CN113589366B - 基于全波形反演的宽频融合建模方法 - Google Patents
基于全波形反演的宽频融合建模方法 Download PDFInfo
- Publication number
- CN113589366B CN113589366B CN202010371001.2A CN202010371001A CN113589366B CN 113589366 B CN113589366 B CN 113589366B CN 202010371001 A CN202010371001 A CN 202010371001A CN 113589366 B CN113589366 B CN 113589366B
- Authority
- CN
- China
- Prior art keywords
- data
- frequency
- broadband
- wave speed
- fwi
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000011160 research Methods 0.000 claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 206010034719 Personality change Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
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
- G01V1/282—Application of seismic models, synthetic seismograms
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G01V2210/66—Subsurface modeling
- G01V2210/665—Subsurface modeling using geostatistical modeling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Geophysics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种基于全波形反演的宽频融合建模方法，包括：步骤1，构建符合地震数据产状的宽频井建模型，进而时频域修正FWI数据的地层产状，获得产状修正的FWI数据；步骤2，根据宽频井建模型的频率变化趋势，在时频域补偿产状修正的FWI数据的中、高频信息，获得宽频融合三维纵波速度数据体；步骤3，根据测井数据及三参数经验关系公式分层统计拟合研究区的纵波速度与横波速度、纵波速度与密度之间的关系公式，进而利用宽频融合三维纵波速度数据体预测三维横波速度及密度数据体。该基于全波形反演的宽频融合建模方法保留了FWI数据中稳定的低频特征，保真性更好，对于提高叠前地震多参数反演的精度与保真性具有推广应用价值。
Description
技术领域
本发明涉及油田开发技术领域，特别是涉及到一种基于全波形反演的宽频融合建模方法。
背景技术
地震数据离散性、带限性决定了叠前地震反演的多解性，需要引入其他的先验信息(例如，测井数据、地质数据、速度谱数据等)来降低叠前地震多参数反演多解性，提高叠前地震反演精度与保真性。作为一种重要的先验信息，反演初始模型在一定程度上决定着反演结果的精度与保真性，构建与实际情况符合程度高的初始模型有助于获得地下真实的反演结果。
目前业界常用的构建反演初始模型的方法可以分为两类。方法一是在地质层位约束下，利用测井资料内插外推构建反演初始模型，这类方法适用于构造层位简单、横向变化连续平稳，且研究区测井数据较多的情况，但当研究区勘探程度较低、构造变化复杂时，利用方法一构建的初始模型可靠性较差。方法二是基于速度谱信息的初始模型建立方法,但是由于速度谱资料只能提供0～5Hz的超低频信息，无法弥补常规地震资料中缺失的5～10Hz低频信息，在精度和保真性上难以满足叠前地震多参数反演的要求。且近年随着勘探难度的增大，对叠前地震多参数反演技术的精度和保真性提出了更高的要求。因此，研究更为先进的建模方法以提高叠前地震多参数反演的精度与保真性具有重大的意义。
众所周知，不同尺度的地球物理信息在描述地下储层空间特征方面具有不同的优势，同时也具有相对应的劣势。地震解释层位数据可以展现构造层位的横向变化，具有实际的地质意义，但是只有界面信息，没有体系信息；测井数据属于宽频信息，纵向分辨率最高，可以精准识别地下岩性细节变化信息，但是测井数据横向比较稀疏，覆盖面积较小；全波形反演(FWI)基于波动传播理论，综合全波场信息(振幅、相位、波形、旅行时等)，其反演结果受地震资料的约束，具有准确、稳定的低频信息，横向上保真性较高，能够准确的揭示地质构造和岩性的变化，但FWI数据存在纵向分辨率低，地层产状与地震不一致，只有纵波速度等缺点，不能满足实际油田开发的要求。因此，可以扬长避短，有机融合地震、测井、全波形反演等数据的优势进行联合建模，形成高精度的多信息宽频三维反演初始模型，进而提高叠前地震多参数反演的保真性和精度。
在申请号：201510328920.0的中国专利申请中，涉及到一种基于测井数据约束的全波形反演方法及系统，该方法包括：利用陆上地震资料建立地震剖面的初始速度场；根据已知的测井资料建立基于测井信息的测井模型；基于初始速度场和测井模型建立地震剖面的综合插值模型；对综合插值模型进行反演计算，根据计算数据与陆上地震资料的数据残差更新综合插值模型，以确定在初始速度场中低频信息缺失情况下的全波形反演模型。但是该专利最终是利用FWI获得反演模型，仍然无法避免FWI数据的缺点，如其地层产状与实际地震数据产状不一致，频带范围窄，且只有纵波数据等，不利于模型构建。
在申请号：201310133893.2的中国专利申请中，涉及到一种频率域全波形反演地震速度建模方法，包括以下步骤：1)获取原始地震炮集记录、震源子波信息和反演所用的初始模型；2)分析步骤1)获得的信息，基于正演算法和优化算法，确定基本的反演参数和从低频到高频的全波形反演框架；3)对不同的频率，计算获得最合适的频域正反演模型网格；4)在低频反演时采用主成分分析方法，压缩参与反演的数据维度；5)判断对应不同频率的投影矩阵维度是否满足阈值转换标准，当满足该转换标准时，进入下一步，否则回到步骤4)；6)引入震源编码方法，并利用随机相位编码方法压制串扰噪声；7)判定是否满足迭代截止条件，如果满足迭代截止条件，则进入下一步；否则回到步骤6)；8)如果没有完成所有频率的反演，则回到步骤3)，直至完成所有频率的反演，获得最后的速度模型，输出速度模型。但是该专利是针对FWI的效率问题进行改进，并未对FWI数据体的缺点进行相应处理。
在申请号：201610172773.7的中国专利申请中，涉及到一种基于地面地震构造约束的VSP数据全波形反演建模方法，包括以下步骤：步骤S1：基于地面地震构造约束进行VSP数据全波形反演，获得中间速度模型M1；其中所述步骤S1包括以下子步骤S11至S16：子步骤S11：采用初始速度模型M0以及地面地震数据进行叠前深度偏移，获得地下地质构造模式f(x)，其中x表示空间向量；子步骤S12：构建所述地下地质构造模式f(x)的结构特征张量算子；子步骤S13：基于时间域数据匹配的全波形反演构建VSP数据残差，基于所述VSP数据残差计算所述速度模型M0的梯度gv(x)，其中所述VSP数据残差是模拟的VSP数据与观测的VSP数据之差；子步骤S14：基于各向异性扩散方程构建沿所述地下地质构造模式f(x)的结构特征张量算子平滑的地面地震构造约束滤波算子，对所述梯度gv(x)沿所述地面地震构造约束方向进行平滑滤波，得到基于地面地震构造约束的速度模型梯度Gv(x)；子步骤S15：通过PLBFGS算法更新所述速度模型M0，获得更新的速度模型M0’；子步骤S16：判断是否完成给定次数的迭代，若是则将更新的速度模型作为中间速度模型M1，并继续到步骤S2，否则返回子步骤S11，以更新的速度模型M0’作为子步骤S11中的初始速度模型；步骤S2：针对所述中间速度模型M1，进行没有地面地震构造约束的VSP数据全波形反演，得到最终速度模型M。但是该专利是通过引入约束改进FWI算法进行改进，亦未对得到的FWI数据体的缺点进行相应处理。
为此我们发明了一种新的基于全波形反演的宽频融合建模方法，解决了以上技术问题。
发明内容
本发明的目的是提供一种保留了FWI数据中稳定的低频特征，保真性更好的基于全波形反演的宽频融合建模方法。
本发明的目的可通过如下技术措施来实现：基于全波形反演的宽频融合建模方法，该基于全波形反演的宽频融合建模方法包括：步骤1，根据地震解释层位、全频段声波测井数据构建符合地震数据产状的宽频井建模型，进而时频域修正FWI数据的地层产状，获得产状修正的FWI数据；步骤2，根据宽频井建模型的频率变化趋势，在时频域补偿产状修正的FWI数据的中、高频信息，获得宽频融合三维纵波速度数据体；步骤3，根据测井数据及三参数经验关系公式分层统计拟合研究区的纵波速度与横波速度、纵波速度与密度之间的关系公式，进而利用宽频融合三维纵波速度数据体预测三维横波速度及密度数据体。
本发明的目的还可通过如下技术措施来实现：
步骤1包括：
步骤11，在地震解释层位控制下，利用全频段声波测井数据构建符合地震数据产状的宽频井建模型；
步骤12，基于GST算法设计低通滤波器，利用宽频井建模型构建低频产状模型；
步骤13：基于GST算法，将低频产状模型与FWI数据在时频域叠加融合，获得产状修正的FWI数据。
在步骤11中，在地震解释层位控制下，基于反距离加权算法，利用全频段声波测井数据构建符合地震数据产状的宽频井建模型；该宽频井建模型是一个三维空间数据体，其不仅包含了地震解释层位的展现的横向，产状信息，又包含了声波测井数据信息记录的纵向产状信息，与地震数据体展现的空间产状信息一致，同时全频段的测井数据的中、高频率成分丰富，纵向分辨率高。
在步骤12中，GST正变换解析公式如下式所示：
其中，x(t)是需要时频分析的信号，f是频率，t和τ是时间，λ和p是控制GST时频分辨率的两个参数；GST通过设置λ和p两个参数对S变换的窗函数进行了改造，使得窗函数随频率变化的更加灵活，具有更好的时频处理能力；GST逆变换公式如下式所示：
随后，利用低通滤波器宽频井建模型进行低通滤波，获得产状模型的时频谱。
在步骤13中，利用GST算法计算低频产状模型，以及FWI数据的时频谱，在时频域将低频产状模型与FWI数据进行叠加融合，则得到产状修正的FWI数据。
步骤2包括：
步骤21，在每个时间采样点处，对所述产状修正后的FWI数据和宽频井建模型的频谱进行归一化；
步骤22，在每个时间点处，根据所述宽频井建模型高低频之间的变化趋势和FWI对应的低频成分计算需要补偿的中、高频能量值，进而执行反归一化操作，获得频率补偿后的FWI数据，即用宽频融合三维纵波速度数据体。
在步骤22中，在需要补偿的频带范围内，计算所述归一化井建模型频谱对应的频率变化率，而后根据所述频率变化率和FWI对应的低频成分计算中、高频能量值，最后反归一化得到补偿后FWI宽频数据。
步骤3包括：
步骤31：根据研究区现有测井数据、经验关系公式按照地层分层来统计对应的纵波速度与横波速度、纵波速度与密度之间的关系公式；
步骤32：基于所述分层对应拟合的关系公式，利用所述的宽频融合三维纵波速度数据体来计算横波速度及密度数据体。
在步骤31中，采用的纵波速度与横波速度之间的经验公式如下所示：
其中，与/>均为经验常数，vp为纵波速度，vs为横波速度。
纵波速度与密度之间的经验公式如下所示：
其中χ1与χ2均经验常数，vp为纵波速度，ρ为密度；
根据统计拟合法分层计算纵波速度与横波速度之间、纵波速度与密度的关系公式；利用分层统计的三参数关系公式，利用三维宽频融合纵波速度数据体计算出三维横波速度、密度数据体，并作为最终的反演初始模型。
本发明中的基于全波形反演的宽频融合建模方法，在时频域综合地震解释层位数据、测井数据、FWI数据等多信息的优势，应用产状修正、频率补偿、横波及密度预测来规避FWI数据的劣势，最终获得了宽频融合三维初始模型。相比于原始的FWI数据，该宽频融合初始模型的地层产状与地震数据中的产状相一致，同时频率成分更加丰富，频带宽度有助于后续反演；相比于原始的井建模型，该宽频融合初始模型的横向变化保留了FWI数据中稳定的低频特征，保真性更好。因此，该宽频融合初始模型对于提高叠前地震多参数反演的精度与保真性具有推广应用价值。
附图说明
图1为本发明的基于全波形反演的宽频融合建模方法的一具体实施例的流程图；
图2为本发明的一具体实施例中地震剖面的示意图；
图3为本发明的一具体实施例中FWI速度剖面的示意图；
图4为本发明的一具体实施例中测井建模型速度剖面的示意图；
图5为本发明的一具体实施例中单道井建产状模型构建的示意图；
图6为本发明的一具体实施例中单道FWI数据产状修正的示意图；
图7为本发明的一具体实施例中产状修正剖面效果对比的示意图
图8为本发明的一具体实施例中单点补偿效果的示意图；
图9为本发明的一具体实施例中单道补偿效果的示意图；
图10为本发明的一具体实施例中剖面补偿效果的示意图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。
在描述地下储层空间特征方面，不同的地球物理数据具有不同的优势，同时也具有相对应的缺陷。例如，地震解释层位可以反映构造的横向变化，具有实际地质意义，缺点是只有界面信息，没有体信息；测井数据属于宽频信息，纵向分辨率高，缺点是横向稀疏；FWI数据综合全波长信息，具有稳定的低频信息，缺点是其地层产状与实际地震数据产状不一致，频带范围窄，且只有纵波数据。因此，须进行多信息融合，扬长避短，增强数据之间的互补性，提高数据保真性。本发明首先通过广义S变换(GST)把地质解释层位信息、测井资料及FWI数据转到时频域，然后针对不同频段的数据进行分类识别，最后提取优势特征进行重组、融合形成多信息宽频融合数据体作为反演的初始模型。
图1为本发明的基于全波形反演的宽频融合建模方法的流程图，具体步骤如下：
步骤1，根据地震解释层位、全频段声波测井数据构建符合地震数据产状的宽频井建模型，进而时频域修正FWI数据的地层产状，获得产状修正的FWI数据；
实际应用时，为了匹配时间域的地震数据，需要将FWI得到的深度域数据体转换得到时间域。时深转换过程中的累积误差可能导致FWI数据(见图3)展现的地层产状与实际地震数据(见图2))的地层产状不一致，因此，须融合多数据信息对FWI数据进行产状修正。
具体地，步骤1中包括：
步骤11，在地震解释层位控制下，利用全频段声波测井数据构建符合地震数据产状的宽频井建模型；
地震解释层位数据在一定程度上展现了横向的地层产状变化，但是层位数据属于界面信息，没有体的概念，不能完全展现地层的空间产状。测井数据真实地记录了纵向的横向的地层产状变化，且测井数据中频率信息丰富，纵向分辨率高，但是测井数据点在横向比较稀疏，在一定程度上限制了其应用效果。故本发明在地震解释层位控制下，基于反距离加权算法，利用全频段声波测井数据构建符合地震数据产状的宽频井建模型。该宽频井建模型是一个三维空间数据体，其不仅包含了地震解释层位的展现的横向(界面)产状信息，又包含了声波测井数据信息记录的纵向产状信息，与地震数据体展现的空间产状信息一致，同时全频段的测井数据的中、高频率成分丰富，纵向分辨率高，可精确区分地下薄层信息(见图4)。
步骤12，基于GST算法设计低通滤波器，利用所述宽频井建模型构建低频产状模型；
本发明之所以采用GST，是因为它是一种无损可逆的时频分析工具，采用窗宽与频率成反比的高斯窗函数，直接分析信号的频率与时间的分布，目前已经在地震勘探中得到了广泛的应用，主要包括时频分析、地震波衰减、油气预测、裂缝检测等。GST正变换解析公式如下式所示：
其中，x(t)是需要时频分析的信号，f是频率，t和τ是时间，λ和p是控制GST时频分辨率的两个参数。GST通过设置λ和p两个参数对S变换的窗函数进行了改造，使得窗函数随频率变化的更加灵活，具有更好的时频处理能力。GST逆变换公式如下式所示：
单道井建产状模型的构建示意图见图5。图5a和图5b为单道井建模型和单道井建模型的时频谱，利用低通滤波器，实例采用0～20Hz低通滤波器对宽频井建模型进行低通滤波(见图5c)，获得单道产状模型的时频谱(见图5d)。利用GST逆变换可根据所述低频产状模型时频谱获得产状模型(见图5e)，对比图5a与5e可知，单道产状模型保留了井建模型基本的纵向产状信息。
步骤13：基于GST算法，将所述低频产状模型与FWI数据在时频域叠加融合，获得产状修正的FWI数据；
图6为单道FWI数据产状修正的示意图。图6a和图6c分别为井建产状模型和FWI数据，基于GST算法，就可以分别得到它们的视频谱(6b和图6b)，在时频域叠加融合，就可以得到产状修正的FWI数据的时频谱，再进行GST逆变换，则得到产状修正的FWI数据(图6f)。修正前后FWI数据剖面效果对比见图7，修正后FWI数据的纵、横向产状变化趋势与构建的低频产状模型相一致。
步骤2，根据所述宽频井建模型的频率变化趋势，在时频域补偿所述产状修正的FWI数据的中、高频信息，获得宽频融合三维纵波速度数据体；
相比于原始的FWI数据，经过低频产状修正后的FWI数据的频率成分虽然得到一定补偿，但频带宽度仍然也比较窄，主要集中在低频段。若直接作为初始模型应用于叠前地震多参数反演，不利于反演的保真性。因此，本发明利用宽频的井建模型来对全FWI数据进行频率补偿，进而建立宽频初始模型，以确保获得理想的储层预测效果。频率补偿的基本原理是保持FWI数据的低频不变，通过分析所述井建模型的频谱变化趋势，拟合补偿曲线来补偿FWI数据的中、高频成分，使得补偿后FWI数据的频谱变化趋势与所述宽频井建模型的频谱变化趋势一致。
具体的，步骤2中包括：
步骤21，在每个时间采样点处，对所述产状修正后的FWI数据和宽频井建模型的频谱进行归一化；
由于所述宽频井建模型来自于测井数据，与所述产状修正后的FWI数据存在尺度差异，为此，需在频率补偿前，基于GST算法对所述产状修正后FWI和宽频井建模型的时频谱进行归一化处理。
步骤22，在每个时间点处，根据所述宽频井建模型高低频之间的变化趋势和FWI对应的低频成分计算需要补偿的中、高频能量值，进而执行反归一化操作，获得频率补偿后的FWI数据，即用宽频融合三维纵波速度数据体；
在需要补偿的频带范围(实例中选取补偿范围为20-100Hz)内，计算所述归一化井建模型频谱对应的频率变化率，而后根据所述频率变化率和FWI对应的低频成分计算中、高频能量值，最后反归一化得到补偿后FWI宽频数据。单点补偿效果如图8，从单点补偿可知，补偿前后低频能量不变，但中、高频变化趋势与宽频测井相一致，得到相应增强；单道补偿效果如图9，剖面补偿效果如图10，从单道和剖面效果可以看出，补偿后时频谱的中、高频成分得到丰富，且低、中、高频的变化趋势与测井时频谱相一致。
步骤3，根据测井数据及三参数经验关系公式分层统计拟合研究区的纵波速度与横波速度、纵波速度与密度之间的关系公式，进而利用宽频融合三维纵波速度数据体预测三维横波速度及密度数据体。
由于FWI数据体中只有纵波速度数据，经过产状修正、频率补偿后得到仍然只有纵波速度参数。但是纵、横波速度及密度之间存在一定的相关关系。因此，本发明基于现有的测井资料、岩石物理、三参数经验公式来预测横波速度与密度参数，进而完善叠前地震多参数反演的初始模型。
具体地，在步骤3中包括：
步骤31：根据研究区现有测井数据、经验关系公式按照地层分层来统计对应的纵波速度与横波速度、纵波速度与密度之间的关系公式；
本发明采用的纵波速度与横波速度之间的经验公式如式(1.3)所示：
其中，与/>均为经验常数。纵波速速与密度之间的经验公式如式(1.4)所示：
其中，χ1与χ2均经验常数。其次，根据统计拟合法分层计算纵波速度与横波速度之间、纵波速度与密度的关系公式。最后利用分层统计的三参数关系公式，利用三维宽频融合纵波速度数据体计算出三维横波速度、密度数据体，并作为最终的反演初始模型。
步骤32：基于所述分层对应拟合的关系公式，利用所述的宽频融合三维纵波速度数据体来计算横波速度及密度数据体。
本发明中的基于全波形反演的宽频融合建模方法，利用地震层位约束下井建模型的低通滤波构建低频产状模型，并利用该模型来修正FWI数据的产状，获得符合地震产状的模型数据；利用井建模型的高低频变化趋势来拟合补偿FWI数据，在保证低频成分不变的情况下，适当补偿FWI数据的中、高频成分，获得具有丰富频率的模型数据。
Claims (5)
1.基于全波形反演的宽频融合建模方法，其特征在于，该基于全波形反演的宽频融合建模方法包括：
步骤1，根据地震解释层位、全频段声波测井数据构建符合地震数据产状的宽频井建模型，进而在时频域修正FWI数据的地层产状，获得产状修正的FWI数据；
步骤2，根据宽频井建模型的频率变化趋势，在时频域补偿产状修正的FWI数据的中、高频信息，获得宽频融合三维纵波速度数据体；
步骤3，根据测井数据及三参数经验关系公式分层统计拟合研究区的纵波速度与横波速度、纵波速度与密度之间的关系公式，进而利用宽频融合三维纵波速度数据体预测三维横波速度及密度数据体；
步骤1包括：
步骤11，在地震解释层位控制下，利用全频段声波测井数据构建符合地震数据产状的宽频井建模型；
步骤12，基于GST算法设计低通滤波器，利用宽频井建模型构建低频产状模型；所述GST算法是对S变换的窗函数进行了改造的算法；
步骤13：基于GST算法，将低频产状模型与FWI数据在时频域叠加融合，获得产状修正的FWI数据；
在步骤11中，在地震解释层位控制下，基于反距离加权算法，利用全频段声波测井数据构建符合地震数据产状的宽频井建模型；该宽频井建模型是一个三维空间数据体，其不仅包含了地震解释层位的展现的横向产状信息，又包含了声波测井数据信息记录的纵向产状信息，与地震数据体展现的空间产状信息一致，同时全频段的测井数据的中、高频率成分丰富，纵向分辨率高；
步骤3包括：
步骤31：根据研究区现有测井数据、经验关系公式按照地层分层来统计对应的纵波速度与横波速度、纵波速度与密度之间的关系公式；
步骤32：基于所述分层对应拟合的关系公式，利用所述的宽频融合三维纵波速度数据体来计算横波速度及密度数据体；
在步骤31中，采用的纵波速度与横波速度之间的经验公式如下所示：
其中，与/>均为经验常数，vp为纵波速度，vs为横波速度；
纵波速度与密度之间的经验公式如下所示：
其中，χ1与χ2均经验常数；vp为纵波速度，ρ为密度；
根据统计拟合法分层计算纵波速度与横波速度之间、纵波速度与密度的关系公式；利用分层统计的三参数关系公式，利用宽频融合三维纵波速度数据体计算出三维横波速度、密度数据体，并作为最终的反演初始模型。
2.根据权利要求1所述的基于全波形反演的宽频融合建模方法，其特征在于，在步骤12中，GST正变换解析公式如下式所示：
其中，x(t)是需要时频分析的信号，f是频率，t和τ是时间，λ和p是控制GST时频分辨率的两个参数；GST通过设置λ和p两个参数对S变换的窗函数进行了改造，使得窗函数随频率变化的更加灵活，具有更好的时频处理能力；GST逆变换公式如下式所示：
随后，利用低通滤波器对宽频井建模型进行低通滤波，获得产状模型的时频谱。
3.根据权利要求1所述的基于全波形反演的宽频融合建模方法，其特征在于，在步骤13中，利用GST算法计算低频产状模型，以及FWI数据的时频谱，在时频域将低频产状模型与FWI数据进行叠加融合，则得到产状修正的FWI数据。
4.根据权利要求1所述的基于全波形反演的宽频融合建模方法，其特征在于，步骤2包括：
步骤21，在每个时间采样点处，对所述产状修正后的FWI数据和宽频井建模型的频谱进行归一化；
步骤22，在每个时间点处，根据所述宽频井建模型高低频之间的变化趋势和FWI对应的低频成分计算需要补偿的中、高频能量值，进而执行反归一化操作，获得频率补偿后的FWI数据，即宽频融合三维纵波速度数据体。
5.根据权利要求4所述的基于全波形反演的宽频融合建模方法，其特征在于，在步骤22中，在需要补偿的频带范围内，计算所述归一化井建模型频谱对应的频率变化率，而后根据所述频率变化率和FWI对应的低频成分计算中、高频能量值，最后反归一化得到补偿后FWI宽频数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010371001.2A CN113589366B (zh) | 2020-04-30 | 2020-04-30 | 基于全波形反演的宽频融合建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010371001.2A CN113589366B (zh) | 2020-04-30 | 2020-04-30 | 基于全波形反演的宽频融合建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113589366A CN113589366A (zh) | 2021-11-02 |
| CN113589366B true CN113589366B (zh) | 2023-10-20 |
Family
ID=78237948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010371001.2A Active CN113589366B (zh) | 2020-04-30 | 2020-04-30 | 基于全波形反演的宽频融合建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113589366B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105353405A (zh) * | 2014-08-21 | 2016-02-24 | 中国石油化工股份有限公司 | 一种全波形反演方法和系统 |
| CN106405651A (zh) * | 2016-11-14 | 2017-02-15 | 中国石油化工股份有限公司 | 一种基于测井匹配的全波形反演初始模型构建方法 |
| CN107229066A (zh) * | 2016-03-24 | 2017-10-03 | 中国石油化工股份有限公司 | 基于地面地震构造约束的vsp数据全波形反演建模方法 |
| CN108845351A (zh) * | 2018-06-26 | 2018-11-20 | 中国石油大学(华东) | 一种vsp地震资料转换波全波形反演方法 |
| CN109471163A (zh) * | 2018-10-29 | 2019-03-15 | 中国海洋石油集团有限公司 | 基于地质体连续性建模的高精度井拓反演方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110131020A1 (en) * | 2009-09-09 | 2011-06-02 | Conocophillips Company | Dip guided full waveform inversion |
| CA2914066A1 (en) * | 2013-10-28 | 2015-05-07 | Bp Corporation North America Inc. | Two stage seismic velocity model generation |
| US11487036B2 (en) * | 2017-01-12 | 2022-11-01 | Cgg Services Sas | Reflection full waveform inversion methods with density and velocity models updated separately |
-
2020
- 2020-04-30 CN CN202010371001.2A patent/CN113589366B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105353405A (zh) * | 2014-08-21 | 2016-02-24 | 中国石油化工股份有限公司 | 一种全波形反演方法和系统 |
| CN107229066A (zh) * | 2016-03-24 | 2017-10-03 | 中国石油化工股份有限公司 | 基于地面地震构造约束的vsp数据全波形反演建模方法 |
| CN106405651A (zh) * | 2016-11-14 | 2017-02-15 | 中国石油化工股份有限公司 | 一种基于测井匹配的全波形反演初始模型构建方法 |
| CN108845351A (zh) * | 2018-06-26 | 2018-11-20 | 中国石油大学(华东) | 一种vsp地震资料转换波全波形反演方法 |
| CN109471163A (zh) * | 2018-10-29 | 2019-03-15 | 中国海洋石油集团有限公司 | 基于地质体连续性建模的高精度井拓反演方法 |
Non-Patent Citations (1)
| Title |
|---|
| 地震波形反演与测井联合的三维建模方法;罗亚能等;石油地球物理勘探;51(5);第947-954页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113589366A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106597532B (zh) | 一种结合井资料与层位资料的叠前地震数据频带拓展方法 | |
| CN105353407B (zh) | 一种叠后地震波阻抗反演方法 | |
| US8923093B2 (en) | Determining the quality of a seismic inversion | |
| CN102937720B (zh) | 井控提高地震资料分辨率的方法 | |
| CN109738945B (zh) | 一种利用叠前深度偏移成果直接生成构造图的方法 | |
| CN109669212B (zh) | 地震数据处理方法、地层品质因子估算方法与装置 | |
| CN105089652A (zh) | 一种拟声波曲线重构与稀疏脉冲联合反演方法 | |
| CN109425900B (zh) | 一种地震储层预测方法 | |
| US11630228B1 (en) | Physical embedded deep learning formation pressure prediction method, device, medium and equipment | |
| WO2016008105A1 (zh) | 一种基于柯西分布的叠后波阻抗反演方法 | |
| CN111722284B (zh) | 一种基于道集数据建立速度深度模型的方法 | |
| CN111522062B (zh) | 基于火山岩屏蔽量化分析的下伏地层振幅补偿法 | |
| CN106291693A (zh) | 一种基于广义s变换的叠前q值反演方法及系统 | |
| CN108957532B (zh) | 储层预测方法及装置 | |
| CN104297800A (zh) | 一种自相控叠前反演方法 | |
| CN113031068A (zh) | 一种基于反射系数精确式的基追踪叠前地震反演方法 | |
| CN112379439A (zh) | 地震数据中纵波与横波匹配的方法及装置 | |
| CN110687597B (zh) | 一种基于联合字典的波阻抗反演方法 | |
| CN108646290A (zh) | 一种基于模型定量补偿的薄层反演方法 | |
| CN113589366B (zh) | 基于全波形反演的宽频融合建模方法 | |
| CN116520394A (zh) | 基于地震测井双驱动融合多尺度信息直接预测孔隙度方法 | |
| CN109839659B (zh) | 一种对叠前深度偏移剖面进行迭代优化的方法 | |
| CN113806674A (zh) | 古河道纵向尺度的量化方法、装置、电子设备及存储介质 | |
| CN112147700A (zh) | 速度异常区的低频模型构建方法及系统 | |
| CN112444864A (zh) | 薄层高分辨率反演方法及存储介质 |
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 |