时移地震是一种油气动态检测方法, 也是一门将地球物理、岩石物理、地质、油藏进行综合研究的检测技术^[1-5]。时移地震对比以油气田开发过程中, 储层流体发生变化, 从而引起地震振幅和走时等参数改变为依据^[6-8]。所以, 在油气田开发前后, 间隔一段时间, 在同一位置, 采用相同的采集方法和采集参数进行重复地震数据采集, 根据地震数据的差异, 来表征油藏开发过程中流体性质、饱和度、地层压力及温度动态变化过程, 然后将地震属性数据体和流体变化的对应关系对应起来, 以期实现流体场变化情况的预测^[9]。

时移地震对比要求两期数据为重复采集, 但重复采集的时移地震投入高, 于是非重复性时移地震应运而生, 降低了重复采集的成本^[10]。然而非重复地震数据采集由于观测系统、采集参数的不同, 使两期地震数据的方位角、偏移距、覆盖次数等存在差异, 导致地震数据的构造成像、信噪比等问题的存在, 无法直接进行时移对比, 需要在时移对比之前进行一致性处理。地震数据观测系统中炮间距和方位角差异是非一致性观测系统最大偏移距和最大非纵距的差异^[11-12], 非一致性时移地震一致性处理是为了保证两期数据偏移距和方位角的尽量一致^[13]。李强等^[14]对常规陆地数据采用面元对应抽稀法消除了野外采集观测系统差异。李景叶等^[15]对观测系统、采集方向差异, 导致同一反射点在不同时移地震数据偏移后空间位置上的差异, 进行了三维空间非线性校正。

压缩感知能够对地震数据进行重建, 对于改善地震处理效果有着重要作用^[16]。由于稀疏炮检点或野外采集因素造成地震数据的不规则采集影响后续地震资料成像质量, 基于压缩感知理论的重构方法能够有效恢复地震数据^[17]。段中钰等^[18]2021年对缺失地震数据用平方正则交替乘子方向算法(SR- ADMM)算法解决最优化问题并重建缺失的地震数据, 结果表明基于SR-ADMM压缩感知地震数据方法的重建精度较高, 且具有实用性。崔庆辉等^[19]2022年基于压缩感知理论设计随机地震观测系统, 利用高维空间低秩约束算法完成随机地震数据的高密度规则化重建, 适于复杂的地表条件, 节省勘探成本。王伟等^[20]2022年利用炮检距插值时差校正及时变分集加权道组合技术, 很好地解决了覆盖次数差异巨大引起的信噪比不一致问题, 在实际数据连片处理中取得了较好效果。

随着多分量地震数据采集优势越来越突出, 现阶段将多分量数据与早期拖缆地震数据进行非重复性时移地震观测系统一致性处理, 针对于多分量采集相对于拖缆采集方位角宽、覆盖次数高等问题暂无研究。本文结合南海某区域近期OBC多分量采集的地震数据和早期三维拖缆采集的地震数据进行非重复性一致性处理研究, 针对观测系统不一致的导致二者无法进行时移对比的问题, 创新地提出压缩感知数据重建的方法进行观测系统归一化处理, 实现了时移对比的需求, 降低了时移地震勘探的成本, 为多分量地震数据进行非重复性时移地震对比研究提供可靠的研究依据。

1 地震数据背景

早期采集的三维拖缆数据与近期采集的OBC数据为非重复性采集的两期数据, 二者在采集参数、观测系统等方面, 存在较大的差异。

1.1 采集参数差异

在采集参数方面, OBC数据为2021年多分量的采集方式, 三维拖缆数据为2004年单分量拖缆采集方式。这两种不同采集方式的数据在采集过程中气枪压力、气枪容量、震源沉放深度、震源间距、道间距、缆间距等各不相同(表 1)。

从表 1可知, 拖缆数据的气枪容量和气枪压力小于OBC数据, 尤其是气枪压力差距明显; 拖缆数据道间距和缆间距小于OBC数据, 也即采集密度高于OBC数据; 拖缆数据4条电缆远远小于OBC数据的14条; 结合拖缆数据电缆长度为4 050 m, 小于OBC数据的6 000 m, 也即拖缆数据道数明显少于OBC数据, 导致二者覆盖次数存在差异。

从OBC和拖缆数据各自规则化之后的覆盖次数图可知(图 1), 拖缆数据85%覆盖次数集中在40~50次(图 1 a, 黄色部分), OBC数据57%的覆盖次数集中在400~500次(图 1(b), 绿色和棕色部分)。两期数据覆盖次数相差10倍, 严重影响时移对比研究。

1.2 观测系统差异

对OBC与拖缆数据的方位角展开分析, 从玫瑰花图、方位角分布图上可知, 二者的观测系统差异主要表现在: 拖缆数据方位角比较窄, 主要集中在154°~180°、334°~360°内(图 2a、2c玫红线范围); OBC数据方位角宽, 主要集中在130°~210°和290°~10°(图 2b、2d玫红线线范围)。玫瑰花图、方位角分布图显示OBC数据的方位角明显比拖缆数据宽, 差异较大。

在偏移距方面, 对OBC与拖缆数据的共中心点道集进行偏移距分析, 从两期数据的满覆盖道集数据上可知(图 3): 拖缆数据最大偏移距4 050 m, 与电缆长度一致; 而OBC数据最大偏移距为7 515 m, 大于电缆长度6 000 m。

根据以上采集参数和观测系统差异分析可知, 拖缆数据覆盖次数小、方位角窄、偏移距小, 但采集密度较高; 而OBC数据采集方式可以接收更宽的方位角, 覆盖次数和偏移距大, 但由于接收线距和点距均大于拖缆资料, 炮点分布规律差异大。因此, OBC和拖缆数据不能直接进行时移对比, 需在时移对比前, 将两期数据的方位角、偏移距、覆盖次数等归一化。

针对研究区域目标层系深度较大、构造复杂等特点, 本文采用基于压缩感知数据重建方法, 对拖缆全部数据和拖缆数据与OBC数据交集部分的OBC数据进行重建, 同时提高两期数据的覆盖次数其信噪比, 使得二者信噪比、覆盖次数、偏移距和方位角均一致。

2 压缩感知数据重建原理

地震数据重建目前有很多的方法, 归纳起来主要包括基于滤波法^[21-22]、基于波场延拓算子重建法^[23-24]以及基于稀疏表示的重建方法^[25-26]。基于滤波的重建方法, 可对规则采样的地震数据进行重建, 但是该方法的计算量比较大; 基于波场延拓算子方法需要将已知的地下信息作为先验条件, 而很多时候地下的信息是未知的或精度比较低, 严重影响重建结果; 通过最小二乘法将信号变换到某一新的变换域, 再通过反变换重构地震数据的变换函数法, 对采样率要求较高, 地震数据的采集规模较大, 从而提高采集成本^[18]。压缩感知是指数据在稀疏前提下, 在低于奈奎斯特采样频率的条件下, 可以通过非线性重建算法重建原始信号^[16]。

压缩感知基本理论^[27-29]如下:

采用压缩感知方法进行数据重建, 需有3个前提: ①地震数据的稀疏性, ②测量矩阵的不相干性, ③合适的优化算法。在满足以上3个基础条件的前提下, 可建立压缩感知数据重建的模型:

$ \boldsymbol{y}=\boldsymbol{\varPhi} \boldsymbol{x}, $

(1)

式中: x∈R^N是原始信号; Φ∈R^M×N是测量矩阵, y∈R^M是测量矩阵下原始信号的观测值。将原始信号采用稀疏表示方法, 可得:

$ \boldsymbol{x}=\boldsymbol{D} \boldsymbol{\varTheta}, $

(2)

式中: D∈R^N×N是稀疏变换矩阵; Θ是稀疏系数。

经过变换y为:

$ \boldsymbol{y}=\boldsymbol{\varPhi} \boldsymbol{x}=\boldsymbol{\varPhi} \boldsymbol{D \Theta}=\boldsymbol{A \Theta}, $

(3)

式中: A＝Φ, D是M×N阶感知矩阵。A具有约束等距的性质, 求解L₀范数优化问题从观测值y中恢复出原始信号x

$ \min \|\boldsymbol{\varTheta}\|_0 \quad s.t. \quad \boldsymbol{y}=\boldsymbol{A} \boldsymbol{\varTheta}, $

(4)

式中, 稀疏系数Θ的L₀范数表示该向量中所有非零元素的个数。但L₀范数的最优化问题是一个非确定性多项式问题, 在稀疏变换矩阵D与测量矩阵Φ不相干时, 求解Θ的L₀范数问题等价于求解Θ的L₁范数, 故可将式(4)转化为求解L₁范数优化问题

$ \min \|\boldsymbol{\varTheta}\|_1 \quad \text { s.t. } \quad \boldsymbol{y}=\boldsymbol{A} \boldsymbol{\varTheta}, $

(5)

式(5)与式(4)等价, 即求解满足约束条件的最稀疏Θ转换为求解满足约束条件的元素绝对值和最小Θ。通过求解式(5)得到最稀疏系数$ \tilde{\boldsymbol{\varTheta}}$, 最后根据$ \tilde{\boldsymbol{\varTheta}}$恢复重建原始信号

$ \tilde{\boldsymbol{x}}=\boldsymbol{D} \tilde{\Theta} . $

(6)

数据重构算法是压缩感知精确重构的重要前提, 本次压缩感知重建采用SR-ADMM进行稀疏优化问题求解。该算法的优点将正则项正则化迭代中子问题加入算法, 并且自适应地选取平衡因子, 在满足精度要求, 实现并行运算且提高运算效率, 其重建精度高于常规压缩感知地震数据重建优化算法^[18]。

将去噪、去多次波之后的OBC和拖缆数据, 通过互均衡的方法, 对二者之间的振幅、频率、相位差异进行一致性匹配处理, 然后采用压缩感知数据重建的方式, 可将拖缆地震资料的方位角做一定程度扩展, 从而一定程度弥补拖缆资料方位角不足的问题; 将OBC地震资料的炮线和检波线距做加密重建, 对OBC采集的炮线、检波线距大的问题具有较好的弥补作用。在重建之后的数据中对炮点、检波点位置做匹配, 便可获得观测系统归一化的数据输出, 具体流程如图 4所示。

3 数据重建效果分析

通过压缩感知数据重建的方法, 对拖缆全部数据和OBC与拖缆数据的交集部分数据进行重建, 将二者观测系统归一化。

3.1 OBC与拖缆数据方位角、偏移距归一化

对偏移前的OBC数据, 通过设置与拖缆数据相同的最大偏移距和方位角门槛, 匹配OBC与拖缆数据炮点相同位置, 提取炮点距离小于偏移距门槛值的地震数据; 匹配检波点距离小于方位角门槛值的地震数据, 舍弃方位角较宽的OBC排列和与拖缆方向相反的半个排列等数据。得到最大偏移距7 515 m、方位角130°~210°和290°~10°的范围的OBC数据, 抽取与拖缆数据最大偏移距4 050 m、方位角154°~180°、334°~360°范围一致的数据, 达到两期数据方位角、最大偏移距一致的目的(图 5)。

将OBC共中心点道集数据(Common Midpoint, CMP), 按照拖缆数据的偏移距、方位角门槛值以及炮点位置相同范围(绿色方框)抽取交集数据后(图 6), 得到的OBC数据CMP道集道数、偏移距明显减小, 从而降低了数据的信噪比。

3.2 OBC与拖缆数据压缩感知数据重建

拖缆数据和OBC通过压缩感知数据重建, 改善二者数据的质量, 使两期数据特征一致。

3.2.1 拖缆数据重建

由于拖缆数据采集密度较高且采用的是全部的数据, 对拖缆数据采用压缩感知数据重建方法后, 分析数据重建前后方位角玫瑰花图可知(图 7): 拖缆数据在数据重建后方位角整体变化不明显, 但在红色虚线位置处, 绿色成分增加, 表明拖缆数据的方位角稍稍得到拓宽。

选取偏移前满覆盖的拖缆数据CMP道集数据, 分析压缩感知数据重建前后的拖缆数据CMP道集的变化特征如图 8所示: CMP道集道数得到一定的增加, 信噪比略微有所提高。

3.2.2 OBC数据重建

OBC数据按拖缆数据方位角、偏移距交集部分抽取之后, 与原始数据相比道数减少明显, 信噪比显著降低。通过压缩感知数据重建方式后, 分析数据方位角玫瑰花图可知(图 9), 交集部分的OBC在数据重建后近偏移距方位角窄的问题得到扩展, 并且方位角中的蓝色变为均匀的绿色, 表明方位角由原来的低值、不均匀特征变得更加均匀, 交集部分的OBC数据方位角得到拓宽和均衡。

选取偏移前满覆盖的交集部分OBC数据的CMP道集进行分析可知, 分析压缩感知数据重建前后的OBC数据CMP道集的变化特征如图 10所示: CMP道集的道数明显得到增加, 数据的信噪比得到提高。

对OBC原始数据、交集部分的OBC数据和交集部分数据重建之后的CMP道集进行偏移成像并叠加, 从叠加剖面对比分析可知: OBC数据按拖缆数据的方位角、偏移距抽取之后, 叠加剖面同相轴和断面成像质量与原始数据相比明显降低(图 11a—11b); 经过压缩感知重建后, 同相轴和断面的成像明显提升(图 11b—11c); 在黄色圆圈处, 压缩感知数据重建后的叠加剖面地层成像连续性、断面成像比数据重建之前更好, 且接近于原始数据的偏移剖面(图 11a—11c)。

对OBC与拖缆数据方位角、偏移距交集部分的数据, 采用五维插值方法进行数据重建, 并与压缩感知重建方法的效果对比。通过分析可知: 在黄色圆圈处, 压缩感知数据重建方法的叠加剖面地层连续性、断面成像质量都高于五维插值方法(图 11c—11d), 且更接近于原始叠加剖面。

对OBC原始数据、交集部分的OBC数据和交集部分数据重建之后的数据提取信噪比属性, 从属性平面图对比分析可知: 交集部分的OBC数据信噪比与原始数据相比明显降低(图 12a—12b); 经过压缩感知重建后, 信噪比明显提升(图 12b—12c)。

对交集部分OBC数据采用五维插值方法进行数据重建后提取信噪比属性, 并与压缩感知重建方法的效果对比。在信噪比属性平面图上可知: 压缩感知数据重建方法的信噪比高于五维插值方法(图 12c—12d), 且更接近于原始叠加剖面。

4 OBC与拖缆数据时移对比

将OBC数据按拖缆数据的方位角、偏移距交集部分抽取之后, 与全部的拖缆数据采用压缩感知数据重建方法进行观测系统归一化处理, 二者在方位角、偏移距、覆盖次数、信噪比都有了较好的一致性。对数据重建后的OBC交集部分数据和拖缆数据进行偏移成像并叠加, 在叠加剖面上剖面上可知(图 13): 两期数据的特征基本一致, 可用于开展时移对比研究; 在实际钻井(绿色方框)处注气, OBC数据表现为波阻抗差增强, 振幅增强, 与实际情况相符。

5 结论

本文将三维拖缆数据和OBC多分量采集的数据进行非重复性时移地震处理, 由于二者采集参数和观测系统不同, 方位角、覆盖次数、偏移距等都存在较大差异, 在时移对比前, 首先采用压缩感知数据重建方法对两期数据做归一化处理, 并与五维插值方法进行对比, 得出结论如下:

(1) 根据OBC与拖缆数据方位角、偏移距差异的特征, 可将宽方位、大偏移距采集的OBC数据按照与拖缆数据方位角和偏移距交集的部分抽取出来后, 使两期数据偏移距、方位角归一化。

(2) 压缩感知数据重建方法可以提高并归一化拖缆数据和OBC数据的覆盖次数和信噪比, 重建后的两期数据能够进行时移对比。

(3) 将OBC数据抽取方位角和偏移距交集部分数据后, 采用压缩感知数据重建的方法和五维插值方法进行对比, 前者在提高信噪比和地层成像方面优于后者。

(4) 通过压缩感知数据重建的方法, 可以实现不同采集参数和观测系统的多分量OBC数据和拖缆数据开展非重复性时移地震的研究, 节约了时移地震成本, 进一步推动时移地震的研究。

(5) 多分量OBC采集的地震数据可用于与拖缆数据开展非重复性时移地震, 为后续将多分量采集的地震数据进行非重复时移地震研究提供了可靠的依据。