基于自适应杂交遗传算法的CO_2地质封存的储层参数反演研究

二氧化碳地质封存是减少温室气体排放和减缓温室效应的重要手段.二氧化碳封存的一个重要组成部分是地震监测,即用地震的方法监测封存后的二氧化碳的分布变化.为了实现这个目标,需要建立储层参数与地震性质之间的关系(岩石物理模型)和从地震监测数据中反演获得储层流体的饱和度等参数.首先,本文以Biot理论为基础,结合多相流模型研究了多个物理参数(孔隙度、二氧化碳饱和度、温度和压力等)对同时含有二氧化碳和水的孔隙介质的波速和衰减等属性的影响.结果表明:孔隙度和二氧化碳饱和度对岩石的频散和衰减属性影响强烈,而温度和压力通过孔隙流体性质对岩石的波速产生影响.然后,本文基于含多相流的Biot理论,应用抗干扰能力强、且具有更好的局部搜索能力和抗早熟能力的自适应杂交遗传算法对实际数据进行了反演研究.对岩心实验数据的反演研究表明了算法的有效性,而且表明含多相流的Biot理论能够很好地解释水和二氧化碳饱和岩石的波速特征.最后,我们将自适应杂交遗传算法应用于实际封存项目的地震监测数据,获得了封存后不同时期的二氧化碳饱和度,达到了用地震方法监测二氧化碳分布的目的.     

储层物性的地震预测技术综述

想要掌握储层物性的空间分布情况,地震预测是不可或缺的手段.近半个世纪期间,主要出现了 7种有关储层物性地震预测的方法技术,包括阻抗反演技术、储层物性间接反演技术、储层物性波动方程反演技术、地质统计方法和人工智能预测方法,以及以上方法技术所依赖的机理性岩石物理分析技术和统计岩石物理分析技术,本文论述了这些方法技术的原理及现状.从反射地震数据出发反演得到地层的声阻抗和弹性阻抗,这已经是石油工业界常规的技术流程.借助理论和实验手段进行机理性岩石物理分析,进而经由储层物性和阻抗间的媒介关系进行储层物性的间接反演或是基于波动方程进行直接反演,这是进行储层表征的有效途径.另外,地质统计方法和人工智能方法在储层物性的空间展布预测方面正发挥着独特的作用.很多情况下,简化物理模型难以描述复杂的动力学机制,而综合了岩石物理理论、随机模拟和Bayes估计的统计岩石物理分析技术是另外一种可供选择的储层物性预测方法.同时,本文也客观地指出了每种预测技术的优点、适用性和局限性,以便读者可以迅速掌握各种技术手段的精髓,并在工作中能够选用适合自己任务特点的储层物性地震预测技术.     

包含Biot机制和分数阶黏弹性机制的波传播模型

含流体孔隙介质中的波能量耗散通常由多种力学机制造成.传统Biot理论中的能量耗散仅仅考虑了固流两相相对运动引起的摩擦耗散,无法准确预测波在孔隙介质中低频段出现的高频散与强衰减现象.为了建立一个能准确预测地震波频段高频散与强衰减现象的动力学模型,我们在Biot理论的基础上引入黏弹性机制,并利用分数阶导数刻画黏弹性本构关系,最终获得了一种新的孔隙介质波传播模型.与传统的Biot模型相比,新模型考虑了含流体孔隙介质中固体骨架的内耗散,对波能量耗散的刻画更为精准.通过数值算例,我们研究了分数阶导数的阶数参数对快P波和S波频散和衰减的影响,并通过来自不同地区且具有不同物理性质的几组流体饱和岩芯实验数据,对比研究了新模型的有效性.结果表明,文章提出的新模型能更准确地预测快P波和S波在低频段出现的高频散和强衰减现象.