欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202010362773X
申请人: 湖南科技大学
专利类型:发明专利
专利状态:未下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于包括如下步骤:

(1)采用广义S正反变换对叠前角道集数据进行分频处理,得到不同频段对应的叠前角道集数据;

(2)基于不同频段对应的叠前角道集数据提取角度依赖的子波,基于精确Zoeppritz方程和测井数据正演合成地震角道集并结合实际井旁角道集数据确定振幅缩放因子;

(3)基于工区内所有测井数据统计模型参数的先验信息及其均值,包括流体因子、剪切模量和密度,并计算包含流体因子、剪切模量和密度统计相关性的协方差矩阵;

(4)利用地震构造解释资料和工区所有测井数据,基于沉积模式建立时间域的流体因子、剪切模量和密度参数的初始模型;

(5)基于孔弹性理论,对传统形式的精确Zoeppritz方程进行改写,得到包含流体因子、剪切模量、密度以及干岩石纵横波速度比的平方 的新形式FMR-Zoeppritz方程;其中,VP、VS是干岩石的纵、横波速度;

(6)首先由测井数据统计分析得到固定常数 的值,然后基于时间域的初始模型和新形式的FMR-Zoeppritz方程正演模拟角度域的多波地震叠前道集,最后由正演模拟记录和实际记录直接计算叠前反演残差;

(7)基于Bayesian原理、先验信息和新形式的FMR-Zoeppritz方程正演算子构建最大后验概率意义下的反演目标函数,借助泰勒展开对目标函数进行求解,得到流体因子、剪切模量和密度参数扰动量的求解表达式;

(8)基于上述参数扰动量的求解表达式和反演残差,采用迭代重加权最小二乘算法求解模型参数的扰动量,并利用求解得到的扰动量对初始模型进行更新;同时利用井旁道反演结果选择合理的权重因子,重复以上步骤(6)、(7)和(8),并通过反演残差控制最大迭代次数,获得最优储层参数,包括流体因子、剪切模量和密度。

2.根据权利要求1所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(1)具体是,采用广义S变换将原始叠前角道集数据变换至频率域,结合测井数据分析地震数据的最大分辨能力,确定频段划分原则,根据这一原则对频率域的地震数据进行频段划分,最后将不同频段对应的地震数据采用广义S反变换转换至时间域,从而得到不同频段对应的时间域叠前角道集数据。

3.根据权利要求1所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(2)具体是,首先,基于分解得到的不同频段对应的地震叠前角道集和测井数据采用统计方法提取若干个依赖于入射角度的地震子波;以测井数据为输入模型利用精确Zoeppritz方程正演模拟角度域的地震道集,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。

4.根据权利要求1所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(3)具体是,假设模型参数服从高斯分布的同时引入服从微分拉普拉斯分布的垂向块约束项,通过测井数据分析获得需要的模型参数,求取各参数的自相关系数和互相关系数,构建协方差矩阵,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所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(4)具体是,利用地震构造解释资料,基于沉积模式建立地质模型,并将测井资料,按构造模式进行插值和外推,得到每条测线的初始参数模型,包括流体因子、剪切模量和密度的初始模型。

6.根据权利要求1所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(5)具体是,首先基于孔弹性理论,利用流体因子、剪切模量、纵横波速度以及密度之间的关系,对传统形式的Zoeppritz方程进行改写,最终得到关于流体因子、剪切模量、密度以及干岩石纵横波速度比的平方 的新形式FMR-Zoeppritz方程。

7.根据权利要求1所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(6)具体是,首先利用测井数据进行统计分析,估计得到固定常数 的值,然后以时间域的初始模型为输入,直接利用FMR-Zoeppritz方程计算每一个角度的地震反射系数向量,将前述获取的子波与反射系数进行褶积,获得角度域的叠前角道集,并与实际角度域地震道集作差,获得叠前地震反演残差。

8.根据权利要求1所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(7)具体是,利用以上所述先验模型对反演结果进行约束,并假设似然函数服从Gaussian即高斯分布,先验模型服从Gaussian即高斯与Differentiable Laplace即微分拉普拉斯的联合分布;将似然函数和先验模型代入贝叶斯公式中,根据后验概率确定反演的目标函数,由于模型参数不好直接求解,因此考虑借助于泰勒级数展开对目标函数进行简化,变成关于模型参数扰动量的函数,然后将目标函数对扰动量进行求导并令导数等于零,得到扰动量的迭代求解公式;其中泰勒展开需要求取简化方程正演算子关于模型参数的一阶偏导数,该导数可以通过解析或数值方法求得。

9.根据权利要求1所述基于分频联合反演的叠前高分辨率流体因子反演方法,其特征在于:步骤(8)具体是,以反演残差为输入,采用迭代重加权最小二乘算法对非线性的参数扰动量的求解表达式进行进一步求解,得到模型参数更新量,利用得到的更新量对初始模型进行更新;同时利用井旁道反演结果选择合理的权重因子,重复步骤(6)、步骤(7)和步骤(8),并通过反演残差控制最大迭代次数确定最优的参数模型作为地震叠前AVA反演的最终结果,包括流体因子、剪切模量和密度。