地震储层预测中贝叶斯反演方法的研究

贝叶斯反演方法属于不确定性反演方法,它是以贝叶斯理论为基础,结合随机反演算法构造出的一种新反演方法。该方法能有效解决传统反演方法在应用中的两大问题,其一是难以联合应用不同类型、不同精度的数据约束反演过程,另一个是无法定量描述反演结果的不确定性。研究首先详细分析了贝叶斯反演的原理,并提出了以地震资料进行贝叶斯反演的实现方法;其次建立了塔里木碳酸盐储层典型模型开展贝叶斯反演,结果表明该方法较传统随机反演方法具有一定的优越性;最后还采用实际资料证明了贝叶斯反演方法的有效性。     

基于粒子群优化算法的波阻抗反演研究

波阻抗反演属于最优化问题，其目标函数可能包含多个在一定范围内连续的变量。传统的优化手段对某些函数存在难以优化，容易陷入局部解，收敛速度缓慢等问题。粒子群算法只考虑目标函数，对初始模型的依赖程度不高，可以随机地在全局域内进行搜索。通过分析粒子群算法的原理，提出了地震波阻抗反演粒子群算法的实现方法。详细地分析了粒子群算法的抗噪能力及算法中各参数对反演结果的影响，得出参数的最优组合。利用模型数据对该方法进行检测，在无噪情况下，反演结果与模型一致；在加入3%，10%和25%的噪声后，反演前后的相关系数分别为98.31%，93.27%和82.09%，证明了该方法的有效性。     

波动方程双参数反演方法及其应用

本文给出了用叠后资料反演一维波动方程双参数的理论和方法。通过模型的正,反演试算及抗噪试验,证实了该方法与算法的可靠性与可行性,并通过松辽盆地方３井实际资料的反演,得到了密度,波速两个独立的剖面。     

地震波阻抗反演的粒子群算法实现

粒子群算法是一类基于群智能的随机优化算法。通过对粒子群算法原理的研究,提出了地震波阻抗反演的粒子群算法实现方法。并利用模型对该方法进行了检验,在无噪声的情况下,反演结果与模型一致;在加入不同程度的随机噪声后,反演结果与模型相差不大。最后在相同模型下比较了该方法与遗传算法的实现效果,结果表明,粒子群算法具有很强的全局搜索能力,反演结果精度较高。     

地震波形约束的蒙特卡洛—马尔科夫链随机反演方法

以地质统计学为基础、以测井资料为条件数据的地震随机反演方法的分辨率高于常规确定性反演,因此迅速得到广泛应用,但是提高计算效率以及消除随机性一直是难点。为此,提出了基于地震波形约束的蒙特卡洛—马尔科夫链（MCMC）随机反演方法。充分利用观测地震数据和待反演参数之间的地球物理映射关系,应用相关系数,根据已知的地震波形之间的相似性特征指导井数据进行伪普通克里金插值模拟,建立具有地震波形指示的初始模型;在此基础上,进一步在贝叶斯框架下构建观测地震数据和测井数据协同约束的后验概率密度分布,结合Metropolis-Hastings采样算法多次随机模拟具有地震波形指示的初始模型参数,利用后验均值作为模型参数的最优解。该方法有效地提高了反演稳定性和横向连续性,降低了随机性,有效地弱化了地震噪声对反演结果的影响,并且极大地加快了马尔科夫链的收敛速度,有效地提高了运算效率和估算精度。模型试算和实际资料反演效果表明,基于地震波形约束的MCMC随机反演方法具有较好的抗噪性,有效提高了反演精度,对识别调谐尺度内薄互储层具有一定优势,在提高纵向分辨率的同时也提高了横向分辨率。     

用一种简明的共轭梯度算法对局部地层进行波阻抗反演

经典的共轭梯度迭代方法对线性反演问题的有效的，但是地球物理反演一般是非线性的，那未经典的方法得到的反演解法往往是无法控制的，又不能产生最大似然反演，更不会得到可重复的反演结果，本文提出了一种简明的反演算法，该算法在迭代过程中只需计算误差函数对各个反射系数变元的一阶梯度值，而无需进行复杂的矩阵运算和求逆，是一种简单明了且易于实现的快速算法，理论记录和实际记录处理表明，本文提供的方法具有可重复性和较快     

层状介质中重力,地震联合反演的迭代算法

本文提出一种用于层状介质中重力、地震资料联合反演层速度、层密度及弯曲界面深度的迭代算法。该方法通过引入加权最小平方目标泛函,将层状介质中的重力、地震资料联合反演问题转化成具体的优化问题。为了得到反问题的最优解,文中系统地研究了层状介质中双摄动处理技术,以及层状介质中波场摄动的一阶 Born 近似解与理论重力异常摄动解。并应用 Tarantola 的反演理论,导出了梯度算子的计算公式。然后应用最速下降法给出了求取最优解的具体算法,得到了一种类似于地震偏移与空间更投影的迭代反演方法。对理论模型进行重力、地震联合反演的结果表明,该方法不仅可碱少未知参数的个数,提高反演的收敛速度,而且可减少反演的不适定性,不失为一种可行的多参数反演方法。     

约束模拟退火反演

模拟退火算法的最大优点是可以突破寻优过程中局部最优的限制，所以该方法适用于解决地震反演中普遍存在的非册凸性目标函数的最优化问题。本文讨论了用模拟退火（ＳＡ）法进行地震资料的参数反演以及约束条件对反演过程的控制作用。约束条件包括模型参数取值范围和选择初始模型，加入约束条件提高了模拟退火反演的收敛速度，使反演解更为合理。通过理论模型试算和实际资料试处理，证明该方法精度高，实用性强。     

同伦神经优化理论及其在地震反演中的应用

地震数据反演是一个典型的非线性逆问题，其目标函数都是多极值的函数。因此，传统的迭代优化方法常常会遇到局部收敛性的限制。本文提出的同伦神经优化理论（ＨＮＯＴ）及其算法（ＨＮＯＡ）能将非线性多极值目标函数较快地收敛于全局极值。是一种有效的反演方法。本文将该反演方法与相邻道互相关技术和层位信息约束有机地结合起来，实现了地震数据控制下的井资料高分辨率岩性参数联合反演。理论模型与实际资料的处理结果表明，本文     

基于差分进化算法的叠前AVO反演

针对传统的线性化迭代反演算法对初始模型依赖程度较高、反演过程容易陷入局部最优的问题,本文研究了一种基于差分进化算法的叠前反演方法。该方法利用差分的简单变异操作和一对一的竞争生存策略,对初始模型的依赖程度较低,全局收敛能力较强,且具有操作简单、运算速度快的特点,是解决复杂优化问题的一种有效方法。针对叠前地震反演问题,本文以贝叶斯理论为基础,结合似然函数与先验约束信息,建立反演目标函数,然后利用差分进化算法对初始模型进行优化,直至目标函数取得全局最优值。模型试算验证了该方法是可行的,且对初始模型的依赖程度较弱,具有较好的全局收敛能力;将该方法应用于实际叠前道集数据,得到了分辨率较高的反演结果。     

基于贝叶斯分类的储层物性参数联合反演方法

应用地球物理资料进行储层物性参数反演是储层预测及综合评价的重要步骤。基于贝叶斯分类的储层物性参数联合反演方法综合应用统计岩石物理模型和蒙特卡罗仿真模拟技术,在贝叶斯反演框架下,基于贝叶斯分类算法计算储层物性参数后验概率分布,实现多种储层物性参数的联合反演。该方法不需要进行复杂的模型初始化,而是通过统计岩石物理模型建立储层物性参数与岩石弹性参数之间的关系,进而与叠前地震反演相结合,不仅能模拟地球物理随机特性,还能解决常规物性参数反演方法对测井资料过度依赖的问题。海上某区块实际资料应用结果表明,该方法能为储层精细描述提供多种物性参数,并可对反演结果的误差进行定量评价。     

Joint inversion of petrophysical parameters based on Bayesian classification

应用地球物理资料进行储层物性参数反演是储层预测及综合评价的重要步骤。基于贝叶斯分类的储层物性参数联合反演方法综合应用统计岩石物理模型和蒙特卡罗仿真模拟技术,在贝叶斯反演框架下,基于贝叶斯分类算法计算储层物性参数后验概率分布,实现多种储层物性参数的联合反演。该方法不需要进行复杂的模型初始化,而是通过统计岩石物理模型建立储层物性参数与岩石弹性参数之间的关系,进而与叠前地震反演相结合,不仅能模拟地球物理随机特性,还能解决常规物性参数反演方法对测井资料过度依赖的问题。海上某区块实际资料应用结果表明,该方法能为储层精细描述提供多种物性参数,并可对反演结果的误差进行定量评价。     

非均匀介质特征参数地震随机反演方法

地下介质普遍存在非均质特性,即表征含油气储层特征的弹性、物性及流体性质在空间上是不均匀的。常规的地震随机反演主要以测井数据为核心,求取变差函数表征地下地层的空间结构特征,难以有效描述地下复杂非均质储层的空间变化特性。为此,通过描述不同非均匀介质特征参数对介质的空间扰动特性,并在贝叶斯理论框架下充分利用已知测井和地震数据中蕴含的地下地层信息,提出了基于非均匀介质特征参数的随机反演方法。该方法融合已知测井和地震数据,依据随机介质理论估算的非均匀介质特征参数能更好地描述地下储层空间结构特征,进而构建后续反演所需的先验信息模型,最后利用非常快速量子退火算法优化求解目标函数,得到波阻抗的随机反演结果。模型试算表明,非均质特征参数先验模型可以描述储层的非均质特性,为后续反演提供了可靠的地质统计先验信息。实际资料的应用进一步证明,所提方法可以较好地实现对地下复杂储层的高分辨率反演,获得更可靠的反演数据体。     

随机地震反演技术及在文昌13—1油田的应用

随机地震反演技术是一种将随机模拟理论与地震反演相结合的反演方法，该方法可以有效地提高地震资料的垂向分辨率，并充分考虑地下地质的随机特性，使反演结果更符合实际地质情况。本文在做随机地震反演时，以确定性地震反演的结果作为软数据，以测井资料作为硬数据，使用同位协同克里金序贯高斯模拟技术反演储层物性变化。文昌13—1油田的实例研究表明，这种随机地震反演比起基于模型的确定性地震反演方法来说，其垂向分辨率更高，使得在油藏地质建模中可以充分使用地震资料，容易取得良好的效果。     

混合智能优化地震反演

传统非线性反演方法存在着收敛效率低,有时会陷入局部极值的问题。为此,研究开发了融合粒子群优化算法和郭涛算法的混合智能优化地震非线性反演技术。粒子群优化算法对解的更新更具有目的性,收敛速度快;郭涛算法构造了多父体交叉重组算子并采用群体爬山策略,求解精度高;混合智能优化算法以粒子群优化算法为主体框架,融入郭涛算法的寻优机制。函数优化测试、理论模型试算和实际资料反演处理结果表明,混合智能优化算法具有求解效率高、全局寻优能力强的优点,适合解决复杂的地震反演问题。     

确定性反演协同约束的叠后随机地震反演方法

在前人的工作基础上,提出了确定性反演协同约束的叠后随机地震反演方法。以序贯Gibbs扰动模拟、扩展Metropolises—Hastings （M-H）算法为核心,引入层序地层网格,自适应融入地质统计学、构造以及沉积模式等信息,整个反演过程无需计算地层的局部倾角或进行复杂的坐标转换。针对随机地震反演结果的高频成分仍具有较大的不确定性,造成不同实现展示的储层特征差异较大,结合序贯Gibbs扰动模拟与同位协同克里金,通过引入确定性反演结果的协同约束,进一步限定随机反演候选解空间,从而降低随机地震反演高频成分的不确定性。获得以下认识：①相比确定性反演,随机地震反演可以产生高分辨率的反演结果,其中垂向变差影响随机反演的垂向分辨率,横向变差影响随机反演的横向连续性。②与均匀地震网格相比,由于层序地层网格融入了构造和沉积模式等信息,因此更适合变差函数横向约束随机反演;借助重采样矩阵,在层序地层网格进行抽样模拟,在均匀地震网格进行褶积正演,整个反演过程既满足构造和沉积模式的约束,同时又符合地球物理原理。③通过引入确定性反演的协同约束,可进一步限定候选解的解空间,增强波阻抗随机反演结果与确定性反演结果的相关性,进而降低随机反演高频成分不确定性。实际数据试算表明,通过对比随机反演的四个不同实现,验证了所提算法的有效性。     

全域正则化快速匹配追踪稀疏地震反演方法

匹配追踪算法(MP)自提出以来便被广泛应用于信号处理领域。文中首先利用时频域褶积算子与初始模型约束构建匹配追踪的冗余字典,在全时频域内筛选出所有可能的匹配原子构成备选原子库;然后利用正则化方法从备选原子库中筛选出能量最大的子集构成最终的匹配原子库,即一次迭代即可筛选出多个匹配原子。据此形成的上述全域正则化快速匹配追踪算法具有计算效率高、鲁棒性强等优点。此外,将初始模型约束与时频域联合反演方法引入反演框架,可有效提高反演结果的精度。对所提方法进行的一维、二维模型及三维实际资料的测试结果表明,全域正则化快速匹配追踪地震反演方法相较于常规匹配追踪的计算效率得到明显提高,反演结果既具有良好的鲁棒性,同时拥有较好的层位边界保真度。     

地震相控约束下的储层高精度定量预测方法——以曲塘次凹阜三上亚段为例

滩坝砂体空间分布非均质性较强、厚度薄,常规储层预测方法无法精细刻画其特征.针对该问题,采用主成分分析的地震相分析技术获取滩坝砂体空间展布变程、方向、规模等表征参数,将沉积模式和地震相引入地质统计学反演中进行变差函数的分析,在提高垂向分辨率的同时弱化随机反演井间结果的不确定性,最终实现对滩坝薄砂体的高精度定量预测.     

地震数据谱反演压缩感知算法实现及应用

地震数据谱反演是将地层反射系数分解为奇分量和偶分量,再利用部分谱信息进行反演的方法。基于压缩感知算法的谱反演,通过梯度投影稀疏重构实现地震谱反演,能够很好地实现谱反演目标函数求解。同时,利用地震数据的二次谱估算地震子波谱用于谱反演。合成数据和实际数据试算结果表明,联合地震数据二次谱算法和基于压缩感知算法的谱反演方法较好地解决了实际数据谱反演中的稳定性问题,反演结果地震信噪比高、横向连续性好,在实际数据处理中参数影响因素少,具有较强的适应性和实用性。