基于匹配追踪谱分解的时频域favo流体识别方法-李坤.pdf

《基于匹配追踪谱分解的时频域favo流体识别方法-李坤.pdf》由会员分享，可在线阅读，更多相关《基于匹配追踪谱分解的时频域favo流体识别方法-李坤.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第37卷第6期 石 油 学 报 V0137 No62016年6月 ACTA PETROLEI SINICA June 2016文章编号：02532697(2016)06077710 DOI：107623syxb2016()6008基于匹配追踪谱分解的时频域FAVO流体识别方法李 坤1 印兴耀2 宗兆云2(1中国石油大学地球科学与技术学院 山东青岛 266580； 2海洋国家实验室海洋矿产资源评价与探测技术功能实验室 山东青岛266071)摘要：基于Morlet小波的快速动态匹配追踪高分辨率谱分解算法，对比研究了短时傅立叶变换、S变换、连续小波变换及匹配追踪WignerVille分布的时频分辨特

2、征。在此基础上，为充分利用叠前地震资料中蕴含的振幅和频率信息，将快速匹配追踪谱分解方法与体现流体因子的频变AVO(FAVO)反射特征方程相结合，并依靠匹配追踪算法的高时频分辨特性，发展高分辨率时频域FAVO直接反演方法，该方法将常规谱均衡过程构建于目标泛函中，减少了频散属性提取过程的中间环节，避免了在消除“子波叠印”时引入的累计计算误差。模型测试和实际资料处理表明，该频散属性反演方法有助于精细刻画油气藏位置，是一种可靠性较高的储层流体类型检测方法。关键词：频变AVO反演；匹配追踪；时频分辨率；频变流体因子；流体识别中图分类号：P6314 文献标识码：ATime-frequencydomain

3、FAVO fluid discrimination method based onmatching pursuit spectrum decompositionLi Kunl Yin Xingya02 Zong Zhaoyun2(1School of Geosciences，China University of Petroleum，Shandong Qingdao 266580，China；2。Laboratory for MarineMineral Resources，Qingdao National Laboratory for Marine Science and Technology

4、，Shandong Qingdao 266071，China)Abstracl：A study is performed on the rapid dynamic matching pursuit algorithm with high resolution spectrum decomposition basedon Morlet wavelet，while a comparison is conducted on the time-frequency resolution characteristics of shorttime Fourier transform，S transform。

5、continuous wavelet transform and matching pursuit WignerVille distributionOn this basis，rapid matching pursuitspectrum decomposition method is used in combination with the reflection characteristic equation of frequencydependent AVO(FAVO)displaying fluid factor，SO as to make full use of the amplitud

6、e and frequency information in prestack seismic dataThen，thetimefrequencydomain FAVO direct inversion method with high resolution is developed depending on the high timefrequency resolution property of matching pursuit algorithmIn this method，the conventional spectral balancing process is built in o

7、bjective functional，so as to reduce the intermediate links of dispersion attribute extraction process and avoid the accumulated calculation errors introduced in the process of eliminating“wavelet superimposition”Model tests and actual data processing demonstrate that such dispersion attribute invers

8、ion method is helpful tO precisely describe the positions of hydrocarbon reservoir，and identified as a highly reliable method for determining reservoir fluid typeKey words：FAVO inversion；matching pursuit；time-frequency resolution；frequency dependent fluid factors；fluid discrimination引用：李坤，印兴耀，宗兆云基于匹

9、配追踪谱分解的时频域FAVO流体识别方法EJ石油学报，2016，37(6)：777786，C ite：Li Kun，Yin Xingyao，Zong ZhaoyunTimefrequencydomain FAVO fluid discrimination method based on matching pursuitspectrum decompositionJActa Petrolei Sinica，2016，37(6)：777786地震信号在地下复杂介质传播过程中，信号的频率统计特性是随时间发生变化的，即地震信号本身是一种非平稳或时变信号，为了更有效地揭示地震数据中所包含的时间和频率信息

10、，国内外发展了很多针对非平稳地震信号的时频分析方法，如短时傅立叶变换(STFT)、连续小波变换(CWT)、S变换(ST)、WignerVille分布(WVD)、匹配追踪时频表征(MP)等，相关技术已经广泛应用于地震资料精细解释、薄层厚度估计以及储层流体检测等。1。目前在众多谱分解算法中匹配追踪谱分解算法的时频分辨率最高，Marfurt等33最早提出了基于Gabor型时频原子的经典匹配追踪自适应分解算法。针对匹配追踪算法巨大计算量的问题，国内外学者提出了大量快速算法，逐渐由贪婪算法过渡到快速动态算基金项目：国家自然科学基金(石油化工联合基金)重点项目(NoU1 562215)和国家重点基础研究发

11、展计划(973)项目(2013CB228604)资助。第一作者及通信作者：李坤，男，1989年11月生，2013年获中国石油大学(华东)学士学位，现为中国石油大学(华东)硕士研究生，主要从事地球物理反演理论与方法在油气勘探领域的研究。Email：likunupc126com万方数据778 石 油 学 报 2016年第37卷法n。7。此外，张繁昌等睛。提出了基于Morlet小波字典的复数域双参数快速匹配追踪算法，进而减小了动态匹配搜索参数的个数，提高了计算效率。地震信号在地下复杂介质传播过程中通常会发生速度频散和能量衰减现象，这种特性在含烃储层中变得尤为突出。为了充分利用地震波衰减和频散属性进行

12、储层特征描述，wilson等一3联合瞬时谱分解与SmithGidlow反射特征方程，提出了频变AVO反演方法；Wu等u”一基于平滑伪WignerVille分布(SPWVD)算法实现了频变AV0(FAVO)反演方法，并且将该方法应用到实际地震资料处理中；张世鑫等。研究了基于叠后反演的纵波速度频散属性计算方法，并依据Shuey近似公式提出了纵波速度频散梯度的概念。此外，在反演策略上，郝前勇等口纠发展了时间域多尺度FAVO(频变AVO)反演方法；Zhang等口314提出了流体敏感的频变流体因子的概念口5。，并基于Russell近似公式研究了时间域多尺度FAVO频变流体因子提取方法。笔者在前人研究的基

13、础上，将联合匹配追踪高分辨率谱分解方法和流体因子FAVO反射特征方程，推导时频域FAVO直接反演目标方程，并且将谱均衡过程构建于反演目标方程中，减少了频散属性反演过程的中间环节，避免选取弹性标准层时引入的人为误差，进而削弱谱均衡过程对频变流体因子提取造成的累计误差。此外，为更好地刻画油气藏的边界范围，研究了高分辨率动态匹配追踪谱分解算法，并通过理论模型对比其与经典时频分析方法的时频分辨率特征。研究表明，匹配追踪WignerVille分布实现信号的自适应分解，继承WignerVille分布高时频聚集能力的优势，并且有效地解决WignerVille分布交叉项干扰(CII)的问题。为了验证匹配追踪高

14、分辨率时频域FAV()直接反演方法的可靠性，分别对一维和二维地震模型进行试算，结果表明，该方法有助于精确刻画油气藏边界，提高储层流体识别的精度。将该方法应用于实际地震资料处理，频变流体因子反演结果与测井综合解释结果有较高的一致性，验证了本方法的可行性与实用性。1 基于匹配追踪谱分解的频变AVO反演方法11基于Morlet小波的匹配追踪谱分解原理匹配追踪算法将信号在超完备时频原子库(字典)中进行分解，将地震信号自适应地表示为匹配原子的线性组合形式口。j。其中，原子库是由一系列时频原子组成的完备集合，时频原子是通过对窗函数做伸缩变换(频率调制)、时移以及相位调制得到的。常用的时频原子为高斯类时频原

15、子，但在实际信号处理中，创建超完备子波库所使用的基本子波与原信号越相似，则分解效果越好。Morlet等口”3引入了Morlet小波，由于Morlet小波与地震信号具有较好的相似性21。，因此可以利用Morlet小波作为母小波创建子波字典。根据小波字典的创建过程，Morlet小波字典中的时频原子m，(f)可以表述为：m，()一f些1”七。xp一In2：(一“)：、 7【 expi27【02(t一甜)+p) (1)超完备时频原子库D可以表示为：D一m，()一m州()yr (2)非平稳地震信号s()可以表示为匹配原子的线性展开式：Ms()一2janm(“，9)+N。，my。(“，叫，9)D=I(3)

16、经典匹配追踪算法核心是迭代的全局寻优贪婪算法，即估计信号s()在字典D中元素上的投影从而实现迭代分解，并通过设置合理的迭代次数或终止阈值，实现对原始信号进行重构。令原子m，D，则地震信号s()可以被分解为沿m，方向以及垂直方向的分量之和：s()一(S，my，)my+R1 S (4)现假设经过了N次迭代映射，获得残差信号为RS，则第N+1次迭代算法具体为：RNS一(RNs，mh+1)mh+R N-1 S (5)因此，可通过求解内积(Rs，m，。的最大值，逐次搜索出与原信号s()统计特性最相似的时频原子。全局最优搜索方式(GOS)会不惜将庞大的时频字典D中所有原子搜索一遍。针对匹配追踪算法巨大计算

17、量的问题，首先考虑对时频字典中时间参数D的约束，多原子局部最优搜索方式即是将每次迭代过程限制在多个时间位置附近，即残差信号瞬时振幅达到某个阈值范围的时间点对应时频搜索的中心781；其次，由于在匹配追踪之前的原始信号在任意时刻的瞬时频率和瞬时相位等先验信息皆给出了此时间点比较准确的频率和相位特征口“2，从而进一步限制了频率和相位的匹配范围。因此，快速匹配追踪算法的参数搜索方式可表示为：y，。一，U叫()，咒，9U妒()，&，一(tA(。)=maxA(t) (6)A()、叫()和妒()3个原子参数均可在其搜索领域内进行搜索寻优，相比全局贪婪搜索方式大大提高了计万方数据第5期 李坤等：基于匹配追踪谱

18、分解的时频域FAVO流体识别方法算效率。由于WVD具有最高的时频分辨率，且建立在匹配追踪算法将非平稳地震信号分解为一系列时频原子线性组合的基础上，从而地震信号的时频能量谱W，(，叫)可以表示为匹配原子WVD的叠加形式：MWf(，)=：a2WVD-mL(，(cJ) (7)H=l匹配追踪WignerVille(MP-WVD)时频表征方法由于不涉及到窗函数的概念，因此不存在时频分辨率矛盾的问题，并且有效地解决WVD交叉项干扰(CII)问题。为验证基于Morlet小波动态匹配追踪WVD时频表征方法的应用效果，设计了由11个Morlet小波组成的一维理论信号，如图1(a)中蓝线所示，动态匹配追踪算法搜索

19、结果见图1(b)一图1(d)，图1(a)中红色虚线为匹配追踪(MP)重构信号。此外，为研究匹配追踪算法的时频分辨特性，对比分析了短时傅立叶变换(STFT)、S变换(ST)、连续小波变换(CWT)以及MPWVD的时频谱计算结果(图2)。由图2可见，MPWVD时频谱的时频分辨率远远优于常规时频分析方法，该方法的时频能量聚集能力最强，可以清晰地对原子时间和频率信息进行定位，为高分辨率时频域FAVO直接反演奠定了数据基础。12频变AVO反演原理(FAVO)Zhang等3基于中观尺度White模型分析了各弹性参数因孔隙所含流体类型不同引起的频散程度差异大小，研究表明，Gassmann流体项相比其他弹性参

20、数的频变现象更加明显。Russell等陋1研究了孔隙介质的AVO理论，提出了利用Gassmann流体项表示的Zoeppritz方程近似式：Rpp口)一A(曰)竽+B(口)等+c(曰)垒P(8)其中，们，=(一丧)secz曰鲫)一袭Sec2口一2才i“2曰 (9)c一丢一学由于地震波在含流体介质中传播时会发生频散现象，其中密度项不随频率的变化而变化，因此可以将上式扩展为：时间8(a)原始信号时间，8(b)第1次迭代时间8(C)第2次迭代时间，s(d)第3次迭代图1 动态匹配追踪算法搜索结果Fig1 Searching results of dynamic matching pursuit alg

21、orithm万方数据OO204宣06b081O12频率，Hz0 20 40 60 80 100时频谱(a)STFT时频谱频率Hz0 20 40 60 80 1000O204厘O6翟O81012O0204厘06O810122016年第37卷频率Hz0 20 40 60 80 100(b)S变换时频率频率，Hz0 20 40 60 80 100(c)CWT时频谱 (d)MPWVD时频谱图2不同时频分析方法得到的时频谱对比Fig2 Estimated time-frequency spectrums with different time-frequency analysis methodsR，(f

22、，0，(cJ)：A(臼)掣(f，)+B(口)垒(，c，)+C(臼)垒() (10)芦 P假设已知地震波的主频为，且令劬，作为参考频率，则将上式在参考频率处线性泰勒展开，得到：R。(f，0，甜)A(曰)竽(，)+(go-go，)A(口)D，+B(曰)坐(，(t，。，)+(一(cJ。)B(臼)D。+C(口)AP(t)(1 1)其中，耻(竽) ，D，=旦dgo俾II 1为进一步明确地震波频散的意义，将上式重新整理得到：Rpp(，臼，)Rpp(f，目，(饥，)+a(t，口，go) (13)假设弹性层情况下R。(，口，oa)=R，。(，臼，蛳，)；则对应频率处的频散程度大小a(，臼，co)为：a(t，曰

23、，go)=(oJ一。)A(O)Df+(go一)B(口)D。(14)考虑Robinson褶积模型2 3I，即自激自收的地震波场5()相当于子波锄(f)与地层反射系数的褶积，其对应时频域的表达式为：S(t，0，go)W(f，0，叫)R。(t，0，co)+N。(t，0，go)(15)此外，考虑地震波的频散效应，将式(1 1)代人式(15)，得到：S(t，曰，go)W(t，口，co)Rpp(f，臼，03()+口(t，0，go)】+N。(t，0，co) (16)上式在频率为叫，和03。时的表达式为：S(t，口，。)W(t，臼，(cJ。)R。(，臼，11)+N。(t，0，叫(，)(17)S(t，占，ccJ

24、，)W(，0，)Rpp(，0，l)+a(t，口，COj)+N。(t，口，(，) (18)为了更加简单直观地说明式(18)所阐述的频变AVO反演主要原理，图3展示式(18)包含的4个主要部分，分别为频变叠前地震道集的时频谱S(t，0，鲫，)图3(a)、地震子波频谱W(O，。)(图3(b)、反射系数的时频谱R，。(，0，)图3(c)以及含流体介质引起的局部频散效应a(t，0，)图3(d)。通过式(18)Xw(t，臼，)一式(17)XW(t，口，09，)可得：W(t，0，I)S(t，0，(cJ，)一W(t，0，cU，)Js(t，0，叫11)一W(t，0，。)W(t，0，i)a(t，0，叫，) (19

25、)假设在具有N，个采样点、2个人射角度、K个频率的情况下，式(19)以矩阵形式表示为：一n_喘n_愀1一O2468020O0Oll之匡鲁万方数据第6期 李坤等：基于匹配追踪谱分解的时频域FAVO流体识别方法 781。俐S一吲g州岛一w!熨：W第；一WS笛俐姘一孵g悱IJ2，一W暑_s刍哪Id，Kw箬s笛俐W：趔A：州哦趔越畔W鼻心A；俐孵舻A；：畔W暑舻廓：啡w爹址彤A#训W趔矧川w!趔斟啡w；趔磷俐W；舻胼衅W刍腰磷W皇W参矿Bg(20)为了简洁且适合讨论反演问题，将式(20)改写成矩阵表达形式：(a)S(f，p，m)频率，Hz时频谱一高SG。fIDr (21)tD。J本文在贝叶斯参数估计理

26、论框架下16。1 7|，利用基于Cauchy约束的贝叶斯FAVO反演方法求解上述反演方程，便可得到每个采样点处频变流体因子D。()、频变剪切模型D。()，令，m=EDf D。1则目标泛函F(m)可以表示为：NsF(m)一(Canls)7(CanlS)+2a=oln(1+m2，盯。2)l=1(22)针对上述弱非线性目标泛函最优化问题本文选用反复重加权最,b-乘方法(IRLS)求解。频率Hz(b)w(t，0，m)频率Hz(c)Rp，(fO,eo) (d)4(r，0，。)图3 时频域FA、0直接反演原理示意Fig3 Frequency-dependent AVO inversion in time-

27、frequency domain2模型试算为了验证基于MPWVD的高分辨率时频域FAVO直接反演的可行性与稳定性，分别进行一维和二维地震模型试算，此外，笔者详细分析不同谱分解方法在FAVO直接反演中的反演效果以及地层分辨率特点，从而进一步确认MPWVD方法在高分辨率时频域联合反演中的有效性。21一维模型试算采用一维过井旁道地震数据开展FAVO直接反演，如图4(a)一图4(c)所示为叠前部分角度叠加道集，图4(d)为叠前小角度地震数据的MP-WVD时频分析结果，红色矩形框指示区域为实际含油气储层发育位置。已知地震子波峰值频率在42 Hz，对比图4(d)中从浅层到深层的时频谱能量分布得出，含油气储

28、层发育位置存在相对明显的低频能量异常现象，瞬时频率在30 Hz附近，整体频率大小向低频方向移动。然而含水层(11S附近)以及其他非储层位置的频率特征却基本保持一致，没有明显的频率差异特征。根据上述构建的FAVO直接反演方程，将地震子波的频率域响应直接融合到反演目标方程中，进而提取高分辨率频变流体因子D r，如图5所示。图5(a)为基于高分辨率MPWVD方法得到的小角度叠前地震道集的单频瞬时谱分量，分析得到，油气藏位置不仅仅万方数据782 石 油 学 报 2016年第37卷表现为明显的“亮点”型振幅异常特征，而且存在相对较强的频变现象。图5(b)一图5(d)分别为利用MPWVD算法、CWT、ST

29、FT得到的归一化FAVO反演结果，可以看到，基于匹配追踪算法得到的频变流体因子属性的时间分辨率最高，可以有效地识别出油气藏位置。然而由于CWT、STFT本身时频分辨能力的限制，导致频变属性的时间域宽度增大，进而引起含油气储层边界的分辨能力降低。(a)小角度12。 (b)中角度21。 (c)大角度30。频率，Hz0 50 100时频谱地震数据 地震数据 地震数据图4 叠前部分角度叠加地震道集及MPWVD时频分析结果Fig4 Prtstack angle seismic gathers and the result with MP time-frequency analysis有利11储层i一瞬时

30、谱 频散程度D，l 2 3 4 0 05 10高低频散程度D， 频散程度D，0 05 10 0 05 1 0r_1 10r(a)MP单频瞬时谱分量 (b)MPFAVO (C)CWTFAVO (d)STFTFAVO反演结果 反演结果 反演结果图5 基于不同谱分解算法得到的一维时频域反演结果Fig5 Estimated frequency-dependent attributes based on different spectral decomposition algorithms22二维模型试算为了进一步验证该方法的可行性和反演结果的稳定性，针对HampsonRussell软件中抽取的二维叠前

31、地震道集进行了FAVO反演方法试处理。如图6(a)所示小角度叠加地震剖面，横向上共选取131道，纵向上共175个采样点，采样间隔为2ms，虚线所示位置为过气藏测井位置，椭圆形区域为典型的“亮点”型气藏位置。首先依据地震数据开展MP高分辨率时频分析，并结合地震子波的频率域特征，进而确定FAVO反演所需的“优势频率段”信息，然后基于谱分解方法将地震数据分解为不同频率的单频瞬时谱分量信息。如图6(b)、图6(c)和图6(d)为利用不同谱分解方法反演得到的二维频变流体因子剖面，图中粉色箭头指示气藏位置，对比MP算法、S变换以及CWT反演结果可以看出，MP算法的气藏分辨率最高，有助于刻画气23ll屋莒万

32、方数据第6期 李 士叶I等：基于pt配追踪谱分解的时频域FAVO流体识别力法1501 250厘翟350450(a)小角度叠加地震道集地震道260 290 320 350 380低150目250匿o 350450150。250昌厘鲁350450地震道260 290 320 350 380(b)MPFAVO反演结果地震道260 290 320 350 380D高低Df高低(c)STFAVO反演结果 d)CWT-FAVO反演结果图6基于不同谱分解算法得到的时频域反演结果Fig6 Estimated results of frequency-dependent fluid factors based

33、on different spectral decomposition algorithms藏的边界位置，提高对含气圈闭识别的精度。分析ST和CWT的反演剖面图6(c)、图6(d)可知，ST和CWT反演分辨率相似，并且在气藏下方蓝色箭头所示区域存在大量虚假亮点的干扰，可能是由于ST和CwT时频分辨率的局限性引起时间和频率定位不准确，导致频变流体因子反演结果出现能量异常高值。3实际资料处理为了进一步验证本方法的实效性，联合匹配追踪谱分解方法对中国东部济阳坳陷勘探工区的实际资料开展时频域FAVO直接反演方法应用研究，并且通过与测井解释结果进行比较，进一步说明频变流体因子在储层流体性质直接检测方面的

34、特点。工区内目的层为新近系河流相沉积储层，河道砂发育，属高孔高渗的典型复式油气聚集区。图7为从工区内抽取的过A井、B井的叠前小角度部分叠加地震数据连井线剖面，测试数据共有252个CDP道集，纵向上201个时间采样点，采样频率为500 Hz，其中A、B井在储层位置处均表现出较强的反射同相轴。根据测井解释结果可知A井在116117 S位置解释为含油储层，而B井在122123 S位置却解释为含水储层。考虑到仅仅利用地震振幅信息进行流体检测可能存在多解性，需联合振幅和频率特征进行频变AVO反演提取频变流体因子，以消除流体识别假象。首先分析地震数据的时频域响应特征，确定频变AV0反演中的所需的优势频率成

35、分。通过对A井和B井井旁道小角度地震数据进行MPWVD时频分析，得到井旁道油藏位置与水藏位置瞬时谱对比结果(图8)。地震数据在非油藏位置处的主频为38 Uz图8(a)，而油藏位置处的主频比非油藏处主频偏低，降低至32 Hz左右，然而含水储层位置处却没有明显的频率异常现象图8(b)，因此说明频率异常特性具有区分储层含流体性质的潜力。地震道10 50 100 150 200 25011。 12厘富1314墨 二三二j； 。一、I：一、-、 耳之，一。二1二-一= 一 一一、。t、 ，7一、一产一 一-、 、 io、f：l一 一 I+、_、 一k。、，、 一，一 、 一、， 飞、_：h、一一-小角度

36、地震峨0-2 0004 000图7 过A井、B井的叠前小角度叠加地震道集及测井解释结果(测井解释：红色表尔油藏，蓝色表示水藏)Fig7 Pre-stack near-angle profiles with two known wells Aand B including logging interpretation results高D万方数据fi 油 学 报 2016年第37卷按馨蜷莲皿频率Hz(a)过A井地震道油藏位置瞬时谱频率Hz(b)过B井地震道油藏位置l嘲对谱图8 井旁道小角度地震数据油藏位置与水藏位置瞬时谱对比结果Fig8 Comparison of instantaneous sp

37、ectrum of borehole-sidegathers at the location of oil with water reservoir选取32 Hz为最优参考频率，并利用MP-WVD高分辨率谱分解方法对小角度部分叠加地震数据提取10 Hz、20 Hz、30 Hz、40 Hz、50 Hz的单频瞬时谱分量，部分单频分量如图9所示，其中红色实线椭圆区域为油层位置，虚线椭圆区域为含水层位置。通过比较油层和水层位置的优势能量范围的差异，可以直接提取30 Hz的单频剖面图9(b)，含油储层的能量明显高于含水储层，进而一定程度上减弱了含水储层位置的强反射影响，但剖面中仍然存在很多虚假亮点的干扰

38、，对流体识别的有效性造成干扰。A井频变流体因子的异常区域与测井综合解释结果保持较高的一致性，同样B井在含水储层位置没有明显的频变流体因子异常现象(图10)，分析其原因是由于含油储层造成的频散现象要强于含水储层。相对频变流体因子D r反演结果来看，由于地震波在含烃储层中传播时，剪切模量肚随着频率的变化情况不明显。因此，在频变剪切模量D。剖面中，A井含油储层和B井含水储层位置皆没有出现频变异常现象。总体上讲，频变流体因子一定程度上降低了流体检测的多解性，具有储层流体性质直接检测的潜力。但频变流体因子反演剖面中在非含烃区域仍然存在一些微弱的干扰。究其原因，是由于引起地震波频散现象的因素有很多，如非含

39、烃低Q值地层的影响、薄层调谐效应以及地震数据处理中人为因素的干扰。11m 12口翟1314地震道lOO 150 200 250(a)20Hz单频剖面地震道10 50 100 150 200 250ll、12遥留1314(b)30Hz单频剖面地震道10 50 100 150 200 2501112厘莒1314(c)40Hz单频剖面地震道l，0 50 100 150 200 25011m 12、厘鲁1314瞬时谱20Hz一高墨瞬时谱30Hz。高囊瞬时谱40Hz。高曩瞬时谱50Hz一高墨(d)50Hz单频剖面图9叠前小角度地震数据单频瞬时谱分量剖面Fig9 lso-frequency instant

40、aneous spectrums of pre-stacknearangle seismic gathers万方数据第6期 李坤等：基于匹配追踪谱分解的时频域FAVO流体识别方法 78511*12、匡富1314l1之12匡譬1314地震道100 150 200 250(a)频变流体因子D。剖面地震道10 50 100 150 200 250 频变剪切模量D。1。07|04(b)频变剪切模量D。剖面图10 基于=P、。、D高分辨率时频域FA$O直接反演结果Fig10 Estimated parameters of high-resolution FAVO reversionbased on MP

41、-WVD spectral algorithms4结论(1)针对非平稳地震信号的时频分析方法主要包括3类：线性时频表示方法，如STFT、CWT、ST等；非线性时频分布方法，如Wigner-Ville分布与Cohen类分布等；匹配追踪时频表征方法(MP)以及反演谱分解算法(ISD)等。理论测试表明，MPWVD谱分解方法的时频聚集能力最强，具有最高的时频分辨率。(2)高分辨率时频域FAVO直接反演方法将谱均衡过程构建于反演目标方程中，减少了频散属性提取过程的中间环节，避免了在消除“子波叠印”时引入的累计误差。实际资料处理表明，将MPWVD高分辨率谱分解算法应用于时频域FAVO直接反演中，有助于提高

42、油气储层的边界识别能力，并且该方法充分利用了地震响应的振幅和频率信息，可以有效地检测出储层含流体类型，进一步降低勘探风险。(3)引起频率和振幅异常现象的机制有很多，如低Q值(非含烃因素)地层引起的固有衰减及频散、薄层调谐效应、人为处理因素等。因此，为消除频变“虚假亮点”干扰导致的储层流体识别的多解性，需综合利用地质、测井以及钻井信息。制因子，一时间序列，S；D一完备时频原子库；r一根据原信号的时间、频率以及相位特征所建立的原子参数的集合；S(t)一非平稳地震信号；a。一原子振幅；N。一噪声干扰，M一匹配结果中所包含的原子数目；Rs一第一次投影近似后的残差信号；RNs一第N次投影近似后的残差信号

43、；()一内积运算符；(S，m，)一原始信号s(f)与时频原子m，的内积；以一匹配追踪快速搜索算法的参数搜索方式，一逐次迭代的最大振幅位置；U()，既一以瞬时频率为中心的频率搜索邻域，既为频率搜索半径，Hz；U妒()，瓯一以瞬时相位为中心的相位搜索邻域，&为相位搜索半径；A()一原信号的瞬时振幅；()一原信号的瞬时频率，Hz；P(f)一原信号的瞬时相位；Wf(t，训)一匹配追踪WignerVille时频谱；Rpp(t，口)-Gassmann流体项表征的Zoeppritz方程纵波反射近似式(Russell近似公式)；托，一干岩石纵横波速度比的平方；磋。一含流体岩石的纵横波速度比的平方；，一Gass

44、mann流体项，Pa；卢一剪切模量，Pa；ID一密度，kgm3；卜平面纵波入射角，o)；一地震参考频率，Hz；D，一频变流体因子；D。一频变剪切模量；D，一频变流体因子列向量；D。一频变剪切模量列向量；R。，(，曰煳，)一参考频率下的纵波反射系数；R。(t，0，co)一任意频率60对应的纵波反射系数；口(t，臼，)一频率处的频散程度大小；S(t，口，)一叠前地震道集的时频谱矩阵；w(，目，叫)一地震子波频谱矩阵；R。(t，0，)一频变反射系数时频谱矩阵；a(，0，cJ)一频散属性的时频谱矩阵；N。(t，0，)一随机噪声时频谱向量；Js(，臼，cc，i)一叫i频率位置对应的叠前地震时频谱矩阵；W

45、(t，0，。)一，频率位置对应的地震子波频谱矩阵；R，(，0，60。)一参考频率对应反射系数时频谱矩阵；60。i。一地震频带的最小频率，Hz；cc，。一地震频带的最大频率，Hz；train一最小时间深度，S；tmax一最大时间深度，S；Js：一频率03在第J入射角对应单频瞬时振幅向量，i=1，2，K；歹=1，2，P；w：一第J人射角对应子波在频率处的振幅谱矩阵；AF一频率i与频率之差组成的对角线矩阵；A：，B：Russell地震反射近似公式系数矩阵；m一待反演模型参数向量，由频变流体因子和频变剪切模量组成，m=ED，D。T；s一参考频率030处不同频率的瞬时谱差异向量；G时频域FAVO正演矩阵

46、；F(m)一FAVO反演目标泛函；叮。一噪声时频谱向量的均方差；盯。一频变属性向量m的均方差；m，为待反演模型参数采样点。符号注释：m，()一Morlet小波字典中的时频原子；y一时频原子控制参数，y=(p，叫，P)，户为时频原子 参考文献中心时间延迟，S，为地震频率调制，Hz，舻为相位调 1邓继新，HanDehua，-F尚旭基于正演模型的储层谱分解响应特流子mm觳姻B_u万方数据786 石 油 学 报 2016年第37卷21334IS61718911011121征分析J1石油学报，2008，29(4)：539543Deng Jixin，Han Dehua，Wang ShangxuAnalys

47、is on spectral decomposition response of reservoir based oil forward modelingJActa Petrolei Sinica，2008，29(4)：539543黄捍东，向坤，王彦超，等匹配追踪法在碳酸盐岩流体检测中的应用以哈萨克斯坦楚一萨雷苏盆地为例J石油学报，2015，36(增刊2)：184193Huang HandongXiang Kun，Wang Yanchao，et a1Applicationof matching pursuit method for detection of fluid in carbonaterock：a case study from ChuSarysu Basin in KazakhstanJActaPetrolei Sinica，201 5，36(Supplement 2)：184193Mallat S G，Zhang ZhifengMatching pursuits with timefrequency dictionariesJIEEE Transactions on Signal Processing，1993，41(12)：3397341 5Liu Jianlei，Wu Yafei，H