基于聚类分析的地震属性优化及储层预测——以敖包塔油田敖9工区为例
深度学习技术在地震储层预测中的应用及挑战
深度学习技术在地震储层预测中的应用及挑战骆迪;王宏斌;蔡峰;吴志强;孙运宝;李清【期刊名称】《石油地球物理勘探》【年(卷),期】2024(59)3【摘要】传统地震储层预测技术已无法满足储层精细评价的需求,深度学习具有强大的特征提取和高维数据处理能力,近年来广泛应用于地震储层预测并取得了较好的效果。
为此,本文深入讨论深度学习技术在地震储层预测中的应用、进展及它在实际工作中面临的挑战,并提出未来的发展方向。
主要认识有:(1)在烃类定性检测方面,深度学习技术有助于综合利用多属性地震数据去提高效率和预测结果的准确率;在定量预测方面,深度学习技术可以更精准地逼近地震数据与目标之间复杂的非线性关系,实现储层的精细定量评价。
(2)深度学习技术的应用面临的挑战主要是标签数据不足和样本不均衡等容易导致模型过拟合,泛化能力差;模型复杂,计算成本高;模型的“黑匣子”特征使预测结果缺乏物理可解释性;缺乏定性预测模型的评价标准和高精度的不确定性量化算法。
(3)未来的研究方向应致力于克服数据可用性的不足和深度学习的局限性等,构建地球物理知识图谱,实现多源数据与知识的有效融合、共享,将深度学习与反馈强化学习等其他机器学习算法相结合,为油气勘探和开发提供更可靠的技术支撑。
【总页数】12页(P640-651)【作者】骆迪;王宏斌;蔡峰;吴志强;孙运宝;李清【作者单位】中国地质调查局青岛海洋地质研究所自然资源部天然气水合物重点实验室;崂山实验室海洋矿产资源评价与探测技术功能实验室【正文语种】中文【中图分类】P631【相关文献】1.地震储层预测技术在港东油田二区六断块河流相储层中的应用2.叠后地震储层预测技术在缝洞型储层表征中的应用3.层序约束地震储层预测技术在岩性圈闭识别中的应用4.转换波地震勘探技术在四川盆地震旦系储层预测中的应用5.地震储层预测技术在X地区砂岩薄储层中的应用因版权原因，仅展示原文概要，查看原文内容请购买。
地震相控约束下的储层高精度定量预测方法——以曲塘次凹阜三上亚段为例
石 油 地 质 与 工 程2022年1月 PETROLEUM GEOLOGY AND ENGINEERING 第36卷 第1期文章编号：1673–8217（2022）01–0008–06地震相控约束下的储层高精度定量预测方法——以曲塘次凹阜三上亚段为例王东坤，谢英刚，张军林，逄建东，葛 岩（中海油能源发展股份有限公司工程技术分公司，天津 300457）摘要：滩坝砂体空间分布非均质性较强、厚度薄，常规储层预测方法无法精细刻画其特征。
针对该问题，采用主成分分析的地震相分析技术获取滩坝砂体空间展布变程、方向、规模等表征参数，将沉积模式和地震相引入地质统计学反演中进行变差函数的分析，在提高垂向分辨率的同时弱化随机反演井间结果的不确定性，最终实现对滩坝薄砂体的高精度定量预测。
关键词：滩坝砂岩；地震相；地质统计学反演；地震相控反演 中图分类号：P631.4 文献标识码：AHigh precision quantitative reservoir prediction method controlled by seismic facies constraints--by taking the upper 3thFuning formation in Qutang sub-sagWANG Dongkun, XIE Yinggang, ZHANG Junlin, PANG Jiandong, GE Yan(Engineering Technology Company of CNOOC Energy Development Co., Ltd., Tianjin 300457, China)Abstract: As the beach bar sand body has strong heterogeneity and thin thickness, conventional reservoirprediction methods cannot accurately characterize its characteristics. Aiming at the problem, the seismicfacies technology based on principal component analysis was used to obtain the parameters such as the space range, direction and scale of beach bar sand body. The sedimentary model and seismic facies are introduced into the analysis of variogram in geostatistical inversion. The research can improve the vertical resolution and weaken the uncertainty of the results between wells caused by stochastic inversion. Finally, the high-precision quantitative prediction of beach bar sand body is realized.Key words: beach bar sand body; seismic facies; geostatistical inversion; seismic facies-controlled inversion曲塘次凹位于苏北盆地东台坳陷中的海安凹陷西南部（图1），南北部分别与泰州低凸起、通扬隆起相邻，整体呈北东向展布，内部地层沉积构造呈北深南浅、北断南超、北厚南薄的特点[1]。
基于井数据驱动的薄互层储层预测技术在渤海A油田的应用
2 原理方法
2.1 基于支持向量机的测井曲线预测技术 支持向量机（Support Vector Machine，SVM）是
近年来逐步发展起来的一项新技术，建立 VC 维概 念基础上以及在结构风险最小化原则的一种有限 样本统计学习理论，广泛应用于解决小样本、非线 性、数据挖掘及数据分类识别中。海上油田开发井 实施过程中，为节约成本，提高钻井效率，随钻测井 曲线一般只录取电阻和伽马曲线，不测声波和密度 曲线。只能满足常规测井解释，无法给地震提供速 度、密度等信息。因此，开发井无法进行精细的时 深标定与分析，也无法参与井约束的地震反演。
域，降低了钻探风险，为该区域井位部署提供了很 好的支持。
参考文献：
［1］Zeng HL.From seismic stratigraphy to seismic sedimentology：a sensible transition［J］.Gulf Coast Association of Geological Societies Transactions，2001，LI：413-420.
的地震多属性分析技术预测薄互层的平面展布。首先利用泥质含量曲线和电阻率曲线，采用基
于支持向量机预测声波、密度曲线，分别制作多口已钻开发井的精细合成地震记录。在合成地
震记录集提取多种地震属性，与井点砂地比交会分析，得到对砂地比敏感的地震属性。并在实
际地震资料提取敏感地震属性，成功预测渤海 A 油田沙三中段薄互层平面展布。以数据为驱
1 研究区概况
A 油田位于渤海南部莱州湾海域，油藏埋深大 于 2 500 m，受埋深影响，地震资料品质差，分辨率 低，区域沉积演化表明，A 油田为辫状三角洲前缘 相为主的沉积体系，发育砂泥岩薄互层沉积，地震 表现为低频弱振幅连续性差、弱反射特征，单砂层 厚度薄，多数小于 5 m，横向变化快，单砂层储层预 测难度大。
基于智能算法的油气勘探中的储层预测研究
基于智能算法的油气勘探中的储层预测研究近年来，基于智能算法的储层预测研究已经成为了油气勘探领域的热门话题。
智能算法作为一种先进的预测方法，已经在储层预测中取得了许多成果。
本文将从智能算法的概念定义入手，探讨其在油气勘探中的应用和发展现状，并探讨智能算法在油气勘探中的发展趋势。
一、智能算法的概念及定义智能算法是一种可以模拟人类智能行为的算法，它主要应用于数据挖掘、机器学习、模式识别等领域。
所谓智能算法，主要包括遗传算法、神经网络、模糊逻辑、支持向量机、贝叶斯网络、模拟退火等一系列算法。
这些算法通常都会以自适应、数据驱动为基础，通过对大量数据处理和模型优化，达到提高预测精度的目的。
二、智能算法在储层预测中的应用智能算法因其自适应、数据驱动和高精度等特点，越来越受到油气勘探领域的关注，并在储层预测、组合预测、地质建模等方面得到广泛应用。
（一）智能算法在储层预测中的应用储层预测是油气勘探领域一项重要的任务，其难点在于预测精度和预测速度的提升。
智能算法可以通过大量的数据处理和模型优化，实现高水平的预测精度。
其中，神经网络算法适用于储层纵向预测，而支持向量机和模糊逻辑适用于储层横向预测。
（二）智能算法在组合预测中的应用组合预测是目前油气勘探领域普遍采用的一种预测方法，其基本原理是将多个模型输出结果进行加权平均，从而提高预测准确率。
智能算法可以用于组合预测的组合模型的优化，从而提高组合预测的精度和可靠性。
（三）智能算法在地质建模中的应用地质建模是油气勘探中非常重要的环节，其目的是通过对各种地质数据的整合、分析和处理，开发出合理的井位和油气储量分布模型。
智能算法可以通过大量的数据处理和地质建模优化，实现高水平的预测精度。
三、智能算法在储层预测中的发展现状近年来，智能算法在油气勘探领域中的应用得到了广泛的关注和研究。
在储层预测中，神经网络、支持向量机和模糊逻辑等算法已经取得了很大的进展。
而组合预测和地质建模等领域也开始得到越来越多的研究和应用。
基于Stacking集成学习的分频地震属性融合储层预测方法
基于Stacking集成学习的分频地震属性融合储层预测方法刘磊;李伟;杜玉山;岳大力;张雪婷;侯加根【期刊名称】《石油地球物理勘探》【年(卷),期】2024(59)1【摘要】地震属性蕴含大量储层信息,融合多种地震属性可提高储层预测精度。
由于地下地质结构复杂、非均质性强,依据单一的地震属性融合方法难以精细刻画储层特征。
为此,提出了一种基于Stacking集成学习的分频地震属性融合储层预测方法。
该方法主要包括3个部分:①根据不同厚度储层的振幅与频率关系,利用多个频率的地震信息,降低地震属性的多解性;②联合相关性分析和无监督聚类技术优选地震属性,剔除冗余属性特征;③利用能够综合多个差异化模型优势的Stacking集成学习模型,融合不同频段的地震属性,提高地震属性的解释精度。
将该方法用于渤海湾盆地埕岛油田,并使用线性公式定量分析法进一步评估Stacking模型的泛化效果。
结果显示:与单类预测模型相比,Stacking模型的综合预测性能和可靠性均有显著提升;对应的地震属性融合结果高值区形态更加清晰,融合属性与砂体厚度的相关系数可达到0.92,这表明该方法具有良好的应用前景。
【总页数】11页(P12-22)【作者】刘磊;李伟;杜玉山;岳大力;张雪婷;侯加根【作者单位】中国石油大学(北京)人工智能学院;中国石油大学(北京)油气资源与工程全国重点实验室;中国石油大学(北京)地球科学学院;中国石化胜利油田分公司【正文语种】中文【中图分类】P631【相关文献】1.利用地震分频属性预测薄砂岩储层——以塔里木盆地塔中隆起带顺9井区为例2.利用地震分频处理技术预测河流相储层--基于精细储层预测调整海上高含水油田开发方案实例3.基于地震分频调谐体和Wheeler转换技术的薄储层预测方法4.利用分频地震属性进行古风化壳岩溶储层预测--以千米桥潜山凝析气田为例5.基于时变分频反褶积与地震多属性融合方法的碳酸盐岩储层预测因版权原因，仅展示原文概要，查看原文内容请购买。
地震多属性融合技术在油气藏储层预测中的应用
地震多属性融合技术在油气藏储层预测中的应用摘要：辽河油田地质条件复杂多样，特殊的地质条件造就形成了多种油气藏类型，面对如此复杂的油气藏储层模式，如何精准地进行储层“甜点”有效识别及预测难度越来越大。
本文以西部凹陷S229油田为例，综合分析优化沿目的层时窗内提取的几何类、频率类、相关类等地震属性，运用地震多属性融合技术手段，成功地发现了沙二段深层异常高渗油藏，以此指导部署实施了4口百吨以上的高产井。
应用结果表明，地震多属性融合储层预测技术是油气田勘探开发有效的一种储层研究技术，其研究成果为该油田探明储量的上报及后期高效开发提供了可靠的依据。
关键词：三维地震；多属性融合；储层“甜点”预测；高渗油藏0前言地震属性分析是识别隐藏在地震数据中的相关岩性和物性信息，基于地震数据丰富的空间变异信息来认识地层岩性、特殊岩性体、潜山等油气藏的非均质性的有效手段。
随着各油气田对高渗油气资源投入开发，高渗油气层地质“甜点”分布的预测受到越来越多的重视，特别是在复杂的地质背景下，“甜点”预测的可靠性往往影响到后续开发方案的编制规划。
由于受复杂沉积区内受高渗油气层固有的叠前、叠后地震响应特征、地震品质等的影响，造成利用常规技术的叠前、叠后地震反演预测下“甜点”的可靠性较低，而地震多属性融合技术作为一种有效提高“甜点”预测可靠性的方法亟待进一步研究和应用。
1 地质背景S299块位于辽河坳陷西部凹陷黄金带油田，对于辽河西部坳陷S299的地震勘探工作始于20世纪70年代，1985年开始进行三维一次地震采集，至1999年基本覆盖全盆地，采集面积约9530km2，由于当时勘探目的、采集技术、设备能力等因素的影响及地震地质条件与地面条件如地震波能量衰减、构造断裂的复杂性、沉积环境稳定性、火山岩屏蔽作用、地表障碍物等的限制造成部分地区资料品质较差或缺失。
从2000年至2017年，辽河油田公司基本实现了辽河坳陷三维二次采集全覆盖，采集面积约8040km2，并从2010年开始，有针对性地选择11个重点区块开展“两宽一高”地震技术攻关，三维采集满覆盖面积约2188km2。
利用地震属性聚类分析技术预测辽河油田有利油气聚集带
Ｊ１ ２ ０ ｕ． ０ ７
Ｖ０ ． ２ Ｎｏ ４ １２ ．
文章 编号 ：６ ３０ ４ ２ ０ ）４０ ３ —５ １ ７ —６ Ｘ（ ０ ７ ０ —０ ５０
利ｉｔｏ ｆｔ ｅｆｖ ｒ ｂｅｈ ｄ ｏ ａ ｂ ｎ ａ ｃ ｍｕａｉｎ ｚ ｎ ｏ ｉｆ ｌ ａ ｈ ｙｍｅｎ ｒｄｃｉｎ ｏ ｈ ａ ｏ ａ ｌ ｙ ｒ ｃ ｒ ｏ ｃｕ ｌｔ ｏ ｅｉ ｓｍｅｏｌｉ ｄ ｉ Ｌｉｏ ｅｂ ａ ｓ ｏ ｎ ｅ ｎ ｏ ｌｓ ｎ ｌｓ ｆｓｉｍｉ ｔｒｂ ｔｓ ｆｃｕ ￣ｒａ ａｙｉ ｏ ｓ ｃａｔｉｕｅ ｓ ｅ
４种 … 聚类分 析 属 于统计 模 式识 别 方法 ， 是研 究 １． 它
年完 钻 的沈 ２ ９井 和正 钻 的沈 ２ ３井 的钻 探结 果与 ４ ４
陷 内发现 多套含 油 气储 集 层 ， 括 太古界 、 包 中上元 古 界 及 下第 三系 沙三 、 四段 等 多套 含油 气层 系 ， 中 沙 其
前第三系潜 山和下第三系砂岩是最重要的产层和勘 探 目的层 ，
研究 区位 于 大 民 屯 凹 陷西 部 斜 坡 带 的 中 北 段
（ １， 图 ）面积 约 ２０ｋ ． 内其 邻 近 地 区 已有 沈 ７ ８ ｍ２区 ７ 等５ ０多 口井在 沙 三 、 四段 见到 良好 的油 气显 示 ， 沙
预期 效果有 较 大差 别 ， 从另 一 个 侧 面说 明 了该 区 也
四段 上部 泥岩 段和 沙 三 段 底 部 泥 岩 段 ． 目前 已在 凹
图 １ 大 民 屯 凹 陷构 造简 图 （ 中斜 线 部 分 为 研 究 区 图
或 获得 工业 油气 流 、 产 油气 流 ， 明了该 区具备 较 低 说 好 的油 气成 藏条 件 ， 大 民屯凹 陷西 部 斜 坡 带 沙三 、 四段 油气 勘 探 沙 的突破 ， 大 了大 民屯 凹陷 的勘探 领域 ， 该 区成为 扩 使 辽 河 油 田近年 来重 点新 增控 制储 量地 区． 是 ，０４ 但 ２０
储层预测综述
储层预测综述一、序言储层是储集层的简称，在油气勘探生产中特指地下可供油气聚集、赋存的岩层。
通常从储层的岩性、形态、物性和含油气性四大方面对储层进行表征。
储层岩性是用来描述储层构成成分的要素，它直接或间接地反映了岩层的储集性能和储层特征，一般从储层的岩性、所处相带等方面描述，对于碎屑岩储层还常用砂地比(或砂泥岩百分比)来描述其储集性能;储层形态是对储层的几何形态进行描述的重要参数，常用的描述参数主要有储层的分布范围、储层顶界面构造形态、储层厚度等;描述储层物性参数主要是孔隙度和渗透率;储层含油气性描述主要包括储层是否含有流体、储层含流体的类型和含油气饱和度。
储层地震预测技术是以地震信息为主要依据，综合利用其他资料(地质、测井、岩石物理等)作为约束，对油气储层的几何特征、地质特性、油藏物理特性等进行预测的一门专项技术。
储层地震预测主要是通过分析地震波的速度、振幅、相位、频率、波形等参数的变化来预测储集岩层的分布范围、储层特征等。
岩性、储层物性和充填在其中的流体性质的空间变化，造成了地震反射波速度、振幅、相位、频率、波形等的相应变化。
这些变化是目前储层地震预测的主要依据。
在特定的地震地质条件下，只有这些储层特征参数变化达到一定程度时，才能在地震剖面上反映出来。
随着地震资料采集和处理技术的发展、地震资料品质的不断提高，这些特征参数的变化在地震剖面上的清晰度越来越明显，可信度也越来越高。
运用地震波的运动学特征确定地震波传播时间和传播速度，可以确定地层上下起伏变化的几何形态;而研究岩性时就必须运用波的动力学特征，结合运动学特征确定各种物性参数，来判断地层的岩性成分，以便寻找油气。
在储层预测中，储层的空间追踪和描述借助于提取出的储层的各种参数，包括纵波、横波速度、频率、相位、振幅、阻抗、密度、弹性系数、吸收系数及薪滞系数等。
根据这些参数的差异来分辨、识别、预测岩性，甚至油气层。
二、储层预测技术储层地震预测技术是一门方法繁多、综合性强、相互交叉的技术系列，单项技术不下数十种。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于聚类分析的地震属性优化及储层预测——以敖包塔油田敖9工区为例王新桐;卢双舫;肖佃师【摘要】应用常规地震属性分析技术进行储层预测已受到普遍重视并得到广泛应用,然而由于地震属性与所预测对象之间关系复杂,应用单一地震属性预测储层精度不高,且地震属性种类繁多不能同时参与预测,而地震属性优化技术恰能较好地解决这个问题.为此,采用基于聚类分析的地震属性优化方法,通过计算属性间的相关系数,确定相关程度.优选属性组合进行储层预测.在松辽盆地大庆长垣南部敖包塔油田葡萄花油层储层预测中,单一地震属性预测储层砂体砂岩厚度和有效厚度的相关系数分别为0.7317和0.6734,而采用聚类分析的地震属性优化方法优选属性组合后预测储层砂体相关系数可达到0.8515和0.7704,预测精度明显提高.【期刊名称】《石油天然气学报》【年(卷),期】2013(035)003【总页数】6页(P61-66)【关键词】地震属性;储层预测;聚类分析;属性优化【作者】王新桐;卢双舫;肖佃师【作者单位】东北石油大学地球科学学院油气藏形成机理与资源评价黑龙江省重点实验室,黑龙江大庆163318;东北石油大学地球科学学院油气藏形成机理与资源评价黑龙江省重点实验室,黑龙江大庆163318;东北石油大学地球科学学院油气藏形成机理与资源评价黑龙江省重点实验室,黑龙江大庆163318【正文语种】中文【中图分类】P631.441 工区概况敖包塔构造位于松辽盆地大庆长垣二级构造单元的南部，敖9工区处于敖包塔构造向古龙凹陷倾没端，整体表现为东高西低的单斜形态，构造延伸方向为北北西向，倾向为西南向。
该区主要产油层位为下白垩统姚家组一段（K1y1）的葡萄花油层，地层厚度为30～50m，由北向南厚度逐渐减薄。
全区共钻生产井152口，原部署开发井96口，井位优化后部署开发井122口。
研究区葡萄花油层主要为北部沉积体系控制下的三角洲外前缘亚相沉积，水下分流河道、席状砂和远砂坝砂体为该区主要砂体类型，单井砂岩多小于10m，砂体钻遇率低，单层砂体厚度多小于2m，整体上砂体规模小、横向连续性差，砂体预测难度较大，严重制约该区储量评价及井位部署。
储层预测中应用测井资料垂向分辨率高，但横向预测能力差，而横向连续分布的地震资料能有效弥补测井资料不足，在井网密度低的探区，使用少数井资料及地震资料联合储层预测，可有效提高储层预测的精度，其中地震属性分析[1]、井震联合储层反演[2，3]为两项重要技术。
笔者以敖9工区葡萄花油层薄差储层为例，采用地震属性分析技术，利用聚类分析进行属性优化，多属性联合预测砂体分布，效果较为理想。
2 原理及方法地震属性是指由叠前或叠后地震数据经过数学变换导出的有关地震波的几何形态、运动学特征、动力学特征和统计学特征等信息。
地震波在地下传播过程中由于储层岩性、物性和流体性质的差异，地震波能量发生改变，并以地震属性的形式表现出来，地震属性可以从不同角度、以不同的形式表征地震信息。
地震属性种类繁多，目前实用性较强的分类方法是根据研究目标、层系、岩性的变化，结合地震属性的地质意义将其划分为振幅统计类、复地震道统计类、频谱统计类、层序统计类、相关统计类5大类。
地震属性分析技术由3部分组成：地震属性的提取、优化和储层预测[4～7]。
2.1 层位标定和属性提取准确的层位标定是精细地震解释的基础，也是属性分析的关键[8～10]。
综合岩性、测井资料，对探井进行地质层位划分，结合地震合成记录精细标定葡萄花油层顶底界面，发现地震分层与地质分层具有良好的一致性（如图1）。
葡萄花油层为一套典型的砂泥岩薄互层，电性曲线呈中高幅齿状或梳状形态，葡萄花油层上下地层间均为湖相暗色泥岩，电性曲线呈低幅平直状，与葡萄花油层呈突变接触。
葡萄花油层顶部界面（对应T11）为一套正相位强反射轴，底部界面（对应T1－1）为一套负相位反射轴，两套反射轴横向连续性强，易于对比追踪，葡萄花油层对应时间厚度分布在30～40ms。
图1 敖9井地震反射特征与地质分层地震属性提取方式主要有：层间开时窗提取和沿层开时窗提取[11]。
敖9工区地层厚度横向变化不均匀，且单个油层组厚度较薄，如果沿层提取单一油层组的地震属性，受上下邻层干扰严重，误差较大，故笔者选择用整个葡萄花油层的顶底界面限定时窗，提取时窗范围内与储层具一定相关性的共三大类8种地震属性：均方根振幅、平均瞬时相位、平均瞬时频率、弧长、有效带宽、平均反射强度、峰值谱频率和最大波峰振幅。
图2为葡萄花油层几种地震属性图。
图2 敖9工区葡萄花油层地震属性图如图2所示，属性高值区主要集中在东北部及西南部，呈南北向展布，低值区主要集中在西北部，有向东南延伸的趋势。
敖9工区葡萄花油层砂岩厚度展布受北部沉积体系控制，主要表现为东北部及西南部砂体相对较厚，砂体呈南北向条带状展布。
地震属性的分布规律与工区砂体展布规律符合较好。
因此可以利用地震属性反映储层砂体的分布特征及确定物源方向，指示有利储层发育区。
2.2 单一属性预测储层选取工区范围内的171口井作为样本井，提取样本井点处的地震属性数据和储层信息数据，将二者拟合建立直观的数学关系，用相关系数度量相关程度，表1为样本井点地震属性分别与砂岩厚度、有效厚度的相关系数，从表1可知平均瞬时频率属性与砂岩厚度相关性最好，峰值谱频率属性与有效厚度相关性最好。
应用线性回归法，选用平均瞬时频率属性预测砂岩厚度，预测精度为0.7317；选用峰值谱频率属性预测有效厚度，预测精度为0.6734（图3）。
表1 葡萄花油层地震属性与砂岩厚度和有效厚度的相关系数预测项目平均瞬时最大波峰振幅与砂岩厚度相关系数 0.654 0.466 0.527 0.688 0.448 0.632 0.651 0.513均方根振幅相位弧长平均瞬时频率平均反射强度有效带宽峰值谱频率与有效厚度相关系数 0.609 0.227 0.171 0.659 0.136 0.653 0.673 0.511图3 单属性预测与实测砂体厚度和有效厚度交会图2.3 基于聚类分析的地震属性优化地震属性与所预测对象之间的关系复杂，不同的地区和不同的储层，对地震属性的敏感程度不相同，用单一地震属性分析技术预测储层砂体效果并不理想，而且研究人员越来越认识到利用单一一种属性预测储层无法克服地震信息的多解性问题。
应用多属性联合预测储层可有效提高预测精度[12，13]，对多种地震属性进行优化处理也是地震属性应用的关键环节。
目前地震属性优化方法很多，大体可分为两大类：即利用地震属性降维映射和属性优选。
属性降维映射是指纯粹用映射或数学方法，将高维的地震属性空间降到低维。
应用较广泛的是主成分分析法即K－L变换。
而属性优选则是根据目标函数从地震属性集中优选出对所求解问题最敏感、最具代表性的、属性个数最少的地震属性组合[14，15]，常用的方法有：聚类分析、相关分析、遗传算法和RS理论等。
针对该区特殊的地质特征，选用基于聚类分析的地震属性优化方法，通过分析每两种地震属性间的相关性，从提取出的8种属性参数中优选出最优的地震属性组合进行储层砂体预测。
属性优化步骤可分为数据标准化、聚类分析、属性拟合。
由于所提取的地震属性物理意义不同、量纲不统一、数量级大小差别很大，直接参与运算会导致局部的异常被大的区域背景所掩盖以及存在一些离群的异常数值等问题，使预测结果不准确，因此在地震属性优化之前，首先要对其进行标准化处理，针对属性参数的特点，采用极差归一化的标准化处理方法，计算公式：式中：xnor为标准化后的地震属性值；xatt为实际地震属性值；xmin、xmax分别为地震属性的最小值和最大值。
处理之后可将不同量纲的地震属性值都变换为0～1之间。
应用聚类分析优化属性，其具体思路为：首先将参与运算的地震属性各自看成一类，通过计算每两种属性之间的相关系数以确定它们之间联系的紧密程度，相关系数计算公式为：式中：Rij为任意两种属性的相关系数；m为地震属性个数；n为样本井点数；xki、xkj分别为第k口井的第i种和第j种属性值分别为第i种和第j种属性的平均值。
Rij在1和－1之间取值，当相关系数接近1或－1时，认为属性间的相关度较高，接近0时，则认为属性间是无关的；随后，将相关性好的属性聚为一类，最终将目标属性分为2类或3类。
为了防止同类属性间相关信息的彼此干扰，对于每一类只优选出一种与目标函数相关性最好的地震属性参与运算，这其实也就完成了属性降维的过程；最后用逐步线性回归法建立优化属性组合与储层砂体二者的拟合关系，完成对储层的预测。
将171口样本井的8种地震属性观测值标准化处理之后，根据相关系数计算公式，计算每两种属性之间的相关系数，结果见表2。
表2 地震属性相关系数计算结果注：空白表示无此数据。
峰值谱频率弧长弧长均方根振幅平均瞬时频率平均瞬时相位平均反射强度有效带宽最大波峰振幅0.921 0.712 0.396 0.936 0.659 0.764 0.765均方根振幅 0.921 0.871 0.5860.925 0.773 0.886 0.807平均瞬时频率 0.712 0.871 0.548 0.725 0.8080.695 0.947平均瞬时相位 0.396 0.586 0.548 0.343 0.689 0.474 0.595平均反射强度 0.936 0.925 0.725 0.343 0.523 0.801 0.620有效带宽 0.6590.773 0.808 0.689 0.523 0.606 0.910最大波峰振幅 0.764 0.886 0.6950.474 0.801 0.606 0.643峰值谱频率0.765 0.807 0.947 0.595 0.6200.910 0.643相关系数反映地震属性间的相关程度，相关系数越高，则表明这两种属性所传达的地质信息相关度越高，如果将相关系数高的属性同时引入计算进行储层预测势必将造成信息的重复和浪费，使权值过重，信息之间也可能产生干扰使预测结果不准确。
根据相关系数得到聚类分析谱系图（图4），从图4中可清晰地看到每种属性之间的亲疏关系，依据这种亲疏关系将8种地震属性分为3类：弧长、均方根振幅、平均反射强度和最大波峰振幅为一类；平均瞬时频率、有效带宽和峰值谱频率为另一类；平均瞬时相位为第3类。
综合聚类分析结果和每种属性与砂岩厚度、有效厚度之间的相关系数确定：预测储层砂岩厚度的最优属性组合为均方根振幅和平均瞬时频率；预测有效厚度的最优属性组合为均方根振幅和有效带宽。
图4 地震属性聚类分析谱系图2.4 储层预测将聚类分析优化地震属性得到的两个属性组合分别与砂岩厚度和有效厚度进行逐步回归分析，建立两者间转化关系，进而实现对砂岩厚度和有效厚度的预测，通过计算可知样本井处经多属性预测砂岩厚度和实测砂岩厚度相关系数达0.8515，预测有效厚度与实测有效厚度相关系数达0.7704（图5），均明显高于单属性预测结果。