加核Wigner-Ville时频谱分解技术在大港油区含气性检测中的应用
曾凡平, 赵亮, 徐甜, 李冰玲
① 中国石油东方地球物理公司研究院大港分院
② 中国石油大港油田公司资源评价处
③ 中国石油大港油田公司油气开发处

作者简介:曾凡平 工程师,1983年生,2009年硕士研究生毕业于中国地质大学(武汉)地球探测与信息技术专业,现从事地震资料解释和储层预测等方面的研究工作。通信地址:300280 天津市滨海新区海滨街东方地球物理公司研究院大港分院。电话:(022)25965935。E-mail:zengfp2013@hotmail.com

摘要

大港油田板桥地区气层埋藏较深,且地震主频较低,预测难度大。鉴于Wigner-Ville时频分布具有较高的时频局域性、分辨能力和聚能性,但其交叉项的存在对分辨能力有较大干扰,采用在模糊函数域加Choi-Williams核函数窗方式进行Wigner-Ville时频计算,通过理论信号分析加核Wigner-Ville时频分布能较好地抑制交叉项且能保持其原有的优良特性。在实际的含气层识别应用中,首先从已钻井出发,开展井旁地震道时频谱分析,归纳含气层的时频变化规律,然后提取地震分频剖面,研究分频剖面与含气层之间的对应关系,选择其气层识别的优势频率体,应用于含气性预测。理论信号和实际资料研究表明,加核Wigner-Ville时频谱分解技术在含气层检测中具有一定的可行性。

关键词: Wigner-Ville; 时频分布; 时频分析; 含气层; 大港油田; 板桥地区
中图分类号:TE132.1 文献标志码:A
Application of decomposition technique of Wigner-Ville time-frequency spectrum with kernel function in gas content detection in Dagang Oilfield
ZENG Fanping, ZHAO Liang, XU Tian, LI Bingling
① Dongfang Geophysical Research Institute Dagang Branch,CNPC
② Resource Evaluation Office of Dagang Oilfield Company,CNPC
③ Oil and Gas Development Office of Dagang Oilfield Company,CNPC
Abstract

The gas reservoir is deeply buried in Banqiao area, Dagang Oilfield, and the low earthquake frequency makes it difficult to predict. Given the high time-frequency locality, resolving ability and energy-gathering ability of Winger-Ville time-frequency distribution, while its cross term greatly interferes the resolving ability, Choi-Williams kernel function window was added to the fuzzy function domain to calculate Wigner-Ville time-frequency. Analyzing kernel function added Wigner-Ville time-frequency distribution with theory signal can better restrain the cross term and maintain its original excellent characteristics. In practical application of gas bearing formation identification, first starting from drilled wells, carry out time-frequency spectrum analysis of seismic traces near the well, generalize the change rule of time-frequency of gas bearing formation, and extract seismic fractional frequency profile to study the correspondence between fractional frequency profile and gas bearing formation. Dominant frequency body in gas bearing formation identification was selected to apply to gas bearing prediction. Theory signal and actual data indicate that decomposition technique of Wigner-Ville time-frequency spectrum with kernel function has certain feasibility in gas bearing formation detection.

Keyword: Wigner-Ville; time-frequency distribution; time-frequency analysis; gas bearing formation; Dagang Oilfield; Banqiao area
0 引言

大港油田位于天津市与河北省境内, 其歧口凹陷探明的天然气资源量相当丰富, 主要分布在板桥、大张坨、千米桥等地区, 以板桥地区为主, 其他地区主要为零星分布的小规模气藏或出气点。天然气探明储量属沙河街组最高, 但其埋藏较深, 地震主频较低、分辨率差, 且目前气层钻遇率不高, 预测难度较大。近年来, 前人基于不同的时频分析方法在含气性检测方面做了大量的研究[1, 2, 3], 主要使用的方法是短时窗傅立叶变换、Cohen类的Wigner-Ville分布以及小波变换等时频分析方法[4, 5, 6]; Castagna等[7]阐述小波变换和匹配追踪两种分频技术指示油气的方法; 才巨宏等[8]应用S变换时频技术预测孔洞缝储集层; 王飞等[9]利用Hilbert-Huang变换联合平滑伪Wigner-Ville时频分布揭示信号在时间分布和频率分布上的差异进行流体性质识别; 李丛等[10]应用平滑Wigner-Ville谱分解技术, 结合含气地层“ 高频能量衰减、低频能量增强” 的特点预测油气分布。尽管Wigner-Ville时频分布不受窗函数和窗函数长度选择的影响, 且时频局域性最好, 分辨率高, 但存在交叉项干扰, 限制了其应用[11, 12, 13]。本文将模糊函数应用于Wigner-Ville时频分布, 在模糊函数域加Choi-Williams核函数, 可以有效地抑制交叉项, 较好地保持Wigner-Ville时频分布原有的时频局域性和分辨率, 将其应用于大港油田板桥地区沙河街组的含气性检测, 具有一定的效果。

1 加核Wigner-Ville时频分布方法

Wigner-Ville时频分布是一种最基本的非线性表示[14]。这种分布最初是由Wigner在量子力学研究中提出的, 信号x(t)的Wigner-Ville分布表示为:

Wx(t, ω )=∫  -x(t+ τ2)x* (t- τ2)e-jω τ dτ (1)

其中x* x的共轭, 表达式(1)可以看作是某种能量分布特征函数的Fourier变换。式中t为时间变量, ω 为频率变量, τ 为时间滞后量(时延)。

当信号为xy两复谐波信号叠加时, Wigner-Ville时频分布表达式为:

Wx+y(t, ω )=Wx (t, ω )+Wy (t, ω )+Wx, y (t, ω )+Wy, x (t, ω )(2)

其中:

Wx, y(t, ω )=∫  -x(t+ τ2)y* (t- τ2)e-jω τ dτ (3)

Wy, x(t, ω )=∫  -y(t+ τ2)x* (t- τ2)e-jω τ dτ (4)

式(3)与式(4)互为Wigner-Ville时频分布, 其中Wx, y(t, ω )=W* y, x(t, ω ), Wx, y (t, ω )+Wy, x (t, ω )为实数, 表达式(2)可以改写成表达式(5)。

Wx+y(t, ω )=Wx (t, ω )+Wy(t, ω )+2Re[Wx, y(t, ω )](5)

表达式(5)说明, 两信号和的Wigner-Ville时频分布不是它们各自的Wigner-Ville时频分布的和, 除了两个自项外, 还包含一个互项, 即交叉项。Wx(t, ω )和Wy(t, ω )称为信号项, 2Re[Wx, y(t, ω )]为交叉项。推广到具N个信号成分的Wigner-Ville时频分布, 也有类似的结论。

图1给出50 Hz和150 Hz两调制高斯叠加信号及其Wigner-Ville时频分布, 从信号的Wigner-Ville时频分布可以看出, 叠加信号中50 Hz和150 Hz两调制高斯信号在时频剖面上位于正确的位置, 而交叉项在这两信号之间。

图1 两个调制高斯信号的Wigner-Ville分布

在非平稳信号处理中, 模糊函数可以定义为:对瞬时相关函数作关于时间t的Fourier反变换, 而不是Fourier变换, 即:

Ax(τ , ν )= Ftν-1[Rx (t, τ )] =∫  -x(t+ τ2)x* (t- τ2)ejν τ dt(6)

式中ν 为频偏。

模糊函数式(6)和Wigner-Ville分布表达式(1)都是信号的双线性变换或瞬时相关函数Rx(t, τ )的某种线性变换。Wigner-Ville变换到时频域, 表示能量分布, 为能量域; 而模糊函数则变换到时延-频偏域, 表示相关, 为相关域。由式(1)和式(6)容易证明:

Wx (t, ω )= 12π - -Ax (τ , ν )e-j(ν t+ω τ )dν dτ (7)

可见Wigner-Ville分布与模糊函数的Fourier二维变换等价, 只是相差一个常数因子1/2π 。

本文采用在模糊函数域加Choi-Williams核函数Φ (τ , ν )=exp[-α (τ ν )2]窗, 再进行Fourier二维变换到Wigner-Ville分布方式进行交叉项抑制[15, 16]

图2为50 Hz和150 Hz两调制高斯叠加信号在模糊函数域分布对其加Choi-Williams核函数窗抑制交叉项, 进而求取Wigner-Ville时频分布。图2a为叠加信号在模糊函数域内分布图, 各频率信号分量都以原点(0, 0)为中心混合在一起, 从这个意义上说, 模糊函数对各频率信号是模糊的, 而交叉项远离原点。图2b为Choi-Williams核函数窗, 其在原点(0, 0)的权系数为1, 向外逐渐趋于0。图2c为在模糊函数域加核函数窗抑制交叉项后的Wigner-Ville时频分布剖面。与图1b对比可以看出, 加核Wigner-Ville时频分布有效抑制了交叉项, 且能保持原有的时频局域性和分辨率。

图2 叠加信号在模糊函数域分布及核函数窗和加核Wigner-Ville时频分布

地震记录可以看作地震子波与反射系数褶积的结果, 用不同主频的雷克子波合成的信号更能检验不同时频分析方法在实际地震资料中的分辨能力。图3为由不同主频子波合成地震信号。在50 ms附近为一个40 Hz子波, 350 ms附近是10 Hz和40 Hz子波同向叠加, 500 ms附近是两个30 Hz子波时间上错位同向叠加, 650 ms附近是两个30 Hz和两个20 Hz子波时间上错位同向叠加, 900 ms附近是三个30 Hz子波时间上错位叠加其中一个反向叠加, 具体叠加方式如图3。图3a~图3d为不同时频分析方法对应的时频剖面图, 从图中可以看出, 核函数窗Wigner-Ville分布在650 ms附近能识别两个层、900 ms附近能识别三个层, 其分辨能力明显优于其他方法, 具有较高的时间和频率分辨率。

图3 不同主频子波叠加信号模型及其对应不同时频分析方法的时频剖面图

2 实际应用与分析

歧口凹陷板桥地区的天然气藏或出气点主要位于沙河街组, 平均埋深约4 700 m。由于气藏埋藏较深, 钻穿井少, 且目前对深层的烃源岩质量及规模认识不足, 资源潜力尚不落实, 这给深层气的预测带来很大困难。图4为B 1井录井测试成果图对应合成记录标定及井旁地震道加核Wigner-Ville时频分析剖面。图4a为B 1井录井测试成果图, 图中③和④处试油解释为水层, ②处试油解释为油层, ①处试油解释为气层, 产气约20 000 m3/d, 为本文研究的目标层。图4b为B 1井合成记录标定, 图中红色的合成记录叠合在地震剖面之上, 目标层位于沙河街组Es32油组内。图4c为B 1井井旁地震道加核Wigner-Ville时频分析剖面, 总体来看沙河街组地震波峰值频率较低约为15 Hz, 从上往下地震峰值频率有明显向低漂移的趋势, 气层峰值频率明显降低且频带变窄。

图4 B 1井录井测试成果图对应合成记录标定及井旁地震道加核Wigner-Ville时频分布剖面

现将加核Wigner-Ville时频分布方法用于过B 1井地震剖面, 验证该方法的可行性。图5为研究区过B 1井地震剖面, 图中红色框标明B 1井的产气层并进行了解释, 红线表示气层顶界。图6为目的层附近的频谱(与图5中黄色矩形区域对应的频谱), 中心频率fc为20 Hz, 峰值频率幅值衰减至20 dB时, 低频端频率f1为3 Hz, 高端频率f2为37 Hz。对该剖面进行加核Wigner-Ville时频分布方法计算, 并提取单一频率剖面, 寻找气层预测的优势频率。图7为采用加核Wigner-Ville时频分布方法计算后提取的10 、15、20、25 Hz的频率剖面。对比这4幅图可以看出, 在10 Hz的频率剖面中, 在B 1井的产气层出现相对的强能量团, 而浅层能量相对弱。随着频率增高, 单频剖面图中产气层强能量团逐渐减弱, 而浅层能量增强, 表明高频能量被气层吸收, 含气层的主频向低频移动, 出现了低频异常现象。

图5 过B1井地震剖面

图6 目的层附近的频谱图

图7 采用加核Wigner-Ville时频分布方法提取的不同单一频率的频率剖面

通过上述各个单频体分析, 10 Hz的单一频率体可以作为板桥区块Es32油组含气性预测的优势频率, 沿图7a中红线(气层)开时窗提取振幅属性作为含气性预测图(图8)。

图8 板桥区块Es32含气性预测图

图8为沿层在10 Hz单频体上提取的均方根振幅属性图, 图中暖色调表示低频强能量含气有利区。综合地质认识和含气性预测, 在B 1井东北方向部署了B 2井兼探Es32气层, B 2井试油解释为气层, 产气约16 800 m3/d。

3 结束语

(1)基于Wigner-Ville的时频分析方法, 因交叉项存在严重干扰了时间域、频率域的分辨率, 但通过在模糊函数域加Choi-Williams核函数窗, 较好地抑制了交叉项, 且保持了Wigner-Ville时频分析原有的时间分辨率、频率分辨率和聚能性。

(2)时频分析方法可提供时间域与频率域的联合分部的信息, 从已钻井可以清楚地掌握地震信号时频变化规律与含气性之间的关系, 可以选择一个含气性预测的优势频率, 进行储集层含气性预测。

(3)在大港油田板桥地区的应用表明, 该技术为储集层含气性预测提供了较好的指导作用, 值得进一步探索和研究。

(编辑 王丽娟)

参考文献
[1] 张波, 王真理, 周水生, . 谱分解在含气检测中的应用[J]. 地球物理学进展, 2010, 25(4): 1360-1364.
ZHANG Bo, WANG Zhenli, ZHOU Shuisheng, et al. Application of spectral decomposition to gas detection[J]. Progress in Geophysics, 2010, 25(4): 1360-1364. [本文引用:1]
[2] 张猛刚, 洪忠, 窦玉坛, . 时频分析在苏里格地区含气性检测中的应用[J]. 岩性油气藏, 2013, 25(5): 76-80, 85.
ZHANG Menggang, HONG Zhong, DOU Yutan, et al. Application of time-frequency analysis technology to the gas detection in Sulige area[J]. Lithologic Reservoirs, 2013, 25(5): 76-80, 85. [本文引用:1]
[3] 陈学华, 贺振华, 黄德济, . 时频域油气储层低频阴影检测[J]. 地球物理学报, 2009, 52(1): 215-221.
CHEN Xuehua, HE Zhenhua, HUANG Deji, et al. Low frequency shadow detection of gas reservoirs in time-frequency domain[J]. Chinese Journal of Geophysics, 2009, 52(1): 215-221. [本文引用:1]
[4] 陈雨红, 杨长春, 曹齐放, . 几种时频分析方法比较[J]. 地球物理学进展, 2006, 21(4): 1180-1185.
CHEN Yuhong, YANG Changchun, CAO Qifang, et al. The comparison of some time-frequency analysis methods[J]. Progress in Geophysics, 2006, 21(4): 1180-1185. [本文引用:1]
[5] 庞锐, 刘百红, 孙成龙. 时频分析技术在地震勘探中的应用综述[J]. 岩性油气藏, 2013, 25(3): 92-96, 101.
PANG Rui, LIU Baihong, SUN Chenglong. Review on time-frequency analysis technique and its application in seismic exploration[J]. Lithologic Reservoirs, 2013, 25(3): 92-96, 101. [本文引用:1]
[6] 印兴耀, 张奎, 张广智. 联合时频分布及其属性的应用[J]. 石油地球物理勘探, 2003, 38(5): 522-526.
YIN Xingyao, ZHANG Kui, ZHANG Guangzhi. Application of joint time-frequency distribution and its attribution[J]. Oil Geophysical Prospecting, 2003, 38(5): 522-526. [本文引用:1]
[7] JOHN P C, SUN S J, ROBERT W S. Instantaneous spectral analysis: Detection of low-frequency shadows associated with hydrocarbons[J]. The Leading Edge, 2003, 22(2): 120-127. [本文引用:1]
[8] 才巨宏, 顾汉明, 邹文. S-变换时频技术在碳酸盐岩孔洞储层预测中的应用[J]. 地质科技情报, 2005, 24(4): 111-113.
CAI Juhong, GU Hanming, ZOU Wen. Prediction of cave reservoir in carbonate rock using S-transform time-frequency technology[J]. Geological Science and Technology Information, 2005, 24(4): 111-113. [本文引用:1]
[9] 王飞, 边会媛, 张永浩, . Hilbert-Huang变换联合平滑伪Wigner-Ville时频分布识别储层流体性质[J]. 石油物探, 2016, 55(6): 851-860.
WANG Fei, BIAN Huiyuan, ZHANG Yonghao, et al. Hilbert-Huang transform combined with smoothed pseudo Wigner-Ville time-frequency distribution to identify reservoir fluid properties[J]. Geophysical Prospecting for Petroleum, 2016, 55(6): 851-860. [本文引用:1]
[10] 李丛, 韩立国, 李金泉, . 平滑Wigner-Ville谱分解技术在储层预测中的应用[J]. 世界地质, 2012, 31(4): 813-818.
LI Cong, HAN Liguo, LI Jinquan, et al. Application of decomposition technique of smooth Wigner-Ville spectral in reservoir prediction[J]. Global Geology, 2012, 31(4): 813-818. [本文引用:1]
[11] 赵迎月, 顾汉明, 李宗杰, . Wigner-Ville高阶时频谱及其在塔中奥陶系缝洞型储层预测中的应用[J]. 石油地球物理勘探, 2010, 45(5): 688-694.
ZHAO Yingyue, GU Hanming, LI Zongjie, et al. Wigner-Ville higher-order time-frequency spectrum and its application in prediction of Ordovician fractured-vuggy reservoir in Tazhong area[J]. Oil Geophysical Prospecting, 2010, 45(5): 688-694. [本文引用:1]
[12] 杨海涛, 朱仕军, 文中平, . 基于Wigner-Ville的谱分解效果分析[J]. 勘探地球物理进展, 2009, 32(1): 37-39.
YANG Haitao, ZHU Shijun, WEN Zhongping, et al. Effect analysis of spectral decomposition based on Wigner-Ville distribution[J]. Progress in Exploration Geophysics, 2009, 32(1): 37-39. [本文引用:1]
[13] 张晓燕, 彭真明, 张萍, . 基于分数阶Wigner-Ville分布的地震信号谱分解[J]. 石油地球物理勘探, 2014, 49(5): 839-845.
ZHANG Xiaoyan, PENG Zhenming, ZHANG Ping, et al. Spectral decomposition of seismic signal based on fractional Wigner-Ville distribution[J]. Oil Geophysical Prospecting, 2014, 49(5): 839-845. [本文引用:1]
[14] 张贤达. 现代信号处理[M]. 北京: 清华大学出版社, 2002.
ZHANG Xiand a. Modern signal processing[M]. Beijing: Tsinghua University Press, 2002. [本文引用:1]
[15] CHOI H I, WILLIAMS W J. Improved time-frequency representation of multicomponent signals using exponential kernels[J]. IEEE Transactions on Acoustics Speech & Signal Processing, 1989, 37(6): 862-871. [本文引用:1]
[16] 冯涛, 袁超伟. 跳频信号的几种Cohen类时频分布性能比较[J]. 通信对抗, 2010(3): 3-6, 15.
FENG Tao, YUAN Chaowei. A comparison among several Cohen class' time-frequency distributions of frequency-hopping signals[J]. Communication Countermeasures, 2010(3): 3-6, 15. [本文引用:1]