CN112180440B - 一种基于avo特征分析的叠前随机反演方法及系统 - Google Patents
一种基于avo特征分析的叠前随机反演方法及系统 Download PDFInfo
- Publication number
- CN112180440B CN112180440B CN201910593753.0A CN201910593753A CN112180440B CN 112180440 B CN112180440 B CN 112180440B CN 201910593753 A CN201910593753 A CN 201910593753A CN 112180440 B CN112180440 B CN 112180440B
- Authority
- CN
- China
- Prior art keywords
- seismic
- inversion
- avo
- wave impedance
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000004088 simulation Methods 0.000 claims abstract description 74
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013517 stratification Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 6
- 239000007787 solid Substances 0.000 abstract description 3
- 230000003068 static effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 9
- 239000007789 gas Substances 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005755 formation reaction Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
- G01V2210/6242—Elastic parameters, e.g. Young, Lamé or Poisson
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种基于AVO特征分析的叠前随机反演方法及系统，其中，该方法包括：根据地震资料，进行叠前同时反演；进行AVO分析并对AVO特征曲线进行拟合；构建目的层空间中每个待模拟的网格节点的样本空间；根据样本空间，驱动非序贯高斯随机模拟过程，得到N组全频段模拟结果；设计空间频率域滤波器，对N组全频段模拟结果进行滤波；将N组高频段模拟结果与目的层地震频段反演结果进行合并求和，得到N组全频段反演结果。本方法及系统获得的叠前随机反演结果具有较高的分辨率和可靠性，为精细评价油气藏的关键静态参数和油气藏建模提供扎实的成果数据基础，对提高开发阶段油气藏地震描述精度及优化开发井部署具有重要的应用价值。
Description
技术领域
本发明属于石油天然气地震勘探技术领域，更具体地讲，尤指一种基于AVO特征分析的叠前随机反演方法及系统。
背景技术
目前，经过测井岩石物理的研究实践表明，地层弹性参数及多项弹性参数交会能更有效地识别地层中的储层和流体，叠前地震反演技术则能获取与之相应的地层的纵波阻抗、横波阻抗以及泊松比等多项弹性参数体，再依据测井岩石物理响应模式对全区目的地层的储层和流体进行有效识别，因此该项技术已经成为应用于油气藏地震精细描述的关键技术。
叠前随机反演是一种基于变差函数理论的能提高反演结果分辨率的叠前地震反演技术，以近年发展起来的叠前地质统计学反演技术为典型代表。该技术的实现过程可以简要叙述为以下几步：
步骤S1，根据地质统计学理论，利用研究区广泛的地质信息和测井信息建立各岩相及其各项弹性参数等区域化变量的变差函数和先验概率分布，形成地质统计学模型；
步骤S2，在地层层序框架约束下利用地质统计学模型驱动随机模拟得到各岩相及其各项弹性参数的初始模型；
步骤S3，将初始模型与多入射角地震子波进行褶积得到叠前地震合成记录，计算叠前地震合成记录与实际叠前地震记录的残差；
步骤S4，若残差大，则返回步骤S2，扰动地质统计学模型重新进行随机模拟，直到残差足够小的情况下，则输出各岩相及其各项弹性参数的反演结果作为一个等概率实现。
从叠前随机反演的技术原理和实现过程不难发现，其反演结果中高于地震频带的高频成分来源于地质统计学模拟，高频成分的随机性主要取决于能否建立合理的地质统计学模型(变差函数及先验概率分布函数)，以准确描述研究区相关变量的地质统计学规律，这又取决于岩相及弹性参数等区域化变量的二阶平稳性、地质和测井空间样本的数量和分布情况。大量的地质统计学应用实践中极易出现无法拟合出吻合度较高的变差函数和先验概率密度函数的问题，尤其是当研究区相带变化较大时，变差函数分析结果更不平稳，地质统计学方法不适用，表明地质统计学方法不具备广泛适用性，而以此建立的地质统计学模型无法准确描述研究区相关变量的统计学规律，强行驱动地质统计学模拟和随机反演会导致高频成分的随机性增强，在反演的多个实现中容易出现差异较大的多种弹性参数结构组合。
因此，亟需一种具有广泛适用性的，且能有效增强高频成分确定性的叠前随机反演方法。
发明内容
为克服传统叠前随机反演方法存在的问题，本发明提出了一种基于AVO(Amplitude variation with offset，振幅随偏移距的变化)特征相似性的叠前随机反演方法及系统，其具有广泛的适用性，且可以有效增强高频成分确定性，提高叠前随机反演对地层弹性参数结构高分辨率刻画的稳定性和准确性，对于提高油气藏地震描述的精度具有十分重要的意义。
在本发明一实施例中，提出了一种基于AVO特征分析的叠前随机反演方法，包括：
获取地震资料；
根据所述地震资料，进行叠前同时反演，得到目的层地震频段反演结果，其中，所述目的层地震频段反演结果包括纵波阻抗、横波阻抗和密度数据；
在目的层层序框架模型的控制下，对叠前地震道集进行AVO分析并对AVO特征曲线进行拟合，得到每个网格节点的AVO特征曲线；
比较待模拟的网格节点处的AVO特征曲线与相同小层已知井点处的AVO特征曲线，得到曲线相关系数，提取曲线相关系数高于预设门槛值对应的所述已知井点处的纵波阻抗、横波阻抗和密度数据，形成所述待模拟的网格节点的样本空间，重复本步骤，形成目的层空间中每个待模拟的网格节点的样本空间；
根据建立的所述样本空间，驱动非序贯高斯随机模拟过程，得到N组全频段模拟结果，其中，N为自定义数值；
根据目的层地震频段的纵波阻抗、横波阻抗和密度数据，分别设计对应的空间频率域滤波器，对所述N组全频段模拟结果进行滤波，得到N组高频段模拟结果；
将所述N组高频段模拟结果与所述目的层地震频段反演结果进行合并求和，得到N组全频段反演结果。
在本发明另一实施例中，提出了一种基于AVO特征分析的叠前随机反演系统，包括：
资料收集模块，用于获取地震资料；
叠前同时反演模块，用于根据所述地震资料，进行叠前同时反演，得到目的层地震频段反演结果，其中，所述目的层地震频段反演结果包括纵波阻抗、横波阻抗和密度数据；
AVO特征曲线拟合模块，用于在目的层层序框架模型的控制下，对叠前地震道集进行AVO分析并对AVO特征曲线进行拟合，得到每个网格节点的AVO特征曲线；
样本优选模块，用于比较待模拟的网格节点处的AVO特征曲线与相同小层已知井点处的AVO特征曲线，得到曲线相关系数，提取曲线相关系数高于预设门槛值对应的所述已知井点处的纵波阻抗、横波阻抗和密度数据，形成所述待模拟的网格节点的样本空间，重复本步骤，形成目的层空间中每个待模拟的网格节点的样本空间；
非序贯高斯随机模拟模块，用于根据建立的所述样本空间，驱动非序贯高斯随机模拟过程，得到N组全频段模拟结果，其中，N为自定义数值；
滤波模块，用于根据目的层地震频段的纵波阻抗、横波阻抗和密度数据，分别设计对应的空间频率域滤波器，对所述N组全频段模拟结果进行滤波，得到N组高频段模拟结果；
全频段反演模块，用于将所述N组高频段模拟结果与所述目的层地震频段反演结果进行合并求和，得到N组全频段反演结果。
在本发明又一实施例中，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述基于AVO特征分析的叠前随机反演方法。
在本发明再一实施例中，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有执行前述基于AVO特征分析的叠前随机反演方法的计算机程序。
本发明提出的基于AVO特征分析的叠前随机反演方法及系统，具有广泛的适用性，且可以有效增强高频成分确定性，提高叠前随机反演对地层弹性参数结构高分辨率刻画的稳定性和准确性。在实现过程中，对随机模拟样本空间的优选、构建过程进行了改进，对叠前随机反演的实现过程进行了优化，能适用于各类复杂岩相变化的地震工区；高于地震频段的反演结果具有良好的稳定性和可靠程度，且实现过程简单，易于编程实现。本方法及系统获得的叠前随机反演结果具有较高的分辨率和可靠性，为精细评价油气藏的关键静态参数和油气藏建模提供扎实的成果数据基础，对提高开发阶段油气藏地震描述精度及优化开发井部署具有重要的应用价值。
附图说明
图1是本发明一实施例的基于AVO特征分析的叠前随机反演方法流程图。
图2是本发明一实施例的基于AVO特征分析的叠前随机反演系统结构示意图。
具体实施方式
图1是本发明一实施例的基于AVO特征分析的叠前随机反演方法流程图。如图1所示，该方法包括：
步骤S101，获取地震资料，其中，地震资料包括：叠前地震道集数据、目的层层序框架模型及测井资料；
利用叠前地震道集数据、目的层层序框架模型及测井资料，进行叠前同时反演，得到目的层地震频段反演结果，其中，目的层地震频段反演结果包括纵波阻抗、横波阻抗和密度数据。
在一实施例中，叠前地震道集数据、目的层层序框架模型及测井资料是开展叠前同时反演工作的重要数据；因此，在步骤S101中，需要将资料采集等前期工作铺垫好。
关于叠前地震道集数据，可以通过对野外地震采集数据进行地震处理后得到。
关于目的层层序框架模型，可以通过对地震数据开展构造层序解释并建模来得到；建模中体现目的层顶底界面的沉积模式，包括顶底平行、顶部削截等。完成的模型由指定等时间间隔或指定数量的纵向分布小层与平面地震测网网格将目的层三维空间网格化，形成以单个小立方体为单元的三维网格模型；在后面的步骤中，所有计算均以网格节点为对象，每个网格节点包含一个身份信息，该身份信息包括该节点的平面位置和纵向小层编号。
测井资料是实测数据，包括：纵波阻抗曲线、横波阻抗曲线、密度曲线和钻井分层数据。
叠前同时反演则是综合利用上述各类数据开展反演工作，得到目的层地震频段的纵波阻抗、横波阻抗和密度数据。
步骤S102，在目的层层序框架模型的控制下，对叠前地震道集进行AVO分析并对AVO特征曲线进行拟合，得到每个网格节点的AVO特征曲线。
本步骤是对AVO分析和AVO特征曲线拟合的特殊实施，主要是为了满足后续步骤的进行。步骤S102在实施时，先以框架模型中的某一个网格节点为例，搜索该节点叠前地震道集中与该点纵向时间距离最近的所有地震波峰或波谷，进行AVO分析及AVO特征曲线拟合。重复前述方式，直到完成所有网格节点的AVO分析及AVO特征曲线拟合；此时，每个网格节点包含一个数据组合，该数据组合包括了该点的平面位置、纵向小层序编号及AVO特征曲线。
步骤S103，将目的层空间中的待模拟的网格节点处的AVO特征曲线，与相同小层已知井点处的AVO特征曲线进行比较，得到曲线相关系数。
步骤S104，设定一相关系数门槛值，筛选大于门槛值的曲线相关系数。
其中，设定相关系数门槛值的原则主要依据实施例中叠前地震道集数据的信噪比水平，对于低信噪比地震数据的研究区，可将该门槛值适当降低，对于高信噪比地震数据的研究区，可将该门槛值适当提高。相关系数范围为0-1，本发明的方法一般设置该门槛值的范围为0.6-0.8。
步骤S105，选入大于门槛值的曲线相关系数对应的已知井点，提取该些被选入已知井点处的纵波阻抗、横波阻抗和密度数据，形成所述待模拟的网格节点的样本空间；
其中，符合曲线相关系数大于门槛值要求的已知井点存在一个或多个。步骤S103-步骤S105的过程始终在与待模拟网格节点相同的小层中执行。
重复执行前述步骤S103-步骤S105，形成目的层空间中每个待模拟的网格节点的样本空间。
前述步骤S103-步骤S105是基于叠前地震道集AVO特征相似性优选随机模拟样本的关键步骤，是本发明一个核心技术点。通过AVO分析拟合AVO特征曲线，对待模拟点(处于已知井点以外的地震数据点)寻找与之相似的井点处道集AVO特征，将该井点的各已知测井弹性参数作为该待模拟点的随机模拟样本。在设定了AVO特征曲线相关系数门槛值(即相关系数不低于某个值)的情况下，每个待模拟点都利用AVO特征曲线相关系数搜索并形成了一个用于随机模拟的多个测井样本集合，即形成待模拟的网格节点的样本空间，进而启动随机模拟和叠前随机反演过程。
步骤S106，根据建立的所述样本空间，驱动非序贯高斯随机模拟过程，得到N组全频段模拟结果，每组所述全频段模拟结果包含1个纵波阻抗数据体、1个横波阻抗数据体和1个密度数据体。
其中，非序贯高斯随机模拟技术由高斯模拟和随机采样串联依序使用，并拒绝当前网格点的模拟结果投放到下一个待模拟网格点的样本空间，保持各个待模拟网格点的样本空间不变且均为已知井点的样本。
高斯模拟和随机采样的串联依序使用和样本空间保持不变的原则构成非序贯高斯随机模拟方法，应用该方法对除已知井点的其它所有网格点逐个完成随机模拟，每完成一次全部网格点的随机模拟即产生一组实现结果，每组实现结果均包括1个纵波阻抗、1个横波阻抗和1个密度的全频段模拟数据体，可以自定义随机模拟产生的实现结果数量N，N组结果中已知井点处的数据均采用测井实测数据。
非序贯高斯随机模拟技术的实施是为了避免引入其它模拟结果的误差累积，保持以已知井点构成的样本空间启动各网格点的模拟过程，可以使得到的模拟结果更加稳定、收敛。
步骤S107，根据目的层地震频段的纵波阻抗、横波阻抗和密度数据，分别设计对应的空间频率域滤波器，对所述N组全频段模拟结果进行滤波，得到N组高频段模拟结果，每组所述高频段模拟结果包含1个纵波阻抗数据体、1个横波阻抗数据体和1个密度数据体。
其中，空间频率域滤波由短时窗时频分析技术和滤波技术构成。
该空间频率域滤波器的构建方法为：分别对叠前同时反演得到的地震频段的纵波阻抗、横波阻抗和密度数据体进行短时窗时频分析，得到每个网格节点的频谱，将其视为一个带通滤波器，所有节点的带通滤波器构成空间频率域滤波器。
应用该滤波器对N组全频段对应的模拟结果分别进行滤波，即每个网格节点中均抠除了对应地震频段的数据值，得到N组高于地震频段的模拟结果。
步骤S108，将所述N组高频段模拟结果与所述目的层地震频段反演结果进行合并求和，得到N组全频段反演结果，每组全频段反演结果均包括1个纵波阻抗数据体、1个横波阻抗数据体和1个密度数据体。
基于同一发明构思，本发明实施例中，还提出了一种基于AVO特征分析的叠前随机反演系统，结合图2所示，包括：
资料收集模块100，用于获取地震资料；
叠前同时反演模块200，用于根据所述地震资料，进行叠前同时反演，得到目的层地震频段反演结果，其中，所述目的层地震频段反演结果包括纵波阻抗、横波阻抗和密度数据；
AVO特征曲线拟合模块300，用于在目的层层序框架模型的控制下，对叠前地震道集进行AVO分析并对AVO特征曲线进行拟合，得到每个网格节点的AVO特征曲线；
样本优选模块400，用于比较待模拟的网格节点处的AVO特征曲线与相同小层已知井点处的AVO特征曲线，得到曲线相关系数，提取曲线相关系数高于预设门槛值对应的所述已知井点处的纵波阻抗、横波阻抗和密度数据，形成所述待模拟的网格节点的样本空间，重复本步骤，形成目的层空间中每个待模拟的网格节点的样本空间；
非序贯高斯随机模拟模块500，用于根据建立的所述样本空间，驱动非序贯高斯随机模拟过程，得到N组全频段模拟结果，其中，N为自定义数值；
滤波模块600，用于根据目的层地震频段的纵波阻抗、横波阻抗和密度数据，分别设计对应的空间频率域滤波器，对所述N组全频段模拟结果进行滤波，得到N组高频段模拟结果；
全频段反演模块700，用于将所述N组高频段模拟结果与所述目的层地震频段反演结果进行合并求和，得到N组全频段反演结果。
上述模块涉及的具体流程、算法可以参考前述方法部分的叙述，此处不再赘述。
在本发明一实施例中，还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述基于AVO特征分析的叠前随机反演方法。
在本发明一实施例中，还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有执行前述基于AVO特征分析的叠前随机反演方法的计算机程序。
本发明提出的基于AVO特征分析的叠前随机反演方法及系统，具有广泛的适用性，且可以有效增强高频成分确定性，提高叠前随机反演对地层弹性参数结构高分辨率刻画的稳定性和准确性。在实现过程中，对随机模拟样本空间的优选、构建过程进行了改进，对叠前随机反演的实现过程进行了优化，能适用于各类复杂岩相变化的地震工区；高于地震频段的反演结果具有良好的稳定性和可靠程度，且实现过程简单，易于编程实现。本方法及系统获得的叠前随机反演结果具有较高的分辨率和可靠性，为精细评价油气藏的关键静态参数和油气藏建模提供扎实的成果数据基础，对提高开发阶段油气藏地震描述精度及优化开发井部署具有重要的应用价值。
以上所述的具体实施例，对本发明目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种基于AVO特征分析的叠前随机反演方法，其特征在于，包括：
获取地震资料；
根据所述地震资料，进行叠前同时反演，得到目的层地震频段反演结果，其中，所述目的层地震频段反演结果包括纵波阻抗、横波阻抗和密度数据；
在目的层层序框架模型的控制下，对叠前地震道集进行AVO分析并对AVO特征曲线进行拟合，得到每个网格节点的AVO特征曲线；
比较待模拟的网格节点处的AVO特征曲线与相同小层已知井点处的AVO特征曲线，得到曲线相关系数，提取曲线相关系数高于预设门槛值对应的所述已知井点处的纵波阻抗、横波阻抗和密度数据，形成所述待模拟的网格节点的样本空间，重复本步骤，形成目的层空间中每个待模拟的网格节点的样本空间；
根据建立的所述样本空间，驱动非序贯高斯随机模拟过程，得到N组全频段模拟结果，其中，N为自定义数值；
根据目的层地震频段的纵波阻抗、横波阻抗和密度数据，分别设计对应的空间频率域滤波器，对所述N组全频段模拟结果进行滤波，得到N组高频段模拟结果；
将所述N组高频段模拟结果与所述目的层地震频段反演结果进行合并求和，得到N组全频段反演结果。
2.根据权利要求1所述的基于AVO特征分析的叠前随机反演方法，其特征在于，所述地震资料包括：叠前地震道集数据、目的层层序框架模型及测井资料。
3.根据权利要求2所述的基于AVO特征分析的叠前随机反演方法，其特征在于，所述叠前地震道集数据的获取方法为：
采集野外地震数据，对所述野外地震数据进行地震处理，得到所述叠前地震道集数据。
4.根据权利要求2所述的基于AVO特征分析的叠前随机反演方法，其特征在于，目的层层序框架模型的获取方法为：
通过对地震数据开展构造层序解释并建模，得到所述目的层层序框架模型。
5.根据权利要求2所述的基于AVO特征分析的叠前随机反演方法，其特征在于，所述测井资料包括纵波阻抗曲线、横波阻抗曲线、密度曲线和钻井分层数据。
6.根据权利要求1所述的基于AVO特征分析的叠前随机反演方法，其特征在于，每组所述全频段模拟结果包含1个纵波阻抗数据体、1个横波阻抗数据体和1个密度数据体；
对应的，每组所述高频段模拟结果包含1个纵波阻抗数据体、1个横波阻抗数据体和1个密度数据体；
对应的，每组全频段反演结果均包括1个纵波阻抗数据体、1个横波阻抗数据体和1个密度数据体。
7.根据权利要求1所述的基于AVO特征分析的叠前随机反演方法，其特征在于，所述非序贯高斯随机模拟过程由高斯模拟和随机采样串联依序执行；
在驱动非序贯高斯随机模拟过程中，拒绝当前网格节点的模拟结果投放到下一个待模拟网格节点的样本空间，保持各个待模拟网格点的样本空间不变。
8.根据权利要求1所述的基于AVO特征分析的叠前随机反演方法，其特征在于，所述空间频率域滤波器是由短时窗时频分析方法和滤波技术构成。
9.根据权利要求8所述的基于AVO特征分析的叠前随机反演方法，其特征在于，所述根据目的层地震频段的纵波阻抗、横波阻抗和密度数据，分别设计对应的空间频率域滤波器，对所述N组全频段模拟结果进行滤波，得到N组高频段模拟结果，包括：
分别对目的层地震频段的纵波阻抗、横波阻抗和密度数据进行短时窗时频分析，得到每个网格节点的频谱；
将所述每个网格节点的频谱视为一个带通滤波器，利用所有网格节点的带通滤波器构成所述空间频率域滤波器；
利用所述空间频率域滤波器，分别对N组全频段模拟结果进行滤波，将每个网格节点中对应地震频段的数据值抠除，得到N组高于地震频段的高频段模拟结果。
10.一种基于AVO特征分析的叠前随机反演系统，其特征在于，包括：
资料收集模块，用于获取地震资料；
叠前同时反演模块，用于根据所述地震资料，进行叠前同时反演，得到目的层地震频段反演结果，其中，所述目的层地震频段反演结果包括纵波阻抗、横波阻抗和密度数据；
AVO特征曲线拟合模块，用于在目的层层序框架模型的控制下，对叠前地震道集进行AVO分析并对AVO特征曲线进行拟合，得到每个网格节点的AVO特征曲线；
样本优选模块，用于比较待模拟的网格节点处的AVO特征曲线与相同小层已知井点处的AVO特征曲线，得到曲线相关系数，提取曲线相关系数高于预设门槛值对应的所述已知井点处的纵波阻抗、横波阻抗和密度数据，形成所述待模拟的网格节点的样本空间，重复本步骤，形成目的层空间中每个待模拟的网格节点的样本空间；
非序贯高斯随机模拟模块，用于根据建立的所述样本空间，驱动非序贯高斯随机模拟过程，得到N组全频段模拟结果，其中，N为自定义数值；
滤波模块，用于根据目的层地震频段的纵波阻抗、横波阻抗和密度数据，分别设计对应的空间频率域滤波器，对所述N组全频段模拟结果进行滤波，得到N组高频段模拟结果；
全频段反演模块，用于将所述N组高频段模拟结果与所述目的层地震频段反演结果进行合并求和，得到N组全频段反演结果。
11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任一所述方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至9任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910593753.0A CN112180440B (zh) | 2019-07-03 | 2019-07-03 | 一种基于avo特征分析的叠前随机反演方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910593753.0A CN112180440B (zh) | 2019-07-03 | 2019-07-03 | 一种基于avo特征分析的叠前随机反演方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112180440A CN112180440A (zh) | 2021-01-05 |
| CN112180440B true CN112180440B (zh) | 2023-05-26 |
Family
ID=73914925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910593753.0A Active CN112180440B (zh) | 2019-07-03 | 2019-07-03 | 一种基于avo特征分析的叠前随机反演方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112180440B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
| CN103675907A (zh) * | 2012-09-20 | 2014-03-26 | 中国石油化工股份有限公司 | 一种基于岩相约束的avo反演油气检测方法 |
| CN104516017A (zh) * | 2013-09-29 | 2015-04-15 | 中国石油化工股份有限公司 | 一种碳酸盐岩岩石物理参数地震反演方法 |
| CN104977609A (zh) * | 2014-04-11 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 一种基于快速模拟退火的叠前纵横波联合反演方法 |
| CN106154323A (zh) * | 2015-04-01 | 2016-11-23 | 中国石油化工股份有限公司 | 基于地震拓频处理的相控随机反演薄储层预测方法 |
| CN108490491A (zh) * | 2018-03-06 | 2018-09-04 | 中国石油集团东方地球物理勘探有限责任公司 | 一种基于波形指示反演的滩体预测方法 |
| CN108645994A (zh) * | 2018-04-25 | 2018-10-12 | 中国石油大学(北京) | 一种基于多点地质统计学的地质随机反演方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7072767B2 (en) * | 2003-04-01 | 2006-07-04 | Conocophillips Company | Simultaneous inversion for source wavelet and AVO parameters from prestack seismic data |
| US11016211B2 (en) * | 2017-03-24 | 2021-05-25 | Exxonmobil Upstream Research Company | 4D time shift and amplitude joint inversion for obtaining quantitative saturation and pressure separation |
-
2019
- 2019-07-03 CN CN201910593753.0A patent/CN112180440B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
| CN103675907A (zh) * | 2012-09-20 | 2014-03-26 | 中国石油化工股份有限公司 | 一种基于岩相约束的avo反演油气检测方法 |
| CN104516017A (zh) * | 2013-09-29 | 2015-04-15 | 中国石油化工股份有限公司 | 一种碳酸盐岩岩石物理参数地震反演方法 |
| CN104977609A (zh) * | 2014-04-11 | 2015-10-14 | 中国石油集团东方地球物理勘探有限责任公司 | 一种基于快速模拟退火的叠前纵横波联合反演方法 |
| CN106154323A (zh) * | 2015-04-01 | 2016-11-23 | 中国石油化工股份有限公司 | 基于地震拓频处理的相控随机反演薄储层预测方法 |
| CN108490491A (zh) * | 2018-03-06 | 2018-09-04 | 中国石油集团东方地球物理勘探有限责任公司 | 一种基于波形指示反演的滩体预测方法 |
| CN108645994A (zh) * | 2018-04-25 | 2018-10-12 | 中国石油大学(北京) | 一种基于多点地质统计学的地质随机反演方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| New Recognize on tectonic pattern of Longmen Mts piedmont belt;Xu min et al;2018 CPS/SEG International Geophysical Conference;全文 * |
| 叠前地震随机反演方法及实际资料应用;王小丹等;《地球物理学进展 》;第33卷(第6期);全文 * |
| 层状介质 AVO 叠前反演;陈建江等;《石油地球物理勘探》;第41卷(第6期);全文 * |
| 波形指示叠前地震反演方法在致密含油薄砂层预测中的应用;章雄;《物探与化探》;第42卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112180440A (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111273348B (zh) | 基于更新概率比率恒定理论的多点地质统计叠前反演方法 | |
| AU741349B2 (en) | Method for characterizing subsurface petrophysical properties using linear shape attributes | |
| CN103728659B (zh) | 一种提高地下岩溶探测精度的方法 | |
| CN108333624B (zh) | 一种基于地球物理信息的虚拟井构建方法 | |
| WO2012139082A1 (en) | Event selection in the image domain | |
| CN103954992B (zh) | 一种反褶积方法及装置 | |
| CN111505713B (zh) | 基于多点地质统计的叠前地震反演方法 | |
| CN108931811B (zh) | 基于多点地质统计的地震储层反演方法 | |
| Olalotiti-Lawal et al. | Post-combustion carbon dioxide enhanced-oil-recovery development in a mature oil field: model calibration using a hierarchical approach | |
| CN113687440A (zh) | 基于米兰科维奇旋回的古水深定量恢复方法和存储介质 | |
| CN112578475B (zh) | 基于数据挖掘的致密储层双甜点识别方法 | |
| RU2490677C2 (ru) | Способ комплексной обработки геофизических данных и технологическая система "литоскан" для его осуществления | |
| CN112180440B (zh) | 一种基于avo特征分析的叠前随机反演方法及系统 | |
| CN111077574A (zh) | 一种确定地层弹性参数的方法、装置及系统 | |
| CN112649887A (zh) | 基于钻井资料定量划分层序地层的方法及装置 | |
| CN113419278B (zh) | 一种基于状态空间模型与支持向量回归的井震联合多目标同时反演方法 | |
| CN116027454A (zh) | 一种砂岩厚度等值线图的成图方法及智能绘制装置 | |
| CN111897004B (zh) | 一种基于大数据分析技术的测井预测方法 | |
| Sabeti et al. | A new stochastic 3D seismic inversion using direct sequential simulation and co-simulation in a genetic algorithm framework | |
| Chang et al. | Integrated work flow of preserving facies realism in history matching: Application to the Brugge field | |
| CN105989240A (zh) | 砂层预测方法及装置 | |
| CN104698499A (zh) | 一种基于压缩屏蔽层地震波的油气勘测方法及装置 | |
| CN114063169B (zh) | 一种波阻抗反演方法、系统、设备和存储介质 | |
| CN112711067B (zh) | 薄储层预测方法及装置 | |
| CN112363244B (zh) | 波阻抗反演方法与碳酸盐岩非均质储层预测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |