刻画非均质储层边界的梯度结构张量属性阈值选取策略

doi:10.11720/wtyht.2025.1502

刻画非均质储层边界的梯度结构张量属性阈值选取策略

周成刚^,, 苑恒超^,, 田军, 王云超, 陈彦奇, 杨秋红

中国石油集团东方地球物理勘探有限责任公司塔里木物探研究院,新疆库尔勒 841000

A strategy for threshold selection of gradient structure tensor attributes for boundary delineation of heterogeneous reservoirs

ZHOU Cheng-Gang^,, YUAN Heng-Chao^,, TIAN Jun, WANG Yun-Chao, CHEN Yan-Qi, YANG Qiu-Hong

Tarim Geophysical Research Institute of BGP Inc., CNPC, Korla 841000, China

通讯作者: 苑恒超(1990-),男,硕士,工程师,主要从事碳酸盐岩开发地震与地球物理方法研究工作。Email:yuanhengchao@cnpc.com.cn

第一作者: 周成刚(1975-),男,本科,高级工程师,主要从事碳酸盐岩解释方法及地质综合研究工作。Email:zhouchenggang@cnpc.com.cn

责任编辑: 叶佩, 沈效群

收稿日期: 2024-12-26 修回日期: 2025-06-12

基金资助:

中国石油天然气集团有限公司青年科技专项(2024DQ03011)

Received: 2024-12-26 Revised: 2025-06-12

摘要

梯度结构张量(GST)是表征缝洞体等强非均质储层边界的常用属性之一,在碳酸盐岩储层研究中发挥了重要作用。但该属性无量纲,属性阈值确定难度大,其准确与否直接影响储层雕刻体积与储量计算精度。为此,以碳酸盐岩缝洞体模型为例,通过分析含噪后储层与非储层对应的GST属性值域分布特征,提出“三步法”阈值选取策略:首先,统计GST属性值域分布;其次,估算非储层值域分布,确定其均值点、左临界值点和右临界值点;最后,选取右临界值点作为含噪GST属性阈值,对缝洞体边界进行刻画。模型试算及实际应用表明,该方法具有一定的可行性及有效性。研究成果为GST属性在地球物理领域的应用与推广奠定了基础。

关键词： 梯度结构张量; 碳酸盐岩; 阈值选取; 含噪储层; 缝洞体边界

Abstract

The gradient structure tensor (GST) serves as a common attribute to characterize the boundaries of strongly heterogeneous reservoirs, such as fracture-cavity types, playing an important role in research on carbonate reservoirs. However, due to a lack of dimensions and high difficulties in threshold determination, the accuracy of GSI directly affects the precision of reservoir delineation and reserve estimation. Given this, focusing on a fracture-cavity carbonate reservoir model, this study proposed a three-step strategy for threshold selection based on analysis of the GST attribute distribution corresponding to noisy reservoir and non-reservoir regions. First, the distribution of GST attribute values was statistically analyzed. Then, the value distribution of attribute values in the non-reservoir regions was estimated to identify their mean point, left critical point, and right critical point. Finally, the right critical point was selected as the threshold for the GST attribute of noisy reservoirs, thus delineating the boundaries of fracture-cavity bodies. Model tests and practical applications demonstrate the feasibility and effectiveness of this method. The findings provide a foundation for the application and promotion of the GST attribute in geophysics.

Keywords： gradient structure tensor (GST); carbonate rock; threshold selection; noisy reservoir; boundary of fracture-cavity reservoir

PDF (4692KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

周成刚, 苑恒超, 田军, 王云超, 陈彦奇, 杨秋红. 刻画非均质储层边界的梯度结构张量属性阈值选取策略[J]. 物探与化探, 2025, 49(5): 1118-1125 doi:10.11720/wtyht.2025.1502

ZHOU Cheng-Gang, YUAN Heng-Chao, TIAN Jun, WANG Yun-Chao, CHEN Yan-Qi, YANG Qiu-Hong. A strategy for threshold selection of gradient structure tensor attributes for boundary delineation of heterogeneous reservoirs[J]. Geophysical and Geochemical Exploration, 2025, 49(5): 1118-1125 doi:10.11720/wtyht.2025.1502

0 引言

碳酸盐岩是塔里木盆地、四川盆地及鄂尔多斯盆地油气勘探、开发的重要研究目标之一^[1-3],其储层受断裂改造与岩溶作用的影响,形成裂缝、孔洞和洞穴等不同类型,表现为缝洞体样式,具有强非均质特征^[4-6],预测难度大。GST属性^[7-9]是以三维体元为基础,通过计算结构张量矩阵特征值,预测缝洞体等非均质储层轮廓特征,在碳酸盐岩储层研究中发挥了重要作用。2002年,Bakker^[10]首次系统地将GST属性引入地震解释领域;王清振等^[11]利用GST三个特征值的组合构建出一种混沌度量,对复杂地质背景下的盐丘边界进行识别,解决了常规不连续性属性辨识度低的问题;崔正伟等^[12]将构造导向滤波与GST属性相结合,提高了碳酸盐岩小尺度裂缝型储层的预测精度;刘军等^[13]利用GST属性第二特征值,对碳酸盐岩缝洞体边界进行刻画,有效识别出缝洞型储层空间轮廓特征。随着GST属性的深入研究与应用,其阈值选取的重要性亦被广泛关注。张晟等^[14]针对GST属性,提出标尺定量的概念,将实钻井信息作为标尺,赋予GST属性物理意义,在井类别多、资料齐全的开发区块进行应用,降低了碳酸盐岩缝洞体边界刻画的多解性;何治亮等^[15]针对超深层碳酸盐岩断控型储集体,利用实钻井钻时、放空和漏失量等信息,标定GST属性阈值,圈定断控储集体空间形态。以上研究成果进一步推动了GST属性在碳酸盐岩领域中的应用,但针对该属性的无量纲特性,均未给出确定性的阈值选取方法,导致在不同工区、不同资料条件下利用GST属性对碳酸盐岩储层进行预测,依然存在较强的多解性。

为此,本文以碳酸盐岩缝洞体为例,结合正演模型试验,提出一种有效的GST属性阈值选取策略。该方法通过分析含噪GST属性中不同分量对应的属性值域分布特征,给出非储层属性值域分布的确定方法,并将其右临界值点作为GST属性阈值,对缝洞体进行预测。模型试算结果表明,该方法能较好地判断不同噪声条件下GST属性对强非均质储层的辨识能力。

1 GST属性阈值选取策略

1.1 GST属性计算原理

GST属性计算共分为3个步骤。首先,对三维地震数据中任意样点的振幅求取方向导数,得到该点位置处梯度向量:

(1)$\boldsymbol{g}=\nabla \boldsymbol{u}(x, y, z)=\left[\begin{array}{l}\frac{\partial \boldsymbol{u}(x, y, z)}{\partial x} \\\frac{\partial \boldsymbol{u}(x, y, z)}{\partial y} \\\frac{\partial \boldsymbol{u}(x, y, z)}{\partial z}\end{array}\right]=\left[\begin{array}{l}g_{1} \\g_{2} \\g_{3}\end{array}\right],$

式中:g为振幅梯度向量;u(x,y,z)为任意点地震振幅; $g_{1} 、 g_{2} 、 g_{3}$ 分别代表地震振幅沿主测线、联络测线及时间或深度方向的方向导数。将梯度向量g与其转置g^T相乘,得到结构张量矩阵T:

(2)

T = g g^{T} = [\begin{array}{c} \begin{array}{c} g_{1}^{2} \\ g_{2} g_{1} \\ g_{3} g_{1} \end{array} & \begin{array}{c} g_{1} g_{2} \\ g_{2}^{2} \\ g_{3} g_{2} \end{array} & \begin{array}{c} g_{1} g_{3} \\ g_{2} g_{3} \\ g_{3}^{2} \end{array} \end{array}]

。

可利用特征值分解方法求取结构张量矩阵T的特征值:

(3)

\begin{array}{c} T = λ_{1} μ μ^{T} + λ_{2} υ υ^{T} + λ_{3} ω ω^{T} = \\ (\begin{array}{c} μ & υ & ω \end{array}) [\begin{array}{c} λ_{1} & 0 & 0 \\ 0 & λ_{2} & 0 \\ 0 & 0 & λ_{3} \end{array}] {(\begin{array}{c} μ & υ & ω \end{array})}^{T} \end{array}

。

式(3)将特征值由大到小排序,分别为λ₁、λ₂、λ₃,对应的特征向量为μ、υ、ω。对三维地震数据而言,将3个特征值及其组合计算得到的属性称为GST属性体,记为Λ,其中λ₁反映主要的层状反射特征,λ₂、λ₃反映横向不连续性特征。本文将第二特征值λ₂作为梯度结构张量属性体,对非均质储层边界进行刻画。

1.2 GST属性值域分布特征

GST属性无量纲,属性阈值准确与否直接影响储层边界的刻画精度。为此,以正演模型为基础,分析含噪GST属性中有效信号和噪声等不同成分的值域分布特征。

设计的理论模型由层状背景模型和缝洞体模型组成(图1a),通过设置储层尺寸大小,反映洞穴、孔洞及裂缝3种类型。以理论模型为基础,利用地震正演模拟,得到无噪正演模型(图1b),并加入如图1c所示的噪声,得到含噪后的地震正演结果(图1d)。正演过程中,观测系统参考实际工区,地震子波选用20 Hz。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 理论模型及地震正演模型

Fig.1 Seismic profile for theoretical model and seismic forward model

由褶积理论可知,含噪地震信号(图1d)为有效信号(图1b)与噪声(图1c)之和,且已知GST属性计算过程为弱非线性,故含噪地震信号的GST属性亦可分解为有效信号的GST属性与背景噪声之和。

图2为含噪地震信号、有效信号和噪声对应的GST属性剖面。为确定含噪GST属性阈值、区分储层与非储层,对不同分量的GST属性值域分布特征进行统计分析。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 GST属性剖面

Fig.2 Seismic profile for GST attribute

图3为含噪GST属性及不同分量的属性值域分布,图3a为含噪属性值域分布,图3b为无噪声属性值域分布,图3c为背景噪声分布,表现为正态分布特征。由图可见,当不含噪声时,GST属性零值为层状非储层模型对应的属性值,非零值为储层,即区分储层与非储层的属性阈值为0;当含噪声时,GST属性值域是有效信号属性值域和噪声按式(4)进行褶积计算的结果,其值域分布表现为偏态特征。

(4)

D_{s} (x) = D_{m} (x) * N (x)

。

式中:D_s(x)为含噪GST属性值域分布,表示含噪属性中属性值x对应的频次大小,由三维GST属性体统计得到;D_m为有效信号属性值域分布,表示有效信号对应的GST属性中属性值x对应的频次大小;N为背景噪声分布。可见,有效信号GST属性值域分布与噪声分布褶积后,对应的属性阈值与噪声分布相关,不再具备唯一性。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 不同分量GST属性值域分布

Fig.3 Distribution of GST attribute value range across different signal components

按褶积运算的分配率法则,对式(4)改写如下:

(5)

D_{s} (x) = D_{m_r} (x) * N (x) + D_{m_n} (x) * N (x)

式中:D_{m_r}、D_{m_n}分别为无噪声时储层与非储层对应的GST属性值域分布。已知无噪非储层对应的GST属性为常值零,含噪后,非储层值域即为正态分布,分布形态与噪声相关。

1.3 GST属性阈值选取策略

综上所述,含噪GST属性值域分布为储层值域分布与非储层之和,若能求取含噪后储层与非储层对应的属性值域分布,即可确定其阈值大小。但是,式(5)为欠定方程,无法直接求解。故以图3所示属性计算结果为例,分别统计含噪后储层与非储层值域分布,并将其叠合显示,结果见图4。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 含噪GST属性及不同分量值域分布叠合显示

Fig.4 Superimposed visualization of noise-containing GST attributes and multi-component range distributions

图4中,蓝色曲线峰值(绿色样点)及左临界点(蓝色样点)与浅蓝色曲线基本一致,可由含噪GST属性统计得到。由此,提出“三步法”GST属性阈值选取策略:第一步,利用含噪GST三维属性体,统计其值域分布范围,并记录分布的峰值点和左临界点,分别记为M和A,统计总样点数为L×T×N,其中,L为线数、T为道数、N为单道样点个数,通常情况下,总样点数均可满足统计需求;第二步,基于含噪非储层值域分布的对称性,计算其右临界点,如红色样点所示位置,记为2M-A;第三步,将2M-A作为属性阈值,进行色标调整,区分储层与非储层。可见,当含噪GST属性值大于2M-A时,非储层值域分布恒为零,此时,GST属性均为储层响应;小于其值,为非储层与部分储层的共同值域范围,无法区分,重叠范围取决于地震资料信噪比,亦决定了GST属性的适用性。

2 模型试算

为验证GST属性阈值选取策略的可行性和有效性,以图1a所示碳酸盐岩缝洞体模型为基础,分别正演信噪比为10、5、2和无噪模型,对其进行测试。

图5为无噪声地震正演结果及对应的GST属性剖面。图5b中,储层与非储层像素点的数量取决于阈值大小;黑色框为储层边界,将位于黑色框内的浅蓝色像素点作为吻合点,深蓝色像素点作为不吻合点,储层预测吻合率则为吻合的像素点个数与黑色框范围内像素点总数的比值。可见,模型不含噪声时,非储层对应的GST属性值域为常值零,即将属性阈值设置为零,预测储层(浅蓝色像素点)与储层边界(黑色框)完全吻合,储层预测吻合率为100%。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 无噪声地震正演与GST属性剖面

Fig.5 Seismic profile for seismic forward model and GST attributes,S/N=1

为研究不同资料条件下,GST属性阈值选取策略的有效性及对储层辨识能力的影响,在无噪正演模型基础上,分别加入不同程度的噪声进行分析,图6~图8为信噪比分别为10、5和2的地震正演结果与对应的GST属性剖面。在GST属性值域分布图中(图6c、7c、8c),绿色线段为噪声分布均值点,蓝色线段为噪声分布左临界值,红色线段为噪声分布右临界值,通过GST属性阈值选取策略,确定噪声分布右临界值为属性阈值。由此,分析不同信噪比条件下,选取的属性阈值对应的储层预测吻合率。由图可见,当信噪比为10时,对应的GST属性阈值为7(图6c),计算储层预测吻合率为98.9%,GST属性能够非常好地反映非均质储层分布特征;当信噪比为5时,对应的GST属性阈值为33(图7c),计算储层预测吻合率为89.7%,噪声的影响逐渐凸显;当信噪比降至2时,对应的GST属性阈值为216(图8c),储层预测吻合率仅为21.5%,GST属性大部分有效信息被噪声湮没,由属性阈值确定的储层分布已不能反映真实情况。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 信噪比为10的地震正演与GST属性剖面

Fig.6 Seismic profile for seismic forward model and GST attributes,S/N=10

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 信噪比为5的地震正演与GST属性剖面

Fig.7 Seismic profile for seismic forward model and GST attributes,S/N=5

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 信噪比为2的地震正演与GST属性剖面

Fig.8 Seismic profile for seismic forward model and GST attributes,S/N=2

综上所述,GST属性对储层的辨识能力随着信噪比的高低而改变,当地震资料信噪比较高时,GST属性阈值选取策略能够较好地区分储层与非储层,而在超低信噪比地区,GST属性不再适用。

3 实际应用

M区位于塔里木盆地塔中隆起带,奥陶系碳酸盐岩为主要产层,埋深超过6 000 m,缝洞体发育。研究区地震资料为小面元高密度采集、叠前深度偏移处理资料,品质相对较高,目的层段有效频带范围7~32 Hz,主频20 Hz。利用频谱法对资料信噪比进行评价。

图9为研究区目的层资料信噪比统计直方图。由图可见,目的层段地震信号信噪比集中在3~6之间,平均信噪比约为5,可用于开展GST属性阈值选取方法的测试。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 研究区地震资料信噪比统计直方图

Fig.9 SNR distribution histogram of seismic data across the study area

W1井钻井目标为碳酸盐岩缝洞集合体,在地震剖面上表现为多个大小不一的串珠状反射特征(图10a)。图10b为GST属性剖面,可见,该属性滤除了层状地层响应,可用于反映碳酸盐岩缝洞集合体轮廓特征,但轮廓大小取决于属性阈值。图10c为GST属性对应的值域分布范围,非储层属性值域分布的均值、左临界值和右临界值对应的数值分别为3、26、49,按GST属性阈值选取策略,将49作为属性阈值进行色标条的设置。设置色标后的GST属性如图10b所示,浅绿色为预测的缝洞体边界。由图可见,当W1井钻至浅绿色区域时,发生漏失,与预测结果相匹配。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 过W1井地震剖面与GST属性剖面

Fig.10 Seismic profile and GST attribute profile crossing well W1

为进一步验证预测结果的可靠性,沿钻井轨迹提取GST属性曲线,与钻时、全烃曲线进行交会分析(图11)。由图可见,计算得到的GST属性阈值为49,对应位置处钻时明显下降,全烃上升,说明钻遇有效储集体,进一步证实了该方法的有效性及预测结果的可靠性。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 W1井实测曲线与GST属性交汇图

Fig.11 Crossplot of well logs and GST attributes for well W1

4 结论

1)本文提出基于“三步法”的GST属性阈值选取策略,刻画了碳酸盐岩缝洞型储层轮廓特征,其有效性在模型试算及实际应用中得到验证,可为GST属性在碳酸盐岩等强非均质储层预测中的推广与应用奠定基础。

2)GST属性的应用对资料信噪比有一定要求。信噪比大于5时,属性阈值选择的确定性较强,对储层范围的辨识能力较高;但随着信噪比的下降,储层预测吻合率会大幅降低,信噪比降至2时,已无法分辨有效储层的边界特征。在实际应用中,需结合工区的资料品质情况进行选择。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

何治亮, 金晓辉, 沃玉进, 等.

中国海相超深层碳酸盐岩油气成藏特点及勘探领域

[J]. 中国石油勘探, 2016, 21(1):3-14.