储层孔隙度、含水饱和度和泥质含量参数同时反演新方法

摘要

本发明提供一种储层孔隙度、含水饱和度和泥质含量参数同时反演新方法，该储层孔隙度、含水饱和度和泥质含量参数同时反演新方法包括：步骤1，采集弹性参数、测井数据和岩心数据信息；步骤2，将岩石弹性参数与储层物性参数相结合，建立岩石物理模型；步骤3，建立储层孔隙度、含水饱和度和泥质含量参数三参数反演的目标函数，并求解目标函数；步骤4，通过求解目标函数，输出储层孔隙度、含水饱和度和泥质含量参数反演结果。该方法将岩石物理和地质统计分析相结合，开展储层物性识别新方法的研究，得到储层的孔隙度、饱和度等物性参数，提高储层物性估计结果的客观性和准确性，具有重要的经济和社会意义。

说明书

技术领域

本发明涉及地球物理勘探的油藏地球物理领域，特别是涉及到一种储层孔隙度、含水饱和度和泥质含量参数同时反演新方法。

背景技术

叠后波阻抗反演技术在20世纪70年代开始出现，当时对地震反演的研究只是以基于褶积模型的叠后一维波阻抗反演为主。在90年代得到了广泛应用，处理技术在大量的实践中逐渐完善并走向成熟，围绕一维波阻抗反演的各类算法以及应用成果层出不穷。但随着波阻抗反演技术的发展，人们逐渐认识到波阻抗反演中存在的一些缺陷和不足：采用全角度多次叠加损失和模糊了某些反映岩性及含油气性的信息，削弱了地震资料反映储层特征变化的敏感性，导致叠后地震反演资料与地震属性资料的应用存在多解性问题；另外，波阻抗演只能提供种类很少的纵波波阻抗等参数，在研究储层物性和流体方面受到了限制等等。

随着计算机技术的进步和勘探开发进程的深入，地球物理工作者希望从丰富的地震资料中提取尽可能多的地下信息，这就需要对叠前地震资料反演进行研究。从20世纪80年代开始，人们不断地探索并发展叠前地震资料反演的理论和方法，AVO反演技术便是其中一种。AVO技术是根据反射振幅随偏移距的变化规律所反映出来的地下岩性及其孔隙流体的性质来直接预测油气和估计地层岩性参数的一项技术。AVO反演的理论基础是Zoeppritz方程，通过简化该方程可以获取多种简化形式，利用线性或非线性反演方法可以得到许多叠后反演无法得到的参数，尤其是对储层物性和流体变化较敏感的参数。因此，AVO反演以它特有的优势逐渐应用于生产中，并取得了良好的应用效果。

近年来，人们以纵、横波资料为基础对储层流体识别进行了深入研究。Smith和Gidlow(1987)首先提出可以利用叠前数据通过不同加权函数进行叠加得到流体因子和伪泊松比剖面来预测岩性和流体。Goodway等人(1997)提出了一种用于流体异常识别的技术，即lambda-mu-rho技术。Hedlin(2000)基于Murphy等人(1993)的著作同时融入了地震上的纵、横波阻抗信息，提出了孔隙模量的方法。Hilterman(2001)介绍了流体因子的概念并总结了Goodway和Hedlin等人的成果。如果考虑多孔流体饱和的岩石时，情况变得相当复杂，Biot(1941)和Gassmann(1951)分别考虑了这个问题。Krief(1990)等人指出，这两种方法都导出了相同的结论。Russell等人(2003)总结了前人的观点，利用Biot-Gassmann方程对饱和流体条件下的的纵波速度方程进行了改写，得到流体因子进行流体识别。Gidlow和Smith(2003)根据叠前AVO分析，提出了流体因子角度和交会图角度的概念，利用这两种角度进行计算来得到流体因子。宁忠华等(2006)在总结分析前人方法的基础上，提出了高灵敏度的流体因子方法。Mark等(2006)提出了泊松阻抗的概念，这个概念联合了泊松比和密度属性，比单一的泊松比或密度参数能更有效的区分流体。张广智等(2011)从角度道集数据出发，充分利用它们之间的差别、流体信息和骨架信息在尺度和方向上的差别，以及Curvelet变换的多尺度性和多方向性，提出了应用角度流体因子属性进行流体识别的方法。马龙等(2011)基于Russell提出的流体因子计算含气饱和度方法，进而评价疏松砂岩储层的含气性。印兴耀等(2012)提出里基于叠前地震纵横波模量直接反演的流体检测方法。在储层物性研究方面，目前还多是从统计学习的角度出发，通过有导师学习和随机模拟的方法实现的，如多属性反演和地质统计学反演，这些方法的缺点在于地质和地球物理的理论基础不足，更多的只是一种数学的变换，当离开用来导出统计关系的控制点时，统计关系会变得不可靠，物性识别的结果也会变的不可靠。

总之，随着地震技术的不断进步，地震研究的领域已从勘探阶段拓展到开发阶段，由构造解释深入到岩性划分和流体识别，而叠前反演及岩石物性参数的提取和流体识别方法研究在其中起着关键的作用。为此我们发明了一种新的储层孔隙度、含水饱和度和泥质含量参数同时反演新方法，解决了以上技术问题。

发明内容

本发明的目的是提供一种将岩石物理和地质统计分析相结合，开展储层物性识别新方法的研究，得到储层的孔隙度、饱和度等物性参数的储层孔隙度、含水饱和度和泥质含量参数同时反演新方法。

本发明的目的可通过如下技术措施来实现：储层孔隙度、含水饱和度和泥质含量参数同时反演新方法，该储层孔隙度、含水饱和度和泥质含量参数同时反演新方法包括：步骤1，采集弹性参数、测井数据和岩心数据信息；步骤2，将岩石弹性参数与储层物性参数相结合，建立岩石物理模型；步骤3，建立储层孔隙度、含水饱和度和泥质含量参数三参数反演的目标函数，并求解目标函数；步骤4，通过求解目标函数，输出储层孔隙度、含水饱和度和泥质含量参数反演结果。

本发明的目的还可通过如下技术措施来实现：

在步骤1中，通过叠前反演获得弹性参数，叠前反演是通过分析叠前道集来研究地下岩性的地震分析方法，借助于Zoeppritz方程或其近似式，最终反演出弹性参数，反演出的弹性参数包括岩石的体积模量、剪切模量和密度信息。

在步骤1中，测井数据包括储层孔隙度、含水饱和度和泥质含量这些信息；岩心数据提供测井数据的辅助信息，包括岩石类型，孔隙度。

在步骤2中，首先，将岩石弹性参数与储层物性参数相结合，建立确定性的岩石物理模型；其次，针对不同储集类型的储层，以确定性岩石物理模型为基础，通过统计信息，建立统计的岩石物理模型，统计岩石物理模型用来描述测井上没有体现的所有可能的储层条件实现。

在步骤2中，所建立的岩石物理模型如公式(1)所示：

[K,μ,ρ]＝f_RPM(φ,s_w,C)+ε(1)

其中，f_RPM表示确定性岩石物理模型，K,μ,ρ表示岩石弹性参数，包括体积模量、剪切模量、密度，φ,s_w,C表示储层物性参数，包括孔隙度、含水饱和度、泥质含量，ε表示实际观测数据的误差。

在步骤2中，建立的统计岩石物理模型是建立储层孔隙度、含水饱和度和泥质含量与岩石的体积模量、剪切模量和密度之间的关系式；致密砂岩模型基于Hertz-Mindlin的粒间接触理论，该模型估计干岩石的体积模量K和剪切模量μ；岩石基质的体积模量和剪切模量由Voigt-Reuss-Hill平均获得；干岩石的体积模量和剪切模量由改进的Hashin-Shtrikman模型获得；混合流体的体积模量由Wood公式给定，由岩石物理模型得到的理论纵横波速度如公式(2)所示：

其中，Vp表示纵波速度，Vs表示横波速度，K表示体积模量，μ表示剪切模量，ρ表示密度。

在步骤3中，根据贝叶斯算法建立物性参数提取的目标函数，目标函数为储层物性参数在已知弹性参数条件下的最大后验概率分布，表示为：

[φ,sw,C]＝arg Max{P([φ,sw,C]_j|[K,μ,ρ])}(3)

其中，φ,s_w,C分别为孔隙度、含水饱和度、泥质含量，P()表示概率密度，arg>

P([φ,sw,C]_j|[K,μ,ρ])为储层物性参数的后验分布，该公式的意义是，已知这种弹性参数，分别计算孔隙度、含水饱和度和泥质含量分属于各个储层物性参数类的后验概率分布；当后验概率取最大值时，该储层物性参数即为最终反演结果；根据实际情况，反演目标储层物性参数可以是孔隙度、含水饱和度和泥质含量的任意组合，岩石弹性参数亦可以是其它弹性参数，比如泊松比、拉梅参数。

在步骤3中，通过遗传算法和蒙特卡罗方法相结合求解目标函数，首先生成初始化群体，并计算每个个体的适应度函数，如果结果满意，则遗传算法结束，如果结果不满意，更新初始化的群体，通过蒙特卡罗进行仿真，并再次计算每个个体的适应度函数，更新群体，如此循环，直到计算结果满意为止。

在步骤4中，通过求解目标函数，同时得到储层孔隙度、含水饱和度和泥质含量三个参数，将三个参数输出，进行进一步的储层描述。

本发明中的储层孔隙度、含水饱和度和泥质含量参数同时反演新方法，从叠前地震分析的角度出发，将岩石物理和地质统计分析相结合，通过岩石物理建立起孔隙度、含水饱和度和弹性参数之间的关系，应用贝叶斯估理论将先验信息、似然函数、弹性参数等数据有效结合，并推导储层孔隙度和含水饱和度的同时反演的目标函数，最后通过遗传算法和蒙特卡罗模拟相结合的方法来求解该目标函数，最终同时得到储层孔隙度、含水饱和度和泥质含量三参数，为储层综合研究提供更多的信息，提高储层物性估计结果的客观性和准确性，降低投资风险，为地质人员估算油气储量、确定井位提供更为可靠的依据，具有重要的经济和社会意义。

附图说明

图1为本发明的储层孔隙度、含水饱和度和泥质含量参数同时反演新方法的一具体实施例的流程图；

图2为本发明的一具体实施例中岩石物理模型的构建流程图；

图3为本发明的一具体实施例中贝叶斯参数估计流程图；

图4为本发明的一具体实施例中遗传算法和蒙特卡罗方法相结合求解目标函数流程图。

具体实施方式

为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施例，并配合附图所示，作详细说明如下。

如图1所示，图1为本发明的储层孔隙度、含水饱和度和泥质含量参数同时反演新方法的流程图。

在步骤101，采集弹性参数、测井数据和岩心数据信息。

其中弹性参数通过叠前反演获得，叠前反演是一种通过分析叠前道集来研究地下岩性的地震分析方法，借助于Zoeppritz方程或其近似式，最终可以反演出弹性参数，这里主要使用的是岩石的体积模量、剪切模量和密度信息。测井数据主要包括储层孔隙度、含水饱和度和泥质含量等信息，孔隙度数据在计算岩石基质模量、骨架弹性模量、混合流体模量时都要用到，含水饱和度是用来计算混合流体模量，泥质含量数据是用来计算岩石基质模量。岩心数据的作用是提供测井数据的辅助信息，如岩石类型，孔隙度等。

在步骤102，建立岩石物理模型。

首先，将岩石弹性参数与储层物性参数相结合，建立确定性的岩石物理模型。其次，针对不同储集类型的储层，以确定性岩石物理模型为基础，通过统计信息，建立统计的岩石物理模型。统计岩石物理模型一个重要的作用就是用来描述测井上没有体现的所有可能的储层条件实现。

地震解释的主要目的之一是确定含水饱和岩石或者含烃饱和岩石能否产生有利的反射。为了完成这个任务，有必要估算水饱和状态和烃饱和状态之间的岩石特性的差异。因而需要建立一些基本的岩石物理关系。这些关系包括岩石特性和弹性参数之间的经验公式和理论关系，另外也需要用到波传播模型。岩石物理性质的研究成果主要是为从地震波数据中提取地下岩石及其饱和流体的性质奠定物理基础。另一方面，了解地震波特性与岩石、流体性质的关系，有助于模拟地震波在复杂介质中的传播规律。岩石物理研究的主要目的是弄清楚岩性、孔隙度、孔隙压力、流体类型、饱和度、各向异性、温度和频率等对岩石中纵波、横波速度和衰减的影响。

首先，将叠前反演得到的岩石弹性参数与储层物性参数相结合，建立确定性的岩石物理模型。其次，由于地下储层条件是复杂多变的，确定性的岩石物理模型难以准确模拟地下不同储层的情况，针对不同储集类型的储层，以确定性岩石物理模型为基础，通过统计信息，建立统计岩石物理模型。统计岩石物理模型一个重要的作用就是用来描述测井上没有体现的所有可能的储层条件实现，所构建的岩石物理模型如公式(1)所示。

[K,μ,ρ]＝f_RPM(φ,s_w,C)+ε(1)

其中，f_RPM表示确定性岩石物理模型，K,μ,ρ表示岩石弹性参数(如体积模量、剪切模量、密度)，φ,s_w,C表示储层物性参数(孔隙度、含水饱和度、泥质含量)，ε表示实际观测数据的误差。

针对不同储集类型的储层，以确定性岩石物理模型为基础，通过统计信息，建立统计岩石物理模型。主要是建立储层孔隙度、含水饱和度和泥质含量与岩石的体积模量、剪切模量和密度之间的关系式。致密砂岩模型基于Hertz-Mindlin的粒间接触理论，该模型可以估计干岩石的体积模量K和剪切模量μ。岩石基质的体积模量和剪切模量由Voigt-Reuss-Hill平均获得。干岩石的体积模量和剪切模量由改进的Hashin-Shtrikman模型获得。混合流体的体积模量由Wood公式给定，由岩石物理模型得到的理论纵横波速度如公式(2)所示，岩石物理模型构建流程如图2所示。

其中，Vp表示纵波速度，Vs表示横波速度，K表示体积模量，μ表示剪切模量，ρ表示密度。

在步骤103，建立三参数反演的目标函数。

本专利的核心之二是，建立了储层孔隙度、含水饱和度和泥质含量的同时反演的目标函数，从而将三参数和岩石的弹性参数建立起一种联系，该目标函数是三参数同时反演的关键和核心。不同储层，其储层物性的先验信息是不同的，同时，似然函数也是不一样的，因此，需要根据不同的储层建立不同的物性反演目标函数。关键点之一是先验分布信息的获取，一般假设先验信息服从高斯混合模型，关键点之二是似然函数的获取，一般假设似然函数服从单一的高斯分布。

在数理统计领域，由于观点不同，形成了各种学派。其主要学派有早在19世纪就存在的经典学派和贝叶斯学派。通常，比较熟悉经典学派的理论和方法，如最小二乘法、点估计、最大似然估计等等。这些理论和方法的应用已相当广泛，但是随着统计学广泛应用于自然科学、经济研究等领域，人们逐渐发现了贝叶斯理论的应用价值。经过几十年的研究与发展，贝叶斯学派已经形成并发展成为一个在统计学中很有影响的、堪与频率学派并列的学派，不难发现，贝叶斯方法确实是当今统计学的研究热点。贝叶斯方法可以讲先验信息和似然函数有效结合，通过后验参数最大化，进行参数的估计，如图3所示。

根据贝叶斯算法建立物性参数提取的目标函数，目标函数为储层物性参数在已知弹性参数条件下的最大后验概率分布，表示为：

[φ,sw,C]＝arg Max{P([φ,sw,C]_j|[K,μ,λ,ρ])}(3)

其中，P([φ,sw,C]_j|[K,μ,λ,ρ])为储层物性参数的后验分布。该公式的意义是，已知这种弹性参数，分别计算孔隙度、含水饱和度和泥质含量分属于各个储层物性参数类的后验概率分布。当后验概率取最大值时，该储层物性参数即为最终反演结果。根据实际情况，反演目标储层物性参数可以是孔隙度、含水饱和度和泥质含量的任意组合，岩石弹性参数亦可以是其它弹性参数，比如泊松比、拉梅参数等。

在步骤104，求解目标函数。

本专利的核心之三是，由于目标函数具有很强的非线性，通过传统的优化方法很难得到问题的解，本专利使用了一种目标函数求解的新思路，将蒙特卡罗方法和遗传算法的优点相结合求解目标函数，可以进一步提高三参数反演的效率和稳定性。

由于目标函数具有很强的非线性，通过传统的优化方法很难得到问题的解，因此，需要研究新的思路来进行目标函数的求解，本发明采用了遗传算法和蒙特卡罗方法相结合的方法来求解目标函数。

遗传算法是始于上个世纪六十年代。最初是一些生物学家利用计算机对遗传系统进行模拟。美国密西根大学Holland教授受生物学家模拟结果的启发，首次应用模拟算子来研究适应性问题。随后Holland开发了一种编程技术，其基本思想是利用类似自然选择的方式来设计计算机程序。在软件设计中，适应性是基于监督程序的不同选择，通过不断剔除效果不佳的程序，让那些求解问题好的程序越来越占优势，从而使系统最终能适应任意的环境。后来这种算法被更多的学者应用到更广泛的问题中，如函数优化和分类系统等，并取得了良好的效果。

蒙特卡罗方法又称随机抽样技巧或统计试验方法。半个多世纪以来，由于科学技术的发展和电子计算机的发明，这种方法作为一种独立的方法被提出来，并首先在核武器的试验与研制中得到了应用。蒙特卡罗方法是一种计算方法，但与一般数值计算方法有很大区别。它是以概率统计理论为基础的一种方法。由于蒙特卡罗方法能够比较逼真地描述事物的特点及物理实验过程，解决一些数值方法难以解决的问题，因而该方法的应用领域日趋广泛。

蒙特卡罗方法通过随机采样的方式求解数学或者物理问题的近似解，它的优点是算法稳定，缺点是效率低、精度较差。遗传算法是一种全局寻优的算法呢，优点是能够得到全局最优解，缺点是对于很复杂的问题，解的结果不稳定。因此，将遗传算法和蒙特卡罗方法相结合，求解该类非线性问题，进一步提高解的效率和稳定性。遗传算法和蒙特卡罗方法相结合求解目标函数流程如图4所示。首先生成初始化群体，并计算每个个体的适应度函数，如果结果满意，则遗传算法结束，如果结果不满意，更新初始化的群体，通过蒙特卡罗进行仿真，并再次计算每个个体的适应度函数，更新群体，如此循环，直到计算结果满意为止。

在步骤105，输出三参数反演结果。

通过求解目标函数，就可以同时得到储层孔隙度、含水饱和度和泥质含量三个参数，此时将三个参数输出，就可以进行进一步的储层描述，从而提高储层物性估计结果的客观性和准确性，降低投资风险，为地质人员估算油气储量、确定井位提供更为可靠的依据。