三维地震数据体层面自动追踪

三维地震数据体层面自动追踪

宋,佳1

(1.陕西省土地工程建设集团有限责任公司，陕西 西安 710075)

摘  要：针对三维地震数据体层面识别困难的问题，本文以余弦相似性定理为基础，改进同相轴追踪算法，根据三个原则和搜索半径算法建立三维数据体的地震层面追踪模型，有效地拾取出地震层面。研究表明改进同相轴追踪算法可以自动追踪多个地震层面，提高了地震层面追踪效率。

关键词：三维数据体；地震层面；层面自动追踪；余弦相似性；同相轴追踪

中图分类号：U631       文献标志码：A

3D Seismic Data Volume Level Automatic Tracking

SONG Jia1

(1. Shaanxi Provincial Land Engineering Construction Group Co.，Ltd，Xi’an，710075，Shanxi，China)

Abstract: Aiming at the difficulty of identifying the level of 3D seismic data volume, this paper improves the event tracking algorithm based on the cosine similarity theorem, establishes a seismic level tracking model for 3D data volume according to three principles and the search radius algorithm, and effectively picks out the seismic level . The research shows that the improved event tracking algorithm can automatically track multiple seismic layers and improve the tracking efficiency of seismic layers.

Keywords: 3D data volume; seismic slices; slice automatic tracking; cosine similarity; event tracking

1  引 言

石油在工业发展中有着至关重要的地位，起着决定性的作用，我国经济迅猛发展的同时，石油天然气的勘探及开发有着重要的地位，需要在这方面深入研究。寻找石油的方法有：地质勘探，地球化学，地球物理和钻井勘探四种方法[1]。三维地震勘探技术因其方便快捷的优点而使用较多。地震勘探方面的野外作业工程师通过反褶积、道均衡、抽取共中心点道集、切除和偏移等数学物理处理后，将采集地震数据变成三维地震数据体[2]。因此，三维地震数据体可以看成是勘探区域的一个“全息照片”。地震资料解释这一环节在地震勘探工程中是特别重要的一个阶段，这一工作中一个关键技术就是地震层位的追踪，追踪的方法越好，追踪得越精确，对于地震资料的解释就越好，效率就越高，对于油气储层的识别精度就越高。

目前的地震层位追踪方法一般是由地震层位解释人员手动完成的。人工方法是在二维地震剖面上，利用波形相似性，手动追踪同相轴，进而得到地层界面，再将层位线进行插值得到层位面。人工层位追踪费时费力，严重影响地震勘探的效率。为了提升效率和可靠性，研究人员开始加大对自动追踪技术的更深入的研究。层位自动追踪法即在地震道上寻找特征相似的“种子点”，搜索种子点的特征，满足条件后再对下一区域搜索，如此反复，最后得到地层构造信息，但是对于复杂层面此方法仍有不足[3]。

本文以余弦相似性算法为基础，根据三条路径原则和搜索半径算法提出一种改进的三维数据体地震层面的方法，可以高效拾取地震层面。

2  改进余弦相似法

地下地层介质具有局部区域内的连续性和稳定性，再结合文献，追踪同相轴时所遵循的准则[4]：同相性准则、能量性准则和波形相似性准则。根据同相轴三个特性建立地层自动追踪模型，选取一个同相轴连续性较好的地震时间剖面，进行同相轴追踪，以插值曲线上的点为基础，垂直搜索地震时间剖面上同一层面的点，即追踪到一个地震层面，如图1所示。

图1 同相轴追踪示意图

2.1 地震层面自动追踪模型的建立

本文在追踪同相轴时，为了实现更加简便快速的追踪，将波峰和波谷分开追踪，以反射波峰值或峰谷所对应的时间反映同相轴的同相性准则，以反射波振幅正面积或负面积反映同相轴的能量性准则，以反射波的视周期和视振幅反映同相轴的波形相似准则，如图2所示。利用余弦相似性定理[5]，根据四个变量构建弹性波相似系数：

       (1)

式中，，表示前一条地震道上的反射波特征参数，表示后一条地震上的反射波特征参数，相似系数表示了相邻两条地震道上单个波峰或波谷反射波特征向量的偏差程度，相似系数越大表明偏差程度越小，同相轴的可能性越大。

对每条地震道进行三次样条插值，选取每条地震道曲线导数所对应的时间为；对单个波峰或波谷进行复合辛普森数值积分，将积分结果作为该波峰或波谷面积的取值；以单个波峰或波谷零点之间时间距离的2倍作为该波峰或波谷视周期的取值；以单个波峰或波谷的值作为视振幅的值，如图2所示。

图2 反射波映射示意图

（图中黑色虚线为前一条反射波波峰在后一条地震道上的映射）

2.2 三条路径原则

无论是纵断面同相轴追踪还是横断面同相轴追踪，两个相邻地震道之间都会遇到下列三种情况之一：

（1）前一条地震道的波峰数或波谷数大于后一条的数目；

（2）前一条地震道的波峰数或波谷数等于后一条的数目；

（3）前一条地震道的波峰数或波谷数小于后一条的数目；

当遇到第一种情况时，同相轴数目会减少，意味着前一条地震道传播到后一条地震道时，已经到达某一地震层面的边缘，此时本文遵循减少路径原则，即在以后的同相轴追踪过程中，只追踪基于后一条地震道波峰或波谷基础上的同相轴；当遇到第二种情况时，同相轴数目没有改变，意味着前一条地震道传播到后一条地震道的过程中每一个地震层面都在连续传播，此时本文遵循相等路径原则，即前一条地震道上的同相轴一定可以传播到后一条地震道上，在以后的同相轴追踪过程中，同相轴的数目不发生变化；当遇到第三种情况时，同相轴数目会增加，意味着前一条地震道传播到后一条地震道时，有新的同相轴产生，此时本文遵循增加路径原则，即在以后的同相轴追踪过程中，也将对新产生的同相轴进行追踪，如图3所示。

图3 相邻地震道之间三种情况

2.3 确定搜索半径

此外，为避免在同相轴追踪过程出现跃层情况，还应对同一条同相轴的追踪范围进行一定的约束，约束范围取为|x1-y1|3的函数。对此，以搜索半径分别取0.25x3、0.5x3和0.75x3对第51个纵剖面进行波峰同相轴追踪，其结果如下图4所示，可见以0.5倍视周期进行同相轴追踪时，可以追踪到更多数量的同相轴。此外，以0.75倍视周期进行同相轴追踪时已经出现跃层现象。因此，其相邻两条地震道上的同相轴在纵向时间上的偏差不应超过所对应波峰或波谷的半个视周期，即搜索半径为波峰或波谷的半个视周期。

(a)

(b)

(c)

图4 不同搜索半径同相轴追踪结果

3  地震层面追踪模型结果

本文以数据SwSeg.inl(201*201*201的三维数据体)进行层面追踪，为方便运算，重新建立坐标系，以时间间隔数为纵坐标，以测点数为横坐标，运用软件编写程序，选取同相轴连续性较好的第51个纵剖面为第一个同相轴追踪面，以第一条地震道上的波峰和波谷作为同相轴的第一个传播点，在半个视周期范围内，选取相邻地震道上反射波的相似度系数最大的波峰或波谷作为同相轴下一个传播点，依次追踪该地震时间剖面上的地震道，其同相轴追踪结果与实际数据具有较好的吻合，如图5。

（a）

(b)

（c）

图5 第51个纵剖面同相轴搜索结果对比

由于第51个纵剖面将其他横剖面截开，因此，在进行某一横剖面同相轴追踪时，每个横剖面都要分两次同相轴追踪，本文选取第51个纵剖面上贯通性较好的同相轴，以这些同相轴上的点为基础先对第51个纵剖面右边的横剖面部分进行同相轴追踪，然后再追踪其左边的部分，以第18个横剖面同相轴追踪为例，其追踪结果如图6。

图6 第18个横剖面波峰同相轴追踪

根据三维数据体格式(201*201*201)，本文一共进行了2次纵剖面同相轴追踪（波峰和波谷各一次）和804次横剖面同相轴追踪（波峰和波谷各402次，一个横剖面进行两次同相轴追踪）。经过数据分析，发现在测线点纵剖面第40点到第138点之间，横剖面第1点到第8点之间的矩形区域内地震时间剖面反射波振幅恒为0，认为其为一个竖直矩形井结构，即该地区不存在地震层面，因此在进行地震层面追踪时，忽略该地区的地震层面追踪。将同一层面上的同相轴即共点的同相轴组合到一起便得到了一个地震层面，将各个地震层面组合到一起便得到了一个地层，本文同相轴地震层面共追踪到7个层面，追踪结果如下图7所示。

（a）

（b）

（c）

（d）

（e）

（f）

（g）

图7 反射波同相轴地震层面

4  地震层面追踪模型验证

为验证模型的实用性，以第18个横剖面波峰同相轴追踪为例，其追踪结果如下图8所示，经过地震层面自动追踪模型追踪到的同相轴与实际数据基本吻合，特别是当地层连续性较好时。但在时间间隔数边缘的同相轴追踪效果较差，下图中在时间间隔数大于160的地层部分基本不存在同相轴，而实际上至少存在3条波峰同相轴，因此还需要对算法进行优化。

（a）

（b）

图8 第18个横剖面波峰同相轴追踪对比

5  同相轴错断连接

在现有的地震层位追踪方法中，地震信号的分析是其中的重点，而同相轴的识别和追踪更是其中的重中之重。而同相轴的错断也标志了地层不整合现象出现的可能性，即断层、河道或碎裂带出现的可能性。地震数据连续性较差时，如何有效拾取地震层面成为目前的难点问题。

根据查阅文献可知，在时间剖面上，反射层同相轴上下两侧的波形数据表征了地震层位的地质信息，提取出地震剖面的同相轴就可以实现地震层面追踪。地下地层介质由于出现不整合现象（断层、河道和碎裂带），导致数据连续性较差的问题，这会严重影响地震层面的拾取。要解决此问题，需要实现地层不整合时两侧层位的追踪，其实质上是对两侧层位同相轴的精确提取追踪。只有解决好这个问题，我们才可以得到合理的地震层面追踪模型。

具体步骤分为三步：

（1）建立出同相轴轨迹搜索算法，使用基于边缘检测的蚁群追踪算法，追踪出地下地层介质出现不整合现象的区域，并通过此区域划分第二步需要统计计算的左右两侧区域，如图9所示。

（2）利用波形特征对出现不整合现象两侧区域进行统计，然后对比分析。其原理是，反映同一地震层面的反射波，波形应该大致相似。现在问题核心转化为判断因地层不整合中断地带的左边地层和右边地层是否属于同一地震层面。拟根据波形相似的特征通过多元统计分析进行判别，如图10所示。若检验结果良好，则可认为左右两侧波形属于类似或不相似，根据结果将其划分为不同的地质层。

（3）根据多元统计分析的结果和互相关函数的佐证，对跳过的地层不整合区域进行层位补齐。完成整个地震剖面的地震层位追踪判别，即有效拾取地震层面。

图 9间断层位的地震剖面示意图

图 10间断层位对比流程图

由于蚁群算法有很强的适用性，本文采用该算法识别断层。蚂蚁算法是一种模拟自然界蚂蚁协同觅食过程的随机搜索优化算法。根据蚁群算法实现图像边缘提取，则是认为地质层位是地震剖面图上的极值边缘，利用边缘检测算子的变换，处理地震剖面从而有效提取层位边缘。而区分识别目标和图像背景之间边缘的重要特征就是图片像素的灰度值，因此本方法将图像的灰度值作为标记的主要特征。故而在灰度值发生突变的区域，即认为是识别目标和图像背景分界的地方。各个像素点的梯度值可以体现这种突变，所以将其定为地质层位边界点和识别目标内部特征点的区分特征。

基于上述思想，本节将蚁群追踪算法进行修改以适应地震剖面的层位追踪，具体方法如以下：先根据数据读取地震剖面图像，将该图像转化为灰度图像随机设置蚂蚁的初始位置；此后建立信息素函数，设置蚁群搜索算法参数，使各个蚂蚁在不同起始点位置进行搜索邻域进行前进，从而形成各条觅食轨迹，同时更新信息素；此后产生边缘图矩阵，运用信息素函数判断该位置是否属于边缘。之后调用子函数进行二值分割，绘出地震剖面层位图。

在本节蚁群算法进行的图像边缘提取处理中，取三维数据体进行层面追踪，运用matlab软件编写程序，选取第51个纵剖面为研究的对象，先通过软件绘制出地震剖面，如图11(a)所示，再将其转化为灰度图，如图11(b)所示，再将其二值化，如图11(c)所示，将小于一定面积的连通区域视为噪声，进行降噪处理，再将图像进行反值变换，作为对照组同蚁群算法进行参考，其结果如图11(d)所示。

(a)Inline51原始地震剖面

(b)Inline51灰度数据图像

(c)Inline51二值化数据图像

(d)Inline51变换后连通区域图像

图 11 Inline 51地震剖面数据图像

最后通过matlab编写蚁群算法对该图像进行边缘提取处理，其结果如图所示。而蚁群图像边缘提取算法，需要选取不同的参数alpha，beta，rho，phi，memory_length进行计算。各参数其代表意义如下，alpha为表示信息素重要程度的参数，beta为表示启发式因子重要程度的参数，rho为信息素蒸发系数，phi为信息素更新系数，memory_length为蚂蚁的记忆路径长度。

通过查阅资料确定参数选取范围，选取不同参数进行蚁群图像边缘处理算法，结果如图12：

alpha=1，beta=5，rho=0.1，phi=0.035，memory_length=50

alpha=1，beta=2，rho=0.1，phi=0.02，memory_length=50

alpha=1，beta=2，rho=0.1，phi=0.02，memory_length=100

图 12 Inline51蚁群追踪结果

从中选取呈现结果较好的图，通过matlab编程进行去噪和细线化处理，处理结果如下图13：

图 13 Inline51去噪细线化处理结果

在地震剖面识别上将地质层面不整合区域跳过，忽略计算。而如果完全将其忽略的话地质层面就会出现层位缺口，层位线会被这些间断分成若干部分。由于在每个二维地质剖面上有不同的地质层面，我们需要进行分析对比。计算判断左右两侧地层是否相似，在进行分析之后从而进行连接和组合。

同时为了易于判别和判别准确，还要引入一个互相关函数的概念，以便于从频域上可以分析不同信号的相关程度，作为佐证进行结果验证。互相关函数从频域上反映了两段波形的近似程度，更能切实地印证层位补齐结果是否正确。本文选取第51个纵剖面的第100条和第101条地震道为例体现互相关函数的特性，两者的互相关函数如图13所示，由matlab进行编程计算得出。

图 13地震道互相关函数图

同时地震波形是地质层面对探测声波的反射回馈，因此不能排除不同地层对声波的反馈出现相似波形。由于同类地层的分类是基于波形相似的特征进行的，所以在层位拾取分类的结果中很难避免将本属于两个不同层位的地震波形划分成同一地层。因此我们要得到完整的层位线需要对上节得出的结果和本节的互相关函数作为参考，从而有效拾取地震层面。

图 14 Inline51不整合区域层位补齐结果图

5  结论

本文建立的地震层面自动追踪模型，基于对同相轴连续的假设，以单条地震道波峰或波谷作为同相轴搜索起点，可以多条同相轴同时进行追踪。所遵循的三条路径原则使得在复杂地层同相轴追踪过程中同相轴可以出现分支，更好地反映地层结构。进行搜索范围约束是为了避免出现跃层现象和保证模型在遇到不连续性地层时能够继续进行同相轴追踪相互权衡的结果，这就使得地震层面自动追踪模型在遇到一些断层、河道或碎裂带等不连续性地层时也可以在一定程度进行同相轴追踪。

参考文献：

[1]陆基孟, 王永刚. 地震勘探原理[M]. 东营: 中国石油大学出版社, 2009. 201409.318.

[2]李晓红. 地震勘探技术在石油地质勘探中的应用及发展[J]. 中国石油和化工标准与质量, 2022, 42(05):162-164.

[3]刘长松. 三维可视化地震体追踪技术[D]. 西安科技大学, 2004.

[4]谭军, 宋鹏, 李金山, 等. 基于同相轴追踪的三维地震资料多次波压制方法[J]. 石油地球物理勘探, 2017, 52(05): 894-905+877.

[5]周紫嫣, 刘洋, 刘财, 等. 基于快速流式算法的局部余弦相似属性[J].地球物理学报, 2022, 65(01): 349-359.