2. 中国石油化工股份有限公司西北油田分公司, 新疆乌鲁木齐 830011;
3. 中国石油化工股份有限公司华北油气分公司, 河南郑州 450006
2. Northwest Oilfield Branch of Sinopec, Urumqi 830011, China;
3. North China Oil & Gas Branch of Sinopec, Zhengzhou 450006, China
我国油气地震勘探需要解决薄互层中的薄储层和小尺度非规则储集体及其含油气性预测问题, 地震反射波高频成分的提取和使用倍受关注。研究表明, 数字地震仪器中没有高频死亡线[1], 因此数据采集可以记录到反射波的高频成分, 反射波高频成分的提取则需由地震数据处理来完成。为此, 我国许多地球物理学家提出了地震数据处理的发展方向和具体建议。早在1985年, 黄绪德[2]根据国内外地震勘探发展的特点, 对我国地震数据处理做出了6点展望, 并大力推行高信噪比、高保真度、高分辨率和准确归位成像的“三高一准确”处理理念和技术[3]。李庆忠[4]提出了地震高分辨率处理的指导性意见和具体指标, 强调: ①注意不要丢掉低频成分, 频带愈宽, 分辨率愈高; ②不要光看频宽数值越大越好, 在整个处理过程中要照顾高频; ③主频太低是处理不当的表现; ④对于查明地下5~30 m厚度的砂层来说, 最重要的(主)频段是10~160 Hz; ⑤需用一个很宽的频带查明大套灰岩顶部的台阶状波阻抗。遗憾的是, 他同时提出了“高频死亡线”[4], 对反射波高频成分的记录给出了限制条件。他认为, 地震数据记录中比强振幅弱1 000倍(-60 dB)的弱高频信号在后续处理中不能恢复波形而死亡。这一概念影响至深, 致使业界对获取宽高频带数据的信心不足。早期, 在刊物上还可见到宽高频带地震数据的报道, 如在四川盆地得到了主频带高频达到180 Hz的处理数据[5], 数据处理使吐哈油田将常规剖面视频率提高一倍[6]。但是, 近年来处理后的数据中频率往往不高于80 Hz[7], 甚至低至60 Hz。由于数据处理难以得到反射波高频成分, 就把目光聚焦于低频, 于是展宽低频, 获得多倍频程数据的处理目标流行于地震数据处理界。在数据处理的任务书中, 常可见到(比原始数据的)主频提高10 Hz, 高频展宽10 Hz的要求, 并将其作为处理成果的验收指标。在处理报告中, 由于-3 dB截频点所确定的主频带宽度数值较小, 而用宽度数值较大的-20 dB的“有效频带”宽度代替。
井中激发、地面接收的常规采集的地震数据中, 可以记录到多高的反射波高频成分?地震数据处理可以提取多高的反射波高频成分?围绕这两个问题进行了讨论, 提出了采集+处理综合动态范围用以评估数据采集可以记录到的反射波高频成分, 用塔河油田沙漠区实际叠后时间偏移数据和叠前时间偏移数据的高通滤波扫描, 调查数据中地震反射波高频成分。调查发现, 处理后的地震数据中的高频成分出现了两种相反的状况, 2 ms采样间隔的常规叠后时间偏移数据的高限频率可达240 Hz, 而且试验表明, 这些高频成分是拓宽高频、展宽频带的有用成分。相反, 1 ms采样间隔的高精度地震采集数据, 经叠前时间偏移处理后, 数据的反射波高频成分却低于120 Hz, 甚至仅为60 Hz, 高频成分缺失, 这是因为该数据在叠前时间偏移处理中采用偏移前滤波和频率衰减所致。
1 地震数据中反射波高频成分地震反射波高频信息能否被记录, 主要取决于表层和深部地震地质条件对地震波传播的吸收衰减作用, 也受限于地震记录系统的动态范围和记录精度等性能, 还受限于采集参数、施工环境和施工技术要求执行的严格程度。
地震反射波及其高频成分的提取, 主要取决于地震数据处理。采集的地震数据中每一道的地震波形都是有效反射波与各种干扰、噪声相互叠加复合而成的时间序列振幅变化, 即复合波形。每一个时间点的振幅采样值都是3种信号的复合振幅值[1]。地震数据处理的任务是采用多种技术压制干扰和噪声, 将已记录的有效反射信号从复合信号中分解出来, 再经高频补偿处理, 提升高频振幅, 以获得高分辨率、高清晰度的地下图像。因此, 信噪比、保真度、分辨率是地震数据处理的有机组合, 压制干扰和噪声是提取高频成分的基础措施。近年来, 地震数据处理系统中有多种先进技术可完成这些任务, 利用这些技术对高精度采集数据进行处理, 应该得到比常规地震数据主频更高、频带更宽的高分辨率数据。
1.1 原始数据中的反射波高频成分采集的地震数据中反射波频率有多高?常用的检测方法是对原始地震数据进行倍频程带通滤波扫描。扫描得到的频带范围可作为处理流程参数选择的依据, 也可作为衡量处理效果的重要参照。这一做法存在的最大问题是, 原始复合信号数据滤波扫描结果得到的不是反射波的频率分布特征, 而是复合波的频率分布特征。显然, 这样的结果是不能用来衡量有效反射信号频率范围的。如果将复合信号的频率分布特征当作有效反射波的频率分布特征, 就会产生这样一些认识, “陆上野外资料往往扫描到60~120 Hz(滤波档)就一片混乱”, “80 Hz以上的高频信号在野外就没有以足够的信噪比记录下来”[4, 8]。此认识又被异化为“反射波高频信号在野外就没有记录下来”, 进而误导了地震数据处理。既然反射波的高频成分没有被记录下来, 记录下来的高频信号都是“噪声”, 那么在处理过程中压制高频就成为必要措施。既然在野外作业时没有记录高频成分, 就不能希望经过处理能够提取出高频成分。能够得到比原始地震数据主频高10 Hz、频带展宽10 Hz的结果, 已经是地震数据处理超常发挥的结果了。于是这也成为衡量反射波频率成分的“金标准”, 普遍使用。
1.2 采集+处理的综合动态范围如何估计地震数据中反射波频率成分的高低, 需有一个客观实用的评估方法。高频死亡线不再适用, 仪器动态范围只能评估复合信号的可记录范围, 原始数据带通滤波扫描也不能正确确定反射波高频成分的范围。
谢里夫[9]提出了一个适用的动态范围的定义: “即使信号被掩盖于噪声之中也能被提取, (因此, 动态范围的)定义又是考虑整个信号提取过程而不仅仅是记录仪器”。因而, 地震数据中最强和最弱的反射波有效信号的动态范围, 应该是数据采集和处理的综合动态范围, 即采集+处理的综合动态范围。可见, 评估反射波频率范围应该由数据采集系统的动态范围和数据处理的动态范围两部分组成。
现有的24位数字地震仪器的动态范围可以达到120 dB, 这就是复合波可记录的强、弱振幅的范围, 即采集系统的动态范围。所谓数据处理系统的动态范围, 是将淹没在噪声中的微弱高频信号提取出来的能力[9]。因此处理系统的动态范围的实质, 就是数据处理提高信噪比的能力。信噪比的提高标志着处理系统动态范围的扩大。叠加的统计特性可使N次叠加的信噪比提高
采用采集+处理综合动态范围与地层吸收衰减模型相结合, 可以评估可记录的反射波高频成分。根据工区内地震地质条件制作地层吸收衰减模型[4], 根据数据采集的叠加次数与压制噪声技术、高频补偿等提高信噪比能力, 确定采集+处理综合动态范围, 二者结合进行反射波高频成分范围的估算。
根据塔河油田的地震地质条件, 构制出地层吸收衰减模型, 计算-60 dB的死亡频率, 以及动态范围分别为-120, -140, -160, -180 dB的反射波中可能存在的最高频率成分。表 1为塔河油田沙漠区地层吸收衰减模型和估算的可记录的反射波高限频率。
文献[10]对新疆沙漠区可记录的高频成分进行了估算, 由于设定的表层低、降速带厚度大, 由高频死亡线估算出的死亡频率偏低, 反射时间t0为1.09~4.09 s, 死亡频率为45~36 Hz。表 1中给出的t0为3.3~4.5 s的主要目的层反射波的高限频率, 按照死亡频率, 可记录到的最高频率仅为68~63 Hz, 比文献[10]略高。按仪器的动态范围(-120 dB)确定的可记录的复合信号的高频为135~125 Hz, 按照采集+处理综合动态范围-140, -160, -180 dB可记录到的反射波高频信号分别为158~146 Hz, 180~167 Hz和201~188 Hz。如果在处理中采用更有效的压噪技术和高频补偿技术, 则有可能得到更高的反射波高频成分。
经过处理的地震数据中, 能够得到高于死亡频率的高频有效信号, 但是能不能得到高于100 Hz的信噪比大于1的反射波高频信号, 能不能得到采集+处理综合动态范围所估计的反射波的理想高频, 得到的高频成分能否为提高数据的分辨率发挥作用, 还需进行深入分析。
2 处理后地震数据的反射波频率成分采用高通滤波扫描对比调查了常规地震数据和高精度地震数据中反射波的高频成分。
2.1 常规数据中反射波的高频成分所谓常规地震数据是指采用24~100次叠加、井中激发、地面检波器50 m点距接收、16位数字地震仪按2 ms时间采样间隔记录, 以叠后时间偏移为主的技术流程处理得到的地震数据。在21世纪以前, 国内的地震数据多数属于这类常规地震数据。2010年我们在开展“塔河油田十区溶洞型储集体油水识别应用研究”项目研究时, 使用了这种数据, 发现数据中存在超乎寻常的高频反射信号, 因而改变了我们对地震反射波高频成分的认识。
在塔河油田十区, 对200 km2的三维工区内的19口样本井井旁道产层段(包括“串珠”)进行小波变换频谱分析时, 发现一些井旁道的振幅谱在40~80 Hz及其以上频段有较强的振幅, 而且这类振幅谱多与产油井对应。充填油、水溶洞的正演模拟试验也得到相似的结果[11]。根据这一线索建立了溶洞型储集体油水识别模式, 对200 km2三维地震数据进行油、水预测。预测结果采用27口盲井进行验证, 符合率达到81.5%[12-13]。利用这种技术区分溶洞中的油和水时需要用到反射波的高频成分, 而在这时, 高频死亡线对地震反射波的高频成分的认知还起着主导作用, 因此证实数据中是否存在高频成分, 是这种油、水识别技术是否可信的关键。
采用高通滤波扫描调查叠后时间偏移数据频率范围时发现, 在低截频为240 Hz的高通滤波档存在有效信号, 滤波剖面上视频率达到240 Hz, 接近于2 ms采样间隔的尼奎斯特频率(图 1)。从低截频分别为40, 60, 80, 120, 160, 200 Hz的高通滤波档滤波的剖面中还可以看出, 无论是层状反射或是“串珠”, 其高频信号的波组特征与叠后时间偏移剖面的波组特征相似, 仅低截频为240 Hz的滤波档呈现多相位信号, 这应是高通滤波过窄的通放带(240~250 Hz)出现的近于谐波的特征。另一方面, 从剖面右下方标注的最大振幅可以看到不同频率信号的振幅范围。叠后时间偏移剖面的最大振幅为8.0×106, 低截频为120 Hz剖面的最大振幅为1.0×106, 为偏移剖面的1/8, 振幅下降-18 dB; 而低截频为240 Hz剖面的最大振幅为0.1×106, 为偏移剖面的1/80, 振幅下降约-38 dB。这一结果说明, 2 ms采样间隔的常规地震数据中存在信噪比大于1的240 Hz以内的反射波高频成分。由此证明了高频成分的存在, 于是溶洞油、水识别技术的可信度和有效性有了可靠的依据。这一结果更说明, 淹没于噪声之中的微弱高频成分可以通过地震数据处理提取出来。但需注意, 由于高通滤波扫描得到的不同滤波档数据振幅相差较大, 应根据振幅变化调整剖面显示的最大振幅值(即调整显示比例)。
早期2 ms采样间隔采集并做叠后时间偏移处理的常规地震数据中可以得到高达240 Hz的反射波高频信号, 近年来的高精度、高密度地震采集和精细处理的数据是否可以得到更高频率的高频反射信号?在塔河油田十区东开展了高精度地震采集, 采用164次叠加, 24位数字地震仪记录, 1 ms采样间隔, 15 m× 15 m面元等采集参数, 对数据进行包括叠前时间偏移的精细处理, 得到的数据应比常规地震采集处理数据主频更高、频带更宽, 以期对小型缝洞体进行更准确的油水识别。2014年, 我们对塔河油田十区东工区开展了小型缝洞体成像技术研究, 使用的数据即为上述类型的高精度数据。
图 2为高精度叠前时间偏移处理的高通滤波扫描结果, 没有见到240 Hz的高频成分, 相反, 在低截频为60 Hz和80 Hz的剖面上波组特征与叠前时间偏移剖面出现大的差异, 而在低截频为120 Hz的滤波剖面上, 仅见成片的视频率为115~120 Hz的连续多相位的谐波, 在低截频为140 Hz滤波剖面上为一片噪声。剖面右下方标注的数据为剖面显示所用的最大振幅, 叠前时间偏移剖面显示使用的最大振幅为1 000.000, 低截频为120 Hz剖面的约为0.340, 是偏移剖面最大振幅的1/2 941, 比偏移剖面降低了69 dB。低截频为140 Hz的剖面显示使用的最大振幅降低为0.024, 仍为一片噪声。这些现象表明, 高于60 Hz的反射波高频信号已经畸变, 高于120 Hz的高频成分已被压制。显然, 高精度地震数据中至少缺失了140 Hz及其以上的反射波的高频成分。
图 3为塔河油田十区过相同井位的常规数据和高精度数据连井剖面, 可以看出, 高精度地震数据比常规地震数据信噪比高, “串珠”更清晰, 但反射波视频率没有太大的差异。分别对常规叠后偏移剖面和高精度叠前时间偏移剖面中的“串珠”和层状反射进行谱分析, 得到以dB为单位的振幅谱, 结果如图 4所示。由图 4可见, 两种数据的主频都在20~30 Hz内, 常规地震数据和高精度地震数据的-3 dB截频点主频带分别为18~40 Hz和12~36 Hz, 两种数据差别不大。但是40~240 Hz内频率成分的振幅却出现明显的差异: 常规地震数据中振幅变化范围为-5~-35 dB; 高精度地震数据的振幅由40 Hz的-5 dB快速降到250 Hz的-65 dB以下。同一工区2 ms采样的常规地震数据反射波高频成分可以达到240 Hz, 而1 ms采样的高精度数据中反射波高频成分不高于120 Hz, 且振幅微弱, 看不到140 Hz高频信号。这表明常规叠后时间偏移数据高频信息丰富, 高精度叠前时间偏移处理数据缺少高频成分。
高精度采集、精细处理的数据中反射波高频信号缺失, 在塔里木盆地其它油田也存在这个问题。在目的层反射波t0小于2 s的鄂尔多斯盆地, 常规地震采集的数据经过叠前时间偏移处理也出现了类似情况。
图 5是鄂尔多斯盆地大牛地气田常规地震采集(30~60次叠加)数据连片处理的叠前时间偏移剖面及其高通滤波扫描的结果, 可见, 1.5 s目的层在低截频为100 Hz的滤波档仅保留了分散性的信号, 十分微弱。这一结果说明, 高频成分的缺失与叠加次数关系不大, 而与叠前时间偏移的关系更大。
数据处理中确定高频信号是否能够保留, 与采用的处理技术有关, 也与实现该技术的算法有关。在地震数据处理中, 影响地震波频率成分的技术有多种, 其中频率域滤波是常用的改变信号频率的处理技术。在频率-波数(f-k)域压制低视速度干扰时, 为避免产生空间假频而采用降低信号频率的措施。在偏移算法中, 为减少运算数据量而采用稀疏的网格, 但这一做法使得采样不足而产生假频, 需要用反假频滤波来降低信号频率[14], 或者为减少频率域中运算数据量而采用频率衰减截掉高频成分。此外, 面对超海量数据, 还可以采用抽稀采样间隔对数据进行处理。
由于实际数据缺失高频成分的现象是在叠前时间偏移处理之后发生, 因此重点讨论叠前时间偏移处理过程中的偏移前开展的滤波、频率衰减、抽稀采样间隔处理对高频信号的影响。
2.3.1 叠前滤波去噪压制了高频范围叠前带通滤波是人们熟知的技术, 其使用并无新意。但是为什么在叠加前、偏移前要用滤波?为什么要对高频成分加以压制?参数选择的依据是什么?这些是值得深思的问题。
在数据处理报告中, 通常会对叠前滤波的使用作出说明。这些说明常以原始炮集数据的倍频程带通滤波扫描为依据。滤波扫描发现, 低截频高于60 Hz或80 Hz的带通滤波器, 如60-120 Hz, 80-160 Hz(120 Hz和160 Hz分别表示带通滤波器的高截频), 其滤波结果未见目的层反射波高频信号, 看到的都是噪声, 据此确定了叠前带通滤波参数, 如6-9-90-100 Hz, 看似保留了100 Hz以内的高频成分, 实则压制了100 Hz以上的高频成分。根据带通滤波扫描结果确定滤波参数, 已经成为数据处理的常态。之所以有这样的认识, 归结为一点, 就是以高频死亡线作为理论支撑, 以滤波扫描结果为基础, 对原始数据频率范围进行了“缜密”调查、分析, 确定在高频段只有噪声没有反射波, 或者在中、低频段才有强和较强振幅的反射波。因此必须压制高频噪声, 以保护并补偿中、低频段的有效信号, 于是形成了“压制高频, 拓展中、低频”的技术思路, 其结果是压制了反射波中的高频成分。
2.3.2 滤波和频率衰减是叠前时间偏移数据高频缺失的根源对高精度地震采集数据进行叠前时间偏移, 需解决超海量数据的运算和存储问题, 因此在叠前偏移软件运行时, 常有减少数据量的做法, 一种是用稀疏网格实现偏移算法, 因而需进行重采样和反假频滤波; 另一种是在频率域中去掉高频成分, 只保留中、低频成分, 以减少频率域偏移算法的数据量。某处理系统的克希霍夫叠前时间偏移处理采用后一种方法, 在其叠前时间偏移作业中使用带通滤波和频率衰减两个模块以削减高频。
在进行叠前时间偏移处理作业时, 首先使用一个简化零相位滤波器(Simple zero phase filter)。这个滤波器需要给出低截频、低边频斜率、高截频和高边频斜率4个滤波参数。可见这是一个典型的有限带宽的带通滤波器, 因此会压制高截频以上的高频成分。如果加上为压制原始数据噪声而采用的带通滤波, 实际上对数据运行了两个串联的带通滤波, 之后才进行叠前偏移处理。
在该叠前时间偏移的主作业中, 还使用了频率衰减(frequency decay)模块, 其参数是时间-频率对。频率衰减是对高于给定频率的振幅实施压制而不是增强。选择时间-频率对有两个考虑: ①从浅到深, 频率由高变低; ②取决于运算数据量的大小, 对于高叠加次数, 时间-空间密集采样的超海量数据, 计算机运行不动时, 会选择更低的频率值。可见, 在叠前时间偏移算法面对超大数据量运算时, 采用了减少数据量的做法, 频率衰减就是在频率域中减少数据量的重要手段。这样不难理解, 叠前时间偏移的振幅谱中, 不同分析点位的高频成分会一致性地趋于极小, 同样是叠前时间偏移, 190次叠加的数据比164次叠加的数据主频更低、频带更窄。图 6展示了塔里木盆地不同数据的小波变换振幅谱, 可见: 十区常规叠后偏移数据在40~160 Hz内出现较强的振幅; 十区东和顺北的叠前时间偏移数据高于40 Hz时高频振幅一致性地减小, 其中164次叠加的十区东数据的振幅谱中高于80 Hz时迅速趋于极小, 190次叠加的顺北数据高于60 Hz时迅速趋于极小。这种一致性地趋于极小, 显然是由偏移前滤波和频率衰减所致; 190次叠加数据量大于164次叠加数据量, 需要将频率降得更低才可以减少数据量。图 6b十区东的振幅谱的特点, 也说明了图 2十区东叠前时间偏移数据高通滤波扫描的剖面中低截频为60 Hz已经发生畸变, 且其波组特征与叠前时间偏移剖面出现差异的原因了。
在频率域中截掉高频, 其结果相当于将1 ms采样间隔的高精度数据转换为稀疏采样间隔的数据来使用。图 6b所示的振幅谱最高频率为80 Hz, 其最高频率相当于采样间隔为6 ms的尼奎斯特频率; 图 6c的振幅谱最高频率为60 Hz, 相当于采样间隔为8 ms的尼奎斯特频率。与6 ms、8 ms采样间隔数据不同的是, 高频压制后, 数据仍然保留着1 ms采样间隔。由于1 ms采样间隔的尼奎斯特频率为512 Hz, 这样的数据中似乎保留着60 Hz(或80 Hz)与512 Hz之间的频率成分。
2.4 滤波和抽稀采样对反射波高频成分影响的试验分析处理过程中叠前和叠后的有限带宽滤波、反假频滤波、偏移前的频率衰减处理都会使数据中的高频成分受到压制; 在数据处理过程中用抽稀时间采样间隔以成倍减少处理的数据量, 按照采样间隔抽稀的规范处理流程, 应先施加反假频滤波才能避免频率混叠现象。滤波和抽稀采样将使高频成分受到何种程度的压制?此外如果在数据抽稀采样之后进行处理, 然后再加密采样使其恢复原采样间隔, 这样的数据的高频成分又会发生什么变化?我们用实际宽频带数据进行试验以考察滤波和抽稀采样对高频成分的影响。
试验采用塔河油田十区2 ms采样间隔的常规偏移数据, 高通滤波扫描表明, 该数据的上限频率接近尼奎斯特频率, 约240 Hz(图 1)。用这样的数据进行了以下试验: ①设计一个低通滤波器LP(64-128 Hz), 对数据进行滤波, 相当于4 ms采样间隔的反假频滤波; ②将低通滤波后的数据抽稀为4 ms采样间隔数据, 再加密为2 ms采样间隔; ③将未滤波的宽频带数据直接抽稀采样为4 ms采样间隔, 然后加密为2 ms采样间隔。
图 7a、图 7b、图 7c和图 7d分别显示了原始偏移数据与其经过以上3种试验后得到的数据, 可以看出, 在这4种剖面上看不到波组特征的变化, 给人以有限带宽滤波和抽稀采样对数据无害的错觉, 因而被作为常规处理措施。采用低截频为140 Hz的高通滤波器对这4种数据进行滤波, 以调查数据中高频成分的变化, 结果分别如图 7e、图 7f、图 7g和图 7h所示, 可以发现, 这4种剖面上的波组特征和振幅出现很大差异: 原偏移数据的高频剖面保留了两组强反射, 但其波形明显压缩, 保留了较强的振幅(图 7e); 低通滤波后的高频剖面上, 是微弱振幅的随机噪声, 看不见反射波(图 7f); 对低频滤波后的数据先抽稀为4 ms采样, 再加密为2 ms, 恢复为原采样间隔, 此时, 在低截频为140 Hz的剖面上, 出现了频率较低的两个波组, 但其波组特征不同于原偏移剖面, 仔细观察发现, 彩色表示的低频同相轴是由彼此平行的更高频的同相轴组成, 似由低频波调制在高频谐波上(图 7g); 未作低通滤波的数据直接抽稀为4 ms, 再加密为2 ms的剖面上, 这种现象更为明显(图 7h)。上述结果表示, 经过低通滤波, 高于128 Hz的反射波高频成分已经消失; 经过抽稀采样再恢复原采样间隔, 保留的高于128 Hz的高频成分则不同于反射波的高频成分, 是由频率混叠现象造成的畸变假信号[1, 15]。图中右下角标注的数据为各剖面显示时所用的最大振幅, 可衡量4种数据的振幅变化, 其振幅比为700.00/0.55/50.00/100.00, 振幅差异很大。
低通滤波使高于滤波器高限频率(本例中为128 Hz)的反射波高频成分被压制, 仅剩微弱的随机噪声, 这就是图 6b和图 6c所示的叠前时间偏移数据的振幅谱缺失高频成分的原因。抽稀采样间隔无论是否做了去假频滤波, 只要再加密采样恢复原采样间隔, 都会因频率混叠现象在高频段产生低频假信号, 破坏原数据的保真度, 如文献[1]中图 5展示的结果。可见, 在处理的不同阶段采用有限带宽滤波和抽稀采样处理等措施都会严重压制高频成分, 或产生假信号。由于滤波和抽稀采样处理的数据都是在弱振幅的高频部分出现变化, 这就是图 7a至图 7d中看不出波组特征变化的原因, 也是在数据处理中大量使用这些措施而没有看到其危害的原因。需着重指出, 一旦反射波高频成分被压制或由假信号替代, 其后续的高频补偿处理无法得到反射波高频成分, 或者得到的是假信号, 都会直接危及后续的地震反演和储层预测。
3 反射波微弱高频成分的可用性上述分析结果表明, 地震反射波中的高频成分客观存在, 通过数据处理可以提取出来, 但也要看到, 虽然其反射波的高频成分信噪比大于1, 但往往很微弱。微弱的高频成分能否有效地用来提升主频、展宽频带, 特别是展宽高频段, 是更需要关注的问题。如果微弱的高频信号不能用于实现这个目标, 这些高频信号的存在就没有实际意义, 因此需要深入讨论微弱高频信号的可用性。
为了说明微弱的高频成分能够用于实现提升主频、展宽频带的目的, 研发了CW特征子波(Characteristic Wavelet)反褶积技术。设计一个宽频带的特征子波bCW(t), 用bCW(t)取代反射子波b(t), 就可以得到主频高、频带宽的数据, 其技术思路如图 8所示。图 8中s(t), S(f)分别表示反射波及其频谱; r(t)和R(f)分别表示反射系数序列及其频谱; b(t)和B(f)分别表示子波及其频谱; sCW(t)和SCW(f)分别表示特征子波反褶积后的反射波及其频谱。
对图 1a所示的具有丰富高频反射波的十区常规地震数据进行CW特征子波反褶积处理, 得到的剖面如图 9a所示, 同时将过相同井位的十区东高精度地震数据剖面示于图 9b。对比图 9a和图 9b可以看出, 24次叠加的常规地震数据经CW特征子波反褶积之后, 由于主频提高、频带展宽, 子波明显压缩, 层状反射的主频明显提升, 达到65~70 Hz, 远高于高精度地震剖面的30 Hz, 其“串珠”的清晰度与164次叠加的高精度地震剖面相当, 而且高频成分振幅的变化更有利于辨识溶洞中的油和水[11-12]。这些特征表明, 微弱的高频信号振幅提升之后, 能够起到提升主频、展宽频带的作用。信噪比大于1的微弱振幅高频信号是可用的有效信号。
在薄储集层(体)及其含油气性预测的研究过程中, 使用了不同种类的地震数据, 发现了地震反射波高频成分的差异, 2 ms采样常规数据中反射波高频成分可达尼奎斯特频率(240 Hz), 而1 ms采样的高精度数据的反射波高频成分不高于120 Hz。对这种差异产生的原因进行了粗浅的讨论, 得到如下认识。
1) 地震数据采集得到的原始数据的波动信号是由有效反射波、各类干扰波和多种噪声叠合而成的复合波动信号。高频死亡线不可能正确衡量原始地震数据中记录到的反射波高频信号的范围; 仪器动态范围衡量的是复合信号可记录的振幅范围; 地震数据中可记录的反射波低频和高频成分范围应由采集+处理综合动态范围来评估。地层吸收衰减模型与采集+处理综合动态范围相结合, 可以较好地评估经过数据处理提取的信噪比大于1的反射波的高频成分范围。处理系统的动态范围是数据处理过程中压制干扰和噪声, 提高信噪比, 以及反射波高频振幅补偿能力的总和。
2) 用原始地震数据的带通滤波扫描得到的是复合信号的频率分布特征, 不是有效反射波的频率分布特征, 不能正确确定反射波有效频率范围, 因此不能以这样的滤波扫描结果指导地震数据处理。在数据处理过程中和数据处理完成后, 对处理后数据进行带通或高通滤波扫描, 由信噪比大于1的有效反射信号的滤波档来确定反射波频率成分分布范围, 才能对反射波的高、低频成分的分布特征作出比较符合实际的判断。近年来, 简单地人为给出一个-20 dB的门槛值, 在振幅谱上确定频带宽度, 其结果不能正确说明实际有效频带的范围。处理后数据的高通滤波扫描才是调查数据中反射波的有效频带范围的正确而有效的方法, 应将此作为数据处理质量监控和成果验收不可或缺的“标配”。
3) 振幅微弱的高频成分经过高频补偿(如本文采用的CW特征子波反褶积技术处理), 可使微弱振幅大幅提升, 得到主频提高、高频段展宽的高分辨率反射波数据。证明这种微弱振幅的高频信号是有效、可用的信号, 千万不要在处理过程中随意压制、丢弃。
4) 常规叠后时间偏移处理得到的数据中包含高达240 Hz的高频成分, 而高精度叠前时间偏移处理的数据常常缺失120 Hz以上, 乃至60 Hz以上的高频成分, 这是当前叠前偏移处理常见的结果[16-17]。之所以如此, 与叠前偏移处理中的叠前滤波和频率衰减有关, 而其根源则是叠前时间偏移算法。在叠前偏移算法中, 为了减少运算数据量, 采用截掉高频的频率域算法或者稀疏网格算法, 都是压制高频的做法[14], 甚至还会在高频段出现低频假信号[15, 18-19], 因此这些做法是不可取的。
5) 数据处理获得高频成分的基础是数据采集: ①高覆盖次数观测可为数据处理提高信噪比夯实基础; ②1 ms采样间隔记录可为处理获得频率达到512 Hz的尼奎斯特频率的反射波高频成分创造条件; ③24位或更高位数的数字地震仪的动态范围, 可提高采集系统的动态范围, 有利于更微弱的高频成分的记录; ④以大偏移距、小点距、全方位观测系统得到高密度数据, 可准确提取表层模型和深部成像速度模型, 确保高频反射波同相叠加而得到更精确的成像结果; ⑤如果在疏松低速层之下激发, 可避免高频信息的大幅度衰减。因此, 建议在选择采集参数时, 充分考虑上述几种因素, 为获取反射波的高频信息奠定基础。
6) 困于当前反射波有效成分缺失高频的表象, 在数据处理中如采用拓宽低频、放弃高频, 追求多倍频程数据, 这些做法丢弃了由艰辛努力和巨大资源所采集到的、而且也是实际存在的反射波高频成分。当前, “两宽一高”技术通过高密度空间采集的技术大大改善了成像精度[20-21], 相信将反射子波频带范围由2~80 Hz的数据提高到10~250 Hz, 在提高空间成像的同时, 还可以明显改善陆相油气田中薄互层中的薄储集层(体)的辨识精度。
7) 由高叠加次数、高密度采样和叠前偏移处理带来的超海量数据的超大运算量问题, 需要通过硬件和软件改造相结合的办法来解决, 包括使用大幅提升存储量和运算能力的超算计算机, 也包括改进算法和处理流程, 将相关的每一种模块运行所需要的存储量和运算量尽可能减小。特别注意不要使用截断高频成分的数据进行叠前偏移处理, 更不要使用在稀疏网格上运算的叠前偏移软件和其它软件(如f-k域滤波等)。这些算法都会成倍地压制高频成分。
5 结论和建议1) 地震数据中反射波高频成分的获得, 数据采集是基础, 数据处理是关键。
2) 高通滤波扫描结果表明, 现有井中激发、地面接收采集到的地震数据, 经过常规叠后时间偏移处理可以得到近于尼奎斯特频率的高频成分。
3) 当前高精度地震采集数据经过高精度叠前时间偏移处理, 出现了1 ms采样间隔数据反射波高频成分却不超过120 Hz, 甚至不高于60 Hz的反常现象, 可能是叠前偏移处理前采用了有限带宽滤波和频率衰减的限频措施所致, 还可能与抽稀采样间隔的算法或处理手段有关。
4) 原始地震数据带通滤波扫描得到的不是反射波频率分布范围, 不应作为压噪处理的依据。振幅谱上-20 dB的频带宽度难以正确表示数据信噪比为1的有效频带宽度。
5) 建议将带通或高通滤波扫描作为不同处理步骤之后数据的频率成分变化的质量监控手段。
6) 建议将全程无滤波和限频的叠后时间偏移数据的高通滤波扫描结果作为评价成果数据频率范围, 用于衡量叠前偏移数据反射波频率成分的参照和依据。
解决我国薄储集层(体)及其含油气性预测问题, 得到高、宽频带数据是基础。现有的叠前偏移处理中, 面临着超海量数据运算和高频成分保护的两难问题。这个难题的解决, 既要解决软件算法问题, 也要解决硬件性能问题, 使花费巨大资源采集到的数据中反射波的高频成分得以保护和提取, 并可充分利用, 为获得高信噪比、高保真度、高分辨率和准确归位的数据发挥应有作用, 真正走向精确的油气勘探之路, 使我国油气地震勘探水平得到更大的提升。
[1] |
唐文榜, 李宗杰, 吴华, 等. 浅谈地震数据采集中的反射波高频成分[J]. 石油物探, 2020, 59(6): 831-843. TANG W B, LI Z J, WU H, et al. Discussion on the high-frequency components of seismic reflection waves in seismic data acquisition[J]. Geophysical Prospecting for Petroleum, 2020, 59(6): 831-843. DOI:10.3969/j.issn.1000-1441.2020.06.001 |
[2] |
黄绪德. 地震资料处理的新发展[J]. 石油物探, 1985, 24(3): 72-88. HUANG X D. New advances in seismic data processing[J]. Geophysical Prospecting for Petroleum, 1985, 24(3): 72-88. |
[3] |
黄绪德. 关于提高地震勘探分辨率的问题[J]. 江汉石油学院学报, 1996, 18(3): 35-40. HUANG X D. On improving the resolution of seismic exploration[J]. Journal of Jianghan Petroleum Institute, 1996, 18(3): 35-40. |
[4] |
李庆忠. 走向精确勘探的道路—高分辨率地震勘探系统工程剖析[M]. 北京: 石油工业出版社, 1994: 35-46, 67-68, 190-194. LI Q Z. The way to obtain a better resolution in seismic prospecting——A systematical analysis of high resolution seismic exploration[M]. Beijing: Petroleum Industry Press, 1994: 35-46, 67-68, 190-194. |
[5] |
王进海. 一种地震资料高分辨率处理流程[J]. 石油物探, 1993, 32(1): 82-92. WANG J H. A Schem for high-resolution seismic data processing[J]. Geophysical Prospecting for Petroleum, 1993, 32(1): 82-92. |
[6] |
贾丽华, 吴长江, 罗焱鑫, 等. 地震资料高分辨率处理技术[J]. 石油物探, 2002, 41(4): 484-488. JIA L H, WU C J, LUO Y X, et al. High resolution seismic data processing techniques[J]. Geophysical Prospecting for Petroleum, 2002, 41(4): 484-488. DOI:10.3969/j.issn.1000-1441.2002.04.022 |
[7] |
赵岩, 刘洋, 胡光义, 等. 基于衰减补偿的地震资料高分辨率处理方法[J]. 石油物探, 2014, 53(1): 38-45. ZHAO Y, LIU Y, HU G Y, et al. High resolution processing method of seismic data based on attenuation compensation[J]. Geophysical Prospecting for Petroleum, 2014, 53(1): 38-45. DOI:10.3969/j.issn.1000-1441.2014.01.006 |
[8] |
李庆忠. 地震高分辨率勘探中的误区与对策[J]. 石油地球物理勘探, 1997, 32(6): 751-783. LI Q Z. Some mistaken concepts in high-resolution seismic exploration and corresponding countermeasures[J]. Oil Geophysical Prospecting, 1997, 32(6): 751-783. DOI:10.3321/j.issn:1000-7210.1997.06.001 |
[9] |
R·E·谢里夫. 勘探地球物理百科词典[M]. 南京: 南京大学出版社, 1994: 107-108, 133-134. SHERIFF R E. Encyclopedic dictionary of exploration geophysics[M]. Nanjing: Nanjing University Press, 1994: 107-108, 133-134. |
[10] |
李庆忠, 魏继东. 高密度地震采集中组合效应对高频截止频率的影响[J]. 石油地球物理勘探, 2007, 42(4): 363-369. LI Q Z, WEI J D. Influence of array effect on cutoff frequency of high density frequency in high seismic acquisition[J]. Oil Geophysical Prospecting, 2007, 42(4): 363-369. DOI:10.3321/j.issn:1000-7210.2007.04.002 |
[11] |
樊佳方, 李宗杰, 金东民, 等. 基于属性差异薄储集层(体)流体预测技术[C]//SPG/SEG南京2020国际地球物理会议论文集. 北京: 中国学术期刊(光盘版)电子杂志社有限公司, 2020: 708-711 FAN J F, LI Z J, JIN D M, et al. Fluid prediction techniques for thin reservoirs based on seismic attribute differences[C]//SPG/SEG Nanjing 2020 International Geophysical Conference, Beijing: China Academic Journal (CD-ROM) Electronic Magazine Co. LTD, 2020: 721-724 |
[12] |
李宗杰, 刘群, 李海英, 等. 塔河油田缝洞储集体油水识别的谐频特征分析技术应用研究[J]. 石油物探, 2014, 53(4): 484-490. LI Z J, LIU Q, LI H Y, et al. Application of HFC technique for hydrocarbon identification in fracture-cave reservoirs of lower-ordovician carbonate in Tahe-oilfeild[J]. Geophysical Prospecting for Petroleum, 2014, 53(4): 484-490. DOI:10.3969/j.issn.1000-1441.2014.04.015 |
[13] |
郭见乐, 唐文榜, 李宗杰, 等. 薄储层(体)含油气性识别的HFC技术及其应用研究[J]. 石油物探, 2013, 52(1): 79-88. GUO J L, TANG W B, LI Z J, et al. The harmonic frequencies characteristics (HFC) analysis for identifying and predicting hydrocarbon in thin reservoir strata (bodies)[J]. Geophysical Prospecting for Petroleum, 2013, 52(1): 79-88. |
[14] |
马在田. 地震偏移剖面的假频、频散和横向分辨力[J]. 石油地球物理勘探, 1982, 17(4): 16-29. MA Z T. The alias, frequency dispersion and lateral resolution of migrated seismic section[J]. Oil Geophysical Prospecting, 1982, 17(4): 16-29. |
[15] |
E·O·布赖姆. 快速傅里叶变换[M]. 上海: 上海科学技术出版社, 1979: 155-162. BRIGHAM E O. The fast Fourier transform[M]. Shanghai: Shanghai Science and Technology Press, 1979: 155-162. |
[16] |
孙夕平, 张研, 张永清, 等. 地震拓频技术在薄层油藏开发动态分析中的应用[J]. 石油地球物理勘探, 2010, 45(5): 695-699. SUN X P, ZHANG Y, ZHANG Y Q., et al. Application of seismic frequency expanding technique in dynamic analysis of thin reservoir development[J]. Oil Geophysical Prospecting, 2010, 45(5): 695-699. |
[17] |
王喜双, 曾忠, 易维启, 等. 中国石油集团地球物理技术的应用现状及前景[J]. 石油地球物理勘探, 2010, 45(5): 768-777. WANG X S, ZENG Z, YI W Q, et al. CNPC geophysical technology application status and prospects[J]. Oil Geophysical Prospecting, 2010, 45(5): 768-777. |
[18] |
武喜尊. 试论数字滤波中吉布斯现象的产生与消除[J]. 中国煤田地质, 1996, 8(4): 68-70. WU X Z. On the generation and elimination of Gibbs phenomenon in digital filtering[J]. Coal Geology of China, 1996, 8(4): 68-70. |
[19] |
王秀芳, 张光华, 陈雪松. 消除数字滤波器中Gibbs现象的研究[J]. 信号处理, 2003, 19(增刊1): 13-16. WANG X F, ZHANG G H, CHEN X S. A studying of eliminating Gibbs phenomenon in digital filter[J]. Journal of Signal Processing, 2003, 19(S1): 13-16. |
[20] |
王华忠. "两宽一高"油气地震勘探中的关键问题分析[J]. 石油物探, 2019, 58(3): 313-324. WANG H Z. Key problem analysis in seismic exploration based on wide-azimuth, high-density, and broadband seismic data[J]. Geophysical Prospecting for Petroleum, 2019, 58(3): 313-324. |
[21] |
李培明, 康南昌, 邹雪峰, 等. "两宽一高"高精度地震勘探关键技术[J]. 中国地球物理, 2013, 598-600. LI P M, KANG N C, ZOU X F, et al. The key technology of "two widths and one height" high precision seismic exploration[J]. Chinese Geophysics, 2013, 598-600. |