約束稀疏脈沖反演在煤層厚度預測中的應用

汪玉玲,解建建,劉 戀,袁興賦

(安徽省勘查技術院(安徽省地質礦產勘查局能源勘查中心),安徽 合肥 230031)

高精度預測煤層厚度空間變化趨勢對煤礦高效開采與安全生產意義重大[1-5]。使用鉆孔內插的方法預測煤層厚度時,無法保障遠離鉆孔處的測量精確度;受信噪比和地震數據真實性影響較大的傳統地震波屬性法在預測煤層厚度方面存在較大的多解性[6],其只能預測煤層厚度的橫向改變趨勢,無法得出較精準的預測結果[7]。采用測井約束稀疏脈沖反演技術預測煤層厚度,結合測井數據縱向高分辨率和地震數據橫向高密度的采樣性[8],能夠提高預測煤層厚度的準確性,從而得到更詳細的煤層厚度分布情況,具有推廣潛力。

研究區為山西沁水盆地煤層氣田某區塊,位于盆地東南部,總體為走向近北東,傾向北西的單斜構造,地層傾角一般小于4°。區內構造南北部差異較大,西北部斷層較為發育,且斷距較大,褶曲幅度一般大于100 m,褶曲軸線走向NNW,東南部斷層發育較少,且斷距小,褶曲幅度一般小于75 m,樞紐向西北傾伏。西部有寺頭斷裂帶自南向北貫穿全區,斷層以西為一斷陷帶,受此斷層控制,兩側次生斷層較為發育;斷層以單斷點小斷層為主;東部地層平緩,斷層稀少,斷層走向呈NNE,少數呈NEE。太原組15煤和山西組3煤為主采煤層,頂底板以砂巖、砂質頁巖及泥巖組成[7]。區內所有鉆井都進行了地球物理測井,含聲波、密度曲線。

根據測井約束稀疏脈沖反演基本原理和預測煤層厚度的目的,建立流程如圖1所示。運用測井約束稀疏脈沖反演技術,通過融合測井曲線縱向高分辨率、地震數據橫向高密集性這兩個優勢,以期彌補地震數據缺失的低頻部分和大的反射界面間的微層細節[9],用于精確預測煤層厚度變化趨勢[10]。

圖1 反演流程圖Fig.1 Flow chart of inversion

1 約束稀疏脈沖反演基本原理

稀疏脈沖反演算法是以Robinson褶積模型為基礎的單道模型約束反演方法,假設地層的反射系數序列是稀疏分布的,反演的目的是使以下目標函數最小化。

E=∑(rj)p+λq∑(dj-sj)q+α2∑(tj-zj)2+β2∑(zj-zj+1)2.

(1)

目標函數第一項中p一般情況下取值為1,比1越小,反射系數越稀疏,可以豐富反演結果的頻率成分[11],但會丟掉某些細節信息。目標函數第二項使合成地震記錄與原始地震記錄之間殘差減小,q一般情況下取值為2,在目標層段地震數據信噪比較高的情況下,q也可以取值小于2。另外,q的作用還受權重λ影響,λ取值越大q的作用越小。目標函數中第三項是補充地震數據中缺失的低頻信息,起到壓制中頻及高頻信息的作用,所以α的取值不能太大。目標函數中第四項,為了保證相鄰地震道之間波阻抗的連續性,該項可以應用在資料信噪比低的情況,達到去噪的目的,該項中權重β取值不能太大。

在迭代計算過程中,首先用較少的脈沖數進行試驗,得到一個初始模型,通過不斷修改模型,讓目標函數越來越小。持續增加脈沖數量并重復迭代,直至反演波阻抗模型無法再顯著優化,此時終止迭代,即可得到反演結果[12]。

2 反演流程及實例

2.1 原始資料歸一化處理

原始資料歸一化處理是做好約束反演和煤厚預測的前提條件,主要為區內地震資料、測井資料的歸一化處理。

2.1.1地震資料歸一化處理

地震數據歸一化處理和地震資料重處理。首先通過頻譜分析法來歸一化反射波的振幅、頻帶寬度和相位;其次,根據測井數據深度采樣率對地震數據重采樣,一般測井0.25 m采樣率對應地震時間0.25 ms的采樣率。二維地震資料還需消除交點相位閉合差等,保證全區地震資料特征一致性最大化。

2.1.2測井資料的歸一化處理

由于測井設備、測井系列、測井時間及刻度等因素的影響[13],即便在完成編輯與環境矯正后,表示同一套地層單元的測井曲線仍可能存在差異。這種差異的消除步驟和過程,一般被稱為“標準化”或“歸一化”。測井數據歸一化是測井約束地震反演技術中關鍵的基礎工作,是精確計算煤層厚度必不可少的步驟,在進行測井約束波阻抗反演處理時,是確保高品質反演結果的關鍵。由于沉積環境的相似性,同一標準層段在不同的鉆井位置應展示出一致的地質測井響應特征,應具有相同、相近或呈規律性變化的趨勢。采用標準層段趨勢分析法,確定一個低頻的標準趨勢線[14],用其替代剩余鉆井曲線的低頻趨勢,在保留各測井曲線細節的前提下,實現測井曲線歸一化。圖2(a)中黑線為設定的標準低頻趨勢線,綠線為波阻抗曲線,圖2(b)為歸一化后的全區聲波測井曲線疊合圖,曲線低頻趨勢統一,煤層段和高速層幅值一致性較好。

圖2 測井曲線歸一化Fig.2 Logging curve normalization

2.2 合成地震記錄

2.2.1層位標定

層位標定是關聯地震和測井的紐帶,標定結果決定了層位解釋及反演效果的準確性,主要包括兩點:一是標準層的標定,標定結果對建立準確的反演模型框架起決定性作用;二是巖性體、微層的標定,其直接影響反演細節的可靠程度。在進行合成地震記錄極性層位標定過程中,子波提取和極性判斷非常重要。目前常用的標定方式主要包括:平均速度曲線法(時深轉換尺)、垂直地震剖面法(VSP)以及合成地震記錄擬合標定法[15]。

在此采用平均速度曲線法(時深轉換尺)。先利用速度分析所取得的平均速度進行初始標定,再根據合成記錄與井旁地震記錄的波形特征進行對比,適當進行移動、拉伸、壓縮,找到目標層和地震波的對應關系,完成層位標定。如圖3所示,煤層段在聲波測井曲線中特征顯著,表現為低頻高值,與圍巖差異大,在合成地震記錄中表現為單軌強軸,與地震記錄匹配度高。T6反射波標定為3煤底板與圍巖界面,T8反射波標定為15煤底板與圍巖界面。受3煤的屏蔽作用影響,地震記錄上15煤振幅較弱,合成記錄道未受此影響,表現為單軌強軸。

圖3 層位標定Fig.3 Horizon calibration

2.2.2子波提取

提取地震子波對測井約束反演至關重要,現階段有兩種主流的子波提取技術。

1)根據測井數據和井旁地震道用最小二乘法提取子波,這是一種理論上能夠得到準確結果的方法,但是測井誤差和地震噪聲對該方法影響較大,聲波測井誤差可導致子波振幅形態和相位譜畸變扭曲。另外,該方法對估算時窗長度較敏感,導致子波估算穩定性不足[13]。

2)計算空變和時變子波。每個地震子波都因其震源深度和位置不同而變化:縱向上,即時間變化方向,隨著深度增加,聲波能量衰減會導致地震記錄振幅逐步衰減;橫向上,即空間變化方向,地震數據處理過程也有出現各道間振幅變化的可能[14]。因此,在反演過程中,可以提取一個在縱橫方向上振幅變化的子波。在現有地震數據基礎上,設定子波頻率范圍,指定時間窗口大小和位移大小,設定Q值為常數,計算子波縱橫方向變化的子波比例因子與Q值,全區每個地震道都得到一個反演子波。圖4是時變空變子波褶積得到的地震記錄,可以看出,15煤的反射波能量增強至與3煤一致。

圖4 時變空變子波褶積地震記錄Fig.4 Seismic records of time-varying and space-varying wavelet convolution

2.3 建立精確的地質模型

為了最大程度降低反演成果的多解性,需要進行精確的地質建模,作為測井約束條件參與反演[16]。地震數據記錄地層在全區范圍內的變化情況,在建模過程中,地震資料解釋的層位作為波阻抗界面起控制作用,加密解釋層位可以提高模型水平方向上的精度,加密地震數據的采樣率可以提高模型垂直方向上的精度,反演出煤層的交叉合并、局部變薄等細節[17]。

在地震解釋層位的基礎上建立初始模型框架,地震解釋層位越密集,初始模型在水平方向上的精度越高,在層位解釋時,應充分運用聯井線、主測線、聯絡測線、時間切片以及邊緣檢測屬性等多種信息,借助三維可視化等研究方法,全面分析研究區的區域構造樣式、沉積環境等,詳盡研究反射界面的起伏形態、地層是否有沉積中斷、地層厚度變化趨勢、斷裂分布等,詳查地質層位與斷層解釋是否合理,交點閉合、斷點組合及地層接觸關系與研究區地質情況是否相符。

在建立初始模型前,需要先建立構造框架模型,圖5是以標準反射層T6、T8波解釋的斷層面及以反演數據的頂底為基礎建立的初始模型框架,框架的產狀受控于地震解釋的層位和斷層[18]。

在模型框架的基礎上建立精細模型,模型縱向內插主要采用與頂面平行、與底面平行及等間距內插3種方式。模型橫向則采用多井內插方法,將測井數據的高頻信息順著解釋界面外推至全區,完成初始波阻抗模型的建立[19]?？晒┻x擇的內插方法有:反距離加權、局部加權、三角加權、局部和三角加權、自然相鄰法[20],以上方法適用條件不一樣,處理局部加權的方式也不同,需要根據鉆孔的疏密程度和地層的地質特點選用不同的試驗方法,以選出最適宜的內插方法。根據試驗結果,縱向選用等距離內插,橫向選用反距離加權內插,鑒于研究區目標層煤巖段沉積環境較為穩定,井位分布稀疏且不均勻,以上方法最適合。圖6為初始波阻抗模型,在圖5的基礎上加入了測井信息。

圖5 模型框架剖面Fig.5 Section of model framework

圖6 初始波阻抗模型Fig.6 Initial wave impedance model

2.4 反演處理

1)反演方法的確定。不同的反演方法都有其優缺點,方法選擇要視地震資料品質、測井資料質量、井孔數、井孔分布疏密程度以及地質任務要求而定,目的是在保證反演結果可靠性的基礎上,盡可能提高反演結果的分辨率。根據研究區地質情況和基礎資料特點,選用測井約束稀疏脈沖反演方法。

2)反演參數測試。首先,隨機選取數條剖面進行參數測試,篩選出較合適的參數。然后,將選出的參數應用于全區測試,直到選出全區資料的最優反演參數。最后,測試結果用于全區資料反演處理。

3)批量處理。地震反演是反復的、不斷優化的過程,每次的反演結果必須與已知資料進行比較,不符合地質規律與已知資料的部分需進一步分析研究并調整,不斷迭代,直至反演結果最大程度符合已知資料。

2.5 反演效果分析

通過分析合成地震剖面與原始地震剖面的相似性來評估反演效果。兩者殘差無限接近于0則反演結果最理想,殘差大則進行修正,直至達到符合已知地質情況的效果。圖7為最終波阻抗剖面,藍色冷色為高阻抗值表現的圍巖,黃紅亮色為低阻抗值表現的煤層,煤層連續且有厚薄變化。圖8為鉆孔HX8-8位置局部放大后,波阻抗數據與地震記錄的疊合,可以看出,煤層頂底板與測井曲線吻合,反演的煤層變化與地震記錄振幅強弱變化一致。

圖7 反演波阻抗剖面Fig.7 Inversion wave impedance section

圖8 波阻抗與地震記錄對比剖面Fig.8 Comparison between wave impedance and seismic records

最后,可以對波阻抗數據體的色彩進行調整,更好地進行煤層的追蹤和屬性提取,完成對煤層進一步的精細解釋,在初步解釋之后,可依據新的測井、地質資料,重復處理,直到取得理想效果。

2.6 煤層厚度計算

常規的地震反演技術預測煤層厚度的方法,是在波阻抗數據體上解釋出煤層頂底板,計算出底板與頂板的時差,結合煤層層速度計算得到煤層厚度。本項目采用創新的計算手段,通過統計煤層頂底界面的波阻抗臨界值,將反演波阻抗數據體轉換成煤巖巖性數據體從而求得每一道煤巖的樣點數,結合煤層層速度轉換得到煤層厚度。

1)求取煤層頂底板的波阻抗臨界值。反演剖面通過低頻趨勢合并,加入了地震資料沒有的0～10 Hz的低頻成分。通過對反演數據體調整色標顯示,將波阻抗剖面上的煤厚和測井曲線反映的煤厚對應起來,以確定反演數據體上煤層頂底界面的波阻抗臨界值,記為B。根據統計確定B=9.98×106kg/m2/s。

2)將反演波阻抗數據體轉換為煤巖數據體并計算每道煤巖樣點數S。將波阻抗值大于B的部分設定為0,如高阻的灰巖、砂巖及泥巖等;波阻抗值小于B的部分設定為1,如煤巖等低阻抗巖層,將波阻抗數據體轉換成煤巖數據體以供后續計算煤巖樣點數。如圖9所示,黑色部分代表取值為1的煤巖層,棕色部分代表圍巖。以3煤為例計算煤巖樣點數,已知區內煤厚不超過15 m,T6波t0值為底板雙程旅行時,將T6波分別上移15 ms、下移5 ms作為求取樣點數的限定時窗,能涵蓋全區3煤所在的時間域。在所求時窗內對煤巖數據逐道求和,得出每一道樣點數記為S。

圖9 煤巖剖面Fig.9 Section of coal rock

3)煤層層速度統計。利用聲波測井資料,對全區煤層的層速度進行統計分析,取平均值為煤層層速度v=2 500 m/s。

4)煤層厚度計算。得到煤層每道煤厚樣點數S后,與資料采樣率x相乘,得到煤層的時間范圍S×x,再與層速度v/2相乘,得到煤層厚度值d,計算公式如下:

d=S×x×v/2.

(2)

將每道所得到的煤層厚度展點于平面上,形成最終煤層厚度圖,如圖10所示。從圖10中可以看出,反演結果能夠精細反映煤層厚度變化,整體上呈向南變薄趨勢,局部位置出現變薄帶,推測和沉積環境相關。

圖10 預測煤厚分布圖Fig.10 Distribution of coal seam thickness

3 討論

通過對測井約束稀疏脈沖反演預測的煤層厚度數據和鉆孔內插法預測的數據進行統計和對比分析(表1)可以看出,測井約束稀疏脈沖反演預測煤層厚度誤差小于4.05%,內插法預測煤層厚度F66井誤差高達-10.14%。反演預測誤差平均1.06%,鉆孔內插法誤差平均-2.36%,誤差率提高了1.3%。結果表明,在沉積環境穩定和鉆井分布均勻密集的情況下,兩種方法預測煤層厚度誤差區別不大,而在沉積環境變化快且鉆井稀疏的地區反演預測法可以提高煤層厚度預測的精度和細致程度。

表1 預測效果對比表Table 1 Comparison of prediction effects

4 結論

1)采用標準層段趨勢分析法進行全區鉆孔測井數據的歸一化處理,在保留了各礦井測井曲線細節的條件下,實現了相同沉積時間段內同一沉積單元內反演成果面貌的一致性。

2)提取時變空變子波,使15煤的反射能量得到顯著提高,改善了3煤屏蔽作用的不良影響,提高了反演結果縱橫向的精細程度。

3)在波阻抗數據體轉換煤巖數據體過程中,有部分非煤巖層波阻抗值在臨界值以下,被誤轉換成煤巖,是本次研究未能解決的問題。因此,在計算煤巖樣點數過程中時窗的設置需謹慎。

4)采用煤層頂底界波阻抗臨界值統計算法,確定煤層頂底界波阻抗臨界值,利用門檻值將反演波阻抗剖面轉換成煤巖剖面,計算煤巖層的樣點數,乘以采樣率和層速度求取煤儲層厚度,實現了煤層厚度描述的自動化處理,大大提高了煤層厚度的解釋精度,具有推廣應用價值。