熊业刚， 罗 铮， 朱 波， 李 祥， 燕宇飞, 牛全兵

(1.中国石油 青海油田分公司勘探开发研究院，敦煌 736200；2.中国石油 东方地球物理勘探责任有限公司青海物探处，敦煌 736200)

0 引言

目前，油气田勘探从寻找构造圈闭过度到地层、岩性等特殊油气藏领域，勘探的难度日益增大，手段也呈现多样性，尤其是进入后期开发阶段，寻找剩余油分布是储层描述的重点工作。通过实践证明,叠前反演技术是储层刻画与提高地质认识的有效手段，在反演过程中将用到多种数据，测井数据(纵横波、密度、自然伽马、电阻率、井径)与地震CRP道集作为输入数据的一部分在反演过程中扮演着重要的角色，测井数据主要体现在时深标定、子波提取、低频模型建立等方面，地震数据低信噪比会降低反演结果的稳定性。然而实际的测井资料质量并非完美，测井数据受井眼环境的影响，测井曲线，尤其是密度曲线在井眼环境差的地方严重失真，地震数据受采集因素与处理目的的影响叠前CRP道集存在局部地区信噪比地、剩余动校导致当道集未拉平与AVO特征不正确等现象，这些因素制约着反演的精度，处理不当甚至出现背道而驰的地质地震评价结论[1]。因此基于上述问题提出的基础上采用多元线性拟合方法,对受井眼环境影响的曲线进行校正；采用超道集、非地表一致性剩余时差校正、AVO趋势校正对叠前CRP道集进行优化处理，以期能为叠前反演提供高质量的基础数据。

1 资料优化处理方法

1.1 测井曲线井眼环境校正

目前对于由于井眼环境导致曲线失真的解决办法有三种[2-3]：

1)通过经验公式来校正畸变曲线段(Garden公式)，原理是在同一地质层段通过选取适合工区的经验公式参数来进行曲线校正，此类方法优点是计算速度快，操作方便，但缺点是公式不具备普遍性，精度低。

2)通过多变量线性回归拟合方法也是本次曲线环境校正的方法[5]，此方法综合多种反映储层岩性、物性、含油气性曲线进行拟合，在全局井眼垮塌不是很严重的地区具有适用性与预测性。

3)通过岩石物理进行曲线反演[6]，该方法输入骨架、流体、孔隙结构与类型数据来采用Xu-White、自洽等方法进行密度正演，此类方法虽然精度较高，但考虑的因素较多且过程复杂，不具备简易操作性。

1.1.1 多变量线性回归拟合方法原理

多变量线性回归拟合方法基本原理[4]是在样本点数据内定义定随机变量值y与自变量x0、x1、…、xm-1，给定自变量的观测值(x0,k,x1,k,xm-1,k,yk)，其中(k=0,1,…,n-1)，用线性表达式将随机变量yk与自变量观测值联系为公式(1) 。

yk=a0x0,k+a1x1,k+…+am-1xm-1,k+am

(1)

其中:a0、a1、…、am-1为回归系数，根据最小二乘法原理求解回归系数，使p最小为公式(2)。

(2)

1.1.2 校正步骤

首先，通过交汇分析选择与待校正曲线相关性好的曲线，相关性好的不同的测井曲线能够反映同一地质参数，因此必须选择相关性好的曲线作为自变量；其次选择样本数据，多变量线性回归拟合方法选择样本遵循以下几点：①样本层段内曲线与密度曲线相关性好：②井眼条件良好；③与待校正层段临近(以免引入密度曲线的压实趋势)；④与待校正层段处于同一地质层段范围内(确保沉积环境没有突变)；⑤与待校正层段的岩性相同或相似。再次，通过线性回归建立样本数据内随机变量与自变量观测值之间的数学模型，最后将数学模型运用到待校正的数据范围内，并通过制作合成地震检查与井旁道的匹配效果，如果不满意则重复以上步骤。

1.2 地震叠前CRP道集优化处理

叠前反演成果的好坏除了与反演的方法及测井数据有关以外，还与地震的品质联系在一起，因此地震资料优化处理是反演步骤中关键工作[7-8]。受采集因素与前期地质需求影响，经过常规处理后叠前道集资料分析存在主要以下两方面的问题,①近偏移距道集上出现随机噪音干扰比较严重，远道强能量干扰严重，如果其信噪比偏低，则会引起叠前弹性参数反演精度的降低，这是因为噪声会造成反演不稳定;②道集出现动校正剩余时差导致近、中、远道集会出现未拉平现象，同相轴会出现上翘现象，贸然的多次叠加会影响道集之间的振幅相对保持关系。因此有必要在进行叠前反演前做好道集的优化处理，为了考虑到处理不同步骤对资料处理的影响，特别是去噪对振幅的相对保持关系的影响，为此，提出“超面元去噪-层拉平-AVO趋势校正”方法对道集进行优化。

1.2.1 超面元均值滤波去噪处理技术

资料进行常规处理后，剖面上会存在一定噪音，去噪的目的是为了提高资料信噪比，同时能够减少叠前数据量，为后续工作开展节约时间。目前叠前CRP去噪方法有很多，如道集滚动叠加形成超道集去噪、中值滤波、多项式拟合、基于横向滑动的空变小波阈值保真去噪等方法。笔者提出一种结合超道集与均值滤波结合的去噪方法，认为相邻道在同一时间点振幅值具有相似或微弱的渐变性，如果存在突变，可能受到噪音的干扰，需要将这些畸变点进行切除，这样保证了振幅在横向变化的合理性。具体的做法是将需要处理的道集某一相邻点的数据按照从大到小进行排序，去掉值域中最大值与最小值，然后将剩余的道集相应时间点的数据进行平均作为输出值，当然多少相邻道参与计算，也就是超面元的大小由目的层的深度与频率决定，目的层越深，信噪比低，可以试用大点面元。

图1 剩余时差校正技术流程图Fig.1 Flow chart of residual time correction technology

1.2.2 非地表一致性剩余时差校正技术

道集不平影响叠前道集相对AVO特征，近年来发展了许多道集拉平的方法，如波形剩余时差校正、基于速度调整的道集拉平方法、各向异性动校正及非地表一致性剩余静校正等，各种方法都能在某种程度上解决道集存在的问题。在上述方法中笔者采用非地表一致性剩余静校正技术进行层拉平(图1)，具体做法是：①选择一定偏移距的道集数据进行叠加作为初始叠加道，偏移距尽可能选择信噪比比较高的范围;②将道集与初始叠加道在选择时窗范围内逐道进行互相关计算，求取相关系数，将时移量明显存在野值的道剔除，这样做保证原始资料的地质特点，同时并将相关系数最大的M道作为模型道；③从M道开始，依次在指定滑动时窗范围内以一定时窗滑动求取其与相邻道的相关系数;④将相关系数最大的滑动数作为当前的剩余时差，在指定时间段内，各道减去剩余时差之后，输出拉平道集。

1.2.3 AVO背景趋势校正

储层AVO特征反应流体在振幅与偏移距(或者入射角)两变量之间的关系，无法掌握实际资料储层AVO特征将会使得预测结果背道而驰。从扎哈泉层拉平处理后的资料来看，在扎108井点处，利用该井纵横波、校正后的密度等三条曲线制作AVO正演道集(图2)，提取目的层(油层，红色虚线标记处)之上(1 400 ms～1 600 ms)正演AVO曲线与实际资料的AVO曲线(图3)，将两者进行对比发现振幅随着偏移距的变化趋势明显不同，正演曲线(红色)表现为振幅随着偏移距增大而减小特征，而实际地震CRP道集数据(黑色)表现为振幅随着偏移距增大而增大特征，两类整体AVO特征表现有所差异，因此对于此类数据必须要进行AVO校正。具体做法是：首先在进行测井曲线环境校正的基础上，校正并保证井曲线质量较高情况下进行叠前AVO正演道集制作并提取AVO特征曲线,并且在确定准确时深关系基础上在目的层与实际道集数据进行对比，如果测井曲线校正无法满足实际正演需求，则没有进行AVO正演的必要；其次，如果两者趋势不同，选择正演道集背景趋势进行AVO校正，背景趋势段一般选择邻近目的层，且无明显的含油气层，这样就剔除了油气对特征曲线的影响，将正演道集的背景拟合出偏移距与振幅的关系式与实际数据背景拟合出关系式进行对比，如果发现趋势不一致将实际数据的趋势按照正演的趋势进行校正，按照以上步骤完成了AVO背景趋势校正。

图2 正演模型道集与实际数据道集对比图Fig.2 Forward model and the actual data gather comparison chart(a)正演道集;(b)实际道集

图3 正演模型与实际数据AVO曲线对比图Fig.3 Forward model and the actual data of AVO curve comparison chart

2 实际资料分析处理与效果

2.1 测井资料分析处理与效果

柴达木盆地扎哈泉地区碎屑岩地层受泥浆侵入的影响局部存在井眼垮塌现象，通过分析，纵横波曲线因为仪器探测深度较深，受井眼环境影响较小，然而密度测井曲线探测深度较浅，严重失真，因此选择该地区扎108井密度曲线作为测井资料处理研究对象，以此作为该方法的一个试验井，扎108井目的层厚度达800 m，目前通过电测曲线解释与地质认识认为该井目的层是一套砂泥交互沉积储层，沉积环境为滨浅湖滩坝沉积，且在垂向上无明显的沉积序列变化。目的层井段内井眼环境整体良好，但局部(1 980 m～2 180 m)泥岩段受泥浆侵入影响存在严重的井壁垮塌现象，表现为井径曲线偏大，导致原始密度曲线(黑色)严重偏低(图4)。针对此类情况选取待校正的上下各100 m，井眼条件好且相对稳定的多种数据进行校正，以此保证参与校正的样本数据质量准确可靠。

图5 扎108井样本数据交汇分析Fig.5 Sample data analysis in Zha 108 well(a)DEN-AC交汇；(b)DEN-CNL交汇；(c)DEN-RT交汇；(d)DEN-GR交汇

图6 扎108井密度处理前后对比图Fig.6 With 108 wells density before and after comparison chart

图7 扎108井原始合成记录与校正合成记录对比图Fig.7 Comparison of original and corrected synthetic records in Zha108 well(a)密度校正前合成地震记录;(b)密度校正后合成地震记录

图8 采用超道集去噪前后对比图Fig.8 Before and after comparison chart in using supergather denoising(a)采用超道集处理前道集;(b)采用超道集处理后道集

通过对扎108井目的层样本段数据进行一系列的剖面与交汇分析，从纵向剖面上来看(图4)，密度曲线受井眼环境的影响较大，在扩径段处整体数据偏低，而声波、中子孔隙度、深侧向电阻率、自然伽马等曲线在纵向上受井眼环境的影响较小，整个曲线段没有数据的突变点，整体曲线的韵律保持良好。由图5可以看出，在没有扩径段的密度曲线与声波、电阻率、中子孔隙度、自然伽马曲线有着良好的线性相关性，因此选择该四类曲线作为DEN曲线校正的参考曲线，应用数学模型做多元回归分析，并将模型应用到待校正的扩径段,DEN 曲线校正前后的对比(图6)，从图6上看DEN 曲线的失真部位经过校正后异常值得到消除， 曲线的幅度整体向高值区收敛。为了检验曲线校正效果，制作了该井的合成地震记录(图7)，校正前地震记录与井旁地震道在扩径段(1.52 s)处出现相位转换，相关性差(蓝色相关系数差，红色相关系数好)，曲线校正后井震波阻特征对应较好，相关性得到改善，因此认为采用该方法进行密度井眼环境校正具有借鉴作用。

2.2 地震资料分析处理与效果

从图8(b)中可以看到随机干扰经过前期处理后依然存在，尤其是在近偏移距道集上这种现象比较严重，经过去噪后道集上随机干扰消除，同向轴横向比较连续，剖面“干净整洁”，有效信号突显出来。从图9可以看出，从浅层到深层剩余时差现象严重，呈现上翘与下拉现象，经过剩余时差校正后，同向轴整体平稳，尤其是强反射段同向轴横向时差不一致性现象得到消除。从图10中可以看到，处理过后的数据剖面整体振幅特征与实际正演趋势一致，近道能量弱，远道能量强的现象得到消除，从图11中可以看出，正演道集和处理后实际道集两者趋势完全保持一致。因此认为采用一系列叠前CRP道集优化处理针对本工区地震资料解释性处理是行之有效的，能够为后续的反演提供有效的、高品质地震资料。

图9 剩余时差校正前后对比图Fig.9 Before and after comparison chart in using residual moveout correction(a)剩余时差校正前道集;(b)剩余时差校正后道集

图10 正演模型与处理后道集对比图Fig.10 Forward model and processing gather comparison chart(a)正演道集;(b)AVO趋势校正后道集

柴达木盆地扎哈泉地区新生界上干柴沟组目的层发育一套砂泥互层储层，从现有的地质认识情况看，物源分为两个方向，分别为北西向物源与南物源。通过数据优化处理前后剖面与平面对比图来看(图12)，剖面上，利用处理后数据进行反演，在扎108与乌10井能够预测出细小储层(黑色圆框标记处);平面上(图13)，资料处理前后预测砂体整体规律保持一致，西侧与南侧较北侧储层较发育，但细节上有所变化，数据优化处理前扎9井不处于有利预测区，而实际情况扎9井在目的层获得高产油流，处理后与实际情况一致；同时扎14、扎108、扎10、乌10等井处理前反演预测砂体处于不利区，处理后情况得到改善。由此说明，利用优化后数据进行叠前反演提高了储层预测精度，该方法在扎哈泉地区进行储层预测具有一定的适用性。

图11 目的层正演模型与校正后数据AVO曲线对比图Fig.11 Forward model and the corrected AVO curve comparison chart

图12 数据优化前后储层预测剖面对比图Fig.12 The reservoir prediction comparison profile before and after data optimization(a)数据优化前储层预测剖面图;(b)数据优化后储层预测剖面图

3 结论

1)多元线性回归曲线校正方法适合于井眼环境非普片情况多元线性回归曲线校正方法适合于井眼环境非普遍情况，是一种快速有效解决密度曲线失真方法，经过研究表明该方法在扎哈泉地区具有一定的适用性。

图13 数据优化前后储层预测平面对比图Fig.13 The reservoir prediction comparison chart before and after data optimization(a)数据优化前储层预测平面图;(b)数据优化后储层预测平面图

2)样本的选择也非常重要，尽可能选择紧邻校正层位且岩相、流体、压实趋势都没变化的层段，该方法能够为时深标定、子波提取、低频模型的建立提供优质的数据。

3)采用超面元均值滤波去噪组合去噪技术能够消除随机噪音，尤其是近道有效信号能量得到显著提高，同时增强数据的信噪比。

4)通过扎108井叠前AVO正演分析认为，正演道集与实际数据AVO趋势不一致，经过AVO背景趋势校正后，两者AVO特征一致。