[發明專利]基于人工智能算法的油藏物性參數地震預測方法

有效

• 申請號: 202010013150.1
• 申請日: 2020-01-06
• 公開（公告）號: CN111025396B
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 程遠鋒;韓宏偉;張云銀;王興謀;曲志鵬;梁鴻賢;揭景榮;慎國強
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司勝利油田分公司物探研究院
• 主分類號: G01V1/30
• 分類號: G01V1/30
• 代理公司: 濟南日新專利代理事務所(普通合伙) 37224
• 代理人: 崔曉艷

本發明提供一種基于人工智能算法的油藏物性參數地震預測方法，包括：步驟1，利用地震數據反演出油氣儲層的縱波阻抗、橫波阻抗和密度；步驟2，進行巖石物理模型分析，將孔隙度、油氣飽和度和滲透率等油藏物性參數與地震數據反演結果聯系起來；步驟3，基于巖石物理模型分析，利用人工智能算法反演出油藏的物性參數。該基于人工智能算法的油藏物性參數地震預測方法借助了混合遺傳算法等人工智能算法的優點和地震數據對油藏具有覆蓋面積大的能力，不僅將計算效率提高了30%，更為重要的是將反演結果的收斂度提高到了100%，由此大大提高了油藏物性參數地震預測的準確度。

技術領域

本發明涉及地震資料處理解釋領域，特別是涉及到一種基于人工智能算法的油藏物性參數地震預測方法。

背景技術

地震波在復雜油氣儲層中傳播時會激發巖石孔隙中流體的流動，流體壓力處處平衡的靜態環境會被打破，從而體現在接收到的地震數據中。從地震數據反演推測出巖石的各種參數一直是勘探的努力方向。油氣儲層日益呈現復雜化的趨勢，構造、巖性和流體性質都出現了非均質化，油氣的規模日益變小且分布規律更加復雜，這些都對勘探技術提出了更高的要求，近年來，國際上越來越多的公開研究表明，流體特性的地震響應特征起到了關鍵作用，掌握了這一技術，就可以提高油氣識別的精確度。

油藏物性參數的反演是油氣勘探開發中的關鍵環節。針對這個課題，建立合理的儲層介質模型和設計高效的反演算法是兩個重要的組成部分。在復雜油氣儲層中，儲層介質模型往往也更為復雜，這也就導致本發明需要尋求更為高效的反演算法。反演算法的優劣直接影響到反演結果的準確性。由于儲層參數反演存在強非線性、局部最優解多等問題，傳統的局部搜索算法，如內點法、最速下降法、共軛梯度法等均很難獲得全局最優解。為彌補傳統遺傳算法的這些缺點，同時保留其優點，本發明提出了一種新的基于人工智能算法的油藏物性參數地震預測方法。

發明內容

本發明的目的是提供一種對選擇、交叉、變異這三個算子進行了改進的基于人工智能算法的油藏物性參數地震預測方法。

本發明的目的可通過如下技術措施來實現：基于人工智能算法的油藏物性參數地震預測方法，該基于人工智能算法的油藏物性參數地震預測方法包括：步驟1，利用地震數據反演出油氣儲層的縱波阻抗、橫波阻抗和密度；步驟2，進行巖石物理模型分析，將孔隙度、油氣飽和度和滲透率等油藏物性參數與地震數據反演結果聯系起來；步驟3，基于巖石物理模型分析，利用人工智能算法反演出油藏的物性參數。

本發明的目的還可通過如下技術措施來實現：

在步驟2中，利用流固耦合的巖石物理模型將油藏物性參數與地震三參數反演結果聯系起來，模型中考慮了流體流動效應的地震響應。

在步驟2中，在理論模型中，三維各向同性彈性體的應力應變本構關系表示為：

σ_ij＝λε_kkδ_ij+2με_ij (1)

其中σ_ij為應力張量的分量，i，j＝1，2，3，ε_ij為應變張量的分量，ε_kk為主應變，δ_ij為克羅內克符號，i＝j時δ_ij＝1，否者為0，λ和μ是拉梅系數；為了將上式推廣至粘彈性情形，將(1)進行形式上的重寫，如下

其中二者分別對應于應力偏張量與應變偏張量分量；K_m為彈性體的體積模量；

(2)中的兩式都成正比例關系，形式上與一維情形的胡克定律類似；仿照一維情形下胡克定律向Zener粘彈性本構關系推廣，再將本構關系中的整數階時間導數替換為分數階，獲得了三維情形下的分數階粘彈性本構關系如下：