随着油气勘探开发对象复杂程度的增加和地震技术的日趋成熟，地震资料解释技术正朝着利用地震、钻井、测井等多种资料，综合、精细和实用的解释方向发展。因此，地震资料解释除要完成构造解释外，还要完成地层、岩性、储层物性（孔隙度、渗透率、含烃饱和度等）、含烃性和流体流动情况等解释，以适应预测储层、建立油气藏模型、对油气藏开采实行监测的需要。
图6-105 三维可视化雕刻各砂体的空间展布特征图
地震属性技术的发展，经历了从20世纪60年代的直接烃类检测、亮点、平点和暗点，到70年代的瞬时属性（瞬时频率、振幅和相位），80年代的多属性分析和多维属性（如倾角、方位角和相干等）分析，90年代的三维连续属性，发展了方位角函数AVO(AVAZ）和3DVCM，即三维体元相干产生的模型等。实践证明，VCM地震属性分析技术提供了一种重要的地震解释和油气勘探的新方法。它在经历了几起几落，在成功中找经验，在失败中寻教训的研究、实践中，已走向较成熟的发展阶段。随着数学、信息科学等新知识的引入，从地震数据中提取的地震属性则越来越丰富，有关反射时间、振幅、频率、相位、吸收衰减等方面的地震属性多达60多种，且新的属性还在不断涌现。除了从频谱中、自相关函数中、复数道分析中和线性预测等方法中提取属性外，近年来还采用分形、小波变换等方法从数据时窗中提取属性。大量地震新属性的出现，引起了多属性联合反演分析技术的流行，例如聚类分析、神经网络和协方差等技术。三维地震勘探的迅速发展和应用普及，为地震属性技术发展提供了优越条件。地震地层学和层序地层学的广泛应用，丰富了地震属性技术的内涵，使地震属性技术用于地震相的识别。现在，储层预测、油藏描述、油藏监测等方面广泛的需求，又给地震属性技术展现了新的发展前景。
三维地震已经使地震数据量增加了多个量级。当代强大的计算机能力、人机交互解释工作站，以及先进的三维可视化解释技术，为提取和分析三维地震属性并进行储层描述提供了条件。人们对三维地震属性技术的评价是：三维地震的一大进步就在于它能用不同的空间模式生成三维地震属性体，进而将其转换为逼近地质模型的地震相体，从而解释难以识别的构造、地层及岩性问题，将三维地震解释向构造、储层、岩性、物性、含烃性、地震、钻井、测井等资料的综合、定量精细、实用化方向推进了一步。虽然地震属性技术是预测储层和描述油气藏特征的重要手段，但是在使用中必须对其潜在的风险有充分的认识。因此，在利用三维地震属性体预测储层特征时，应采用多种方法（如地质统计、神经网络、多次回归、模型验证等），使测井与地震数据相关起来，然后，将井周围较确切的储层特征分布到整个测区中。
地震属性分类有两种方法：一种是Taner等人20世纪90年代中期提出的“几何属性和物理属性”。几何属性是指地震层位的几何形态（如倾角、方位和曲率等）；物理属性是指地震波的运动学和动力学属性，主要指振幅、频率、相位、波形、速度和衰减等。另一种是Brown1996年提出的“叠前和叠后属性”。叠前属性是指用叠前地震数据所提取的地震信息，随着数据处理技术的发展和解释性处理比重的加大，从叠前数据中提取属性的研究越来越受到关注，如振幅与炮检距的关系AVO、正常时差、纵波与横波层速度、包络及其导数、瞬时信息（振幅、频率、相位加速度、Q因子、带宽）、主频、归一化振幅、波阻抗、密度和视极性等。这些属性分别与地质构造、地层的结构、断裂带地层的岩性、物性、含烃性和吸收衰减等有一定的相关性。而对储层横向预测和油气藏描述来说，最主要、最基础的属性是振幅、速度和波阻抗。1997年SEG年会在上述分类的基础上又提出了统计学属性，它是多种地震属性在与同一地质属性相关的条件下用统计方法所推导出的一种综合的新属性。
总之，所谓地震属性就是根据地震数据测量或计算出的一些地震信息或特征参数，其计算分析方法有聚类分析、多元统计分析、神经网络反演、模式识别和井资料约束反演等近代新技术。所以，当今地震属性的提取和分析技术已有很大发展。
中国海油20世纪80年代对外合作以来，在引进、消化、吸收国外三瞬、波阻抗等反演处理技术的基础上，结合储层和油气藏描述的需要，先后研制了多地震信息油气检测；模糊数学聚类、评判和识别油气检测信息定量分析；交互地震速度模拟，层速度扫描时距曲线拟合反演；薄储层厚度计算（主振幅、主频率联合反演薄层厚度）；微地震相自动化解释（模糊动态聚类与模式识别结合解释微地震相）；储层厚度约束反演；波动方程正反演迭代地震速度模拟；地震信号的自相关、自回归和功率谱等多种地震特征参数模式识别等烃类检测；根据Biot双相介质理论计算地震应力应变，并建立其与地层物性参数的函数关系“地震资料提取储层物性参数处理”等技术。上述地震属性反演技术虽在海上油气勘探开发，储层横向预测和油气藏描述中取得一定的效果，发挥了较大的作用，但因反演结果的多解性和可约束验证性还难于解决。因此，岩性、物性、含烃性预测结果与实钻不符是不足为奇的。
随着海上油气勘探与开发不断发展的需要，要求地震储层预测和油气描述更为精确可靠，以提高钻井成功率、降低风险、有效地提高勘探与开发的社会经济效益。为此，从2000年至今，在引进、消化、吸收和创新的基础上，实践了在钻井资料约束下，直接根据地震多属性反演储层物性（孔隙度、渗透率、饱和度）和含烃性等地质属性，并用钻井资料的交互验证，检验并迭代修改反演成果，以确保当今先进的、地震多属性反演储层参量技术的可靠性。
一、技术原理
该技术是在全三维地震资料处理成果（地震数据体）和钻井录井、测井等资料解释成果的基础上，所实施的井约束，是由多路地质统计技术、神经网络回归分析与优选技术、神经网络建模与模式识别反演技术和井资料交互验证反演成果技术所构成的系列配套技术。其中，神经网络技术是核心，它包括以下3种神经网络。
（一）一般神经网络
它是假定地震属性与其相应的井资料地质属性之间的交汇点的分布规律为线性的。其交汇点回归模拟直线的数学模型有以下几种。
1．地震单属性数学模型
地质目标属性与其井旁相应的单一地震属性，如振幅间为线性相关关系，其直线的回归拟合数学模型为：
中国海洋石油高新技术与实践
式中：y为某一测井曲线的地质属性；x为某一地震属性；a、b为未知的系数。
用最小平方差公式：
中国海洋石油高新技术与实践
令最小平方差E=O，即可由（6-46)4式解出a,b系数值。
代入（6-45）式即可拟合出井旁某一地震属性与测井属性散点分布的地质统计最佳的直线相关关系。由图6-106可见其散点相对于回归拟合直线的上下跳动不均且较大，表明该法地质统计回归拟合结果并不理想。
2．地震多属性交汇点直线回归数学模型
图6-106 测井曲线目标与地震属性交汇图
图6-107 地震多属性与测井曲线在同一时间采样值的组合
由图6-107可见，假设有3种地震属性函数S1(t）、S2(t）、S3(t），某一地质目标属性G(t）和4个未知的加权系数W0、W1、W2、W3，则可建立如下的直线方程：
中国海洋石油高新技术与实践
其最小平方差公式：
中国海洋石油高新技术与实践
令E=O，可求出如下4个未知数系数值。
中国海洋石油高新技术与实践
3．地震多属性褶积算子回归计算直线方程
由图6-108可见，测井记录（地质属性）与地震记录相比其频率要高得多，因此，两者相关处理成果并不理想，为此，采用多个地震属性样点，对应一个井记录地质属性点，如图6-109所示。
图6-108 测井曲线与地震属性曲线频率对比
图6-109 地震多属性多样点构成的算子与测井曲线单样点值的褶积组合
由图可见，每个地震属性的5个采样点所构成的算子恰好接近于地震子波，所以，其褶〓算子线性回归方程为：
中国海洋石油高新技术与实践
其最小均方差为E，并令E=0，可从以下方程：
中国海洋石油高新技术与实践
求出未知加权系数W0、W1、W2、W3的值，代入（6-49）式后即可完成G与Si交汇散点直线的〓归模拟。
总之，由上述数学模型可见，地震多属性反演储层参量技术从数学上看，就是多路地质〓计技术，它包括了使用多个变量去预测与储层的岩性、物性和含烃性有关变量的所有方法。
（二）多层神经网络
图6-110 多层神经网络的构成
由图6-110可见，多层神经网络由一个输入层、一〓输出层和一个或多个中间结果层构成，而每个层又由不〓数目的节点组成，每个节点都有一个权，这个权决定了〓出层的输出结果。输入层输入的是地震属性，因此，其〓点数决定于地质属性与地震属性线性相关回归方程式〓的加权系数的个数，如果使用褶积算子，其有效属性的〓点数将依算子长度增加而增加，如算子长度为3，则每个〓性要采样3次，其相应的采样时间为－1、0、＋1。
由于预测的地质属性是单一的，如孔隙度或密度等，所以输出层只有一个节点，按照经验使用了由3个节点组成的一个中间层。
节点的最佳权系数由试处理确定，例如某一单次样品数据序列｛S1、S2、S3、G｝，其中S 52、S3为不同的地震属性，如振幅、频率和波阻抗；G为某一井记录的地质属性，如孔隙度或〓度等。由于在现有井记录所用的时窗内有很多地震记录与它对应，所以测试的样品很多。
数据运算选用非线性算法，其常规作法是在实测目标测井记录与地震属性预测目标测〓记录之间进行最小平方差算法运算，使实测目标测井曲线与地震属性预测相应目标的测井I线相似，误差最小，通常采用反向传播方式，即梯度下降法解决。而现代则采用共轭下降法〓模拟退火法，以加速运算收敛，避免出现不收敛的现象。
图6-111显示的是单一地震属性与测井曲线地质属性的相应交汇散点的分布图，因它〓有一种地震属性，所以，其输入层仅有一个节点。它与图6-106的散点分布完全一样，不一样的是它的回归曲线为非线性回归拟合，使回归曲线更接近散点集中部位。提高了其精确度，但在低地震属性处，由于其交汇点分散跳跃，使拟合曲线出现不稳定的大跳异常，因神经网络总是要把曲线拟合得更接近所有的属性交汇点。
图6-111 非线性回归曲线
（三）概率统计神经网络
它使用的数据（包括试验处理数据）与多层神经网络所用的数据相同，如设所有井记录的分析时窗内的地震记录样品数据序列为：
中国海洋石油高新技术与实践
序列中n为所处理的样本数；S1、S2、S3为3个地震属性；G为地震属性所对应的测井等地质属性。
对于给定的培训神经网络的数据，神经网络假定每个新的输出测井曲线值，可以被写成在培训资料中测井曲线值的线性组合。对于某一新的数据样本x与地震属性值S1j、S2j、S3j关系式为：
中国海洋石油高新技术与实践
新测井曲线值G(x）的计算公式为：
中国海洋石油高新技术与实践
式中：
中国海洋石油高新技术与实践
D(x,xi）是输入点与每个培训点xi之间的距离；它在多维空间域为地震属性与σj比所测量，而每个地震属性的σj可以是不同的。
方程（6-52）和（6-53）描述了概率统计神经网络的应用。网络的培训，由所确定的最佳的成套（σj）平滑参数所构成，而确定这些参数的准则是网络应具有最低的有效误差。
再用下式定义培训（处理）数据的预测误差：
中国海洋石油高新技术与实践
由（6-54）式可见，预测误差E取决于σj的值，用非线性的共轭梯度算法可使E最小化，求出σj的值。
用上述概率统计神经网络所计算出的拟合曲线如图6-112所示。
图6-112 概率统计神经网络回归曲线
由图6-112可见，它克服了图6-111中拟合曲线出现异常点大跳的不稳定现象，是拟合曲线中最优秀的一种，但由于所用数据多、数学模型先进复杂，运算工作量大，需大型计算机配套设备。因此概率统计神经网络又叫数学神经网络。
总之，地震多属性综合预测储层特性的技术关键，是利用神经网络经培训已具有的多路地质统计，回归分析与优选、模式认别、井约束交互验证、加速运算收敛、交汇散点最佳相关曲线拟合等先进技术，提取地震数据所携带的大量储层地质特性，并优选与储层地质特性有关的地震属性。
二、技术的实施方法
（一）技术的实施思路
用已知预测未知之后，再用已知验证预测未知的可靠性。即由井点出发，建立井旁地震记录道地震多种属性（如振幅、频率、相位、道积分、时间等）与井记录地质属性（如密度、孔隙度、阻抗、渗透率等）的相关关系，培训神经网络，由神经网络将优选的井间多地震属性反演为预测储层参量，之后，用未参入地质统计井的储层参量验证预测储层参量的可靠性。对达不到误差要求的，要经过对预测储层参量的迭代修正，使其达到误差要求。
（二）技术处理流程和步骤
处理流程见图6-113。
由图6-113可见其实施的具体方法步骤如下。
a．输入经校正和深时转换的测井目标曲线（如密度和孔隙度曲线等）；
b．输入纯波、保真地震数据体（如叠加和偏移纯波数据体）；
c．选取井旁地震道，计算所需井的有关地震属性，并用合成地震记录将计算地震属性的层段位置与测井目标曲线的层、段位置正确对应起来后，由神经网络的多路地质统计技术、两者交汇点分布规律的回归拟合曲线的分析，确定测井目标曲线与多地震属性间的相关性；
图6-113 地震多属性反演储层参量技术处理流程
d．通过逐步回归分析确定与测井目标曲线相关值最大或最优化地震属性的顺序和个数；
e．用依据多井的多路地质统计和概率统计神经网络技术所建立的测井目标曲线与多地震属性之间的各种相关模型曲线，培训神经网络，为井间地震多属性反演预测测井目标曲线奠定基础；
f．将井间地震数据体输入神经网络，用所选的最优地震属性的个数和顺序组合对地震数据体进行模式识别，反演出预测储层参量；
g．用不参入模型计算的测井目标曲线交互验证最优化地震属性个数和顺序组合及地需数据体反演出的预测储层参量即最终处理成果的可靠性；
h．对剩余误差达不到反演精度要求的，通过修改模型和地震属性参数进行迭代校正，直至达到精度要求后，输出显示处理成果，为储层岩性、物性、含烃性解释提供基础。
三、应用实例与效果
（一）工区概况及地质任务
南堡35-2油田位于渤海石臼坨凸起西部，属潜山被覆背斜构造，后期被断层复杂化。1996年钻探南堡35-2-1井在明化镇组下段发现了55m油层。1997年，在二维地震资料重新解释的基础上，先后钻探了3口井，除3井外其他井均钻遇Nm和Ng的油气层。为河流相储层，物性好，储盖组合佳。为多油水层组合系统，被断层切割的构造岩性稠油藏。在1997年采集、1998年处理的220km2高分辨率三维地震资料的基础上又钻了4口井，在储层描述解释中发现，三维地震波阻抗数据体不能可靠地预测储层厚度变化及分布范围，因声波测井曲线与砂泥岩剖面相关性不好，难于将砂泥岩分开，甚至出现错误。实钻证明，预测与实钻储层厚度相差较大，如7井零油组第10砂层预测厚度少于1.3m，而实钻为9m，相差7.7m。因此，为适应该油田开发需要，2001年用上述技术对高分辨率三维偏移纯波数据体进行了反演储层参量处理，以提高预测储层参量精度，为油田开发提供可靠依据。
（二）钻井的储层参数分析
利用上述神经网络多路地质统计、交汇图回归等技术，对工区的8口井分别进行了伽马与声波、波阻抗及伽马与密度交汇图的制作分析，以测定能分辨区分开工区主要储盖组合的砂岩和泥岩层。由图6-114可见，砂岩是低伽马、低阻抗，泥岩高伽马、高阻抗，但两者的波阻抗有不可区分的重叠区，这表明利用声波测井的层速度和阻抗作为预测目标是不能精确地预测储层参量的。
图6-114 南堡35-2-1,2,6,7井伽马与声阻抗交汇图
由图6-115可见，伽马与密度的交汇点呈直线分布，即低伽马对应低密度又对应砂岩储层。因此，把密度测井曲线作为储层预测目标是能有效精确地预测储层参量的。通过上述处理试验分析，确定了反演处理的地质目标是密度数据体，经过对它的解释与井约束标定，完成了工区的储层预测与砂体追踪。
图6-115 7井伽马与密度的交汇图
（三）地震数据体的多属性分析
利用上述处理技术，对输入井密度曲线和地震数据体进行地震多属性反演密度数据体处理，程序首先计算各井旁地震道的多属性，建立其与井密度曲线之间的目标函数，并用逐步递归法确定哪种地震属性最优；用概率统计神经网络计算井密度与地震有效属性交汇点的非线性关系；用交互验证法检验建立的井密度与地震属性相关模型的可靠性。由误差分析与地震属性列表和图6-116可见，使用振幅、时间、平均频率、道积分等4个地震属性，其所有井的平均误差（下线）与验证井验证误差（上线）对比符合随地震属性数增多其回归计算误差减小的原理。因此，用上述4种地震属性对地震数据体进行反演密度的数据体，取得较佳的砂岩储层预测效果。
图6-116 误差分析图
表6-10 地震属性列表
同样如输入的井的地质目标曲线为孔隙度、渗透率、饱和度等储层物性参数或其他，利用上述技术则可将地震数据体反演成孔隙度、渗透率等数据体。即反演成与实例地质目标相对应的预测地质目标。图6-116中的1、2、3、4……10，分别与表6-10中的1、1+2、1+2+3、1+2+3+4、1+2＋……＋10的数符相对应。
（四）效果分析
a．由图6-117南堡35-2-1和7井反演波阻抗与密度连井剖面的对比图可见，波阻抗剖面的高、低波阻抗层分布规律性差，难于可靠地对储层对比追踪解释，而相应的密度剖面的低密度层分布规律好，具有层状分布特征，易于对储层可靠地对比追踪解释。所以，本次所反演的密度数据体有效地解决了以前反演的波阻抗数据存在对储层预测精度不佳的问题，为南堡35-2油藏储层描述提供了可靠的依据。
图6-117 南堡35-2-1和7井地震属性反演波阻抗与相对密度连井剖面的对比
b.1井与7井的实钻结果证明多属性反演密度体的储层解释成果是精确的。如零油组第10砂层1井实钻厚1.3m、7井实钻厚9m，且两井资料对比分析表明两井的砂层是不连通的。而由图6-117相对密度剖面可见，零油组第10砂层，1井与7井的预测储层厚度和两井间砂层的不连通性与钻井结果是相符的。
图6-118 南堡35-2-6、10井的连井相对密度剖面
c．未参入井约束多属性反演数据体的10井，其实钻的相对密度曲线与在井位预测的相对密度剖面的相似性较好，如图6-118所示。由图可见，实测与预测的相对密度曲线的相关是显而易见的、令人满意的。
d．由图6-119可见，工区8口井的实测与预测密度曲线的相似性较好。这说明地震多属性反演密度数据体是在多井约束控制下完成的，又要受到井的验证。因此，该技术有效地解决了反演成果的多解性、可信性的问题，这是其独特的效果。
e．由从密度数据切出的Ⅱ油组沿层切片图6-120可见，Ⅱ油层砂层的分布形态清楚地反映了河流相的沉积特征，如网状分流河道、决口扇、沙坝等。这一成果展示了储层预测效果，显著地符合工区上第三系河流相区域沉积的特点，与实钻结果符合。
f．由多属性反演的孔隙度数据体所切取的过1井的孔隙度剖面图6-121可见，1井的孔隙度曲线与地震多属性反演的预测孔隙度剖面的相关性较好。这一实例说明地震多属性反演储层的物性的效果是以往所达不到的。
图6-119 多属性分析图
图6-120 储层分布预测
g．地震多属性反演储层参量技术，在海上东方1-1、文昌13、秦皇岛32-6、南堡B35-2等油气田ODP实施过程中的储层描述成果，在随钻调整中成绩辉煌，如秦皇岛32-6油田共调整井位23口，极大地减少了低效井，消灭了无效井。
总之，该技术在油气藏的精细储层描述中功不可没。随着油气勘探与开发发展的需要，该技术必将在实践中为油气藏精细储层描述做出更大的贡献。
图6-121 南堡35-2-1井亿隙度剖面