CN113253347A - 基于vti介质的页岩储层avo反演表征方法及系统 - Google Patents

基于vti介质的页岩储层avo反演表征方法及系统 Download PDF

Info

Publication number
CN113253347A
CN113253347A CN202110533801.4A CN202110533801A CN113253347A CN 113253347 A CN113253347 A CN 113253347A CN 202110533801 A CN202110533801 A CN 202110533801A CN 113253347 A CN113253347 A CN 113253347A
Authority
CN
China
Prior art keywords
new attribute
reflection coefficient
parameters
coefficient equation
inversion
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.)
Granted
Application number
CN202110533801.4A
Other languages
English (en)
Other versions
CN113253347B (zh
Inventor
葛子建
潘新朋
柳建新
崔益安
潘树林
李景叶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202110533801.4A priority Critical patent/CN113253347B/zh
Publication of CN113253347A publication Critical patent/CN113253347A/zh
Application granted granted Critical
Publication of CN113253347B publication Critical patent/CN113253347B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface
    • G01V2210/624—Reservoir parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (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

本发明提供一种基于VTI介质的页岩储层AVO反演表征方法及系统，属于页岩气勘探技术领域，确定地震数据的振幅缩放因子；构建VTI介质新属性参数的反射系数方程；基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；根据新属性参数模型，评估页岩储层位置及识别因子分布特征。本发明推导出了基于整合流体参数的VTI介质反射系数方程，获得含4个新属性参数的线性反射系数方程；实现了新属性参数的准确预测；通过建立新属性参数间的交会关系，识别了页岩储层位置及强衰减储层段，实现流体因子、衰减因子和各向异性特征的准确识别。

Description

基于VTI介质的页岩储层AVO反演表征方法及系统
技术领域
本发明涉及页岩气勘探技术领域，具体涉及一种基于VTI介质的页岩储层AVO反演表征方法及系统。
背景技术
地震反演是获得地下介质内部图像、对储层进行精细描述的有效方法，也是高分辨率地震勘探的最终表现形式，地震数据反演很大程度上提高了储层表征的价值。
随着地震研究的重点由勘探逐渐向开发转移，以及由常规油气向非常规油气尤其是页岩气的转移，通过地震反演等手段来揭示地下油气藏的精细分布特征，对油气藏储层进行精雕细刻的技术也受到越来越多的关注。
页岩储层的水平薄互层构造可以等效为VTI介质。从目前的研究来看，地震反演研究主要涉及基于Zoeppritz方程的AVO反演方法和全波形反演方法。基于精确Zoeppritz方程和全波形反演方法能利用丰富的叠前信息预测模型参数，但其计算量巨大，在反演尺度和计算效率上不能满足实际油藏储层精细表征要求，尤其对于实际三维大偏移距地震数据。
针对VTI介质，传统的基于Zoeppritz方程近似反射系数是一个包含新属性参数和弱各向异性参数的表达式，虽然通过等价改写能重新表示为5个模型参数的线性表达式，但是5个未知参数造成的病态反演问题限制了方法的应用。并且，常规反演获得的新属性参数难以直接对储层识别因子进行刻画，流体因子、衰减因子等页岩储层识别因子的间接计算会引入累积误差。
发明内容
本发明的目的在于提供一种基于VTI介质的页岩储层AVO反演表征方法及系统，以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的，本发明采取了如下技术方案：
第一方面，本发明提供一种基于VTI介质的页岩储层AVO反演表征方法，包括如下步骤：
确定地震数据的振幅缩放因子；
构建VTI介质新属性参数的反射系数方程；
基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
根据新属性参数模型，评估页岩储层位置及识别因子分布特征；所述识别因子包括流体因子和衰减因子。
优选的，基于地震数据提取角度依赖的子波，结合实际井旁地震数据确定振幅缩放因子，包括：
基于地震数据提取角度依赖的地震子波；基于测井数据和VTI介质反射系数方程正演模拟角道集，并结合实际井旁地震数据确定振幅缩放因子；
其中，当地震数据信噪比高于阈值时，为角道集的每一道使用统一的振幅缩放因子；当信噪比低于阈值时，分别计算近端偏移距、中间偏移距、远端偏移距对应的振幅缩放因子。
优选的，构建VTI介质新属性参数的反射系数方程包括：
利用弹性波逆散射理论、波恩近似及稳相法，推导出基于纵横波模量的VTI介质地震波反射系数方程，对地震波反射系数方程进行整合化简，获得VTI介质新属性参数的线性反射系数方程。
优选的，结合反射系数方程，使用测井数据统计新属性参数的先验信息，构建新属性参数的协方差矩阵，包括：
采用四变量高斯分布函数作为先验分布函数，基于工区内所有测井数据统计新属性参数的均值，求取各新属性参数的自相关系数和互相关系数，构建四参数相关的协方差矩阵，形成符合该工区的模型参数先验分布函数。
优选的，基于测井数据，建立初始新属性参数模型；结合振幅缩放因子、反射系数方程以及协方差矩阵，基于Bayesian原理获得最优新属性参数模型，作为最终的新属性参数模型。
优选的，基于测井数据进行平滑处理并沿解释层位外推，建立初始新属性参数模型，包括：
利用散点插值的方法对页岩储层各个层位的数据进行插值，完成地质层位建模，然后根据地质层位进行测井数据横向插值，计算得到地下每个点上的新属性参数值，完成初始新属性参数建模。
优选的，结合振幅缩放因子、反射系数方程以及协方差矩阵，基于Bayesian原理获得最优新属性参数模型，包括：
基于Bayesian原理、先验信息和正演算子构建最大后验概率意义下的反演目标函数，通过求目标函数关于新属性参数的导数，并求解目标函数的极小值等价于令其导数等于零，获得最优新属性参数模型。
第二方面，本发明提供一种基于VTI介质的页岩储层AVO反演表征系统，包括：
确定模块，用于确定地震数据的振幅缩放因子；
第一构建模块，用于构建VTI介质新属性参数的反射系数方程；
第二构建模块，用于基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
第三构建模块，用于基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
表征评估模块，用于根据新属性参数模型，评估页岩储层位置及识别因子分布特征；所述识别因子包括流体因子和衰减因子。
第三方面，本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括用于执行如上所述的基于VTI介质的页岩储层AVO反演表征方法的指令。
第四方面，本发明提供一种电子设备，包括如上所述的非暂态计算机可读存储介质；以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。
本发明有益效果：利用弹性波逆散射理论、波恩近似及稳相法，推导出了基于整合流体参数的VTI介质反射系数方程；通过对方程进行整合化简，获得含4个新属性参数的线性反射系数方程；在贝叶斯框架下，提出了VTI介质新四属性参数线性反演方法，实现了新属性参数的准确预测；通过建立新属性参数间的交会关系，进一步识别页岩储层位置及强衰减储层段，最终实现流体因子、衰减因子和各向异性特征的准确识别。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例2所述的基于VTI介质AVO反演的页岩储层流体因子估计方法流程图。
图2为本发明实施例2所述的A地区测井曲线信息示意图。
图3为本发明实施例2所述的CDP叠加剖面示意图。
图4为本发明实施例2所述的新属性剖面反演示意图。
图5为本发明实施例2所述的测井位置反演曲线对比及合成道集与实际道集对比示意图。
图6为本发明实施例2所述的井位的反演曲线合成道集与实际道集对比示意图。
图7为本发明实施例2所述的基于新四属性间交会关系的测井位置流体参数和各向异性参数曲线计算结果示意图。
图8为本发明实施例2所述的基于新四属性间交会关系的流体因子和各向异性参数剖面计算结果示意图。
图9为本发明实施例3所述的基于VTI介质AVO反演的页岩储层衰减因子估计方法流程图。
图10为本发明实施例3所述的A地区测井曲线信息示意图。
图11为本发明实施例3所述的CDP叠加剖面示意图。
图12为本发明实施例3所述的新属性剖面反演示意图。
图13为本发明实施例3所述的测井位置反演曲线对比及合成道集与实际道集对比示意图。
图14为本发明实施例3所述的井位的反演曲线合成道集与实际道集对比示意图。
图15为本发明实施例3所述的基于新四属性间交会关系的测井位置流体参数和各向异性参数曲线计算结果示意图。
图16为本发明实施例3所述的基于新四属性间交会关系的流体因子和各向异性参数剖面计算结果示意图。
具体实施方式
下面详细叙述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明，下面结合附图以具体实施例对本发明作进一步解释说明，且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本发明所必须的。
实施例1
本发明实施例1提供一种基于VTI介质的页岩储层AVO反演表征系统，该系统包括：
确定模块，用于确定地震数据的振幅缩放因子；
第一构建模块，用于构建VTI介质新属性参数的反射系数方程；所述新属性参数包括纵波模量、横波模量、依赖于密度和弱各向异性参数的与纵波模量的相关量、与整合识别因子直接相关的量；所述识别因子包括流体因子和衰减因子；
第二构建模块，用于基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
第三构建模块，用于基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
表征评估模块，用于根据新属性参数模型，评估页岩储层位置及识别因子分布特征。
在本实施例1中，利用上述的系统实现了基于VTI介质的页岩储层AVO反演表征方法，包括如下步骤：
确定地震数据的振幅缩放因子；
构建VTI介质新属性参数的反射系数方程；
基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
根据新属性参数模型，评估页岩储层位置及识别因子分布特征；所述识别因子包括流体因子和衰减因子。
其中，基于地震数据提取角度依赖的子波，结合实际井旁地震数据确定振幅缩放因子，包括：
基于地震数据提取角度依赖的地震子波；基于测井数据和VTI介质反射系数方程正演模拟角道集，并结合实际井旁地震数据确定振幅缩放因子；
其中，当地震数据信噪比高于阈值时，为角道集的每一道使用统一的振幅缩放因子；当信噪比低于阈值时，分别计算近端偏移距、中间偏移距、远端偏移距对应的振幅缩放因子。
构建VTI介质新属性参数的反射系数方程包括：
利用弹性波逆散射理论、波恩近似及稳相法，推导出基于纵横波模量的VTI介质地震波反射系数方程，对地震波反射系数方程进行整合化简，获得VTI介质新属性参数的线性反射系数方程。
结合反射系数方程，使用测井数据统计新属性参数的先验信息，构建新属性参数的协方差矩阵，包括：
采用四变量高斯分布函数作为先验分布函数，基于工区内所有测井数据统计新属性参数的均值，求取各新属性参数的自相关系数和互相关系数，构建四参数相关的协方差矩阵，形成符合该工区的模型参数先验分布函数。
基于测井数据，建立初始新属性参数模型；结合振幅缩放因子、反射系数方程以及协方差矩阵，基于Bayesian原理获得最优新属性参数模型，作为最终的新属性参数模型。
基于测井数据进行平滑处理并沿解释层位外推，建立初始新属性参数模型，包括：
利用散点插值的方法对页岩储层各个层位的数据进行插值，完成地质层位建模，然后根据地质层位进行测井数据横向插值，计算得到地下每个点上的新属性参数值，完成初始新属性参数建模。
结合振幅缩放因子、反射系数方程以及协方差矩阵，基于Bayesian原理获得最优新属性参数模型，包括：
基于Bayesian原理、先验信息和正演算子构建最大后验概率意义下的反演目标函数，通过求目标函数关于新属性参数的导数，并求解目标函数的极小值等价于令其导数等于零，获得最优新属性参数模型。
实施例2
在本实施例2中，针对VTI介质的储层流体参数预测，传统的基于Zoeppritz方程近似反射系数中未知参数过多，造成反演病态，并且流体参数不能直接估计的问题，提出了一种基于VTI介质AVO反演的页岩储层流体因子估计方法。该方法中，利用弹性波逆散射理论、波恩近似及稳相法，推导出基于整合流体参数的VTI介质反射系数方程。通过对方程进行整合化简，获得含4个新属性参数的线性反射系数方程。在贝叶斯框架下，提出了VTI介质新四属性参数线性反演方法，实现了新属性参数的准确预测。通过建立新属性参数间的交会关系，进一步识别页岩储层位置及强衰减储层段，最终实现流体和各向异性特征的准确识别。
如图1所示，本发明实施例1提供的基于VTI介质AVO反演的页岩储层流体因子估计方法，以满足地震叠前反演对VTI页岩储层流体和各向异性特征的预测。该方法主要技术关键点为以下三个：(1)VTI介质新四属性参数反射系数近似方程的推导；(2)目标函数的构建；(3)交互关系流体和各向异性参数预测。
在本实施例2中，基于VTI介质AVO反演的页岩储层流体因子估计方法，主要包括如下步骤：
步骤(1)，使用地震数据提取角度依赖的子波，根据井震确定振幅缩放因子。步骤(2)，推导VTI介质新四属性参数的反射系数方程。步骤(3)，根据步骤(2)的结果，使用测井数据统计模型参数的先验信息，包括新四属性参数的均值，以及四参数相关的协方差矩阵。步骤(4)，使用测井数据进行平滑处理并沿解释层位外推，建立初始新属性参数模型。步骤(5)，根据步骤(1)、(2)、(3)、(4)的结果，基于Bayesian原理获得最优新属性参数模型。步骤(6)，根据步骤(5)的结果，通过对新属性参数间的交会关系分析，评估页岩储层位置及流体分布特征。
在本实施例2中，步骤(1)中，基于地震数据提取角度依赖的子波；基于测井数据和VTI介质反射系数方程正演模拟地震角道集并结合实际井旁地震数据确定振幅缩放因子。步骤1具体详细叙述如下：
101)本发明假设反演之前地震子波已知，因而，需要基于实际的地震叠前道集和测井数据采取统计方法提取子波，子波在传播过程中受地层的影响会发生波形或频率变化，提取依赖于入射角度的地震子波能有效提高振幅匹配程度。
102)实际的地震振幅往往是相对值，采用VTI介质反射系数方程正演模拟的地震数据振幅与实际振幅存在一定数值差异。以测井数据为输入模型利用VTI介质反射系数方程正演模拟角度域的PP波道集，与实际井旁角度域地震道集对比，计算振幅缩放因子，并应用于所提取的地震子波，达到模拟记录与实际记录的振幅匹配。当地震数据信噪比较高时，为角道集的每一道使用统一的振幅缩放因子，以保证振幅随偏移距的变化关系；当信噪比低时，可分近、中、远偏移距分别计算振幅缩放因子，保证模拟记录与实际记录的最佳匹配，减少噪声对反演过程的影响。
步骤(2)中，推导VTI介质新四属性参数的反射系数方程。具体详细叙述如下：
201)利用弹性波逆散射理论、波恩近似及稳相法，推导出基于纵横波模量的VTI介质地震波反射系数方程：
Figure BDA0003066430150000101
其中，ρ是密度，θ为入射角，S是散射函数。具体结果如下，
Figure BDA0003066430150000111
其中，
Figure BDA0003066430150000112
表示干纵波模量反射系数，
Figure BDA0003066430150000113
是干横波模量反射系数，
Figure BDA0003066430150000114
是密度反射系数，δ、ε是弱各向异性参数，
Figure BDA0003066430150000115
是流体因子反射系数。
202)通过对方程3进行整合化简，获得含4个新属性参数的线性反射系数方程(4)。
Figure BDA0003066430150000116
其中，新属性参数
Figure BDA0003066430150000117
新属性参数
Figure BDA0003066430150000118
新属性参数
Figure BDA0003066430150000119
新属性参数
Figure BDA00030664301500001110
i表示第i层。
步骤(3)中，基于工区内所有测井数据统计模型参数的先验信息，包括新四属性参数的均值，以及四参数相关的协方差矩阵。具体详细叙述如下：
本实施例2中，采用四变量高斯分布函数作为先验分布函数。基于工区内所有测井数据(纵波速度Vp、横波速度Vs、密度ρ、弱各向异性参数ε和δ)统计各新属性参数(A、B、C、D)的均值，求取各参数(A、B、C、D)的自相关系数和互相关系数，构建四参数相关的协方差矩阵，形成符合该工区的模型参数先验分布函数。在后续的反演目标函数中四变量高斯分布函数相应的规则化表达式为：
Figure BDA00030664301500001111
其中，m＝[A,B,C,D]T为参数模型，μ和Cm分别为所统计的模型参数的均值和四参数(A,B,C,D)协方差矩阵，
Figure BDA00030664301500001112
表示与纵波模量和密度有关的项，
Figure BDA00030664301500001113
表示横波模量乘上
Figure BDA00030664301500001114
其中
Figure BDA00030664301500001115
gd为干背景常数。在中度和强各向异性情况下，
Figure BDA0003066430150000121
B可近似表示等于横波模量。
Figure BDA0003066430150000122
可以看出与A的相关性依赖于密度和弱各向异性参数ε。
Figure BDA0003066430150000123
表示与流体因子直接相关的量。假设不同时间点的模型参数(A,B,C,D)互不相关，通过对工区内测井数据进行时间延迟统计可以得到四参数(A,B,C,D)协方差矩阵。由于四变量高斯分布通过协方差矩阵融合属性A、B、C以及D之间的相关性，降低了四个属性参数之间的不确定性。
步骤(4)中，对测井数据进行平滑处理并沿解释层位外推，初始新属性参数模型。具体详细叙述如下：
建立弹性参数模型主要利用三维空间插值方法，其的技术流程是首先利用散点插值的方法对各个层位(通过商业软件操作人工或自动拾取的具有明显分界面的层位)的数据(拾取的时间数据)进行插值，完成地质层位建模，然后根据地质层位进行测井数据横向插值，即将测井信息进行横向插值，计算得到地下每个点上的新属性参数值，完成初始新属性参数(A,B,C,D)建模的任务。
步骤(5)中，基于Bayesian原理、先验信息和正演算子构建最大后验概率意义下的反演目标函数，通过求目标函数关于模型参数的导数，并求解目标函数的极小值等价于令其导数等于零，获得最优新属性参数模型。
501)贝叶斯方法是用来计算条件概率的一种概率统计方法，数学上它的表达式为，
P(m|d)∝P(d|m)P(m) (5)
其中，P(m|d)是后验概率分布；P(d|m)是从新属性参数模型参数空间映射到观测数据空间的似然函数；P(m)是在观测之前对模型参数的先验了解，称为先验分布。m为模型参数，d为地震观测数据。
假设噪声相互独立并且服从高斯分布，观测数据的似然函数可以表示为
Figure BDA0003066430150000131
其中，
Figure BDA0003066430150000132
是噪声的方差，N是数据采样点数并且G＝WL为正演算子，W为子波矩阵。L是敏感度矩阵，
Figure BDA0003066430150000133
假设模型参数之间相互独立，则先验分布形式为，
Figure BDA0003066430150000134
其中，Cm是模型参数的方差。
502)将反演问题转换为直接求最大后验概率解，即求解以下目标函数的极小值：
Figure BDA0003066430150000135
其中，
Figure BDA0003066430150000136
是数据的方差。通过求目标函数关于模型参数的导数，
Figure BDA0003066430150000137
等价于令其导数等于零，整理得到，
Figure BDA0003066430150000138
其中，μh是超参数。
步骤(6)中，通过对新属性参数间的交会关系分析，评估页岩储层流体特征分布。
601)利用估计的属性
Figure BDA0003066430150000141
和密度预测干纵波模量，密度的获取方法一种是根据经验公式，二是、由于小角度地震反射对各向异性不敏感，因此密度可以利用小角度道集进行各向同性反演获得。
602)利用反演得到的属性
Figure BDA0003066430150000142
预测横波模量，研究表明在中度和强各向异性情况下，
Figure BDA0003066430150000143
则B可近似表示横波模量。背景弹性特征
Figure BDA0003066430150000144
可从测井数据计算得到。
603)利用反演得到的属性A和C，首先计算
Figure BDA0003066430150000145
最后，利用获取的密度曲线或剖面可计算各向异性参数。
604)利用反演得到的属性
Figure BDA0003066430150000146
通过简单计算即可得到流体因子。
在本实施例2中，为了验证基于VTI介质AVO反演的页岩储层流体因子估计方法应用效果，下面以页岩某研究区实际叠前反演过程为例，进行分析。
图2为A地区测井曲线信息，包括纵横波速度、密度、各向异性和流体参数。测井数据用于计算新属性参数、反演初始模型、正则化模型参数协方差以及新属性参数间交会关系。
图3为CDP叠加剖面图，竖线为测井位置，从图可以看出在2275ms的位置具有强反射轴。图4为新属性参数反演剖面，从图可以看出A、B、C和D三属性在2275ms具有相对低值，与图3的CDP叠加剖面的强反射轴和测井曲线有较好对应。图5为测井位置反演曲线对比及合成道集与实际道集对比。实线为反演曲线，点实线为实际测井曲线，虚线为初始平滑模型。从图5可以看出反演曲线与测井曲线有很好一致性，证实了方法的有效性。
图6为井位的反演曲线合成道集与实际道集对比，从图可以看出反演曲线合成道集与实际原始道集有很好一致性，进一步证实了方法的有效性。图6(a)为实际道集，图6(b)为测井曲线合成道集，图6(c)为反演曲线合成道集。
图7为基于新四属性间交会关系的测井位置流体参数和各向异性参数曲线计算结果，从图可以看出反演的横波模量、纵波模量、各向异性和流体因子参数曲线与相应的实际测井曲线有很好一致性，从反演曲线图可以看出页岩储层位置,含气储层和强各向异性发育段在2275ms。图7中右左至右分别为(a)、(b)、(c)、(d)、(e)，图7(a)为反演B属性(实线)与实际B属性(点实线)、实际横波模量(虚线)曲线对比；图7(b)为反演纵波模量(实线)与实际纵波模量(点实线)曲线对比；图7(c)为反演A/C(实线)与实际A/C(点实线)曲线对比；图7(d)为反演各向异性参数(实线)与实际各向异性参数(点实线)曲线对比；图7(e)为反演流体参数(实线)与实际流体参数(点实线)曲线对比。
图8为基于新四属性参数间交会关系的流体因子和各向异性参数剖面计算结果示意图，可以看出各向异性参数在2275ms具有相对低值，而流体因子在2275ms具有相对低值，与图3的CDP叠加剖面的强反射轴和测井曲线有较好对应，可以合理识别页岩储层位置，流体分布特征。
综上，在本实施例2中，通过以上具体步骤的处理，实现了VTI介质页岩储层流体和各向异性参数预测及评估的难题。本实施例1提供的一种基于VTI介质AVO反演的页岩储层流体因子估计方法具有其他VTI介质反演方法不可比拟的优势，其具体优势和特点表现在以下几个方面：
第一、所述的地震叠前VTI介质AVO反演基于Zoeppritz方近似方程，相对于基于精确Zoeppritz方程和波动方程的非线性反演而言，基于近似方程的线性反演计算效率高，反演结果稳定，反演参数目的性强，具有很好的工业生产应用价值。第二、建立的VTI介质新四属性参数反射系数近似方程，相比包含5个模型参数的传统VTI介质反射系数方程，能有效提高反演的稳定性和精度。第三、通过四变量高斯先验分布引入模型参数之间的相关性，在降低反演不确定性的同时，提高了反演的精度。第四、通过对新四属性参数的交会关系分析，明确新属性参数间物理意义，指导储层流体和各向异性特征分布的预测及评价。
实施例3
在本实施例3中，针对VTI介质的储层衰减参数预测，传统的基于Zoeppritz方程近似反射系数中未知参数过多，造成反演病态，并且衰减参数不能直接估计的问题，提出了一种基于VTI介质AVO反演的页岩储层衰减因子估计方法。利用弹性波逆散射理论、波恩近似及稳相法，推导出基于整合衰减参数的VTI介质反射系数方程。通过对方程进行整合化简，获得含4个新属性参数的线性反射系数方程。在贝叶斯框架下，提出了VTI介质新四属性参数线性反演方法，实现了新属性参数的准确预测。通过建立新属性参数间的交会关系，进一步识别页岩储层位置及强衰减储层段，最终实现衰减和各向异性特征的准确识别。
如图9所示，本发明实施例3提供基于VTI介质AVO反演的页岩储层衰减因子估计方法，以满足地震叠前反演对VTI页岩储层衰减和各向异性特征的预测。本实施例2所述的方法主要技术关键点为以下三个：(1)VTI介质新四属性参数反射系数近似方程的推导；(2)目标函数的构建；(3)交互关系衰减和各向异性参数预测。主要包括如下步骤：
步骤(1)，使用地震数据提取角度依赖的子波，根据井震确定振幅缩放因子。步骤(2)，推导VTI介质新四属性参数的反射系数方程。步骤(3)，根据步骤(2)的结果，使用测井数据统计模型参数的先验信息，包括新四属性参数的均值，以及四参数相关的协方差矩阵。步骤(4)，使用测井数据进行平滑处理并沿解释层位外推，建立初始新属性参数模型。步骤(5)，根据步骤(1)、(2)、(3)、(4)的结果，基于Bayesian原理获得最优新属性参数模型。步骤(6)，根据步骤(5)的结果，通过对新属性参数间的交会关系分析，评估页岩储层位置及强衰减和强各向异性发育段。
在本实施例3中，在步骤(1)中，基于地震数据提取角度依赖的子波；基于测井数据和VTI介质反射系数方程正演模拟地震角道集并结合实际井旁地震数据确定振幅缩放因子。具体详细叙述如下：
101)本发明假设反演之前地震子波已知，因而，需要基于实际的地震叠前道集和测井数据采取统计方法提取子波，子波在传播过程中受地层的影响会发生波形或频率变化，提取依赖于入射角度的地震子波能有效提高振幅匹配程度。
102)实际的地震振幅往往是相对值，采用VTI介质反射系数方程正演模拟的地震数据振幅与实际振幅存在一定数值差异。以测井数据为输入模型利用VTI介质反射系数方程正演模拟角度域的PP波道集，与实际井旁角度域地震道集对比，计算振幅缩放因子，并应用于所提取的地震子波，达到模拟记录与实际记录的振幅匹配。当地震数据信噪比较高时，为角道集的每一道使用统一的振幅缩放因子，以保证振幅随偏移距的变化关系；当信噪比低时，可分近、中、远偏移距分别计算振幅缩放因子，保证模拟记录与实际记录的最佳匹配，减少噪声对反演过程的影响。
步骤(2)中，推导VTI介质新四属性参数的反射系数方程。具体详细叙述如下：
201)利用弹性波逆散射理论、波恩近似及稳相法，推导出基于纵横波模量的VTI介质地震波反射系数方程，
Figure BDA0003066430150000171
其中，ρ是密度,θ为入射角，S是散射函数。具体结果如下，
Figure BDA0003066430150000172
其中，
Figure BDA0003066430150000181
和
Figure BDA0003066430150000182
是纵横波模量反射系数，
Figure BDA0003066430150000183
是密度反射系数,δ,ε是弱各向异性参数，
Figure BDA0003066430150000184
和
Figure BDA0003066430150000185
是整合衰减因子，εQ,δQ是与品质因子有关的Thomson各向异性参数。
Figure BDA0003066430150000186
是纵横波反品质因子。
202)通过对方程(4)进行整合化简，获得含4个新属性参数的线性反射系数方程。
Figure BDA0003066430150000187
其中，A＝VPρ，
Figure BDA0003066430150000188
C＝VPeε，
Figure BDA0003066430150000189
i表示第i层。
步骤(3)中，基于工区内所有测井数据统计模型参数的先验信息，包括新四属性参数的均值，以及四参数相关的协方差矩阵。具体详细叙述如下：
采用四变量高斯分布函数作为先验分布函数。基于工区内所有测井数据(纵波速度Vp、横波速度Vs、密度ρ、弱各向异性参数ε和δ)统计各模型参数的均值，求取各参数的自相关系数和互相关系数，构建四参数相关的协方差矩阵，形成符合该工区的模型参数先验分布函数。在后续的反演目标函数中四变量高斯分布函数相应的规则化表达式为：
Figure BDA00030664301500001810
其中，m＝[A,B,C,D]T为参数模型，μ和Cm分别为所统计的模型参数的均值和四参数协方差矩阵，A＝VPρ表示纵波阻抗，
Figure BDA00030664301500001811
表示横波模量乘上
Figure BDA00030664301500001812
其中，
Figure BDA00030664301500001813
在中度和强各向异性情况下，
Figure BDA00030664301500001814
同时在弱衰减假设条件下，
Figure BDA00030664301500001815
则，B可近似表示等于横波模量。C＝VPeε，可以看出与A的相关性依赖于密度和弱各向异性参数ε。
Figure BDA00030664301500001816
表示与整合衰减因子直接相关的量。假设不同时间点的模型参数(A,B,C,D)互不相关，通过对工区内测井数据进行时间延迟统计可以得到四参数(A,B,C,D)协方差矩阵。由于四变量高斯分布通过协方差矩阵融合属性A、B、C以及D之间的相关性，降低了四个属性参数之间的不确定性。
步骤(4)中，对测井数据进行平滑处理并沿解释层位外推，初始新属性参数模型。具体详细叙述如下：
建立弹性参数模型主要利用三维空间插值方法，其的技术流程是首先利用散点插值的方法对各个层位(通过商业软件操作人工或自动拾取的具有明显分界面的层位)的数据(拾取的时间数据)进行插值，完成地质层位建模，然后根据地质层位进行测井数据横向插值，即将测井信息进行横向插值，计算得到地下每个点上的新属性参数值，完成初始新属性参数(A,B,C,D)建模的任务。
步骤(5)中，基于Bayesian原理、先验信息和正演算子构建最大后验概率意义下的反演目标函数，通过求目标函数关于模型参数的导数，并求解目标函数的极小值等价于令其导数等于零，获得最优新属性参数模型。
501)贝叶斯方法是用来计算条件概率的一种概率统计方法，数学上它的表达式为，
P(m|d)∝P(d|m)P(m) (7)
其中，P(m|d)是后验概率分布；P(d|m)是从模型参数空间映射到观测数据空间的似然函数；P(m)是在观测之前对模型参数的先验了解，称为先验分布。m为模型参数，d为地震观测数据。
假设噪声相互独立并且服从高斯分布，观测数据的似然函数可以表示为
Figure BDA0003066430150000191
其中，
Figure BDA0003066430150000201
是噪声的方差,N是数据采样点数并且G＝WL为正演算子，W为子波矩阵。L是敏感度矩阵，
Figure BDA0003066430150000202
假设模型参数之间相互独立，则先验分布形式为，
Figure BDA0003066430150000203
其中，Cm是模型参数的方差。
502)将反演问题转换为直接求最大后验概率解，即求解以下目标函数的极小值，
Figure BDA0003066430150000204
其中，
Figure BDA0003066430150000205
是数据的方差.通过求目标函数关于模型参数的导数，
Figure BDA0003066430150000206
等价于令其导数等于零，整理得到，
Figure BDA0003066430150000207
其中，μh是超参数。
步骤(6)中，通过对新属性参数间的交会关系分析，评估页岩储层衰减特征分布。
601)利用估计的属性A＝VPρ预测纵波阻抗。
602)利用反演得到的属性
Figure BDA0003066430150000211
预测横波模量，研究表明在中度和强各向异性情况下，
Figure BDA0003066430150000212
同时在弱衰减假设条件下，
Figure BDA0003066430150000213
则B可近似表示横波模量。
或杨氏模量以及估测的属性
Figure BDA0003066430150000214
可进一步获得泊松比。其中，
Figure BDA0003066430150000215
背景弹性特征
Figure BDA0003066430150000216
可从测井数据计算得到。
603)利用反演得到的属性A和C，首先计算A/C＝ρ/eε，接着计算密度。密度的获取方法一种是根据经验公式，二是、由于小角度地震反射对各向异性不敏感，因此密度可以利用小角度道集进行各向同性反演获得。最后，接着利用获取的密度曲线或剖面可计算各向异性参数。
604)利用反演得到的属性
Figure BDA0003066430150000217
通过简单计算即可得到整合衰减因子。
在本实施例3中，为了验证基于VTI介质AVO反演的页岩储层衰减因子估计方法应用效果，下面以四川页岩某研究区实际叠前反演过程为例，进行分析。
图10为A地区测井曲线信息，包括纵横波速度、密度、各向异性和衰减参数。测井数据用于计算新属性参数、反演初始模型、正则化模型参数协方差以及新属性参数间交会关系。图11为CDP叠加剖面图，从图可以看出在2210-2255ms的位置具有强反射轴。图12为新属性参数反演剖面，从图可以看出A、B、C和D三属性在1280-1460ms具有相对低值，与图11的CDP叠加剖面的强反射轴和测井曲线有较好对应。图13为测井位置反演曲线对比及合成道集与实际道集对比。实线为反演曲线，点实线为实际测井曲线，虚线为初始平滑模型。从图可以看出反演曲线与测井曲线有很好一致性，证实了方法的有效性。图14为井位的反演曲线合成道集与实际道集对比，其中，(a)为实际道集，(b)为对实际道集进行K-L变换后的拉平道集，(c)为反演曲线合成道集，从图可以看出反演曲线合成道集与实际拉平际道集有很好一致性，进一步证实了方法的有效性。
图15为基于新四属性间交会关系的测井位置衰减参数和各向异性参数曲线计算结果，从图可以看出反演的横波模量、纵波阻抗、各向异性和衰减因子参数曲线与相应的实际测井曲线有很好一致性，从反演曲线图可以看出页岩储层位置,强衰减和强各向异性发育段在2210-2255ms。图15中，又左至右分别为(a)、(b)、(c)、(d)、(e)，其中，(a)为反演B属性(实线)与实际B属性(点实线)、实际横波模量(虚线)曲线对比；(b)为反演纵波阻抗(实线)与实际纵波阻抗(点实线)曲线对比；(c)为反演A/C(实线)与实际A/C(点实线)曲线对比；(d)为反演各向异性参数(实线)与实际各向异性参数(点实线)曲线对比；(e)为反演衰减参数(实线)与实际衰减参数(点实线)曲线对比。
图16为基于新四属性间交会关系的衰减因子和各向异性参数剖面计算结果，从图可以看出各向异性参数在2210-2255ms具有相对低值，而衰减因子在2210-2255ms具有相对高值，与图10的CDP叠加剖面的强反射轴和测井曲线有较好对应，可以合理识别页岩储层位置,强衰减和强各向异性发育段。
综上，本实施例2中，通过以上具体步骤的处理，实现了VTI介质页岩储层衰减和各向异性参数预测及评估的难题。基于VTI介质AVO反演的页岩储层衰减因子估计方法具有其他VTI介质反演方法不可比拟的优势，其具体优势和特点表现在以下几个方面：
第一、地震叠前VTI介质AVO反演基于Zoeppritz方近似方程，相对于基于精确Zoeppritz方程和波动方程的非线性反演而言，基于近似方程的线性反演计算效率高，反演结果稳定，反演参数目的性强，具有很好的工业生产应用价值。第二、建立的VTI介质新四属性参数反射系数近似方程，相比包含5个模型参数的传统VTI介质反射系数方程，该方程能有效提高反演的稳定性和精度。第三、通过四变量高斯先验分布引入模型参数之间的相关性，在降低反演不确定性的同时，提高了反演的精度。第四、通过对新四属性参数的交会关系分析，明确新属性参数间物理意义，指导储层衰减和各向异性特征分布的预测及评价。
实施例4
本发明实施例4提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括用于执行基于VTI介质的页岩储层AVO反演表征方法的指令，该方法包括如下步骤：
确定地震数据的振幅缩放因子；
构建VTI介质新属性参数的反射系数方程；所述新属性参数包括纵波模量、横波模量、依赖于密度和弱各向异性参数的与纵波模量的相关量、与整合识别因子直接相关的量；所述识别因子包括流体因子和衰减因子；
基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
根据新属性参数模型，评估页岩储层位置及识别因子分布特征。
实施例5
本发明实施例5提供一种电子设备，该电子设备包括一种非暂态计算机可读存储介质；以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。所述非暂态计算机可读存储介质包括用于执行基于VTI介质的页岩储层AVO反演表征方法的指令，该方法包括如下步骤：
确定地震数据的振幅缩放因子；
构建VTI介质新属性参数的反射系数方程；所述新属性参数包括纵波模量、横波模量、依赖于密度和弱各向异性参数的与纵波模量的相关量、与整合识别因子直接相关的量；所述识别因子包括流体因子和衰减因子；
基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
根据新属性参数模型，评估页岩储层位置及识别因子分布特征。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本发明公开的技术方案的基础上，本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于VTI介质的页岩储层AVO反演表征方法，其特征在于，包括如下步骤：
确定地震数据的振幅缩放因子；
构建VTI介质新属性参数的反射系数方程；
基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
根据新属性参数模型，评估页岩储层位置及识别因子分布特征；所述识别因子包括流体因子和衰减因子。
2.根据权利要求1所述的基于VTI介质的页岩储层AVO反演表征方法，其特征在于，基于地震数据提取角度依赖的子波，结合实际井旁地震数据确定振幅缩放因子，包括：
基于地震数据提取角度依赖的地震子波；基于测井数据和VTI介质反射系数方程正演模拟角道集，并结合实际井旁地震数据确定振幅缩放因子；
其中，当地震数据信噪比高于阈值时，为角道集的每一道使用统一的振幅缩放因子；当信噪比低于阈值时，分别计算近端偏移距、中间偏移距、远端偏移距对应的振幅缩放因子。
3.根据权利要求1所述的基于VTI介质的页岩储层AVO反演表征方法，其特征在于，构建VTI介质新属性参数的反射系数方程包括：
利用弹性波逆散射理论、波恩近似及稳相法，推导出基于纵横波模量的VTI介质地震波反射系数方程，对地震波反射系数方程进行整合化简，获得VTI介质新属性参数的线性反射系数方程。
4.根据权利要求1所述的基于VTI介质的页岩储层AVO反演表征方法，其特征在于，结合反射系数方程，使用测井数据统计新属性参数的先验信息，构建新属性参数的协方差矩阵，包括：
采用四变量高斯分布函数作为先验分布函数，基于工区内所有测井数据统计新属性参数的均值，求取各新属性参数的自相关系数和互相关系数，构建四参数相关的协方差矩阵，形成符合该工区的模型参数先验分布函数。
5.根据权利要求1所述的基于VTI介质的页岩储层AVO反演表征方法，其特征在于，基于测井数据，建立初始新属性参数模型；结合振幅缩放因子、反射系数方程以及协方差矩阵，基于Bayesian原理获得最优新属性参数模型，作为最终的新属性参数模型。
6.根据权利要求5所述的基于VTI介质的页岩储层AVO反演表征方法，其特征在于，基于测井数据进行平滑处理并沿解释层位外推，建立初始新属性参数模型，包括：
利用散点插值的方法对页岩储层各个层位的数据进行插值，完成地质层位建模，然后根据地质层位进行测井数据横向插值，计算得到地下每个点上的新属性参数值，完成初始新属性参数建模。
7.根据权利要求6所述的基于VTI介质的页岩储层AVO反演表征方法，其特征在于，结合振幅缩放因子、反射系数方程以及协方差矩阵，基于Bayesian原理获得最优新属性参数模型，包括：
基于Bayesian原理、先验信息和正演算子构建最大后验概率意义下的反演目标函数，通过求目标函数关于新属性参数的导数，并求解目标函数的极小值等价于令其导数等于零，获得最优新属性参数模型。
8.一种基于VTI介质的页岩储层AVO反演表征系统，其特征在于，包括：
确定模块，用于确定地震数据的振幅缩放因子；
第一构建模块，用于构建VTI介质新属性参数的反射系数方程；
第二构建模块，用于基于测井数据，统计新属性参数的先验信息，结合反射系数方程，构建新属性参数的协方差矩阵；
第三构建模块，用于基于测井数据，结合振幅缩放因子、反射系数方程以及协方差矩阵，建立新属性参数模型；
表征评估模块，用于根据新属性参数模型，评估页岩储层位置及识别因子分布特征；所述识别因子包括流体因子和衰减因子。
9.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括用于执行如权利要求1-7任一项所述的基于VTI介质的页岩储层AVO反演表征方法的指令。
10.一种电子设备，包括如权利要求9所述的非暂态计算机可读存储介质；以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。
CN202110533801.4A 2021-05-14 2021-05-14 基于vti介质的页岩储层avo反演表征方法及系统 Expired - Fee Related CN113253347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110533801.4A CN113253347B (zh) 2021-05-14 2021-05-14 基于vti介质的页岩储层avo反演表征方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110533801.4A CN113253347B (zh) 2021-05-14 2021-05-14 基于vti介质的页岩储层avo反演表征方法及系统

Publications (2)

Publication Number Publication Date
CN113253347A true CN113253347A (zh) 2021-08-13
CN113253347B CN113253347B (zh) 2022-07-01

Family

ID=77182285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110533801.4A Expired - Fee Related CN113253347B (zh) 2021-05-14 2021-05-14 基于vti介质的页岩储层avo反演表征方法及系统

Country Status (1)

Country Link
CN (1) CN113253347B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113740910A (zh) * 2021-09-06 2021-12-03 中南大学 一种vti等效介质裂缝弱度参数地震反演方法及系统
CN115061202A (zh) * 2022-06-10 2022-09-16 吉林大学 一种页岩含气性地震储层直接检测方法
CN117724154A (zh) * 2024-02-05 2024-03-19 中国石油大学(华东) 一种考虑强各向异性特征的vti介质参数预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176054A (zh) * 2011-02-18 2011-09-07 中国石油化工股份有限公司 近地表综合信息处理解释方法
CN104280770A (zh) * 2014-09-28 2015-01-14 中国石油大港油田勘探开发研究院 致密过渡岩储层的预测方法
US20150120199A1 (en) * 2013-10-31 2015-04-30 Matthew S. Casey Multiple Domain Processing For Combining Reservoir Models and Seismic Data
CN107290782A (zh) * 2016-03-30 2017-10-24 中国石油化工股份有限公司 储层孔隙度、含水饱和度和泥质含量参数同时反演新方法
CN111522063A (zh) * 2020-04-30 2020-08-11 湖南科技大学 基于分频联合反演的叠前高分辨率流体因子反演方法
CN112130210A (zh) * 2020-09-03 2020-12-25 中国石油天然气集团有限公司 基于古今地质要素的井位优选方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176054A (zh) * 2011-02-18 2011-09-07 中国石油化工股份有限公司 近地表综合信息处理解释方法
US20150120199A1 (en) * 2013-10-31 2015-04-30 Matthew S. Casey Multiple Domain Processing For Combining Reservoir Models and Seismic Data
CN104280770A (zh) * 2014-09-28 2015-01-14 中国石油大港油田勘探开发研究院 致密过渡岩储层的预测方法
CN107290782A (zh) * 2016-03-30 2017-10-24 中国石油化工股份有限公司 储层孔隙度、含水饱和度和泥质含量参数同时反演新方法
CN111522063A (zh) * 2020-04-30 2020-08-11 湖南科技大学 基于分频联合反演的叠前高分辨率流体因子反演方法
CN112130210A (zh) * 2020-09-03 2020-12-25 中国石油天然气集团有限公司 基于古今地质要素的井位优选方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘成林: "《非常规油气资源》", 31 August 2011 *
李振春，等: "《地震叠前成像理论与方法》", 30 September 2011 *
胡伟光: "AVO技术在生物礁储层预测中的应用", 《中国西部科技》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113740910A (zh) * 2021-09-06 2021-12-03 中南大学 一种vti等效介质裂缝弱度参数地震反演方法及系统
CN115061202A (zh) * 2022-06-10 2022-09-16 吉林大学 一种页岩含气性地震储层直接检测方法
CN115061202B (zh) * 2022-06-10 2024-03-15 吉林大学 一种页岩含气性地震储层直接检测方法
CN117724154A (zh) * 2024-02-05 2024-03-19 中国石油大学(华东) 一种考虑强各向异性特征的vti介质参数预测方法
CN117724154B (zh) * 2024-02-05 2024-04-30 中国石油大学(华东) 一种考虑强各向异性特征的vti介质参数预测方法

Also Published As

Publication number Publication date
CN113253347B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN113253347B (zh) 基于vti介质的页岩储层avo反演表征方法及系统
CN113156510B (zh) 一种页岩储层脆性和各向异性参数预测方法及系统
Li et al. Denoising method of ground-penetrating radar signal based on independent component analysis with multifractal spectrum
CN102426390B (zh) 一种非均质泥砂岩储层储量确定方法
CN107203005B (zh) 一种定量化计算裂缝描述参数的方法
CN110133720B (zh) 一种基于统计岩石物理模型的横波速度预测方法
CN111522063B (zh) 基于分频联合反演的叠前高分辨率流体因子反演方法
Eggleston et al. Identification of hydraulic conductivity structure in sand and gravel aquifers: Cape Cod data set
CN112965103B (zh) 一种多重孔隙储层叠前地震概率化多道反演方法
CN110275204A (zh) 地下走滑断裂水平滑移距定量分析方法
CN105093331A (zh) 获取岩石基质体积模量的方法
Sastre Jurado et al. Probabilistic 3D modelling of shallow soil spatial variability using dynamic cone penetrometer results and a geostatistical method
CN113156509A (zh) 基于饱和介质精确Zeoppritz方程的地震振幅反演方法及系统
Sams et al. Comparison of uncertainty estimates from deterministic and geostatistical inversion
CN110954954A (zh) 一种估计裂缝间距对地震各向异性影响的方法
CN113050162B (zh) 基于Zoeppritz方程的粘弹介质地震反演方法
CN113433588B (zh) 一种分偏移距扫描叠加的近地表速度分析方法
CN110850504B (zh) 一种基于铀曲线拟阻抗约束的页岩密度参数叠前反演方法
CN114135264B (zh) 确定致密砂岩微裂缝发育程度的方法、装置和存储介质
CN113589386B (zh) 一种基于对比函数的块状声波阻抗反演方法、装置及设备
CN112213774B (zh) 一种浅层q模型估计方法及装置
CN112379437B (zh) 页岩储层各向异性参数求取方法及装置
CN109975870B (zh) 一种基于核相关的地震数据属性提取方法
Purnomo et al. Constraining stochastic inversion with frequency domain seismic signature for seismically thin-bed interpretation
CN117910257A (zh) Vti介质流体因子及各向异性参数反演方法及系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220701