1、 收稿日期 基金项目国家自然科学基金重点项目“水力压裂时域电磁监测方法研究与综合应用”（）。第一作者桂志先（），男，博士，教授，博士生导师，现主要从事地震资料处理与解释、微震监测及信号处理方面的教学与研究工作，。为共同第一作者桂志先，杨晓龙，王鹏 基于地震纹理属性的裂缝预测方法及应用 长江大学学报（自然科学版），（）：，（），（）：基于地震纹理属性的裂缝预测方法及应用桂志先，杨晓龙，王鹏，长江大学地球物理与石油资源学院，湖北 武汉 油气资源与勘探技术教育部重点实验室（长江大学），湖北 武汉 摘要裂缝是主要的油气储存场所，准确识别裂缝对寻找油气具有重大意义。裂缝的地震响应特征可类比于图像的纹理。
2、从纹理的图像处理角度出发，借助纹理分析方法可以对目标区域的裂缝进行识别。首先，对地震数据体进行不同级别的灰度映射，并选择不同的分析参数，如滑动窗口大小、计算方向等，利用灰度共生矩阵提取出多组纹理属性；然后，利用主成分分析方法对提取出的多组纹理属性进行二维可视化分析，从中优选出一组纹理属性，并计算其主成分；最后，利用模糊均值聚类法对主成分进行聚类分析，并以概率的形式描述裂缝的分布特征。通过实例分析证实，该方法能够准确识别裂缝分布特征，提高裂缝识别的精准度。关键词裂缝识别；灰度共生矩阵；纹理属性；主成分分析；模糊均值聚类 中图分类号 ；文献标志码 文章编号 （），（），：，：；长江大学学报（自然科
3、学版）年 第 卷 第期 （），DOI:10.16772/ki.1673-1409.20220311.001裂缝是主要的油气储存场所。在我国，大多数油气均产自于裂缝型油气藏，准确识别裂缝对寻找油气具有重大意义。利用常规地震属性识别裂缝的方法有种：第种是纵波各向异性识别法，该方法利用纵波在裂缝处的动力学属性随方位角的不同而变化的特征来识别裂缝，能够准确预测高角度裂缝的空间分布特征。第种是叠前远近偏移距属性差法，该方法通过对大偏移距和小偏移距数据体的地震属性进行差值计算，利用差值属性来识别裂缝，适用于高角度裂缝。第种是相干体技术法，该方法通过计算相邻道集数据的相关程度来识别裂缝，适用于尺度和规模较大
4、的裂缝。第种是多尺度边缘检测法，该方法利用图形图像分析中的边缘检测理论来识别裂缝，能预测裂缝的分布范围，但不能识别裂缝的方向。第种是构造应力场分析法，该方法利用数值模拟方法对应力场进行模拟，从中得到一系列的应力参数，通过分析这些应力参数来预测裂缝的发育程度和走向。上述常规裂缝识别方法很难精确识别裂缝，为了提高裂缝识别的精准度，将纹理特征引入到裂缝识别中。从图像学的角度看，裂缝代表纹理。从纹理图像处理的角度出发，可以借助纹理分析的方法来识别裂缝。提取纹理属性的方法有统计分析法、结构分析法、信号处理法和模型化法，最常用的是基于统计分析提出的灰度共生矩阵法。等根据纹理的图像识别理念，利用灰度共生矩阵
5、提取出多种纹理属性。等利用纹理特征对地震剖面的纹理进行识别，将其应用于常见的构造解释。利用灰度共生矩阵从地震振幅数据体中提取出纹理属性，将其应用到断层解释中。等利用自组织映射算法对地震纹理属性进行处理，将其应用于河道砂体识别。胡英等利用模糊均值聚类算法对提取的地震纹理属性进行聚类分类，将其应用于地震相的划分。龚屹等利用模糊均值聚类算法对提取的地震纹理属性进行聚类分类，将其应用于裂缝分布范围的预测。笔者在前人研究的基础之上，将纹理属性应用到裂缝识别上，利用灰度共生矩阵法从地震振幅数据中提取多组纹理属性，再利用主成分分析方法对多组纹理属性进行二维可视化分析，优选一组纹理属性计算其主成分，最后利用模
6、糊均值聚类法对主成分进行聚类，通过分析聚类结果来识别目标区域的裂缝分布特征。方法原理 灰度共生矩阵在计算灰度共生矩阵时，通常涉及到个参数，它们分别是灰度级、计算方向、滑动窗口大小和搜索步长。由于地震振幅数据的取值范围较大，如果直接把振幅数据当成灰度值来计算，会使计算量过大。因此，在计算前要把振幅数据进行灰度映射，把灰度值限制在一个合适的范围内。灰度级过小的话会损失部分地震数据信息，灰度级过大则会降低计算效率。一般选择级灰度、级灰度和 级灰度。在计算方向的选择上，一般沿主测线方向、联络测线方向和时间方向等个方向进行计算。滑动窗口的大小决定了计算灰度共生矩阵时使用的灰度值数目的多少，每个窗口下都会
7、得到一个灰度共生矩阵，一般选用、和 等种滑动窗口。搜索步长一般选为，即灰度对之间的距离选择为，也就是搜索相邻的灰度对，这样能够反映出更多的纹理细节，使得纹理图像更加清晰。灰度共生矩阵是由地震三维数据体的灰度之间的组合概率（，）所组成的矩阵（，）。其中和代表灰度对在三维空间中的方向，表示灰度级，表示灰度共生矩阵的第行，表示灰度共生矩阵的第列。概率是把灰度值为的点（，）作为起始位置，在距离为，方向为和时，出现灰度值为的点（，）的概率。将地震数据体放入三维坐标系中，轴（，）为主测线方向，轴（，）为联络测线方向，轴（）为时间方向。计算（，）的公式如下：（，）（，），（，）（，），（，），（）（，）（，
8、），（，）（，），（，），（）长江大学学报（自然科学版）年月（，）（，），（，）（，），（，），（）其中，式（）是沿主测线方向搜索相邻的灰度对（，），式（）是沿联络测线方向搜索相邻的灰度对（，），式（）是沿时间方向搜索相邻的灰度对（，）。利用灰度共生矩阵可以计算出 种纹理属性，根据目标区域实际地质情况，选取对裂缝比较敏感的熵（）、能量（）、对比度（）和均质性（）共种纹理属性进行研究。熵反映了纹理的复杂程度，熵值越大，图像中纹理的分布越复杂。能量反映了纹理变化的稳定程度，能量越大，纹理变化越稳定。对比度反映了纹理的清晰程度，对比度越大，纹理就越清晰。均质性反映了纹理分布的均匀程度，均质性越大，纹
9、理的分布就越均匀。根据上述种纹理属性的意义可知：熵值越大、能量越小、对比度越大、均质性越小，裂缝就越发育。种纹理属性的计算公式如下：（）（）（）（）（）（）主成分分析主成分分析是通过线性变换将原始数据转换为一组线性独立的数据。它不仅可以用来提取数据的主要特征，还可以对数据进行降维。主成分分析被广泛应用于数据分析领域，其计算流程为：对每个特征求取平均值，用原始数据减去平均值得到中心化之后的数据；计算协方差矩阵；根据协方差矩阵，计算特征值与特征向量；将特征值按照降序的顺序排列，选择前个特征值对应的特征向量得到投影矩阵；根据投影矩阵计算出降维后的维数据。通过改变灰度级和滑动窗口大小，可以得到多组地震
10、纹理属性。每组纹理属性包含种属性，很难观察种属性在四维空间中的分布情况，利用主成分分析可对其进行数据降维，实现二维空间可视化，进而从中优选出一组纹理属性，并计算其主成分，去除每种属性之间的数据冗余，便于聚类分析。模糊均值聚类分析单一的纹理属性不能精确地识别裂缝的分布特征，对优选出的纹理属性进行多属性融合更能充分利用每种纹理属性中所包含的地质信息，提高裂缝识别的精准度。多属性融合的方法有多种，模糊均值聚类法是其中应用最为广泛的一种。模糊均值聚类法把研究对象，划分为类，然后求取每一类的聚类中心。该方法用隶属度函数指示每个样本划分到各类中的概率，隶属度的取值范围为，。隶属度的值为，说明该样本属于这一
11、类，隶属度的值为，说明该样本不属于这一类。隶属度函数用来表示，隶属度矩阵为：，（）模糊均值聚类的目标函数如下：（，）（）式中：为样本的隶属度；为第类数据的聚类中心；为是第个聚类中心和第个样本点之间的欧几里得距离；为加权指数。在计算时，取的聚类效果最好。为了使式（）取得最小值，建立一个新的目标函数：?（，）（，）（）第 卷 第期桂志先 等：基于地震纹理属性的裂缝预测方法及应用式中：为拉格朗日乘子。对所有参数求导数，要使式（）最小，需要满足以下两个条件：（）（）（）模糊均值聚类法计算每一类样本的聚类中心和隶属度矩阵的过程为：给初始的隶属度矩阵进行赋值，每个隶属度的取值范围为，并满足式（）；利用式（
12、）计算出所有的聚类中心；利用式（）计算出新的隶属度矩阵；利用式（）计算出目标函数，判断其是否满足迭代条件，不满足迭代条件则返回第步，直到满足迭代条件停止计算。裂缝识别实例分析 纹理属性提取图纹理属性分布图（灰度级，窗口）（，）目标区域所在的石炭系地层厚度大，岩性以中基性的火山熔岩和火山碎屑岩为主，储集空间类型多，原油分布极其复杂，整体上受东西向主应力作用的影响，发育的裂缝多呈南北走向。结合目标区域的地质情况，本次研究选用了级和 级两种灰度级，和 两种滑动窗口，计算方向为主测线方向，步长选为，共提取了组纹理属性。图是灰度级为，滑动窗口大小为时得到的熵、能量、对比度和均质性等种纹理属性分布图，可以
13、看出，种纹理属性间具有很好的对应关系，熵和对比度较大、能量和均质性较小的区域基本上是一致的，这些区域都是裂缝发育区域。裂缝在整个区域中的分布是具有一定规律的，左侧为一条南北走向的大规模裂缝发育带，右侧有多条东南西北方向延伸的小规模裂缝发育带。纹理属性优选图是主成分分析得到的组纹理属性的二维可视化图。通过对比，灰度级相同的情况下，滑动窗口为的纹理属性数据点较为集中，便于聚类。滑动窗口相同的情况下，灰度级为 级的纹理属性数据点较为集中，便于聚类。通过上述分析，选用灰度级为 级、滑动窗口为时得到的这组纹理属性进行聚类分析。聚类分析对优选出的这组纹理属性进行主成分分析，表为每个主成分的特征值和贡献率，
14、第主成分和第主成分累计贡献率为 ，几乎包含了全部的地质信息。利用模糊均值聚类法对个主成分进行长江大学学报（自然科学版）年月图纹理属性二维可视化图 表主成分的特征值和贡献率 主成分特征值贡献率累计贡献率第主成分 第主成分 第主成分 第主成分 聚类分析，可以充分利用每种纹理属性中所包含的地质信息，提高裂缝识别的精准度。由于第主成分和第主成分包含了几乎全部的地质信息，故只对第主成分和第主成分进行聚类分析亦可实现裂缝的精准预测。计算时聚类数设置为：一类代表裂缝发育，另一类则代表裂缝不发育，最终利用隶属度值进行成图。隶属度值的大小反映了裂缝发育的概率，隶属度值大表示裂缝发育的概率大，隶属度值小表示裂缝发
15、育的概率小。图聚类结果 图为聚类结果，第第主成分聚类结果与个主成分聚类结果基本一致，从聚类结果图中能够准确地识别出目标区域的裂缝分布特征，左侧为一条南北走向的大规模裂缝发 育 带，右 侧 有 多 条 东南西北方向延伸的小规模裂缝发育带。图 为相干体切片，从相干体切片中只能看出裂缝的大致发育区域，不能识别出裂缝的具体分布特征。因此，利用聚类结果识别裂缝比相干体切片识别裂缝的精度更高。第 卷 第期桂志先 等：基于地震纹理属性的裂缝预测方法及应用图相干体切片 结论）地震振幅数据中包含有丰富的地质信息，选择合适的灰度级和滑动窗口，利用灰度共生矩阵可从地震振幅数据中提取多种纹理属性。结合每种纹理属性的物
16、理意义，通过属性分布图即可识别目标区域的裂缝分布特征。）利用主成分分析方法可以从多组纹理属性中优选出一组纹理属性，并计算其主成分，去除每种属性之间的数据冗余，便于聚类分析。）在进行聚类分析时，利用隶属度值进行成图，以概率的形式来描述裂缝的分布特征，得到的结果更加客观真实。参考文献：汪勇 裂缝油气藏储层预测方法及应用研究 武汉：中国地质大学，：，桂志先，段天友，易远元，等裂缝性储层纵波地震检测方法研究 石油天然气学报，（）：，（）：田立新，周东红，明君，等 窄方位角地震资料在裂缝储层预测中的应用 成都理工大学学报（自然科学版），（）：，（），（）：苏朝光，刘传虎，王军，等相干分析技术在泥岩裂缝油气藏预测中的应用 石油物探，（）：，（）：宋建国，孙永壮，任登振基于结构导向的梯度属性边缘检测技术 地球物理学报，（）：，（）：孙炜，刘学清，贾趵应力场分析在碳酸盐岩构造裂缝预测中的应用 石油天然气学报，（）：，（）：张鹏志，李兰斌地震纹理分析在油气勘探中应用进展 物探与化探，（）：，（）：刘丽，匡纲要图像纹理特征提取方法综述 中国图象图形学报，（）：，（）：，（）：，（）：，（）：胡英，陈辉，贺
