地震相分析技术在滨里海盆地AS油田沉积相分析中的应用

《地震相分析技术在滨里海盆地AS油田沉积相分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、333—337．2013地质学刊第37卷第2期doi：10．3969／j．issn．1674-3636．2013．02．333地震相分析技术在滨里海盆地AS油田沉积相分析中的应用单中强，王蕴，王运海(中石化华东分公司石油勘探开发研究院，江苏南京210011)摘要：针对滨里海As地区的勘探开发目标层系，运用人工神经网络和主组分分析等技术和方法，对研究区的地震反射波形变化特征及其反映的地质特征进行识别和分类，得到地震相图，应用主要地震相单元中单井相分析成果建立地震相与沉积相的对应关系，将地震相转化为沉积相。该方法弥补了单纯用钻井资料

2、进行沉积相划分的缺陷，提高了沉积相划分精度。关键词：地震相；沉积相；人工神经网络；主组分分析(PCA)；单井相；AS油田；滨里海盆地中图分类号：P618．130．2+6文献标识码：A文章编号：1674—3636(2013)0l一0333—050引言AS油田位于滨里海盆地阿斯特拉罕一阿克纠宾斯克隆起带和中央凹陷带东部，面积约1000km2。AS油田是以盐上层系为勘探目的层系的油田。测井解释成果表明，含油储集层单层砂体厚度为O．7～29ITI，砂体总厚度为4～50m，储层横向变化比较大，邻井之间难于对比。为更合理地刻画AS油田目的层

3、储层平面展布，利用三维地震资料平面分辨率较高的优势，开展系统的地震相分析，来进行沉积相平面展布研究。1地质概况滨里海盆地面积为50万km2，地跨哈萨克斯坦和俄罗斯联邦2个国家，主要分布在哈萨克斯坦西部，约占盆地总面积的4／5，其余部分则属俄罗斯联邦的南部地区。在构造区划上，盆地位于东欧地台东南部，与周围的构造单元以深大断裂为界，北部和西部边界为俄罗斯地台南部的一些隆起，东部、东南部与海西期褶皱带相邻，南邻里海。盆地可划分为北部及西北部断阶带、中央坳陷带、阿斯特拉罕一阿克纠宾斯克隆起带和东南部坳陷带4个构造单元，每个单元又包括若干

4、个隆起和坳陷(余海洋，2008)。滨里海盆地地层有3套层系：盐下层系、含盐层系和盐上层系。盐下层系为古生界地层，含盐层系为下二叠统上部孔谷阶，盐上层系为上二叠统以上的地层。AS油田位于滨里海盆地阿斯特拉罕一阿克纠宾斯克隆起带和中央凹陷带东部，勘探面积约1000km2(图1)。AS油田主要目的层段为中三叠统，含油层段岩性组合主要为砂泥岩互层。本区侏罗系底部普遍发育的一套厚层砾岩，在地震反射和测井曲线上有明显的标志，可作为区域上地层对比的标志层(图2)。2地震相分析地震相是由特定地震反射参数所限定三维空间的地震反射单元，是特定的沉积

5、相或地质体的地震响应(孙家振等，2002；徐怀大等，1990)。应用地震相分析技术，就是运用人工神经网络分析技术和主组分分析(PCA)等技术和方法，对地震属性及所反映的地质特征进行分析解释，通过单井的标定，得到与地震相相对应的沉积相图，进而划分出有利储集相带。目前，国内外比较有代表性的地震相分析系统是Stratimagic地震相划分软件。2．1分析技术的基本原理沉积地层的任何岩性参数的变化都会引起地震属性变化。在地震属性中，地震波形是地震反射波收稿日期：2012—03—29；修回日期：2012—06—04；编辑：蒋艳作者简介：单

6、中强(1983一)，男，工程师，主要从事地震资料解释和地质综合研究工作，E—mail：szqcu068@163．corn334地质学刊2013年6月[二]jt地j卫界E]火断裂[]降起雌，÷田鞭帮田肼忆点口潲彝日采凳翅臻日i凳翅露日研究【≮范恫口”位L二二二j坼儿边界L二一单厄边群L三二J⋯l九‘^7⋯”+L—_

7、"I儿图l滨里海盆地构造单元划分及研究区位置图(余海洋，2008)I-阿斯特拉罕地块；H一北里海隆起；Ⅲ一库萨科夫隆起；1V一卡腊通一田吉兹隆起；v．比尔克扎特隆起；Ⅵ．科斯克乌尔隆起；Ⅶ-手L纳诺尔隆起；Ⅷ．特梅尔隆

8、起；Ⅸ-布扎钦穹隆；X．萨尔平坳陷；Ⅺ一托加拉可查克坳陷；Ⅻ．科克列克杜坳陷；Ⅻ一亚乌萨坳陷频率、相位极性、速度、能量的综合反映(程耀清等，2007；唐大海等，2004)。Stratimagic软件的分类处理就是将地震数据样点值的变化转换成地震道形状的变化，道形状分类代表了地震信号的真实的横向异常。在该软件中，首先划分出几种典型的形状，每一实际地震道被赋给一个非常相似的模型道的形状。Stratimagic的模型道计算是采用神经网络的模式识别能力来完成的，它是根据每道的数值对地震道形状进行分类，也就是划分地震相。自组织神经网络是一

9、种具有自学习功能的神经网络，由2层组成。输入层中神经元在一维空间中排列，而输出层的神经元可以是多维的，并且输出节点与邻域的其他节点广泛互连。神经网络在地震层段内对实际地震道进行训练，通过几次迭代之后，神经网络构造合成地震道，然后与实际地震数据进行对比，通过自适应