CN104516017B - 一种碳酸盐岩岩石物理参数地震反演方法 - Google Patents

Abstract

本发明提供了一种碳酸盐岩岩石物理参数地震反演方法，属于石油地球物理勘探领域。本方法包括：(1)基于叠前角度道集进行叠前AVO三参数反演，得到地层弹性参数M，所述M包括纵波速度、横波速度和密度；(2)基于测井资料建立统计岩石物理模型；(3)结合步骤(2)得到的岩石物理模型，对储层物性条件进行随机模拟，得到随机模拟结果；(4)对步骤(3)得到的随机模拟结果进行贝叶斯分类模拟，得到后验概率分布，将步骤(1)得到的M作为反演的输入，找到具有最大后验概率分布的R即为最终的反演结果。

Description

一种碳酸盐岩岩石物理参数地震反演方法

技术领域

本发明属于石油地球物理勘探领域，具体涉及一种碳酸盐岩岩石物理参数地震反演方法，基于改进的Xu&White模型实现基于地震数据的多种碳酸盐岩岩石物理参数同时反演。

背景技术

随着油气勘探的不断深入，不断涌现新的勘探区块和新的领域，随着南方和西部大型海相油气田的陆续发现，使得海相碳酸盐岩油气勘探成为我国油气勘探的重要组成部分，因此碳酸盐岩储层及流体综合解释成为地球物理学家越来越关注的重点研究课题。

基于地震资料的储层预测及流体检测必须以岩石物理研究为基础。地震反射特征(振幅、相位和频率)与地下岩石的弹性性质直接相关，而地下岩石的弹性性质是由岩石本身的岩石物理性质(岩性、矿物组分、孔隙结构、饱和流体类型、成岩作用、压力、温度)决定的。测井及岩芯资料能够提供井点处的岩性、流体及储层物性条件等各类详细信息，且纵向分辨率高，基于测录井资料开展岩石物理研究可以建立地层岩石物理性质同地层弹性性质之间的对应关系，从而在叠前地震反演得到地层弹性参数的基础上进一步反演地层岩石物理参数。但这个关系通常是复杂的、非线性的，常规储层物性参数反演都是基于统计反演理论来建立两者之间的关系，比如模拟退火、遗传算法和神经网络方法等。这类方法由于完全基于统计的假定，进行黑箱反演使储层预测的可信度低，物理意义不明确，缺乏横向外推的理论依据，是一种完全基于数据的反演。而且这类反演方法对工区内井的数量的空间分布规律都有比较苛刻的要求，方法的适用性也受到一定的限制。

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，提供一种碳酸盐岩岩石物理参数地震反演方法，针对现有岩石物理参数地震反演技术对于复杂储层存在的不足，重点围绕在碳酸盐岩岩石物理参数反演中由于岩石物理关系不明确导致的横向外推稳定性不足的缺点，通过研究适合碳酸盐岩的岩石物理模型，结合统计理论建立适合横向外推的统计岩石物理模型，利用随机模拟方法和非线性反演方法，综合应用地质、测井、地震资料，最终反演得到多种岩石物理参数，包括矿物含量、孔隙度和含流体饱和度等，其中矿物含量可以揭示岩性，而孔隙度和含流体饱和度可以对储层实现更加精细的评价。

本发明是通过以下技术方案实现的：

(1)基于叠前角度道集进行叠前AVO三参数反演，得到地层弹性参数M，所述M包括纵波速度、横波速度和密度，即M={纵波速度、横波速度和密度}；

(2)基于测井资料建立统计岩石物理模型；

(3)结合步骤(2)得到的岩石物理模型，对储层物性条件进行随机模拟，得到随机模拟结果；

(4)对步骤(3)得到的随机模拟结果进行贝叶斯分类模拟，得到后验概率分布，将步骤(1)得到的M作为反演的输入，找到具有最大后验概率分布的R即为最终的反演结果。

所述步骤(2)中统计岩石物理模型的建立需要针对目标储层的不同地质背景，建立相应的岩石物理模型：M=f_RPM(R)+ε

其中，R为岩石物理性质，包括孔隙度、含水饱和度、泥质含量、白云石含量和石灰石含量，即R={孔隙度，含水饱和度，泥质含量，白云石含量，石灰石含量}；f_RPM代表岩石物理模型，ε为模型误差，其服从零均值的截断高斯分布，基于统计理论计算模型误差ε的方差和截断值；

对于碳酸盐岩，其岩石物理模型f_RPM是通过岩石物理模型标定实现的，具体包括：

①利用Voigt-Reuss-Hill模型计算碳酸盐岩骨架弹性模量，具体公式为：

其中，K_ma代表岩石基质弹性模量，

是Voigt提出的n个组分的等效弹性模量的上限，

是Reuss提出的n个组分的等效弹性模量下限，K_mai是第i种组分的弹性模量；c_i为是第i种组分的体积含量，分别指泥质含量、白云石含量和石灰石含量；

②利用连续一阶差分理论实现等效模量计算，其体积模量和剪切模量分别为：

K_d=K_ma(1-φ)^p

U_d=U_ma(1-φ)^q

其中，K_d和U_d分别是孔隙度为φ时的干岩骨架体积模量和剪切模量，K_m和U_m分别是岩石基质的体积模量和剪切模量，p和q是一组只与纵横比有关的系数，与溶洞、裂缝、粒间孔隙体积分量及孔隙纵横比成正比；

③通过Wood方程计算孔隙流体体积模量：

其中，K_f为混合流体体积模量，K_i为单相流体体积模量，f_i是相应的单相流体饱和度，这里的f_i 是相应的单相流体饱和度，不是含水饱和度。因为K_f为混合流体体积模量，混合流体一般指的是水和气、水和油或者水和油气的混合，这里的f_i 在i取不同值时分别代表含水饱和度、含气饱和度或者含油饱和度，但存在一个关系是所以通常只需要反演出含水饱和度就可以计算得到含气饱和度或者含油饱和度；

④基于体积平均计算含饱和流体岩石的体积密度ρ：

其中ρ_fi为单相流体体积密度，f_i是相应的单相流体饱和度；c_i和ρ_mai分别是第i种组分的体积含量和弹密度‘

⑤基于Gassmann-Biot-Geertsma模型给出饱和岩石的弹性模量并计算纵波速度Vp和横波速度Vs：

其中，K_s是饱和流体体积模量，ρ是岩石密度；

通过步骤①至⑤实现了根据地层的岩石物理性质R={孔隙度，含水饱和度，泥质含量，白云石含量，石灰石含量}计算得到岩石的弹性性质M={纵波速度、横波速度和密度}，即完成了岩石物理模型标定，得到碳酸盐岩的岩石物理模型f_RPM。

所述步骤(3)中是采用马尔科夫链蒙特卡罗(MCMC)抽样MetropolisHastings抽样算法，结合步骤(2)得到的岩石物理模型，对岩石物理性质R(即储层物性条件)进行随机模拟，得到的随机模拟结果{R_i，M_i}_i=1…N，具体包括：

①假定储层物性参数R的先验分布服从多维高斯分布：

式中，N代表多维高斯分布，和分别为多维高斯分布的均值和协方差矩阵，N_R为岩石物理模型中，物性参数变量的个数，权重系数α_k满足：

基于EM算法获取高斯混合模型的参数估计；

②基于储层物性参数先验分布，利用MCMC抽样Metropolis Hastings抽样算法对储层物性条件进行随机模拟，得到储层物性条件的随机模拟结果{R_i}_i=1…N，结合统计岩石物理模型M=f_RPM(R)+ε，得到储层物性参数和弹性参数的综合随机模拟结果{R_i，M_i}_i=1…N；

其中，N代表MCMC随机抽样次数，i表示第i次随机模拟得到的地层岩石物理参数。

所述步骤(4)中反演得到岩石物理参数最大后验概率分布是这样实现的：

反演目标函数如下：

R=arg MaxP(R_c|M)c=1，2…，N_CR

其中，P(RC/M)为所述后验概率分布，即已知M时，Rc的概率；

R_c同R的意义一样，表示不同类别的岩石物理性质；

N_CR为储层物性参数的类别数；

基于贝叶斯分类算法求解该目标函数，即输入步骤(1)得到的M，计算得到后验概率分布P(R_c|M)，找到具有最大后验概率分布的R即为最终的反演结果。

与现有技术相比，本发明的有益效果是：本发明基于改进的Xu&White模型实现了基于地震数据的多种碳酸盐岩岩石物理参数同时反演，具有如下特点：

(1)传统岩石物理参数反演方法都是基于统计反演理论来建立地层弹性性质同岩石物理性质之间的关系，不具有明确的物理意义，缺乏横向外推的理论依据，进行黑箱反演使储层预测的可信度低。本方法基于改进的Xu&White模型建立两者之间的关系，是基于孔隙介质理论的，具有比较明确的物理意义。

(2)贝叶斯分类算法同其他非线性反演方法相比算法逻辑更加简单，更加易于实现；算法性能稳定，对于不同的数据特点其分类性能差别不大，模型健壮性更好，而且算法时间、空间开销小等特点。

(3)传统岩石物理参数反演方法对井的数量以及井在工区内的空间分布都有比较苛刻的要求，而本方法通过合理的先验分布假定结合MCMC随机模拟，可以降低对井的要求，使方法能够更好适应不同的数据条件。

(4)传统岩石物理参数地震反演方法只能实现单一参数的反演，从而没有考虑不同岩石物理参数之间的耦合影响，本方法基于岩石物理模型进行反演，能够同时反演得到多种岩石物理参数。

附图说明

图1本发明碳酸盐岩岩石物理参数地震反演方法的步骤框图。

图2中国西部碳酸盐岩叠后地震剖面。

图3碳酸盐岩储层测井响应。

图4-1孔洞型碳酸盐岩岩石物理模型标定结果。

图4-2溶洞充填型碳酸盐岩岩石物理模型标定结果。

图4-3裂缝型碳酸盐岩岩石物理模型标定结果。

图5岩石物理参数井上反演结果。

图6-1 A井孔隙度反演结果。

图6-2 B井孔隙度反演结果

图6-3 C井孔隙度反演结果

图6-4 D井孔隙度反演结果

图7-1岩石物理参数反演结果剖面(相对孔隙度)。

图7-2岩石物理参数反演结果剖面(相对含水饱和度)。

图7-3岩石物理参数反演结果剖面(相对泥质含量)。

图7-4岩石物理参数反演结果剖面(相对白云石含量)。

图7-5岩石物理参数反演结果剖面(相对石灰石含量)。

图8-1岩石物理参数反演结果沿层切片(相对孔隙度)。

图8-2岩石物理参数反演结果沿层切片(相对泥质含量)。

图8-3岩石物理参数反演结果沿层切片(相对白云石含量)。

图8-4岩石物理参数反演结果沿层切片(相对石灰石含量)。

图8-5岩石物理参数反演结果沿层切片(相对含水饱和度)。

图9多属性综合裂缝体解释结果。

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明用于从测井、地质、地震信息中提取孔隙度、饱和度、岩石矿物含量等多种岩石物理参数。其特征在于采用统计岩石物理模型来建立储层物性参数同弹性参数之间的函数关系，在叠前反演得到纵波速度、横波速度和密度等弹性参数的基础上，基于贝叶斯分类算法从弹性参数进一步反演得到储层物性参数。

如图1所示，本发明方法包括以下步骤：

(1)基于叠前角度道集进行叠前AVO三参数反演，得到地层弹性参数M，所述M包括纵波速度、横波速度和密度；

(2)基于测井资料建立统计岩石物理模型；

(3)基于马尔科夫链蒙特卡罗(MCMC)抽样Metropolis Hastings抽样算法，结合步骤(2)得到的岩石物理模型，对储层物性条件进行随机模拟，得到的就是随机模拟结果{R_iM_i}_i=1…N；

(4)基于步骤(3)的随机模拟结果进行贝叶斯分类模拟，得到后验概率分布P(R_c|M)，将步骤(1)的结果作为反演的输入，反演得到岩石物理参数最大后验概率分布。

所述步骤(2)中统计岩石物理模型的建立需要针对目标储层的不同地质背景，建立相应的岩石物理模型：M=f_RPM(R)+ε

其中，M为地层弹性参数代表地层的弹性性质，一般为纵波速度、横波速度和密度；R为地层岩石物理参数代表地层的岩石物理性质，在本发明中指孔隙度、含水饱和度、泥质含量、白云石含量和石灰石含量；f_RPM代表一种地层弹性参数同地层岩石物理参数之间的函数关系，也就是岩石物理模型，ε为模型误差；

通常对于一般压实碎屑岩地层可以采用韩德华经验公式或者Gassmann模型，对于中低孔、胶结良好的砂泥岩地层可以采用经典Xu&White模型，对于碳酸盐岩本发明采用改进的Xu&White模型。统计岩石物理模型的随机误差ε服从零均值的截断高斯分布，基于统计理论计算模型误差ε的方差和截断值。

由于经典Xu&White模型是针对碎屑岩提出的，而碳酸盐岩岩石矿物组分、孔隙结构等都与碎屑岩存在很大差异，因此需要对经典Xu&White模型做如下改进才能更好的适用于碳酸盐岩储层：

①由于碳酸盐岩骨架多以方解石、白云石及粘土为主，因此需要将砂泥岩中的石英及粘土替换成上述矿物组分，利用Voigt-Reuss-Hill(VRH)模型计算碳酸盐岩骨架弹性模量，具体公式为：

其中，K_ma代表岩石基质弹性模量，

是Voigt提出的n个组分的等效弹性模量的上限，

是Reuss提出的n个组分的等效弹性模量下限，c_i和K_mai分别是第i种组分的体积含量和弹性模量。

②碳酸盐岩储集空间主要为溶洞、裂缝及粒间孔隙，但利用理论和微分等效介质模型能够实现与孔隙度无关、仅与孔隙纵横比相关的碳酸盐岩等效介质计算。利用连续一阶差分理论实现等效模量计算，其体积模量和剪切模量分别为：

K_d=K_ma(1-φ)^p

U_d=U_ma(1-φ)^q

其中，K_d和U_d分别是孔隙度为φ时的干岩骨架体积模量和剪切模量，K_m和U_m分别是岩石基质的体积模量和剪切模量，p和q是一组只与纵横比有关的系数，与溶洞、裂缝、粒间孔隙体积分量及孔隙纵横比成正比。

③孔隙流体体积模量通过Wood方程计算：

其中，K_f为混合流体体积模量，K_i为单相流体体积模量，f_i是相应的单相流体饱和度。

④基于体积平均计算含饱和流体岩石的体积密度ρ：

其中ρ_fi为单相流体体积密度，f_i是相应的单相流体饱和度；c_i和ρ_mai分别是第i种组分的体积含量和弹密度。

⑤最终，基于Gassmann-Biot-Geertsma模型给出饱和岩石的弹性模量并计算纵波速度Vp和横波速度Vs：

其中，K_s是饱和流体体积模量，ρ是岩石密度。根据以上公式，可以根据碳酸盐岩矿物成分、孔隙度和含流体饱和度参数计算得到纵横波速度。

M=f_RPM(R)中，M为地层弹性参数代表地层的弹性性质，在改进的Xu&White模型中指纵波速度、横波速度和密度，即M={纵波速度、横波速度和密度}；R为地层岩石物理参数代表地层的岩石物理性质，在本发明中指孔隙度、含水饱和度、泥质含量、白云石含量和石灰石含量，即R={孔隙度，含水饱和度，泥质含量，白云石含量，石灰石含量}，步骤①中的c_i为是第i种组分的体积含量，分别指泥质含量、白云石含量和石灰石含量，步骤②中的φ为孔隙度，步骤③中的f_i是相应的单相流体饱和度；f_RPM代表一种地层弹性参数同地层岩石物理参数之间的函数关系，本发明中指改进的Xu&White模型，也就说通过上面一系列的公式可以根据地层的岩石物理性质R={孔隙度，含水饱和度，泥质含量，白云石含量，石灰石含量}计算得到岩石的弹性性质M={纵波速度、横波速度和密度}，这个过程就是岩石物理模型标定。

上面描述的是对经典Xu&White模型的改进，没有再具体表达经典Xu&White模型；另外，从公式到公式之间的所有公式构成了改进的Xu&White模型。

所述步骤(3)的目的是通过随机模拟的方法，实现储层物性条件从井点到空间的横向外推，具体包括以下内容：

①假定储层物性参数R先验分布服从多维高斯分布(GMM)， 这里N代表多维高斯分布，和分别为多维高斯分布的均值和协方差矩阵，NR为岩石物理模型中，物性参数变量的个数，权重系数α_k满足：基于EM算法获取高斯混合模型的参数(包括混合高斯分布的均值和协方差矩阵)估计(EM用于混合高斯模型参数估计，是现在比较流行的一种极大似然估计方法，过程比较复杂，这里仅给出均值和协方差矩阵的具体计算公式为

②基于储层物性参数先验分布，利用MCMC抽样Metropolis Hastings抽样算法对储层物性条件进行随机模拟，得到储层物性条件的随机模拟结果{R_i}_i=1…N，结合统计岩石物理模型M=f_RPM(R)+ε，得到储层物性参数和弹性参数的综合随机模拟结果{R_i，M_i}_i=1…N({R_i}_i=1…N中N代表MCMC随机抽样次数，i表示第i次随机模拟得到的地层岩石物理参数；将随机模拟的得到的地层岩石物理参数{R_i}_i=1…N带入M=f_RPM(R)+ε就可以到了Mi，从而也就得到了{R_i，M_i}i=_1…N)，实现储层物性条件从井点到空间的外推。

所述步骤(4)其特征在于整个反演是基于贝叶斯框架的，采用了贝叶斯分类算法，反演目标函数表示为存已知弹性参数条件下储层物性参数的最大后验概率分布：

R=argMaxP(R_c|M)c=1，2…，N_CR

上式为反演目标函数，P(Rc|M)为已知M时，Rc的概率，为后验概率形式。通过求取已知M下，不同的R的概率，并且判断具有最大后验概率分布的R为所需要的反演结果。

其中，R_c同前面的R的意义一样，指地层岩石物理参数，也就是需要反演的参数，Rc表示不同类别的岩石物理性质，以孔隙度为例来说明，假设N_CR=3，分别表示低孔隙度、中孔隙度和高孔隙度，如果P(φ₂|M)＞m ax{P(φ₁|M)，P(φ₃|M)}成立，则反演结果为φ₂，也就是中孔隙度

N_CR为储层物性参数的类别数，这个参数需要根据实际情况，实施者自己给出，这个参数控制了反演结果的精度及分辨率，也就是说如果实施者将类分的更细，则结果的精度也就更高，但同时需要更大的计算量和更大的计算存储空间。

基于贝叶斯分类算法求解该目标函数，具体包含以下步骤：

①根据贝叶斯公式，可以得到

P(R_c|M)=P(R_c|Vp，Vs，ρ)=α·P(Vp，Vs，ρ|R)·P(R_c)，c=1，2，…，N_CR

其中α是常数，基于贝叶斯分类算法条件独立性假设，可以得到

P(R_c|Vp，Vs，ρ)=α·P(Vp|R_c)·P(Vs|R_c)·P(ρ|R_c)·P(R_c)，c=1，2，…，N_CR

②基于步骤(3)得到的储层物性参数和弹性参数的综合随机模拟结果{R_i，M_i}_i=1…N可以得到：

其中，n为计数统计，Rc为地层岩石物理参数的类标号，为一个值，但代表的是一个取值范围，同样的上面公式中的Vp，Vs，ρ也对应着一个取值范围，n(Vp∩R_c)就是统计{R_i，M_i}_i=1…N中R在Rc取值范围内，且Vp也在Vp范围内的随机采样点的个数。

③输入步骤(1)叠前反演得到的地层弹性参数M，如果P(R_i|M)＞P(R_j|M)1≤i，j≤Nc，ij，则最终反演结果R=R_i，就可以反演得到多种岩石物理参数R。

这里的M是反演过程中的输入，是一个确定的值，而不是每个Mi，这里的M就是上面公式中的Vp，Vs，ρ，在实际实施过程中是基于步骤(1)得到的，具体的得到方法有很多，本发明不做一一说明。

④输入步骤(1)叠前反演得到的地层弹性参数M，就可以反演得到多种岩石物理参数R。

下面参照附图并结合实施例对本发明做进一步说明。

实施例基于中国西部海相碳酸盐岩储层实际资料。图2为实施例叠后地震剖面，图2表明碳酸盐岩储层以溶洞和裂缝为主要储集空间。图3为实施例测井资料，包括岩石物理参数(孔隙度、含水饱和度、泥质含量、白云石含量和石灰石含量)和弹性参数(纵波速度、横波速度和密度)。

首先根据步骤(1)，基于实施例叠前地震道集和测井资料进行叠前AVO三参数反演，得到地层弹性参数，包括纵波速度、横波速度和密度参数。这一步有多种方法可以选择，包括EI反演、常规AVO三参数反演，自主研发的AVO三参数反演方法以及可以进行叠前反演的商业软件等。

接下要进行岩石物理建模，根据步骤(2)介绍的改进型的Xu&White模型对实施例中几种典型储层类型，包括裂缝型、溶蚀孔洞型和溶洞型，进行岩石物理标定。图4-1至图4-3为不同类型碳酸盐岩缝洞型储层岩石物理模型标定结果，可以看出该模型对于裂缝或者溶蚀孔洞型储层可以很准确的建立地层弹性参数与岩石物理参数之间的关系，对于溶洞型储层，由于溶洞本身就很难用孔隙介质理论去描述，所以该模型对于溶洞型储层的描述效果要差一些，但由于溶洞的存在必然导致剧烈的纵横波速度差异，基于该模型也可以基本反映溶洞存在的趋势。

然后，根据步骤(3)说明的方法，统计图3岩石物理参数先验分布，然后根据MCMC抽样Metropolis Hastings抽样算法对储层物性条件进行随机模拟。并且根据步骤(4)说明，以步骤(1)反演得到的纵波速度、横波速度和密度作为输入进行岩石物理参数联合反演，最终得到孔隙度、含水饱和度、泥质含量、白云石含量和石灰石含量(这些参数用数学变量R表示的)。基于本发明可以同时反演得到多种储层岩石物理参数，图5为井上验证结果，这里只考虑岩石物理模型误差的影响，不考虑输入数据的误差的影响。可以看出，体现岩石骨架信息的孔隙度、矿物含量等岩石物理参数反演要更准确一些，而单纯反映流体信息的含水饱和度的反演误差会更大一些。为了进一步验证岩石物理模型在整个工区的适用性，我们在全工区选择了几口均匀分布的具有代表性的几口井来进行验证。图6-1至图6-4为提取不同井上孔隙度的反演结果，不同井的孔隙度反演结果同原始测井解释结构一致性良好，这说明该岩石物理模型具有很好的空间外特性。图7-1至图7-5为基于叠前AVO三参数反演结果得到的岩石物理参数反演结果的一条连井剖面，可以看出反演结果同测井解释结果的一致性很好。图8-1至图8-5为提取的岩石物理参数沿层切片，图9为基于常规叠后多属性综合裂缝体解释结果。对比这些成果图件，可以看出基于本发明反演得到的物性参数同常规解释结果是一致的，储量吻合率达到85％以上。泥质在碳酸盐岩储层中，多以裂缝或溶蚀孔洞充填物形式存在，因此泥质含量在一定程度上能够反映裂缝或者溶蚀孔洞的存在，对比泥质含量沿层切片和叠后裂缝综合预测结果可以验证这一结论，同时也验证的该方法在碳酸盐岩岩石物理参数反演中应用的有效性。

本发明基于改进的Xu&White模型建立适合碳酸盐岩缝洞型储层的岩石物理模型，结合蒙特卡罗随机模拟建立能够表现地球物理随机特性的统计岩石物理模型，基于叠前AVO反演得到的弹性参数，进一步基于贝叶斯理论建立岩石物理参数反演目标函数，并且利用贝叶斯分类算法进行求解，最总同时反演得到多种岩石物理参数。本发明克服了常规岩石物理参数反演方法完全基于统计假设，进行黑箱反演的缺点。并且基于中国西部碳酸盐岩储层实际资料进行岩石物理参数反演，取得了令人满意的结果。

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 (2)

1.一种碳酸盐岩储层物性参数地震反演方法，其特征在于：所述方法包括：

(1)基于叠前角度道集进行叠前AVO三参数反演，得到地层弹性参数M，所述地层弹性参数M包括纵波速度、横波速度和密度；

(2)基于测井资料建立统计岩石物理模型；

(3)结合步骤(2)得到的统计岩石物理模型，对储层物性参数进行随机模拟，得到随机模拟结果；

(4)对步骤(3)得到的随机模拟结果进行贝叶斯分类模拟，得到后验概率分布，将步骤(1)得到的地层弹性参数M作为反演的输入，找到具有最大后验概率分布的R即为最终的反演结果；

所述步骤(2)中统计岩石物理模型的建立需要针对目标储层的不同地质背景，建立相应的统计岩石物理模型：M＝f_RPM(R)+ε；

其中，R为储层物性参数，包括孔隙度、含水饱和度、泥质含量、白云石含量和石灰石含量；f_RPM代表函数关系岩石物理模型，ε为统计岩石物理模型的模型误差，其服从零均值的截断高斯分布，基于统计理论计算统计岩石物理模型的模型误差ε的方差和截断值；

对于碳酸盐岩，其函数关系岩石物理模型f_RPM是通过函数关系岩石物理模型标定实现的，具体包括：

①利用Voigt-Reuss-Hill模型计算碳酸盐岩骨架弹性模量，具体公式为：

$K_{ma}=\frac{1}{2}(K_{maV}+K_{maR})$

其中，K_ma代表碳酸盐岩骨架弹性模量，

$K_{maV}=\underset{i=1}{\overset{n}{\Σ}}{c}_i{K}_{mai}$

是Voigt提出的n个组分的等效弹性模量的上限，

$K_{maR}=\underset{i=1}{\overset{n}{\Σ}}\frac{c_i}{K_{mai}}$

是Reuss提出的n个组分的等效弹性模量下限，K_mai是第i种组分的弹性模量；c_i为是第i种组分的体积含量，分别指泥质含量、白云石含量和石灰石含量；

②利用连续一阶差分理论实现等效模量计算，干岩骨架的体积模量和剪切模量分别为：

K_d＝K_m(1-φ)^p

U_d＝U_m(1-φ)^q

其中，K_d和U_d分别是孔隙度为φ时的干岩骨架体积模量和剪切模量，K_m和U_m分别是岩石基质的体积模量和剪切模量，p和q是一组只与纵横比有关的系数，与溶洞、裂缝、粒间孔隙体积分量及孔隙纵横比成正比；

③通过Wood方程计算孔隙流体体积模量：

$\frac{1}{K_f}=\underset{j=1}{\overset{m}{\Σ}}\frac{f_j}{K_j}$

其中，K_f为混合流体体积模量，K_j为单相流体体积模量，f_j是相应的单相流体饱和度；

④基于体积平均计算含饱和流体岩石的体积密度ρ：

$\mathrm{\ρ}=(1-\mathrm{\φ})\underset{i=1}{\overset{n}{\Σ}}{c}_i{\mathrm{\ρ}}_{mai}+\mathrm{\φ}\underset{j=1}{\overset{m}{\Σ}}{f}_j{\mathrm{\ρ}}_{fj}$

其中ρ_fj为单相流体体积密度，f_j是相应的单相流体饱和度；c_i和ρ_mai分别是第i种组分的体积含量和体积密度；

⑤基于Gassmann-Biot-Geertsma模型给出饱和岩石的弹性模量并计算纵波速度Vp和横波速度Vs：

${\mathrm{Vp}}^2=\frac{1}{\mathrm{\ρ}}\[K_d+\frac{4}{3}{U}_d+\frac{(1-\frac{K_d}{K_s})}{(1-\mathrm{\φ}-\frac{K_d}{K_s})\frac{1}{K_s}+\frac{\mathrm{\φ}}{K_f}}\]$

${\mathrm{Vs}}^2=\frac{K_d}{\mathrm{\ρ}}$

其中，K_s是饱和流体体积模量；

通过步骤①至⑤实现了根据地层的储层物性参数R计算得到地层弹性参数M，即完成了函数关系岩石物理模型标定，得到碳酸盐岩的函数关系岩石物理模型f_RPM；

所述步骤(3)中是采用马尔科夫链蒙特卡罗抽样Metropolis Hastings抽样算法，结合步骤(2)得到的统计岩石物理模型，对储层物性参数R进行随机模拟，得到的随机模拟结果{R_l,M_l}_l＝1…L，具体包括：

①假定储层物性参数R的先验分布服从多维高斯分布：

式中，N代表多维高斯分布，和分别为多维高斯分布的均值和协方差矩阵，N_R为统计岩石物理模型中，储层物性参数变量的个数，权重系数α_k满足：

基于EM算法获取高斯混合模型的储层物性参数估计；

②基于储层物性参数先验分布，利用马尔科夫链蒙特卡罗抽样Metropolis Hastings抽样算法对储层物性参数进行随机模拟,得到储层物性参数的随机模拟结果{R_l}_l＝1…L，结合统计岩石物理模型M＝f_RPM(R)+ε，得到储层物性参数和地层弹性参数的综合随机模拟结果{R_l,M_l}_l＝1…L；

其中，L代表马尔科夫链蒙特卡罗随机抽样次数,l表示第l次随机模拟。

2.根据权利要求1所述的碳酸盐岩储层物性参数地震反演方法，其特征在于：所述步骤(4)中反演得到岩石物理参数最大后验概率分布是这样实现的：

反演目标函数如下：

R＝arg MaxP(R_c|M)c＝1,2…,N_CR

其中，P(Rc|M)为所述后验概率分布；

N_CR为储层物性参数的类别数；

基于贝叶斯分类算法求解该目标函数，即输入步骤(1)得到的地层弹性参数M，计算得到后验概率分布P(R_c|M)，找到具有最大后验概率分布的R即为最终的反演结果。