一種疊前反演的薄層含油氣性識別方法
2023-06-24 20:15:36 3
專利名稱：一種疊前反演的薄層含油氣性識別方法
技術領域：
本發明涉及油氣田地震勘探和油氣藏預測與描述方法，特別是涉及一種疊前反演的薄層含油氣性識別方法。
背景技術：
地震反演是獲得地下介質內部圖像、對儲層進行精細描述的有效方法，也是高解析度地震勘探的最終表現形式。地震數據反演很大程度上提高了儲層表徵的價值。隨著油氣藏勘探程度的增加，在勘探開發程度都比較高的油氣區，發現大型的構造油氣藏已經是非常困難的事情。而油氣藏勘探開發工作者更感興趣的工作是深化對已勘探、已開發油氣藏的認識，對油氣藏進行更為精細的描述與表徵，進而尋找規模較小的隱蔽型油氣藏和發現剩餘油分布規律。隨著地震研究的重點由勘探逐漸向開發轉移，通過地震反演等手段來揭示地下油氣藏的精細分布特徵，對油氣藏進行精雕細刻的技術也受到越來越多的關注。 但從目前研究來看，儘管與原始地震道相比，地震反演獲得了更高解析度的成像，但由於地震數據是帶限的，反演結果缺乏低頻和高頻成分，其解析度無法達到油藏工程師的要求。通過引入正則化方法可以部分地解決這些問題，但即使應用像稀疏約束和塊狀約束的正則化方法，反演結果也不能達到測井數據的頻帶寬度。而隨機反演綜合了先驗模型，而先驗模型控制了地震數據缺失的低頻和高頻成分。然而彈性性質的高頻變化不會影響地震振幅，因此模型參數高頻部分的估計具有高度非唯一性。總之，目前基於地震疊前反演識別薄層含油氣性方法研究存在的主要問題是1、 非均質泥砂巖儲層結構變化複雜，泥巖薄層、砂巖薄層厚度超出了基於地震資料進行識別的能力範圍，目前的地震反演方法不能實現油藏中單一薄層精細描述，更難以基於地震數據實現單一薄層的定量分析與評價。2、測井數據與地震數據間的測量尺度差異阻礙兩者的聯合。測井數據、實驗室巖芯測量數據具有較高的縱向解析度，是基於點測量的彈性數據， 而地震數據是低頻信號，反映了波長內的綜合彈性信息。因此，基於測井數據、實驗室巖芯測量數據建立的油藏參數與巖石彈性參數變化關係不能直接應用於常規地震波阻抗反演數據解釋與反演過程參數約束。3、不同尺度的地球物理數據無法直接進行有效的相互轉化，導致不同尺度的地球物理數據不能直接聯合獲得高解析度的彈性參數反演結果，從而無法識別和定量分析厚度小於地震解析度的薄層儲層。4、隨機反演具有很強的非唯一性且計算量巨大，而降低反演結果多解性的約束方法不夠理想，需要進一步提高。
發明內容
本發明實施例提供一種疊前反演的薄層含油氣性識別方法，以滿足基於地震疊前反演識別薄層含油氣性要求。為了達到上述技術目的，本發明實施例提供了一種疊前反演的薄層含油氣性識別方法，所述方法包括(1)利用地震構造解釋資料和測井數據，基於沉積模式建立初始彈性參數模型；
(2)基於Bayesian原理的確定性反演得到隨機反演的初始模型和模型約束範圍；(3)採用巖石物理診斷與回歸分析建立的縱波速度、橫波速度和密度三參數相關的Monte Carlo模擬進行隨機抽樣獲得測井尺度模型；(4)利用Hashin-Shtrikman邊界平均方法對隨機抽樣得到測井尺度模型進行計算獲得地震尺度下彈性參數模型；(5)基於地震尺度下彈性參數模型和完整的^^ppritz非線性方程正演模擬角度域疊前地震記錄，由正演模擬角度域疊前地震記錄和實際地震記錄計算價值函數，並計算彈性參數模型的接受概率，並按概率確定新的測井尺度彈性參數模型；(6)重複迭代以上步驟(3)、(4)和(5)，並通過所述價值函數和最大迭代次數確定最優的測井尺度彈性參數模型作為地震三參數疊前反演最終結果；(7)採用縱波速度、橫波速度和密度三參數三維空間交匯方法進行油藏薄層含油氣性識別。可選的，在本發明的一實施例中，所述初始彈性參數模型包括縱波速度模型、橫波速度模型和密度模型。可選的，在本發明的一實施例中，所述基於Bayesian原理的確定性反演得到隨機反演的初始模型和模型約束範圍，包括假設地震數據噪聲和模型空間滿足高斯分布，則反演似然函數和先驗概率分布滿足高斯分布，根據Bayesian原理，綜合反演似然函數和先驗分布函數得到後驗概率分布函數，且後驗概率分布函數滿足高斯分布；對後驗概率分布函數求梯度，並令梯度為零，得到線性方程組；利用共軛梯度法求解所述線性方程組得到最大後驗概率解，即確定性疊前地震反演得到的彈性參數模型。可選的，在本發明的一實施例中，所述測井尺度模型包括；縱波速度模型、橫波速度模型和密度模型。可選的，在本發明的一實施例中，所述地震尺度下彈性參數模型包括縱波速度模型、橫波速度模型和密度模型。可選的，在本發明的一實施例中，所述採用縱波速度、橫波速度和密度三參數三維空間交匯方法進行油藏薄層含油氣性識別，包括將所述隨機反演得到的地震三參數疊前反演最終結果，包括縱波速度、橫波速度和密度，進行三維空間交匯分析，並將交匯結果與基於實際測井縱波速度、橫波速度、密度數據和含水飽和度建立的含油氣性識別圖版疊合， 根據交匯圖疊合結果，確定儲層巖性與含油氣特徵，以實現油藏薄層含油氣性識別。本發明由於採取以上技術方案，其具有以下優點1、本技術方案考慮了測井尺度模型與地震尺度模型差異，並將測井尺度彈性參數模型到地震尺度彈性參數模型轉換應用為地震隨機反演，提高模擬數據與實際數據一致性並獲得了測井尺度彈性參數模型，有效提高反演解析度同時，使利用基於測井數據建立交匯圖版進行薄層巖性與含油氣性識別變得可行。2、本技術方案將巖石物理診斷與回歸分析結果應用於約束隨機抽樣建立彈性參數模型，有效降低了模型抽樣隨機性，提高計算效果，並具有明確的物理意義。3、本技術方案採用三參數反演與三參數交匯分析方法進行薄層含油氣性識別，相對於雙參數反演與交匯分析具有更高的識別精度。4、本技術方案採用了確定性反演與隨機反演相結合的方法進行
4疊前地震反演，有效提高了反演精度，降低了計算量。
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本發明實施例疊前反演的薄層含油氣性識別方法流程圖；圖2是本發明實施例輸入的疊前AVO (Amplitude Versus Offset，振幅隨偏移距的變化)角道集地震數據；圖3是本發明實施例基於確定性反演得到的縱波速度(左)、橫波速度(中)和密度(右)模型；圖4是本發明實施例基於測井數據進行巖石物理診斷結果縱波速度與模型數據對比(上)，橫波速度與模型數據對比(下)；圖5是本發明實施例基於確定性反演結果通過隨機抽樣得到測井尺度縱波速度 (左)、橫波速度(中)和密度(右)模型；圖6是本發明實施例基於測井尺度彈性參數模型計算得到的地震尺度縱波速度 (左)、橫波速度(右)模型；圖7是本發明實施例基於快速模擬退火隨機反演得到的測井尺度縱波速度(左)、 橫波速度(中)和密度(右)模型；圖8是本發明實施例確定性反演結果和隨機反演結果縱波速度模型對比，圖中左圖為0-500ms反演結果，右圖為左圖中250ms-400m放大的結果；圖9是本發明實施例確定性反演結果和隨機反演結果橫波速度模型對比，圖中左圖為0-500ms反演結果，右圖為左圖中250ms-400m放大的結果；圖10是本發明實施例確定性反演結果和隨機反演結果密度模型對比，圖中左圖為0-500ms反演結果，右圖為左圖中250ms-400m放大的結果；圖11是本發明實施例基於實際測井數據縱波速度、橫波速度、密度和含水飽和度建立的三維空間交匯分析圖版，用於薄層巖性識別與含油氣性分析，色棒顏色表示儲層含水飽和度。
具體實施例方式下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。針對常規確定性反演結果無法滿足基於地震疊前反演識別薄層含油氣性要求等上述問題，本發明的目的是提供一種基於地震三參數疊前反演的薄層含油氣性識別方法。 本發明是在研究了以下問題基礎上提出的(1)低頻地震信號對地下介質測量結果與高頻的聲波測井對地下介質測量結果存在差異；( 基於測井聲波數據直接合成地震記錄與實際地震記錄沒有良好的對應關係；C3)基於測井尺度測量數據計算地震尺度測量數據後再合成地震記錄與實際地震記錄有更好的一致性；(4)基於三彈性參數交匯分析識別儲層含油氣性較雙彈性參數交匯分析更有效、精度更高。本發明利用確定性地震反演作為初始模型輸入和約束的條件，並在初始模型基礎上，採用巖石物理診斷與回歸分析建立的三參數相關的Monte Carlo (蒙特卡羅，或稱計算機隨機模擬方法)模擬進行隨機抽樣獲得測井尺度高解析度模型，並利用Hashin-Shtrikman邊界理論將測井尺度模型轉化為地震尺度模型；採用完全h^pritz (佐普裡茲)方程合成地震記錄並與實際地震數據對比，實現疊前地震隨機反演，並將反演結果與利用測井數據建立圖版疊合，實現薄層含油氣性識別。如圖1所示，為本發明實施例一種基於地震三參數疊前反演的薄層含油氣性識別方法，具體包括101、利用地震構造解釋資料和測井數據，基於沉積模式建立初始彈性參數模型 利用地震構造解釋資料，基於沉積模式建立地質模型，並將測井資料，按構造模式進行插值和外推，得到每條測線的初始彈性參數模型，包括縱波速度模型、橫波速度模型和密度模型，初始彈性參數模型作為確定性反演時的初始輸入模型和約束條件。102、基於Bayesian原理的確定性反演得到隨機反演的初始模型和模型約束範圍利用以上所述初始模型和角度域疊前地震道集，基於共軛梯度方法和Bayesian (貝葉斯)原理進行確定性疊前地震反演，得到縱波速度、橫波速度與密度確定性反演模型。確定性反演中利用以上所述先驗模型對反演結果進行約束，並假設地震數據噪聲和模型空間滿足Gauss (高斯)分布，則反演似然函數和先驗概率分布滿足Gauss分布。根據Bayesian原理，綜合反演似然函數和先驗分布函數得到後驗概率分布函數，且後驗概率分布函數滿足 Gauss分布。對後驗概率分布函數求梯度，並令梯度為零，得到線性方程組。利用共軛梯度法求解該線性方程組得到最大後驗概率解，即確定性疊前地震反演得到的彈性參數模型。103、採用巖石物理診斷與回歸分析建立的縱波速度、橫波速度和密度三參數相關的Monte Carlo模擬進行隨機抽樣獲得測井尺度模型利用以上所述確定性疊前地震反演得到的彈性參數模型作為先驗信息和初始解，通過建立蒙特卡洛馬爾科夫鏈(Monte Carlo Markov Chain)對模型空間進行分步隨機抽樣，即先採用隨機抽樣方法抽樣得到縱波速度的實現，並通過基於測井巖石物理診斷與回歸分析建立的縱波速度與橫波速度和密度關係進行預測再加一個隨機項來生成橫波速度和密度模型的實現，從而建立測井尺度彈性參數模型，包括縱波速度模型、橫波速度模型和密度模型。與三個參數分別獨立進行隨機抽樣相比本發明考慮了縱波速度與橫波速度和密度之間的相關性，也降低了模型空間，提高了計算效率。104、利用Hashin-Shtrikman邊界平均方法對隨機抽樣得到測井尺度模型進行計算獲得地震尺度下彈性參數模型利用以上所述建立測井尺度彈性參數模型，包括縱波速度模型、橫波速度模型和密度模型，通過廣義的Hashin-Shtrikman邊界理論方法得到地震尺度下彈性參數模型，包括縱波速度模型、橫波速度模型和密度模型，實現測井尺度高頻模型到地震尺度低頻模型轉換。105、基於地震尺度下彈性參數模型和完整的^^ppritz非線性方程正演模擬角度域疊前地震記錄，由正演模擬角度域疊前地震記錄和實際地震記錄計算價值函數，並計算彈性參數模型的接受概率，並按概率確定新的測井尺度彈性參數模型利用以上所述建立的地震尺度彈性參數模型，包括縱波速度模型、橫波速度模型和密度模型，基於完全的 Zoeppritz非線性方程正演模擬角度域疊前地震記錄，並利用模擬地震記錄和實際地震記錄計算價值函數，即通過L2模表徵合成角度域疊前地震記錄和觀測疊前角度域地震記錄之間的差異以及反演模型偏離初始模型的程度。從而計算彈性參數模型的接受概率，並按概率確定新的測井尺度彈性參數模型。106、重複迭代以上步驟103、104和105，並通過所述價值函數和最大迭代次數確定最優的測井尺度彈性參數模型作為地震三參數疊前反演最終結果利用以上所述確定的新的測井尺度彈性參數模型，重複迭代以上所述步驟103、104和105，並通過以上所述價值函數和最大迭代次數確定最優的測井尺度彈性參數模型作為地震三參數疊前反演最終結果，包括縱波速度、橫波速度和密度模型。107、採用縱波速度、橫波速度和密度三參數三維空間交匯方法進行油藏薄層含油氣性識別將以上所述隨機反演得到的測井尺度模型最終結果，包括縱波速度、橫波速度和密度，進行三維空間交匯分析，並將交匯結果與基於實際測井縱波速度、橫波速度、密度數據和含水飽和度建立的含油氣性識別圖版疊合，根據交匯圖疊合結果，確定儲層巖性與含油氣特徵，實現油藏薄層含油氣性識別。本發明具體採取以下工作步驟來實現上述技術方案利用地震構造解釋資料和測井數據，基於沉積模式建立初始彈性參數模型一基於Bayesian原理的確定性反演得到隨機反演的初始模型和模型約束範圍一採用巖石物理診斷與回歸分析建立的三參數相關的 Monte Carlo模擬進行隨機抽樣獲得測井尺度高解析度模型一利用Hashin-Shtrikman邊界平均方法對隨機抽樣得到測井尺度模型進行計算獲得地震尺度下彈性參數模型一基於地震尺度下彈性參數模型和完整的h^pritz非線性方程正演模擬疊前角度域地震記錄， 由正演模擬地震記錄和實際地震記錄計算價值函數，並計算新解的接受概率，並按概率接受新解一重複以上步驟直到滿足最大迭代次數或者價值函數滿足收斂條件為止，並輸出測井尺度下彈性參數反演結果一採用三參數三維空間交匯方法進行油藏薄層含油氣性識別。 技術方案與工作步驟詳細敘述如下(1)利用地震構造解釋資料，基於沉積模式建立地質模型，並將測井資料，按構造模式進行插值和外推，得到每條測線的初始彈性參數模型，包括縱波速度模型、橫波速度模型和密度模型，初始彈性參數模型作為確定性反演時的初始輸入模型和約束條件。建立彈性阻抗模型主要利用三維空間插值方法，其的技術流程是首先利用散點插值的方法對各個層位的數據進行插值，完成地質層位建模，然後根據地質層位進行彈性參數橫向插值，即將測井信息進行橫向插值，計算得到地下每個點上的彈性參數值，完成初始彈性參數建模的任務。(2)利用以上所述初始模型和角度域疊前地震道集(如圖2所示，是本發明實施例輸入的疊前AVO角道集地震數據，圖中縱軸表示時間，單位毫秒，橫軸表示地震道數)，基於共軛梯度方法和Bayesian原理進行確定性疊前地震反演，得到縱波速度、橫波速度與密度確定性反演模型(如圖3所示，是本發明實施例基於確定性反演得到的縱波速度(左)、橫波速度(中)和密度(右)模型，圖中縱軸表示時間，單位毫秒，橫軸自左至右表示縱波速度(單位千米/秒)、橫波速度(單位千米/秒)和密度(單位克/立方釐米))。確定性反演中以上所述先驗模型對反演結果進行約束，並假設地震數據噪聲和模型空間滿足6^1188分布，則反演似然函數和先驗概率分布滿足&11188分布。根據8對681皿原理，綜合 反演似然函數和先驗分布函數得到後驗概率分布函數，且後驗概率分布函數滿足分 布。對後驗概率分布函數求梯度，並令梯度為零，得到線性方程組。利用共軛梯度法求解該 線性方程組得到最大後驗概率解，即確定性疊前地震反演得到的彈性參數模型。具體步驟 包括
〔0048〕 考慮兩個事件，八和8可以定義它們的事件發生概率分別為？(八)和？出)，而八和 8的聯合概率為
〔0049〕 ？(八，8〉二 ？(六 | 8〉？⑶ 二 ？(仔 | 八)？⑷⑴ ^00503 由公式⑴可以得到8對681肌理論公式
權利要求
1.一種疊前反演的薄層含油氣性識別方法，其特徵在於，所述方法包括(1)利用地震構造解釋資料和測井數據，基於沉積模式建立初始彈性參數模型；(2)基於Bayesian原理的確定性反演得到隨機反演的初始模型和模型約束範圍；(3)採用巖石物理診斷與回歸分析建立的縱波速度、橫波速度和密度三參數相關的 Monte Carlo模擬進行隨機抽樣獲得測井尺度模型；(4)利用Hashin-Shtrikman邊界平均方法對隨機抽樣得到測井尺度模型進行計算獲得地震尺度下彈性參數模型；(5)基於地震尺度下彈性參數模型和完整的^^ppritz非線性方程正演模擬角度域疊前地震記錄，由正演模擬角度域疊前地震記錄和實際地震記錄計算價值函數，並計算彈性參數模型的接受概率，並按概率確定新的測井尺度彈性參數模型；(6)重複迭代以上步驟( 、(4)和( ，並通過所述價值函數和最大迭代次數確定最優的測井尺度彈性參數模型作為地震三參數疊前反演最終結果；(7)採用縱波速度、橫波速度和密度三參數三維空間交匯方法進行油藏薄層含油氣性識別。
2.如權利要求1所述方法，其特徵在於，所述初始彈性參數模型包括縱波速度模型、橫波速度模型和密度模型。
3.如權利要求1所述方法，其特徵在於，所述基於Bayesian原理的確定性反演得到隨機反演的初始模型和模型約束範圍，包括假設地震數據噪聲和模型空間滿足高斯分布，則反演似然函數和先驗概率分布滿足高斯分布，根據Bayesian原理，綜合反演似然函數和先驗分布函數得到後驗概率分布函數， 且後驗概率分布函數滿足高斯分布；對後驗概率分布函數求梯度，並令梯度為零，得到線性方程組；利用共軛梯度法求解所述線性方程組得到最大後驗概率解，即確定性疊前地震反演得到的彈性參數模型。
4.如權利要求1所述方法，其特徵在於，所述測井尺度模型包括；縱波速度模型、橫波速度模型和密度模型。
5.如權利要求1所述方法，其特徵在於，所述地震尺度下彈性參數模型包括縱波速度模型、橫波速度模型和密度模型。
6.如權利要求1所述方法，其特徵在於，所述採用縱波速度、橫波速度和密度三參數三維空間交匯方法進行油藏薄層含油氣性識別，包括將所述隨機反演得到的地震三參數疊前反演最終結果，包括縱波速度、橫波速度和密度，進行三維空間交匯分析，並將交匯結果與基於實際測井縱波速度、橫波速度、密度數據和含水飽和度建立的含油氣性識別圖版疊合，根據交匯圖疊合結果，確定儲層巖性與含油氣特徵，以實現油藏薄層含油氣性識別。
全文摘要
本發明提供一種疊前反演的薄層含油氣性識別方法，包括1)利用地震構造解釋資料和測井數據，基於沉積模式建立初始彈性參數模型；2)基於Bayesian原理的確定性反演得到隨機反演的初始模型和模型約束範圍；3)採用巖石物理診斷與回歸分析建立的三參數相關的Monte Carlo模擬進行隨機抽樣獲得測井尺度模型；4)利用Hashin-Shtrikman邊界平均方法進行計算獲得地震尺度下彈性參數模型；5)正演模擬角度域疊前地震記錄，和實際地震記錄計算價值函數，並計算彈性參數模型的接受概率，並按概率確定新的測井尺度彈性參數模型；6)重複迭代以上步驟3)、4)和5)，確定最優的測井尺度彈性參數模型作為地震三參數疊前反演最終結果；7)採用三參數三維空間交匯方法進行油藏薄層含油氣性識別。
文檔編號G01V1/28GK102508293SQ20111038434
公開日2012年6月20日 申請日期2011年11月28日 優先權日2011年11月28日
發明者侯波, 李景葉, 王守東, 陳小宏 申請人:中國石油大學(北京)