川东北元坝地区致密砂岩多产状裂缝刻画.pdf

第 47 卷第 5 期物 探 与 化 探Vol.47,No.5 2023 年 10 月GEOPHYSICAL&GEOCHEMICAL EXPLORATION Oct.,2023doi:10.11720/wtyht.2023.1352黄彦庆.川东北元坝地区致密砂岩多产状裂缝刻画J.物探与化探,2023,47(5):1189-1197.http:/doi.org/10.11720/wtyht.2023.1352Huang Y Q.Characterization of multi-attitude fractures in tight sandstones in the Yuanba area,northeastern Sichuan BasinJ.Geophysical and Geochem-ical Exploration,2023,47(5):1189-1197.http:/doi.org/10.11720/wtyht.2023.1352川东北元坝地区致密砂岩多产状裂缝刻画黄 彦 庆(中国石化石油勘探开发研究院,北京 100083)摘 要:为了准确刻画川东北元坝地区上三叠统须家河组致密砂岩中不同产状裂缝的分布,提出了一种基于裂缝敏感属性无监督聚类的裂缝预测方法。在叠后地震数据优化处理的基础上,提取并优选出断缝敏感属性,采用卷积神经网络深度学习算法,学习全球海量的各种类型断层和裂缝数据库,得到断缝强度、倾角和方位体。结合高精度导向曲率属性,在 PCA 降维的基础上,采用基于贝叶斯概率模型的无监督聚类算法,预测了不同倾角裂缝的强度,预测结果与成像测井裂缝解释结果吻合度高,与地质认识一致性好。须三段裂缝发育程度较须二段高,须三段既发育分布于九龙山背斜东南翼断层附近的断层成因缝,也有地层挠曲较大部位的褶皱成因缝,而须二段仅发育断层附近的断层成因缝。关键词:多产状裂缝;裂缝相;裂缝预测;致密砂岩;元坝地区中图分类号:P631.4 文献标识码:A 文章编号:1000-8918(2023)05-1189-09收稿日期:2022-07-13;修回日期:2022-11-29基金项目:中国石化科研项目“川东北须家河组储层评价与甜点预测技术”(P19012-2)作者简介:黄彦庆(1980-),男,高级工程师,长期从事油气藏评价工作。Email:huangyq.syky 0 引言元坝地区位于四川盆地东北部,区内出露的须家河组二段和三段(须二段、须三段)砂岩的平均孔隙度分别为 4.35%和 1.92%,平均基质渗透率分别为 0.084 mD 和 0.028 mD,均为致密储层。裂缝能够大幅度提高致密砂岩储层的渗透性,是气井高产稳产的关键1-3,故开展裂缝预测,明确裂缝发育区,是此类气藏有效开发的关键。国内外学者提出了很多裂缝地震预测方法,归纳起来,包括地震属性分析法、多分量转换波裂缝检测法和纵波方位各向异性检测法 3 大类4-6。基于地震属性的裂缝预测方法仍是目前最为有效的检测方法,已经由单一属性预测发展为多属性融合的预测7,能够利用更多的地震信息,实现更多成因裂缝的预测。但是,在开展多属性融合时需要依据成像测井裂缝解释结果进行归一化,且需要考虑每种属性的比例,当成像测井资料缺乏时,该方法实现起来存在困难。低角度斜缝往往会提高水平渗透率8,而中、高角度斜缝能够沟通上下储层,对气井高产和稳产的作用更加明显,因此,有必要开展不同倾角裂缝预测技术的攻关,而上述叠后预测方法实现难度大。本文综合利用各类地质和地球物理资料,在叠后纯波地震数据优化处理的基础上,提取并优选与研究区断层和裂缝特征相适应的地震属性,结合机器学习裂缝检测,采用 PCA 降维多属性聚类裂缝相表征技术,准确刻画了低角度斜缝和中、高角度斜缝的发育强度,为须家河组气藏的开发评价奠定了坚实基础,而基于敏感地震属性无监督聚类的裂缝相技术也拓展了裂缝预测的手段。1 地质概况与裂缝特征元坝地区位于川北低缓构造带,西部主体为NE 向九龙山背斜的西南倾末端,该背斜西北翼地层较缓,断层欠发育;东南翼较陡,发育 NE 向断层。这些断层发育密度较小,平面上延伸长度短,多数小于 3 km;纵向上切穿层位较少,主要发育在须家河组内部;断距较小,多数小于 50 m(图 1)。物 探 与 化 探47 卷 a元坝西部上三叠统须三段顶面构造;b四川盆地须家河组气藏分布及元坝西部位置;cNW 向构造剖面atop structure of the third member of the Upper Triassic Xujiahe formation in the western part of Yuanba;bdistribution of gas reservoirs in the Xujiahe formation of the Sichuan Basin and its location in the western part of Yuanba;cNW direction structural section图 1 川东北元坝西部须家河组构造特征Fig.1 Structural characteristics of Xujiahe Formation in western Yuanba area 根据岩心描述,元坝西部须二段三段裂缝密度为 3.71 条/m。基于地质成因,裂缝分为构造缝和非构造缝,构造缝进一步细分为低角度剪切缝,中、高角度剪切缝和张性缝。其中,低角度剪切缝最发育,占比达 51.06%,多为地层经历挤压、挠曲、层间滑动及断层相关褶皱派生而成;中、高角度剪切缝较发育,占比 13.19%,主要为断层成因,在须二段和须三段均有发育;张性缝占比仅 4.26%,为褶皱成因,主要发育于须三段。2 叠后纯波地震数据优化2.1 构造导向滤波作为一种特殊的去噪手段,构造导向滤波在保护断层和岩性边界信息的同时,还能提高地震数据的信噪比,提高层位追踪的可信度和断层的收敛度9-10,为下一步曲率属性的提取奠定基础。构造导向滤波的实现分为 2 步。第一步,采用离散扫描算法生成倾角导向体,该体包含空间每一个采样点的倾角和方位角信息,是后续构造导向滤波和其他地震属性计算的基础11-12。第二步,基于扩散方程的构造导向滤波,首先将基于扩散方程的各向异性扩散平滑算法应用到地震资料去噪中13,“各向异性”表示平滑只沿着反射界面进行,而在垂直反射界面的方向上不做平滑,“扩散”表示此滤波器是迭代进行的。这种算法最主要的特点是在有不连续的地方不做任何平滑,因而不仅能改善反射同相轴横向的连续性,提高地震数据的信噪比,而且保留了主要断层和构造边缘14(图 2)。图 2 构造导向滤波优化处理前后地震剖面对比Fig.2 Original seismic profile and enhanced seismic profile0911 5 期黄彦庆:川东北元坝地区致密砂岩多产状裂缝刻画2.2 地震数据分频重构把一个地震道分解成多个不同能量的窄频地震子波的集合,低频信号反映了大尺度的地质特征,高频信号解释了小尺度的细节。另外,地震道分解后,可以对子波进行筛选,重构出新的地震道,重构后的地震数据横向连续性有所加强,分辨率得到提高,低频得到充分的保留,对断面的识别能力更强(图 3)。图 3 分频重构处理前后的地震剖面对比Fig.3 Original seismic profile and reconstructed seismic profile after frequency division3 裂缝敏感地震属性优选3.1 断层与剪切缝敏感属性常用的预测断层及其伴生裂缝的叠后地震几何属性包括方差体、相干、边缘检测、蚂蚁体、最大似然和构造熵等15-18。方差体对元坝地区须家河组内部的小断层不敏感;蚂蚁体能较为清晰地刻画断距在 5 m 以上的低级序断层,由于其对同相轴微弱变化较敏感,使得识别结果中含有较多非断层信息;边缘检测对部分断层识别效果差。故本次主要利用相干、最大似然和构造熵开展断层及其伴生裂缝预测。3.1.1 相干相干属性于 1994 年被正式提出以来不断得到完善和发展,其基本原理是计算地震数据之间的波形相似性。相干属性表征相邻地震道的不连续性,使断层和其他不连续地质异常现象的显示更加清晰、直观,更易于解释。该属性不仅较好地识别了九龙山背斜东南翼为数不多的大断层,对小断层也有较好效果。3.1.2 最大似然似然属性是 Hale 基于第二代相干算法和断层扫描提出的一种提取断层和估计断距的地震属性 19-20。在计算相似系数 C(r,p,q)的基础上,为进一步增强断层和非断层响应之间的差异性,Hale定义了似然属性,表示为likelihood(x,y,r)=1-C(r,p,q)n,式中:C(r,p,q)为分析点的相似系数;指数 n 扩大了相似系数高值与低值之间的差异性,通常取 8。C(r,p,q)采用的是三维规则中心窗。断层通常是倾斜的,为获取沿断面展布的似然属性,采用沿断层的倾向和倾角的三维倾斜中心窗进行计算。由于断层的倾向和倾角是未知的,借鉴速度分析中常用的速度扫描思路,对断层倾向和倾角进行扫描计算似然属性。对于某一个采样点,采用倾斜中心窗在一定的倾向和倾角范围内计算似然属性,并通过对比求取最大值,即最大似然属性。该属性能准确表征断面位置(图 4a)。3.1.3 构造熵构造熵属性运用相关性原理突出相邻道之间地震信号的不连续性,进而达到检测断层和裂缝展布的目的21。本次的构造熵属性(Chaos)是在梯度结构张量矩阵计算、获得 3 个方向的特征值基础上得到的,即计算出梯度结构张量后,对其进行矩阵特征分解,得到 3 个特征值 1 2 3。据此计算的熵属性为Chaos=22-1+3()1+3。元坝地区构造熵属性可以有效地反映岩层破裂导致的杂乱反射(图 4b),和前面得到的似然属性叠加,可以看出两者伴生关系明显,最大似然反映了断层,构造熵反映了断层伴生缝。3.1.4 基于照明体的 Symmetry+I3D除了上述 3 类地震属性,本次创新性地利用基于照明体的 Symmetry+I3D 属性开展断层和裂缝检测。对称性(symmetry)是人类视觉感知及许多自然结构的基本属性,包括结构的对称性和尺度不1911物 探 与 化 探47 卷 图 4川东北元坝西部须三段砂组裂缝敏感属性Fig.4 Fracture sensitivity properties of the third section of xujiahe sand group in Yuanba area,northeastern Sichuan Basin变性。对声波和密度测井获得的反射系数序列的研究表明其符合广义高斯分布。根据线性系统理论,当输入信号为平稳的随机过程时,输出为平稳的随机过程。反射地震道的褶积模型是一个典型的滑动平均线性系统模型,如果把地震反射系数序列看成是广义高斯输入信号,则输出(地震道)应为同分布的平稳信号,其中地震子波被认为是系统的传输函数。当介质为分层均匀的情况下,实际的地震信号是一种零均值的接近于对称的广义高斯分布。然而,当地下介质的性质发生突变时,例如断层、河道、碳酸岩地区的孔洞溶蚀区,地震记录将不再满足对称的广义高斯分布,如果能用某种手段检测出这种非对称和非高斯性的变化,就能够识别出地下介质性质的突变区。本次利用随机信号的斜度和峰度两个参数表征地震信号的非对称性和非高斯变化,定义如下:斜度 S=E(x-)33,峰度 K=E(x-)44。式中:x 表示时间序列;表示均值;表示方差;E表示数学期望。在标准正态分布下,时间序列的斜度和峰度分别为 0 和 3。为了检测地震信号局部的非对称和非高斯分布性质,即随时间变化的斜度和峰度,定义在某时刻 n的斜度和峰度相对于整个地层道的变化率(Y)为YS=S(n)-SS,YK=K(n)-KK,式中:S(n)和 K(n)分别表示时刻 n 的斜度和峰度,S 和 K 分别表示整道的斜度和峰度。在分频重构后的数据体上提取上述属性,其对地震振幅变化敏感,通过分析不同尺度、不同形态的信号变化来区分不同级别构造(断层、裂缝)对地震信号产生的不同级别的影响。与几何属性相比,该属性因基于对称算法,尽可能屏蔽了地层倾角影响,加强突变性质的刻画,更好地保留了原始断缝的几何异常信息,可以更清晰地揭示出邻近地震道波形的细微变化,突出断缝几何特征。从元坝地区主力产层 Symmetry+I3D 裂缝检测结果看,该属性刻画不同规模断裂的效果好,且能够很好表征断层附近裂缝(图 4c)。3.2 褶皱成因张性缝敏感属性地层受到构造应力挤压时层面发生弯曲,上部受到拉张,下部压缩,中间存在一中和面。当上部地2911 5 期黄彦庆:川东北元坝地区致密砂岩多产状裂缝刻画层所受张应力大于岩石抗张强度时,张裂缝形成;地层受应力越强,曲率越大,张裂缝越发育,故曲率属性可以预测裂缝发育程度。另外,当断裂断距较小,地震同相轴不完全断开时,会在断裂处有一定的倾角和弯曲,因此曲率也可用于识别小断裂22。曲率可以定义为曲线上某点的角度与弧长变化率之比,分为二维面曲率和三维体曲率;前者因缺乏倾角信息,其结果不能真实反映地质构造。本次研究中依据前面得到的倾角导向体计算每一点上360内最可能的曲率,进而得到三维体曲率。过三维空间内某点的曲面可以产生任意多个曲率,其中最有用的是那些正交于曲面投影平面的曲率组合,称之为法曲率,不同的法曲率可以构成相应的曲率属性23-24。从元坝地区主力产层须三段砂组高精度曲率属性图看(图 4d),九龙山背斜东南翼断层附近曲率异常明显,连续性好,且在地层挠曲较大部位曲率异常明显,说明该属性能够较好地预测褶皱成因缝。4 深度机器学习断缝检测深度学习的核心理念是通过增加网络的层数使得机器自动从数据中进行学习,传统的反向传播算法(back propagation)随着传递层数的增加,残差会越来越小,出现所谓的“梯度扩散”(gradient diffu-sion)现象,故而不适于深层网络的训练。本次采用的卷积神经网络(convolutional neural networks)深度学习算法,不仅具有传统神经网络的较好容错性、自适应性和较强自学习能力等优点,还具有自动提取特征、权值共享、能够提取图像的深层次信息、模型表达效果好、数据处理能力强等优势。卷积神经网络算法由输入层、一对或多对交替相连的卷积层和池化层、全连接层以及输出层组成。由于该网络避免了前期复杂的预处理,可以直接输入原始信息,同时它的权值共享网络结构更类似于生物神经网络,大大降低了网络模型的复杂度。本次利用能够较好表征研究区小断层及其成因缝的相干、最大似然和基于照明体 Symmetry+I3D 属性,采用卷积神经网络深度机器学习算法,学习 IHS Kingdom 软件内置的全球海量的各种类型断层和裂缝数据库,精确表征了元坝西部须家河组断层展布,并得到了研究区断缝强度体及其倾角、方位体。5 多属性聚类裂缝相表征裂缝相分析包括三步。第一步是对输入的地震属性进行主组分(PCA)分析。由于各种地震属性间存在信息重叠的现象,对这些属性进行主组分分析,可将多个相关变量指标转化为少数相互独立的变量;这些相互独立的综合变量包含了原变量的大部分信息。第二步是应用基于贝叶斯概率模型的无监督聚类算法,将地震数据划分为不同的地震相,包含了空间每一点的裂缝强度和裂缝倾角信息。此算法比传统方法(如 k-mean clustering)分类性能更好,而且采用了相关的贝叶斯标准评估模型,不仅对模型选择的参数化,而且避免了确定分相个数时的主观性。第三步是通过岩心和成像裂缝结果对比,得到裂缝相。本次将已优选出来的高精度曲率、Symmetry+I3D、机器学习断缝体和构造熵 4 类属性作为输入,通过多属性聚类裂缝相表征得到平、低角度缝和中、高角度缝 2 类裂缝相(图 5)。从图中可见,平、低角度缝非常发育,尤其是 020裂缝;中、高角度缝发育程度一般,且倾角越大,裂缝越不发育。图 5 川东北元坝西部须家河组多属性聚类裂缝相预测结果Fig.5 Fracture facies prediction of Xujiahe formation on multi-attribute clustering in the west of Yuanba3911物 探 与 化 探47 卷 图 6 展示了裂缝倾角的判别原理,图中箭头指裂缝可能倾角。分析每一点上 4 类裂缝敏感属性的倾角,然后对其进行聚类分析,得到每个点上最大可能的裂缝倾角。图 6 空间每一点处裂缝倾角判别原理Fig.6 Discrimination principle of dip angle of fracture at each point6 效果分析与裂缝区描述6.1 预测可靠性分析图 7 为过 6 个成像井的裂缝预测剖面,其中井柱子上的横线为相应深度的裂缝线密度,颜色越深表示裂缝密度越大。成像测井解释裂缝密度大的层段预测的裂缝强度大,裂缝密度小的层段剖面上基本无裂缝强度;井上裂缝越发育,裂缝强度越大,两者吻合率达到 85%。图 7 川东北元坝地区须三段成像井裂缝解释结果与预测结果Fig.7 Comparison of fracture interpretation and prediction results of the third section of xujiahe formation in Yuanba area 据成像裂缝解释结果(图 8),YL12 井须三段砂组共发育 21 条裂缝,其中中、高角度斜缝 11 条,低角度斜缝 10 条,其他砂组不同倾角裂缝均欠发育;从过该井的低角度斜缝和中、高角度斜缝预测剖面上看,须三段砂组均有异常,其他砂组 2 个剖面上均无异常,不同倾角裂缝预测结果与成像解释结果吻合度高。另外,对比须家河组低角度缝和中、高角度缝预测平面图,低角度缝发育强度较中、高角度缝大得多,且须三段裂缝强度较须二段大,均与岩心和成像测井裂缝研究得到的结论一致,验证了不同产状裂缝预测结果的可靠性。6.2 裂缝发育区描述依据裂缝预测结果和单井测井解释结果,明确了元坝西部储量区内的裂缝分布。须家河组裂缝多呈 NE 向窄条带状分布,尤其是断缝体,延伸长度多为 316 km,宽度多为 500800 m。须三段断缝和褶缝均发育,断缝体分布于九龙山背斜东南翼断层附近,褶缝体分布于背斜东南翼以及核部地层挠曲较大部位(图 9a);须二段主要发育断缝,断缝体分布于背斜东南翼断层附近,裂缝的发育程度较须三段低(图 9b)。4911 5 期黄彦庆:川东北元坝地区致密砂岩多产状裂缝刻画图 8 过 YL12 井不同产状裂缝预测剖面Fig.8 Fracture prediction profiles of different occurrence in YL12 well图 9 元坝西部重点砂组裂缝分布Fig.9 Fractures distribution of the important sand group in western Yuanba area7 结论 基于裂缝相的思想,综合多种裂缝敏感叠后地震属性,采用基于贝叶斯概率模型的无监督聚类算法,准确地预测了元坝西部须家河组裂缝发育区。与前人所用方法相比,该方法能够综合多种裂缝敏感地震属性信息,拓展了裂缝地震预测方法,且能够预测不同倾角裂缝的分布(其中中、高角度裂缝是高产关键),为下一步井位论证提供依据。目前,叠前各向异性裂缝预测技术已广泛应用于裂缝预测,在部分地区取得了较好效果。该方法采用 Hampson-Russell 的 ProAZ 全 CMP 道集各向异性检测技术,得到各向异性梯度和各向异性方位。下一步可以尝试采用无监督聚类算法,将梯度和方位叠前参数与裂缝敏感叠后属性融合,开展裂缝有利区预测。参考文献(References):1 邹才能,杨智,朱如凯,等.中国非常规油气勘探开发与理论技术进展J.地质学报,2015,89(6):979-1007.Zou C N,Yang Z,Zhu R K,et al.Progress in Chinas unconven-tional oil&gas exploration and development and theoretical tech-nologiesJ.Acta Geologica Sinica,2015,89(6):979-1007.2 吕雪莹,蒋有录,刘景东,等.东濮凹陷杜寨地区沙三中下段致密砂岩气藏有效储层物性下限J.地质科技情报,2017,36(3):182-188.Lyu X Y,Jiang Y L,Liu J D,et al.Lower limits of porosity and permeability of tight sandstone gas reservoirs in the middle-lower 3Es in Duzhai area,Dongpu depressionJ.Geological Science and Technology Information,2017,36(3):182-188.3 袁静,曹宇,李际,等.库车坳陷迪那气田古近系裂缝发育的多样性与差异性J.石油与天然气地质,2017,38(5):840-850.Yuan J,Cao Y,Li J,et al.Diversities and disparities of fracture systems in the Paleogene in DN gas field,Kuqa Depression,Tarim BasinJ.Oil&Gas Geology,2017,38(5):840-850.4 谢清惠,蒋立伟,赵春段,等.提高蚂蚁追踪裂缝预测精度的应用研究J.物探与化探,2021,45(5):1295-1302.Xie Q H,Jiang L W,Zhao C D,et al.Application study of impro-ving the precision of the ant-tracking-based fracture prediction techniqueJ.Geophysical and Geochemical Exploration,2021,45(5):1295-1302.5 代瑞雪,冉崎,关旭,等.多尺度裂缝地震综合预测方法 以5911物 探 与 化 探47 卷 川中地区下寒武统龙王庙组气藏为例J.天然气勘探与开发,2017,40(2):38-44.Dai R X,Ran Q,Guan X,et al.A comprehensive seismic method for multi-scale fracture prediction:A case study on Lower Cambri-an Longwangmiao Formation gas reservoir,Central Sichuan BasinJ.Natural Gas Exploration and Development,2017,40(2):38-44.6 谢锐,阎建国,陈琪.叠前各向异性系数反演及在裂缝预测中的应用J.物探与化探,2022,46(4):968-976.Xie R,Yan J G,Chen Q.Prestack inversion of anisotropic coeffi-cients and its application in fracture predictionJ.Geophysical and Geochemical Exploration,2022,46(4):968-976.7 刘俊洲,韩磊,时磊,等.致密砂岩储层多尺度裂缝地震预测技术 以川西 XC 地区为例J.石油与天然气地质,2021,42(3):747-754.Liu J Z,Han L,Shi L,et al.Seismic prediction of tight sandstone reservoir fractures in XC area,western Sichuan BasinJ.Oil&Gas Geology,2021,42(3):747-754.8 曾联波,吕文雅,徐翔,等.典型致密砂岩与页岩层理缝的发育特征、形成机理及油气意义J.石油学报,2022,43(2):180-191.Zeng L B,Lyu W Y,Xu X,et al.Development characteristics,for-mation mechanism and hydrocarbon significance of bedding frac-tures in typical tight sandstone and shaleJ.Acta Petrolei Sinica,2022,43(2):180-191.9 尹川,杜向东,赵汝敏,等.基于倾角控制的构造导向滤波及其应用J.地球物理学进展,2014,29(6):2818-2822.Yin C,Du X D,Zhao R M,et al.Dip steered structure oriented fil-ter and ite applicationJ.Progress in Geophysics,2014,29(6):2818-2822.10 赵明章,范雪辉,刘春芳,等.利用构造导向滤波技术识别复杂断块圈闭J.石油地球物理勘探,2011,46(S1):128-133.Zhao M Z,Fan X H,Liu C F,et al.Complex fault-block traps identification with structure oriented filter J.OGP,2011,46(S1):128-133.11 张璐,何峰,陈晓智,等.基于倾角导向滤波控制的似然属性方法在断裂识别中的定量表征J.岩性油气藏,2020,32(2):108-114.Zhang L,He F,Chen X Z,et al.Quantitative characterization of fault identification using likelihood attribute based on dip-steering filter controlJ.Lithologic Reservoirs,2020,32(2):108-114.12 解淑林,宁松华,曾德龙,等.倾角构造导向滤波方法识别小断层J.中国锰业,2017,35(2):79-81.Xie S L,Ning S H,Zeng D L,et al.Recognition of minor faults by dip structure oriented filteringJ.Chinas Manganese Industry,2017,35(2):79-81.13 Hoecker C,Fehmers G.Fast structural interpretation with structure-oriented filteringJ.The Leading Edge,2002:21(2):238-243.14 白雪峰,霍进杰,朱明,等.倾角导向体约束下的储层预测技术J.物探化探计算技术,2014,36(1):107-112.Bai X F,Huo J J,Zhu M,et al.Reservoir prediction technique on restrain of dip steering cubeJ.Computing Techniques for Geo-physical and Geochemical Exploration,2014,36(1):107-112.15 司丽,王彦辉,佟洪梅,等.基于地震属性体的三维可视化井震匹配断层解释J.油气藏评价与开发,2013,3(3):1-4.Si L,Wang Y H,Tong H M,et al.3D visualization well-seismic match fault interpretation based on seismic attributeJ.Reservoir Evaluation and Development,2013,3(3):1-4.16 谢舟,李斌,徐红霞,等.多属性分析技术在桑塔木油田断块油气藏中的应用J.石油地球物理勘探,2017,52(S1):181-188.Xie Z,Li B,Xu H X,et al.Seismic multi-attribute analysis used in the development of Sangtamu OilfieldJ.OGP,2017,52(S1):181-188.17 刘丹.低序级断层描述技术研究及应用 以八面河油田北区为例J.石化技术,2020,27(4):122-123.Liu D.Research and application of lower-class faults description technology:A case study in the north area of Bamianhe oilfieldJ.Petrochemical Industry Technology,2020,27(4):122-123.18 穆龙新,赵国良,田中元,等.储层裂缝预测研究M.北京:石油工业出版社,2009.Mu L X,Zhao G L,Tian Z Y,et al.Research on reservoir fracture predictionM.Beijing:Petroleum Industry Press,2009.19 甄宗玉,郑江峰,孙佳林,等.基于最大似然属性的断层识别方法及应用J.地球物理学进展,2020,35(1):374-378.Zhen Z Y,Zheng J F,Sun J L,et al.Fault ientification method based on the maximum likelihood attribute and its applicationJ.Progress in Geophysics,2020,35(1):374-378.20 Hale D.Methods to compute fault images,extract fault surfaces,and estimate fault throws from 3D seismic imagesJ.Geophysics,2013:78(2):33-43.21 周艳辉,高静怀.局部结构熵算法在地震数据不连续性检测中的应用J.煤田地质与勘探,2007,35(1):71-73.Zhou Y H,Gao J H.Application of local structural entropy measure on the detection of discontimuity of seismic dataJ.Coal Geology&Exploration,2007,35(1):71-73.22 何发岐,梁承春,陆骋,等.鄂尔多斯盆地南缘过渡带致密低渗油藏断缝体的识别与描述J.石油与天然气地质,2020,41(4):710-718.He F Q,Liang C C,Lu C,et al.Identification and description of fault-fracture bodies in tight and low permeability reservoirs in transitional zone at the south margin of Ordoc BasinJ.Oil&Gas Geology,2020,41(4):710-718.23 王世星.高精度地震曲率体计算技术与应用J.石油地球物理勘探,2012,47(6):965-972.Wang S X.High-precision calculation of seismic volumetric curva-ture attributes and its applicationsJ.OGP,2012,47(6):965-972.24 李维,陈刚,王东学,等.利用最大正、负曲率识别准噶尔盆地吉木萨尔凹陷芦草沟组甜点段微小断层开启性J.石油地球物理勘探,2022,57(1):184-193.Li W,Chen G,Wang D X,et al.Identification of micro fault open-ing in sweet-spot member of Lucaogou Formation in Jimusar Sag of Junggar Basin by maximum positive and negative curvatureJ.OGP,2022,57(1):184-193.6911 5 期黄彦庆:川东北元坝地区致密砂岩多产状裂缝刻画Characterization of multi-attitude fractures in tight sandstones in the Yuanba area,northeastern Sichuan BasinHUANG Yan-Qing(Petroleum Exploration and Production Research Institute,SINOPEC,Beijing 100083,China)Abstract:This study proposed a fracture prediction method based on unsupervised clustering of fracture sensitivity attributes to accu-rately characterize the distribution of fractures with different attitudes in tight sandstones of the Upper Triassic Xujiahe formation in the Yuanba area,northeastern Sichuan.First,the sensitivity of fractures was extracted and selected based on the optimized post-stack seis-mic data.Then,the convolutional neural network,a deep learning algorithm,was used to learn global massive fault and fracture data-bases of various types,obtaining the intensities,dip angles,and azimuths of fractures.In combination with high-precision-guided cur-vature attributes,an unsupervised clustering algorithm based on the Bayesian probability model was used to predict the intensities of fractures with different dip angles through dimensionality reduction using principal component analysis(PCA).The prediction results are highly consistent with both the fracture interpretation results from imaging logs and the geological