[發明專利]一種基于自適應混合骨架參數的高精度巖石物理建模方法

有效

• 申請號: 202011185939.1
• 申請日: 2020-10-29
• 公開（公告）號: CN112505755B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 何文淵;孫平
• 申請（專利權）人: 中國石油集團工程咨詢有限責任公司
• 主分類號: G01V1/28
• 分類號: G01V1/28;G01V1/30
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

本發明公開了一種基于自適應混合骨架參數的高精度巖石物理建模方法，依據Gassmann方程和Krief近似式建立以巖石基質為反演目標，以實測縱波速度和正演縱波速度誤差最小為目標函數，通過迭代反演計算得到巖石基質模量K₀,μ₀，進而計算得到橫波速度V_s，通過Krief公式與Gassmann的聯合建模反演，使得算法對輸入的已知條件要求寬松，具有一定的包容性，算法能適應于任何巖性儲層研究，整個計算過程依據巖石物理原理，可解釋性強，計算結果精度高。旨在解決現有技術中存在的巖石物理建模精度低、誤差大的技術問題。

技術領域

本發明涉及油氣勘探技術領域，尤其涉及一種基于自適應混合骨架參數的高精度巖石物理建模方法。

背景技術

隨著油氣勘探開發技術不斷發展，復雜巖性儲層的識別成為地震勘探的主要目標之一，準確的縱波、橫波、密度測井資料是疊前正反演的基礎資料，由于橫波測井成本較高，解釋難度大等原因，實際生產中絕大多數井都缺少橫波速度資料，因此，橫波速度對儲層巖性研究與流體識別具有重要作用。

目前橫波預測的方法主要有三大類，基于經驗值的估算方法、基于巖石物理模型的預測方法和基于機器學習的計算方法，其中基于經驗值的估算方法是基于Greenberg、Gastagna等縱橫波經驗關系式，基于經驗值的估算方法具有簡單易行，計算效率高等特點，但是該方法具有平均效應，不能準確表達出實際縱橫波的復雜關系，無法估算出準確的橫波速度；基于巖石物理建模的方法，如Xu-White模型、Gassmann模型、Pride模型、Krief模型等，該類方法通過嚴密的試驗研究和數學推導，能精確的計算出橫波速度，但巖石物理建模方法需要的輸入參數較多，參數不確定的情況下，只能依賴于地質人員給出的經驗值，在一定程度上，會造成累積誤差和不確定性，降低了橫波預測結果的可靠性；基于機器學習的計算方法是利用工區內有實測橫波的井資料建立回歸映射模型，然后外推預測出其它井點位置處的橫波速度，該類方法以數據為導向進行統計建模，避免了巖石物理建模過程中對地質人員經驗的依賴性，但機器學習的計算方法需要工區內有一定數量的井包含實測橫波速度，無實測橫波時，無法建立統計回歸映射模型。因此，如何提高巖石物理建模的精度并進行橫波預測，是一個亟需解決的技術問題。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種基于自適應混合骨架參數的高精度巖石物理建模方法，旨在解決現有技術中存在的巖石物理建模精度低、誤差大的技術問題。

為實現上述目的，本發明提出一種基于自適應混合骨架參數的高精度巖石物理建模方法，所述高精度巖石物理建模方法包括如下步驟：

步驟一：利用Krief經驗公式表征混合骨架基質模量K₀,μ₀與干巖石基質模量K_dry,μ_dry的關系式；

步驟二：將步驟步驟一獲取的關系式和Wood公式計算流體體積模量K_f代入Gassmann方程和縱波速度計算公式推導得到以混合骨架基質模量K₀,μ₀為反演模型，實測縱波與預測縱波誤差最小的目標函數；

步驟三：利用Levenberg-Maquardt算法迭代反演計算步驟二得到的目標函數，得到混合骨架基質模量K₀,μ₀；

步驟四：將步驟三得到的混合骨架基質模量K₀,μ₀代入步驟一混合骨架基質模量K₀,μ₀與干巖石基質模量K_dry,μ_dry的關系式中，計算得到干巖石基質模量K_dry,μ_dry；