基于匹配追踪的RGB融合技术及在河道刻画中的应用

陈 珊,于兴河*,刘力辉,孙莹频,陆 蓉

1)中国地质大学(北京)能源学院,北京 100083;2)北京诺克斯达石油科技有限公司,北京 100192

时频分析技术近年来成为关注的热点,因为它将时间域的地震信号转换到频率域,在频率域挖掘地震信号的有用信息,这种分析域和思路的转变引起了众多专家学者的兴趣和关注,关于时频技术的新算法不断推出,应用领域也在不断扩展。

传统的信号分析建立在傅里叶变换技术基础上,它无法表征信号的时频局部特性和瞬时频率特征。短时傅里叶变换能进行时频分析,但分辨率不够。小波变换和广义S变换技术克服了短时傅里叶变换的缺点,且计算效率高,在三维地震资料的频谱分析上获得了广泛应用(马志霞等,2010;曹向阳等,2012)。但小波变换和S变换这两种算法仍然依赖于时窗,在时窗内统计局部信号的频率分布,难以获得真正任一时刻反射信号的瞬时频率特征,无法保证时频分辨率。匹配追踪分解算法是目前较优的算法,它具有较高的时频分辨率及局部自适应性,能同时在时间域和频率域获得较准确的定位。许多学者应用该方法在提高目标的识别能力方面取得了较好的效果(Liu,2006;Wang,2010;黄捍东等,2012)。

时频属性的显示方式有很多,RGB色彩融合技术多用于地震属性(曹鉴华,2010;曹向阳等,2012),如用来刻画河道、反映沉积边界、预测生物礁有利相带、描述断层,以及表征油藏特征随生产过程发生的时移变化,可获得比单一属性更加丰富的细节信息。

本文简单阐述匹配追踪算法和 RGB色彩融合技术的原理,将匹配追踪分解(MPD)算法提取的时频属性进行融合显示,刻画河道的平面展布,并探讨河道内部的非均质性,讨论其应用效果并得出一些有益的认识。

1 匹配追踪时频分析技术

匹配追踪算法的核心思想是将信号表示为一系列与信号局部结构特征最佳匹配的时频原子的线性组合(图1)。通过计算地震信号的局部瞬时属性,选择匹配最佳的时频原子进行叠加重构。Liu(2006)提出了基于 Ricker子波匹配追踪的详细计算方法,引入了信号的瞬时特征。由信号的复分析可以得到瞬时振幅、瞬时相位和瞬时频率,以瞬时振幅最大处对应的时间作为延时的初始值,并得到延时处的瞬时相位和瞬时频率,依靠信号的瞬时特征给出控制参数的初始值,避免了整个子波库的搜索,缩小了过完备子波库的搜索范围,大大加快了匹配追踪的计算效率。

图1 匹配追踪时频分析核心思想Fig.1 Core concept of matching pursuit decomposition

主频为fj的零相位 Ricker子波在时间域可表示为:

其对应的傅氏谱为:

信号的稀疏表达式为:

其中s(t)为带限地震信号,Rs(m)(t)是匹配后的残余信号,m是迭代的原子个数,通过设置的阈值来判断迭代终止条件,进而确定迭代的原子个数。原子通过四个参数tj(延时),fj(主频),aj(相关系数),jφ(相位)来控制。

s(t)匹配追踪时频谱的解析表达式:

其中,env是WR的瞬时振幅。

选用Castagna文献(Castagna et al.,2003)中一个经典的模型数据,来检验基于 Ricker子波匹配追踪算法对地震信号匹配分解的有效性,以及相比其它算法的优势。合成记录分别由12个主频为10 Hz、20 Hz、30 Hz和40 Hz的Ricker子波合成(图2)。可以看到,匹配追踪的时频谱较常规算法时间分辨率更高,频率定位更准。

图2 模型信号各种算法的时频谱效果对比Fig.2 Comparison of time-frequency spectra by several algorithms of model signal

2 RGB色彩融合技术

RGB色彩融合技术是将时频分析得到的低、中、高不同频段的数据分别用为R(红色)、G(绿色)、B(蓝色)三原色进行融合显示。这种显示方法对于突出各分频属性中能量近似特征区域有很好的效果,可以突出共性、弱化差异。

Liu(2006)定义单个R、G、B三个窗体,如(5)式:

其中fR、fG、fB是三个频率窗的中心频率(图3),fBandwidth是信号的带宽,k是常数,用来控制带宽的大小。

则地震每一个参数点的频谱u(f)即可分为 R、G、B三个频带:

其中cR、cG、cB分别为三个频带频谱能量占总能量的比重。将上式以频率f离散化,并写成矩阵形式:

其中,

由于方程(7)通常是超定方程组,故可通过使(10)式达到极小的最小二乘法求解,

得到向量C:

将求得的cR、cG、cB三个参数转化到 0—255之间,用三原色显示方法,即可得到RGB色彩融合的显示结果。

3 基于匹配追踪的RGB色彩融合技术应用

图3 RGB频率窗(据Liu,2006)Fig.3 Red,Green and Blue based functions (after Liu,2006)

图4 研究区构造位置图Fig.4 Structural location of the study area

图5 RGB色彩融合属性Fig.5 Attribute of Red-Green-Blue plot

将基于匹配追踪的 RGB色彩融合技术应用于松辽盆地中央坳陷区扶新隆起带(图4)的地震资料。该地区为一背斜构造,岩性和物性是该区成藏的关键因素。前人研究成果表明,物源来自东北方向,主要发育三角洲前缘亚相,岩性以粉砂岩和细砂岩为主,水下分流河道是成藏的有利砂体。但在地震剖面上没有明显的河道下切,难以通过剖面地震相来识别河道,只能考虑通过平面地震属性来表征河道的展布。

采用匹配追踪算法进行谱分解处理,得到10—80 Hz(间隔10 Hz)的单频体,按图1原理分为低、中、高三个频带的数据体,分别提取能量属性切片,低频带的切片用 R(红色)显示,中频带的切片用G(绿色)显示,高频带的切片用 B(蓝色)显示,最后将低、中、高频的三张切片融合在一起,得到RGB色彩融合切片(图5)。

从图5可以清楚地看到,东北方向的两支河道在研究区中部交汇后形成一支河道,继续向南延伸。河道边界清晰,内部颜色丰富,颜色的变化代表频率的变化。通过钻井标定验证了河道的存在,打在主河道上的井在目的层一般为厚层砂岩(如图5中7井),打在其它地方的井多为泥岩或薄层粉砂岩(如图5中 6井)。该属性融合图很好地刻画出了水下分流河道,边界清楚,为沉积微相的研究提供了可靠的参考。

但是,进一步研究发现,打在主河道上的井并非都是油井,有一部分井虽然打在主河道上,目的层也有砂岩,但为干层或仅见少量显示(图5中9井),这说明河道内部物性有差异,存在非均质性,造成含油气性的差异。

岩石物理分析表明,有利储层在时频三原色剖面上表现为中、低频率(黄、红色),因此认为河道内部偏红、黄色的区域(低、中频区)为有利储层区;亮色区域是由于包含丰富的频率信息所致,也为有利储层区;而蓝色区域(高频区)虽然有砂岩,但物性较差,不是有利的储层。选择10口钻井进行分析验证,1井、2井、4井、5井、8井位于低频区或颜色鲜亮区域,其中1井、2井、4井为工业油井,5井和8井未出油;3井、7井、9井、10井位于高频区域,均未出油,6井没有位于主河道上,也未出油,吻合率达80%。

因此,基于匹配追踪的 RGB色彩融合属性不仅可以准确地提取频率信息,刻画河道边界,同时,丰富的频率信息对河道内部横向的非均质性变化也有一定指示作用,对后续的反演工作或井位部署具有宏观的指导意义,但这只是一种定性的表征,要详细研究储层的非均质性还需要进一步的孔隙度或渗透率等储层参数反演。

4 结论

(1)基于 Ricker子波的匹配追踪时频分析方法具有较高的时频分辨率和局部自适应性,能提取准确的时频属性。

(2)RGB色彩融合技术把时频技术得到的多个时频属性体融合在一起,突出了地质异常体,同时频率信息更加丰富,对储层内部非均质性有一定指示作用,可以帮助解释人员快速有效地寻找有利储层发育区,这是常规地震属性所不能达到的效果。

曹鉴华.2010.RGB混频显示技术及其在河道识别中的应用[J].勘探地球物理进展,33(5):355-358.

曹向阳,张金淼,韩文明,肖志波.2012.利用信息融合技术整合地震分频信号的方法及应用研究[J].CT理论与应用研究,21(4):625-633.

黄捍东,郭飞,汪佳蓓,任敦占.2012.高精度地震时频谱分解方法及应用[J].石油地球物理勘探,47(5):773-780.

马志霞,孙赞东.2010.Gabor-Morlet小波变换分频技术及其在碳酸盐岩储层预测中的应用[J].石油物探,49(1):42-53.

CAO Jian-hua.2010.RGB color blending and its application in channel recognition[J].Progress in Exploration Geophysics,33(5):355-358(in Chinese with English abstract).

CAO Xiang-yang,ZHANG Jin-miao,HAN Wen-ming,XIAO Zhi-bo.2012.Research of Using Information Fusion Technology to Integrate Seismic Decomposition Spectrum Signals and Its Application[J].CT Theory and Applications,21(4):625-633(in Chinese with English abstract).

CASTAGNA J P,SUN Sheng-jie.2003.Instantaneous spectral analysis:Detection of low-frequency shadows associated with hydrocarbons[J].The Leading Edge,2:120-127.

HUANG Han-dong,GUO Fei,WANG Jia-bei,REN Dun-zhan.2012.High precision seismic time-frequency spectrum decomposition method and its application[J].Oil Geophysical Prospecting,47(5):773-780(in Chinese with English abstract).

LIU J L.2006.Spectral decomposition and its application in mapping stratigraphy and hydrocarbons[D].Houston:Geosciences University of Houston.

MA Zhi-xia,SUN Zan-dong.2010.Spectral decomposition technique based on Gabor-Morlet wavelet transform and its application to carbonate reservoir prediction[J].Geophysical Prospecting for Petroleum,49(1):42-53(in Chinese with English abstract).

WANG Y H.2010.Multichannel matching pursuit for seismic trace decomposition[J].Geophysics,75(4):V61-V66.