二维地震资料波动方程非线性反演

针对反演的要求和实际问题的需要，提出利用地震资料叠前数据进行二维波动方程反演，采用最小平方拟合修正模型参数的非线性反演方法，构造了问题的加速迭代算法．反演算法充分利用了冗余的叠前数据和多道相关性，可以分离噪声和信号，使噪声不参与或很少参与反演，算法抗噪能力强．数值模拟例子表明算法有效和稳定，得到了令人满意的结果．     

非均匀介质孔隙流体参数地震散射波反演

弹性波逆散射是非均匀介质参数反演的有效途径．本文从弹性波逆散射理论出发,利用微扰理论和稳相法,将非均匀介质参数视为背景介质与扰动介质参数的叠加,建立了纵波散射系数和非均匀介质中背景介质与扰动介质孔隙流体参数,剪切模量与密度间的直接关系．进而发展了一种非均匀介质孔隙流体参数叠前地震贝叶斯反演方法．该方法假设模型参数（扰动介质与背景介质孔隙流体参数,剪切模量与密度的比值）服从柯西分布,反演目标似然函数服从高斯分布,并采用平滑初始模型约束提高反演稳定性．模型和实际资料处理表明,该反演方法能够稳定合理的直接从叠前地震资料中获取孔隙流体参数,提供了一种高可靠性的非均匀介质流体描述方法．     

基于α稳定分布的地震反演方法

本文介绍了α稳定分布的统计特征,并对比分析了实际地震信号与α稳定分布的动态样本方差特征,提出地震信号服从非高斯α稳定分布的假设.在此基础上,利用地震记录估计误差的p阶统计量作为代价函数,提出了基于非高斯α稳定分布的最小p范数地震反演方法.将该方法应用到单道反射系数理论模型及实际叠前弹性阻抗反演实例中,均取得了良好的反演效果.实际反演结果验证了本文提出的地震信号服从非高斯α稳定分布假设的合理性,以及最小p范数地震反演方法的可行性和有效性.     

基于生成对抗网络的塔里木深层超深层叠前地震子波提取

深层超深层叠前地震子波的准确提取可有效提高全波形反演及叠前偏移成像等方法的准确性,对储层预测和油气分析具有重要意义.针对塔里木低信噪比叠前地震记录,本文提出一种基于生成对抗网络(GAN)的塔里木深层超深层叠前地震子波提取方法.结合柯东地区地质构造特点及噪声特性,采用有限差分法正演叠前地震记录,构建了塔里木柯东地区叠前地震记录及对应子波的训练样本集,利用地震子波、反射系数及噪声特征的区别训练生成对抗网络,实现了从叠前地震记录中有效分离地震子波.合成数据和实际地震资料处理结果表明,本文所提方法对塔里木深层超深层叠前地震子波提取具有有效性和较高的准确性,较传统方法更具优越性.     

基于稀疏约束反演的三维混采数据分离

混合震源采集技术相对于传统的地震数据采集,在极大提高采集效率的同时引入了混叠噪声,很大程度上影响了成像结果的精度.二维混采数据中,我们通常利用混叠噪声在非共炮域呈非相干分布这一特点来压制混叠噪声,从而实现混合震源数据分离.相对于二维混采数据,三维混采数据具有数据量巨大,构建混合震源算子困难,混合度的增加引入了高强度混叠噪声的特点.针对上述问题,本文采用稀疏约束反演方法在Radon域实现混采数据分离,混叠噪声强度比较大的情况下,稀疏约束反演方法能够得到更高精度的分离结果;利用震源激发的GPS时间通过长记录的方式在共接收点道集对上一次迭代分离结果做混合、伪分离,实现了单个共接收点道集自身混合、伪分离,避免了对整个数据做运算,同时不需要构建混合震源算子.通过模拟数据和实际数据计算来验证上述方法的适用性.     

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.     

数据驱动的块排列正则化多道叠前地震反演

叠前地震反演充分利用地震记录振幅随偏移距变化的信息,在储层预测中发挥着重要作用.由于地震观测数据的带限性和其中所含有的噪声,地震反演是一个典型的不适定问题.目前,提出的各种正则化方法通过对反演参数施加约束,使反演结果具备期望的特征.然而,传统的反演方法忽略了地下构造的空间连续性,当地震数据信噪比较低时,单道反演方法无法得到稳定、准确的反演结果.本文提出了一种基于自适应块排列正则化的多道叠前地震反演方法,利用叠后地震资料高信噪比的特点,提取了一个块排列矩阵来记录地下构造信息.该方法通过将地震剖面分解为地震记录块,利用地震数据的局部相似性来记录相邻采样点的位置.在此基础上,构造了多道块排列正则项,建立了多道叠前地震反演的目标函数.在多道块排列正则项中,可以自适应调整权重系数,在增强空间连续性的同时保护边缘.利用L-BFGS算法可以有效地求解多道叠前反演目标函数.合成数据和实际数据测试均表明,当观测记录信噪比较低时,该方法的反演结果优于传统的基于单道模型约束的反演结果.     

基于广义高斯分布的地震盲反褶积方法研究

Bussgang算法是针对褶积盲源分离问题提出的,本文将其用于地震盲反褶积处理.由于广义高斯概率密度函数具有逼近任意概率密度函数的能力,从反射系数序列的统计特征出发,引入广义高斯分布来体现反射系数序列超高斯分布特征.依据反射系数序列的统计特征和Bussgang算法原理,建立以Kullback-Leibler距离为非高斯性度量的目标函数,并导出算法中涉及到的无记忆非线性函数,最终实现了地震盲反褶积.模型试算和实际资料处理结果表明,该方法能较好地适应非最小相位系统,能够同时实现地震子波和反射系数估计,有效地提高地震资料分辨率.     

叠前反演和地震吸收技术在复杂天然气藏地震预测中的应用

针对某复杂断块天然气目标储层,在岩石物理分析的指导下,综合利用地质、地震、测井等资料,提出了一套面向复杂天然气藏的叠前地震预测技术.首先基于地震岩石物理分析得到的初始横波信息,采用叠前贝叶斯非线性三参数反演得到了井旁控制点处精确纵横波速度和密度信息,然后通过叠前/叠后联合反演技术实现了面向目标的弹性阻抗体反演及含气储层敏感参数直接提取,最后结合小波变换时频谱分析的方法从叠前地震资料中估算地层吸收参数值,提高天然气藏识别精度.实际应用表明,综合各种叠前地震预测技术,可以大大提高对复杂天然气藏的识别精度,降低勘探风险.     

NBR油田优质储层叠前叠后联合反演与应用

开展NBR油田地震优质储层预测,可有效支撑低效井区开发和外扩区储量动用,对油田产能建设有重要意义.本文针对地震反演存在叠后反演参数单一、叠前反演多解性强的问题,提出三步流程实现叠前叠后联合反演,达到优质储层定量表征目的.步骤一通过叠后地质统计学反演预测砂泥岩;步骤二开展岩石物理分析,明确了剪切模量为含油砂体敏感弹性参数,再以步骤一反演结果为约束,采用叠前扩展弹性阻抗反演(EEI)预测储层含油性;步骤三仍以步骤一结果为约束,采用高斯配置协模拟测井参数反演预测孔隙度、渗透率.最后按照优质储层物性界限,通过剪切模量、孔隙度和渗透率体得到优质储层三维表征体.上述方法在NBR油田A组油层中优质储层预测符合率达到78.3%,优选甜点区部署水平井效果显著.     

基于马尔科夫随机场的岩性识别方法

通过地震反演数据识别岩性,是地震反演的一项基本任务.由于不同岩性的弹性参数范围常常存在一定程度的重叠,所以给岩性识别带来了很大的困难.本文以叠前反演的弹性参数为基础,通过马尔科夫随机场(Markov Random Field简写为MRF)建立先验模型,按照解释好的测井资料,对不同岩性的弹性参数进行统计,得到计算所需的参数,在贝叶斯(Bayesian)框架下建立岩性分类的目标函数,达到岩性识别的目的.通过马尔科夫随机场建立先验模型,能够建立相邻点间的相互作用关系,得到横向上延续的岩性剖面.本文使用一个楔形模型和Marmousi Ⅱ模型对该方法进行了测试,结果表明,该方法有效可行.同时,本文通过加入误差的方法,检验了反演存在误差对识别结果的影响.     

Markov chain Monte Carlo algorithms for target-oriented and interval-oriented amplitude versus angle inversions with non-parametric priors and non-linear forward modellings

In geophysical inverse problems, the posterior model can be analytically assessed only in case of linear forward operators, Gaussian, Gaussian mixture, or generalized Gaussian prior models, continuous model properties, and Gaussian-distributed noise contaminating the observed data. For this reason, one of the major challenges of seismic inversion is to derive reliable uncertainty appraisals in cases of complex prior models, non-linear forward operators and mixed discrete-continuous model parameters. We present two amplitude versus angle inversion strategies for the joint estimation of elastic properties and litho-fluid facies from pre-stack seismic data in case of non-parametric mixture prior distributions and non-linear forward modellings. The first strategy is a two-dimensional target-oriented inversion that inverts the amplitude versus angle responses of the target reflections by adopting the single-interface full Zoeppritz equations. The second is an interval-oriented approach that inverts the pre-stack seismic responses along a given time interval using a one-dimensional convolutional forward modelling still based on the Zoeppritz equations. In both approaches, the model vector includes the facies sequence and the elastic properties of P-wave velocity, S-wave velocity and density. The distribution of the elastic properties at each common-mid-point location (for the target-oriented approach) or at each time-sample position (for the time-interval approach) is assumed to be multimodal with as many modes as the number of litho-fluid facies considered. In this context, an analytical expression of the posterior model is no more available. For this reason, we adopt a Markov chain Monte Carlo algorithm to numerically evaluate the posterior uncertainties. With the aim of speeding up the convergence of the probabilistic sampling, we adopt a specific recipe that includes multiple chains, a parallel tempering strategy, a delayed rejection updating scheme and hybridizes the standard Metropolis–Hasting algorithm with the more advanced differential evolution Markov chain method. For the lack of available field seismic data, we validate the two implemented algorithms by inverting synthetic seismic data derived on the basis of realistic subsurface models and actual well log data. The two approaches are also benchmarked against two analytical inversion approaches that assume Gaussian-mixture-distributed elastic parameters. The final predictions and the convergence analysis of the two implemented methods proved that our approaches retrieve reliable estimations and accurate uncertainties quantifications with a reasonable computational effort.     

基于Metropolis优化的叠前全局迭代地质统计学反演方法

叠前地质统计学反演将随机模拟与叠前反演相结合,不仅可以反演各种储层弹性参数,还提高了反演结果的分辨率.基于联合概率分布的直接序贯协模拟方法可以在原始数据域对数据进行模拟,不需要对数据进行高斯变换,拓展了地质统计学反演的应用范围;而联合概率分布的应用确保了反演参数之间相关性,提高了反演的精度.本文将基于联合概率分布的直接序贯协模拟方法与蒙特卡洛抽样算法相结合,参考全局随机反演策略,提出了基于蒙特卡洛优化算法的全局迭代地质统计学反演方法.为了提高反演的稳定性,我们修改了局部相关系数的计算公式,提出了一种新的基于目标函数的优化局部相关系数计算公式并应用到协模拟之中.模型测试及实际数据应用表明,该方法可以很好的应用于叠前反演之中.     

基于走时约束的分频分步零偏VSP波动方程多参数反演

在地震勘探中,描述复杂介质的正演和反演问题通常包含许多反映介质不同特性的参数.同时获得这些参数对进行更准确的岩性描述和油藏预测具有重要的理论和现实意义.为了提高频率域黏弹性波动方程的零偏VSP多参数反演的精度,本文对多参数反演的可行性进行分析,明确了目标函数的敏感程度及参数之间的耦合情况,提出了一种基于走时约束的分频分步多参数反演策略.首先利用零偏VSP资料构建先验信息,然后分别利用高、低频数据进行两步反演,也就是"三个参数反演+五个参数反演"的过程,以提高反演的稳健性和精度.利用此方法可同时得到零偏VSP数据可靠的弹性波速度、密度和品质因子,为精确的时-深关系及含油气的解释和预测奠定基础,同时也可以为地面地震叠前反演提供可靠有效的约束,增强地面地震反演精度.     

Seismic wave scattering inversion for fluid factor of heterogeneous media

Elastic wave inverse scattering theory plays an important role in parameters estimation of heterogeneous media. Combining inverse scattering theory, perturbation theory and stationary phase approximation, we derive the P-wave seismic scattering coefficient equation in terms of fluid factor, shear modulus and density of background homogeneous media and perturbation media. With this equation as forward solver, a pre-stack seismic Bayesian inversion method is proposed to estimate the fluid factor of heterogeneous media. In this method, Cauchy distribution is utilized to the ratios of fluid factors, shear moduli and densities of perturbation media and background homogeneous media, respectively. Gaussian distribution is utilized to the likelihood function. The introduction of constraints from initial smooth models enhances the stability of the estimation of model parameters. Model test and real data example demonstrate that the proposed method is able to estimate the fluid factor of heterogeneous media from pre-stack seismic data directly and reasonably.     

基于地震成像数据稀疏反演的不连续及非均质地质体检测方法

本文针对油气藏储层预测中的不连续及非均质地质信息识别问题,研究基于地震成像数据的稀疏反演方法.由于该类地质体的地震响应特征为弱信号,因此利用平面波破坏滤波器由地震成像数据中去除强反射同相轴.在此基础上,对剩余的地震数据进行非线性加强滤波,并构建L1稀疏反演模型.为有效求解L1模型,采用非光滑泛函L1范数逼近和拟牛顿求解算法.该方法考虑稀疏先验信息,能够提高反演结果信噪比.缝洞模型测试验证该方法在检测断点、微断裂、散射点等小尺度地质体上的有效性,塔北缝洞型碳酸盐岩储层预测的应用效果进一步证实该方法的实用性.     

Joint AVO inversion, wavelet estimation and noise-level estimation using a spatially coupled hierarchical Bayesian model

The main objective of the AVO inversion is to obtain posterior distributions for P-wave velocity, S-wave velocity and density from specified prior distributions, seismic data and well-log data. The inversion problem also involves estimation of a seismic wavelet and the seismic-noise level. The noise model is represented by a zero mean Gaussian distribution specified by a covariance matrix. A method for joint AVO inversion, wavelet estimation and estimation of the noise level is developed in a Bayesian framework. The stochastic model includes uncertainty of both the elastic parameters, the wavelet, and the seismic and well-log data. The posterior distribution is explored by Markov-chain Monte-Carlo simulation using the Gibbs' sampler algorithm. The inversion algorithm has been tested on a seismic line from the Heidrun Field with two wells located on the line. The use of a coloured seismic-noise model resulted in about 10% lower uncertainties for the P-wave velocity, S-wave velocity and density compared with a white-noise model. The uncertainty of the estimated wavelet is low. In the Heidrun example, the effect of including uncertainty of the wavelet and the noise level was marginal with respect to the AVO inversion results.