CN103675907A - 一种基于岩相约束的avo反演油气检测方法 - Google Patents

Abstract

本发明提供了一种基于岩相约束的AVO反演油气检测方法，属于流体检测领域。所述方法包括以下步骤：(1)弹性参数分布特征统计；(2)蒙特卡罗仿真随机模拟；(3)对叠前地震道集进行叠前道集预处理得到预处理后的叠前道集；(4)入射角道集形成；(5)先验信息约束的最优AVO反演实现。本发明方法比常规AVO方程具有更高的精度和更大的适用范围，更适用于大入射角及强反射界面情况下的流体性质检测，并提高了流体预测精度。

Description

一种基于岩相约束的AVO反演油气检测方法

技术领域

本发明属于地震资料油气检测，具体涉及一种基于岩相约束的AVO(振幅随偏移距的变化)反演油气检测方法，可应用于复杂储层，特别是适用于强反射界面情况的流体检测应用。

背景技术

自Ostrander(1984)提出AVO方法可以帮助描绘储层的流体含量以来，奠定了以AVO属性为基础的油气预测技术基础。地球物理学家分别从不同角度对Zoeppritz方程进行简化以建立不同形式的AVO方程，实现AVO属性反演及流体检测。Smi th和Gidlow(1987)组合Aki-Richards方程使用泥岩线识别有碳氢化合物储层指示的地震数据的异常，形成了流体异常识别的截距和梯度交汇图法；Goodway等(1997)提出了一种流体异常识别的LMR法，能够获得拉梅参数和密度；Hedllin(2000)提出的孔隙模量方法涉及到P波和S波阻抗的组合；Russell等(2003)根据Biot-Gassmann理论提取了一种新的流体识别因子，基本上总结了前人的结果。

利用AVO属性分析及反演技术开展流体检测，国内学者也提出多种方法开展AVO方程近似研究及流体识别因子建立以提高流体检测精度。宁中华等人提出的基于地震资料的高灵敏度流体识别因子；李景叶等人提出的不受孔隙度变化影响的新流体识别因子；贺振华等人提出的扩展流体识别因子等，这些流体识别因子在流体识别特别是气藏识别方面取得了良好的效果。

由于直接求解AVO属性赖以建立的Zoeppritz方程极为复杂，并且难以给出清楚的物理概念，AVO近似方程大多是建立在一系列假设基础之上的，且与实际地质情况关联性较差，因此影响AVO属性进行油气检测的精度。

随着油气勘探开发的不断深入，油气储集体越来越复杂，勘探重点由原来的构造油气藏向岩性油气藏、隐蔽油气藏转移。一方面，由于勘探目标逐渐变深、变小和变得复杂，勘探难度加大，对储层预测的精度要求也越来越高。另一方面，储层预测的最终目的除了判别储层的存在与否，预测储层发育程度的好与坏，同时也需要判定储层中所含流体的性质，流体识别已成为复杂储层预测中遇到的新的挑战和瓶颈问题。例如中石化西部塔河油田碳酸盐岩储层流体预测不同于碎屑岩储层的流体预测，其埋藏深、非均质强、储层与围岩阻抗差异大，造成流体难以区分、油气预测难度大。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种基于岩相约束的AVO反演油气检测方法，解决中下奥陶统碳酸盐岩缝洞型储层与围岩阻抗差异大、非均质性强及流体检测难度大等问题。

本发明是通过以下技术方案实现的：

所述方法包括以下步骤：

(1)弹性参数分布特征统计：依据目标区的岩芯、测井信息开展岩石物理分析，建立目标层的不同岩相组合弹性参数分布特征；

(2)蒙特卡罗仿真随机模拟：针对步骤(1)得到的所述不同岩相组合弹性参数分布特征，基于蒙特卡罗仿真随机模拟，建立一个与求解有关的概率模型，并使随机抽样结果的解与该概率模型的统计量相一致，然后通过对随机抽样结果进行不同岩相正演模拟求得基函数f(θ)；

(3)对叠前地震道集进行叠前道集预处理得到预处理后的叠前道集；预处理包括道编辑、带通滤波、真振幅恢复、静校正、速度分析、剩余静校正、地表振幅一致性补偿、叠前反褶积及动校正；

(4)入射角道集形成：基于步骤(3)得到的预处理后的叠前道集及叠加速度体或层速度体，实现偏移距道集到角度道集的转换，获得叠前角度道集；

(5)先验信息约束的最优AVO反演实现：基于最优AVO方程反演目标函数如下：

${\left|\right|R_r\left(\mathrm{\θ}\right)-c_{r}f\left(\mathrm{\θ}\right)\left|\right|}^2\⇒\min$

其中，其中，R_r(θ)为叠前道集反射系数，f(θ)为基函数，c_r为待反演属性；

在基函数f(θ))的约束下，由叠前角度道集开展AVO属性反演，实现弹性参数提取及流体性质检测。

所述步骤(1)中的所述岩芯、测井信息包括声波、密度、中子、深侧向电阻率、浅侧向电阻率、自然伽玛和井径；

所述步骤(1)中的所述开展岩石物理分析包括以下步骤：

(A1)，依据测井资料与不同矿物成份、流体物性响应关系，获得地层中骨架矿物成份的体积含量、孔隙度及含流体饱和度，具体如下：

假定有N-1条测井曲线，利用下面的线性超定方程组计算得到所述体积含量、孔隙度及含流体饱和度：

$\left(\begin{array}{c}{L}_1\\ L_2\\ ...\\ L_{N-1}\\ 1\end{array}\right)=\left(\begin{array}{ccccc}{P}_{11}& P_{12}& ...& P_{1,M-1}& P_{1\mathrm{\φ}}\\ P_{21}& P_{22}& ...& P_{2,M-1}& P_{2\mathrm{\φ}}\\ ...& \·\·\·& ...& ...& ...\\ P_{N-\mathrm{1,1}}& P_{N-1,2}& ...& P_{N-1,M-1}& P_{N-1,\mathrm{\φ}}\\ 1& 1& ...& 1& 1\end{array}\right)\·\left(\begin{array}{c}{V}_1\\ V_2\\ ...\\ V_{M-1}\\ V_{\mathrm{\φ}}\end{array}\right)$

其中，L_i为第i种测井曲线值，P_ij为第j种矿物成份的第i种测井响应值，V_j为第j种矿物成份体积含量；

(A2)，依据矿物成份及流体含量分布特征划分出不同岩相类型。

所述步骤(1)中的所述建立目标层的不同岩相组合弹性参数分布特征是这样实现的：分别以纵波速度、横波速度及密度为横坐标，以相应样点数为纵坐标而形成的直方图和概率分布曲线。

所述步骤(2)中的所述针对步骤(1)得到的所述不同岩相组合弹性参数分布特征，基于蒙特卡罗仿真随机模拟，建立一个与求解有关的概率模型具体，使随机抽样结果的解与该概率模型的统计量相一致包括以下步骤：

(B1)，对不同岩相的纵波速度、横波速度及密度进行分析；

(B2)，依据不同岩相的纵波速度、横波速度及密度的直方图和概率分布曲线，基于蒙特卡罗仿真随机模拟建立与该岩相具有相同均值、相同期望或者相同方差的概率模型；

(B3)，对步骤(B2)建立的概率模型进行随机抽样得到随机抽样结果，然后由随机抽样结果建立随机模型；所用的抽样参数为弹性参数，所述弹性参数包括纵波速度、横波速度和密度，抽取N个弹性参数组就建立了N个随机模型。

所述步骤(2)中的所述通过对随机抽样结果进行不同岩相正演模拟求得基函数f(θ)具体包括以下步骤：

(C1)，基于步骤(B3)得到的随机抽样结果建立不同岩相间地层关系，依据所述弹性参数并根据下面的Zoeppritz方程计算得到不同岩相间的N个随机模型的AVO曲线：

其中，r为AVA反射系数，V_p为纵波速度，V_s为横波速度，ρ为密度，θ为纵波角度，

为横波角度，下标1、2分别表示上、下反射界面；

(C2)，利用由步骤(C1)得到的N个随机模型的AVO曲线建立反射系数矩阵R，然后通过矩阵R的奇异值分解获得基函数f(θ)。

所述步骤(4)中的所述实现偏移距道集到角度道集的转换具体如下：

对于一个叠前地震道集数据，给定不同的炮检距x由下式得到任意反射界面的入射角θ：

$\sin \mathrm{\θ}=\frac{V_{p_{n-1}}}{V_{{\mathrm{rms}}_{n-1}}}\sqrt{\frac{x^2}{x^2+V_{{\mathrm{rms}}_{n-1}}^2{t}_0^2}}$

式中，

为第n-1层的纵波速度，

为上覆n-1层介质的均方根速度，t₀为第n个界面的双程旅行时。

所述步骤(5)中的所述由叠前角度道集开展AVO属性反演具体如下：

(D1)，随机给定初始c值；所述c是c_r的初始值，c_r为最终求得的实际地震资料的c值；

(D2)从实际地震资料的振幅值得到叠前道集反射系数R_r(θ)，然后求取叠前道集反射系数R_r(θ)与c值和基函数的乘积的差得到残差值：

R_r(θ)-c*f(θ)

(D3)，判断步骤(D2)得到的残差值的绝对值的大小，若残差值的绝对值不小于0.001，则改变c值，然后返回步骤(D2)，若残差值的绝对值小于0.001，则停止计算，此时的c值即为反演结果。

所述步骤(5)中的所述实现弹性参数提取及流体性质检测具体如下：

利用步骤(D3)得到的参数c求取所述AVO曲线的截距P、梯度G以及纵波速度变化率和横波速度变化率，然后将P×G作为流体识别因子来检测是否具有含油气响应特征，通过所述纵波速度变化率和横波速度变化率来检测流体性质。

与现有技术相比，本发明的有益效果是：本发明从地质资料及岩石分析开始，运用蒙特卡罗随机模拟方法来建立反映地层岩性流体特征信息的AVO函数，使得可以通过最优措施来进行特殊实例研究，先验信息的运用作为一个软约束条件，不但使得最优AVO反演更适用于大入射角及强反射界面情况下的流体检测，而且保障了最优AVO反演属性的精确性和实用性，提高了预测精度。

附图说明

图1是本发明基于岩相约束的AVO反演油气检测方法的步骤框图。

图2-1是基于测井资料的不同岩相组合特征分析。

图2-2-1是含不同流体岩相纵波速度分布特征。

图2-2-2是含不同流体岩相横波速度分布特征

图2-2-3是含不同流体岩相密度分布特征

图3-1是含不同流体碳酸盐岩缝洞模型。

图3-2是岩相约束AVO反演属性剖面。

图4-1是实施例中的油田目标层AVO反演属性。

图4-2是实施例中的流体检测结果。

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明利用线性优化AVO方程，避开常规AVO近似方程的假设条件，并通过加入实际岩相资料的约束，使得反演结果更加适应于实际地质情况，能够检测复杂油气储层在地震响应上所引起的AVO现象，这不仅具有重要理论意义，而且对实际工区的流体检测具有重要的应用价值。

本发明针对碳酸盐岩缝洞型油藏勘探开发中面临的流体检测问题，基于

(1987)PP反射系数表达式建立最优AVO方程，克服常规AVO反演只利用地震资料单一信息的缺陷，实际反演过程中充分利用目标区不同岩相组合特征，把地质资料等先验信息作为软约束条件加入反演目标函数实现AVO属性反演，提高了反演结果的精度和流体检测的实用性。

实际应用中通过开展目标区内不同岩相组合特征的岩石物理分析，由蒙特卡罗随机模拟构建随机正演模型，并构建反射系数矩阵，形成最优AVO方程的软约束条件；以反射系数矩阵为基础求解基函数，建立实际地质资料约束下的最优AVO方程；最终针对实际叠前地震资料开展AVO属性反演，实现最优AVO属性求取及流体检测。

(1)技术原理

常规的AVO方程表达式大都源自于平面波反射系数的精确表达(如弹性介质中的Knott-Zoeppritz方程)，通常假设反射界面两侧弹性参数仅存在较小的差异，且仅在小入射角情况下成立，其典型的通用表达式是基于Aki-Richards近似的Shuey三项式。在目前油气勘探所寻找含油气目的层越来越复杂的情况下，很多储层界面两侧介质的弹性参数差异较大，且大角度叠前数据越来越受到重视。因此，只适用于小角度入射的常规AVO近似公式必然会影响流体参数估计的精度和有效性。

鉴于Knott-Zoeppritz方程的复杂性，基于

(1987)PP反射系数表达式：

$R^{\mathrm{pp}}=\frac{q^2{p}^2{P}_1{P}_2{P}_3{P}_4+{\mathrm{\ρ}}_1{\mathrm{\ρ}}_2(v_{S1}{v}_{P2}{P}_1{P}_4-v_{P1}{v}_{S2}{P}_2{P}_3)-v_{P1}{v}_{S1}{P}_3{P}_4{Y}^2+v_{P2}{v}_{S2}{P}_1{P}_2{X}^2-v_{P1}{v}_{P2}{v}_{S1}{v}_{S2}{p}^2{Z}^2}{q^2{p}^2{P}_1{P}_2{P}_3{P}_4+{\mathrm{\ρ}}_1{\mathrm{\ρ}}_2(v_{S1}{v}_{P2}{P}_1{P}_4+v_{P1}{v}_{S2}{P}_2{P}_3)+v_{P1}{v}_{S1}{P}_3{P}_4{Y}^2+v_{P2}{v}_{S2}{P}_1{P}_2{X}^2+v_{P1}{v}_{P2}{v}_{S1}{v}_{S2}{p}^2{Z}^2}$

表达式中q，X，Y，Z，P₁，P₂，P₃和P₄由以下公式给出：

$q=2({\mathrm{\ρ}}_2{v}_{S2}^2-{\mathrm{\ρ}}_1{v}_{S1}),$

X＝ρ₂-qp²’

Y＝ρ₁+qp²，

Z＝ρ₂-ρ₁-qp²，

$P_1=\sqrt{1-v_{P1}^2{p}^2},$

$P_2=\sqrt{1-v_{S1}^2{p}^2},$

$P_3=\sqrt{1-v_{P2}^2{p}^2},$

$P_4=\sqrt{1-v_{S2}^2{p}^2}.$

下标1、2分别表示给定界面上下的弹性参数。基于

(1987)PP反射系数表达式，Ursin.B(1992)等对其进行泰勒级数展开，得到更一般的反射系数表达：

R^PP≈A₀+A₁p²+A₂p⁴+…

其中，p为射线参数，而A₀，A₁，A₂分别与地下介质的弹性参数有关。

据此，E.Causse等建立了线性AVO近似的通用形式：

$R\left(\mathrm{\θ}\right)\≈C_1{f}_1\left(\mathrm{\θ}\right)+C_2{f}_2\left(\mathrm{\θ}\right)+C_3{f}_3\left(\mathrm{\θ}\right)+\·\·\·\≈\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{C}_k{f}_k\left(\mathrm{\θ}\right)$

针对上述最优AVO表达式，针对正演或者实际叠前地震道集资料，建立如下目标函数方程：

${\left|\right|R_r\left(\mathrm{\θ}\right)-c_{r}f\left(\mathrm{\θ}\right)\left|\right|}^2\⇒\min$

其中，R_r(θ)为叠前道集反射系数，f(θ)为基函数，c_r为待反演属性。针对基函数f(θ)，通过利用实际工区岩芯、测试及测井等资料的统计结果，借助岩石物理分析方法技术，建立目标层主要岩相组合情况下弹性参数组合特征，基于蒙特卡罗仿真随机模拟实现基函数的求取，这样，先验信息的约束对由低信噪比以及信息不均衡等原因造成的“不适定”问题有较好的改善，求取的基函数f(θ)既保证了AVO最优公式包含了目标区实际地质信息，又能够提高AVO反演结果流体预测的精度。

(2)技术实现步骤

技术实现流程如图1所示，具体步骤如下：

①弹性参数分布特征统计：

依据目标区岩芯、测井等资料统计结果(包括声波、密度、中子、深侧向电阻率、浅侧向电阻率、自然伽玛和井径这7种参数)，开展岩石物理分析建立目标层主要岩相组合情况下弹性参数分布特征，即不同岩相组合弹性参数分布特征，不同岩相分布特征的建立主要是分别以纵波速度、横波速度及密度为横坐标，以相应样点数为纵坐标而形成的直方图和概率分布曲线，其特征往往表现为正态分布。

所述岩石物理分析具体如下：

首先，依据测井资料与不同矿物成份、流体物性响应关系，获得地层中骨架矿物成份(包括石英、长石、方解石、粘土及孔隙度等)的体积含量、孔隙度及含流体饱和度，具体如下：

假定有N-1条测井曲线，要计算M个矿物含量(包括孔隙体积)。于是连同平衡方程可以列出N个方程，就形成了线性超定方程组，

$\left(\begin{array}{c}{L}_1\\ L_2\\ ...\\ L_{N-1}\\ 1\end{array}\right)=\left(\begin{array}{ccccc}{P}_{11}& P_{12}& ...& P_{1,M-1}& P_{1\mathrm{\φ}}\\ P_{21}& P_{22}& ...& P_{2,M-1}& P_{2\mathrm{\φ}}\\ ...& \·\·\·& ...& ...& ...\\ P_{N-\mathrm{1,1}}& P_{N-1,2}& ...& P_{N-1,M-1}& P_{N-1,\mathrm{\φ}}\\ 1& 1& ...& 1& 1\end{array}\right)\·\left(\begin{array}{c}{V}_1\\ V_2\\ ...\\ V_{M-1}\\ V_{\mathrm{\φ}}\end{array}\right)$

其中，L_i为第i种测井曲线值，P_ij为第j种矿物成份的第i种测井响应值，V_j为第j种矿物成份体积含量。应用上述方程可以实现包括孔隙度在内的岩石多矿物成份体积含量进行计算。

最后，依据矿物成份及流体含量的分布特征划分出不同岩相类型，具体如下：基于矿物成份和流体含量不同采用聚类分析法将岩石类型划分为相对性质相同的群组，不同群组代表不同岩相类型。

②蒙特卡罗仿真随机模拟：

针对所述不同岩相组合弹性参数分布特征，基于蒙特卡罗仿真随机模拟，建立一个与求解有关的概率模型，使所求解为所述概率模型的概率分布或数学期望(即随机抽样结果的解与概率模型的统计量相一致)，通过对参数模型(参数模型指的是随机抽样结果)进行不同岩相正演模拟实现基函数f(θ)求取。

其中，所述蒙特卡罗仿真随机模拟也称为随机模拟法、随机抽样技术或统计试验法，其基本思想是为了求解数学、物理、工程技术或生产管理等方面的问题，通过建立与待求解问题具有某种相同特征的概率模型，对所得概率模型进行随机抽样模拟(或者称为反复试验)，然后对抽样结果进行统计特征参数求取，这些统计特征，包括均值、期望或者方差等就是待求问题的解。

通过测井资料及岩石物理分析技术建立纵波速度、横波速度及密度等弹性参数概率分布特征，为蒙特卡罗仿真随机模拟模型的建立奠定了基础，其是岩相约束反演的重要步骤。图2-1是基于测井资料的不同岩相组合特征分析，图2-2-1是含不同流体岩相纵波速度分布特征，图2-2-2是含不同流体岩相横波速度分布特征，图2-2-3是含不同流体岩相密度分布特征。

所述针对所述不同岩相组合弹性参数分布特征，基于蒙特卡罗仿真随机模拟，建立一个与求解有关的概率模型，使所求解为所述概率模型的概率分布或数学期望(即随机抽样结果的解与概率模型的统计量相一致)具体包括以下步骤：

首先，对不同岩相的纵波速度、横波速度及密度进行分析；

第二，依据不同岩相纵波速度、横波速度及密度的直方图和概率分布曲线，实现与该岩相具有某种相同特征(均值、期望或者方差)的概率模型；

最后，对构建的概率模型进行随机抽样，根据抽样结果求取各种概率统计量。

所述通过对参数模型进行不同岩相正演模拟实现基函数f(θ)求取具体包括以下步骤：

首先，基于随机抽样结果所建立不同岩相间地层关系，依据弹性参数并根据精确的Zoeppritz方程(如下)计算不同岩相间精确的AVO曲线；

其中，r为AVA反射系数，V_p为纵波速度，V_s为横波速度，ρ为密度，θ为纵波角度，

为横波角度，下标1、2分别表示上、下反射界面。

然后，利用N个随机模型的AVO曲线建立反射系数矩阵R(即针对每个随机模型，解步骤(C1)中的方程得到AVA反射系数r_pp，再由所有AVA反射系数组成矩阵R)，基于矩阵R的奇异值分解实现基函数的求取，具体如下：矩阵R的奇异值分解函数为：R＝FDV＝FW，其中矩阵F的N列代表了相应的基函数f_k(θ)，k＝1，2，…，N；

③对叠前地震道集进行叠前道集预处理：

主要针对前期的常规地震保幅处理工作。主要包括道编辑、带通滤波、真振幅恢复、静校正、速度分析、剩余静校正、地表振幅一致性补偿、叠前反褶积及动校正等。

④入射角道集形成：

基于给定的预处理叠前道集资料(指经过步骤3得到的预处理后的叠前道集)及叠加速度体(或层速度体等)(道集处理过程中动校正的速度谱)实现偏移距道集到角度道集的转换，获得叠前角度道集资料。

所述实现偏移距道集到角度道集的转换具体如下：

要计算炮检距为x时，层状介质中各反射界面的入射角，采用地震勘探基础理论中等效层的方法，即采用均方根速度来作为多层介质等效层的速度。对第n个反射界面，设上覆n-1层介质的均方根速度为

那么地震波在第n个界面的入射角为

${\sin \mathrm{\θ}}_{n-1}=\sqrt{\frac{x^2}{x^2+V_{{\mathrm{rms}}_{n-1}}^2{t}_0^2}}$

其中t₀为第n个界面的双程旅行时。

若地震波沿实际射线路径传播到第n个界面的入射角为θ，则按照上式求出的角度θ_n-1与θ角是不同的。而从视速度的角度来看，射向第n个界面的入射波无论是以θ_n-1还是θ角度，其视速度都应当是相同的(时距曲线斜率相同)，因此有 $V_{p_{n-1}}/\sin \mathrm{\θ}=V_{{\mathrm{rms}}_{n-1}}/\sin {\mathrm{\θ}}_{n-1}$

其中

为第n-1层的纵波速度，即

$\sin \mathrm{\θ}=\frac{V_{p_{n-1}}}{V_{{\mathrm{rms}}_{n-1}}}\sqrt{\frac{x^2}{x^2+V_{{\mathrm{rms}}_{n-1}}^2{t}_0^2}}$

对于一个叠前地震道集数据，给定不同的炮检距x就可以由上式得到任意反射界面的入射角θ，偏移距道集到角度道集的转换就是通过上式来完成的。

⑤先验信息约束的最优AVO反演实现：

基于最优AVO方程反演目标函数(就是指

)，在先验信息基函数(就是指基函数f(θ))的约束(约束是因为基函数中包含着地层岩相分析的先验信息)下，由叠前角度道集开展AVO属性反演，实现弹性参数提取及流体性质检测。

所述由叠前角度道集开展AVO属性反演具体如下：

利用最小二乘方法实现，首先，给定初始c值(随机给定，通过最小二乘方法将会收敛到最优解)；其次，求取实际道集反射系数与c值和基函数的乘积的差得到残差值，即：R_r(θ)-c*f(θ)；第三，判断残差值的绝对值的大小，若残差值的绝对值不够小，则改变c值(具体如下：若c*f(θ)大于R_r(θ)值，则C值减小步长0.1；若C*f(θ)小于R_r(θ)值，则C值增加步长0.1)继续第二步过程，若残差值的绝对值达到一定精度，则停止计算，此时的c值即为反演结果。

所述实现弹性参数提取及流体性质检测具体如下：

属性反演后得到的为参数c，其进一步可以求取AVO属性截距P、梯度G以及纵波速度变化率、横波速度变化率((

其中h_jk表示矩阵W(矩阵R的奇异值分解得到的)的逆矩阵， $\tilde{P}=\frac{1}{2}(\frac{\mathrm{\Δ\α}}{\mathrm{\α}}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}}),$ $\tilde{G}=\frac{1}{2}\frac{\mathrm{\Δ\α}}{\mathrm{\α}}-2{\left(\frac{\mathrm{\β}}{\mathrm{\α}}\right)}^2(2\frac{\mathrm{\Δ\β}}{\mathrm{\β}}+\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}}),$ $\tilde{Q}=\frac{1}{2}\frac{\mathrm{\Δ\α}}{\mathrm{\α}},$ $\frac{\mathrm{\Δ\α}}{\mathrm{\α}},\frac{\mathrm{\Δ\β}}{\mathrm{\β}},\frac{\mathrm{\Δ\ρ}}{\mathrm{\ρ}}$ 分别为纵波速度、横波速度、密度变化率))，其中P×G(两者的乘积)可以做为流体识别因子(P×G为正值且数值较大的情况是含油气响应特征)；同样，地层含不同流体时，通过纵横波速度变化的差别可以检测流体性质。

通过设计含不同流体碳酸盐岩缝洞模型并开展本发明方法反演试算得到检测结果如图3-1和图3-2所示，其中，含不同流体碳酸盐岩缝洞模型如图3-1所示，岩相约束AVO反演属性剖面图3-2。可以看出，检测结果与模型实际流体性质有较好的对应关系。

根据本发明的步骤，针对某油田6/7区中的下奥陶统开展了约50平方公里的不同岩相约束最优AVO反演计算。利用本发明方法得到的油田目标层AVO反演属性如图4-1所示，实际的流体检测结果如图4-2所示，对比图4-1和图4-2可以看出，反演结果与井资料的实际生产数据也有较好的对应关系。

本发明针对实际油田勘探中面临的岩性油气检测问题，从测井资料入手，基于岩石物理模型和流体替换建立不同岩相组合关系，运用蒙特卡罗随机模拟方法实现反映地层特征信息的AVO函数，使得可以通过最优措施来进行特殊实例研究，先验信息的运用同时也作为一个软约束条件，保障了最优AVO反演属性的精确性和实用性。该方法比常规AVO方程具有更高的精度和更大的适用范围，更适用于大入射角及强反射界面情况下的流体性质检测，并提高了流体预测精度。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (8)

1.一种基于岩相约束的AVO反演油气检测方法，其特征在于：所述方法包括以下步骤：

(1)弹性参数分布特征统计：依据目标区的岩芯、测井信息开展岩石物理分析，建立目标层的不同岩相组合弹性参数分布特征；

(2)蒙特卡罗仿真随机模拟：针对步骤(1)得到的所述不同岩相组合弹性参数分布特征，基于蒙特卡罗仿真随机模拟，建立一个与求解有关的概率模型，并使随机抽样结果的解与该概率模型的统计量相一致，然后通过对随机抽样结果进行不同岩相正演模拟求得基函数f(θ)；

(3)对叠前地震道集进行叠前道集预处理得到预处理后的叠前道集；

(4)入射角道集形成：基于步骤(3)得到的预处理后的叠前道集及叠加速度体或层速度体，实现偏移距道集到角度道集的转换，获得叠前角度道集；

(5)先验信息约束的最优AVO反演实现：基于最优AVO方程反演目标函数如下：

${\left|\right|R_r\left(\mathrm{\θ}\right)-c_{r}f\left(\mathrm{\θ}\right)\left|\right|}^2\⇒\min$

其中，其中，R_r(θ)为叠前道集反射系数，f(θ)为基函数，c_r为待反演属性；

在基函数f(θ))的约束下，由叠前角度道集开展AVO属性反演，实现弹性参数提取及流体性质检测。

2.根据权利要求1所述的基于岩相约束的AVO反演油气检测方法，其特征在于：所述步骤(1)中的所述岩芯、测井信息包括声波、密度、中子、深侧向电阻率、浅侧向电阻率、自然伽玛和井径；

所述步骤(1)中的所述开展岩石物理分析包括以下步骤：

(A1)，依据测井资料与不同矿物成份、流体物性响应关系，获得地层中骨架矿物成份的体积含量、孔隙度及含流体饱和度，具体如下：

假定有N-1条测井曲线，利用下面的线性超定方程组计算得到所述体积含量、孔隙度及含流体饱和度：

$\left(\begin{array}{c}{L}_1\\ L_2\\ ...\\ L_{N-1}\\ 1\end{array}\right)=\left(\begin{array}{ccccc}{P}_{11}& P_{12}& ...& P_{1,M-1}& P_{1\mathrm{\φ}}\\ P_{21}& P_{22}& ...& P_{2,M-1}& P_{2\mathrm{\φ}}\\ ...& \·\·\·& ...& ...& ...\\ P_{N-\mathrm{1,1}}& P_{N-1,2}& ...& P_{N-1,M-1}& P_{N-1,\mathrm{\φ}}\\ 1& 1& ...& 1& 1\end{array}\right)\·\left(\begin{array}{c}{V}_1\\ V_2\\ ...\\ V_{M-1}\\ V_{\mathrm{\φ}}\end{array}\right)$

其中，L_i为第i种测井曲线值，P_ij为第j种矿物成份的第i种测井响应值，V_j为第j种矿物成份体积含量；

(A2)，依据矿物成份及流体含量分布特征划分出不同岩相类型。

3.根据权利要求2所述的基于岩相约束的AVO反演油气检测方法，其特征在于：

所述步骤(1)中的所述建立目标层的不同岩相组合弹性参数分布特征是这样实现的：分别以纵波速度、横波速度及密度为横坐标，以相应样点数为纵坐标而形成的直方图和概率分布曲线。

4.根据权利要求3所述的基于岩相约束的AVO反演油气检测方法，其特征在于：

所述步骤(2)中的所述针对步骤(1)得到的所述不同岩相组合弹性参数分布特征，基于蒙特卡罗仿真随机模拟，建立一个与求解有关的概率模型具体，使随机抽样结果的解与该概率模型的统计量相一致包括以下步骤：

(B1)，对不同岩相的纵波速度、横波速度及密度进行分析；

(B2)，依据不同岩相的纵波速度、横波速度及密度的直方图和概率分布曲线，基于蒙特卡罗仿真随机模拟建立与该岩相具有相同均值、相同期望或者相同方差的概率模型；

(B3)，对步骤(B2)建立的概率模型进行随机抽样得到随机抽样结果，然后由随机抽样结果建立随机模型；所用的抽样参数为弹性参数，所述弹性参数包括纵波速度、横波速度和密度，抽取N个弹性参数组就建立了N个随机模型。

5.根据权利要求4所述的基于岩相约束的AVO反演油气检测方法，其特征在于：所述步骤(2)中的所述通过对随机抽样结果进行不同岩相正演模拟求得基函数f(θ)具体包括以下步骤：

(C1)，基于步骤(B3)得到的随机抽样结果建立不同岩相间地层关系，依据所述弹性参数并根据下面的Zoeppritz方程计算得到不同岩相间的N个随机模型的AVO曲线：

其中，r为AVA反射系数，V_p为纵波速度，V_s为横波速度，ρ为密度，θ为纵波角度，

为横波角度，下标1、2分别表示上、下反射界面；

(C2)，利用由步骤(C1)得到的N个随机模型的AVO曲线建立反射系数矩阵R，然后通过矩阵R的奇异值分解获得基函数f(θ)。

6.根据权利要求5所述的基于岩相约束的AVO反演油气检测方法，其特征在于：所述步骤(4)中的所述实现偏移距道集到角度道集的转换具体如下：

对于一个叠前地震道集数据，给定不同的炮检距x由下式得到任意反射界面的入射角θ：

$\sin \mathrm{\θ}=\frac{V_{p_{n-1}}}{V_{{\mathrm{rms}}_{n-1}}}\sqrt{\frac{x^2}{x^2+V_{{\mathrm{rms}}_{n-1}}^2{t}_0^2}}$

式中，

为第n-1层的纵波速度，

为上覆n-1层介质的均方根速度，t₀为第n个界面的双程旅行时。

7.根据权利要求6所述的基于岩相约束的AVO反演油气检测方法，其特征在于：所述步骤(5)中的所述由叠前角度道集开展AVO属性反演具体如下：

(D1)，随机给定初始c值；所述c是c_r的初始值，c_r为最终求得的实际地震资料的c值；

(D2)从实际地震资料的振幅值得到叠前道集反射系数R_r(θ)，然后求取叠前道集反射系数R_r(θ)与c值和基函数的乘积的差得到残差值：

R_r(θ)-c*f(θ)

(D3)，判断步骤(D2)得到的残差值的绝对值的大小，若残差值的绝对值不小于0.001，则改变c值，然后返回步骤(D2)，若残差值的绝对值小于0.001，则停止计算，此时的c值即为反演结果。

8.根据权利要求7所述的基于岩相约束的AVO反演油气检测方法，其特征在于：所述步骤(5)中的所述实现弹性参数提取及流体性质检测具体如下：

利用步骤(D3)得到的参数c求取所述AVO曲线的截距P、梯度G以及纵波速度变化率和横波速度变化率，然后将P×G作为流体识别因子来检测是否具有含油气响应特征，通过所述纵波速度变化率和横波速度变化率来检测流体性质。

Images