CN104459771A - 一种基于分频avo反演的储层含气性半定量识别方法 - Google Patents

Abstract

本发明提供了一种基于分频AVO反演的储层含气性半定量识别方法，属于地震勘探领域。本方法包括：(1)利用三维地震数据，分别计算纵波速度衰减梯度和横波速度衰减梯度；分别绘制纵波速度衰减梯度与生产井产能之间的关系图和横波速度衰减梯度与生产井产能之间的关系图，开展线性拟合，计算两个衰减梯度与产能之间的相关系数R²；纵波速度衰减梯度与横波速度衰减梯度之间的权重值x的初始值选择为1，即x₀=1；(2)沿各井提取纵波速度衰减梯度和横波速度衰减梯度，计算各井生产层段反演值的加权和g_i,0,其中i表示井号；(3)以井产能Y为纵坐标、以G为横坐标，进行最小二乘线性拟合。

Description

一种基于分频AVO反演的储层含气性半定量识别方法

技术领域

本发明属于地震勘探领域，具体涉及一种基于分频AVO反演的储层含气性半定量识别方法。

背景技术

复杂油气储层中的含气性地球物理识别是当前地球物理勘探的难点与关键点。在储层含气性识别的地球物理技术中，主要有AVO技术及频谱分析技术。AVO是英文Amplitude Various with Offset的简写，指的是振幅随偏移距的变化。由于不同偏移距地震波穿过的地下地层结构、岩石弹性性质、岩石岩性等方面的差异，造成AVO技术的复杂性。AVO的基础是不同地层泊松比的变化，而泊松比的变化是不同岩性及不同孔隙流体介质之间存在差异的客观事实。

利用频谱分析技术进行含气性识别，主要依据的是孔隙填充介质的喷射流动(或局部粘滞流动)原理，这种流动将引起地震波发生频散和衰减。近年来的研究发现，地震波的异常高的衰减或许是与饱和流体最密切相关的地震属性，因此地球物理学家一直试图将衰减机制应用到油气勘探中。喷射流理论研究表明，当油藏含气时，地震波表现为较强的能量衰减和速度散射，并且在这种条件下，地震振幅对地震波频率有很强的依赖性。地震波场数值模拟分析已经证明，这种衰减效应比传统的地震波传播扩散衰减强得多。地震振幅依赖频率变化的这种响应必然是瞬时的，这使得谱分解技术成为检测这种变化的理想工具。利用地层的衰减进行油气识别在国内外获得了很多成功案例。K1imentos利用P波和S波的衰减来区分油、气和水。Castagna等利用瞬时时频分析研究了与烃有关的低频阴影检测，并指出了时频分析在碳烃检测方面的作用。Chapman利用喷射流理论研究了与碳烃有关的衰减和散射异常，提出了与频率有关的AVO响应。Odebeatu等和Liu等通过实例进一步证明了这种频率AVO现象。

在理论上，由于流体介质不传播横波，所以横波速度随频率衰减梯度为零。现有技术中，由于振幅与频率之间的函数关系过于复杂。分频AVO反演都是对Zoeppritz近似公式进行泰勒展开，然后反演纵、横波速度随频率的衰减梯度。由于反演过程中目标函数的耦合效应，使得纵横波速度衰减梯度之间相互关联，即理论上说“横波速度随频率衰减梯度为零”，但是，由于“耦合效应”，使得反演结果不为零。

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，提供一种基于分频AVO反演的储层含气性半定量识别方法，通过使其反演结果与产量挂钩，可以采用数据自动学习、拟合的方式，提高分频AVO反演的精度。

本发明是通过以下技术方案实现的：

一种基于分频AVO反演的储层含气性半定量识别方法，包括：

(1)利用三维地震数据，分别计算纵波速度衰减梯度和横波速度衰减梯度；分别绘制纵波速度衰减梯度与生产井产能之间的关系图和横波速度衰减梯度与生产井产能之间的关系图，开展线性拟合，计算两个衰减梯度与产能之间的相关系数R²(用于评价本相关系数与本专利最终结果的好坏)；纵波速度衰减梯度与横波速度衰减梯度之间的权重值x的初始值选择为1，即x₀=1；

(2)沿各井提取纵波速度衰减梯度和横波速度衰减梯度，计算各井生产层段反演值的加权和g_i,0，其中i表示井号；

(3)以井产能Y为纵坐标、以G为横坐标，进行最小二乘线性拟合，形成如下拟合公式：

Y=CG+E  (4)

其中C、E为常数；G是g_i，0的大写表示；

(4)计算各井点值(井点值表示产能)与步骤(3)得到的拟合线之间的距离和d；

(5)令x_k+1=x_k+，，其中t为步长，k表示迭代次数；

(6)重复步骤(2)至步骤(5)，直到d_k>d_k-1,转入步骤(7)；

(7)输出g_i,k。

所述步骤(1)是这样实现的：

利用地球物理反演技术对公式(2)开展反演，求得纵波速度衰减梯度和横波速度衰减梯度： $\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_p}{V_p}\right)\left(f\right),\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right)\left(f\right)$

$R(\mathrm{\θ},f)\≈A\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_p}{V_p}\left(f_0\right)+(f-f_0)\×A\left(\mathrm{\θ}\right)\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_p}{V_p}\right)\left(f\right)+B\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_s}{V_s}\left(f_0\right)+(f-f_0)B\left(\mathrm{\θ}\right)\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right)\left(f\right)$

                                                              (2)

其中，R(θ，f)表示地震反射系数；θ，f分别是地震反射系数的入射角与频率；A(θ)，B(θ)分别是只与入射角相关的系数函数；V_p，V_s，△V_p，△V_s分别表示地震纵波速度、横波速度、地震纵波速度变化、横波速度变换；分别表示是频率厂的函数。

所述步骤(2)中是利用公式(3)计算各井生产层段反演值的加权和g_i,0

$g_{i,0}=a_i{x}_0+b_i,a_i=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_p}{V_p}\right)\left(f\right),b_i=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right)\left(f\right)---\left(3\right).$

每改变一次X_k，利用公式(3)得到一个对应的g_i,k。

所述步骤(4)所用的计算公式为：

$d_0=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}\frac{|{\mathrm{Cg}}_i-y_i+E|}{\sqrt{C^2+1}}=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}\frac{|C(a_i{x}_0+b_i)-y_i+E|}{\sqrt{C^2+1}}---\left(5\right)$

其中d为距离和、y_i为第i井的产能，C、E为最小二乘线性拟合常数；每改变一次X_k，利用公式(5)得到一个对应的d_k。

与现有技术相比，本发明的有益效果是：利用本发明方法，能够对复杂储层进行半定量含气性识别，是复杂储层(碳酸盐岩、火山岩及致密砂岩储层)含气性识别的一个有效工具。

附图说明

图1(a)、各井产能与纵波速度随频率衰减梯度关系，及线性拟合结果。

图1(b)、各井产能与横波速度随频率衰减梯度关系，及线性拟合结果。

图2、产能与利用本发明方法得到的新参数g_i，k=a_ix_k+b_i的关系及线性拟合结果，其中x=2.54。确定系数为(拟合度)0.80。

图3本发明方法的步骤框图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

具体步骤如下：

1、纵横波速度变化随频率变化参数反演

含油气地层由于流体的粘滞效应，造成地震波的频率散射特性。表现在含油气储层与盖层之间频散特征的差异，造成反射波随地震频率发生变化。也就是说，在储层段地震反射系数不仅仅是偏移距(入射角)的函数，而且还是地震频率的函数。即得到如下公式(1)：

$R(\mathrm{\θ},f)\≈A\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_p}{V_p}\left(f\right)+B\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_s}{V_s}\left(f\right)---\left(1\right)$

其中R(θ，f)表示地震反射系数；θ，f分别是地震反射系数的入射角与频率；A(θ)，B(θ)分别是只与入射角相关的系数函数；V_p，V_s，ΔV_p，ΔV_s分别表示地震纵波速度、横波速度、地震纵波速度变化、横波速度变换；分别表示是频率f的函数。对公式(1)进行泰勒展开，可以得到该公式的一阶展开。如下式(2)：

$R(\mathrm{\θ},f)\≈A\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_p}{V_p}\left(f_0\right)+(f-f_0)\×A\left(\mathrm{\θ}\right)\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_p}{V_p}\right)\left(f\right)+B\left(\mathrm{\θ}\right)\frac{{\mathrm{\ΔV}}_s}{V_s}\left(f_0\right)+(f-f_0)B\left(\mathrm{\θ}\right)\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right)\left(f\right)$

                                                          (2)

利用地球物理反演技术，可以对公式(2)开展反演，求得两个变量参数 $\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_p}{V_p}\right)\left(f\right),\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right)\left(f\right).$

以上两参数反演流程主要包括：针对目标区特征进行的宏面元叠加、角道集转换、叠前道集分频处理、主频率系数计算、共轭梯度法双变量参数反演。

2、分频AVO纵横波联合速度衰减梯度计算

在理论上，由于流体介质不传播横波，所以横波速度随频率衰减梯度为零。但实际反演过程中，由于公式(2)中所用的频率数有限(一般实际工作中为4-8个)，同时由于两个反演参数之间存在线性耦合，造成横波速度随频率衰减梯度不为零、纵波速度随频率衰减梯度幅值降低的现象。使得反演效果不理想。

为获得跟理想的预测效果，本发明通过使反演结果与生产井产量挂钩，采用数据自动学习、拟合的方式，提高分频AVO反演的精度。

如图3所示，本发明的具体步骤如下：

(1)分别绘制纵横波速度衰减梯度(由上面的步骤1计算得到)与生产井产能(实际数据)之间的关系图，开展线性拟合，评价两个衰减梯度值与产能之间的相关关系，即计算衰减梯度与产能之间的相关系数R²，具体如下：

确定系数由如下公式给出(该公式是一个算数统计公式，在公开文献中可以找到，是一个数学统计方面的公式)：

$R^2=1-\frac{\mathrm{SSe}}{\mathrm{SSe}+\mathrm{SSr}}$

其中SSe表示平方剩余和，该值为每个实际纵坐标值与拟合纵坐标值之差的平方和。SSr表示实际纵坐标平均值与拟合纵坐标平均值之差的平方和。

R²值表示了曲线(或直线)拟合程度。该值越接近1，表示曲线(或直线)拟合程度越高。；

(2)沿各井提取反演得到的纵波、横波速度随频率衰减梯度值(即步骤(1)中的纵横波速度衰减梯度(步骤(1)是计算整个勘探工区衰减梯度值，是一个三维数据体。本步骤是依据井位置，提取井位置的数据)，并利用公式(3)计算各井生产层段反演值(非零值)的加权和g_i,0(i表示井号)(两个梯度值是两个三维数据体，依据井位坐标、井轨迹就可以提取相应的数值。)。x初始值选择为1，即x₀=1.

$g_{i,0}=a_i{x}_0+b_i,a_i=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_p}{V_p}\right)\left(f\right),b_i=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\ΔV}}_s}{V_s}\right)\left(f\right)---\left(3\right)$

(3)以井产能Y为纵坐标、以G(G是g_i，0的大写表示)为横坐标，进行最小二乘线性拟合，形成如下拟合公式：

Y=CG+E  (4)

其中C、E为常数(用于评价本相关系数与本专利最终结果的好坏)。

(4)计算各散点(各井点值)与拟合线之间的距离和，计算公式为：

$d_0=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}\frac{|{\mathrm{Cg}}_i-y_i+E|}{\sqrt{C^2+1}}=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}\frac{|C(a_i{x}_0+b_i)-y_i+E|}{\sqrt{C^2+1}}---\left(5\right)$

每改变X_k，利用公式(5)得到对应的一个d_k。，其中d为距离和、y_i为第i井的产能，C、E为最小二乘线性拟合常数。

(5)改变x值，即x_k+1=x_k+t，其中t为步长(0<t<0.1)(步长可变，步长越小，计算精度越高、速度越慢；反之速度快)，然后返回步骤(2)继续计算，获得新的距离和d₁。

(6)重复步骤(2)至步骤(5)，直到d_k>d_k-1，结束运算，转入步骤(7)；

(7)得到新参数(纵横波联合速度衰减梯度)g_i，k=a_ix_k+b_i，即每次得到新的距离和，就要将其与前一个距离和进行比较，如果新距离和大，则将前一个距离和对应的g_i，k=a_ix_k+b_i输出；该参数具有更高的含气性识别精度，能半定量预测储层含气性特征。本方法只是在“分频AVO反演”方法上进行了提升，而含气性特征预测还有很多其它的因素。获得的参数与含气量建立了更直接的关系，反演结果数值高也就是含气量大。

本发明在复杂储层含气性半定量识别中取得了较好的效果。图1(a)和图1(b)为各井产能与纵波、横波速度随频率衰减梯度关系，及线性拟合结果。图中菱形点为各井值、黑色直线为线性拟合结果。由图可以看到，纵波速度衰减与产能之间线性特征的确定系数为(拟合度)0.34。

而横波速度衰减与产能之间线性特征的确定系数为0.29。说明纵波速度衰减与产量之间具有更强的线性特征，但相关性较低。而纵波速度衰减梯度具有相对更高的拟合度，与理论一致。

通过本发明方法，形成新参数g_i,k=a_ix_k+b_i，其中x=2.54。各井产能与新参数的对应关系如图2所示，其中黑色实线为线性拟合结果，确定系数为(拟合度)0.80。可以看到，两者之间的线性关系得到了大幅度的提高。利用该新参数进行储层含气性识别，能大幅度提高识别的准确性。

本发明涉及地震勘探技术，是一种基于分频AVO反演结果，开展复杂储层含气性半定量识别的技术。在理论上，由于流体介质不传播横波，所以横波速度随频率衰减梯度为零。现有技术中，由于反演过程中目标函数的耦合效应，使得纵横波速度衰减梯度之间相互关联。本发明通过使其反演结果与产量挂钩，采用数据自动学习、拟合的方式，提高分频AVO反演的精度。主要步骤包括纵横波速度变化随频率变化参数反演、分频AVO纵横波联合速度衰减梯度计算等步骤。本发明适用于复杂储层含气性半定量识别，具有识别精度高、与产能结合等特点。

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 (4)

1.一种基于分频AVO反演的储层含气性半定量识别方法，其特征在于：所述方法包括：

(1)利用三维地震数据，分别计算纵波速度衰减梯度和横波速度衰减梯度；分别绘制纵波速度衰减梯度与生产井产能之间的关系图和横波速度衰减梯度与生产井产能之间的关系图，开展线性拟合，计算两个衰减梯度与产能之间的相关系数R²；纵波速度衰减梯度与横波速度衰减梯度之间的权重值x的初始值选择为1，即x₀=1；

(2)沿各井提取纵波速度衰减梯度和横波速度衰减梯度，计算各井生产层段反演值的加权和g_i,0，其中i表示井号；

(3)以井产能Y为纵坐标、以G为横坐标，进行最小二乘线性拟合，形成如下拟合公式：

Y=CG+E  (4)

其中C、E为常数；G是g_i，0的大写表示；

(4)计算各井点值与步骤(3)得到的拟合线之间的距离和d；

(5)令x_k+1=x_k+t，其中t为步长，k表示迭代次数；

(6)重复步骤(2)至步骤(5)，直到d_k>d_k-1,转入步骤(7)；

(7)输出g_i，k。

2.根据权利要求1所述的基于分频AVO反演的储层含气性半定量识别方法，其特征在于：所述步骤(1)是这样实现的：

利用地球物理反演技术对公式(2)开展反演，求得纵波速度衰减梯度和横波速度衰减梯度： $\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\&Delta;V}}_p}{V_p}\right)\left(f\right),\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\&Delta;V}}_s}{V_s}\right)\left(f\right)$

$R(\mathrm{\&theta;},f)\&ap;A\left(\mathrm{\&theta;}\right)\frac{{\mathrm{\&Delta;V}}_p}{V_p}\left(f_0\right)+(f-f_0)\&times;A\left(\mathrm{\&theta;}\right)\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\&Delta;V}}_p}{V_p}\right)\left(f\right)+B\left(\mathrm{\&theta;}\right)\frac{{\mathrm{\&Delta;V}}_s}{V_s}\left(f_0\right)+(f-f_0)B\left(\mathrm{\&theta;}\right)\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\&Delta;V}}_s}{V_s}\right)\left(f\right)$

                                                                  (2)

其中，R(θ，f)表示地震反射系数；θ，f分别是地震反射系数的入射角与频率；A(θ)，B(θ)分别是只与入射角相关的系数函数；V_p，V_s，ΔV_p，ΔV_s分别表示地震纵波速度、横波速度、地震纵波速度变化、横波速度变换；分别表示是频率f的函数。

3.根据权利要求2所述的基于分频AVO反演的储层含气性半定量识别方法，其特征在于：所述步骤(2)中是利用公式(3)计算各井生产层段反演值的加权和g_i,0：

$g_{i,0}=a_i{x}_0+b_i,a_i=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\&Delta;V}}_p}{V_p}\right)\left(f\right),b_i=\frac{d}{\mathrm{df}}\left(\frac{{\mathrm{\&Delta;V}}_s}{V_s}\right)\left(f\right)---\left(3\right).$

每改变一次X_k，利用公式(3)得到一个对应的g_i，k。

4.根据权利要求3所述的基于分频AVO反演的储层含气性半定量识别方法，其特征在于：所述步骤(4)所用的计算公式为：

所述步骤(4)所用的计算公式为：

$d_0=\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{Cg}}_i-y_i+E|}{\sqrt{C^2+1}}=\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}\frac{|C(a_i{x}_0+b_i)-y_i+E|}{\sqrt{C^2+1}}---\left(5\right)$

其中d为距离和、y_i为第i井的产能，C、E为最小二乘线性拟合常数；每改变一次X_k，利用公式(5)得到一个对应的d_k。