[發明專利]基于更新概率比率恒定理論的多點地質統計疊前反演方法

有效

• 申請號: 202010068937.8
• 申請日: 2020-01-21
• 公開（公告）號: CN111273348B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 尹艷樹;胡迅;馮文杰;張昌民
• 申請（專利權）人: 長江大學
• 主分類號: G01V1/30
• 分類號: G01V1/30
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 方菲

1.基于更新概率比率恒定理論的多點地質統計疊前反演方法，它包括如下具體步驟；

①、整理資料

檢查原始地震資料和井資料否齊全，其中地震資料為疊前地震數據，井資料包括鉆井巖心和測井數據；根據井資料解釋成果，可以確定不同井深對應的巖相以及不同巖相的彈性參數，彈性參數包括密度、縱波速度和橫波速度；接著根據巖相數據建立不同巖相的相比例，根據彈性參數數據建立不同巖相彈性參數的累積分布函數；建立符合工區儲層特征的訓練圖像；

②、工區網格化和分配井數據

根據實際工區范圍選擇合適的網格尺寸大小，對工區進行網格劃分，建立網格模型；根據各井的平面位置和井深將巖心數據和測井數據網格化；巖心數據即為巖相，測井數據為解釋的密度、縱波速度和橫波速度；巖心數據和測井數據作為硬數據分配到劃分的最鄰近的網格節點上；

將工區范圍內實際鉆井上包含的信息稱為硬數據或者稱為條件數據，所述的硬數據包括了巖相、密度、縱波數據和橫波速度；將分配了巖相的硬數據的網格稱為已知網格或者稱已知點；沒有巖相數據的網格稱為待估網格或又叫待估點；

在工區網格化和分配井數據后，所述的分配井數據為鉆井數據和測井數據；

已知網格為分配有巖相數據的網格，

已知網格就是鉆井穿過的網格，待估網格就是沒有鉆井穿過的網格；工區已知網格包含巖相、密度、縱波速度以及橫波速度，待估網格沒有任何數據；

③、賦予模擬工區初始屬性值

根據統計的工區巖石彈性參數累積分布函數，對工區待估點賦予初始屬性值，所述初始屬性值指彈性參數；

④、選擇適當大小的數據樣板

根據沉積相形態特征確定數據樣板形狀和大小；數據樣板的形狀可以根據沉積相的非均質性來定，非均質性強時可以采用二維的橢圓形或者三維的橢球狀，非均質性較弱時可以采用二維長方形或者三維長方體；數據樣板的大小采用5×7或者是5×5×7的數據樣板大小；

⑤、反演

反演通過下面3個分步驟得到：

分步驟5.1：順序訪問模擬節點

先對工區所有網格隨機產生偽隨機數，該隨機數的數值在0到1之間，然后以待估網格的數據樣板大小為周圍搜索條件點個數；每個待估點的數值等于偽隨機數與條件點個數之和，對所有的待估點進行從大到小排序，值較大的網格優先模擬，從而得到整個工區的模擬路徑；

分步驟5.2：建議數據模式獲取

如果進行初次反演，處理待估網格時，先要確定以待估點為中心的數據樣板范圍內的條件點的個數、相對待估點的位置以及巖相類型，形成以待估點為中心的以矢量形式呈現的數據事件；利用數據事件隨機掃描步驟①中建立的訓練圖像，從中獲得首個完全匹配的數據模式作為建議數據模式；建議數據模式表示一種沉積模式，是具有數據樣板大小的巖相數據結構，數據樣板中條件點的巖相數據結構在建議數據模式中可以完全體現；

如果進行迭代反演，處理待估網格時，先要根據待估點和待估點數據樣板范圍的條件點形成數據事件，利用數據事件隨機掃描步驟①中建立的訓練圖像，從中獲得若干完全匹配的數據模式作為候選數據模式；將候選數據模式按照中心點巖相類型排序，做成累積概率分布；

候選數據模式最多可包含從先到后訓練圖像中掃描到的前50個數據模式，當不到50個候選數據模式時，則用數據事件掃描完訓練圖像所有的數據模式作為候選數據模式，根據候選數據模式中心巖相的不同計算不同巖相的比例，記做a_相1：a_相2：…：a_相m，再根據上一次彈性參數根據下述公式計算不同相的彈性參數的概率：

公式中，b表示巖相彈性參數的概率，n表示待估點數據樣板范圍網格個數，ρ_i表示待估點周圍數據樣板范圍內第i個網格的密度值，表示待估點周圍數據樣板范圍內第i個網格的縱波速度，表示待估點周圍數據樣板范圍內第i個網格的橫波速度，μ_ρ表示該巖相密度均值，μ_Vp表示該巖相縱波速度均值，μ_Vs表示該巖相橫波速度均值，表示該巖相密度方差，表示該巖相縱波速度方差，表示該巖相橫波速度方差；

不同巖相的彈性參數的比例記做b_相1：b_相2：…：b_相m；

最后不同相的聯合概率用(a_相1·b_相1)：(a_相2·b_相2):…:(a_相m·b_相m)計算，記做P_相1：P_相2：…：P_相m；將聯合概率歸一化處理，得到P’_相1：P’_相2：…：P’_相m，將不同巖相的聯合概率做成累積分布函數；

接著將候選數據模式按照中心網格的巖相進行排序，再隨機抽樣獲取0到1之間的隨機數，根據隨機數在聯合概率形成累積分布函數的位置和候選模式的累積概率分布，來確定建議數據模式；

分步驟5.3：建議彈性參數的獲取

根據步驟①統計的不同巖石相彈性參數的累積分布函數，對建議數據模式中的各位置的巖相進行彈性參數的抽樣；所述的彈性參數包括密度值和縱波速度值和橫波速度值；

分步驟5.4：計算建議數據模式中建議彈性參數的合成記錄

將建議彈性參數與預設入射角度基于下述Connolly公式計算反射系數；

公式中，EI(θ)表示入射角為θ時的反射系數，θ代表預設入射角度，V_p代表縱波速度，V_s代表橫波速度，ρ代表密度；

基于反射系數和地震地波，采用下述褶積公式計算初始正演模型：

g(m)＝w*EI(θ)

公式中，g(m)表示初始正演模型，m表示彈性參數，w表示地震子波；

分步驟5.5：選擇和原始疊前數據匹配率最高的彈性參數

將上一次彈性參數和建議彈性參數通過分步驟5.3和5.4分別計算合成記錄，前者記為g(m上次)，后者記為g(m建議)；這里上一次的彈性參數可以是初始彈性參數或可以是前一次迭代過程中的建議彈性參數；

采用如下公式將若干條合成地震道與實際地震記錄比較，選擇目標函數最小的地層模型參數和對應的建議數據模式作為最優反演結果：

公式中，m代表選擇的彈性參數，m_上次表示上一次的彈性參數，m_建議表示建議數據模型中建議彈性參數；

⑥、判斷迭代終止后輸出模擬結果

重復分步驟5.1-分步驟5.5，直到遍歷所有網格，即所有待估點處模擬完成，就是實現了一次反演實現；

當迭代反演次數小于7次時，則重復步驟⑤，進行下一次迭代反演；當迭代反演第7次完成，則整個反演過程結束，得到多點地質統計學地震反演的模型，輸出模擬結果。