CN104570104A - 一种基于两步法avf的纵横波地震品质因子提取方法 - Google Patents

Abstract

本发明提供了一种基于两步法AVF的纵横波地震品质因子提取方法，属于地震资料叠前反演领域。本方法包括：(1)输入叠前地震数据，即偏移后的分角度叠加数据；(2)对所述分角度叠加数据进行分频，形成分频数据体；(3)对步骤(2)得到的不同的分频数据体分别进行AVO反演，得到不同频率的纵波速度、横波速度和密度；(4)对步骤(3)得到的不同频率的纵波速度和横波速度分别进行AVF反演，得到纵波的品质因子和横波的品质因子。

Description

一种基于两步法AVF的纵横波地震品质因子提取方法

技术领域

本发明属于地震资料叠前反演领域，具体涉及一种基于两步法AVF的纵横波地震品质因子提取方法。

背景技术

地震波传播的地下介质是非完全弹性介质，当地震波在其中传播时就会发生衰减，并且衰减的程度随地震波的频率变化而变化。对地震波吸收衰减的强度是介质的本征属性，反应了岩石弹性和塑形的性质，因此如果对地震波的吸收衰减率进行研究，就可以有效的区分岩石和孔隙流体的信息。目前提取品质因子(又称为衰减因子)的主流方法是VSP资料的谱比法和质心频移法。Hauge在1981提出了通过零偏VSP资料提取品质因子的谱比法，首次提出了通过地震资料来估计品质因子的方法。1997年Quan和Harris提出了质心频移法更可靠地估算不随频率变化的品质因子。这两种方法简单易用，但在精度上和使用范围上十分局限，很大程度上制约了其应用。

AVF反演是另一种思路，通过研究在非完全弹性介质中振幅随频率的变化规律来反演品质因子。White在1965年提出了吸收衰减会导致反射系数的变化。到2011年Innanen建立了可以用来反演的AVF模型，但是到目前为止AVF的研究也仅仅处于起步阶段，各方面都还很不成熟，在应用上还存在较大问题，因此该方法在地球物理领域尚具有较大的发展空间。

品质因子是一个重要的储层物性参数，它主要反映底层对地震波能量的吸收程度，这对判断储层，特别是横波的品质因子对判断流体十分有帮助。传统的提取品质因子的方法往往使用VSP资料，通过计量不同深度的地震波的能量来获得，主要方法有谱比法和质心频移法等。这样做有较大的局限性，首先传统方法只能获得井旁的品质因子数据，缺乏整个工区的信息。其次传统方法仅仅针对纵波品质因子，缺乏重要的横波品质因子信息。最后，影响地震波传播能量的因素很多，无法区分哪一部分能量的损失是由于地层本身的吸收造成的，因此传统方法在精度上也会受到制约。

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，提供一种基于两步法AVF的纵横波地震品质因子提取方法，将传统叠前反演和AVF反演相结合，通过分频的地震资料分别估算纵波和横波的品质因子，可以有效的获得大范围的高精度的纵横波品质因子，本发明使用地震数据，避免了井数据过于稀疏的问题，并且通过振幅随频率的关系，绕开能量的统计，提高计量精度，使用基于叠前反演的方法，有丰富的偏移距信息用来估计横波品质因子。

本发明是通过以下技术方案实现的：

一种基于两步法AVF的纵横波地震品质因子提取方法，包括：

(1)输入叠前地震数据，即偏移后的分角度叠加数据；

(2)对所述分角度叠加数据进行分频，形成分频数据体；

(3)对步骤(2)得到的不同的分频数据体分别进行AVO反演，得到不同频率的纵波速度、横波速度和密度；

(4)对步骤(3)得到的不同频率的纵波速度和横波速度分别进行AVF反演，得到纵波的品质因子和横波的品质因子。

所述步骤(4)是这样实现的：

利用公式(1)对步骤(3)得到的不同频率的纵波速度和横波速度分别进行AVF反演，得到纵波的品质因子和横波的品质因子：

$v=v_0[1-\frac{i}{2Q}+\frac{\ln (\mathrm{\ω}/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]---\left(2\right)$

其中，v是步骤(3)得到的纵波速度或者横波速度，ω是圆频率，ω_r是参考圆频率，v₀是频率为参考圆频率时的速度，Q是品质因子，i是虚数单位；

公式(1)中的Q和v₀为未知参数，其他参数为已知，通过不同频率(ω₁，ω₂，…，ω_n)的速度(v₁，v₂，…，v_n)建立如下方程组，求解该方程组得到Q和v₀：

$\left\{\begin{array}{c}{v}_1=v_0[1-\frac{i}{2Q}+\frac{\ln ({\mathrm{\ω}}_1/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]\\ v_2=v_0[1-\frac{i}{2Q}+\frac{\ln ({\mathrm{\ω}}_2/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]\\ .\\ .\\ .\\ v_n=v_0[1-\frac{i}{2Q}+\frac{\ln ({\mathrm{\ω}}_n/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]\end{array}\right.$

与现有技术相比，本发明的有益效果是：本方法在使用叠前地震数据进行分步AVF反演，最终获得纵波和横波的品质因子，较之传统VSP方法提取的品质因子有精度高，分布均匀，信息丰富的特点。十分适宜于储层预测和流体分析。

附图说明

图1为本发明方法的步骤框图。

图2为示例平层模型。

图3为对图2模型正演的数据。

图4为对图3数据进行AVO反演的纵波速度。

图5为对图3数据进行AVO反演的横波速度。

图6为对图4反演结果进行AVF反演的并和模型参数的比较。

具体实施方式

下面结合附图对本发明作进一步详细描述：

本发明根据地震反射系数随频率的变化规律(Amplitude Variation withFrequency，AVF)，通过对分频后的地震数据实施AVO反演和AVF反演来提取地震品质因子。

本发明建立在速度频散关系

$v=v_0[1-\frac{i}{2Q}+\frac{\ln (\mathrm{\ω}/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]---\left(3\right)$

之上，其中v是频散速度，ω是圆频率(这个值就是频率参数，分频后已知)，ω_r是参考圆频率(这是一个给出的量，一般是取数据的主频)，v₀是频率为参考圆频率时的速度，Q是品质因子，i是虚数单位。图1中的粘弹性反射系数模型就是公式(1)描述的速度和频率以及品质因子的关系。

AVO反演的Akira&Richard近似公式如下：

$R_{\mathrm{pp}}\left(\mathrm{\θ}\right)\≈\frac{1\mathrm{\Δ\ρ}}{2\mathrm{\ρ}}(1-\frac{{4\mathrm{\β}}^2}{{\mathrm{\α}}^2}{\sin }^2\mathrm{\θ})+\frac{1}{2{\cos }^2\mathrm{\θ}}\frac{\mathrm{\Δ\α}}{\mathrm{\α}}-\frac{{4\mathrm{\β}}^2}{{\mathrm{\α}}^2}\frac{\mathrm{\Δ\β}}{\mathrm{\β}}{\sin }^2\mathrm{\θ}---\left(4\right)$

通过不同的角度(θ₁，θ₂，…，θ_n)的不同反射系数的数据形成一个线性方程组，求解三个参数，具体的方程组如下。

$\left\{\begin{array}{c}{R}_{\mathrm{pp}}\left({\mathrm{\θ}}_1\right)\≈\frac{1\mathrm{\Δ\ρ}}{2\mathrm{\ρ}}(1-\frac{{4\mathrm{\β}}^2}{{\mathrm{\α}}^2}{\sin }^2{\mathrm{\θ}}_1)+\frac{1}{{2\cos }^2{\mathrm{\θ}}_1}\frac{\mathrm{\Δ\α}}{\mathrm{\α}}-\frac{{4\mathrm{\β}}^2}{{\mathrm{\α}}^2}\frac{\mathrm{\Δ\β}}{\mathrm{\β}}{\sin }^2{\mathrm{\θ}}_1\\ R_{\mathrm{pp}}\left({\mathrm{\θ}}_2\right)\≈\frac{1\mathrm{\Δ\ρ}}{2\mathrm{\ρ}}(1-\frac{{4\mathrm{\β}}^2}{{\mathrm{\α}}^2}{\sin }^2{\mathrm{\θ}}_2)+\frac{1}{{2\cos }^2{\mathrm{\θ}}_2}\frac{\mathrm{\Δ\α}}{\mathrm{\α}}-\frac{4{\mathrm{\β}}^2}{{\mathrm{\α}}^2}\frac{\mathrm{\Δ\β}}{\mathrm{\β}}{\sin }^2{\mathrm{\θ}}_2\\ .\\ .\\ .\\ R_{\mathrm{pp}}\left({\mathrm{\θ}}_n\right)\≈\frac{1\mathrm{\Δ\ρ}}{2\mathrm{\ρ}}(1-\frac{{4\mathrm{\β}}^2}{{\mathrm{\α}}^2}{\sin }^2{\mathrm{\θ}}_n)+\frac{1}{{2\cos }^2{\mathrm{\θ}}_n}\frac{\mathrm{\Δ\α}}{\mathrm{\α}}-\frac{{4\mathrm{\β}}^2}{{\mathrm{\α}}^2}\frac{\mathrm{\Δ\β}}{\mathrm{\β}}{\sin }^2{\mathrm{\θ}}_n\end{array}\right.$

其中，界面上下介质的纵横波速度和密度分别为α₁、α₂、β₁、β₂、ρ₁、ρ₂，θ是反射角和入射角的平均；

Δα＝α₂-α₁，Δβ＝β₂-β₁，Δρ＝ρ₂-ρ₁，

α＝(α₁+α₂)/2，β＝(β₁+β₂)/2，

ρ＝(ρ₁+ρ₂)/2。

将(1)式代入，就可以得到一个反射系数随入射角和圆频率变化的关系。但同时也可以观察到，代入后的(2)式的形式是不变的，也就是(2)式对于任意圆频率都是成立的，因此整个反演可以分为两个过程，第一个就是按照(2)式反演纵横波速度和密度，另外一个部分是通过(1)式反演纵横波的品质因子。

综合上面分析，如图1所示，本方法的主要实施步骤为：

(1)地震数据准备，所需数据为偏移后的分角度叠加数据(即图1中的叠前地震数据)；

(2)对分角度叠加的数据进行分频，形成分频数据体；

(3)对不同的分频数据体(即图1中的频率1叠前道集……频率n叠前道集)分别按(2)式进行AVO反演，分别得到不同频率的纵波速度、横波速度和密度；

将步骤(2)得到分频后的不同频率的数据将代入公式(2)的左边也就是Rpp；使用(2)式反演得到不同的纵横波速度(α、β)和密度ρ，公式(2)对于不同的频率都是相同的。

(4)对步骤(3)得到的不同频率的纵波速度和横波速度分别按(1)式反演，得到纵横波的品质因子：将步骤(3)得到的纵波速度或横波速度作为左端项也就是v分别代入公式(1)的。

下面通过一个实施例来说明本方法的技术效果：

(1)使用一个平层模型作为的一个正演道集作为示例。平层模型如图2所示。

(2)对图2所示模型进行正演，得到的不同频率不同入射角的数据如图3所示。

(3)对图3所示模型首先进行AVO反演，得到不同频率的纵横波速度，纵横波速度如图4和图5所示。

(4)对(3)得到的不同频率的纵波速度和横波速度分别按(1)式反演，得到纵波品质因子(如图6中的实线所示)和横波品质因子(如图6中的虚线所示)。通过与模型设定的纵波品质因子(如图6中的圆圈所示)和横波品质因子(如图6中的十字所示)对比，可以看出反演结果与模型参数完全吻合。

品质因子是一个重要的储层物性参数，它主要反映底层对地震波能量的吸收程度，这对判断储层，特别是横波的品质因子对判断流体十分有帮助。但传统VSP方法存在计量不准，控制范围小，不能提供横波信息等缺点。针对这一问题，本发明提出了一种两步法的纵横波品质因子反演方法。本方法使用叠前地震数据进行AVO和AVF反演，同时提取纵横波品质因子。使用较为精确的振幅随频率的变化规律，因此本方法具有精度高，范围广和信息丰富的优点。

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 (2)

1.一种基于两步法AVF的纵横波地震品质因子提取方法，其特征在于：所述方法包括：

(1)输入叠前地震数据，即偏移后的分角度叠加数据；

(2)对所述分角度叠加数据进行分频，形成分频数据体；

(3)对步骤(2)得到的不同的分频数据体分别进行AVO反演，得到不同频率的纵波速度、横波速度和密度；

(4)对步骤(3)得到的不同频率的纵波速度和横波速度分别进行AVF反演，得到纵波的品质因子和横波的品质因子。

2.根据权利要求1所述的基于两步法AVF的纵横波地震品质因子提取方法，其特征在于：所述步骤(4)是这样实现的：

利用公式(1)对步骤(3)得到的不同频率的纵波速度和横波速度分别进行AVF反演，得到纵波的品质因子和横波的品质因子：

$v=v_0[1-\frac{i}{2Q}+\frac{\ln (\mathrm{\ω}/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]---\left(1\right)$

其中，v是步骤(3)得到的纵波速度或者横波速度，ω是圆频率，ω_r是参考圆频率，v₀是频率为参考圆频率时的速度，Q是品质因子，i是虚数单位；

公式(1)中的Q和v₀为未知参数，其他参数为已知，通过不同频率(ω₁，ω₂，…，ω_n)的速度(v₁，v₂，…，v_n)建立如下方程组，求解该方程组得到Q和v₀：

$\left\{\begin{array}{c}{v}_1=v_0[1-\frac{i}{2Q}+\frac{\ln ({\mathrm{\ω}}_1/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]\\ v_2=v_0[1-\frac{i}{2Q}+\frac{\ln ({\mathrm{\ω}}_2/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]\\ .\\ .\\ .\\ v_n=v_0[1-\frac{i}{2Q}+\frac{\ln ({\mathrm{\ω}}_n/{\mathrm{\ω}}_r)}{\mathrm{\πQ}}]\end{array}\right..$