CN102520445A - 一种利用松弛因子叠前地震反演进行储层预测的方法 - Google Patents

Abstract

本发明提供了一种利用松弛因子叠前地震反演进行储层预测的方法，该方法包括：A、收集地震工区内的叠前地震角道集数据以及地震工区内相应的测井数据；B、根据先验地质层位以及所述的测井数据生成纵波速度、横波速度和密度的初始模型；C、将所述的叠前地震角道集数据叠加成不同角度的n个叠加地震道集；D、根据所述的n个叠加地震道集提取对应的n个子波；E、逐次从n个叠加地震道集及其对应的n个子波中提取一个叠加地震道集及其对应的1个子波等。通过将由纵波速度、横波速度和密度生成的松弛因子加入到反演过程中，进行储层的预测，提高了储层预测的精确性，对油气有利位置的指示更为明显。

Description

一种利用松弛因子叠前地震反演进行储层预测的方法

技术领域

本发明关于石油地球物理勘探领域，特别是关于储层勘探技术领域，具体的讲是一种利用松弛因子叠前地震反演进行储层预测的方法。

背景技术

地震反演是储层地球物理勘探领域的重要课题。现有技术中在进行地球反演时主要采用如下几种方式：

1、叠后地震反演

传统的叠后地震反演是把地震资料转换成波阻抗剖面以进行储层预测，但是该种方式要求储层在波阻抗上有可识别的特征，且叠后反演结果受初始模型的影响较大。随着勘探开发技术的不断提高，储层特性越来越复杂，越来越多的储层在声波上没有明显的特征，因此，传统的叠前地震反演方法不适合反演横向变化较大的复杂储层，难以满足复杂储层描述以及油藏精细描述的需要。

2、叠前地震反演

叠前地震反演包括：基于波动方程的全波形反演、弹性阻抗反演和AVO(Amplitude Versus Offset)反演。其中，基于波动方程的全波形反演由于其反演精度高，效率低，目前仍没有得到广泛应用；弹性阻抗反演是将波阻抗从零入射角拓展到了任意入射角以寻找流体的差异，它在反演方法上和叠后反演并无本质的差别。

基于Fatti近似方程的叠前AVO反演在地球物理勘探中应用的越来越广，Fatti近似方程具体如下公式所示：

$R_{\mathrm{PP}}\left(i\right)\≈\frac{{\sec }^{2}i}{2}(\frac{{\mathrm{\Δv}}_P}{v_P}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})-4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^{2}i(\frac{{\mathrm{\Δv}}_S}{v_S}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})+\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^{2}i-{\tan }^{2}i)\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}},---\left(2\right)$

公式(2)中，R_PP为纵波反射系数，i为入射角度，v_P，v_S，ρ分别为纵波速度、横波速度和密度，Δv_P/v_P，Δv_S/v_S，Δρ/ρ分别为纵波速度、横波速度和密度的相对变化量，v_S/v_P为横纵波速度比。叠前AVO反演中通常根据公式(2)得出相应角度的纵波反射系数，其与子波褶积得到模型数据，确定模型数据和实际叠加地震道集的误差以作为目标函数进行反演。但上述的叠前AVO反演存在以下两个方面的问题：

(1)Fatti近似方程本身是非线性方程，但在实际的反演过程中，通常假设横纵波速度比为常量(一般取0.5)以进行线性近似，这在很大程度上限制了其应用范围，甚至会造成很多假象，进而影响AVO参数反演的精度和可靠性。

(2)公式(2)中各相对变化量的系数在数值上存在较大差异，图2是基于Fatti近似方程的四类AVO模型相对变化量的系数项大小的比较图，由图2可知，数值的差异高达两个数量级以上。这种参数系数项之间的差异性，导致各个参数的地震响应存在强弱差别，进而会影响各个参数反演的精度。

发明内容

本发明实施例提供了一种利用松弛因子叠前地震反演进行储层预测的方法，通过将由纵波速度、横波速度和密度生成的松弛因子加入到反演过程中，进行储层的预测，提高了储层预测的精确性，对油气有利位置的指示更为明显。

本发明的目的是，提供一种利用松弛因子叠前地震反演进行储层预测的方法，包括：A、收集地震工区内的叠前地震角道集数据以及地震工区内相应的测井数据；B、根据先验地质层位以及所述的测井数据生成纵波速度、横波速度和密度的初始模型；C、将所述的叠前地震角道集数据叠加成不同角度的n个叠加地震道集；D、根据所述的n个叠加地震道集提取对应的n个子波；E、逐次从n个叠加地震道集及其对应的n个子波中提取一个叠加地震道集及其对应的1个子波；F、根据纵波速度、横波速度和密度的初始模型确定纵波反射系数；G、将所述的纵波反射系数与提取的1个叠加地震道集对应的子波褶积得到合成地震道集；H、确定所述的合成地震道集与叠加地震道集的误差；I、判断所述的误差是否小于预定的阈值，判断为否时，执行步骤J，否则执行步骤K；J、根据所述的误差修改纵波速度、横波速度和密度的初始模型，返回执行步骤F；K、根据所述的误差确定优化的纵波速度、横波速度和密度；L、判断当前的叠加地震道集是否为n个中的最后一个叠加地震道集，判断为否时，返回执行步骤E，否则执行步骤M；M、对n个优化的纵波速度、横波速度和密度求均值得到最优化的纵波速度、横波速度和密度；N、对所述最优化的纵波速度、横波速度和密度进行综合解释，生成当前区域的储层预测结果。

其中，步骤B包括：根据先验地质层位以及所述的测井数据进行井震标定，将深度域测井的声波时差曲线标定为时间域以确定储层的目的层段；在所述的目的层段进行地震数据层位解释，拾取地质层位对应的地震层位；根据所述的地震层位对所述的测井数据进行插值以生成纵波速度、横波速度和密度的初始模型。

步骤F包括：根据纵波速度、横波速度和密度的初始模型生成松弛因子；根据纵波速度、横波速度和密度的初始模型以及松弛因子确定出纵波反射系数。

本发明的有益效果在于，不再对横纵波速度比做常量假设进行线性近似，恢复了Fatti近似方程的非线性本质，应用非线性全局寻优进行反演，根据纵波速度、横波速度和密度的初始模型的算术平均值生成松弛因子并将生成的松弛因子加入到反演过程中，改善了收敛的条件，有效控制了各个变量的变化，均衡参数系数项的差异引起的地震响应差异，整体提高了反演精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种利用松弛因子叠前地震反演进行储层预测的方法的流程图；

图2为现有技术中Fatti近似方程的四类AVO模型相对变化量系数项大小的比较图；

图3为本发明实施例中高云梯白云岩储层使用的测井数据以及其标定情况的示意图；

图4为本发明实施例中高云梯白云岩储层建立的纵波速度、横波速度和密度的初始模型的示意图；

图5为本发明实施例中高云梯白云岩储层不同角度叠加地震道集的示意图；

图6为本发明实施例中高云梯白云岩储层不同角度叠加地震道集对应的子波示意图；

图7为高云梯白云岩储层经本发明实施例提供的一种利用松弛因子叠前地震反演进行储层预测的方法反演得到的纵波速度、横波速度以及密度的反演结果示意图；

图8为高云梯白云岩储层经现有技术中的基于Fatti近似方程的叠前AVO反演得到的纵波速度、横波速度以及密度的反演结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种利用松弛因子叠前地震反演进行储层预测的方法的流程图，由图1可知，该方法包括：

S101：收集地震工区内的叠前地震角道集数据以及地震工区内相应的测井数据。在地震工区内选取N_TRACE个地震道，每个地震道内选取N_SAMP个采样点，每个采样点包括不同角度的数据，这些数据共同组成叠前地震角道集数据。收集的地震工区内相应设置有测井，收集相应的测井数据。

S102：根据先验地质层位以及所述的测井数据生成纵波速度、横波速度和密度的初始模型。此处的先验地质层位预先可知。

在具体的实施方式中，所述的纵波速度、横波速度和密度的初始模型可以分别用矢量vp₀，vs₀，rho₀来表示，以vp₀为例：

${\mathrm{vp}}_0={\left[\begin{array}{ccccccc}{v}_{P11}& v_{P12}& ...& v_{P1N_{\mathrm{SAMP}}}& v_{P21}& ...& v_{{\mathrm{PN}}_{\mathrm{TRACE}}*N_{\mathrm{SAMP}}}\end{array}\right]}^T$

其中，v_Pmj为第m道的第j个采样点数据，矢量vp₀由所有的模型道一个一个排列而成，共有N_TRACE*N_SAMP个元素。

S103：将所述的叠前地震角道集数据叠加成不同角度的n个叠加地震道集。一个叠加地震道集可以用矢量d_k来表示：

$d_k={\left[\begin{array}{ccccccc}{d}_{11}& d_{12}& ...& d_{1N_{\mathrm{SAMP}}}& d_{21}& ...& d_{N_{\mathrm{TRACE}}*N_{\mathrm{SAMP}}}\end{array}\right]}^T$

其中，d_k(k＝1，2，...，n)为第k个叠加地震道集，为了保证反演的稳定性，在具体的实施方式中，一般需要n≥3个以上的叠加道集；d_mj为第m道的第j个采样点数据，矢量d_k由所有的地震道一个一个排列而成，共有N_TRACE*N_SAMP个元素。在具体的实施方式中，n个叠加地震道集可按不同的角度叠加而成，诸如：当n等于3时，对应的叠加地震道集可为：0～10°为近角度角道集，选取i1＝5°，11～20°为中角度角道集，选取i2＝15°，21～30°为远角度角道集，选取i3＝25°。

S104：根据所述的n个叠加地震道集提取对应的n个子波。不同角度的叠加地震道集对应的子波用矢量w_k来表示。当n＝3时，叠加地震道集d1对应子波w1，叠加地震道集d2对应子波w2，叠加地震道集d3对应子波w3。

S105：逐次从n个叠加地震道集及其对应的n个子波中提取一个叠加地震道集及其对应的子波；

S106：根据纵波速度、横波速度和密度的初始模型确定纵波反射系数。对于纵波反射系数，在求解过程中引入松弛因子控制各个变量的变化，为了改善收敛的条件，引入的是小于1的欠松弛因子，可以用矢量S来表示。对于第k个叠加地震道集，松弛因子S_k为：

$S_k=\left(\right|(\frac{{\sec }^2{i}_k}{2}-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}}|(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}}|(\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}})$

是Fatti近似方程即公式(2)中系数项绝对值的算术平均值，通过如下公式进行：

$\stackrel{\‾}{V_{\mathrm{ak}}}=\left(\right|\frac{{\sec }^2{i}_k}{2}|+|4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k|+|\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)\left|\right)/3$

其中，v_P，v_S，ρ分别为纵波速度、横波速度和密度，v_S/v_P为横纵波速度比，k为叠加地震道集数，i为叠加地震道集对应的入射角度。对应于第k个叠加地震道集，纵波反射系数如下：

$R_{\mathrm{PP}}\left(i_k\right)\≈(\frac{{\sec }^2{i}_k}{2}(\frac{{\mathrm{\Δv}}_P}{v_P}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})-4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k(\frac{{\mathrm{\Δv}}_S}{v_S}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2\mathrm{si}{n}^2{i}_k-{\tan }^2{i}_k)\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})\·S_k^T\·\stackrel{\‾}{V_{\mathrm{gk}}},---\left(1\right)$

其中，

是Fatti近似方程即公式(2)中系数项绝对值的几何平均值，通过如下公式进行：

$\stackrel{\‾}{V_{\mathrm{gk}}}={|\frac{{\sec }^2{i}_k}{2}\·4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k\·\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)|}^{\frac{1}{3}}$

此外，在具体的求解过程中，本发明实施例为了保持Fatti近似方程的非线性和稳定性，对每个采样点而言，用相邻点的横波速度的平均值以及纵波速度的平均值的比值来代替公式(2)中的横纵波速度比，以第一个采样点为例，在该实施例中，即用(v_S11+v_S12)/(v_P11+v_P12)代替现有公式(2)中的v_S11/v_P11。

S107：将所述的纵波反射系数与叠加地震道集对应的子波褶积得到合成地震道集。第k(k＝1，2，...，n)个叠加地震道集的合成地震道集可以用矢量d₀来表示，它具有与d_k相同的特征，即具有与d_k相同的角度分布，元素个数也相同。d₀由纵波反射系数和子波褶积得到：

d₀＝R_PP(i_k)*w_k

S108：确定所述的合成地震道集与叠加地震道集的误差。

合成地震道集d₀与叠加地震道集d_k之间的误差为：

$J=\mathrm{\Σ}{(d_k-d_0)}^2=\underset{i=1}{\overset{N_{\mathrm{SAMP}}}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_{\mathrm{TRACE}}}{\mathrm{\Σ}}}{(d_{\mathrm{kij}}-d_{0\mathrm{ij}})}^2$

S109：判断所述的误差是否小于预定的阈值，判断为否时，执行步骤S110，否则执行步骤S111；

S110、根据所述的误差修改纵波速度、横波速度和密度的初始模型，返回执行步骤S106；

S111、根据所述的误差确定优化的纵波速度、横波速度和密度。根据此时的误差确定对应的叠加地震道集d_k，进而可确定对应的纵波度度、横波速度和密度，此时的纵波速度、横波速度和密度即为优化的纵波速度、横波速度和密度。

S112、判断当前的叠加地震道集是否为n个叠加地震道集中的最后一个，当判断为是时，执行步骤S113，否则返回执行步骤S105；

S113、对n个优化的纵波速度、横波速度和密度求均值得到最优化的纵波速度、横波速度和密度。即最优化的纵波速度为

同理可得最优化的横波速度和密度。

S114、对所述最优化的纵波速度、横波速度和密度进行综合解释，生成当前区域的储层预测结果。该步骤具体可通过如下方式实现：将最优化的纵波速度、横波速度和密度进行反演，通过对反演得到的图形进行综合解释以生成当前区域的储层预测结果。

下面结合具体的实施例详细介绍本发明实施例提供的一种利用松弛因子叠前地震反演进行储层预测的方法，以四川高石梯震旦系灯影组白云岩储层为例进行说明。

(1)收集地震工区内的叠前地震角道集数据以及地震工区内相应的测井数据。收集数据时在地震工区内选取N_TRACE个地震道，每个地震道内选取N_SAMP个采样点。将所述的N_TRACE*N_SAMP个叠前地震角道集数据根据不同的角度叠加成3个叠加地震道集。所述的叠加地震道集可以用矢量d_k来表示：

$d_k={\left[\begin{array}{ccccccc}{d}_{11}& d_{12}& ...& d_{1N_{\mathrm{SAMP}}}& d_{21}& ...& d_{N_{\mathrm{TRACE}}*N_{\mathrm{SAMP}}}\end{array}\right]}^T$

其中，d_k(k＝1，2，3)为第k个叠加地震道集，d_mj为第m道的第j个采样点数据，矢量d_k由所有的地震道一个一个排列而成，共有N_TRACE*N_SAMP个元素。在本实施例中，3个叠加地震道集分别为：0～10°为近角度角道集，选取i1＝5°，11～20°为中角度角道集，选取i2＝15°，21～30°为远角度角道集，选取i3＝25°。图5为本发明实施例中高云梯白云岩储层不同角度叠加地震道集的示意图，图5中从上到下依次为近角度角道集、中角度角道集以及远角度角道集的数据。

根据所述的叠加地震道集d_k提取对应的子波。不同角度的叠加道集对应的子波用矢量w_k来表示。本实施例中，叠加地震道集d1对应子波w1，叠加地震道集d2对应子波w2，叠加地震道集d3对应子波w3。图6为本发明实施例中高云梯白云岩储层不同角度叠加地震道集对应的子波示意图。

(2)根据先验地质层位以及所述的测井数据进行井震标定，图3为本发明实施例中高云梯白云岩储层使用的测井数据以及其标定情况的示意图。将深度域测井的声波时差曲线标定为时间域以确定储层的目的层段，在本实施例中目的层段为震旦系灯影组。

(3)在所述的目的层段进行地震数据层位解释，拾取地质层位对应的地震层位，根据所述的地震层位对所述的测井数据进行插值以生成纵波速度、横波速度和密度的初始模型。图4为本发明实施例中高云梯白云岩储层建立的初始模型的示意图，图4中从上到下依次为纵波速度、横波速度和密度的示意图。

在本实施例种，所述的纵波速度、横波速度和密度的初始模型用矢量vp₀，vs₀，rho₀来表示，以vp₀为例：

${\mathrm{vp}}_0={\left[\begin{array}{ccccccc}{v}_{P11}& v_{P12}& ...& v_{P1N_{\mathrm{SAMP}}}& v_{P21}& ...& v_{{\mathrm{PN}}_{\mathrm{TRACE}}*N_{\mathrm{SAMP}}}\end{array}\right]}^T$

v_Pmj为第m道的第j个采样点数据，矢量vp₀由所有的模型道一个一个排列而成，共有N_TRACE*N_SAMP个元素。

(4)根据纵波速度、横波速度和密度的初始模型生成松弛因子。对于纵波反射系数，在求解过程中引入松弛因子控制各个变量的变化，为了改善收敛的条件，引入的是小于1的欠松弛因子，可以用矢量S来表示。对于第k个叠加地震道集，松弛因子S_k为：

$S_k=\left(\right|(\frac{{\sec }^2{i}_k}{2}-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}}|(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}}|(\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}})$

是Fatti近似方程即公式(2)中系数项绝对值的算术平均值，通过如下公式进行：

$\stackrel{\‾}{V_{\mathrm{ak}}}=\left(\right|\frac{{\sec }^2{i}_k}{2}|+|4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k|+|\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)\left|\right)/3$

其中，v_P，v_S，ρ分别为纵波速度、横波速度和密度，v_S/v_P为横纵波速度比，k为叠加地震道集数，在本实施例中k＝1，2，3，i为叠加地震道集对应的入射角度，在本实施例中分别为5、15、25。

(5)根据纵波速度、横波速度和密度的初始模型以及松弛因子确定出纵波反射系数。对应于第k个叠加地震道集，纵波反射系数如下：

$R_{\mathrm{PP}}\left(i_k\right)\≈(\frac{{\sec }^2{i}_k}{2}(\frac{{\mathrm{\Δv}}_P}{v_P}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})-4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k(\frac{{\mathrm{\Δv}}_S}{v_S}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2\mathrm{si}{n}^2{i}_k-{\tan }^2{i}_k)\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})\·S_k^T\·\stackrel{\‾}{V_{\mathrm{gk}}},---\left(1\right)$

其中，

是Fatti近似方程即公式(2)中系数项绝对值的几何平均值，通过如下公式进行：

$\stackrel{\‾}{V_{\mathrm{gk}}}={|\frac{{\sec }^2{i}_k}{2}\·4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k\·\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)|}^{\frac{1}{3}}$

(6)将所述的纵波反射系数与叠加地震道集对应的子波褶积得到合成地震道集。第k(k＝1，2，3)个叠加地震道集的合成地震道集可以用矢量d₀来表示，它具有与d_k相同的特征，即具有与d_k相同的角度分布，元素个数也相同。d₀由纵波反射系数和子波褶积得到：

d₀＝R_PP(i_k)*w_k

(7)确定所述的合成地震道集与叠加地震道集的误差。合成地震道集d₀与叠加地震道集d_k之间的误差为：

$J=\mathrm{\Σ}{(d_k-d_0)}^2=\underset{i=1}{\overset{N_{\mathrm{SAMP}}}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_{\mathrm{TRACE}}}{\mathrm{\Σ}}}{(d_{\mathrm{kij}}-d_{0\mathrm{ij}})}^2$

(8)判断所述的误差是否小于预定的阈值，判断为否时，根据所述的误差修改纵波速度、横波速度和密度的初始模型，返回执行步骤(4)，否则，根据所述的误差确定优化的纵波速度、横波速度和密度。在本实施例中，预先设定的阈值为10^-3。对应于第1个叠加地震道集，优化的纵波速度、横波速度和密度为vp₁，vs₁，rho₁。

(9)在本实施例中，共有3个叠加地震道集，因此，对应于每一个叠加地震道集，重复上述步骤(4)-(8)，最终得到3组优化的纵波速度、横波速度和密度vp_k，vs_k，rho_k(k＝1，2，3)，则对3个优化的纵波速度、横波速度和密度求均值得到最优化的纵波速度、横波速度和密度。以纵波速度为例：

$\mathrm{vp}=\frac{1}{n}\·\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{vp}}_k$

(10)对所述最优化的纵波速度、横波速度及密度进行综合解释，生成当前区域的储层预测结果。在本实施例中，最优化的纵波速度、横波速度和密度的反演结果图如图7所示，图7中从上到下依次为纵波速度、横波速度和密度的反演结果图，由图7可知，其中的纵向竖线为最优化的纵波速度、横波速度和密度，由此可得出四川高石梯震旦系灯影组白云岩储层的有利储层。图8为高云梯白云岩储层经现有技术中的基于Fatti近似方程的叠前AVO反演得到的纵波速度、横波速度以及密度的反演结果示意图，对比图7以及图8可知，本发明实施例提供的一种利用松弛因子叠前地震反演进行储层预测的方法提高了储层预测的精确性，对油气有利位置的指示更为明显。

综上所述，本发明的有益成果是：提供了一种利用松弛因子叠前地震反演进行储层预测的方法，通过将由纵波速度、横波速度和密度生成的松弛因子加入到反演过程中，进行储层的预测，提高了储层预测的精确性，对油气有利位置的指示更为明显。

本发明的优点是：

1.创造性地在反演过程中采用反射界面测量介质的横纵波速度的平均值的比值代替现有技术中横纵波速度比，不再对横纵波速度比做常量假设进行线性近似，恢复了Fatti近似方程的非线性本质，应用非线性全局寻优进行反演，提高了方程的稳定性，进而提高了反演的精度。

2.创造性地根据纵波速度、横波速度和密度的初始模型生成松弛因子并将生成的松弛因子加入到反演过程中，改善了收敛的条件，有效控制了各个变量的变化，均衡参数系数项的差异引起的地震响应差异，整体提高了反演精度。解决了现有技术中由于各个参数系数项之间的差异性导致的各个参数的地震响应的强弱差别进而影响各个参数反演的精度的问题。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种利用松弛因子叠前地震反演进行储层预测的方法，其特征是，所述的方法包括：

A、收集地震工区内的叠前地震角道集数据以及地震工区内相应的测井数据；

B、根据先验地质层位以及所述的测井数据生成纵波速度、横波速度和密度的初始模型；

C、将所述的叠前地震角道集数据叠加成不同角度的n个叠加地震道集；

D、根据所述的n个叠加地震道集提取对应的n个子波；

E、逐次从n个叠加地震道集及其对应的n个子波中提取一个叠加地震道集及其对应的1个子波；

F、根据纵波速度、横波速度和密度的初始模型确定纵波反射系数；

G、将所述的纵波反射系数与提取的1个叠加地震道集对应的子波褶积得到合成地震道集；

H、确定所述的合成地震道集与叠加地震道集的误差；

I、判断所述的误差是否小于预定的阈值，判断为否时，执行步骤J，否则执行步骤K；

J、根据所述的误差修改纵波速度、横波速度和密度的初始模型，返回执行步骤F；

K、根据所述的误差确定优化的纵波速度、横波速度和密度；

L、判断当前的叠加地震道集是否为n个中的最后一个叠加地震道集，判断为否时，返回执行步骤E，否则执行步骤M；

M、对n个优化的纵波速度、横波速度和密度求均值得到最优化的纵波速度、横波速度和密度；

N、对所述最优化的纵波速度、横波速度和密度进行综合解释，生成当前区域的储层预测结果。

2.根据权利要求1所述的方法，其特征是，步骤B包括：

根据先验地质层位以及所述的测井数据进行井震标定，将深度域测井的声波时差曲线标定为时间域以确定储层的目的层段；

在所述的目的层段进行地震数据层位解释，拾取地质层位对应的地震层位；

根据所述的地震层位对所述的测井数据进行插值以生成纵波速度、横波速度和密度的初始模型。

3.根据权利要求1所述的方法，其特征是，步骤F包括：

根据纵波速度、横波速度和密度的初始模型生成松弛因子；

根据纵波速度、横波速度和密度的初始模型以及松弛因子确定出纵波反射系数。

4.根据权利要求3所述的方法，其特征是，根据纵波速度、横波速度和密度的初始模型生成松弛因子通过如下公式进行：

$S_k=\left(\right|(\frac{{\sec }^2{i}_k}{2}-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}}|(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}}|(\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)-\stackrel{\‾}{V_{\mathrm{ak}}})|/\stackrel{\‾}{V_{\mathrm{ak}}})$

其中，v_P，v_S，ρ分别为纵波速度、横波速度和密度，v_S/v_P为横纵波速度比，k为叠加地震道集数，i为叠加地震道集对应的入射角度，

通过如下公式进行：

$\stackrel{\‾}{V_{\mathrm{ak}}}=\left(\right|\frac{{\sec }^2{i}_k}{2}|+|4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k|+|\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)\left|\right)/3.$

5.根据权利要求3所述的方法，其特征是，根据纵波速度、横波速度和密度的初始模型以及松弛因子确定出纵波反射系数通过如下公式进行：

$R_{\mathrm{PP}}\left(i_k\right)\≈(\frac{{\sec }^2{i}_k}{2}(\frac{{\mathrm{\Δv}}_P}{v_P}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})-4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k(\frac{{\mathrm{\Δv}}_S}{v_S}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2\mathrm{si}{n}^2{i}_k-{\tan }^2{i}_k)\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}})\·S_k^T\·\stackrel{\‾}{V_{\mathrm{gk}}},---\left(1\right)$

其中，Δv_P/v_P，Δv_S/v_S，Δ_ρ/ρ分别为纵波速度、横波速度和密度的相对变化量，

通过如下公式进行：

$\stackrel{\‾}{V_{\mathrm{gk}}}={|\frac{{\sec }^2{i}_k}{2}\·4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k\·\frac{1}{2}(4{\left(\frac{v_S}{v_P}\right)}^2{\sin }^2{i}_k-{\tan }^2{i}_k)|}^{\frac{1}{3}}.$

Images