高分辨率非线性三维整体反演研究(英文)

高分辨率非线性三维整体反演方法是基于非线性理论,在层位控制下,将工区多井(或全部井)的测井数据与井旁地震道数据输入具有多输入多输出的网络,同时进行整体训练,可获得整个工区的自适应权函数,并建立综合非线性映射关系,并根据储层在纵横方向上的地质变化特征更新这种非线性映射关系,这样,就能对反演过程及其反演结果起到约束和控制的作用,从而获得稳定且分辨率高的地震反演剖面(速度反演剖面/波阻抗反演剖面/密度反演剖面),实现整体反演,该方法通过模型试算和实际资料处理,获得较好的地质效果,证明该方法精度高、实用性强,可用于储层的定量分析。     

岩石物理驱动的储层裂缝参数与物性参数概率地震反演方法

长波长假设条件下,各向同性背景地层中发育一组平行排列的垂直裂缝可等效为具有水平对称轴的横向各向同性（HTI）介质.基于不同观测方位的岩石地震响应特征变化,宽方位地震数据不仅可实现裂缝岩石弹性参数与各向异性参数的预测,同时也蕴含着丰富的孔隙度等储层物性参数信息.本文结合实际地震资料提出了贝叶斯框架下岩石物理驱动的储层裂缝参数与物性参数概率地震联合反演方法,首先基于AVAZ反演裂缝岩石的弹性参数与各向异性参数,并在此基础上通过统计岩石物理模型表征孔隙度、裂缝密度等各向异性介质储层参数与裂缝岩石参数的相互关联,并采用马尔科夫链蒙特卡洛（MCMC）抽样方法进行大量样本的随机模拟,使用期望最大化（EM）算法估计后验条件概率分布,最终寻找最大后验条件概率对应的孔隙度、裂缝密度等HTI裂缝介质储层参数即为反演结果.测井及实际地震数据处理表明,该方法能够稳定合理地从方位地震资料中获取裂缝岩石弹性参数与各向异性参数,并提供了一种较为可靠的孔隙度、裂缝密度等裂缝介质储层参数概率地震反演方法.     

频变AVAZ响应特征分析及裂缝性质反演方法研究

AVAZ方法是裂缝储层评价的重要手段,然而它受到静态等效地震岩石物理模型的限制,一般用于反演裂缝密度和裂缝走向.近年来,随着裂缝性孔隙介质等效模型的发展,频变AVAZ响应特征被证明可以携带更多的裂缝性质信息.本文针对HTI介质,基于Chapman理论分析流体类型和裂缝长度对频变AVAZ响应特征的影响并建立结合贝叶斯理论和遗传算法反演裂缝密度、裂缝走向、裂缝长度和裂缝充填流体类型的新方法.新反演方法流程为:首先,基于频变AVAZ特征建立反演目标函数并运用遗传算法求解,根据此结果分别建立裂缝参数的似然函数;其次,利用贝叶斯算法将地质、测井等获得的裂缝性质先验信息与地震获得的裂缝性质似然函数结合,计算裂缝性质的后验概率分布函数;最后,通过控制先验裂缝参数的方差,均衡地震数据及地质、测井数据的信息采用量.合成数据的分析和反演结果表明:流体性质和裂缝长度是频变AVAZ响应的敏感参数;本文提出反演裂缝性质方法是可行的.先验裂缝参数影响分析验证了该方法在均衡地质、测井及地震数据的信息采用量方面的有效性.     

波阻抗映射法外推

首先介绍了自适应滤波的方法和波阻抗映射法外推的基本原理．在小反射系数的假设条件下推导了对数波阻抗和地震道之间近似为线性映射的关系,应用自适应滤波的方法可以实现这种映射．实际资料的试算结果表明,该方法能够提供分辨率明显高于常规方法的波阻抗或层速度剖面,并与测井资料较吻合．因此,它作为测井约束反演的补充手段,是一种可用于开发地震的新方法．最后讨论了映射法波阻抗反演的局限性．     

基于统计岩石物理模型的各向异性页岩储层参数反演

提出了各向异性页岩储层统计岩石物理反演方法.通过统计岩石物理模型建立储层物性参数与弹性参数的定量关系,使用测井数据及井中岩石物理反演结果作为先验信息,将地震阻抗数据定量解释为储层物性参数、各向异性参数的空间分布.反演过程在贝叶斯框架下求得储层参数的后验概率密度函数,并从中得到参数的最优估计值及其不确定性的定量描述.在此过程中综合考虑了岩石物理模型对复杂地下介质的描述偏差和地震数据中噪声对反演不确定性的影响.在求取最大后验概率过程中使用模拟退火优化粒子群算法以提高收敛速度和计算准确性.将统计岩石物理技术应用于龙马溪组页岩气储层,得到储层泥质含量、压实指数、孔隙度、裂缝密度等物性,以及各向异性参数的空间分布及相应的不确定性估计,为页岩气储层的定量描述提供依据.     

塔中北坡地区奥陶系碳酸盐岩叠前地震裂缝预测方法应用研究

塔中北坡顺南地区奥陶系碳酸盐岩具有良好的勘探开发前景,近期在多个层系钻遇了储层和油气.研究显示该地区裂缝比较发育,并对储层的形成和改造起到了非常关键的作用,但目前针对该区的裂缝预测技术研究成果较少,以叠后属性评价为主.因此,本文从裂缝实际地质特征观察出发,基于叠前地震资料,综合多种方法进行裂缝预测.首先利用叠前构造应力场反演间接评价裂缝的发育密度和方向,基于评价结果对地震叠前数据进行不同方位划分方案的资料处理并对比,使用纵波方位各向异性方法预测储层裂缝发育方向与相对密度.多方法结合的预测结果符合研究区裂缝发育规律并与地质模式相吻合,通过与岩心及成像测井资料对比,验证了该地区使用较窄方位采集的地震数据进行裂缝预测结果的有效性.     

储层重力密度反演后验约束正则化方法

本文针对蒸汽辅助重力泄油(SAGD)生产中开发监测问题,发展了综合应用地震及重力数据反演储层密度的联合反演算法.通过测井数据建立纵波阻抗与密度的直接关系,并推导出这种关系下重力与纵波阻抗数据联合反演的计算方法,从而计算出蒸汽腔体密度分布规律.文中应用密度反演后验约束正则化方法,采用Tikhonov正则化模型,通过波阻抗数据作为约束进行联合反演,在算法上提高了稳定性,同时得到较高的反演精度.文中对SAGD生产中的理论模型进行了方法试算,并分析了算法的误差,最终应用于SAGD生产的实际数据中,通过最终反演结果分析,该方法取得了很好的应用效果.     

基于频变AVO技术对多尺度裂缝内流体属性反演与识别（英文）

通过地震数据获取裂缝储藏中流体的性质并对流体类型进行识别,是地震勘探岩性反演的重要问题之一。由于地震波的速度、储层的密度等弹性参数对某些流体不具有很强的敏感性,使只依赖振幅信息进行流体识别的传统AVO方法面临困境。作为传统叠前振幅反演的一个拓展,频变AVO（FDAVO）技术进一步考虑了振幅对频率的依赖关系,将这种依赖关系与地下裂缝结构、流体填充对应起来,能带来更丰富的流体信息。利用该技术,本文提出了一种基于地震数据参数化Chapman模型的贝叶斯反演新方法（BIDCMP）,它包含两步算法,即,FDAVO反演储层的非弹性属性和贝叶斯框架下的流体识别。首先,通过匹配观测数据和模型数据,构造差函数反演裂缝储层非弹性参数。随后,在贝叶斯框架下,使用马尔科夫随机场（MRF）作为先验模型,联合多参数场识别流体。本方法在计算过程中,除综合考虑了弹性参数场、测井资料等常规信息外,还特别地加人了第一步中反演得的非弹性参数的约束,从而充分利用了流体粘性差异,最后在最大后验概率（MAP）准则下输出最佳岩性一流体识别结果。分别对合成地震记录和模拟岩性—流体剖面验证本文方法的有效性,结果证明本文方法获得的流体识别结果准确可信。     

叠后MCMC法岩性反演算法研究

叠后MCMC(马尔科夫链蒙特卡罗)反演是一种地质统计学反演方法,该方法能够利用地震、测井等多尺度信息综合预测储层砂体,并使反演结果忠实于地震数据.算法的重点是在贝叶斯框架下,对样本点构建能够反映空间相关性的马尔科夫链,基于蒙特卡罗迭代算法实现对复杂后验分布空间进行有效搜索.文章以一维垂向视角阐述基于MCMC算法预测储层砂体的统计学原理,将反演过程所运用的统计学符号赋予地质含义,较为形象地将随机算法的数学意义与储层反演的地质意义联系起来.并在此基础上,以朝阳沟油田扶余油层未开发区朝65井所在剖面的砂体预测为例,验证叠后MCMC法岩性反演的可靠性.     

叠前同步反演在古近系窄河道储层预测中的应用——以渤海A油田为例

在渤海海域,河流相储层较发育,一般具有单层厚度薄、纵向叠置关系复杂、岩性及物性横向变化快等特点.古近系窄河道砂岩储层预测还面临埋藏深,砂岩与泥岩纵波阻抗差异小;地震资料垂向分辨率不够等问题.常规方法进行储层预测及刻画难度大,严重制约着开发井网部署.本文以测井岩石物理分析为基础,发现密度能很好地区分储层与非储层.采用密点速度分析、拉东变换去多次和自适应道集拉平等处理技术,提高了叠加剖面的质量,使处理后的资料满足叠前研究需求.应用叠前AVO同步反演技术对A油田的三维地震资料进行叠前反演,反演出密度数据体,提取地震属性,清楚刻画出河道的平面展布形态,据此优化钻井方案.实钻开发井储层钻遇情况与钻前储层预测一致,规避开发井的风险,提高经济效益,该方法可供类似油田借鉴.     

Dynamic neuro-fuzzy local modeling system with a nonlinear feature extraction for the online adaptive warning system of river temperature affected by waste cooling water discharge

This paper proposes a dynamic modeling methodology based on a dynamic neuro-fuzzy local modeling system (DNFLMS) with a nonlinear feature extraction technique for an online dynamic modeling task. Prior to model building, a nonlinear feature extraction technique called the Gamma test (GT) is proposed to compute the lowest mean squared error (MSE) that can be achieved and the quantity of data required to obtain a reliable model. Two different DNFLMS modes are developed: (1) an online one-pass clustering and the extended Kalman filtering algorithm (mode 1); and (2) hybrid learning algorithm (mode 2) of extended Kalman filtering algorithm with a back-propagation algorithm trained to the estimated MSE and number of data points determined by a nonlinear feature extraction technique. The proposed modeling methodology is applied to develop an online dynamic prediction system of river temperature to waste cooling water discharge at 1?km downstream from a thermal power station from real-time to time ahead (2?h) sequentially at the new arrival of each item of river, hydrological, meteorological, power station operational data. It is demonstrated that the DNFLMS modes 1 and 2 shows a better prediction performance and less computation time required, compared to a well-known adaptive neural-fuzzy inference system (ANFIS) and a multi-layer perceptron (MLP) trained with the back propagation (BP) learning algorithm, due to local generalization approach and one-pass learning algorithm implemented in the DNFLMS. It is shown that the DNFLMS mode 1 is that it can be used for an online modeling task without a large amount of training set required by the off-line learning algorithm of MLP-BP and ANFIS. The integration of the DNFLMS mode 2 with a nonlinear feature extraction technique shows that it can improve model generalization capability and reduce model development time by eliminating iterative procedures of model construction using a stopping criterion in training and the quantity of required available data in training given by the GT.     

电阻率二维神经网络反演

由于非线性特性地球物理反演一直以来都是一个比较困难的问题. 近十年来,非线性反演方法如人工神经网络、遗传算法在地球物理数据解释中得到越来越多的应用,但目前基本仍限于一维反演问题. 对于二维反问题,反演参数较多,神经网络反演运用较少. 本文利用BP神经网络优化方法,实现了电阻率二维非线性反演. 与传统线性化的迭代反演比较,神经网络反演能够克服传统方法的不足、获得更好的反演结果.     

人工神经网络系统在接收函数反演中的应用

为使接收函数的反演更为简便,本文提出了一种基于人工神经网络误差反传(BP)算法的接收函数反演新方法,该方法采用人工神经网络反演系统,避免了接收函数反演过程中复杂的地震响应计算及耗时的雅可比矩阵计算,只需经过学习训练就能够解决复杂的实际问题,而且具有记忆功能,这使接收函数的反演工作具有延续性和可继承性.理论数据的反演计算结果表明,该方法是切实可行的.     

用随机启发式优化算法反演2003年云南大姚地震断层面参数的比较研究

基于余震分布确定主震断层面的数学模型,以确定断层面的走向和倾角参数进行计算,研究了遗传算法、模拟退火算法、差分演化算法、粒子群算法等4种最优化反演方法的反演效果和可靠性。结果显示,在涉及到的反演参数较少和非线性不太严重时,4种方法都有较好的表现,差分演化算法、粒子群算法速度快,精度高,遗传算法速度较慢,精度较低,模拟退火由于缺乏并行机制,速度较慢,精度高于遗传算法。余震在求出的断层附近分布图直观地反映出4种方法的效果和可靠性。     

基于IGA算法的电阻率神经网络反演成像研究

为满足地球物理资料反演解释的高精度、快速、稳定的要求,本文结合免疫遗传算法寻优速度快和BP神经网络反演不依赖初始模型等优点,设计了一种将BP神经网络和免疫遗传算法进行有机结合的全局优化反演策略,并将该策略成功地应用于二维高密度电法数据反演.利用免疫遗传算法(Immune Genetic Algorithm,简称IGA)对神经网络的反演参数进行同步优化,提高了电阻率反演的精度.仿真和实验结果验证设计的全局优化反演策略取得了较好的效果,通过与线性反演方法和BP法以及遗传神经网络法等反演方法进行比较,得出该方法具有反演精度更高,反演时间更短等显著优势的结论.     

Characterizing production‐induced anisotropy of fractured reservoirs having multiple fracture sets

Since natural fractures in petroleum reservoirs play an important role in determining fluid flow during production, knowledge of the orientation and density of fractures is required to optimize production. This paper outlines the underlying theory and implementation of a fast and efficient algorithm for upscaling a Discrete Fracture Network (DFN) to predict the fluid flow, elastic and seismic properties of fractured rocks. Potential applications for this approach are numerous and include the prediction of fluid flow, elastic and seismic properties for fractured reservoirs, model‐based inversion of seismic Amplitude Versus Offset and Azimuth (AVOA) data and the optimal placement and orientation of infill wells to maximize production. Given that a single fracture network may comprise hundreds of thousands of individual fractures, the sheer size of typical DFNs has tended to limit their practical applications. This paper demonstrates that with efficient algorithms, the utility of Discrete Fracture Networks can be extended far beyond mere visualization.     

ABP法在高密度电阻率法反演中的应用

非线性反演方法作为地球物理反演的一个重要分支,在地球物理反演中发挥着特有的作用.近年来学者对非线性联合反演研究较多,但目前仍未有实质性的研究进展;本文尝试利用BP(Back Propagation)神经网络优化方法与蚁群算法联合演算,实现高密度电阻率法的电阻率二维非线性反演.通过两组模型的结果比较,BP与ABP 法的反...     

基于神经网络的随机地震反演方法

针对随机地震反演中存在的两个主要问题,随机实现含有噪声和难以从大量随机实现中挖掘有效信息,提出了一种基于神经网络的随机地震反演方法.通过对多组随机实现及其正演地震数据的计算,构建了基于序贯高斯模拟的训练集.这也为应用神经网络求解地球物理反问题,提供了一种有效建立训练集的方法.较之传统的神经网络反演,这种训练集不仅保证了学习样本具有多样性,同时还引入了空间相关性.数值模拟结果表明,该方法只需要通过单层前馈神经网络,就可以比较有效的解决一个500个阻抗参数的反演问题.     

重力异常的BP神经网络三维物性反演

三维物性反演参数多,计算量巨大,传统的方法难以实现.本文使用BP神经网络实现重力三维物性反演,介绍了BP神经网络的基本原理及特性,并构造一个适用于重力位场反演的BP神经网络.并用其对模型进行反演计算,结果表明:BP网络具有较好的泛化能力和容错能力,反演速度快、准确,并且较好的反应了场源的分布情况.