CN109557601A - 一维海洋可控源电磁和地震联合储层参数反演方法 - Google Patents
一维海洋可控源电磁和地震联合储层参数反演方法 Download PDFInfo
- Publication number
- CN109557601A CN109557601A CN201910060823.6A CN201910060823A CN109557601A CN 109557601 A CN109557601 A CN 109557601A CN 201910060823 A CN201910060823 A CN 201910060823A CN 109557601 A CN109557601 A CN 109557601A
- Authority
- CN
- China
- Prior art keywords
- inversion
- rock
- simulated annealing
- log
- joint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
针对岩石物理模型不确定性问题,不适定性及局部收敛问题及计算量及存储问题,本发明提供一种一维海洋可控源电磁和地震联合储层参数反演方法,属于油气勘探技术领域。该反演方法包括:步骤1:通过对搜集的岩石物理测试数据归纳总结,得到联合反演中岩石物理关系;步骤2:对电磁和地震数据进行分析,建立联合反演的归一化目标函数;步骤3:正则化因子自适应调整方法目标函数中的岩石物理关系;步骤4:使用优化的模拟退火结合粒子群联合反演求解归一化目标函数;步骤5:把GPU运算引入到模拟退火结合粒子群联合反演算法中算法。该方法可以使结果收敛到全局最优解,具有良好的并行性,大大提高反演速度和精度。
Description
技术领域
本发明属于油气勘探技术领域,具体涉及一维海洋可控源电磁和地震联合储层参数反演 方法。
背景技术
在油气勘探和开采中,从地球物理数据准确的估算储层参数非常重要。岩样中所有孔隙 空间体积之和与该岩样体积的比值,称为该岩石的孔隙度。在油气储层中,油气所占的孔隙 的体积与岩石孔隙体积之比为含油气饱和度,通过地震数据可以进行准确的地质构造成像以 及预测储层的孔隙度,但却很难得到油气的饱和度。与此相反,海洋可控源电磁(CSEM) 方法不能很好地解决地质构造问题,但电阻率对于不同流体的饱和度却非常敏感,对于海洋 可控源电磁和地震联合反演,国内外已经有大量成果发表,但仍然存在以下三个主要问题: (1)岩石物理模型不确定性问题;(2)不适定性及局部收敛问题;(3)计算量及存储问题。
发明内容
针对上述问题,本发明提供一种一维海洋可控源电磁和地震联合储层参数反演方法,以 储层为目标导向,通过建立合理的储层岩石物理模型,利用模拟退火粒子群优化算法,进行 海洋可控源电磁和地震联合反演,得到储层孔隙度和饱和度,并基于GPU并行计算提高联合 反演速度。
本发明是通过以下技术方案实现的:
一维海洋可控源电磁和地震联合储层参数反演方法,该反演方法包括以下步骤:
步骤1:对搜集的岩石物理测试数据归纳总结,得到联合反演中岩石物理关系;
步骤2:对电磁数据和地震数据进行分析,建立联合反演的归一化目标函数:
式中:γ为正则化因子,m是模型参数,是归一化的地震数据,是归一化的海洋 可控源电磁数据;
步骤3:正则化因子自适应调整方法调整目标函数中的岩石物理关系;
上式中Φ(m)(k-1)为第k-1次迭代结果,k为迭代次数。
步骤4:使用优化的模拟退火结合粒子群联合反演求解归一化目标函数;
步骤5:把GPU运算引入到模拟退火结合粒子群联合反演算法中算法,反演时仅针对地 震剖面确定的储层进行构造约束反演,直接得到储层孔隙度和饱和度。
进一步的,在步骤1中,对搜集的岩石物理测试数据归纳总结,得到岩石孔隙度和电阻 率的关系表;分析岩石样品纵波速度vp、横波速度vs与电阻率关系,得到了二者三个近似的 线性关系式;分析压强对它们的影响,每一块样品随着压强的增加速度和电阻率都会增大, 并且每块样品在不同压强下的速度和电阻率同样有近似的线性关系;
纵波速度与标准电阻率关系公式:
log(N*)=0.386*vp-0.256,R2=0.863
log(N*)=0.632*vp-0.571,R2=0.735
log(N*)=0.523*vp-0.627,R2=0.759
横波速度与标准电阻率关系式:
log(N*)=0.348*vs-0.539,R2=0.854
log(N*)=0.682*vs-0.125,R2=0.768
log(N*)=0.547*vs-0.896,R2=0.845
进一步的,在步骤4中,采用模拟退火结合粒子群算法的优化反演,在每个粒子的速度 和位置更新过程中加入模拟退火机制。
该发明提出了一种基于GPU的模拟退火粒子群一维海洋可控源电磁和地震联合储层参 数反演方法,通过构建的联合反演目标函数把海洋可控源电磁和地震两种不同的地球物理数 据结合到一起,并进行了归一化处理;根据搜集的地质和地球物理资料,建立了适用于一维 海洋可控源电磁和地震联合反演的储层岩石物理模型;把模拟退火算法和粒子群算法相结合, 基于并行运算实现快速联合反演。该基于GPU的模拟退火粒子群的联合反演方法,不仅可以 使结果收敛到全局最优解,还具有良好的并行性,大大提高反演速度和精度,为储层含油气 性评价提供重要的地球物理参数。
附图说明
图1为模拟退火粒子群算法流程图;
图2为标准化电阻率与孔隙度关系图;
图3为纵波速度与标准化电阻率关系图;
图4为横波速度与标准化电阻率关系图;
图5为联合反演流程图;
图6为本发明实施例中基于GPU的模拟退火粒子群一维海洋可控源电磁和地震联合储层 参数反演方法的流程图;
图7为建立的油气储层模型示意图;
图8为在给定初始模型合理的情况下,模拟退火粒子群和共轭梯度两种方法联合反演得 到含油饱和度对比图;
图9为在给定初始模型合理的情况下,模拟退火粒子群和共轭梯度两种方法联合反演得 到孔隙度对比图;
图10为在给定初始模型不合理的情况下,模拟退火粒子群和共轭梯度两种方法联合反演 得到含油饱和度对比图;
图11为在给定初始模型不合理的情况下,模拟退火粒子群和共轭梯度两种方法联合反演 得到孔隙度对比图。
具体实施方式
下面结合具体实施例及附图对本发明做进一步详细说明。
实施例
参见附图6,基于GPU的模拟退火粒子群一维海洋可控源电磁和地震联合储层参数反演 方法,包括如下步骤:
步骤1:建立岩石物理关系。
具体:对搜集的岩石物理测试数据归纳总结,得到孔隙度和电阻率的关系表,见表1。
表1孔隙度和电阻率关系
孔隙度(%) | 电阻率 |
5-8 | 1.7-2.1 |
9-21 | 1.7 |
22-25 | 1.6 |
分析岩石样品纵波速vp、横波速度vs分别与电阻率关系,得到二者三个近似的线性关系:
纵波速度与标准电阻率关系公式:
log(N*)=0.386*vp-0.256,R2=0.863 (1)
log(N*)=0.632*vp-0.571,R2=0.735 (2)
log(N*)=0.523*vp-0.627,R2=0.759 (3)
横波速度与标准电阻率关系式:
log(N*)=0.348*vs-0.539,R2=0.854 (4)
log(N*)=0.682*vs-0.125,R2=0.768 (5)
log(N*)=0.547*vs-0.896,R2=0.845 (6)
分析压强对纵横波速度和电阻率的影响,每一块岩石样品随着压强的增加速度和电阻率 都会增大,并且每块样品在不同压强下的速度和电阻率同样有近似的线性关系。
流程进入到步骤2:对电磁数据和地震数据进行分析,建立联合反演归一化目标函数。
具体:目标函数为:
式中:m是模型参数,是归一化的地震数据,是归一化的海洋可控源电磁数据。
在步骤2中,使用基于海洋可控源电磁数据和地震数据归一化的正则化联合反演目标函 数,电磁和地震反演的物性参数不同,因此在目标函数中归一化了海洋可控源电磁数据和地 震数据。
对电磁数据和地震数据归一化后,流程进入到步骤3。
步骤3:正则化自适应因子
具体:根据模型拟合项和约束模型项提出了一种正则化因子自适应调整方法,使正则化 因子只与上次反演迭代所得的目标函数值有关,因此稳定性好,而且对初始模型依赖性小。 流程进入到步骤4。
上式中Φ(m)(k-1)为第k-1次迭代结果,k为迭代次数。
步骤4:使用优化的模拟退火结合粒子群联合反演求解归一化目标函数
具体:采用模拟退火结合粒子群算法的优化反演,在每个粒子的速度和位置更新过程中 加入模拟退火机制。流程进入到步骤5。
步骤5:GPU运算
具体:把GPU运算引入到模拟退火结合粒子群算法中,反演时仅针对地震剖面确定的储层 进行构造约束反演,直接得到储层孔隙度和饱和度。流程结束。
图7为该实施例建立的油气储层模型示意图,该模型包括海水层,位于海水层以下的地 层,位于地层以下的储层,位于储层以下的另一地层。假设储层只含有油,储层分为四层, 每层厚度为50m,自上而下含气饱和度分别为Sg(0.2,0.7,0.2,0.7),空隙度分别为 Φ(0.2,0.2,0.2,0.2)。
图8为在给定初始模型合理的情况下,模拟退火粒子群和共轭梯度两种方法联合反演得 到含油饱和度对比图,图9为在给定初始模型合理的情况下,分别为模拟退火粒子群和共轭 梯度两种方法联合反演得到孔隙度对比图。可以看出两种方法得到的结果都比较好,说明在 初始模型相对合理的情况下,粒子群模拟退火和非线性共轭梯度法都能得到较好的反演结果。
图10为在给定初始模型不合理的情况下,模拟退火粒子群和共轭梯度两种方法联合反演 得到含油饱和度对比图,图11为在给定初始模型不合理的情况下,分别为模拟退火粒子群和 共轭梯度两种方法联合反演得到孔隙度对比图。从图中可以看出在初始模型和真值差异较大 时,粒子群模拟退火仍能得到较好的反演结果,不依赖初始模型。但是非线性共轭梯度法反 演结果偏差较大,说明非线性共轭梯度法对初始模型依赖性强。
以上所述的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限 定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各 种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (3)
1.一维海洋可控源电磁和地震联合储层参数反演方法,其特征在于,该反演方法包括以下步骤:
步骤1:对搜集的岩石物理测试数据归纳总结,得到联合反演中岩石物理关系;
步骤2:对电磁数据和地震数据进行分析,建立联合反演的归一化目标函数:
式中:γ为正则化因子,m是模型参数,是归一化的地震数据,是归一化的海洋可控源电磁数据;
步骤3:正则化因子自适应调整方法调整目标函数中的岩石物理关系;
上式中Φ(m)(k-1)为第k-1次迭代结果,k为迭代次数。
步骤4:使用优化的模拟退火结合粒子群联合反演求解归一化目标函数;
步骤5:把GPU运算引入到模拟退火结合粒子群联合反演算法中算法,反演时仅针对地震剖面确定的储层进行构造约束反演,直接得到储层孔隙度和饱和度。
2.根据权利要求1所述的反演方法,其特征在于,在步骤1中,对搜集的岩石物理测试数据归纳总结,得到岩石孔隙度和电阻率的关系表;分析岩石样品纵波速度vp、横波速度vs与电阻率关系,得到了二者三个近似的线性关系式;分析压强对它们的影响,每一块样品随着压强的增加速度和电阻率都会增大,并且每块样品在不同压强下的速度和电阻率同样有近似的线性关系;
纵波速度与标准电阻率关系公式:
log(N*)=0.386*vp-0.256,R2=0.863
log(N*)=0.632*vp-0.571,R2=0.735
log(N*)=0.523*vp-0.627,R2=0.759
横波速度与标准电阻率关系式:
log(N*)=0.348*vs-0.539,R2=0.854
log(N*)=0.682*vs-0.125,R2=0.768
log(N*)=0.547*vs-0.896,R2=0.845。
3.根据权利要求1所述的反演方法,其特征在于,在步骤4中,采用模拟退火结合粒子群算法的优化反演,在每个粒子的速度和位置更新过程中加入模拟退火机制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910060823.6A CN109557601A (zh) | 2019-01-22 | 2019-01-22 | 一维海洋可控源电磁和地震联合储层参数反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910060823.6A CN109557601A (zh) | 2019-01-22 | 2019-01-22 | 一维海洋可控源电磁和地震联合储层参数反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109557601A true CN109557601A (zh) | 2019-04-02 |
Family
ID=65873746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910060823.6A Pending CN109557601A (zh) | 2019-01-22 | 2019-01-22 | 一维海洋可控源电磁和地震联合储层参数反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109557601A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257241A (zh) * | 2020-01-20 | 2020-06-09 | 中国科学院地理科学与资源研究所 | 一种deei的基于卫星观测的大气二氧化碳浓度反演算法 |
CN111856597A (zh) * | 2020-08-05 | 2020-10-30 | 中国海洋大学 | 拖曳式海洋电磁地层电阻率与接收站位置联合反演方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216006A (zh) * | 2013-06-04 | 2014-12-17 | 中国石油化工股份有限公司 | 利用重磁电震同步联合参数模型进行提高成像质量的方法 |
CN104375195A (zh) * | 2013-08-15 | 2015-02-25 | 中国石油天然气集团公司 | 时频电磁的多源多分量三维联合反演方法 |
CN104422969A (zh) * | 2013-09-04 | 2015-03-18 | 中国石油天然气集团公司 | 一种减小电磁测深反演结果非唯一性的方法 |
CN104699975A (zh) * | 2015-03-20 | 2015-06-10 | 中国石油天然气集团公司 | 从声电效应井下探测器测量数据中提取参数的方法 |
CN105510976A (zh) * | 2016-01-11 | 2016-04-20 | 中国海洋大学 | 一种多次波组合自适应衰减方法 |
CN108680964A (zh) * | 2018-03-30 | 2018-10-19 | 吉林大学 | 一种基于结构约束的归一化重磁电震联合反演方法 |
-
2019
- 2019-01-22 CN CN201910060823.6A patent/CN109557601A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216006A (zh) * | 2013-06-04 | 2014-12-17 | 中国石油化工股份有限公司 | 利用重磁电震同步联合参数模型进行提高成像质量的方法 |
CN104375195A (zh) * | 2013-08-15 | 2015-02-25 | 中国石油天然气集团公司 | 时频电磁的多源多分量三维联合反演方法 |
CN104422969A (zh) * | 2013-09-04 | 2015-03-18 | 中国石油天然气集团公司 | 一种减小电磁测深反演结果非唯一性的方法 |
CN104699975A (zh) * | 2015-03-20 | 2015-06-10 | 中国石油天然气集团公司 | 从声电效应井下探测器测量数据中提取参数的方法 |
CN105510976A (zh) * | 2016-01-11 | 2016-04-20 | 中国海洋大学 | 一种多次波组合自适应衰减方法 |
CN108680964A (zh) * | 2018-03-30 | 2018-10-19 | 吉林大学 | 一种基于结构约束的归一化重磁电震联合反演方法 |
Non-Patent Citations (5)
Title |
---|
彭国民 等: ""MCSEM和地震AVA数据联合反演储层物性"", 《石油地球物理勘探》 * |
徐凯军 等: ""海洋可控源电磁与地震一维联合储层参数反演"", 《石油地球物理勘探》 * |
李杏茹 等著: "《地质勘查高新技术发展路径研究》", 31 August 2015, 地质出版社 * |
杜润林: ""海洋可控源电磁场和地震波场联合反演方法研究"", 《中国博士学位论文全文数据库 基础科学辑》 * |
汪靖 著: "《群体智能优化算法及其在GPU上的并行研究》", 31 May 2014, 江西高校出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257241A (zh) * | 2020-01-20 | 2020-06-09 | 中国科学院地理科学与资源研究所 | 一种deei的基于卫星观测的大气二氧化碳浓度反演算法 |
CN111856597A (zh) * | 2020-08-05 | 2020-10-30 | 中国海洋大学 | 拖曳式海洋电磁地层电阻率与接收站位置联合反演方法 |
CN111856597B (zh) * | 2020-08-05 | 2023-03-21 | 中国海洋大学 | 拖曳式海洋电磁地层电阻率与接收站位置联合反演方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Production optimization using machine learning in Bakken shale | |
CN107290782B (zh) | 储层孔隙度、含水饱和度和泥质含量参数同时反演新方法 | |
CN109061765B (zh) | 非均质薄砂岩互层油藏的圈闭评价方法 | |
CN109799533A (zh) | 一种基于双向循环神经网络的储层预测方法 | |
CN109184677A (zh) | 用于非均质互层砂体的储层评价方法 | |
CN106951660A (zh) | 一种海相碎屑岩水平井储层测井解释方法及装置 | |
CN105528522A (zh) | 一种基于空间网格计算连续性油气藏资源量的方法及装置 | |
CN109085663A (zh) | 一种致密砂岩储层层理缝识别方法 | |
Luo et al. | Production-strategy insights using machine learning: Application for bakken shale | |
CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
CN105447762B (zh) | 一种流体替换的低渗透油藏水淹信息的计算方法 | |
Landa et al. | Reservoir characterization constrained to well-test data: a field example | |
Li et al. | CO2 storage monitoring based on time-lapse seismic data via deep learning | |
CN109343115B (zh) | 一种基于测井约束的含气储层刻画方法 | |
Hryb et al. | Unlocking the true potential of the Vaca Muerta Shale via an integrated completion optimization approach | |
Gupta et al. | Rock Typing in Eagle Ford, Barnett, and Woodford Formations | |
CN109215029A (zh) | 一种基于卷积神经网络的三维地质异常体的分割提取方法 | |
Yuyang et al. | Shale gas well flowback rate prediction for Weiyuan field based on a deep learning algorithm | |
CN109557601A (zh) | 一维海洋可控源电磁和地震联合储层参数反演方法 | |
CN108150160A (zh) | 一种地层中欠压实作用超压的求取方法 | |
Cameron | Optimization and monitoring of geological carbon storage operations | |
Ghasemi et al. | Automated approach to reservoir zonation: A case study from the Upper Permian Dalan (Khuff) carbonate ramp, Persian Gulf | |
Hou et al. | Data-driven optimization of brittleness index for hydraulic fracturing | |
CN114114414A (zh) | 一种页岩储层“甜点”信息人工智能预测方法 | |
CN112765527B (zh) | 页岩气资源量计算方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190402 |
|
RJ01 | Rejection of invention patent application after publication |