地面磁共振与瞬变电磁横向约束联合反演方法研究

大地电阻率分布信息是影响磁共振地下水探测反演结果准确性的重要因素.在众多电磁法勘探技术中,瞬变电磁法具有高分辨率、高效率和大探测深度等优势,能准确探测地下几百米范围内的电阻率分布信息.因此磁共振与瞬变电磁联合解释方法具有重要意义.然而,利用单一测点拼接的磁共振与瞬变电磁联合解释方法进行模拟二维反演时存在解释结果不唯一,容易出现错误异常体等问题,尤其在复杂地质情况下,同一测线上相邻测点探测结果连续性差,解释结果偏离实际.基于此,本文提出磁共振与瞬变电磁横向约束联合反演方法（Laterally Constrained Inversion,简称LCI）,重点引入外推积分法（quadrature with extrapolation,简称QWE）,解决了传统正演过程中基于直接数值积分方法引起的求解效率低的问题,保证了联合反演方法的顺利实施,进而以相邻测点地下结构应具备连续性为依据,引入横向约束反演思想,通过在联合反演目标函数中加入相邻测点间各模型参数约束矩阵,提高磁共振解释结果准确性,加强探测剖面地质结构和含水模型连续性.经过理论模型证实,本文提出的LCI方法能有效提高传统一维反演结果的稳定性和唯一性.最后,对安徽黄山野外实际探测数据进行横向约束联合反演,验证了磁共振与瞬变电磁LCI联合反演方法的实用性.本文的研究成果将为磁共振与瞬变电磁空间约束联合反演奠定基础.

     

频率域航空电磁数据的加权横向约束反演

传统的一维反演技术已经被广泛应用于航空电磁数据解释中.然而,利用单点水平层状介质模型模拟地下复杂地电结构有时会遇到困难.突出表现在反演参数的横向不连续性,即使相邻测点的反演结果也会出现突变.本文针对航空电磁直升机吊舱系统可进行密集采样,相邻测点地下电性结构应具有某种程度连续性的特点,研究航空电磁数据横向约束反演理论,并提出参数加权约束方法.首先阐述频率域航空电磁正演和加权横向约束反演理论,着重介绍这种拟二维反演方法的基本原理和实施步骤,以及将该方法成功应用于频率域航空电磁数据反演处理的方法技术.最后,通过对理论和实测数据反演处理,并与传统的一维反演结果进行对比,验证加权横向约束反演方法的有效性.     

含激电效应的航空瞬变电磁数据横向约束反演

受激电效应影响,航空瞬变电磁响应曲线经常出现异常快速衰减和符号反转现象,使用Cole-Cole模型的等效电阻率代替原模型实电阻率能很好的解释该现象,但由于激电多个参数的引入,使得反演多解性问题更加严重.本文基于Cole-Cole模型实现了航空瞬变电磁一维正演,采用横向约束反演同时计算激电参数及层厚,增加约束条件改善多解...     

基于贝叶斯理论的AVO三参数波形反演

在实际的AVO反演问题中,叠前数据体中的噪声或其他因素严重影响了AVO反演问题的适定性,而采用先验地质信息作为AVO反演问题的约束条件是解决AVO反演问题不适定的一种可行方法. 文中的似然函数采用了[WTBX]ι[WTBX]p范数的解,并用Cauchy分布表示先验模型参数的分布. 以此为基础,在反演中建立了测井数据的参数协方差矩阵对反演过程进行约束,并采用了共轭梯度算法实现多参数非线性的反演过程. 同时,为了提高反演精度,避免动校正拉伸及依赖于炮检距的调谐效应对参数估计的影响,反演采用动校前地震数据进行参数估计. 从应用效果分析来看,即使叠前道集的信噪比不高,反演的结果也能较好地与实际情况相匹配,为识别储层流体性质提供了新的手段.     

地震数据互相关驱动的多道反演方法

地震反演是储层定量描述和地震油气识别的关键技术,反演结果在复杂构造区域的横向连续性和保真性是影响地震资料定量解释精度的重要因素.基于此,本文发展了地震数据互相关驱动的多道反演方法.考虑地层反射系数与地震数据在结构上具有相似性的特点,基于地震数据互相关描述地层反射系数的结构特征,并将其作为多道地震反演的横向约束条件;此外,为改善地震数据本身横向连续性差对反演结果的影响,在目标泛函的惩罚项中引入局部优化算子,构建了一个易于求解的多道地震反演目标泛函.与常规多道地震反演方法相比,本文方法能够设计更合理、更符合实际情况的横向约束算子,提高反演结果的横向连续性,并且能有效降低地震资料质量对反演结果的影响.模型测试和实际应用验证了本方法的可靠性和稳定性.

     

AVO反演的不确定性分析

叠前地震数据反演可以得到比常规叠后波阻抗反演更丰富、更有效的岩性信息,但叠前数据体的噪声及其它因素严重影响了AVO反演的稳定性,如何评估AVO反演结果的可靠性显得尤为重要.本文从贝叶斯理论出发,假定均匀先验分布、高斯噪音分布,推出不确定性分析方程,利用协方差矩阵中的方差描述反演问题的不确定性,模型研究显示反演不确定性与叠前信噪比、纵横波速度比、覆盖次数及反演采用的角度范围相关,方法预测的反演误差可定量解释反演结果的可靠性,为解释人员提供有效的质量监控手段.     

基于三元柯西约束AVO反演的横波精细估算方法

横波速度是保证地震波正演模拟、岩石物理分析与叠前反演应用的重要参数.其在储层预测中的作用显著.为了提高缺失横波的估算精度.本文提出了一种基于三元柯西约束AVO反演的横波速度精细估算方法.首先.在褶积模型的假设前提下,基于贝叶斯反演框架研究了以三元柯西分布为先验正则约束的AVO反演算法,通过模型试算验证了反演参数的可靠性;然后将其应用于横波速度预测.利用Xu White岩石物理模型和测井约束反演方法计算初始横波速度,以此作为三元柯西约束AVO反演的横波输入,通过在反演过程中不断修正参数,使得横波速度的估算结果更加符合实际地下情况;最后将方法应用于实际工区,应用结果表明精细估算方法有效的提高了横波预测的精度和可靠性.     

地震数据互相关驱动的多道反演方法

地震反演是储层定量描述和地震油气识别的关键技术,反演结果在复杂构造区域的横向连续性和保真性是影响地震资料定量解释精度的重要因素.基于此,本文发展了地震数据互相关驱动的多道反演方法.考虑地层反射系数与地震数据在结构上具有相似性的特点,基于地震数据互相关描述地层反射系数的结构特征,并将其作为多道地震反演的横向约束条件;此外,为改善地震数据本身横向连续性差对反演结果的影响,在目标泛函的惩罚项中引入局部优化算子,构建了一个易于求解的多道地震反演目标泛函.与常规多道地震反演方法相比,本文方法能够设计更合理、更符合实际情况的横向约束算子,提高反演结果的横向连续性,并且能有效降低地震资料质量对反演结果的影响.模型测试和实际应用验证了本方法的可靠性和稳定性.     

时移地震资料贝叶斯AVO波形反演

针对时移地震差异数据,给出了一种基于贝叶斯理论的AVO波形反演方法.该方法可以利用时移地震差异数据同时反演出纵波阻抗、横波阻抗和密度的变化.利用时移地震资料进行反演,由于采集和处理过程中存在一定的差异,不同年份地震资料在非注采过程影响区域也会存在一定的变化,而该变化会导致反演结果在非注采区域有较大的变化.针对这一问题,本文采用贝叶斯理论框架,将待求的纵横波阻抗、密度变化的先验信息和包含在地震数据中的信息结合起来,对于纵横波阻抗和密度变化,假设其服从Gauss分布,并以时移地震分别反演的结果作为其期望,同时,为了更好地表征储层属性变化,提高分辨率和抑制非注采区域弹性参数的变化,假设弹性参数变化的导数服从改进的Cauchy分布.数值模拟试验和实际资料处理结果皆表明,本文提出的反演方法能够有效地抑制假象,突出储层性质的变化,得到高分辨率的弹性参数变化信息,为研究储层属性的变化和优化开采方案提供更多的有效的信息.     

TTI介质各向异性参数多波反演与PS波AVO分析

把遗传算法引入到了TTI介质AVO信息反演各向异性参数的过程中,依据TTI介质PP波、PS波反射系数公式,建立Thomsen参数和TTI介质对称轴倾角、方位角的目标函数,分别通过PP波和PS波的反射系数反演出了各向异性参数和对称轴倾角、方位角等信息.文中对反演结果的精确度和稳定性进行了分析,发现PS波的反演结果优于PP波反演结果;对称轴倾角的反演准确性明显优于对称轴方位角.本文通过模型正演合理解释了这一现象的原因.最后,本文通过对PS波AVO梯度的研究,提出了利用PS波振幅定性分析TTI介质对称轴倾角的方法.     

Look-ahead vertical seismic profiling inversion approach for density and compressional wave velocity in Bayesian framework

To reduce drilling uncertainties, zero-offset vertical seismic profiles can be inverted to quantify acoustic properties ahead of the bit. In this work, we propose an approach to invert vertical seismic profile corridor stacks in Bayesian framework for look-ahead prediction. The implemented approach helps to successfully predict density and compressional wave velocity using prior knowledge from drilled interval. Hence, this information can be used to monitor reservoir depth as well as quantifying high-pressure zones, which enables taking the correct decision during drilling. The inversion algorithm uses Gauss–Newton as an optimization tool, which requires the calculation of the sensitivity matrix of trace samples with respect to model parameters. Gauss–Newton has quadratic rate of convergence, which can speed up the inversion process. Moreover, geo-statistical analysis has been used to efficiently utilize prior information supplied to the inversion process. The algorithm has been tested on synthetic and field cases. For the field case, a zero-offset vertical seismic profile data taken from an offshore well were used as input to the inversion algorithm. Well logs acquired after drilling the prediction section was used to validate the inversion results. The results from the synthetic case applications were encouraging to accurately predict compressional wave velocity and density from just a constant prior model. The field case application shows the strength of our proposed approach in inverting vertical seismic profile data to obtain density and compressional wave velocity ahead of a bit with reasonable accuracy. Unlike the commonly used vertical seismic profile inversion approach for acoustic impedance using simple error to represent the prior covariance matrix, this work shows the importance of inverting for both density and compressional wave velocity using geo-statistical knowledge of density and compressional wave velocity from the drilled section to quantify the prior covariance matrix required during Bayesian inversion.     

Smooth constraint inversion technique in genetic algorithms and its application to surface wave study in the Tibetan Plateau

IntroductionThe dispersion phenomena, which can be observed when surface wave travels through the Earth interior, has been extensively applied in investigating the velocity structure of the Earth interior. Usually, the dispersion curve is a nonlinear function of the thickness, S and P wave velocities and density of each layer. Because surface wave inversion is a multiple-minima problem, the result strongly depends on the initial model in traditional linear inversion. Genetic algorithm (GA) …