CN1164651A - 地震-测井多信息储层参数反演方法 - Google Patents

Abstract

本发明属于预测地层结构中地下地质体的储层信息的方法，是最优化算法和WFBR方法的结合。将地震信息和测井信息进行分解、提取、合成、重建等手段，反演出多种质量高，实用性强的储层信息，为油气预测找到了一条新的途径。而且分辨率高，计算精度好，能实现多井闭合，可实现三维反演，现重要的是建立各种测井曲线剖面，用于划分地层岩性、油水界面等。使测井的一孔之见扩展到一个面上，从而为下一步的工作，如提取砂泥岩百分含量、孔隙度、渗透率、饱和度等空间分布提供了依据。

Description

地震—测井多信息储层参数反演方法

本发明涉及一种预测地层结构中地下地质体的储层信息的方法，特别是一种地震—测井多信息储层参数反演方法(SEIMPAR)。

目前叠后地震反演是一种最常见的反演方法，我国进行了大量的研究工作，并在储层预测等工作上见到了一些成效。早期主要是普通的递归法，要受频带的限制，因此分辨率较低；80年代中、末期出现了稀疏脉冲法，适合于反射系数变化大，有一些突出反射面的地区；模型法则需要严格的约束，以克服多解性问题。在国内，较早引进的方法有Velog、Seislog，近年来引进和研制的slim、Delog，这些方法在反演过程中没有充分利用测井资料的高频信息，因此分辨率较低。所以叠后地震道反演技术存在的问题有：纵、横向辨率低；反演结果的多解性严重；横向外推精度不高；多井处理难于闭合；三维反演实现困难；多参数综合反演方法尚未成熟。

本发明的目的是提供一种专门针对目前叠后地震道反演技术存在的问题，采用“局部最优化算法”和WFBR方法，充分利用地震、测井和地质概念进行综合反演的地震—测井多信息储层参数反演方法。

本发明是最优化算法和WFBR方法的结合，首次提出地震波场是地下地质体微观波动的结果总和。地震波场是对地下地质体特征的总体反映，测井是对地下地质体特征的局部反映，地震和测井都包含地下地质体的储层信息。其特点是利用地震、测井、地质资料，采用信息优化和WFBR方法，反演出各种测井曲线剖面，然后将多种信息综合，得到储层参数剖面。有别于传统反演方法。传统方法是：利用地震、测井、地质资料以褶积模型为基础，采用优化相关外推方法反演出波阻抗剖面，然后利用经验公式或量板，计算出储层参数剖面。本发明的实现过程是采用滑动小时窗，首先计算地震剖面上空间距离为△X的数值差的期望值E|B_H(X+△X)-B_H(X)|²；然后确定尺度极限参数|△X|min，|△X|max；最后计算参数H和地震数据正态分布的标准差σ。分数Brown运动B_H(t)是一非平稳的具有均值为零的Gauss随机函数，其定义如下： ${\{}_{B_H\left(t\right)=\frac{1}{\mathrm{\Γ}(H+\frac{1}{2})}\·\mathrm{\Φ}(t,s)}^{B_H\left(0\right)=0}$ $\mathrm{\Φ}(t,s)=\left\{{\∫}_{-\∞}^0\right[{(t-s)}^{H-\frac{1}{2}}-{(-s)}^{H-\frac{1}{2}}]\mathrm{dB}\left(s\right)+{\∫}_0^t{(t-s)}^{H-\frac{1}{2}}\mathrm{dB}\left(s\right)\}---\left(1\right)$

式中B_H(t)是通常的Brown运动，0＜H＜1，当 时，FBM就是Brown运动，Pentland把FBM扩展到高维情况，给出了分数布郎随机场定义，设：X，△X∈R²，0≤H＜1，F(y)是均值为零的高斯随机函数，P_r(·)表示概率密度，||·||表示范数，若随机场B_H(X)满足： $P_r[\frac{B_H(X+\mathrm{\&Delta;X})-B_H\left(X\right)}{{\left|\right|\mathrm{\&Delta;X}\left|\right|}^H}<y]=F\left(y\right)---\left(2\right)$

则，B_H(X)为分数布郎随机场(FBR)，H参数反映了地震剖面的粗糙度，由H参数值可得地震剖面的分形维数D为

D＝D_T+1-H    (3)

式中，D_T为地震剖面的拓扑维数。

B_H(X)具有如下性质：

E|B_H(X+△X)-B_H(X)|²＝E|B_H(X+1)-B_H(X)|²·||△X||^2H    (4)

利用公式4即可方便地计算H参数。确定尺度极限参数|△X|min，|ΔX|max；如果地震剖面是完全理想分形的，则在任何尺度下分维均保持为常数，但实际地震剖面并不是完全理想分形的，所以要确定一个尺度范围，在此范围分维保持常数；确定方法为：画出分维图，即：logE|B_H(X+△X)-B_H(X)|²相对log|△X|的曲线，由图中可见在一段范围内保持为直线，该范围的上下限，即为|△X|min，|△X|max。计算参数H和地震数据正态分布的标准差σ，根据公式(4)，可以得到关系：

logE|B_H(X+△X)-B_H(X)|²-2Hlog|△X|＝logσ²    (5)

式中：σ²＝E|B_H(X+1)-B_H(X)|²，采用最小二乘法解上述方程，即可计算出参数H和σ。这种类似二维分形内插，实质上是一种递归中点位移的过程，其递推公式按如下方式进行，对点(i，j)，假定当i，j均为奇数时，它的灰度值B_H已经确定，则对i，j均为偶数时： $B_H(i,j)=\frac{1}{4}\{B_H(i-1,j-1)+B_H(i+1,j-1)+B_H(i+1,j+1)$ $+B_H(i-1,j+1)\}+\sqrt{1-2^{2H-2}}\&CenterDot;|\left|\mathrm{\&Delta;X}\right||\&CenterDot;H\&CenterDot;\mathrm{\&sigma;}\&CenterDot;G---\left(6\right)$ 而当i，j中有且仅有一个偶数时， $B_H(i,j)=\frac{1}{4}\{B_H(i,j-1)+B_H(i-1,j)+B_H(i+1,j)+B_H(i,j+1)\}$ $+2^{-\frac{H}{2}}\sqrt{1-2^{2H-2}}\&CenterDot;\left|\right|\mathrm{\&Delta;X}\left|\right|\&CenterDot;H\&CenterDot;\mathrm{\&sigma;}\&CenterDot;G---\left(7\right)$

其中G是Gauss随机变量，服从N(0，1)分布，||△X||是样本的间距。由此可见，插值点的亮度完全由描述原始数据的分数布郎函数的H和σ决定。上述步骤可以重复迭代直到所需的空间分辨率为止。

本发明利用地下唯一的地质体，把地震与测井有机的结合起来，从而使测井曲线延拓到二维，并且采用“局部最优化算法”和WFBR结合的方法，将地震信息和测井信息进行分解、提取、合成、重建等手段，反演出多种质量高，实用性强的储层信息，为油气预测找到了一条新的途径。而且分辨率高，计算精度好，能实现多井闭合，可实现三维反演，更重要的是建立各种测井曲线剖面，用于划分地层岩性、油水界面等。使测井的一孔之见扩展到一个面上，从而为下一步的工作，如提取砂泥岩百分含量、孔隙度、渗透率、饱和度等空间分布提供了依据，也为进一步综合地质解释和储层横向预测工作创造了良好的条件。使解释专家从繁重的计算、推导、绘图中解脱出来，更好的将精力投入到综合分析中去。

附图给出了本发明实施例的有关图示。

图1是地震剖面；

图2是测线联井剖面；

图3是SEIMPAR深度域波阻抗剖面；

图4是SEIMPAR深度域自然电位剖面；

图5是SEIMPAR深度域电阻率剖面；

图6是SEIMPAR自然伽码剖面；

图7是SEIMPAR补偿中子剖面；

图8是A测线地震测面；

图9是A测线SEIMPAR处理波阻抗剖面；

图10是B测线地震剖面；

图11是B测线SEIMPAR处理波阻抗剖面；

图12是本发明处理流程框图。

下面结合实施例与附图，对本发明SEISMPAR作进一步说明。

图12描述了本发明在计算机中实现的流程：

1.输入地震、测井、地质资料数据；2.计算地震剖面上空间距离为△X的数值差的期望值E|B_H(X+△X)-B_H(X)|²；3.确定尺度极限参数，计算|△X|min、|△X|max；画出分维图，即logE|B_H(X+△X)-B_H(X)|²相对log|△X|的曲线；4.计算参数H和地震数据正态分布的标准差σ；5.得到各种测井曲线剖面：有波阻抗剖面，自然电位剖面，电阻率剖面，自然伽玛剖面，补偿中子剖面。

实施例1：该方法首次在新疆吐鲁番—哈密地区某油田实际资料上应用，取得了可喜的成果。图1是该油田一条地震测线，由于受野外采集条件的限制，该资料在信噪比和分辨率方面均不理想，若采用传统反演方法进行储层预测，其前提条件都不能满足。而本技术是以“信息优化论”为基础，能够从复杂的地震资料中提取其共性参数。图2是利用该测线上的九口实际测井资料所得的连井剖面，它反映了地下地层中的砂体分布情况，它是检验我们该技术反演结果正确性的标准，其砂层数目和砂层厚度将做为主要的考查对象。图3是采用该技术反演的波阻抗剖面，其分辨率高，可用于储层评价阶段是储层岩性参数反演的基础，仅靠波阻抗反演还不能准确地预测储层，理由就是波阻抗不能唯一地确定岩性。图4是自然电位剖面，该剖面是在波阻抗基础上，采用本技术反演所得，它非常清楚地反映了砂体的空间分布情况，是地质家解释的可靠性资料，经与图2对比，其符合率达91％。见附表1，2。

                  表1    两口井反演对比结果

	砂层数目(厚度大于3m)	砂层总厚度(m)
			实际测井	12	130
反演结果	10	102
			符合率	83.3％	76.9％

             表2    三口井反演对比结果

	砂层数目(厚度大于3m)	砂层总厚度(m)
			实际测井	12	130
反演结果	11	115
			符合率	91.6％	88.5％

图5是在波阻抗基础上采用该技术反演所得到的电阻率剖面，该剖面主要反映油气水情况，与自然电位剖面联合可用于解释油水界面。在砂层中，低值区说明可能为含水区，砂质较纯，高值区说明可能为含油气区。如图中2420米深度处，正好与图2中的油水界面相符。图6是该技术所得到的自然伽玛剖面，反映泥质含量情况，负异常为砂岩。图7是该技术所得到的补偿中子剖面，该信息与孔隙度、密度有关，高值可能对应孔隙度大。总之，该技术可反演得到各种测井曲线参数剖面，从而将一孔之见扩展到一个面上，为解释专家提供了一种有效的油藏描述手段。

实施例2，是甘肃酒东地区某油田的两条十字相交测线的反演结果。图8是测线A的地震剖面。图9是该技术所得到的测线A的波阻抗剖面，从图中可以看出，砂体横向连续，预测可知为沿河道走向。图10是测线B的地震剖面，剖面信噪比较低，连续性差。图11是该技术所得到的测线B的波阻抗剖面。该剖面砂体横向不连续，且表现为透镜状，因此可预测为垂直河道走向，正好与测线A相对应，从而证明了该预测结果的正确性。

Claims (4)

1.一种地震—测井多信息储层参数反演方法包括局部最优化算法和WF-BR方法，用于从地震、测井资料中提取储层多种信息，其特征在于采用滑动小时窗，按下列步骤进行：

a.计算地震剖面上空间距离为△X的数值差的期望值E|B_H(X+△X)-B_H(X)|²；

b.确定尺度极限参数|△X|min，|△X|max；

c.计算参数H和地震数据正态分布的标准差σ。

2.根据权利要求1所述的方法，其特征在于：计算地震剖面上空间距离为△X的数值差的期望值E|B_H(X+△X)-B_H(X)|²。分数Brown运动B_H(t)是一非平稳的具有均值为零的Gauss随机函数，其定义如下： ${\{}_{B_H\left(t\right)=\frac{1}{\mathrm{\&Gamma;}(H+\frac{1}{2})}\&CenterDot;\mathrm{\&Phi;}(t,s)}^{B_H\left(0\right)=0}$ $\mathrm{\&Phi;}(t,s)=\left\{{\&Integral;}_{-\&infin;}^0\right[{(t-s)}^{H-\frac{1}{2}}-{(-s)}^{H-\frac{1}{2}}]\mathrm{dB}\left(s\right)+{\&Integral;}_0^t{(t-s)}^{H-\frac{1}{2}}\mathrm{dB}\left(s\right)\}---\left(1\right)$

式中B_H(t)是通常的Brown运动，0＜H＜1，当 $H=\frac{1}{2}$ 时，FBM就是Brown运动，Pentland把FBM扩展到高维情况，给出了分数布郎随机场定义：

设：X，△X∈R²，0≤H＜1，F(y)是均值为零的高斯随机函数，P_r(·)表示概率密度，||·||表示范数，若随机场B_H(X)满足： $P_r[\frac{B_H(X+\mathrm{\&Delta;X})-B_H\left(X\right)}{{\left|\right|\mathrm{\&Delta;X}\left|\right|}^H}<y]=F\left(y\right)---\left(2\right)$

则，B_H(X)为分数布郎随机场(FBR)，H参数反映了地震剖面的粗糙度，由H参数值可得地震剖面的分形维数D为

D＝D_T+1-H    (3)

式中，D_T为地震剖面的拓扑维数。

B_H(X)具有如下性质：

E|B_H(X+△X)-B_H(X)|²＝E|B_H(X+1)-B_H(X)|²·||△X||^2H    (4)

3.根据权利要求1所述的方法，其特征在于：确定尺度极限参数|△X|min，|△X|max；确定方法为：画出分维图，即：

logE|B_H(X+△X)-B_H(X)|²相对log|△X|的曲线，由图中可见在一段范围内保持为直线，该范围的上下限即为|△X|min，|△X|max。

4.根据权利要求1或2所述的方法，其特征在于：计算参数H和地震数据正态分布的标准差σ，根据公式(4)，可以得到关系：

logE|B_H(X+△X)-B_H(X)|²-2Hlog|△X|＝logσ²    (5)

式中：σ²＝E|B_H(X+1)-B_H(X)|²，计算出参数H和σ。

这种类似二维分形内插是一种递归中点位移的过程，其递推公式按如下方式进行，对点(i，j)，假定当i，j均为奇数时，它的灰度值B_H已经确定，则对i，j均为偶数时： $B_H(i,j)=\frac{1}{4}\{B_H(i-1,j-1)+B_H(i+1,j-1)+B_H(i+1,j+1)$ $+B_H(i-1,j+1)\}+\sqrt{1-2^{2H-2}}\&CenterDot;|\left|\mathrm{\&Delta;X}\right||\&CenterDot;H\&CenterDot;\mathrm{\&sigma;}\&CenterDot;G---\left(6\right)$ 而当i，j中有且仅有一个偶数时， $B_H(i,j)=\frac{1}{4}\{B_H(i,j-1)+B_H(i-1,j)+B_H(i+1,j)+B_H(i,j+1)\}$ $+2^{-\frac{H}{2}}\sqrt{1-2^{2H-2}}\&CenterDot;\left|\right|\mathrm{\&Delta;X}\left|\right|\&CenterDot;H\&CenterDot;\mathrm{\&sigma;}\&CenterDot;G----\left(7\right)$

其中G是Gauss随机变量，服从N(0，1)分布，||△X||是样本的间距。上述步骤可以重复迭代直到所需的空间分辨率为止。

Images