一種基于巖相約束的avo反演油氣檢測方法
【專利摘要】本發明提供了一種基于巖相約束的AVO反演油氣檢測方法，屬于流體檢測領域。所述方法包括以下步驟：(1)彈性參數分布特征統計；(2)蒙特卡羅仿真隨機模擬；(3)對疊前地震道集進行疊前道集預處理得到預處理后的疊前道集；(4)入射角道集形成；(5)先驗信息約束的最優AVO反演實現。本發明方法比常規AVO方程具有更高的精度和更大的適用范圍，更適用于大入射角及強反射界面情況下的流體性質檢測，并提高了流體預測精度。
【專利說明】—種基于巖相約束的AVO反演油氣檢測方法
【技術領域】
[0001]本發明屬于地震資料油氣檢測，具體涉及一種基于巖相約束的AVO(振幅隨偏移距的變化)反演油氣檢測方法，可應用于復雜儲層，特別是適用于強反射界面情況的流體檢測應用。
【背景技術】
[0002]自Ostrander (1984)提出AVO方法可以幫助描繪儲層的流體含量以來，奠定了以AVO屬性為基礎的油氣預測技術基礎。地球物理學家分別從不同角度對Zoeppritz方程進行簡化以建立不同形式的AVO方程，實現AVO屬性反演及流體檢測。Smi th和Gidlow(1987)組合Ak1-Richards方程使用泥巖線識別有碳氫化合物儲層指示的地震數據的異常，形成了流體異常識別的截距和梯度交匯圖法；Goodway等(1997)提出了一種流體異常識別的LMR法，能夠獲得拉梅參數和密度；Hedllin (2000)提出的孔隙模量方法涉及到P波和S波阻抗的組合；Russell等(2003)根據Biot-Gassmann理論提取了一種新的流體識別因子，基本上總結了前人的結果。 [0003]利用AVO屬性分析及反演技術開展流體檢測，國內學者也提出多種方法開展AVO方程近似研究及流體識別因子建立以提高流體檢測精度。寧中華等人提出的基于地震資料的高靈敏度流體識別因子；李景葉等人提出的不受孔隙度變化影響的新流體識別因子；賀振華等人提出的擴展流體識別因子等，這些流體識別因子在流體識別特別是氣藏識別方面取得了良好的效果。
[0004]由于直接求解AVO屬性賴以建立的Zc^ppritz方程極為復雜，并且難以給出清楚的物理概念，AVO近似方程大多是建立在一系列假設基礎之上的，且與實際地質情況關聯性較差，因此影響AVO屬性進行油氣檢測的精度。
[0005]隨著油氣勘探開發的不斷深入，油氣儲集體越來越復雜，勘探重點由原來的構造油氣藏向巖性油氣藏、隱蔽油氣藏轉移。一方面，由于勘探目標逐漸變深、變小和變得復雜，勘探難度加大，對儲層預測的精度要求也越來越高。另一方面，儲層預測的最終目的除了判別儲層的存在與否，預測儲層發育程度的好與壞，同時也需要判定儲層中所含流體的性質，流體識別已成為復雜儲層預測中遇到的新的挑戰和瓶頸問題。例如中石化西部塔河油田碳酸鹽巖儲層流體預測不同于碎屑巖儲層的流體預測，其埋藏深、非均質強、儲層與圍巖阻抗差異大，造成流體難以區分、油氣預測難度大。
【發明內容】
[0006]本發明的目的在于解決上述現有技術中存在的難題，提供一種基于巖相約束的AVO反演油氣檢測方法，解決中下奧陶統碳酸鹽巖縫洞型儲層與圍巖阻抗差異大、非均質性強及流體檢測難度大等問題。
[0007]本發明是通過以下技術方案實現的:
[0008]所述方法包括以下步驟:[0009](I)彈性參數分布特征統計:依據目標區的巖芯、測井信息開展巖石物理分析，建立目標層的不同巖相組合彈性參數分布特征；
[0010](2)蒙特卡羅仿真隨機模擬:針對步驟(1)得到的所述不同巖相組合彈性參數分布特征，基于蒙特卡羅仿真隨機模擬，建立一個與求解有關的概率模型，并使隨機抽樣結果的解與該概率模型的統計量相一致，然后通過對隨機抽樣結果進行不同巖相正演模擬求得基函數f ( Θ );
[0011](3)對疊前地震道集進行疊前道集預處理得到預處理后的疊前道集；預處理包括道編輯、帶通濾波、真振幅恢復、靜校正、速度分析、剩余靜校正、地表振幅一致性補償、疊前反褶積及動校正；
[0012](4)入射角道集形成:基于步驟(3)得到的預處理后的疊前道集及疊加速度體或層速度體，實現偏移距道集到角度道集的轉換，獲得疊前角度道集；
[0013](5)先驗信息約束的最優AVO反演實現:基于最優AVO方程反演目標函數如下:
【權利要求】
1.一種基于巖相約束的AVO反演油氣檢測方法，其特征在于:所述方法包括以下步驟: (1)彈性參數分布特征統計:依據目標區的巖芯、測井信息開展巖石物理分析，建立目標層的不同巖相組合彈性參數分布特征； (2)蒙特卡羅仿真隨機模擬:針對步驟(1)得到的所述不同巖相組合彈性參數分布特征，基于蒙特卡羅仿真隨機模擬，建立一個與求解有關的概率模型，并使隨機抽樣結果的解與該概率模型的統計量相一致， 然后通過對隨機抽樣結果進行不同巖相正演模擬求得基函數 f(Θ ); (3)對疊前地震道集進行疊前道集預處理得到預處理后的疊前道集； (4)入射角道集形成:基于步驟(3)得到的預處理后的疊前道集及疊加速度體或層速度體，實現偏移距道集到角度道集的轉換，獲得疊前角度道集； (5)先驗信息約束的最優AVO反演實現:基于最優AVO方程反演目標函數如下:
2.根據權利要求1所述的基于巖相約束的AVO反演油氣檢測方法，其特征在于:所述步驟(1)中的所述巖芯、測井信息包括聲波、密度、中子、深側向電阻率、淺側向電阻率、自然伽瑪和井徑； 所述步驟(1)中的所述開展巖石物理分析包括以下步驟: (Al)，依據測井資料與不同礦物成份、流體物性響應關系，獲得地層中骨架礦物成份的體積含量、孔隙度及含流體飽和度，具體如下: 假定有N-1條測井曲線，利用下面的線性超定方程組計算得到所述體積含量、孔隙度及含流體飽和度:
3.根據權利要求2所述的基于巖相約束的AVO反演油氣檢測方法，其特征在于: 所述步驟(1)中的所述建立目標層的不同巖相組合彈性參數分布特征是這樣實現的:分別以縱波速度、橫波速度及密度為橫坐標，以相應樣點數為縱坐標而形成的直方圖和概率分布曲線。
4.根據權利要求3所述的基于巖相約束的AVO反演油氣檢測方法，其特征在于: 所述步驟(2)中的所述針對步驟(1)得到的所述不同巖相組合彈性參數分布特征，基于蒙特卡羅仿真隨機模擬，建立一個與求解有關的概率模型具體，使隨機抽樣結果的解與該概率模型的統計量相一致包括以下步驟: (BI)，對不同巖相的縱波速度、橫波速度及密度進行分析； (B2)，依據不同巖相的縱波速度、橫波速度及密度的直方圖和概率分布曲線，基于蒙特卡羅仿真隨機模擬建立與該巖相具有相同均值、相同期望或者相同方差的概率模型； (B3)，對步驟(B2)建立的概率模型進行隨機抽樣得到隨機抽樣結果，然后由隨機抽樣結果建立隨機模型；所用的抽樣參數為彈性參數，所述彈性參數包括縱波速度、橫波速度和密度，抽取N個彈性參數組就建立了 N個隨機模型。
5.根據權利要求4所述的基于巖相約束的AVO反演油氣檢測方法，其特征在于:所述步驟(2)中的所述通過對隨機抽樣結果進行不同巖相正演模擬求得基函數f( Θ )具體包括以下步驟: (Cl)，基于步驟(B3)得到的隨機抽樣結果建立不同巖相間地層關系，依據所述彈性參數并根據下面的Zoeppritz方程計算得到不同巖相間的N個隨機模型的AVO曲線:
6.根據權利要求5所述的基于巖相約束的AVO反演油氣檢測方法,其特征在于:所述步驟(4)中的所述實現偏移距道集到角度道集的轉換具體如下: 對于一個疊前地震道集數據，給定不同的炮檢距X由下式得到任意反射界面的入射角
7.根據權利要求6所述的基于巖相約束的AVO反演油氣檢測方法，其特征在于:所述步驟(5)中的所述由疊前角度道集開展AVO屬性反演具體如下: (Dl)，隨機給定初始c值；所述c是q的初始值，Cr為最終求得的實際地震資料的c值； (D2)從實際地震資料的振幅值得到疊前道集反射系數艮(Θ )，然后求取疊前道集反射系數艮(Θ )與c值和基函數的乘積的差得到殘差值:
Rr ( Θ ) -c*f ( Θ ) (D3)，判斷步驟(D2)得到的殘差值的絕對值的大小，若殘差值的絕對值不小于0.001，則改變c值，然后返回步驟(D2)，若殘差值的絕對值小于0.001，則停止計算，此時的c值即為反演結果。
8.根據權利要求7所述的基于巖相約束的AVO反演油氣檢測方法，其特征在于:所述步驟(5)中的所述實現彈性參數提取及流體性質檢測具體如下: 利用步驟(D3)得到的參數c求取所述AVO曲線的截距P、梯度G以及縱波速度變化率和橫波速度變化率，然后將PXG作為流體識別因子來檢測是否具有含油氣響應特征，通過所述縱波速度變化率 和橫波速度變化率來檢測流體性質。
【文檔編號】G01V1/28GK103675907SQ201210352502
【公開日】2014年3月26日 申請日期:2012年9月20日 優先權日:2012年9月20日
【發明者】唐金良, 王世星, 周單, 朱克 申請人:中國石油化工股份有限公司, 中國石油化工股份有限公司石油物探技術研究院