崔永福， 许永忠， 彭更新， 郭念民， 王兴军， 郑多明， 马一名， 张　昆

( 1. 中国石油塔里木油田公司 勘探开发研究院，新疆 库尔勒　841000；　2. 中国矿业大学 资源与地球科学学院，江苏 徐州　221116 )



基于多种地震反演方法的哈拉哈塘地区火成岩识别及速度建模

崔永福1， 许永忠2， 彭更新1， 郭念民1， 王兴军1， 郑多明1， 马一名2， 张昆2

( 1. 中国石油塔里木油田公司 勘探开发研究院，新疆 库尔勒841000；2. 中国矿业大学 资源与地球科学学院，江苏 徐州221116 )

塔里木盆地北部哈拉哈塘地区油气成藏条件良好，普遍发育二叠系火成岩储层，地震震资料显示二叠系岩性、速度变化剧烈，影响其下伏奥陶系油藏“串珠”的叠前深度偏移成像及低幅构造圈闭的变速成图。在分析哈拉哈塘南部工区地质资料基础上，采用约束稀疏脉冲反演、人工神经网络反演、多参数反演方法对二叠系火成岩速度识别进行对比；采用db4小波对声波测井曲线进行基于小波变换的分频重构，将反演得到的速度模型应用在叠前深度偏移中。结果表明，约束稀疏脉冲反演方法更适用于工区巨厚的、岩相变化复杂的火成岩的快速建模；声波测井曲线重构后反演的数据体对岩性的识别能力明显提高，有助于火成岩速度建模。文中速度模型对“串珠”的刻画取得较好效果，表明该方法可为哈拉哈塘及类似地区火成岩研究提供初始速度模型。

约束稀疏脉冲反演； 人工神经网络反演； 声波重构反演； 速度建模； 火成岩； 哈拉哈塘地区

0　引言

火成岩油气藏作为非常规油气藏，产层厚，产率高，具有较大发展潜力。陈树民等[1]利用测井、VSP(垂直地震剖面)等资料预测徐深气田火山岩含气储层，采用PP-PS协同反演技术进行纵横波速度比弹性参数反演，显示储层特征明显，预测效果良好；潘赟等[2]划分塔北西部火成岩岩性，利用测井资料研究不同岩性的测井响应特征，对识别火成岩岩性具有指导意义；刘小平等[3]分析苏北盆地海安凹陷火成岩储层的地震剖面和测井响应特征，应用伽马和深侧向电阻率曲线构建拟声波曲线，进行高分辨率参数反演，较准确地反映火成岩的变化特征；张震等[4]利用岩心、薄片及成像测井方法，分析火山岩岩石学特征、储集空间类型和储层物性特征等，研究哈山地区石炭系火山岩储层特征及储集性能主控因素。

近年来，全波形反演技术快速发展，它对初始速度模型依赖性强，需要精确的速度模型才能保证反演的精度[5]。速度建模是制约叠前深度偏移成像精度的主要瓶颈，建立可准确反映地下岩层岩性规律的高精度速度模型非常重要。万忠宏等[6]根据地震波传播速度和岩层性质关系，提出属性模型速度建场技术，以井为基础，利用速度场内插模块等形成速度模型。温声明等[7]考虑高陡复杂构造区的构造特点，提出高陡构造区层速度替换建场法。哈拉哈塘地区二叠系火成岩厚度有数百米，纵、横向上岩性变化快，用Dix速度建场、层速度替换建场法、模型速度建场等方法研究火成岩速度变化效果不理想，影响研究区火成岩下伏低幅构造与奥陶系油气勘探进程。地震反演技术利用地震资料和测井资料，得到包含速度信息的高分辨率波阻抗数据体，使高精度火成岩速度建场成为可能[8]。哈拉哈塘地区火成岩岩性、岩相变化大，笔者采用约束稀疏脉冲反演、人工神经网络反演、多参数反演方法，对该地区二叠系进行火成岩识别与反演速度建模，得到符合该地区地质特点的高精度速度体。

1　工区概况

研究工区位于塔里木盆地北部的一级构造单元塔北隆起。程海燕[9]、崔泽宏[10]等将塔北隆起划分为6个二级构造单元，李曰俊等[11]将塔北隆起划分为包括轮南低凸起等5个次级构造单元。哈拉哈塘地区西部紧接英买力低凸起，截至目前已钻井数百口。选取钻遇火成岩储层12口井，岩性以凝灰岩和火山碎屑岩为主，且12口井经过标准化处理，声波时差准确，能够反映地下岩层信息。工区二叠系火成岩主要为基性喷出的玄武岩和介于中性和酸性之间喷出的英安岩，以及过渡类型的凝灰质英安岩和安山质英安岩，局部出现少量安山岩和流纹岩。工区内火山活动大致分为三个期次：第一期次岩性主要为凝灰岩和火山碎屑岩；第二期次岩性以玄武岩为主；第三期次岩性以英安岩和英安质凝灰岩为主。

2　反演方法

2.1约束稀疏脉冲反演

约束稀疏脉冲反演是基于褶积模型的递推反演方法[12]，可很好适用于钻井较少的勘探区域，并获得较宽频带的反射系数序列。由于测井资料含有丰富的高低频率，补充地震波阻抗的频率信息，使反演结果能更好地反映地下地质情况[13-14]。

首先，对工区中在二叠系有密度曲线的测井资料进行声波密度拟合，得到工区声波—密度拟合经验公式，完成声波—密度转换工作。其次，对比合成地震记录与实际地震剖面，精细调整合成记录，反复迭代修正，使相关度达到满意结果。最后，在反演中加入控制波阻抗趋势和范围的约束条件，得到火成岩的相对波阻抗；建立火成岩低频模型，将模型与相对波阻抗体融合，得到绝对波阻抗[15]。

2.2人工神经网络反演

人工神经网络可模仿人类大脑自组织和自适应的智能行为，具有自适应、自学习、抗干扰能力强的特点[16]，对于复杂的逻辑操作及非线性映射关系，具有良好的仿真处理能力。

在人工神经网络反演中，对反演影响较大的因素为：(1)制作合成记录；(2)建立初始模型；(3)训练神经网络。在合成记录制作过程中，除了选择地震子波外，标定井震时深对应关系时应尽量避免拉伸，以免测井曲线发生改变。对于初始模型的建立，主要利用地震层位约束，对测井曲线低通滤波后通过内插和外推得到，能够初步反映火成岩波阻抗在空间中的变化特征。

2.3多参数反演

基于测井约束的多参数反演不仅依靠声波密度曲线进行声波阻抗反演，而且综合电阻率、自然伽马、自然电位及中子测井等测井数据。该反演方法能充分利用测井资料，并与地震资料优势互补[17]。

首先，采用初始模型构建与原始地震道最为近似的地震道并进行反演，通过迭代调整并优化参数使残差达到最小，得到的空间权值最优分布的数据体；然后，将该数据体应用于不同属性的测井数据，得到对应的测井属性数据体。

文中工区火成岩测井曲线表现为中低声波时差值、高自然伽马值；火山碎屑岩测井曲线表现为中声波时差值、低自然伽马值。因此，将自然伽马曲线作为识别火成岩和火山碎屑岩的敏感曲线，进行多参数反演，得到自然伽马属性数据体。

3　反演结果

3.1测井曲线处理

受人为或其他客观因素影响，采集的测井曲线常出现质量差、多井之间缺乏一致性或数据缺失等情况，因此需对原始测井资料进行质量控制和标准化处理，可以消除测井资料中的系统误差，尽可能还原测井资料的真实值[18]，使测井数据一致性较高、相对完整。在质量控制过程中，需要对密度和声波等质量差的测井曲线进行编辑；在标准化处理过程中，根据每口井的相带类型与VSP速度，应用直方图和交会图对目标井相同地质层位进行标准化处理。

3.2反演剖面对比

采用约束稀疏脉冲反演、人工神经网络反演及多参数反演三种方法，对工区火成岩岩层进行地震反演，得到过井X2—X5—X301—X3_1—X3—X4—X8的波阻抗剖面(见图1)。

图1　工区火成岩不同反演方法反演的过井X2—X5—X301—X3_1—X3—X4—X8波阻抗剖面

三种反演方法得到的波阻抗值的范围基本相符。其中，约束稀疏脉冲反演采用测井和地震层位建立的初始框架进行约束，用相对波阻抗体作为低频补充，反演结果更符合地震数据。神经网络反演注重输入与输出之间的非线性映射关系，但工区中测井数量少、位置分布不规律，在井点分布稀疏的区域，训练样本的可靠性较差。多参数反演以测井数据为主，同时考虑地震资料横向上的变化，纵向分辨率较高，但反演结果过于层状化。工区中二叠系火成岩较厚，内部成层性不明显，约束稀疏脉冲反演比其他反演方法的结果更符合工区实际地质状况。

3.3反演速度评价

将三种不同反演方法得到的波阻抗数据体转换为速度体：

(1)

式中：imp为通过反演得到的波阻抗；a、b为研究区域声波—密度拟合经验公式的因数；VP为速度。

提取X2、X4、X3_1、X5、X301、X8井的反演速度数据，经过标准化处理，声波时差值准确，能够反映地下岩层信息。因此，对6口井的反演速度与声波速度进行对比，计算每口井在不同反演方法下误差(见表1)。

表1　三种反演方法的速度及与原始声波时差速度及误差

由表1可知：人工神经网络反演方法由于参与训练的井少、井位分布不均(西侧9口、东侧3口)，得到的反演速度误差略大。多参数反演与约束稀疏脉冲反演方法的，除X4井外，其他井点的反演速度与原始声波时差速度误差较小，但多参数反演的波阻抗剖面有明显成层性，约束稀疏脉冲反演方法井点处反演结果整体误差为0.737%～3.811%，无异常值，与工区火成岩的速度变化规律更符合。

4　基于小波变换的声波时差重构反演

4.1重构原理及实现

声波时差测井曲线是声波阻抗反演的基本资料，受到各种因素影响，其反演速度在井点处易出现异常，难以较好地反映地层岩性变化规律。塔北哈拉哈塘二叠系火成岩储层非均质性强、速度变化差异大，导致声波时差反演误差更为明显。文中利用对火成岩岩性反映敏感的自然伽马测井曲线，对声波时差曲线进行重构，可更好地反映火成岩岩性、提高火成岩反演分辨率。

录井资料显示，工区火成岩储层岩性主要有英安岩、火山碎屑岩和凝灰岩。目的层段测井曲线包括声波时差(DT)、自然伽马(GR)和自然电位(SP)等。不同测井方法反映的是同一地质体的地球物理特征，不同曲线存在相关关系，对它们进行统计回归，利用同时与声波时差和火成岩岩性相关关系较好的曲线进行重构。

以X2、X302、X3井为例，绘制3口井的声波时差—自然伽马曲线交会图、声波时差—自然电位曲线交会图(见图2)。由图2可以看出，声波时差与自然伽马曲线有较好的相关关系，自然伽马曲线对火成岩的岩性变化更敏感。因此，利用自然伽马曲线的高频信息与声波时差曲线进行重构，能更好地反映火成岩信息，提高对火成岩的识别能力。

采用db4小波对声波时差和自然伽马曲线进行五尺度小波分解，将声波时差和自然伽马曲线分成低频分量及高频分量部分。声波时差和自然伽马曲线的低频分量部分比两者的高频分量部分相关关系更好，因此以两条曲线低频分量部分为基础建立回归模型：

(2)

式中：LDT和LGR分别为声波时差和自然伽马测井曲线经五尺度分解后得到的低频部分；g为量纲转换因子；C为校正常数。回归求出g和C，进而得到与声波时差相同量纲的自然伽马曲线：

(3)

式中：GRnew和GRold分别为原始和模型建立的自然伽马曲线。

图2　工区X2、X302、X3井的DT-GR与DT-SP交会图Fig.2 Crossplots DT-GR and DT-SP of X2, X302, X3 well in work area

测井曲线标准化处理和量纲转换使声波时差和自然伽马曲线在重构中贡献相同，通过Matlab编程计算量纲转换参数，得到工区8口井的拟合参数(见表2)。

表2　工区8口井量纲转换参数

声波时差测井曲线的小波重构是分解的逆过程。首先，通过式(3)将原始自然伽马曲线转换为具有声波时差量纲的曲线；其次，将分解得到的原始声波时差曲线的低频部分及原始自然伽马曲线高频的细节部分，组合并重构得到拟声波时差曲线(见图3)。

4.2声波时差重构反演

重构的声波时差曲线应用于约束稀疏脉冲反演，得到波阻抗反演结果并转换为速度体。对比声波时差重构反演前后的过X8、X9井的连井波阻抗剖面(见图4)。由图4可见，重构前后声波阻抗反演结果整体一致，但细节上略有差异：其中4处被圈区域差异相对明显，反演波阻抗低值的连续小层(蓝色)在重构后的剖面中差异更明显。

图3　X8井小波重构声波时差曲线Fig.3 The reconstruction DT curve with wavelet transform in well X8

图4　过X8—X9井声波时差曲线重构反演前后波阻抗剖面Fig.4 P-impendence contrast before and after DT reconstruction cross well X8 and X9

声波时差重构反演前后的波阻抗剖面的波阻抗差异不明显，原因为：(1)声波时差重构没有改变其低频信息，对大的地层背景速度没有改变；(2)虽然工区火成岩储层分布广泛、变化剧烈，但普遍发育较厚，受地质条件制约，难以发挥重构反演对岩性的识别能力。

工区东南区域X8井附近发育火山碎屑岩与砂泥岩互层，井点处重构反演的波阻抗剖面见图5。由图5可见，地层A(4 810～4 840 m)岩性主要为含泥岩的火山碎屑岩，厚度约为30 m；重构的波阻抗剖面上可见该层岩性与邻近地层岩性的差异，其波阻抗相对火成岩的较低，位于低阻区，显示为蓝色。地层B(4 840～4 995 m)岩性主要为玄武岩和凝灰岩的夹层，厚度约为155 m。地层C(4 995～5 175 m)岩性主要为砂泥岩互层，厚度约为180 m，波阻抗位于低阻区。

图5　X8井点处重构反演波阻抗对比Fig.5 P-impendence contrast before and after reconstruction at X8

在声波时差重构反演的波阻抗剖面中，岩层的横向连续性得到优化。以X8井南侧砂泥岩重构反演前后波阻抗剖面和水平切片(见图6)为例，波阻抗数据体的水平切片中黑色框区域为波阻抗低值区(见图6(c))，对比该区域声波时差重构反演前后波阻抗剖面(见图6(a-b))，低波阻抗薄层的横向连续性更好，声波时差重构反演对薄层岩性的分辨能力加强，地震反演分辨率得到提高。

图6　X8井南侧砂泥岩重构前后波阻抗剖面和水平切片Fig.6 The P-impendence contrast and horizontal slice of sand-mud rocks in south of X8

通过声波时差重构反演方法得到火成岩速度模型，在L2400线，它与常规层控建模火成岩速度模型见图7。由图7可见，文中反演方法建立的速度模型(见图7(a))比常规层控建模方法建立的速度模型(见图7(b))更能精细地反映火成岩细节。

在L2400线，文中火成岩反演方法与常规层控建模方法处理的叠前深度偏移剖面见图8。由图8可见，文中反演方法可较好地刻画出奥陶系“串珠”，并较为准确地反映工区火成岩储层特征，即“空白相带”火成岩以熔岩为主，速度高；“杂乱相带“火成岩速度相对较低，岩性以沉凝灰岩为主(见图8(a))。同时，反映出地层下部地势偏低，是接受沉积的环境，岩性与钻、录井结果相符。

图7　文中反演方法与常规层控方法火成岩速度模型

图8　文中反演方法与常规层控方法火成岩速度建模叠前深度偏移剖面Fig.8 Inversion method in the paper and conventional strata-bound method contrast in igneous rock velocity modeling pre-stack depth migration sections

5　结论

(1)对比约束稀疏脉冲反演、人工神经网络反演和多参数反演方法，分析刻画哈拉哈塘地区二叠系火成岩速度场的最佳反演方法。工区火成岩厚度大、变化复杂，约束稀疏脉冲反演比其他方法更适用于大范围、快速度的火成岩速度建模。

(2)声波时差测井曲线对火成岩反演建模结果影响较大，对它进行重构反演有助于精细刻画火成岩的岩性。利用小波分析方法实现声波时差测井曲线的重构，在保留原始声波时差曲线低频部分基础上，加入对岩性变化敏感的自然伽马曲线高频部分，提高对火成岩岩性的识别能力和分辨能力。

(3)地震反演技术能为地震资料处理提供更为精细的初始速度模型，能有效提高厚度大、岩性变化大的火成岩等异常岩性体的建模精度。在哈拉哈塘地区实际应用取得较好的效果，对相邻区块和类似岩性地区的地层精细刻画具有一定指导作用。

[1]陈树民,王建民,王桂水,等.PP-PS协同反演技术预测大庆深层火山岩含气储层[J].地球物理学报,2011,54(2):280-285.

Chen Shuming, Wang Jianmin, Wang GuiShui, et al. Joint PP-PS inversion techniques and their application for predicting gas reservoir of deep volcanic in Daqing [J]. Chinese Journal of Geophysics, 2011,54(2):280-285.

[2]潘赟,蒋智格,潘懋,等.塔北西部火成岩岩性测井识别方法[J].石油天然气学报,2008,30(1):260-262.

Pan Yun, Jiang Zhige, Pan Mao, et al. Method for identifying igneous lithological logging in the west of northern Tarim basin [J]. Journal of Oil & Gas Technology, 2008,30(1):260-262.

[3]刘小平,杨晓兰,曾忠玉,等.多参数联合反演在火成岩储集体预测中的应用[J].石油地球物理勘探,2007,42(1):44-49.

Liu Xiaoping, Yang Xiaolan, Zeng Zhongyu, et al. Application of multi-parameter joint inversion in prediction of igneous reservoir [J]. Oil Geophysical Prospecting, 2007,42(1):44-49.

[4]张震,徐国盛,袁海锋,等.准噶尔盆地哈山地区石炭系火山岩储层特征及控制因素[J].东北石油大学学报,2013,37(4):39-46.

Zhang Zhen, Xu Guosheng, Yuan Haifeng, et al. Characteristics and controlling factors of carboniferous volcanic reservoir in Hashan area of Junggar basin [J]. Journal of Northeast Petroleum University, 2013,37(4):39-46.

[5]杨午阳,王西文,雍学善,等.地震全波形反演方法研究综述[J].地球物理学进展,2013,28(2):766-776.

Yang Wuyang, Wang Xiwen, Yong Xueshan, et al. The review of seismic full waveform inversion method [J]. Progress in Geophysics, 2013,28(2):766-776.

[6]万忠宏,闫玉魁,詹世凡,等.属性模型速度建场法[J].石油地球物理勘探,2006,41(3):246-249.

Wan Zhonghong, Yan Yukui, Zhan Shifan, et al. Velocity-field-built method of attributes models [J]. Oil Geophysical Prospecting, 2006,41(3):246-249.

[7]温声明,杨德兴,王贵重,等.层速度替换建场法在高陡构造区的应用[J].石油地球物理勘探,2006,41(3):308-312.

Wen Shenming, Yang Dexing, Wang Guizhong, et al. Application of interval-velocity-replaced field-building method in high steep structural region [J]. Oil Geophysical Prospecting, 2006,41(3):308-312.

[8]张宏,杨春峰,常炳章,等.叠后反演方法联合应用研究[J].石油天然气学报,2009,31(5):246-249.

Zhang Hong, Yang Chunfeng, Chang Bingzhang, et al. Joint application of post-stack seismic inversion methods [J]. Journal of Oil & Gas Technology, 2009,31(5):246-249.

[9]程海艳,李江海,赵星,等.塔北隆起古生代构造样式和构造反演[J].中国地质,2009,36(2):314-319.

Cheng Haiyan, Li Jianghai, Zhao Xing, et al. Paleozoic structural styles and evolution of the north Tarim uplift [J]. Geology in China, 2009,36(2):314-319.

[10]崔泽宏,王志欣,汤良杰.塔北隆起北部叠加断裂构造特征与成因背景分析[J].中国地质,2005,32(3):378-385.

Cui Zehong, Wang Zhixin, Tang Liangjie. Characteristics of overlapped faults in the north of the Tabei uplift and analysis of their genetic setting [J]. Geology in China, 2005,32(3):378-385.

[11]李曰俊,杨海军,张光亚,等.重新划分塔里木盆地塔北隆起的次级构造单元[J].岩石学报,2012,28(8):2466-2478.

Li Yuejun, Yang Haijun, Zhang Guangya, et al. Redivision of the tectonic units of Tabei rise in Tarim basin, NW China [J]. Acta Petrologica Sinica, 2012,28(8):2466-2478.

[12]郭朝斌,杨小波,陈红岳,等.约束稀疏脉冲反演在储层预测中的应用[J].石油物探,2006,45(4):397-400.

Guo Chaobin, Yang Xiaobo, Chen Hongyue, et al. Constrained sparse pulse inversion research in north of Haitongji depression [J]. Geophysical Prospecting for Petroleum, 2006,45(4):397-400.

[13]张昆,刘永福,许永忠,等.基于D-S证据理论的多参数反演的火成岩识别——以塔里木哈拉哈塘地区为例[J].东北石油大学学报,2013,37(1):51-57.

Zhang Kun, Liu Yongfu, Xu Yongzhong, et al. Multi-parameter inversion in identifying igneous rocks based on D-S evidence theory: Taking Halahatang area in Tarim basin as an example [J]. Journal of Northeast Petroleum University, 2013,37(1):51-57.

[14]Xu Yongzhong, Yang Haijun, Liu Yongfu, et al. Application of seismic facies and attributes analysis on the identification of Permian igneous rock [J]. International Journal of Mining Science and Technology, 2012,22(4):471-475.

[15]曾凡玲.地震波阻抗反演及其在储层检测中的应用[D].成都:成都理工大学,2012.

Zeng Fanling. Seismic impedance inversion and its application in reservoir prediction [D]. Chengdu: Chengdu University of Technology, 2012.

[16]杨庆军,邓春呈,杨永利,等.人工神经网络在低阻油层识别上的应用[J].特种油气藏,2001,8(2):8-10.

Yang Qingjun, Deng Chuncheng, Yang Yongli, et al. Application of nerve network on oil-bearing formation with low resistivity [J]. Special Oil & Gas Reservoirs, 2001,8(2):8-10.

[17]桂仲喜.声波重构曲线反演技术的研究与应用[D].北京:中国地质大学,2010.

Gui Zhongxi. The Research and application of acoustic curve-reconstructing techniques in constrain inverse [D]. Beijing: China University of Geosciences, 2010.

[18]肖佃师,黄文彪,张小刚,等.王府凹陷青山口组含油气泥页岩层的测井曲线标准化[J].东北石油大学学报,2014,38(1):46-53.

Xiao Dianshi, Huang Wenbiao, Zhang Xiaogang, et al. Normalization of logging data of oil bearing mud shale of Qingshankou formation in Wangfu depression [J]. Journal of Northeast Petroleum University, 2014,38(1):46-53.

2016-02-18；编辑：张兆虹

国家科技重大专项(2011ZX05004-004)；国家自然科学基金项目(41374140)；江苏省高校优势学科建设工程资助项目(PAPD)

崔永福(1978-)，男，博士研究生，高级工程师，主要从事石油物探方面的研究。

许永忠，xuyongzhong2004@126.com

10.3969/j.issn.2095-4107.2016.04.007

TE122.2

A

2095-4107(2016)04-0054-09