储层烃类检测技术

（一）基于叠前地震信息的油气检测技术

1AVO理论基础

AVO技术理论基础是描述平面波在水平分界面上反射和透射的Zoeppritz方程，它定量描述了一个平面入射P波在两种固体界面处波的反射、透射及波形转换。

为了克服由Zoeppritz方程导出的反射系数形式复杂及不易进行数值计算的困难，许多学者对Zoeppritz方程进行了简化。Aki和Richard在假设相邻地层介质d性参数变化较小的情况下对Zoeppritz方程进行了近似，给出了较为简单、直观且精度较好的反射和透射系数近似表达式。

成熟探区油气精细勘探理论与实践

2AVO属性储层预测方法

1）AVO属性含义及特征

从Zeoppritz方程的线性近似形式出发，可以得到叠前AVA截距及梯度属性，并进一步导出其他各种属性。对Shuey的近似舍去高阶项，得到线性简化形式，其中P称为截距，G称为梯度。同时Shuey近似饱含纵横波速度比为2这一假设，因此有泊松比反射率PR：P+G=PR。

AVO截距及梯度属性计算常用的方法就是利用最小平方算法对叠前振幅和入射角正弦平方进行拟合。从截距、梯度属性出发，可以进一步得到伪泊松比反射率、横波反射率及流体因子等AVO属性。除此以外，还有近偏移距（小角度）叠加、远偏移距（大角度叠加）及差异剖面等反映储层特征的AVO属性。

图4-98为新北油田提取的Ng上4砂组流体因子的平均值属性分布图。图4-99为新北油田提取的Ng上4砂组流体因子的最大值属性分布图。可以看到在垦东34井一带最大值的图与实际更吻合。这是因为该区北部为Ⅲ类AVO异常，P、G的符号皆为负，二者乘积的高值为饱含油气的地区，提取最大值能够较好地

图4-98 Ng上4砂组流体因子平均值属性

图4-99 Ng上4砂组流体因子最大振幅属性

2）AVO适用性分析

AVO技术是一种检测流体的比较细致方法，需要有地质、钻井、测井资料（如横波速度、孔隙度、含水饱和度、泥质含量等测井曲线）的配合，做详细的AVO模型进行分析，确定识别岩性、寻找含油气性储层的AVO响应特征。因此，相比于各种资料并不完备的预探区，AVO技术更适用于勘探相对成熟区。

3基于d性阻抗方程的d性参数反演方法

1）d性阻抗方程

Connollyd性阻抗（EI）的表达式如下：

成熟探区油气精细勘探理论与实践

Connolly的d性阻抗方程是纵、横波速度和密度的函数，从Connolly方程的d性阻抗反演数据体中可直接提取纵、横波速度和密度数据体，其他的流体因子数据体只能由提取出的纵、横波速度和密度间接计算，这样就引入了人为误差，使流体因子误差较大。为了减小计算误差的累积效应，得到更准确的流体因子，人们希望通过某种方法直接提取表征流体类型的流体因子。

2）流体d性阻抗方程

从Zoeppritz方程的Russell线性近似公式研究开始，推导出Gassmann流体项f和剪切模量μ形式表示的流体d性阻抗公式。然后用这种方法直接从反演得到的d性阻抗数据体中提取剪切模量μ、密度ρ和Gassmann流体因子f的数据体。

成熟探区油气精细勘探理论与实践

f0，μ0和ρ0分别定义为f，μ和ρ的平均值，通过A0的标定，可以使函数变得更加稳定，并且流体d性阻抗量纲与声阻抗一样，A0的表达式如下：

成熟探区油气精细勘探理论与实践

3）d性参数提取

从FEI(θ)中提取Gassmann流体项、剪切模量和密度等岩性参数的过程和d性阻抗反演一样，均是叠前反演中重要的一环。提取岩性参数需对方程进行求解，由于此方程式是非线性的，若直接求解，势必带来不少的麻烦，为此可将方程(4-24)进行变换，使之成为线性形式。

成熟探区油气精细勘探理论与实践

将反演所得的各角度流体d性阻抗体带入方程组(4-26)，从而获得各道任意一个采样点处的f、μ、ρ。

4）泊松比d性阻抗方程

泊松比由于物理意思明确，能较好地识别岩性和流体，作为最重要的岩石物理参数之一被广泛应用于储层预测研究中。为了得到更精确的泊松比，减少误差累积环节，希望直接通过某种方式反演出泊松比而不是通过其他数据间的转化以减少累积误差。

（1）泊松比d性阻抗推导。借鉴Connolly(1999)d性阻抗（EI）的构造思想，推导出新的d性阻抗方程，为使其与AI在同一量纲，引入3个标准化常数a0、P0、ρ0，可分别由目的层段相应测井曲线取平均得到，得到标准化后的PEI公式：

成熟探区油气精细勘探理论与实践

其中，

标准化后可以实现不同角度PEI值之间的比较。当垂直入射，即θ=0时，PEI=AI=EI。

（2）泊松比d性阻抗反演流程。PEI反演流程同EI反演流程相似，需经过地震资料处理、测井资料处理、角度子波提取与合成记录标定以及泊松d性阻抗体反演等步骤。

（3）d性参数的提取。得到新的d性阻抗后，还需进一步提取岩石物理参数（印兴耀，2004）。由于PEI是纵波速度、泊松比、密度的函数，为了获得这三个参量，必须从反演中得到至少三个不同角度的新d性阻抗，由于该方程是非线性，若直接计算会影响反演速度，因此，需要将此方程线性化，以直接获得d性参数。

5）模型验证与实际应用

图4-100（左、右)分别为某一地层模型用传统Connollyd性阻抗方程方法、本书所述方法得到的井旁道泊松比曲线与有关测井曲线计算得到的泊松比曲线对比结果。可以看出，本方法反演得到的井旁道泊松比与实测测井曲线计算值较接近。

图4-100 不同方法得到的泊松比曲线对比

图4-101为利用过卲4井的实际高精度地震资料进行泊松比直接反演和常规间接反演结果，投影曲线为电阻率测井曲线。可以看到利用新的d性阻抗方程，可以高效率准确地直接反演出泊松比，与利用纵、横波速度剖面间接求取泊松比剖面的方法相比，减少了累积误差以及奇异值的出现，大大提高了储层预测精度。

根据岩石物理分析得知，在储层中油气层表现为低密度特征，水层、干层的密度值较高，叠前反演密度参数可以大致反映油气异常的分布范围。利用叠前d性直接反演对濮深18鼻状构造区进行了烃类检测探索，图4-102中左图是过濮深18井叠前反演密度剖面，可见反演结果与井吻合很好，右图是沙三中油气预测平面图，图中油气异常分布范围基本与构造匹配，但又受岩性和储层物性控制。

图4-101 过卲4井泊松比直接反演与间接反演结果对比剖面

（上图为常规方法间接反演结果，下图为本书方法直接反演结果）

图4-102 叠前反演密度剖面（左）和濮深18井区沙三中烃检测图（右）

在濮深18井三维研究区，无论是理论分析结果还是实际数据分析结果都表明，利用叠前d性反演技术预测沙三中储层是可行的，油气预测结果可作为勘探开发的重要依据。

（二）地震波能量衰减属性提取方法

1地震波衰减理论

地震波传播在许多情况下具有非d性性质，d性波吸收与岩相的关系在不同频率上是不同的。大量统计数据表明，多数地区泥岩中平均吸收系数高出砂岩30%，个别地区甚至达到50%。对油气藏模型研究结果表明，其物理性质分布是复杂的、不均匀的。对d性波吸收性质主要决定于岩石骨架的d性性质，影响较大的因素还有孔隙度、孔隙可压缩性及孔隙饱和流体成分，特别是孔隙中含有天然气成分对吸收性质的影响更为明显。

在地震勘探中用来表示地层吸收性质的参数有吸收系数a、衰减因子h、对数衰减率δ、品质因子Q等，4个吸收参数中，实际工作常用的是对数衰减率δ和品质因子Q。

2基于S变换的地层吸收特征参数提取方法

品质因子Q作为表征地层吸收特征的一个重要参数，已经越来越被人们所重视。本书基于S变换，推导了地震信号经过S变换的时频能量谱分布公式，并在此基础上推导出了峰值频率和平均频率与品质因子Q值的变换关系，得到了两种品质因子Q值的估算方法，利用Q值的异常特性来预测天然气藏的位置和范围。

1）品质因子Q值的估算方法

由Stockwell等人提出的S变换的定义如下

成熟探区油气精细勘探理论与实践

式中，f为频率；τ为时窗函数的中心点，它控制高斯窗函数在时间轴上的位置。能量分布函数ES定义为

成熟探区油气精细勘探理论与实践

2）应用实例

基于S变换理论，分别从振幅和频率信息两个角度出发，提出了在时频域计算地层吸收特征参数的方法，并将之应用于民丰和花沟区块的天然气藏预测研究中。如图4-103为过高17井的叠后地震数据计算的地层吸收参数剖面，图中A标注的是实测井数据显示的含气位置，表现为较强的高吸收，而B区域吸收特征比A处还要稍强一些，可以预测为含气的有利区域。

图4-103 花沟区块过高17井吸收参数剖面

为了改善FIR滤波器性能，要求窗函数的主瓣宽度尽可能窄，以获得较窄的过渡带；旁瓣相对值尽可能小，数量尽可能少，以获得通带波纹小，阻带衰减大，在通带和阻带内均平稳的特点，这样可使滤波器实际频率响应更好地逼近理想频率响应。

最小阻带衰减 过渡带带宽△w

矩形窗：209dB 092π/M

汉宁窗：439dB 311π/M

海明窗：545dB 332π/M

布莱克曼窗：753dB 556π/M

扩展资料：

FIR滤波器窗函数设计法 有限单位脉冲响应(FIR >滤波器的一种设计方法，它的设计思想是:把求得的无限单位脉冲响应，通过窗函数直接截取为有限序列，作为FIR滤波器的单位脉冲响应，设Ha hem)为指标所要求的滤波器的频率响应，其对应的单位脉冲响应为无限长，可表示为1。

-FIR滤波器窗函数设计法

概念性证明：时限信号在有限时间内结束，因此它不可能是有限频率正弦函数之和。所以它不是频域带限。

可以用FT证明。思路：时限信号相当于乘了个阶跃函数。而阶跃函数频域不是带限的。

“带限信号时域无限”的概念性证明：

带限信号只含有限频率正弦函数，而正弦函数是时间无限的。

--------------------------------------------------

"我已经证出来了，不过我还是希望能有更好方法出现！"

贴出来讨论一下？

你能认真思考这个问题已经不简单了。是个尖子学生！或许已是教授了。既然你已达到这种程度，我就把你不喜欢的大篇文字解释去掉了。反正在这里也不会有别人来看。我又查了一下过去学过的证明方法。没法儿写在这。那些证明，貌似不长，但需要太多的基础。很想知道你的简捷证法。---- （这变成该我给你分了。呵呵。讨论嘛！）

系统的单位冲激响应h (n)在有限个n值处不为零。系统函数H(z)在|z|>0处收敛，极点全部在z = 0处（因果系统）。结构上主要是非递归结构，没有输出到输入的反馈，但有些结构中（例如频率抽样结构）也包含有反馈的递归部分。

设FIR滤波器的单位冲激响应h (n)为一个N点序列，0 ≤ n ≤N —1，则滤波器的系统函数为H(z)=∑h(n)z^-k。

就是说，它有（N—1）阶极点在z = 0处，有（N—1）个零点位于有限z平面的任何位置。

扩展资料：

在进入FIR滤波器前，首先要将信号通过A/D器件进行模数转换，把模拟信号转化为数字信号；为了使信号处理能够不发生失真，信号的采样速度必须满足香农采样定理，一般取信号频率上限的4-5倍做为采样频率；

一般可用速度较高的逐次逼进式A/D转换器，不论采用乘累加方法还是分布式算法设计FIR滤波器，滤波器输出的数据都是一串序列，要使它能直观地反应出来，还需经过数模转换，因此由FPGA构成的FIR滤波器的输出须外接D/A模块。

FPGA有着规整的内部逻辑阵列和丰富的连线资源，特别适合于数字信号处理任务，相对于串行运算为主导的通用DSP芯片来说，其并行性和可扩展性更好，利用FPGA乘累加的快速算法，可以设计出高速的FIR数字滤波器。

-FIR滤波器

为了减小DFT的泄露，需要减小主瓣宽度和旁瓣幅度；理想的窗函数是主瓣宽度窄，旁瓣幅度小。

矩形窗函数首尾值的突变，是其产生旁瓣的原因。所以，可以通过将输入序列的首尾数据平缓连接，以减小旁瓣的幅度，进而减小DFT的泄露。

所以，各种各样的窗函数就被发明了，常用的窗函数有:矩形窗函数、Hanning、Hamming窗函数、Blackman等。

扩展资料

加窗函数时，应使窗函数频谱的主瓣宽度应尽量窄，以获得高的频率分辨能力；旁瓣衰减应尽量大，以减少频谱拖尾，但通常都不能同时满足这两个要求。各种窗的差别主要在于集中于主瓣的能量和分散在所有旁瓣的能量之比。

窗的选择取决于分析的目标和被分析信号的类型。一般说，有效噪声频带越宽，频率分辨能力越差，越难于分清有相同幅值的邻近频率。

选择性（即分辨出强分量频率邻近的弱分量的能力）的提高与旁瓣的衰减率有关。通常，有效噪声带宽窄的窗，其旁瓣的衰减率较低，因此窗的选择是在二者中取折衷。

1、软件中加窗，主要利用现有函数，可以自己编程，首先根据自己的信号类型确定需要使用的窗，进而查找软件中对应的窗函数格式，通过“help”命令，可以查看该函数的详细用法。2、加窗首先要获得对应长度数据的窗函数，可以理解成为每个赋予一个权值，软件中自带函数正是为了生成，对于不同长度信号数据的权值函数。3、如果软件有现成函数，则可以直接使用。其中n信号数据的长度，h为相应窗矩阵，将h对应乘上信号数据，即将信号加窗处理了。

信号加窗与分帧是两个不同的概念。一首歌首先要经过分帧，下一步才是加窗。音频信号属于“短时平稳过程”每一帧信号视为平稳过程，即统计特性平稳。因为傅立叶变换对应的是无限信号，信号经过分帧后变成有限信号，分帧的信号再进行傅立叶变换后，高频部分将有泄露，所以要加窗。窗函数的拼谱都是在某高频部分截止，所以每帧信号加窗后的傅立叶变化，频谱基本泄露。

信号加窗就是滤波器，低通，带通等，加窗就是对信号进行处理，使信号能顺利通过系统，在理论上就是信号和窗函数的频域表达式相乘，时域表达式求卷积，中间可能会用到变换等。