CN109782348A - 基于多孔介质模型的储层流体与脆性同时反演的识别方法 - Google Patents

Abstract

本发明公开了基于多孔介质模型的储层流体与脆性同时反演的识别方法，提出了一个AVO参数化方程和基于贝叶斯框架的反演方法，以反应流体等效体积模量和杨氏模量与密度的乘积。流体等效体积模量对于确定流体性质具有足够的灵敏度，流体等效体积模量可以通过水饱和度线性变化来克服孔隙度的影响，降低流体识别多解性；脆性储层杨氏模量和密度都具有相对较高值，杨氏模量和密度的乘积能更加凸显了储层的脆性；使用新参数化AVO近似公式同时获得上述两个参数，从而确保反演结果的一致性，降低计算量。本发明方法综合考虑流体识别与脆性评价，为储层流体的预测及后续开发提供可靠支撑，具有很好的实际应用价值。

Description

基于多孔介质模型的储层流体与脆性同时反演的识别方法

技术领域

本发明基于多孔介质模型的储层流体与脆性同时反演的识别方法，属于油气勘探技术领域。

背景技术

人工地震勘探方法在油气勘探中起着至关重要的作用，随着油气勘探转向深部及非常规油气藏，有关地震储层及油气信息的检测、分析、提取等方法得到了极大的发展。利用地震资料识别流体和脆性特征是储层尤其是非常规储层预测及开发的重要内容，但仅靠少量或单一的信息很难对储层中的流体及储层脆性进行有效识别，这就要求我们从地震数据中提取更多属性综合分析。

目前地震流体识别主要基于数据驱动的频率、相位属性类方法和基于模型驱动的地震反演方法。数据驱动的频率、相位属性类方法地质意义不明确，计算结果多解性强，难以满足精细勘探的要求。而基于模型驱动的地震反演方法都是间接类方法，即先反演弹性参数然后通过岩石物理方程计算流体参数，间接法计算复杂，同时存在累积误差，导致流体识别多解性强，难以满足流体识别需求。

在储层物性流体精确预测的基础上，储层的勘探开发最终是要落实到储层开发的可行性上。由于关键因素-埋深的作用，储层渗透率较低，储层空间沟通性较差，所以要考虑到储层脆性的能力，为此脆性评价是储层开发的重要步骤。目前主流的方法都是侧重于流体识别或者脆性因子评价，多次计算，数据刻度差异大，获得参数不具备统一性，无法有效指导油气预测及开发参数评价。

现有技术一，现有技术中，常用流体因子的计算方式多基于弹性参数的间接组合运算。利用地震资料研究岩石孔隙单元所贮存流体的类型和特性，通常是在岩石物理理论指导下将与储层流体有关的异常特性表征为流体因子，再依托流体因子实现介质孔隙流体的类型判识。即首先基于叠前弹性参数反演获得弹性参数；其次，利用流体参数与弹性参数的岩石物理方程，通过数学变换间接计算得到流体识别参数，最后，利用间接计算获得的流体识别参数预测流体分布特征。目前叠前反演方法都是利用Zoeppritz方程的近似公式，根据振幅与入射角的AVO关系，由反映反射波振幅的AVO特征的角道集地震数据求取地下各地层的弹性参数的方法。

目前叠前反演的目标是利用褶积公式得到的合成地震记录与实测的地震记录进行对比，使二者的误差最小，即使目标函数f(V)的值最小，

式中，V＝[Vp,Vs,ρ],Vp、Vs和ρ分别为纵、横波速度和密度，D为实际地震记录(角道集记录)，S(V)'＝W*R(V)为合成的地震记录，W为地震子波，R(V)为用Zoeppritz方程的近似公式计算的反射系数。目前常用的Zoeppritz方程的近似公式主要为Aki-Richard近似公式：

1980年Aki和Richard对Zoeppritz方程进行简化、近似，得到了当弹性参数的相对变化较小时，用纵波速度、横波速度和密度的相对变化表示的反射系数公式，即：

式中，Vp、Vs、ρ分别为界面两侧的纵波速度、横波速度和密度的平均值，ΔVp、ΔVs、Δρ分别为界面两侧的纵波速度、横波速度和密度的差值，θ为入射纵波的入射角与透射纵波的透射角的平均值。

该方法的缺点：地震反演问题本身固有的“病态解”以及“多解性”等问题，仅仅利用地震资料反演得到储层弹性参数的精确解是不可能的。因此，基于这些弹性参数通过间接代数组合的流体因子在计算过程中不可避免地会造成计算误差的累积，为了更好地将叠前地震反演方法与流体识别进行有效结合，提高反演质量，有必要针对流体因子开展AVO反射系数模型参数化之后的反演方法研究，同时现有技术一并没有考虑到涉及储层开发重要参数-脆性的评价，难以指导储层开发。

现有技术二，现有技术中，还利用地震波穿过含油气储层时会发生高频能量的吸收衰减，从而使地震波特征表现为高频能量减少而低频能量的相对增加，穿过油气储层的地震波频带相对的变窄。

利用这一理论基础，现有技术二基于小波变换频谱分析方法的频率衰减技术对储层气含气性预测的研究分析频率衰减的技术方法用于储层气含气性预测分析研究。其实现主要分为以下两个阶段：

时频谱分解阶段：

1)输入地震数据x(t)；

2)对地震数据x(t)进行脉冲反褶积提频处理得到提频后的地震记录S(t)；

输入地震数据x(t)，x(t)＝b(τ)*ξ(t)， (a)

根据公式(a)得到频率域地震记录X(ω)，对两边求傅里叶变换，则得到频率域地震记录X(ω)：

X(ω)＝B(ω)*ξ(ω)， (b)

以地震记录x(t)的自相关r_xx(τ)，通过下式求得反滤波因子a(t)，：

S(t)＝a(t)*x(t)， (c)

然后根据公式(c)得到新的地震记录S(t)，即为提频后的地震记录；

式中，X(ω)、B(ω)ξ(ω)分别为地震频谱、子波频谱和反射系数的频谱；

3)对提频后的地震记录S(t)进行小波变换频谱分解得到储层顶、底的频谱；

利用公式(e)分别对储层顶、底的地震记录S(t)进行基于小波变换的频谱成像分析，得到储层顶、底对应的频谱P_上、P_下；

计算P_上时，用储层顶的地震记录S(t)代替公式(e)中的x(t)进行计算，计算P_下时，用储层底的地震记录S(t)代替公式(e)中的x(t)进行计算。

(4)获取储层顶、底的频谱差值，进行储层与频谱差值的对比分析，得到出储层的频率衰减结果；

将储层顶对应的频谱P_上与储层底对应的频谱P_下进行相减得到频谱差值P_上-下，然后分析储层对应的P_上-下值的大小与储层的对应关系，P_上-下的值大表明储层的频率衰减大，反之则表明储层的频率衰减小；频率衰减大及对应的P_上-下值较大的区域为优先选择的含气有利带。

(5)输出储储层的频率衰减结果。

现有技术二的缺点：

傅里叶变换的三角基是全域性的，其局部化性质不好，不提供任何时域信息。及傅里叶变换不具有局部性。它只适用于确定性信号及平稳信号，由于缺乏时间的局部信息，对时变信号、非平稳信号，Fourier频率分析存在严重不足，它无法告知某些频率成分发生在哪些时间内，无法表示某个时刻信号频谱的分布情况。信号在某时刻的一个小的邻域内发生变化，那么信号的整个频谱都要受到影响，而频谱的变化从根本上来说无法标定发生变化的时间位置和发生变化的剧烈程度。傅里叶变换的时域和频域是完全分割开来的。因而只能得到信号的整个频谱，难以在任何有限频段上确定任意小范围内信号的局部特征，同时对于突变较大的非稳信号无法克服其缺点，会造成此基础上进行地震低频信息分析误差，影响流体检测精度，满足流体精细预测需要。

现有技术三

脆性评价对于储层尤其是非常规储层开发具有重要的意义。现有的技术主要是根据岩石矿物组份中的石英含量指示页岩储层脆性，而X衍射法是业内求取矿物组成的通用方法。然而，X衍射法分析是依据X射线对不同晶体产生不同的衍射效应来鉴定物相，其计算得到的数据代表岩石样品中每种矿物的晶体所占的相对含量。由于碎屑石英与自生石英均具备石英晶体光学特性，X衍射法无法将两者区分开，从而无对自生石英进行定量分析微观岩石样品测试结果评价脆性。技术方案三主要通过对自生石英和非晶态二氧化硅进行定量分析，从而能够更好地评价页岩储层的脆性发明的页岩储层脆性评价方法，包括如下步骤：取页岩样品；对所述页岩样品进行阴极发光检测，得到所述页岩样品的碎屑石英体积含量；根据所述碎屑石英体积含量，得到所述页岩样品的自生石英质量含量。此外，技术方案三还包括：对所述页岩样品进行微区矿物定量分析，得到所述页岩样品的二氧化硅体积含量；根据所述二氧化硅体积含量，得到所述页岩样品的非晶态二氧化硅质量含量。其实现步骤如下：

第一步：对页岩样品进行阴极发光检测，得到该页岩样品的阴极发光照片；其中，阴极发光照片的分辨率为3456×2304。

第二步：将得到的阴极发光照片导入Image-Pro Plus软件，调整至适宜的放大倍数从而进行石英矿物标定；在调整放大倍数时，可以调整至组成矿物图像的像素点清晰可见为止，以保证标定更加准确。

第三步：利用Image-Pro Plus软件标定蓝紫色的矿物范围；Image-Pro Plus软件能够根据RGB颜色标准对阴极发光照片中蓝紫色的像素点进行自动识别，从而降低了工作量。

第四步：计算被标定的矿物面积占总面积的体积含量；Image-Pro Plus软件能够自动将标定面积进行加和，然后计算标定面积与阴极发光照片总面积的比值，进而得到页岩样品的碎屑石英体积含量。

其中，根据所述碎屑石英体积含量，可以通过如下步骤得到所述页岩样品的自生石英质量含量：

根据所述碎屑石英体积含量，得到所述页岩样品的碎屑石英质量含量；

根据所述碎屑石英质量含量，得到所述页岩样品的自生石英质量含量。

进一步地，可以通过下述公式得到所述页岩样品的碎屑石英质量含量：

现有技术三的缺点：

由于岩石脆性与脆性矿物的含量密切相关，因此常用脆性矿物(石英、长石等)的质量分数来定义脆性指数。但是，实际储层的矿物组分十分复杂，仅靠石英和长石等少数高脆性矿物的含量来表征整个致密油砂岩的脆性，显然是不够的。此外，脆性的高低需要在实验室进行力学实验，需要大量的岩心资料，其往往伴随着较高的成本。同时地下介质的变化非常复杂，仅仅通过实验室测定脆性不具备代表性，难以用于实践。

发明内容

为解决现有技术存在的不足，本发明公开了一种基于多孔介质模型的储层流体与脆性同时反演的识别方法，使用该方法能得到高精度、能反映储层流体及脆性特征的参数，提供统一尺度的流体识别及脆性评价成果，能够为储层流体的识别及储层改造潜力提供参考，为油气储层空间分布及开发甜点区优选提供支撑。

本发明通过如下技术方案实现：

基于多孔介质模型的储层流体与脆性同时反演的识别方法，包括以下步骤：

第一步：基于多孔介质模型，构建多孔弹性介质框架下的流体敏感因子；

第二步：基于多岩石物理参数条件下，构建脆性评价因子；

第三步：基于多孔弹性理论下，建立流体特征三参数(f,μ和ρ)的AVO线性方程；

第四步：所述AVO线性方程在所述流体敏感因子和所述脆性评价因子的约束下，构建AVO近似公式；

第五步：基于弹性阻抗理论，在贝叶斯框架下，开展所述AVO近似公式进行同时的反演；

第六步：在不同信噪比条件下，利用所述AVO近似公式及同时的反演方法，对储层流体及脆性进行评价，判断储层流体情况。

所述流体敏感因子的构建方法如下：

步骤1)：在多孔弹性介质岩石物理Biot-Gassmann理论框架下得到饱和多孔隙岩石的纵横波的弹性参数框架下的表达形式为：

式中，V_p为饱和多孔岩石的纵波速度，V_s为饱和多孔岩石的横波速度，ρ_sat为饱和多孔岩石的密度；f为混合流体项，即Russell混合流体指示因子，s为干岩石骨架项；

其中Russell混合流体指示因子f的具体表达式为：

式中，β为Biot系数，M为纵波模量，K_f为流体等效体积模量，K_dry为干岩石体积模量，K_s为岩石矿物的体积模量，φ为岩石孔隙度；

由于Russell混合流体指示因子f是多参数的函数，虽然流体组分占据主导地位，但是岩石骨架项、孔隙度及干岩石和矿物体积模量也对流体指示因子存在影响，这必然导致流体指示结果的非唯一性，因此单独提取其中的流体等效体积模量K_f；

步骤2)：基于Gassmann方程的构建流体等效体积模量K_f的流体识别因子，在孔隙流体为气体和水的混合流体中，得到如下关系式：

式中，S_w为含水饱和度，K_w为水的体积模量，K_g为气体体积模量；

基于岩石物理理论得到Russell混合流体指示因子f与流体等效体积模量K_f的关系式如下：

f＝G(φ)K_f (4)

式中，G(φ)为增益函数。

关系式(4)为后续的新流体识别AVO近似公式推导提供数学基础。

图1为Russell混合流体指示因子与流体等效体积模量因子识别流体对比图，Russell混合流体指示因子在高含水饱和度、低孔隙度与低含水饱和度、高孔隙度情况下计算得到的混合流体指示因子具有相同或者相近的结果，从而无法区分孔隙流体的性质，而流体等效体积模量仅与含水饱和度呈线性相关，和孔隙度无关。可以看出流体等效体积模量仅仅是函数饱和度及流体体积模量的函数，和孔隙度无关。因此，将流体体积模量K_f作为流体识别因子，能够降低储层流体识别的多解性。

所述脆性评价因子的构建方法如下：

多岩石物理参数条件下，采用杨氏模量Eρ的乘积突显储层脆性的细微的变化，

步骤1)：杨氏模量Eρ与剪切模量μρ直接存在如下的数学关系：

Eρ＝μρ*α (5)

式中 为饱和岩石纵横波速度比的平方；

步骤2)：对于含水砂岩，岩石的纵波速度v_p与岩石的横波速度v_s的关系为：v_p＝2v_s，因此计算出含水砂岩中杨氏模量Eρ与剪切模量μρ的关系：

步骤3)：对于含气砂岩，岩石的纵波速度v_p与岩石的横波速度v_s的关系为：v_p＝1.5v_s，因此计算出含气砂岩中杨氏模量Eρ与剪切模量μρ的关系：

对比式(6)，式(7)可以发现：Eρ对μρ存在一个放大效应，能够更好地反映出储层脆性的细节变化，不同脆性地层的界限能更加清晰；

所述AVO线性方程和AVO近似公式的建立和同时的反演过程如下：

步骤1)：基于多孔弹性理论下，得到流体特征三参数：Russell混合流体指示因子f,剪切模量μ和密度ρ的AVO线性方程如下：

式中，R_pp为纵波反射系数，θ为地震波入射角，为饱和岩石纵横波速度比的平方，为干岩石纵横波速度比的平方；

步骤2)：利用增益函数G(φ)简化混合流体指示因子f，将等效流体体积模量K_f作为流体指示因子，三者之间的关系表达式如下：

f＝G(φ)K_f (9)

式中，K_f为流体等效体积模量，φ为岩石孔隙度，增益函数G(φ)＝([1-K_n]²/φ)，K_n为岩石骨架的特征，K_n＝(K_dry/K_sat)，K_dry为干岩石体积模量，K_sat为饱和岩石体积模量；

将式(9)代入式(8)得到：

步骤3)：因为流体等效体积模量与增益函数之间存在耦合关系，通过上式无法直接估计流体等效体积模量，因此需要作进一步将公式(10)解耦，由于数学上存在以下关系：Δ(XY)/XY＝ΔX/X+ΔY/Y，因此将式(10)转换为：

步骤4)：据临界孔隙度方法，得到：

式中，K_dry为干岩石体积模量，μ_dry为干岩石的剪切模量，φ为岩石孔隙度，φ_c为临界孔隙度，K_s为岩石矿物的体积模量，μ_s为岩石矿物的剪切模量；

利用K_dry＝K_s(1-[φ/φ_c])，简化增益函数为：

因此可以得到：

将式(14)代入式(8)，得到：

从公式(15)提取公式(14)的密度项与孔隙度项进行合并，得到

小角度入射情况下，地震波入射角存在以下函数关系：tan²θ≈sin²θ，公式(15)的余下密度项可以进行如下的近似：

将公式(16)、(17)代入公式(11)，公式(11)可以改写成如下形式：

至此，建立了包含流体等效体积模量的AVO公式，即公式(18)；

步骤5)：基于岩石物理理论，岩石的杨氏模量与泊松比、体积模量存在如下的关系：

E＝3κ(1-2σ) (19)

式中，E为杨氏模量，κ为体积模量，σ为泊松比；

岩石泊松比σ与纵波速度v_p、横波速度v_s的函数关系如下：

式中v_p为岩石的纵波速度，v_s为岩石的横波速度；

将式(20)带入式(19)，可以得到杨氏模量E和AVO三参数：纵波速度v_p、横波速度v_s及密度ρ的换算关系：

在式(21)两边同时乘以密度项，式(21)可以改写为如下形式：

Eρ＝μρ*α (22)

式中 为饱和岩石纵横波速度比的平方；

将式(22)代入到式(18)中，得到新的AVO近似公式：

其中为流体评价项，为脆性评价项，为反映干岩石性质的骨架项；ΔK_f为上下界面间流体等效体积模量，ΔEρ为上下界面间流体脆性评价项，Δφρ为上下界面间流体干架项的差值；为上下界面间流体等效体积模量的平均值，为上下界面间流体脆性评价项的平均值，为上下界面间流体干架项的平均值；

步骤6)：基于弹性阻抗理论，所述AVO近似公式计算反射系数以弹性阻抗的对数形式表示为：

式中，R(θ)为反射系数，EI为弹性阻抗，ΔEI为上下界面的弹性阻抗差；

将式(23)代入式(24)中：

式中，

基于归一化弹性阻抗概念，经过化简，得到归一化弹性阻抗形式：

式中，K_f0,φρ₀和Eρ₀分别是K_f，φρ和Eρ的统计平均值，从测井曲线估算得到；

在贝叶斯框架下，似然函数及柯西先验分布，建立反演参数后验分布的矩阵表达式：

式中，σ_n为噪音标准差，G表示正演算子矩阵，T表示转置，r为反射系数矩阵，d为实际地震记录，Φ_i为调节矩阵，Ψ为酉矩阵；

根据式(27)在最大后验概率的约束准则下，构建反演目标函数，得到：

式中，σ_n为噪音标准差，G表示正演算子矩阵，T表示转置，r为反射系数矩阵，d为实际地震记录，Φ_i为调节矩阵，J(r)为反演目标函数，J_G(r)为模型参数项，J_Cauchy(r)为反射系数矩阵的三变量柯西先验分布约束项；

求取目标函数极小值，对J(r)关于r求取一阶偏导，并令其为零，得到参数r的最大后验概率解，即

[G^TG+λ(B+B^T)Q]r＝G^Td (29)。

本发明与现有技术相比具有以下有益效果：

本发明基于多孔介质模型构建一种新的统一的敏感流体因子及压裂评价因子AVO近似公式，并推导相应的弹性阻抗反演方程，开展流体及脆性同时反演，降低多次反演的计算量和多解性，得到高精度、能反映储层流体及脆性特征的参数，提供统一尺度的流体识别及脆性评价成果，能够为储层流体的识别及储层改造潜力提供参考，为油气储层空间分布及开发甜点区优选提供支撑。

附图说明

下面结合附图对本发明做进一步的说明。

图1为孔隙流体为水及气时，等效流体体积模量随孔隙度及含水饱和度变化图；图中①为低含水饱和度低孔隙度；②为高含水饱和度高孔隙度；

图2为测井曲线计算μρ及Eρ对比图；

图3为单道数据流体与脆性同时反演结果图；

图中，图中实线为实际测井曲线，点画线为反演结果。

图4为单道数据在信噪比为5:1的情况下流体与脆性同时反演结果图；

图中，图中实线为实际测井曲线，点画线为反演结果。

图5为单道数据在信噪比为3:1的情况下流体与脆性同时反演结果图；

图中，图中实线为实际测井曲线，点画线为反演结果。

图6为过已知井的地震剖面图；

图7为流体等效体积模量(流体项)反演过井剖面图；

图8为杨氏模量与密度乘积(脆性项)反演过井剖面图。

具体实施方式

下面结合具体实施例对本发明做进一步的详细说明，但是本发明的保护范围并不限于这些实施例，凡是不背离本发明构思的改变或等同替代均包括在本发明的保护范围之内。

基于多孔介质模型的储层流体与脆性同时反演的识别方法，包括以下步骤：

第一步：基于多孔介质模型，构建多孔弹性介质框架下的流体敏感因子；

所述流体敏感因子的构建方法如下：

步骤1)：在多孔弹性介质岩石物理Biot-Gassmann理论框架下得到饱和多孔隙岩石的纵横波的弹性参数框架下的表达形式为：

式中，V_p为饱和多孔岩石的纵波速度，V_s为饱和多孔岩石的横波速度，ρ_sat为饱和多孔岩石的密度；f为混合流体项，即Russell混合流体指示因子，s为干岩石骨架项；

其中Russell混合流体指示因子f的具体表达式为：

式中，β为Biot系数，M为纵波模量，K_f为流体等效体积模量，K_dry为干岩石体积模量，K_s为岩石矿物的体积模量，φ为岩石孔隙度；

由于Russell混合流体指示因子f是多参数的函数，虽然流体组分占据主导地位，但是岩石骨架项、孔隙度及干岩石和矿物体积模量也对混合流体指示因子存在影响，这必然导致流体指示结果的非唯一性，因此单独提取其中的流体等效体积模量K_f；

步骤2)：基于Gassmann方程的构建流体等效体积模量K_f的流体识别因子，在孔隙流体为气体和水的混合流体中，得到如下关系式：

式中，S_w为含水饱和度，K_w为水的体积模量，K_g为气体体积模量；

基于岩石物理理论得到Russell混合流体指示因子f与流体等效体积模量K_f的关系式如下：

f＝G(φ)K_f (4)

式中G(φ)为增益函数。

公式(4)为后续的新流体识别AVO近似公式推导提供数学基础。

图1为Russell混合流体指示因子与流体等效体积模量因子识别流体对比图，Russell混合流体指示因子在高含水饱和度、低孔隙度与低含水饱和度、高孔隙度情况下计算得到的混合流体指示因子具有相同或者相近的结果，从而无法区分孔隙流体的性质，而流体等效体积模量仅与含水饱和度呈线性相关，和孔隙度无关。可以看出流体等效体积模量仅仅是函数饱和度及流体体积模量的函数，和孔隙度无关。因此，将流体等效体积模量K_f作为流体识别因子，能够降低储层流体识别的多解性。

第二步：基于多岩石物理参数条件下，构建脆性评价因子；

所述脆性评价因子的构建方法如下：

多岩石物理参数条件下，采用杨氏模量Eρ的乘积突显储层脆性的细微的变化，

步骤1)：杨氏模量Eρ与剪切模量μρ直接存在如下的数学关系：

Eρ＝μρ*α (5)

式中 为饱和岩石纵横波速度比的平方；

步骤2)：对于含水砂岩，岩石的纵波速度v_p与岩石的横波速度v_s的关系为：v_p＝2v_s，因此计算出含水砂岩中杨氏模量Eρ与剪切模量μρ的关系：

步骤3)：对于含气砂岩，岩石的纵波速度v_p与岩石的横波速度v_s的关系为：v_p＝1.5v_s，因此计算出含气砂岩中杨氏模量Eρ与剪切模量μρ的关系：

对比式(6)，式(7)可以发现：Eρ对μρ存在一个放大效应，能够更好地反映出储层脆性的细节变化，不同脆性地层的界限能更加清晰；

脆性储层的密度相对较大，针对无法准确获取密度的问题，本发明提出Eρ的乘积突显出储层脆性的异常特征。图2为测井计算的μρ及Eρ对比，可以看出Eρ能够更加突出细微的变化，一般情况下脆性高的岩石的杨氏模量较高，密度也较大，二者的乘积能够起到一个累积响应，从而更加突出脆性特征。

第三步：基于多孔弹性理论下，建立流体特征三参数(f,μ和ρ)的AVO线性方程；

第四步：所述AVO线性方程在所述流体敏感因子和所述脆性评价因子的约束下，构建AVO近似公式；

第五步：基于弹性阻抗理论，在贝叶斯框架下，开展所述AVO近似公式进行同时的反演；

第六步：在不同信噪比条件下，利用所述AVO近似公式及同时的反演方法，对储层流体及脆性进行评价，判断储层流体情况。

所述AVO线性方程和AVO近似公式的建立和同时的反演过程如下：

步骤1)：基于多孔弹性理论下，得到流体特征三参数：Russell混合流体指示因子f,剪切模量μ和密度ρ的AVO线性方程如下：

式中，R_pp为纵波反射系数，θ为地震波入射角，为饱和岩石纵横波速度比的平方，为干岩石纵横波速度比的平方；

步骤2)：利用增益函数G(φ)简化混合流体指示因子f，将等效流体体积模量K_f作为混合流体指示因子，三者之间的关系表达式如下：

f＝G(φ)K_f (9)

式中，K_f为流体等效体积模量，φ为岩石孔隙度，增益函数G(φ)＝([1-K_n]²/φ)，K_n为岩石骨架的特征，K_n＝(K_dry/K_sat)，K_dry为干岩石体积模量，K_sat为饱和岩石体积模量；

将式(9)代入式(8)得到：

步骤3)：因为流体等效体积模量与增益函数之间存在耦合关系，通过上式无法直接估计流体等效体积模量，因此需要作进一步将公式(10)解耦，由于数学上存在以下关系：Δ(XY)/XY＝ΔX/X+ΔY/Y，因此将式(10)转换为：

步骤4)：据临界孔隙度方法，得到：

式中，K_dry为干岩石体积模量，μ_dry为干岩石的剪切模量，φ为岩石孔隙度，φ_c为临界孔隙度，K_s为岩石矿物的体积模量，μ_s为岩石矿物的剪切模量；

利用K_dry＝K_s(1-[φ/φ_c])，简化增益函数为：

因此可以得到：

将式(14)代入式(8)，得到：

从公式(15)提取公式(14)的密度项与孔隙度项进行合并，得到

小角度入射情况下，地震波入射角存在以下函数关系：tan²θ≈sin²θ，公式(15)的余下密度项可以进行如下的近似：

将公式(16)、(17)代入公式(11)，公式(11)可以改写成如下形式：

至此，建立了包含流体等效体积模量的AVO公式，即公式(18)；

步骤5)：基于岩石物理理论，岩石的杨氏模量与泊松比、体积模量存在如下的关系：

E＝3κ(1-2σ) (19)

式中，E为杨氏模量，κ为体积模量，σ为泊松比；

岩石泊松比σ与纵波速度v_p、横波速度v_s的函数关系如下：

式中v_p为岩石的纵波速度，v_s为岩石的横波速度；

将式(20)带入式(19)，可以得到杨氏模量E和AVO三参数：纵波速度v_p、横波速度v_s及密度ρ的换算关系：

在式(21)两边同时乘以密度项，式(21)可以改写为如下形式：

Eρ＝μρ*α (22)

式中 为饱和岩石纵横波速度比的平方；

将式(22)代入到式(18)中，得到新的AVO近似公式：

其中为流体评价项，为脆性评价项，为反映干岩石性质的骨架项；ΔK_f为上下界面间流体等效体积模量，ΔEρ为上下界面间流体脆性评价项，Δφρ为上下界面间流体干架项的差值；为上下界面间流体等效体积模量的平均值，为上下界面间流体脆性评价项的平均值，为上下界面间流体干架项的平均值；

步骤6)：基于弹性阻抗理论，所述AVO近似公式计算反射系数以弹性阻抗的对数形式表示为：

式中，R(θ)为反射系数，EI为弹性阻抗，ΔEI为上下界面的弹性阻抗差；

将式(23)代入式(24)中：

式中，

基于归一化弹性阻抗概念，经过化简，得到归一化弹性阻抗形式：

式中，K_f0,φρ₀和Eρ₀分别是K_f，φρ和Eρ的统计平均值，从测井曲线估算得到；

在贝叶斯框架下，似然函数及柯西先验分布，建立反演参数后验分布的矩阵表达式：

式中，σ_n为噪音标准差，G表示正演算子矩阵，T表示转置，r为反射系数矩阵，d为实际地震记录，Φ_i为调节矩阵，Ψ为酉矩阵；

根据式(27)在最大后验概率的约束准则下，构建反演目标函数，得到：

式中，σ_n为噪音标准差，G表示正演算子矩阵，T表示转置，r为反射系数矩阵，d为实际地震记录，Φ_i为调节矩阵，J(r)为反演目标函数，J_G(r)为模型参数项，J_Cauchy(r)为反射系数矩阵的三变量柯西先验分布约束项；

求取目标函数极小值，对J(r)关于r求取一阶偏导，并令其为零，得到参数r的最大后验概率解，即

[G^TG+λ(B+B^T)Q]r＝G^Td (29)。

通过岩石物理参数的等价替换及小角度下的三角函数关系近似，本发明建立了基于多孔弹性介质理论的包含流体项及脆性评价项的AVO近似公式及对应的同时反演方法。

实际使用中，本发明实施的具体步骤如下：

步骤1：读取地震道数据s、测井数据w，和层位数据；

步骤2：加载层位数据，建立反演的数据空间；

步骤3：利用测井数据和层位数据构建低频背景，利用测井数据建立井旁道初始模型；

步骤4：利用所述AVO近似公式及反演策略，首先进行测井所处道的储层流体及脆性，获得井点位置处的流体及脆性评价结果；

步骤5：利用井点出反演结果作为下一道的初始模型，进行逐道外推反演，并以上一道的反演结果作为下一道的初始模型；

步骤6：重复步骤5，至到反演所有地震数据道，完成地震数据体范围的储层流体识别与脆性评价。

利用现有方法与本发明对单道不同信噪比的真实地震数据进行处理，结果显示如图3、图4、图5所示，图中实线为实际测井曲线，点画线为反演结果。通过对比不同信噪比下的地震数据反演结果可以看出，在具有相当光滑的初始模型下，流体等效体积模量(流体项)，杨氏模量和密度的乘积(脆性项)，孔隙度与和密度乘积(骨架项)的反演效果良好，能够忠于实测数据。在不同信噪比条件下，流体项与脆性项反演结果与实际测井数据差距较小，分辨率能够得到保证。

利用本发明对实际的地震数据进行处理，并利用得到的反演结果进行储层的流体识别与脆性评价处理。其流体识别与脆性评价结果与井吻合完好，如图6和图7、8所示。

本研究基于多孔介质模型构建一种新的统一的敏感流体因子及压裂评价因子AVO近似公式，并推导相应的弹性阻抗反演方程，开展流体及脆性同时反演，降低多次反演的计算量和多解性，得到高精度、能反映储层流体及脆性特征的参数，提供统一尺度的流体识别及脆性评价成果，能够为储层流体的识别及储层改造潜力提供参考，为油气储层空间分布及开发甜点区优选提供支撑。

本发明不会限制于本文所示的实施例，而是要符合与本文所公开的原理和新颖性特点相一致的最宽范围。

Claims (4)

1.基于多孔介质模型的储层流体与脆性同时反演的识别方法，其特征在于，包括以下步骤：

第一步：基于多孔介质模型，构建多孔弹性介质框架下的流体敏感因子；

第二步：基于多岩石物理参数条件下，构建脆性评价因子；

第三步：基于多孔弹性理论下，建立流体特征三参数(f,μ和ρ)的AVO线性方程与流体敏感因子与脆性评价因子的数学关系；

第四步：所述AVO线性方程在所述流体敏感因子和所述脆性评价因子的约束下，构建AVO近似公式；

第五步：基于弹性阻抗理论，在贝叶斯框架下，开展所述AVO近似公式进行同时的反演；

第六步：利用所述AVO近似公式及同时的反演方法，对储层流体及脆性进行评价，判断储层流体情况。

2.根据权利要求1所述的基于多孔介质模型的储层流体与脆性同时反演的识别方法，其特征在于，所述流体敏感因子的构建方法如下：

步骤1)：在多孔弹性介质岩石物理Biot-Gassmann理论框架下得到饱和多孔隙岩石的纵横波的弹性参数框架下的表达形式为：

式中，V_p为饱和多孔岩石的纵波速度，V_s为饱和多孔岩石的横波速度，ρ_sat为饱和多孔岩石的密度；f为混合流体项，即Russell混合流体指示因子，s为干岩石骨架项；

其中Russell混合流体指示因子f的具体表达式为：

式中，β为Biot系数，M为纵波模量，K_f为流体等效体积模量，K_dry为干岩石体积模量，K_s为岩石矿物的体积模量，φ为岩石孔隙度；

单独提取其中的流体等效体积模量K_f；

步骤2)：基于Gassmann方程的构建流体等效体积模量K_f的流体识别因子，在孔隙流体为气体和水的混合流体中，得到如下关系式：

式中，S_w为含水饱和度，K_w为水的体积模量，K_g为气体体积模量；

基于岩石物理理论得到Russell混合流体指示因子f与流体等效体积模量K_f的关系式如下：

f＝G(φ)K_f (4)

式中G(φ)为增益函数。

3.根据权利要求1所述的基于多孔介质模型的储层流体与脆性同时反演的识别方法，其特征在于，所述脆性评价因子的构建方法如下：

多岩石物理参数条件下，采用杨氏模量Eρ的乘积突显储层脆性的细微的变化，

步骤1)：杨氏模量Eρ与剪切模量μρ直接存在如下的数学关系：

Eρ＝μρ*α (5)

式中 为饱和岩石纵横波速度比的平方；

步骤2)：对于含水砂岩，岩石的纵波速度v_p与岩石的横波速度v_s的关系为：v_p＝2v_s，因此计算出含水砂岩中杨氏模量Eρ与剪切模量μρ的关系：

步骤3)：对于含气砂岩，岩石的纵波速度v_p与岩石的横波速度v_s的关系为：v_p＝1.5v_s，因此计算出含气砂岩中杨氏模量Eρ与剪切模量μρ的关系：

4.根据权利要求1所述的基于多孔介质模型的储层流体与脆性同时反演的识别方法，其特征在于，所述AVO线性方程和AVO近似公式的建立和同时的反演过程如下：

步骤1)：基于多孔弹性理论下，得到流体特征三参数：Russell混合流体指示因子f,剪切模量μ和密度ρ的AVO线性方程如下：

式中，R_pp为纵波反射系数，θ为地震波入射角，为饱和岩石纵横波速度比的平方，为干岩石纵横波速度比的平方；

步骤2)：利用增益函数G(φ)简化混合流体指示因子f，将等效流体体积模量K_f作为流体指示因子，三者之间的关系表达式如下：

f＝G(φ)K_f (9)

式中，K_f为流体等效体积模量，φ为岩石孔隙度，增益函数G(φ)＝([1-K_n]²/φ)，K_n为岩石骨架的特征，K_n＝(K_dry/K_sat)，K_dry为干岩石体积模量，K_sat为饱和岩石体积模量；

将式(9)代入式(8)得到：

步骤3)：由于数学上存在以下关系：Δ(XY)/XY＝ΔX/X+ΔY/Y，因此将式(10)转换为：

步骤4)：据临界孔隙度方法，得到：

式中，K_dry为干岩石体积模量，μ_dry为干岩石的剪切模量，φ为岩石孔隙度，φ_c为临界孔隙度，K_s为岩石矿物的体积模量，μ_s为岩石矿物的剪切模量；

利用K_dry＝K_s(1-[φ/φ_c])，简化增益函数为：

因此可以得到：

将式(14)代入式(8)，得到：

从公式(15)提取公式(14)的密度项与孔隙度项进行合并，得到

小角度入射情况下，地震波入射角存在以下函数关系：tan²θ≈sin²θ，公式(15)的余下密度项可以进行如下的近似：

将公式(16)、(17)代入公式(11)，公式(11)可以改写成如下形式：

至此，建立了包含流体等效体积模量的AVO公式，即公式(18)；

步骤5)：基于岩石物理理论，岩石的杨氏模量与泊松比、体积模量存在如下的关系：

E＝3κ(1-2σ) (19)

式中，E为杨氏模量，κ为体积模量，σ为泊松比；

岩石泊松比σ与纵波速度v_p、横波速度v_s的函数关系如下：

式中v_p为岩石的纵波速度，v_s为岩石的横波速度；

将式(20)带入式(19)，可以得到杨氏模量E和AVO三参数：纵波速度v_p、横波速度v_s及密度ρ的换算关系：

在式(21)两边同时乘以密度项，式(21)可以改写为如下形式：

Eρ＝μρ*α (22)

式中 为饱和岩石纵横波速度比的平方；

将式(22)代入到式(18)中，得到新的AVO近似公式：

其中为流体评价项，为脆性评价项，为反映干岩石性质的骨架项；ΔK_f为上下界面间流体等效体积模量，ΔEρ为上下界面间流体脆性评价项，Δφρ为上下界面间流体干架项的差值；为上下界面间流体等效体积模量的平均值，为上下界面间流体脆性评价项的平均值，为上下界面间流体干架项的平均值；

步骤6)：基于弹性阻抗理论，所述AVO近似公式计算反射系数以弹性阻抗的对数形式表示为：

式中，R(θ)为反射系数，EI为弹性阻抗，ΔEI为上下界面的弹性阻抗差；

将式(23)代入式(24)中：

式中，

基于归一化弹性阻抗概念，经过化简，得到归一化弹性阻抗形式：

式中，K_f0,φρ₀和Eρ₀分别是K_f，φρ和Eρ的统计平均值，从测井曲线估算得到；

在贝叶斯框架下，似然函数及柯西先验分布，建立反演参数后验分布的矩阵表达式：

式中，σ_n为噪音标准差，G表示正演算子矩阵，T表示转置，r为反射系数矩阵，d为实际地震记录，Φ_i为调节矩阵，Ψ为酉矩阵；

根据式(27)在最大后验概率的约束准则下，构建反演目标函数，得到：

式中，σ_n为噪音标准差，G表示正演算子矩阵，T表示转置，r为反射系数矩阵，d为实际地震记录，Φ_i为调节矩阵，J(r)为反演目标函数，J_G(r)为模型参数项，J_Cauchy(r)为反射系数矩阵的三变量柯西先验分布约束项；

求取目标函数极小值，对J(r)关于r求取一阶偏导，并令其为零，得到参数r的最大后验概率解，即

[G^TG+λ(B+B^T)Q]r＝G^Td (29)。