基于机器学习的地震复合微相自动识别技术应用实践

李帅?王宇

摘要：西湖凹陷斜坡带平湖组砂体发育模式及分布规律不清限制了斜坡带勘探开发评价进展。从基础资料深入分析出发，井震结合明确“振幅－频率－波形－反射外形”四个参数为地震复合微相描述敏感参数，在此基础上依托BP神经网络算法实现地震复合微相自动识别。明确斜坡带水下分流河道、河口坝、潮汐砂坝及席状砂等多类型砂体发育规律，为该区岩性油气藏勘探提供理论支撑。

关键词：地震复合微相；机器学习；自动识别

一、前言

西湖凹陷斜坡带历经四十年的勘探开发实践，随着构造圈闭的不断减少及勘探思路的转变，目前已全面转入岩性油气藏勘探新阶段，斜坡带多个油气田的勘探开发实践证实了圈闭有效性是该区成藏的主控要素。因此，如何有效识别、刻画岩性圈闭砂体是目前斜坡带平湖组岩性油气藏勘探面临的核心问题，已钻井揭示了平湖组为一套三角洲－潮坪相的煤、泥、砂互层地层，研究区目的层整体埋深在3000-5000米，深层含煤层系限制了砂体地球物理预测精度，制约了岩性油气藏勘探的进程。

前人针对平湖组储层刻画方法进行了一系列的研究，如相控储层预测技术、地震多属性的储层预测技术，但均以地震沉积学为技术手段进行砂体展布预测，缺乏地质与地球物理的有机结合[1-2]。本次以储层的沉积属性预测为重点，地震复合微相是复合沉积微相在地震剖面上表现的总和，是由沉积环境所形成的地震特征，包括地震反射结构、地震微相单元形态与平面组合、地震反射振幅、地震反射频率及同向轴连续性等特征的综合响应。

地震复合微相识别技术是从已钻井地球物理响应特征出发，建立地质模式控制到地球物理刻画的技术思路流程，建立以单井微相定类型、井震结合定参数、复合微相定展布、精细刻画定模式系统化的研究技术流程，并且依据神经网络算法，构建基于机器学习的地震复合微相自动识别技术流程，在此基础上梳理岩性圈闭发育模式及有利发育区带，为该区岩性油气藏评价提供技术支撑[3-4]。

二、区域地质概况

西湖凹陷属于东海陆架盆地的二级构造单元，位于东海陆架盆地中北部，是晚白垩纪末期构造背景上发育的新生代沉积凹陷。凹陷呈NNE向展布，凹陷总体具有东断西超的箕状断陷盆地特征。在构造上自西向东可以分为西部斜坡带、中央背斜帶及东部断阶带，根据构造-沉积特征西部斜坡带自南向北为天台斜坡、平湖斜坡和杭州斜坡。本次研究区位于平湖斜坡中部，处于受一系列反向断层控制的反向断槽区（见图1）。

西湖凹陷基底之上，依次发育古新统，始新统八角亭组、宝石组、平湖组，渐新统花港组，中新统龙井组、玉泉组、柳浪组，上新统三潭组，更新统东海群。其间经历了几次重要的构造运动，分别是瓯江运动、玉泉运动、花港运动、龙井运动和冲绳海槽运动，将凹陷划分为断陷期、拗陷期、构造反转期和晚期区域沉降四个演化阶段。本次研究主要目的层始新统平湖组沉积期，西湖凹陷东部受钓鱼岛隆褶带不连续分割，形成了南部开口的半封闭环境，海水可间歇性侵入，平湖斜坡带平湖组整体形成于缓坡、半封闭的浅水沉积背景，形成一套以三角洲－潮坪为背景的含煤碎屑岩地层。

三、沉积微相类型及砂岩特征

平湖组沉积期，斜坡带物源主要来自西部海礁隆起区，多样复合沟谷体系为斜坡带沉积提供充足物源，沟谷水系控制斜坡带三角洲展布，在平湖组半封闭地貌背景及小潮差影响下，平湖组表现为震荡式的潮汐水体特征，三角洲砂体受潮汐改造形成了斜坡带平湖组潮坪－潮汐改造型三角洲交互发育的沉积背景，奠定了平湖组成因复杂、类型多样的砂体特征。

平湖组复杂沉积背景控制下，沉积微相类型多样，以三角洲前缘水下分流河道、河口坝、席状砂，潮坪相的潮道、潮汐砂坝、混合坪等微相类型为主。砂岩整体表现为河控及潮控两种成因类型，从取芯特征来看，河控砂岩主要以块状层理、粒序层理、平行层理及砾石定向排列等为特征，部分岩心可见槽状及板状交错层理。典型潮控砂岩取芯中可见羽状交错层理、人字形交错层理及双黏土层，反映了周期性双向潮汐水流作用影响。从测井相特征来看，整体可分为钟形、箱形、漏斗形及其复合形态，潮汐砂体受周期性水体影响，多发育憩水期泥质夹层，测井曲线齿化特征明显，形成斜坡带（水上）水下分流河道、河口坝、潮汐砂坝、潮道等，及复合类型的多样复杂成因砂体类型。

四、地震复合微相描述参数优选

基于沉积微相划分方案，不同微相类型砂泥岩组合特征差异较大，整体可划分为厚层砂岩型、砂泥互层型、泥包砂岩型及厚层泥岩型等类型，结合各沉积微相的粒序演化特征，可按粒序划分为向上变细的正韵律、向上变粗的反韵律及均质的块状砂岩。因此，从不同砂泥岩组合特征及不同粒序特征出发，总结不同沉积微相类型与地震反射的响应关系，建立地震复合微相描述的理论基础[5-6]。

基于不同砂泥岩组合特征，通过增加泥岩隔层厚度，建立互层介质楔形模型，随着泥岩隔层厚度的不断增大，其砂泥岩组合由厚层砂岩向砂泥互层、泥包砂岩及富泥背景演化，本次在沉积微相认识基础上以均匀块状砂体为参考，设计河道型砂体（正韵律）和砂坝型砂体（反韵律）正演模型，相较于均匀介质砂体，河道砂体波形上具有上宽下窄的特征。固定砂体类型，向薄、向厚两个方向改变砂体厚度构建河道砂体楔形模型，通过模型正演分析，河道砂楔形体地震记录的振幅以及瞬时频率属性均具有“顶低底高”的特征。

相较于均匀介质砂体，砂坝型砂体波形上具有上宽下窄的特征。固定砂体类型，向薄、向厚两个方向改变砂体厚度构建砂坝型砂体楔形模型，通过模型正演分析，砂坝型楔形体地震记录的振幅以及瞬时频率属性均具有“底低顶高”的特征（见图2）。

正演结果表明，不同岩相砂体均具有波形、振幅和频率对应的响应特征，可结合这三个参数进行岩相判断。结合已钻井实际标定结果和正演模拟，总结了河道型砂岩低频－弱振幅－不连续短轴状－非对称波形的地震相特征，砂泥薄互层席状砂高频－强振幅－连续反射－单峰波性特征，叠置的河道型砂岩为低频－弱振幅－下切反射－非对称向上增强波形特征，叠置砂坝砂岩低频－弱振幅－丘型反射－非对称向上减弱波形特征，河道砂坝复合型砂岩低至高频－强振幅－不连续反射－似对称复波波形特征。

在正演模型分析基础上，综合已钻井实践，明确了“振幅－频率－波形－反射外形”可作为反映岩性组合特征的地震复合微相描述参数，正演模型及已钻井分析明确四参数为地震复合微相描述敏感参数。

五、地震复合微相描述及应用

在地震复合微相描述参数确定基础上，一方面从单井复合微相解剖到骨干剖面地震复合微相精细解释，最后实现平面地震复合微相解释，建立了点－线－面三步人工识别技术流程。另一方面，在深入分析微相组合与描述参数半定量对应关系基础上，建立了基于AI分析的神经网络自主学习技术流程，实现地震复合微相自动化识别技术体系[7]。

（一）人工地震复合微相描述成果

单井正演及地震复合微相描述明确了不同砂泥岩组合特征地震响应差异，在此基础上，结合已钻井常见砂泥岩组合地震复合微相对应关系，实现由点到线，从单井地震复合微相到典型地震剖面复合微相识别。由井砂泥岩组合特征来看，可划分为分流间湾微相为主的厚泥层、河道侧缘及远砂坝微相为主的厚泥夹薄砂组合类型、席状砂类型为主的砂泥薄互层组合特征、（水下）分流河道微相类型为主的厚砂薄泥地层组合及砂坝微相类型为主的反韵律砂泥组合特征。综合振幅－频率－反射外形－波形四参数分析，梳理了不同砂泥岩组合类型控制下的中频强振幅平行反射对称波形地震相特征、低频弱振幅下切型复波波形特征、高频强振幅平行反射单峰波形特征、低频弱振幅顶凸型非对称波形反射特征及中频弱振幅平行反射对称波形反射特征五大类地震相组合特征及其剖面展布组合样式（见图3）。从地震复合微相剖面组合划分结果与已钻井实钻砂泥岩组合特征较为吻合。

以典型地震剖面解释为骨干格架，建立平面地震复合微相解释网格，由线及面，实现地震复合微相平面特征刻画。以P8层地震复合微相刻画为例，低频弱振幅复波平面呈条带状分布特征，低频弱振幅顶凸型微相特征表现为孤立型砂坝特征。

综合地震复合微相反应的沉积微相特征，由地震信息转化为地质信息，实现地震复合微相约束下的沉积微相平面展布刻画。以P8层为例，整体为潮汐改造型三角洲沉积背景，砂岩主要类型为水下分流河道砂岩、潮汐砂坝砂巖、席状砂及分流间湾泥岩，水下分流河道测井曲线以钟形及箱形为主，表现为厚砂薄泥的组合特征，地震复合微相为低频弱振幅下切复波特征，整体受古地貌控制呈条带状展布。潮汐砂坝型砂岩表现为箱形及漏斗形测井特征。分流间湾微相主要为厚泥夹煤层组合（见图4）。

（二）基于机器学习的地震复合微相自动识别

基于剖面解释的砂体类型需在全剖面解释的条件下才可投影到平面，过程繁杂且受限于解释经验。因此，基于地震波形对于砂体类型有敏感响应这一认识，通过波形聚类的方式开展不同类型砂体平面展布特征分析。波形聚类主要基于波形的相似性进行类别划分，在沉积应用角度，需在聚类分析结束后，结合单井相进行同类合并，最终得到具有沉积相意义的分类结果。但是，方法属于无监督的机器学习方法，即在机器进行聚类分析时无法进行约束，只能在得到的结果上进行后期二次分类。如果机器学习结果不理想，后续二次分类则无法有效开展。

通过以上分析，振幅、频率、波形以及反射结构对于不同的砂体类型均有一定的响应特征。但是在不同岩性组合条件下，四种属性所表达的响应特征趋于复杂，无法依靠线性关系找到明显的统计规律。同时，结合波形聚类分析方法应用，发现无监督的机器学习存在单井相不吻合，地质意义指示不清的现象。因此，本节结合单井相划分进行机器学习，通过属性非线性组合识别不同类型砂体，同时基于监督（单井相约束）学习使结果更具有地质意义。

以目标区P8井为例，对研究区各探井单砂体进行微相识别，定义间湾泥为1、砂坝为2、复合砂体为3、河道砂体为4，制作基于岩相划分的方波化曲线。在此基础上，通过BP神经网络方法，以振幅、频率、波形以及反射特征四种属性为输入，以微相划分曲线为输出，训练隐藏层非线性函数关系。最终，将该函数关系应用到整个研究区，得到地震复合微相体（见图5）。

六、结语

基于井震结合，明确了地震复合微相描述的敏感参数，指出地震振幅、频率、波形及反射外形为敏感参数，奠定地震复合微相描述的理论基础。

初步形成了点、线、面人工地震复合微相识别技术流程，并且基于机器学习实现地震复合微相自动识别技术流程体系。

在地震复合微相识别基础上，厘定了目标区不同沉积微相类型及展布模式，奠定目标区岩性油气藏勘探的理论基础。

参考文献

[1]张兰，汪文基，何贤科，等.东海西湖凹陷平湖组富煤环境相控储层预测技术[J].现代地质，2019，33（02）：337-344.

[2]薛红涛，刘娟，李文龙.地震复合微相描述技术在乌石深层储层刻画中的应用[J].石化技术，2022，29（12）：142-144.

[3]郭勋.地震相分析技术在白音查干凹陷扎木次洼地区腾下段的应用[J].石化技术，2019，26（04）：112+126.

[4]邓吉锋，周东红，杜晓峰，等.基于地震——复合微相分析砂体描述技术研究及应用[J].断块油气田，2013，20（01）：55-58.

[5]黄捍东，张建军，刘伟，等.地震相控混沌反演在岩性油气藏储层预测中的应用——以RY坳陷M井区为例[J].CT理论与应用研究，2019，28（05）：549-557.

[6]孔令辉，凌涛，叶青，等.地震相分析在沉积相研究中的应用[J].复杂油气藏，2019，12（02）：36-40.

[7]钟玮，田伟秀，唐璇.歧口凹陷歧北斜坡远岸重力流湖底扇沉积的地震相特征[J].城市地质，2019，14（02）：111-116.

责任编辑：张津平、尚丹