《地震波的特性及相关技术分析》

原东方地球物理公司总工程师、我国著名地球物理学家钱荣钧教授撰著的《地震波的特性及相关技术分析》已由石油工业出版社出版。全书共分8 部分:第1 部分提出问题;第2 部分讨论了地震反射波的特性;第3 部分和第4 部分研究了绕射波和曲面反射波的时距曲线与振幅特性;第5 部分对现行偏移技术的理论基础进行了分析;第6 部分讨论了地震波的空间分辨率问题;第7 部分和第8 部分对采集和解释中的一些问题进行了分析和讨论。     

地震多属性对碳酸盐岩有利储集层及含气性预测

本技术是通过８类方法,对地震,测井,地质等多种资料进行分析、处理、从中提取地震有效多属性信息。通过多种地质－物理模型,借助于多维分析综合确定地质预测目标,对碳酸盐岩含气储集体特征实现预测评价。实际生产应用表明,应用地震多属性技术将会有效地减少对预测目标的多解性,显著地减少偏差。可为提高油气勘探成功率及油气储量计算提供准确的地质依据,是一项实用的成熟技术。     

综合应用地震属性、测井数据反演储层参数

本文研究了样点地震属性的特征提取，利用BP神经网络建立测井声波时差和地震属性的非线性映射关系。采用距离加权平均对研究区所有井的反演结果进行外推。为了提高分辨率和计算结果的准确性，详细分析、研究了适合于地震信号分解和重构的小波，以及测井声波时差和地震波阻抗与层界面的关系。最后，对反演的声波时差资料进行界面影响校正，进而计算出较符合实际情况的孔隙率参数。经已知井和新钻井验证，计算结果和实际情况相一致，效果令人满意。     

基于统计岩石物理的含气储层饱和度与孔隙度联合反演

从地震数据中得到饱和度与孔隙度等储层物性参数是进行储层评价的关键。利用Gassmann方程讨论了储层岩石骨架特征、孔隙流体特征对介质地震弹性性质的影响．研究结果表明利用地震弹性属性反演饱和度等物性参数有其实现的特定岩石物理基础．其一是在气／水／油多相流体中,气体的体积模量相对于水／油的体积模量具有一定的可比性。而不能被忽略;其二是岩石骨架的纵波阻抗等弹性属性对所赋存孔隙流体的变化较为敏感。这样岩石的纵波阻抗等弹性参数随含水饱和度变化的变化率会明显增大,从而降低了从地震弹性属性中求取饱和度的不确定性和不稳定性。考虑到孔隙度与饱和度对储层岩石弹性特征影响的相关性,给出了基于随机岩石物理模型的Bayesian技术对孔隙度与含水饱和度进行联合反演的方法和步骤,并将该方法运用于高孔隙度含气砂岩储层的孔隙度及含水饱和度的预测中获得了较好的应用效果。     

神经网络法地震反演应用及效果

X潜山研究区属于储层非均质性极强的裂缝型油藏,构造极为复杂,初始模型的构建难度极大,多解性非常强。为此,要寻找一种方法,充分利用现有各种测井资料,弥补声波测井的不足;充分利用地震资料的中频信息,来提高储层反演的分辨率和精度,尽可能的减少反演结果的多解性,增加反演成果的客观性,以便更准确地进行储层预测。作者建立地震属性与测井资料的多维线性或非线性的统计关系,进而利用基于神经网络法地震反演和线性、非线性多元地震属性分析对裂缝型储层进行横向预测。概率神经网络方法采用了交叉检验预测精度的方法,所以,在相关性较好的情况下,增加了预测结果的可靠性,减少了多解性,提高了预测结果的精度。     

谱反演在地震属性解释中的应用

任何一个反射系数序列都可以分解成奇、偶分量,奇分量不利于检测薄层,而少量的偶分量可以提高薄层的分辨能力,谱反演的实质就是利用偶分量在厚度趋于零时的有效干涉提高地震资料的分辨率。谱反演是在谱分解的基础上,通过反演方法使频率域目标函数达到极小而反演出反射系数、薄层厚度,在没有噪声和地震子波已知的情况下,可以识别任意薄层,并精确地反演出反射系数值。其主要特点是只采用部分频谱资料就可反演稀疏反射系数或层厚。文中利用谱反演方法对大庆油田的三维地震数据体进行了反演,得到反射系数体,并用该反射系数体与给定的宽频带子波褶积,得到提高分辨率后的地震数据体,再对其进行地震属性分析。与常规资料的地震属性分析结果相比,应用谱反演方法可提高识别沉积相和小断层的能力。     

井震结合地震属性反演方法及应用

地震属性是由地震数据衍生出的几何形态、运动学、动力学以及统计特征的特别量度。根据地震属性与岩层物性的统计关系推断地下岩层物性和油气分布的技术称为地震属性反演。本文简单介绍了地震属性的分类及井震结合地震属性反演方法的基本原理,并在苏里格气田进行了实际应用。该方法充分利用了钻井资料纵向精细、横向稀疏,地震资料纵向粗略、横向密集的特点,更精确地刻画砂体,针对苏里格气田二叠系储层非均质性强,砂体横向追踪困难的特点,取得满意效果。     

神经网络与地震数据反演

神经网络可被看成是映射理论的具体应用，即输入空间到输出空间的映射。为了模拟出期望的映射，网络必须具有在对施工输入模式及与它们对应的输出模式的感知基础上进行学习的过程。这一过程指内部参数的迭代变化。对于所有用来训练的样本集而言，当计算出的输出结果与期望输出模式间的误差达到最小时，则完成了网络的训练过程。这样一来，网络在限定的训练样本域中能模拟出期望的映射。本文所介绍的实验是用合成的共炮点道集作为网络     

多属性神经网络地震反演在NB油田水平井钻探中的应用

NB油田位于渤海海域,为新近系河流相稠油油田,储层横向分布不稳定,砂体厚度薄、连通性较差,油水关系复杂,开发设计部署了大量水平井。选择神经网络反演方法,建立地震属性与储层参数的非线性关系,进而根据其关系反演得到储层参数数据体,利用该数据体沿层切片提取储层预测信息,研究储层发育规律,指导该油田水平井的部署和钻探,取得了较好的效果,降低了钻探风险。用神经网络地震反演方法进行储层预测研究,指导水平井钻探,在渤海海域尚属首次。     

地震多属性非线性反演方法在东营三角洲中的应用

地震多属性反演的目的是为储层预测提供丰富的基础资料。在实现方法上主要有线性方法和非线性方法,地震多属性非线性反演方法多采用神经网络、支持向量机等工具进行映射,其反演预测结果比线性方法更符合实际地质情况。将自然电位曲线作为地震多属性非线性反演的目标,首先,通过线性回归的方法,寻找用于反演自然电位曲线的最优地震属性组合;然后,选用多层前馈神经网络,进行地震多属性非线性反演,得到了三维自然电位数据体;最后,利用自然电位数据体沿层切片,清晰地展示了东营三角洲沙三段中亚段砂体的前积过程。     

多参数联合反演预测致密含气砂岩

储层预测的难点在于预测结果的多解性和低分辨率。多参数联合反演预测致密含气砂岩的步骤为:首先利用对地层岩性敏感的自然伽玛曲线来区分砂岩、泥岩;其次利用孔隙度反演剔除致密砂岩,划分有利储层;最后,合理进行含气特征曲线重构反演,有效地识别了含气砂岩储层。通过对川南须家河组致密含气砂岩储层进行综合预测表明:多参数联合反演方法可精细预测致密含气砂岩储层的厚度和空间展布规律,预测结果与钻井解释吻合度好。     

多属性聚类分析技术在FL、YX地区含气性预测中的应用

地震属性模式识别技术在油气储层预测中得到了广泛地应用,人们期望借助有效手段实现对油气富集程度的可靠预测。应用多属性聚类分析技术,通过对目标层段的精细分析、准确定位不同时窗及其提取的参数和优选试验,成功地分类预测了FL、YX等地区1300km2营一段火山岩的有利含气区。经过近两年17口后验井检验,符合率在83%以上,取得了良好的应用效果。该技术在一定程度上可实现对油气的可靠检测,特别是在较大范围内、深层地震资料分辨率不高的地区,更不失为可选择的油气预测技术。     

利用地震属性二次规划反演孔隙率参数

本文在进行地震属性提取计算、组合优化的基础上，在测井孔隙率资料约束下，研究了应用地震属性进行孔隙率参数反演的方法——二次规划反演方法。即在提取地震属性的基础上，建立某口井地震属性与孔隙率关系的目标函数，以另一口井的地震属性与孔隙率关系建立约束条件，进行反演计算。在得到一口井反演结果基础上，外推到另一口井，并与另一口井结果进行对比，依次进行而取得反演结果。经井资料对比验证及对实际资料反演结果分析可知，本文方法可行，结果可靠。     

用于勘探SanJuan盆地Dakota群含气砂岩的3D地震解释方法

由美国能源部提供资金的项目的第一阶段工作已经成功完成（GeoSpectrum公司，2003年）。在Dakota群储层用多方位地震下部线性特征法预测了储层裂缝。把地震线性特征定义为在通过地震体的时间切片或水平切片中见到的线性特征。对于地震线性特征来说，每条线性特征在一个以上地震属性体内必须是可识别的。所研究的地震属性包括：相干性、振幅、频率、相位和声阻抗。解释结果显示，具有多方位地震线性特征的地区与储层中高裂缝密度有关。     

叠前地震反演在苏里格气田储层识别和含气性检测中的应用

介绍了叠前地震反演技术在苏里格气田有效储层识别和含气性检测中的应用。通过岩石物理分析建立了弹性参数与储层参数之间的联系,指出了工区内岩性、物性和流体的最敏感弹性参数。通过叠前地震反演获取了各种弹性参数反演结果,并根据岩石物理分析的结论将叠前地震反演结果进行综合解释,从密度和速度比交会图获得了岩性剖面,对识别出的砂岩根据反演的纵波阻抗计算了孔隙度剖面,对孔隙度大于5%的砂岩,利用笔者提出的新方法得到了含水饱和度剖面,在此基础获得了孔隙度含气饱和度乘积剖面     

万城断裂坡折带薄层砂岩地震储层预测研究

薄互层储层预测一直为陆相勘探一大难题,目前仍无行之有效的办法。本文介绍一种在地震分辨率低、井资料少的情况下,通过多项基础实验研究,综合利用多属性和阻抗反演的定性储层预测研究思路,有效解决薄层识别的方法,在万城南万12井区取得了较好的应用效果。     

人工神经网络非线性地震波形反演

地震波形反演是非线性问题，其目标函数阳多极值的函数，若用线性化的反演方法求解，常会遇到迭代收敛于目标函数局部最优等困难。本文研究能求得目标函数全局最优解的遗传算法训练人工神经网络的地震波形反演方法。考虑到遗传算法训练神经网络地震波形反演的未知能数量大，而通常的二进制编码遗传算法占用计算机内存量大，不能在较小内存的计算机上实现，故以可节省内存的０－１编码遗传算法训练神经网络，提出了加速网络收敛的方法     

砂泥岩剖面中含气砂岩的地震识别

从测井曲线可知，含气砂岩表现为低伽玛和低波阻抗特性，致密砂体表现为低伽玛、高波阻抗特征，而泥岩则表现为高伽玛和低波阻抗特征，这样含气砂岩与泥岩均有低波阻抗特征，故仅用低波阻抗来预测含气砂岩具有多解性，因此，我们采取了先反演自然伽玛来解决砂岩的预测问题，也就是将高伽玛的泥岩排除了，然后再用波阻抗来对砂岩的含气性进行预测，取得了较好的地质成果。     

地震属性

20世纪70年代复数地震道属性概念的初次引入仅仅是为了方便显示,而今却和其他源于地震的度量方法一起构成了一种对岩性预测和储层描述的有效工具。为了澄清一些关于属性与地球物理和地质特征之间的关系,本文将讨论复数地震道属性的分类和特征,并为读者提供一些有用的参考文献。     

神经网络与地震数据反演

神经网络可被看成是映射理论的具体应用,即输入空间到输出空间的映射。为了模拟出期望的映射,网络必须具有在对许多输入模式及与它们对应的输出模式的感知基础上进行学习的过程,这一过程指内部参数的迭代变化。对于所有用来训练的样本集而言,当计算出的输出结果与期望输出模式间的误差达到最小时,则完成了网络的训练过程。这样一来,网络在限定的训练样本域中能模拟出期望的映射。本文所介绍的实验是用合成的共炮点道集(即由一个炮点所获得的地震记录)作为网络的输入模式,并将计算出与其对应的一维大尺度速度模型作为输出。所有的地质模型均由8个位于均匀的半空间上的等厚地层组成。用了450个样本来训练网络。经训练的网络虽然不可能计算出与期望输出完全吻合的地质模型,但得到的近似结果完全可用来作为下步地震成像算法中的初始模型。经训练的网络对新的地震道集(即不包括在训练集以内)而言,计算出的速度剖面的精度达80％。虽然输入剖面中有白噪干扰,但对输出结果并无影响,不过在有强的相干噪声情况下,影响很大。本文的应用说明,我们可以使用神经网络对较重要的反问题进行求解。