CN116562123B - 一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法 - Google Patents

Abstract

本发明公开了一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，包括：获得岩石样本矿物组分和含量数据，计算岩石基质和孔隙中混合流体的弹性模量；输入测井数据；建立含连通孔隙和非连通孔隙各弹性参数之间的关系；将实测和预测纵、横波速度作为观测数据，引入最优化思想建立目标函数来估算不同深度的连通孔隙百分比；根据模拟退火算法对连通孔隙百分比进行迭代优化，作为反演结果；估计连通和非连通孔隙对储层岩石引起的综合弹性性质，求得优化后的纵、横波速度预测结果。本方法与传统的Xu‑White模型相比，计算过程简洁、精度高，可用于揭示连通性较低的含气层，从而提高油气产量。

Description

一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法

技术领域

本发明涉及非常规油气储层弹性参数预测领域，尤其涉及一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法。

背景技术

致密砂岩油气藏作为非常规储层的重要组成部分，已成为当前油气勘探与开发的主要领域之一。由于致密砂岩储层固有的矿物成分复杂、孔隙结构多样、孔隙内流体分布不均匀，导致该类储层的地震定量预测难度较高，是地震勘探的重难点。与常规储层相比，致密砂岩储层在强烈的成岩作用下，孔隙度较低、孔隙连通性和渗透性较差，导致非连通孔隙增多(Yue et al 2022)，此时储层的总孔隙度中包含40％～75％的有效非连通孔隙度(Norris，1985；刘倩等，2015；郭梦秋等，2018)，因此非连通孔隙度的影响不能忽视。鉴于孔隙结构是影响岩石地震和弹性性质的关键因素，理清不同储层的孔隙结构差异有助于有效勘探和开发油气资源(Xu et al.2022)。此外，储层质量是油气勘探与开发的关键问题，而储层质量的评价高度依赖于储层岩石运移性质的模拟(Zhang et al.2021)。由于岩石孔隙结构是决定多孔岩石运移性质的基础，因此孔隙参数多用来表征岩石的孔隙结构。岩石物理模型通过简化真实岩石的组分关系，在理论上构建了岩石弹性特征与物性参数的内在联系，是研究地震岩石物理正演及反演问题的理论基础(Keys and Xu，2002；Mavko et al.，2013；Ba et al.，2017)。目前，针对致密砂岩储层的岩石物理建模，国内外专家学者已开展了大量研究。Ruiz等(2010)将孔隙空间分为硬孔与软孔，采用Berryman自相容模型进行致密砂岩岩石物理建模研究并预测其弹性模量。王斌等(2020)利用接触-胶结模型、微分等效模量模型和临界孔隙度校正的Hashin-Shtrikman上限模型建立了四川盆地侏罗系致密砂岩岩石物理模型。Guo等(2021)采用Xu-White模型预测饱和流体的弹性性质。然而，上述岩石物理建模及反演方法均未考虑连通与非联通孔隙造成的联合影响。

随着计算机计算能力的不断提升和非线性反演方法的不断改进，全局优化算法如模拟退火算法、遗传算法、人工神经网络算法等在求解实际的地球物理问题时应用更加广泛。于鹏等(2007)分析了重力与地震联合反演方法和算法，针对性地设计了密度和速度界面不完全一致的模型，研究了重力与地震数据的模拟退火约束同步联合反演方法。荣棉水等(2018)将遗传算法与模拟退火算法相结合，提出了一种混合全局优化HVSR反演算法，较好地解决了蒙特卡罗方法收敛速度慢的问题，提高了模拟退火算法的搜索效率。Guo等(2021)在贝叶斯理论框架下引入高斯混合模型来描述待反演参数先验分布的岩性变化，并利用快速模拟退火算法对反演问题进行优化。因此，急需提出一种针对致密砂岩储层的岩石弹性参数预测方法，用以描述致密砂岩中复杂的孔隙结构，有助于揭示储层岩石孔隙连通性，提高油气层预测精度。

发明内容

本发明所要解决的技术问题：提供一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，提高致密砂岩纵波和横波速度的预测精度。

本发明为解决以上技术问题而采用以下技术方案：

本发明提出的考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，包括如下步骤：

S1、在研究区现场实验室获取岩石样本矿物组分和含量数据，利用Voigt-Reuss-Hill平均模型和Wood方程分别计算岩石基质和孔隙中混合流体的弹性模量。

S2、输入6组测井数据，包括：孔隙度、含水饱和度、泥质含量、纵波速度、横波速度和密度；将其与本发明的预测结果作对比，用于验证本发明的准确性，判断预测精度是否提高。

S3、利用Gassmann方程和解耦DEM模型分别建立含连通孔隙和非连通孔隙的各弹性参数之间的关系。

S4、定义孔隙连通性参数，即连通孔隙百分比，将连通孔隙百分比作为未知变量，将实测和预测纵、横波速度作为观测数据，引入最优化思想建立目标函数来估算不同深度的连通孔隙百分比。

S5、根据模拟退火算法对连通孔隙百分比进行迭代优化，输出更新优化后的连通孔隙百分比作为反演结果。

S6、利用步骤S5中得到的连通孔隙百分比在估计中对两类孔隙进行加权校正，随后采用Voigt-Reuss-Hill平均模型估计连通和非连通孔隙对储层岩石引起的综合弹性性质，其中两类孔隙在估计中以连通孔隙百分比加权校正。

测井数据仅能代表工作区内部分区段的地下岩层情况，要想整体工作区的地层情况都在实测数据上体现是很难的。本发明预测出了包含测井在内的工作区整体的地层情况，若趋势在实际测井位置与现场实际数据相同，则说明本发明提供的方法准确性高，预测值精度有较好的提升。

进一步，步骤S1中，利用Voigt-Reuss-Hill平均模型和Wood方程分别计算岩石基质和孔隙中混合流体的弹性模量，具体公式如下：

K_fl＝S_wK_w+(1-S_w)K_g (21)

式中，M_V为Voigt等效弹性模量；f_i为第i种组分的体积含量，满足M_R为Reuss等效弹性模量；M_VRH为Voigt-Reuss-Hill等效弹性模量；M_i为第i种组分的弹性模量；K_fl为混合流体的体积模量；K_w与K_g分别表示水、气的体积模量；S_w表示含水饱和度。

进一步，步骤S3中，建立含连通孔隙和非连通孔隙的各弹性参数之间的关系，具体公式如下：

(1)利用Gassmann方程建立了含连通孔隙的各弹性参数之间的关系：

μ_con＝μ_dry (23)

式中，K_dry和μ_dry分别表示岩石干骨架的体积模量和剪切模量，K_con和μ_con分别表示含连通孔隙饱和流体岩石的体积模量和剪切模量，φ_con表示连通孔隙度值。

(2)利用解耦DEM模型，建立了含非连通孔隙的各弹性参数之间的关系：

K_dis＝K_m(1-φ_dis)^P (24)

μ_dis＝μ_m(1-φ_dis)^Q (25)

式中，K_m和μ_m分别代表岩石基质的体积模量和剪切模量，K_dis和μ_dis分别表示含非连通孔隙饱和流体岩石的体积模量和剪切模量，P和Q是与孔隙结构相关的几何因子，φ_dis表示连通孔隙度值。

进一步，步骤S4中，不同深度的连通孔隙百分比估算结果如下：

式中，表示通过纵波速度反演的连通孔隙百分比；/>表示通过横波速度反演的连通孔隙百分比；V_p-cmb和V_s-cmb分别表示岩石物理模型计算得到的纵波与横波速度；V_p-log与V_s-log分别表示实际测井数据中的纵波与横波速度；V_cl为泥质含量；ω₁与ω₂分别表示权重因子，均为0.5；/>表示孔隙度。

进一步，步骤S5中，连通孔隙百分比进行迭代优化的具体步骤如下：

S501、根据模拟退火算法过程，连通孔隙百分比的优化需要在不同深度迭代更新，具体方式为：

式中，η是(0，1)之间的随机数；T表示温度；包含上标i和i-1的Δɑ_con分别表示更新后和更新前的孔隙连通性参数；Δɑ_{con max}表示最大扰动区间。

S502、根据模拟退火算法的运算过程，需要确定是否接受扰动，具体公式如下：

式中，P表示概率密度，exp(.)表示以自然数e为底的指数函数，k为Boltzmann常数，T为温度，E_i表示第i个状态下的能量，E_j表示第j个状态下的能量。使用随机数发生器在[0,1)之间产生一个随机数rand，比较P与rand的大小，如果P>rand，接受新状态j，否则保持i为当前状态。

S503、设置迭代次数，重复步骤S501与步骤S502直到达到迭代次数最大值，输出更新后的孔隙连通性参数作为连通孔隙百分比ɑ_con反演结果。

进一步，步骤S6中，估计连通和非连通孔隙对储层岩石引起的综合弹性性质的方式如下：

将步骤S5中求解得到的ɑ_con代入公式(3)中，即可得到连通和非连通孔隙对储层岩石引起的综合弹性性质：

式中，K_cmb和μ_cmb分别表示饱和岩石的加权体积和剪切模量。

进一步，还包括步骤S7：根据步骤S6中得到的综合弹性性质，求取优化后的纵、横波速度预测结果，将预测结果与实测纵、横波速度进行对比，验证该方法的预测准确性。

进一步，步骤S7中，求取优化后的纵、横波速度预测结果，将预测结果与实测纵、横波速度进行对比：

利用步骤S6得到的饱和岩石的加权体积和剪切模量K_cmb和μ_cmb求取优化后的纵、横波速度预测结果：

其中，V_p-cmb和V_s-cmb分别表示预测的纵波与横波速度，ρ表示饱和流体岩石的密度。

本发明采用以上技术方案，与现有技术相比，其显著技术效果如下：

与现有的技术相比，本发明充分考虑了储层随深度变化的孔隙连通性，基于传统的纵、横波速度预测模型(Xu-White模型)，改进其岩石干骨架预测方法过程，利用解耦微分等效介质模型(DEM)和Gassmann方程，建立弹性参数之间的关系，将连通孔隙百分比作为未知变量，将实测和预测纵、横波速度作为观测数据，利用实际测井数据中的纵、横波速度与预测得到的纵、横波速度构建目标函数，根据模拟退火算法对连通孔隙百分比进行迭代优化，输出更新优化后的孔隙连通性参数作为反演结果回代入Voigt-Reuss-Hill平均模型中，估计连通和非连通孔隙对储层岩石引起的综合弹性性质，求取优化后的纵、横波速度预测结果，将预测结果与实测纵、横波速度进行对比，验证该方法的准确性。本方法与传统的Xu-White模型相比，计算过程简洁，计算精度高，可用于揭示连通性较低的含气层，从而提高油气产量。

附图说明

图1为本发明的整体流程示意图。

图2为本发明改进模型的岩石弹性参数预测方法流程图。

图3为研究区某测井的模型输入参数曲线图。

图4为本发明研究区孔隙度统计分布直方图。

图5为本方法预测结果与测井数据和传统Xu-White模型预测结果比较曲线图。

图6为二维地震数据叠前，地震反演得到的纵波与横波速度结果。

图7为研究区孔隙连通下参数反演结果。

图8为孔隙度与饱和度的常规岩石物理反演结果。

具体实施方式

以下结合附图对本发明公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

本实施例提出了一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，具体操作流程如图1所示，包括如下步骤：

S1、在研究区现场实验室获取岩石样本矿物组分和含量数据，利用Voigt-Reuss-Hill平均模型和Wood方程分别计算岩石基质和孔隙中混合流体的弹性模量，具体公式如下：

K_fl＝S_wK_w+(1-S_w)K_g (38)

式中，M_V为Voigt等效弹性模量；M_R为Reuss等效弹性模量；M_VRH为本方法中的Voigt-Reuss-Hill等效弹性模量；f_i为第i种组分的体积含量，满足M_i为第i种组分的弹性模量；K_fl为混合流体的体积模量；K_w与K_g分别表示水、气的体积模量；S_w表示含水饱和度。

S2、输入6组测井数据，包括：孔隙度、含水饱和度、泥质含量、纵波速度、横波速度和密度。将其与本发明的预测结果作对比，用于验证本发明的准确性，判断预测精度是否提高。

S3、利用Gassmann方程和解耦DEM模型分别建立含连通孔隙和非连通孔隙的各弹性参数之间的关系，具体公式如下：

(1)利用Gassmann方程建立了含连通孔隙的各弹性参数之间的关系；

μ_con＝μ_dry (40)

式中，K_dry和μ_dry分别表示岩石干骨架的体积模量和剪切模量，K_con和μ_con分别表示含连通孔隙饱和流体岩石的体积模量和剪切模量，φ_con表示连通孔隙度值。

(2)利用解耦DEM模型，建立了含非连通孔隙的各弹性参数之间的关系：

K_dis＝K_m(1-φ_dis)^P (41)

μ_dis＝μ_m(1-φ_dis)^Q (42)

式中，K_m和μ_m分别代表岩石基质的体积模量和剪切模量，K_dis和μ_dis分别表示含非连通孔隙饱和流体岩石的体积模量和剪切模量，P和Q是与孔隙结构相关的几何因子，φ_dis表示连通孔隙度值。

在实际应用中，对含两种孔隙的饱和岩石的弹性模量分别进行了计算。本发明认为连通孔隙为相互连通的孔隙空间，非连通孔隙为封闭孤立孔隙，流体混合运动主要发生在连通孔隙之间。

S4、定义孔隙连通性参数，即连通孔隙百分比，将连通孔隙百分比作为未知变量，将实测和预测纵、横波速度作为观测数据，引入最优化思想建立目标函数来估算不同深度的连通孔隙百分比：

为了提高预测精度，减少误差，将孔隙空间划分为连通孔隙和非连通孔隙两部分，并以此定义连通孔隙占总孔隙的百分比。

式中，表示通过纵波速度反演的连通孔隙百分比；/>表示通过横波速度反演的连通孔隙百分比；V_p-cmb和V_s-cmb分别表示岩石物理模型计算得到的纵波与横波速度；V_p-log与V_s-log分别表示实际测井数据中的纵波与横波速度；V_cl为泥质含量；ω₁与ω₂分别表示权重因子，均为0.5；/>表示孔隙度。

S5、根据模拟退火算法对连通孔隙百分比进行迭代优化，输出更新优化后的连通孔隙百分比作为反演结果。

考虑到复杂的孔隙结构，孔隙连通性参数的反演是一个多变量、多极值的问题，很难用线性反演方法求解。因此，采用了一种随机智能算法—模拟退火算法来解决此非线性问题。

S501、根据模拟退火算法过程，连通孔隙百分比的优化需要在不同深度迭代更新，具体方式为：

式中，η是(0，1)之间的随机数；T表示温度；包含上标i和i-1的Δɑ_con分别表示更新后和更新前的连通孔隙百分比；Δɑ_{con max}表示最大扰动区间。

S502、根据模拟退火算法的运算过程，需要确定是否接受扰动，具体公式如下：

式中，P表示概率密度，exp(.)表示以自然数e为底的指数函数，k为Boltzmann常数，T为温度，E_i表示第i个状态下的能量，E_j表示第_j个状态下的能量。使用随机数发生器在[0,1)之间产生一个随机数rand，比较P与rand的大小，如果P>rand，接受新状态j，否则保持i为当前状态。

S503、设置迭代次数，重复步骤S501与步骤S502直到达到迭代次数最大值，输出更新后的孔隙连通性参数作为连通孔隙百分比ɑ_con反演结果。

S6、利用步骤S5中得到的连通孔隙百分比在估计中对两类孔隙进行加权校正，随后采用Voigt-Reuss-Hill平均模型估计连通和非连通孔隙对储层岩石引起的综合弹性性质，其中两类孔隙在估计中以连通孔隙百分比加权校正，方式如下：

将步骤S5中求解得到的ɑ_con代入公式(3)中，即可得到连通和非连通孔隙对储层岩石引起的综合弹性性质：

式中，K_cmb和μ_cmb分别表示饱和岩石的加权体积和剪切模量。

S7、根据步骤S6中得到的综合弹性性质，求取优化后的纵、横波速度预测结果，将预测结果与实测纵、横波速度进行对比，验证该方法的预测准确性。

利用步骤S6得到的饱和岩石的加权体积和剪切模量K_cmb和μ_cmb求取优化后的纵、横波速度预测结果：

其中，V_p-cmb和V_s-cmb分别表示预测的纵波与横波速度，ρ表示饱和流体岩石的密度。

在本实施例中，先对本发明的模型进行参数分析，其岩石组分的物性参数见表1：

表1岩石组分的物理参数

本发明所提出的模型在计算过程中，使用了文献1“Keys,R.G.,and Xu,S.(2002).An approximation for the xu-white velocity model.Geophysics,67(5),1406-1414.”中所提出的解耦DEM模型。对于传统的Xu-White模型，流体饱和岩石的弹性模量由Gassmann方程(Gassmann,1951)估计。Gassmann方程假设岩石内部所有孔隙空间是相互联系的，但真正的致密岩石可能是含有非连通孔隙的复杂孔隙结构，因此传统的Xu-White模型忽略了非连通孔隙的影响，可能会产生误差。为了提高计算精度、降低计算值与实际值之间的误差，本发明将岩石储层中的孔隙分为连通孔隙与非连通孔隙两类，引入了连通孔隙百分比α_con作为一个新的变量，将岩石的总孔隙度φ_t分为连通孔隙度φ_con与非连通孔隙度φ_dis，并满足等式：φ_con＝α_con·φ_t,φ_dis＝(1-α_con)·φ_t。在实际应用中，对含两种孔隙的饱和岩石的弹性模量分别进行了计算，改进模型的岩石弹性参数预测方法流程图如图2所示。需要注意的是，本发明认为连通孔隙为相互连通的孔隙空间，非连通孔隙为封闭非连通孔隙，流体混合运动主要发生在连通孔隙之间。

本实施例选取了位于中国西部四川盆地的某致密砂岩气储层，该研究区最主要的致密砂岩储层发育段为上三叠统须家河组二段，该区段是一套三角洲前缘到前三角洲沉积环境的砂、泥岩不等厚互层沉积，其中砂岩厚度占明显优势。如图3为研究区某测井的模型输入参数曲线图，从左至右分别代表孔隙度(图3的a)、含水饱和度(图3的b)、泥质含量(图3的c)、纵波速度(图3的d)、横波速度(图3的e)和密度(图3的f)。

图4为本发明研究区孔隙度统计分布直方图。图中可见孔隙度分布范围在0.03-0.09之间，且主要集中分布在0.04-0.08，此分布规律表明研究区储层总体上属于低孔隙度的致密储层。

图5为本方法预测结果与测井数据和传统Xu-White模型预测结果比较曲线图。其中黑色实线代表测井观测数据，灰色虚线代表传统Xu-White模型预测曲线，黑色点式线代表本方法预测曲线。图5的(a)和图5的(b)给出了本方法预测的纵波和横波速度，并与Xu-White模型进行了比较。图5的(c)显示了根据测井纵波和横波速度估计的孔隙连通性参数(连通孔隙百分比)。表2显示了测井数据与图5预测之间的相关系数。与Xu-White模型相比，考虑连通孔隙和非连通孔隙联合效应的模型预测结果与测井曲线吻合较好，相关系数也较高。

表2测井数据与预测值之间的相关系数

图6为二维地震数据叠前，地震反演得到的纵波与横波速度结果。这些数据被用作后续岩石物理反演的观测数据，在本方法中根据反演的纵波和横波速度以及初始孔隙度和含水饱和度反演孔隙连通性参数。根据测井数据，通过克里格插值法建立了初始孔隙度和含水饱和度剖面。

图7为研究区孔隙连通下参数反演结果。可以观察到，孔隙连通性剖面在某些区域表现出明显的差异，其值相对较低，这表明储层岩石的孔隙连通性较差。这种异常的存在有助于区分工作区内的潜在储层。

图8为孔隙度与饱和度的常规岩石物理反演结果。对于所提出的方法和估计的孔隙连通性参数进行岩石物理反演，用于估计孔隙度和含水饱和度。将图8与图3对比可以看出，在所提出的岩石弹性参数预测方法的帮助下，反演的岩石物理参数与测井数据吻合良好。低含水饱和度的位置与已知的含气层一致，这可以作为气藏的良好指标，有助于区分含气层的异常。孔隙连通性参数对确定实际含气区具有很好的辅助作用。

综上所述，本发明充分考虑了在实际储层中岩石孔隙连通性随深度变化特征，基于传统的纵、横波速度预测模型(Xu-White模型)，改进其岩石干骨架预测方法，本方法与传统的Xu-White模型相比，计算过程简洁，计算精度高，可用于揭示连通性较低的含气层，从而提高油气产量。此外，孔隙连通性参数还可以用于进一步的岩石弹性参数预测方法，以更好的精度预测弹性参数。

以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法。

Claims (5)

1.一种考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，其特征在于，包括以下步骤：

S1、获取岩石样本矿物组分和含量数据，利用Voigt-Reuss-Hill平均模型和Wood方程分别计算岩石基质和孔隙中混合流体的弹性模量；具体公式如下：

K_fl＝S_wK_w+(1-S_w)K_g (4)

式中，M_V为Voigt等效弹性模量；f_i为第i种组分的体积含量，满足M_i为第i种组分的弹性模量；M_R为Reuss等效弹性模量；M_VRH为Voigt-Reuss-Hill等效弹性模量；K_fl为混合流体的体积模量；K_w与K_g分别表示水、气的体积模量；S_w表示含水饱和度；

S2、输入测井数据；

S3、利用Gassmann方程和解耦DEM模型分别建立含连通孔隙和非连通孔隙的各弹性参数之间的关系；

S4、定义连通孔隙百分比，将实测和预测纵、横波速度作为观测数据，引入最优化思想建立目标函数来估算不同深度的连通孔隙百分比；估算结果如下：

式中，表示通过纵波速度反演的连通孔隙百分比；/>表示通过横波速度反演的连通孔隙百分比；V_p-cmb和V_s-cmb分别表示岩石物理模型计算得到的纵波与横波速度；V_p-log与V_s-log分别表示实际测井数据中的纵波与横波速度；V_cl为泥质含量；ω₁与ω₂表示权重因子，均为0.5；/>表示孔隙度；

S5、根据模拟退火算法对连通孔隙百分比进行迭代优化，作为反演结果；具体步骤如下：

S501、根据模拟退火算法过程，连通孔隙百分比的优化需要在不同深度迭代更新：

式中，η是(0，1)之间的随机数，T表示温度，包含上标i和i-1的Δα_con分别表示更新后和更新前的连通孔隙百分比，Δα_conmax表示最大扰动区间；

S502、根据模拟退火算法的运算过程，需要确定是否接受扰动，具体公式如下：

式中，P表示概率密度，exp(.)表示以自然数e为底的指数函数，k为Boltzmann常数，T为温度，E_i表示第i个状态下的能量，E_j表示第_j个状态下的能量；

使用随机数发生器在[0,1)之间产生一个随机数rand，比较P与rand的大小，如果P>rand，接受新状态j，否则保持i为当前状态；

S503、设置迭代次数，重复步骤S501与步骤S502直到达到迭代次数最大值，输出更新后的孔隙连通性参数作为连通孔隙百分比α_con反演结果；

S6、利用步骤S5中得到的连通孔隙百分比在估计中对两类孔隙进行加权校正，随后采用Voigt-Reuss-Hill平均模型估计连通和非连通孔隙对储层岩石引起的综合弹性性质；具体内容为：

将步骤S5中得到的α_con代入公式(3)中，即可得到连通和非连通孔隙对储层岩石引起的综合弹性性质：

式中，K_cmb和μ_cmb分别表示饱和岩石的加权体积和剪切模量。

2.根据权利要求1所述的考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，其特征在于，步骤S2中，输入的测井数据包括孔隙度、含水饱和度、泥质含量、纵波速度、横波速度和密度。

3.根据权利要求1所述的考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，其特征在于，步骤S3中，所述的建立含连通孔隙和非连通孔隙的各弹性参数之间的关系，具体内容如下：

(1)利用Gassmann方程建立了含连通孔隙的各弹性参数之间的关系：

μ_con＝μ_dry (13)

式中，K_con和μ_con分别表示含连通孔隙饱和流体岩石的体积模量和剪切模量，K_dry和μ_dry分别表示岩石干骨架的体积模量和剪切模量，φ_con表示连通孔隙度值；

(2)利用解耦DEM模型，建立了含非连通孔隙的各弹性参数之间的关系：

K_dis＝K_m(1-φ_dis)^P (14)

μ_dis＝μ_m(1-φ_dis)^Q (15)

式中，K_m和μ_m分别代表岩石基质的体积模量和剪切模量，K_dis和μ_dis分别表示含非连通孔隙饱和流体岩石的体积模量和剪切模量，P和Q是与孔隙结构相关的几何因子，φ_dis表示连通孔隙度值。

4.根据权利要求1所述的考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，其特征在于，还包括步骤S7：根据步骤S6中得到的综合弹性性质，求取优化后的纵、横波速度预测结果，将预测结果与实测纵、横波速度进行对比，验证该方法的预测准确性。

5.根据权利要求4所述的考虑孔隙连通性的致密砂岩岩石弹性参数预测方法，其特征在于，步骤S7中，通过步骤S6得到的饱和岩石的加权体积和剪切模量K_cmb、μ_cmb，求取优化后的纵、横波速度预测结果：

其中，V_p-cmb和V_s-cmb分别表示预测的纵波与横波速度，ρ表示饱和流体岩石的密度。