Application of AVO Information-constrained Matching Pursuit Technique in Rich Coal Reservoir Characterization
-
摘要: 针对西湖凹陷富煤环境下储层刻画精度低问题,本文结合煤层AVO截距、梯度特征,提出一种基于AVO信息约束的匹配追踪技术,压制煤层强反射引起的岩性假象,凸显储层真实、有效信号。该方法首先利用煤层4类AVO负强截距<i<P</i<、正强梯度<i<G</i<特点,构建煤层地震敏感因子<i<P</i< - <i<G</i<,放大煤层地震响应,并压制非煤层强振幅影响,实现煤层位置精细定位;在此基础上,将该煤层地震信息作为匹配追踪需要分解、重构的原始信号,利用复地震道分析技术提高信号快速匹配分解的效率,完成煤层强反射解耦。模型试算及实际资料应用表明:匹配追踪技术在精细定位煤层地震响应基础上,提高了匹配追踪算法去煤层强振幅效率;煤层解耦后地震数据较好地凸显储层横向展布变化,提高主力气层的纵向刻画精度。Abstract: To address the low accuracy of reservoir characterization in XiHu Sag in a coal-rich environment, this study developed a matching pursuit technology based on AVO information constraints combined with the AVO intercept and gradient characteristics of coal. It can suppress the strong reflectance lithologic artifacts caused by coal and highlight actual and effective reservoir signals. Based on the negative intercept <i<P</i< and positive gradient <i<G</i< of the AVO of coal, the seismic–sensitive factor <i<P</i<–<i<G</i< of coal identification was developed to amplify the seismic response of coal and suppress the high-amplitude response of non-coal. Then, to accurately identify the location of coal, the seismic information of coal was used as the original signal that needs to be decomposed and reconstructed by matching pursuit. Additionally, the efficiency of signal-matching decomposition was improved using the technology of complex seismic track analysis. Finally, the strong reflection elimination of coal was completed. Model trials and practical applications indicate that this method could accurately identify the seismic response location of coal and improve the efficiency of the matching pursuit algorithm. Moreover, the coal-eliminated seismic data can better highlight the lateral distribution changes of the reservoir and improve the vertical characterization accuracy of the main gas layer.
-
多形性黄色星形细胞瘤(pleomorphic xanthoastrocytoma,PXA)是一类低级别神经上皮肿瘤,起源于软脑膜下星形细胞或其前体,临床罕见,易复发及脑脊液播散。它由Kepes等[1]于1979年首次报道。1993年被WHO纳入中枢神经系统2级肿瘤。后经大量的研究及经验积累,2016年WHO将PXA(2级)和间变型PXA(3级)分为两个不同的实体,后者预后较差并被定义为“具有≥5个有丝分裂/10个高倍视野的PXA”。2021年WHO删除“间变型”一词,直接将PXA分为2和3级。PXA的主要临床表现为不同程度及类型的癫痫发作。该肿瘤常见于儿童及年轻人,预后相对较好。病灶多位于大脑半球浅表部位,以颞叶居多。
目前国内外PXA的相关报道较少,大样本量的研究缺乏,临床对其认识不足。为提高对其认识,现将我院收治1例PXA患者分析报道,主要对其MR特点进行总结归纳。
1. 病历资料
1.1 临床表现及实验室检查
患者,男性,16岁,以“突发癫痫一次”为主诉入院”,神经系统查体及实验室检查均为阴性。
1.2 MRI表现
头颅MRI增强检查提示左侧颞叶囊实性占位,实性成分T1WI等信号,T2WI等信号,增强后实性成分明显强化,实性成分旁软脑膜呈线状明显强化(图1)。
1.3 治疗
行标准前颞叶切除术,病理提示“多形性黄色星形细胞瘤,WHO 2级”,分子病理结果为BRAF(v600 e突变),FISH-CDKN2 A缺失。
1.4 随访
患者一年后门诊复诊,无癫痫发作,头颅MRI增强提示未见肿瘤复发。
2. 讨论
2.1 病因及发病机制
Kepes等[2]认为PXA是起源于软脑膜下的星形细胞,因为软脑膜下星形胶质细胞和PXA肿瘤细胞具有共同的超微结构特征。这一假设可以解释大多数肿瘤位于大脑皮层浅表位置的原因。随着分子病理学检测技术的不断发展,BRAF(v600 e)突变和CDKN2 A/B纯合缺失,被认为是PXA的特征性分子改变[3-4]。
2.2 临床特征
PXA是一类罕见的脑肿瘤,在原发性中枢神经系统肿瘤中占比<0.3%,在所有星形细胞肿瘤中占比<1%,年发病率<0.7例/10万。PXA在每个年龄段均可发病,常见于儿童及年轻人,Perkins等[5]报道该肿瘤诊断时的平均年龄为26.3岁,无性别差异。PXA常发生于大脑半球浅表部位,以颞叶居多,常累及临近软脑膜[6],其次也可发生于额叶及顶叶,其他部位如小脑、脊髓、视网膜等少见。当肿瘤复发或发生恶变时,少数病例可出现脑脊液播散。由于PXA常位于大脑浅表部位,症状多表现为不同程度及类型的癫痫发作。其他症状包括肿瘤增大,可引起颅内压增高相关的头痛、恶心、呕吐等,很少有患者是靠影像学检查偶然发现,也很少有患者在首诊时已经出现脑脊液播散。
2.3 影像学表现
PXA的影像学表现分为3种类型:大囊伴附壁结节,附壁结节常靠近或附着于软脑膜上(该类型最常见);实性肿块伴小囊变;单囊或多囊性病变。CT平扫实性部分为稍低或等密度,偶可见钙化,囊性部分为低密度,但略高于脑脊液密度。MR平扫实性部分(包括附壁结节或厚囊壁)T1WI呈稍低信号或等信号,T2WI呈稍高信号或等信号;囊性部分T1WI呈低信号,T2WI呈高信号。增强后实性部分在CT和MR上均为明显强化,囊壁可或不强化;部分病例可出现临近软脑膜强化。多数病灶瘤周水肿较轻,但3级PXA肿瘤体积常较大,瘤周水肿多明显。由于肿瘤位置常较表浅,少数病例可出现颅骨的受压变薄。本病例的MRI表现符合PXA中大囊伴附壁结节的类型特点,附壁结节T2WI呈等信号,T1WI呈等信号,增强后附壁结节及临近脑沟内的软脑膜明显强化,囊壁无强化。
2.4 治疗及转归
虽然PXA被认为是惰性肿瘤,但与其他低级胶质瘤相比,PXA的复发率、恶变率及死亡率更高。WHO肿瘤分级是PXA患者生存率(overall survival,OS)的最重要预测指标[7-8]。在一项回顾性研究[7]中,作者发现与2级PXA患者相比,3级PXA患者的OS显著降低,其次肿瘤出现坏死与PXA患者预后不良密切相关,无坏死肿瘤的5年OS为90.2%,坏死肿瘤的5年OS为42.2%。在年龄方面,诊断PXA时患者年龄越大,其OS越短[8-9]。
由于PXA在临床罕见,易复发、恶变,目前还没有标准的治疗指南。PXA的常规治疗主要为外科手术行肿瘤全切除,术后联合影像学检查以检测肿瘤复发和进展情况。其他辅助治疗如放疗、化疗等通常用于术后残留、复发或3级PXA的患者,但由于缺乏数据支持,辅助治疗的疗效目前仍不确定。本文报道的PXA病例WHO肿瘤分级为2级,在肿瘤全切除术后1年来我院复诊,患者病情稳定,无癫痫发作,复查头颅MRI未见肿瘤复发。
2.5 诊断与鉴别诊断
虽然PXA的MRI表现具有一定特点,但其临床表现、影像学表现都极易误诊[10],确诊主要依靠病理,少数患者组织病理学诊断仍困难,需进一步行分子病理学检测。
儿童或年轻患者,以癫痫发病,MRI表现为发生于颞叶的大囊伴附壁结节病灶,与软脑膜关系密切,增强后结节明显强化,应考虑PXA的可能性,但此时仍需与以下疾病进行鉴别。①节细胞胶质瘤(ganglioglioma,GG),以囊实性多见,与PXA相比,GG常见钙化,肿瘤累及皮层时常伴脑回变宽,低级别GG无或轻度强化,软脑膜受累少见。②胚胎发育不良性神经上皮瘤,WHO 1级,其病灶常呈“三角形”或“楔形征”,尖角多凸向脑实质,瘤内多发微囊伴分隔,一般无壁结节及强化,肿瘤周围脑组织常见皮质发育不良,而PXA常为大囊,存在明显强化的附壁结节,且不伴有皮层发育不良。③青少年多形性低级别神经上皮肿瘤,女性为主,典型CT表现为肿瘤中央见结节样钙化[11],增强扫描一般无强化或轻度斑片状强化,与PXA的偶见钙化,实性成分明显强化较易鉴别。
总之,PXA是一种罕见的在儿童和年轻人中呈惰性生长的肿瘤,具有复发和脑内播散的潜力。临床表现常以癫痫发作起病但无特异性,典型MR表现为大囊伴结节,结节明显强化,可伴临近软脑膜强化。术前PXA易被误诊,MRI可为其侵袭性和分级提供有价值信息,有助于临床对患者进行综合管理和预后预测。肿瘤全切除为该病的主要治疗方式,3级PXA常需联合辅助治疗。
-
表 1 靶区不同岩性弹性参数
Table 1 Elastic parameters of different lithologies in the target area
岩性 Vp/(m/s) Vs/(m/s) 密度/(g/cm3) 纵波阻抗/
((m/s)·(g/cm3))泥岩 4150 2220 2.65 10998 Ⅲ 类砂岩 3500 2375 2.40 8400 Ⅱ类a型砂岩 4600 2750 2.49 11454 Ⅱ类b型砂岩 4300 2610 2.47 10621 Ⅰ类砂岩 5300 3250 2.55 13515 煤层 2900 1500 2.00 5800 表 2 靶区不同岩性截距P、梯度G及P–G值
Table 2 Intercept P, gradient G, and P–G of different lithologies in the target area
岩性 截距P 梯度G P-G Ⅲ 类砂岩 -0.135 -0.123 -0.012 Ⅱ类a型砂岩 0.020 -0.183 0.203 Ⅱ类b型砂岩 -0.017 -0.147 0.130 Ⅰ类砂岩 0.103 -0.357 0.460 煤层 -0.301 0.369 -0.670 -
[1] 姜勇, 秦德文, 俞伟哲. 东海某凹陷大型砂体优势储层预测技术研究与应用[J]. 石油物探, 2020,59(6): 949−960. doi: 10.3969/j.issn.1000-1441.2020.06.013 JIANG Y, QIN D W, YU W Z. Prediction of favorable reservoirs in large sandstone reservoirs in a sag of the East China Sea[J]. Geophysical Prospecting for Petroleum, 2020, 59(6): 949−960. (in Chinese). doi: 10.3969/j.issn.1000-1441.2020.06.013
[2] 刘江, 李炳颖, 包全, 等. 煤相约束叠前地质统计学在东海A气田实践[J]. 海洋石油, 2020,40(2): 1−8. LIU J, LI B Y, BAO Q, et al. The practice of coal facies constrained pre-stack geo-statistics in a gas field of the East China Sea[J]. Offshore Oil, 2020, 40(2): 1−8. (in Chinese).
[3] 张军华, 刘振, 刘炳杨, 等. 强屏蔽层下弱反射储层特征分析及识别方法[J]. 特种油气田, 2012,19(1): 23−26. ZHANG J H, LIU Z, LIU B Y, et al. Analysis and identification of reservoir characteristics of weak reflectors under strong shielding layer[J]. Special Oil & Gas Reservoirs, 2012, 19(1): 23−26. (in Chinese).
[4] 秦雪霏, 李巍. 大牛地气田煤系地层去煤影响储层预测技术[J]. 吉林大学学报(地球科学版), 2014,44(3): 1048−1054. doi: 10.13278/j.cnki.jjuese.201403306 QIN X F, LI W. Identification and trimming of coal-bed interference in Daniudi Gas Field[J]. Journal of Jilin University (Earth Science Edition), 2014, 44(3): 1048−1054. (in Chinese). doi: 10.13278/j.cnki.jjuese.201403306
[5] WANG Y H. Seismic time-frequency spectral decomposition by matching pursuit[J]. Geophysics, 2007, 72(1): 13−20.
[6] WANG Y H. Multichannel matching pursuit for seismic trace decomposition[J]. Geophysics, 2010, 75(4): 61−66.
[7] 朱博华, 向雪梅, 张卫华. 匹配追踪强反射层分离方法及应用[J]. 石油物探, 2016,55(2): 280−287. doi: 10.3969/j.issn.1000-1441.2016.02.014 ZHU B H, XIANG X M, ZHANG W H. Strong reflection horizon separation based on matching pursuit algorithm and its application[J]. Geophysical Prospecting for Petroleum, 2016, 55(2): 280−287. (in Chinese). doi: 10.3969/j.issn.1000-1441.2016.02.014
[8] 李海山, 杨午阳, 田军, 等. 匹配追踪煤层强反射分离方法[J]. 石油地球物理勘探, 2014,49(5): 866−870. LI H S, YANG W Y, TIAN J, et al. Coal seam strong reflection separation with matching pursuit[J]. Oil Geophysical Prospecting, 2014, 49(5): 866−870. (in Chinese).
[9] 李海山. 基于稀疏表示理论的地震信号处理方法研究[D]. 青岛: 中国石油大学(华东), 2013. LI H S. Seismic signal processing methods based on sparse representation theory[D]. Qingdao: China University of Petroleum (East China), 2013. (in Chinese).
[10] 张在金, 张军华, 李军, 等. 煤系地层地震强反射剥离方法研究及低频伴影分析[J]. 石油地球物理勘探, 2016,51(2): 376−383. ZHANG Z J, ZHANG J H, LI J, et al. A method for stripping coal seam strong reflection and low-frequency shadow analysis[J]. Oil Geophysical Prospecting, 2016, 51(2): 376−383. (in Chinese).
[11] 何峰, 翁斌, 韩刚, 等. 一种基于地震约束的井控匹配追踪煤层强反射消除技术[J]. 中国海上油气, 2019,31(1): 61−66. HE F, WENG B, HAN G, et al. A seismic constraint-based technology for elimination of strong coal seam reflection via well-control and matching pursuit[J]. China Offshore Oil and Gas, 2019, 31(1): 61−66. (in Chinese).
[12] 张云银, 魏欣伟, 谭明友, 等. 基于压缩感知技术的去除强屏蔽研究及应用[J]. 岩性油气藏, 2019,31(4): 85−91. doi: 10.12108/yxyqc.20190409 ZHANG Y Y, WEI X W, TAN M Y, et al. Removal of seismic strong shield interface based on compressed sensing technology and its application[J]. Lithologic Reservoirs, 2019, 31(4): 85−91. (in Chinese). doi: 10.12108/yxyqc.20190409
[13] 张军华, 王静, 王延光, 等. 基于压缩感知的反射系数域沿层L2范数约束去强屏蔽方法[J]. 石油地球物理勘, 2022,57(2): 405−413. ZHANG J H, WANG J, WANG Y G, et al. A strong shielding removal method of reflection coefficient domain based on compressed sensing with L2 norm constraint along layer[J]. Oil Geophgsical Prospecting, 2022, 57(2): 405−413. (in Chinese).
[14] 邓勇, 潘光超, 李明, 等. 莺歌海盆地“平点”叠前AVO特征及识别[J]. 石油地球物理勘探, 2019,54(5): 1123−1130. DENG Y, PAN G C, LI M, et al. Prestack AVO characteristics and identification of flat spots in Yinggehai Basin[J]. Oil Geophgsical Prospecting, 2019, 54(5): 1123−1130. (in Chinese).
[15] 侯波, 康洪全, 程涛. 有效压力与饱和度变化的气藏多波时移地震AVO响应[J]. CT理论与应用研究, 2018,27(5): 601−608. DOI: 10.15953/j.1004-4140.2018.27.05.06. HOU B, KANG H Q, CHENG T. Multi-wave time-lapse seismic AVO responses in gas reservoir vary with effective pressure and saturation[J]. CT Theory and Applications, 2018, 27(5): 601−608. DOI: 10.15953/j.1004-4140.2018.27.05.06. (in Chinese).
[16] MALLAT S, ZHANG Z. Matching pursuit with time-frequency dictionaries[J]. IEEI Transactions on Signal Processing, 1993, 41(12): 3397−3415. doi: 10.1109/78.258082
[17] 张繁昌, 兰南英, 李传辉, 等. 地震匹配追踪技术与应用研究进展[J]. 石油物探, 2020,59(4): 491−504. doi: 10.3969/j.issn.1000-1441.2020.04.001 ZHANG F C, LAN N Y, LI C H, et al. Review of seismic matching pursuit[J]. Geophysical Prospecting for Petroleum, 2020, 59(4): 491−504. (in Chinese). doi: 10.3969/j.issn.1000-1441.2020.04.001
[18] LIU J, MARFURT K. Instantaneous spectral decomposition by matching pursuit[J]. Geophysics, 2007, 72(1): V13-20.
[19] 陈发宇, 杨长春. 对依据频率的匹配追踪快速算法的改进[J]. 石油物探, 2009,48(1): 80−83. doi: 10.3969/j.issn.1000-1441.2009.01.015 CHEN F Y, YANG C C. An improvement for frequency-dominated fast matching pursuits algorithm[J]. Geophysical Prospecting for Petroleum, 2009, 48(1): 80−83. (in Chinese). doi: 10.3969/j.issn.1000-1441.2009.01.015
[20] SHUEY R T. A simplification of the Zoeppritz equations[J]. Geophysics, 1985, 50(4): 609-614.
-
期刊类型引用(3)
1. 颜颖,宋丽君,魏巍,魏璇,杨正汉,王振常. 新型冠状病毒肺炎患者临床转归与临床及影像指标的相关性研究. 临床和实验医学杂志. 2022(12): 1317-1321 . 百度学术
2. 宋丽君,颜颖,魏巍,魏璇,杨正汉,王振常. 新型冠状病毒肺炎患者核酸结果及临床分型与影像指标关系的研究. 临床和实验医学杂志. 2022(13): 1430-1433 . 百度学术
3. 李允,刘舒怡,郑劲平. 胸部影像人工智能在新型冠状病毒肺炎诊断中的应用及展望. 中华结核和呼吸杂志. 2022(12): 1255-1260 . 百度学术
其他类型引用(4)