伏圍巖的泥巖波阻抗值高，與上覆圍巖波阻抗值相當，合成地震記錄顯示為中強波峰振幅，因儲層靠近剝蝕區上覆地層屏蔽作用，該砂層頂界標定在原始地震剖面的弱波峰下0°相位位置，底界標定在最大波谷位置，振幅等地震屬性不能準確反映該套砂層特征［18］。第2套砂層上半部分為干層，具有高波阻抗值，下半部分油氣層具有低波阻抗值，低于下伏圍巖泥巖波阻抗值，合成地震記錄上為中強波峰振幅，標定在原始地震剖面的波谷偏下位置，為中強振幅。單一極性子波反演只能突出1套砂層，雙極性變換后2套砂層的頂界都標定在波谷位置，底界標定在波峰位置。以砂巖敏感性強的擬聲波波阻抗模型作為低頻約束，單一極性子波地震反演顯示2 套砂巖儲層為中高波阻抗值，泥質砂巖和砂質泥巖波阻抗值偏低，泥巖為低波阻抗值，增大了砂巖等儲層與泥巖等非儲層之間的波阻抗差值，更易于進行儲層識別［18］。

S9702 井區CK1 砂組薄儲層原始地震單一極性和基于生物啟發算法的地震雙極性變換擬聲波測井約束反演結果表明，新方法的分辨率高于地震單一極性反演結果，對于地震單一極性反演不能識別的薄砂層地震雙極性反演卻能夠較好地識別。厚度大于5 m 砂層的反演結果與實鉆井鉆遇情況的吻合程度較高，吻合率達到90%；3～5 m 砂層的反演結果與實鉆井鉆遇情況的吻合程度達到80%，基本滿足開發要求；厚度小于3 m 的部分砂層能反演出來，但厚度誤差較大。反演結果與地震資料的相關性較好，井間內插痕跡不明顯，砂體尖滅點清楚，S9702 井CK1 砂組第1 套含油氣砂層與上覆地層的剝蝕關系清楚，且消除了因地震資料屏蔽造成該砂層地震反射振幅變弱而不能識別的影響（圖5，圖6）。

圖6 過TK151X—S9702井北東向地震雙極性變換擬聲波測井約束反演剖面Fig.6 Inversion section for north-east seismic bipolarity transform with pseudo-acoustic wave as log constraint cross Well TK151X-Well S9702

S9702井區CK1砂組第2套含油氣砂層（埋深為4 849～4 859 m）的最大波阻抗屬性分布特征（圖7）表明，該砂層河道形態清楚，且與物源來自北部的沉積規律相吻合。

圖7 S9702井區CK1砂組第2套含油氣砂層波阻抗屬性分布Fig.7 Wave impedance attribute distribution of second group of oil and gas-bearing sand layers of CK1 sand formation in Well S9702 area

3 結論

基于生物啟發算法的地震雙極性變換擬聲波測井約束反演方法在塔河油田石炭系超深薄砂層預測的應用效果表明，對于振幅、頻率等頻譜類地震屬性和常規地震反演方法不能滿足儲層預測精度要求的地區，新方法具有較強的適應性。地震雙極性變換使大部分砂體統一標定在波峰或波谷位置，自然電位及自然伽馬測井數據的擬聲波重構提高了反演參數的儲層敏感性，只需要較小的測井約束量即能對薄砂層進行反演，有利于降低反演結果的多解性，提高儲層反演可信度。新方法在塔河油田S9702井區石炭系卡拉沙依組超深薄砂層的應用效果較好，反演結果顯示灘壩及河道形態清楚且符合區域沉積規律。