[发明专利]一种超深层火山岩的识别方法

说明书

本发明公开了一种超深层火山岩的识别方法，包括如下步骤：将火山岩发育区带的地震数据体横向强制性滤波，突出纵向地震数据体不连续性；采用主成分分析数据融合方法，增强火山通道异常特征；将反射杂乱特征做混沌属性处理，得到混沌反射值；将混沌反射值通过聚类分析，进行岩相预测；采用K‑prototype算法处理混沌反射值，得到岩相分类结果；综合火山通道异常特征和岩相分类结果，识别出火山岩。降低了地震异常体的地质含义多解性，提供了超深层火山岩的识别方法，大大提高了超深层火山岩储层的识别精度。

技术领域

本发明涉及石油、天然气勘探开发领域，特别涉及一种超深层火山岩的识别方法。

背景技术

火山岩油气藏是油气勘探的重要目标，火山岩地震识别是火山岩油气藏勘探的关键。国内已发现火山岩油气藏，徐家围子气藏、松南气藏、克拉美丽气藏埋深均在2000～4000m之间，此外国外目前发现的火山岩油气藏埋深均未超过4000m，类比国内外其他火山岩气藏，川西火山岩具有埋藏超深，埋深超6000m，隐蔽性强等特点。受埋藏超深影响，地震资料品质低，识别难度大；川西火山岩下部无明显火山锥型特征，岩浆溢流通道窄，地震反射特征不明显；且火山岩钻井较少，火山岩平面展布特征不明确。目前川西火山岩识别方法多基于地震剖面常规识别手段，地层厚度法反应火山岩发育，火山岩剖面特征具有丘型隆起外形，内部杂乱特征，与生物礁地震剖面特征相似，无法有效区分，识别方法存在较强多解性。

为此，中国专利申请CN201611142635.0公开了一种火山岩岩相的预测方法，其包括以下步骤：模型正演：在地震地质层位标定的基础上，进行剖面模型正演；地震属性提取：针对目标层位，提取沿层地震属性，确定属性时窗范围；属性优选：优选反映火山岩分布的地震属性，并进行预处理；火山岩岩相分类：根据钻井结果，对火山岩岩相进行类别划分；多属性神经网络模式识别；岩相预测：根据训练得到的神经网络参数对多个地震属性进行融合，预测未知区火山岩岩相的分布变化规律。但是，火山岩爆发相与喷溢相区分受地层埋深与资料品质影响，确定相边界困难，地震属性平面规律性差，导致火山岩相分布特征不明确。

发明内容

本发明的目的在于克服现有技术中所存在的超深层火山岩岩相分布特征不明确的问题，提供一种超深层火山岩的识别方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种超深层火山岩的识别方法，包括如下步骤：

将火山岩发育区带的地震数据体横向强制性滤波，突出纵向地震数据体不连续性；采用主成分分析数据融合方法，增强火山通道异常特征，得到火山锥分布图；

将火山岩发育区带的反射杂乱特征做混沌属性处理，得到混沌反射值；将混沌反射值通过聚类分析，对岩相进行分类，得到火山岩岩相预测平面图；

根据火山岩岩相预测平面图与火山锥分布图，预测火山机构分布与火山岩相平面展布。

优选的，所述聚类分析，采用K-prototype算法处理所述混沌反射值，得到岩相的分类结果。

优选的，所述横向强制性滤波，采用自适应构造取向去噪方法，根据主构造方向自动调整方位，在滤波过程中指定信号优势方向，多次进行滤波迭代，用于去除调谐及随机噪音。

优选的，所述主成分分析数据融合方法，包括：

求出自变量的协方差矩阵或相关系数矩阵；

求出协方差矩阵或关系数矩阵的特征值及对应的特征向量；

将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵a，所述矩阵a为k*p维；

将所述矩阵a降维到k维后的数据Y＝a^T*X，其中Y为k*1维。

优选的，所述混沌反射值的数学模型为