[發明專利]混沌量子粒子群模糊神經網絡疊前非線性流體識別方法

有效

• 申請號: 201210241785.2
• 申請日: 2012-07-13
• 公開（公告）號: CN102880903A
• 公開（公告）日: 2013-01-16
• 發明（設計）人: 劉立峰;孫贊東
• 申請（專利權）人: 劉立峰;孫贊東
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/02
• 代理公司: 北京國林貿知識產權代理有限公司 11001
• 代理人: 李桂玲;李富華

技術領域

本發明屬于石油勘探領域，涉及利用混沌量子粒子群模糊神經網絡非線性優化算法對流體性質進行識別，為流體識別提供了一種新的技術方法。?

背景技術

隨著油氣勘探與開發的不斷深入，對識別儲層中流體的要求也更高，但難度也很大。利用地震資料對儲層中的流體進行識別是油氣勘探最重要的研究工作。疊后地震資料在經過多次疊加后，信噪比有了較大的提高，但同時也損失了大量的振幅信息，很難通過疊后的技術手段對儲層中流體的充填性質做出準確判斷，導致在實際勘探中出現了許多找到了儲層但沒有找到油氣的例子。疊前地震數據與疊后地震數據相比，包含著更加豐富的振幅和旅行時信息，能更靈敏地反映地下油氣藏的變化。目前疊前AVO技術已成為流體檢測的重要地球物理手段之一。?

自Ostrander(1984)首先提出利用反射系數隨入射角變化來識別“亮點”型含氣砂巖開始，基于地震資料的流體識別技術得到了迅速發展。Smith等(1987)提出利用不同加權函數對疊前數據進行疊加，得到偽泊松比剖面和流體因子來預測巖性和流體；Goodway等(1997)提出一種拉梅參數和密度的AVO反演方法(LMR技術)，指出拉梅系數與密度的乘積(λρ)可以作為流體因子進行含油氣性的直接檢測；Hilterman(2001)在前人研究的基礎上提出了流體因子的概念；Russell等(2003)提出了識別流體組分的Russell法；Dillon等(2003)提出了直接油氣指示(DHI)的波阻抗差分析法；Gidlow等(2003)根據疊前AVO分析，提出了交會圖角度和流體因子角度的概念，并利用這兩種角度進行計算得到流體因子；Quakenbush等(2006)提出了泊松阻抗的概念，并將其作為流體因子取得了一定的應用效果；李景葉等(2008)根據Gassmann方程和其他巖石物理模型定量分析了孔隙度變化對流體識別因子的影響，詳細闡述了利用縱橫波速度來計算新流體識別因子的方法。賀振華等(2009)提出基于炮檢距差異的擴展流體識別因子(EFDO)，并應用于川東二疊系長興組生物礁灘氣藏中氣水層的識別當中，取得了顯著效果。?

目前利用疊前AVO反演進行流體識別研究還處于發展和完善階段，其本身仍存在一定的局限性，例如：①目前疊前AVO反演都是基于Zoeppritz方程及其近似方程推導出來的，其推導過程是基于各向同性的均勻水平層狀介質假設，但很多實際應用情況都無法滿足方程的這一假設條件，這無疑影響了反演的精度；②Zoeppritz方程的近似公式大都是基于反射界面兩側介質的彈性參數差異較小或者波阻抗差較小的假設條件下簡化得到的，并且通常假設縱、橫波速度比近似等于2，而許多實際情況都不滿足這一假設條件；③現今的疊前AVO反演大多都是基于模型的線性反演方法，反演過程人為影響因素較大，子波估算不準確等因素，都會直接影響反演結果的準確性，進而影響流體檢測的結果；④巖石物理分析是連接地震數據(屬性參數)與油藏特性(儲集參數)的“橋梁”，目前主要通過巖石物理分析來進行縱橫波速度的預測，其準確程度會對疊前反演結果起到重要的影響。?

發明內容

針對目前利用疊前AVO反演進行流體識別存在的不足，本發明提供一種利用混沌量子粒子群模糊神經網絡非線性優化算法對流體性質進行識別的方法。通過本發明的算法改進，研發一種“混沌量子粒子群模糊神經網絡”的新型非線性群體智能優化算法，從根本上改善了目前優化算法中存在的全局搜索能力差、?早熟收斂等問題，有效解決傳統流體檢測手段進行流體識別時存在的問題，顯著提高了流體的識別精度，為流體識別提供一種新的科學有效的技術方法。?

本發明實現上述目的的具體實施方案如下：?

步驟1：通過數值模擬和物理模擬，研究飽含不同流體AVO響應特征，為流體識別因子的構建提供理論依據；?

步驟2：將共炮記錄通過AVO資料預處理可以得到角度道集，將一定角度范圍內的道集疊加起來得到三個部分角度疊加數據體(近、中、遠)，為了降低地震資料噪音對預測結果的影響，分別提取多種地震屬性，并根據不同流體性質AVO響應的差異，構建多屬性角道集組合流體識別因子，以突出含油氣性，壓制含水性；?