用马尔可夫链的蒙特卡洛方法更新及预测连续油藏模拟模型

大多数油藏模拟研究都局限于静态范畴,因时间和预算限制,未知参数明显减少,这容易导致低估预测的不确定性或作出不明智的决策。马尔可夫链的蒙特卡洛（MCMC）方法已被用于静态研究以对预测参数空间的不确定性进行严格的量化考察。但这些方法在长期性和系列稳定性方面存在局限。文中将MCMC应用于实时油藏建模。较之传统方法,MCMC方法在某一特殊时间点上应用更少的模型来实现合理的概率预测,它也提供了一种随时校准不确定性预测的机制。     

马尔可夫链蒙特卡罗模拟在储层反演中的应用

马尔可夫链蒙特卡罗（MCMC）方法是一种基于全局最优化技术进行地质统计学求解的方法。综合考虑地震数据、测井数据、岩性数据，对波阻抗、岩性概率分布的马尔科夫链进行蒙特卡罗模拟，从初始模拟结果出发，利用MCMC算法，模拟出多个波阻抗曲线，通过合成地震记录与实际地震记录剖面相关性，确定合理的储层参数，反演出空间上的波阻抗体及岩性体。最重要的质控手段是抽井检验，以保证模型的稳定性。MCMC方法在大芦湖油田樊18—3区块沙三中、沙三下亚段浊积砂体储层预测中取得了良好的效果。     

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...     

基于三维马尔可夫链模型的岩性随机模拟

应用马尔可夫链模型进行三维储层随机模拟一直是油气储层随机模拟中的难点,在二维马尔可夫链模型的基础上提出了三维马尔可夫链模型及其计算公式,解决了应用马尔可夫链进行三维储层岩性随机模拟的问题。对于水平方向岩性转移概率矩阵求取困难的问题,提出了从钻井的岩性资料出发,运用瓦尔特相律来推测其他方向岩性转移概率的方法,并推导出了利用垂直方向的转移记数矩阵求取水平方向上转移记数矩阵和转移概率矩阵的公式。在此思路下,对某地区进行岩性模拟,并与序贯指示模拟方法结果进行了对比,证明了这种方法能更准确反映砂体的空间分布特征。     

基于改进模拟退火算法的横波速度求取

模拟退火算法能够较好地实现全局最优化求解。基于非均匀变异思想,文中给出了一个新的模拟退火算法扰动模型,该模型具有一定的灵活性,通过选取合适的扰动模型参数,可以达到减少迭代次数、提高收敛速度的目的。在模拟退火算法退温前,增加最优解附近小范围内寻优,以减少对扰动模型的依赖,通过改进,模拟退火算法得到了优化。数值实例分析表明,改进后的模拟退火算法比常规模拟退火算法在迭代次数和扰动次数上有一定的优势。采用该算法,利用DEM模型进行横波速度求取后,与测井横波比较,误差较小,从而验证了新模拟退火算法的实用性和有效性。     

纵横波联合叠前自适应MCMC反演方法

联合纵波（PP波）和转换波（PS波）地震资料进行AVO反演可降低解的非唯一性,提高反演的稳定性和AVO参数估算精度。文中提出了一种基于自适应马尔科夫链蒙特卡洛（MCMC）的纵横波叠前联合非线性反演方法,直接反演纵、横波速度及密度三个参数。该方法基于精确Zoeppritz方程,在贝叶斯框架下引入测井约束先验信息,在反演过程中使用自适应MCMC方法对贝叶斯后验概率密度进行抽样,并通过对收敛于后验概率密度随机样本的统计分析,获取表征纵、横波速度及密度参数的后验概率密度信息。同时对其AVO三参数反演结果进行不确定分析,可用于储层流体检测与岩性识别的风险评估。实际井模型数据测试结果表明,基于精确Zoeppritz方程的自适应MCMC法纵横波叠前联合反演精度较高、稳定性较好、抗噪能力也较强,验证了方法的可行性和有效性。     

横向电阻率测井反演计算

利用有限元方法建立了包含井眼、侵入带、上下围岩和目的层的横向测井电阻率响应数值计算模型,利用阻尼最小二乘法建立了相应的快捷、有效的反演算法,根据横向测井的电阻率响应同时反演地层电阻率、侵入带电阻率和侵入带半径。该算法对于３个或４个梯度电极系（或电位一电极系）的测井结果均适用。讨论了模型算法对初值的依赖性,当初值在较大范围内变化时,反结果均能在真值或真值附近收敛。     

基于空间协模拟的叠前地震随机反演方法

无论是迭代类随机反演还是线性贝叶斯随机反演,一般采用序贯类随机模拟表征油藏的非均质性。序贯类方法大多依赖变差函数或训练图像描述模型参数的空间相关性,需要逐点计算模拟结果,因此并行实现困难、计算效率低。为此,将一种条件化快速傅里叶变换滑动平均（FFT-MA）模拟引入线性反演框架,提出基于空间协模拟的叠前地震随机反演方法。首先,在贝叶斯框架下整合地震数据和测井低频信息,获得弹性参数的后验概率分布。然后,根据FFT-MA算法生成概率场,以测井数据为条件数据对贝叶斯后验应用概率场协同模拟,从而获得井震数据约束的叠前弹性参数高分辨率随机反演结果。该方法无需迭代更新模型参数,能极大地提高随机反演的计算效率。最后,由模型试算和实际资料应用测试方法的效果。模型试算表明,所提方法在高分辨率储层预测及计算效率方面均优于常规方法,可稳定、准确地描述小尺度储层特征。实际资料应用表明,所提方法得到的高分辨反演结果与测井数据契合良好,提高了随机反演在薄储层定量表征方面的实用性。     

钻井液卡森模式流变参数非线性最小二乘估计新算法

针对卡森流变方程的特点,提出了一种非线性最小二乘估计的新算法.该算法不需要人工给定迭代初始值,迭代过程稳定的收敛到参数允许区域中的唯一最小点,不会陷入极小点陷阱,存储需求量小,收敛速度快.新算法是一个全局优化算法,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎为最小的特征.利用实际钻井液数据计算的实例表明,新方法具有比线性回归方法更小的拟合方差、相近的均值及优良的拟合残差统计特性.该方法可以应用到钻井液卡森流变模式流变参数的确定、钻井液流变模式优选及钻井液性能调整和评价等方面.     

GLOBAL测井解释方法Incoherence函数性质研究

本文对GLOBAL测井解释方法的Incoherence函数进行了系统研究.讨论了Incoherence函数的建立;分析了解的意义,置信区间及减小非相干函数值的含义;检验了层参数,响应函数和误差项对求解结果的影响;最后,提出了改进GLOBAL方法求解效果的一些建议.本文的结论适合于测井资料最优化解释方法的理论和实际应用.建议:(1)慎重选择层参数、响应方程和有关误差项;(2)选用受初值影响小的算法,并求出极小最小二乘解;(3)对求解结果进行评价,即找出解的估值与真值的关系,以便由估值了解真值或真值的变化范围.     

Zoeppritz-based AVO inversion using an improved Markov chain Monte Carlo method

The conventional Markov chain Monte Carlo (MCMC) method is limited to the selected shape and size of proposal distribution and is not easy to start when the initial proposal distribution is far away from the target distribution. To overcome these drawbacks of the conventional MCMC method, two useful improvements in MCMC method, adaptive Metropolis (AM) algorithm and delayed rejection (DR) algorithm, are attempted to be combined. The AM algorithm aims at adapting the proposal distribution by using the generated estimators, and the DR algorithm aims at enhancing the efficiency of the improved MCMC method. Based on the improved MCMC method, a Bayesian amplitude versus offset (AVO) inversion method on the basis of the exact Zoeppritz equation has been developed, with which the P- and S-wave velocities and the density can be obtained directly, and the uncertainty of AVO inversion results has been estimated as well. The study based on the logging data and the seismic data demonstrates the feasibility and robustness of the method and shows that all three parameters are well retrieved. So the exact Zoeppritz-based nonlinear inversion method by using the improved MCMC is not only suitable for reservoirs with strong-contrast interfaces and longoffset ranges but also it is more stable, accurate and antinoise.     

Seismic fluid identification using a nonlinear elastic impedance inversion method based on a fast Markov chain Monte Carlo method

Elastic impedance inversion with high efficiency and high stability has become one of the main directions of seismic pre-stack inversion. The nonlinear elastic impedance inversion method based on a fast Markov chain Monte Carlo (MCMC) method is proposed in this paper, combining conventional MCMC method based on global optimization with a preconditioned conjugate gradient (PCG) algorithm based on local optimization, so this method does not depend strongly on the initial model. It converges to the global optimum quickly and efficiently on the condition that efficiency and stability of inversion are both taken into consideration at the same time. The test data verify the feasibility and robustness of the method, and based on this method, we extract the effective pore-fluid bulk modulus, which is applied to reservoir fluid identification and detection, and consequently, a better result has been achieved.     

基于压缩感知的小波域地震数据实时压缩与高精度重构

地震数据压缩是解决地震仪无线数据传输的一项关键技术。现有技术方案是对现场数据变换编码，消除其冗余达到压缩效果，再解码反变换恢复原始数据。这类方案需要对完整采集的地震数据进行操作，不仅时效性差，造成了硬件资源浪费，而且数据解码难以高精度恢复。针对以上问题，本文基于压缩感知理论（CS）提出一种新的地震数据压缩重构方案，通过构造混沌伯努利测量矩阵（CBMM）对地震数据小波变换后的稀疏系数进行压缩，在下位机端实时编码；为了提高重构精度，采用贝叶斯小波树结构CS重构算法（BTSWCS），根据小波树结构统计特性，构建一个分层贝叶斯CS先验模型，利用马尔科夫链蒙特卡洛推理对模型参数后验估计，在上位机端恢复原始数据。实际地震数据处理表明，使用本方法对总采样点为2⁸的数据压缩，压缩时间可缩短至1.0×10^-5s。低信噪比情况下，本文重构算法使峰值信噪比（PSNR）值至少提升5dB。     

致密砂岩储层AVO正演模拟过程中的不确定性分析

AVO正演模拟分析通常采用固定的岩石物理模型参数，而在实际勘探过程中不同岩石物理参数存在一定重叠，致使正演结果存在不确定性。以苏里格气田测井数据为基础，采用概率、信息熵等方法表征岩石物理参数的不确定性，基于典型的岩性反射界面，分析不同反射界面上下层介质纵波速度比、横波速度比、密度比对正演模拟结果的影响，通过马尔科夫链蒙特卡罗模拟方法（MCMC）开展不同岩性反射界面的反射系数和AVO属性响应特征的模拟，并采用信息熵估计AVO分析中的不确定性。结果表明：概率密度和信息熵在不同岩性的岩石物理参数上具有差异性，但是不同岩性之间存在交叉现象，增强了岩性识别结果的不确定性和多解性；AVO响应特征表明上下层介质岩石物理参数的变化和下层介质含气性的不同导致AVO反射系数具有不同的响应，且随着下层介质含气饱和度的增加，AVO属性表现“双负”特征，即负截距和负梯度。通过统计学手段解析AVO正演模拟过程中的不确定性，可以为储层预测提供有效的先验认识，从而降低致密砂岩气藏的开发风险。     

用遗传算法提取频谱激电法谱参数

介绍了频谱激电法中的Cole-Cole模型和Brown模型。提出了用遗传算法提取谱参数的设想。论述了用遗传算法求解谱参数的方法步骤。用理论模型进行了验证．结果表明该方法是切实可行的频谱激电法谱参数的反演方法。将此方法应用于勘探实例．取得了预期的效果。     

多孔介质微观模型重构方法研究

建立多孔介质微观模型是进行微观渗流研究的基础。列举几种常见的多孔介质微观模型,概述其应用和重要性。调研多孔介质重构方法：物理实验方法、数值重构方法和用于理论研究的随机方法,分析每种方法的基本思想,并在此基础上总结了每种方法的优缺点及其适用性。对比发现,数值重构方法成本低、需要信息量少,可以广泛应用。而在诸多数值重构方法中,马尔科夫链-蒙特卡洛方法（MCMC方法）具有计算速度快、重构效果好和适用范围广泛的特点。通过多孔介质重构实例验证了MCMC方法的优点。最后展望了重构方法的发展和应用。     

模糊C均值地震属性聚类分析

 地震多属性聚类分析是进行储层预测的有效工具。本文提出了基于模糊C均值的地震属性聚类方法，该方法可以将多种地震属性进行分析从而生成有效的特征图，它可以寻找各个类的最优聚类中心，并给出样本点属于每一类的隶属度。此算法是一个简单迭代过程，且算法的关键取决于两个参数：其一是聚类数要远小于聚类样本的总个数；其二是加权参数要适中，过大或过小均不利于聚类效果的改善。模型试验和实际资料的应用表明了该方法原理简单且算法鲁棒性好，具有很好的实际应用价值。     

基于布谷鸟算法的储层物性参数同步反演

物性反演是储层预测与评价的重要手段,可直观描述储集层所蕴含的信息。由于地球物理反演的非线性特征,以局部寻优方法开展的储层物性参数反演方法难以降低不适定性,结果存在多解性。为此,提出一种基于布谷鸟算法的储层物性参数同步反演方法。以弹性阻抗与储层物性参数关系为基础,构建储层物性反演目标函数,引入布谷鸟算法寻找目标函数最优解。布谷鸟算法作为一种新型元启发式算法,其包含的Levy飞行机制能有效解决常规方法陷入局部极值的问题,可实现更高精度的储层物性参数预测。理论模型和实际数据测试均表明,该方法能够有效反演物性参数,可为储层描述提供数据支持。