地震波形反演与测井联合的三维建模方法

基于褶积模型的地震反演能得到较高分辨率的结果,但它对初始模型的依赖性强。依托波动理论的波形反演法可获得准确、稳定的低频信息,横向保真性高;测井资料纵向分辨率高,频率信息丰富。本文提出一种基于波形反演结果和测井资料的联合建模方法,综合波形反演结果横向高保真性和测井资料纵向高分辨的优势,提高初始模型的构建精度,进而提高反演结果的精度。应用结果表明,联合构建的三维模型不仅具有波形反演结果的低频特征,还具有测井资料纵向高分辨率的优点,以此作为褶积模型反演的初始模型,提高了储层预测的精度。     

基于随机神经网络的储集层孔隙度预测技术在Y3区块的应用

随机神经网络是通过对样本数据进行训练,寻求预测值和实测值之间误差最小的一种数学内插方法。通过曲线重构反演技术对原始地震数据体进行波阻抗反演,以提高地震资料对储集层的识别精度;在滤波参数选取中,通过共轭梯度算法计算最小检验误差,选取最佳的褶积算子和属性个数,使地震属性和目标参数最佳限度地吻合,避免了神经网络过度训练的缺陷。随机神经网络技术在Y3区块实际资料应用中,取得了良好的预测效果,相比线性回归法和传统神经网络方法提高了预测精度。     

基于三变量柯西分布先验约束的叠前三参数反演方法

基于贝叶斯反演理论框架,本文引入褶积算子和Fatti近似正演算子,在对测井数据抽样统计建立协方差矩阵的基础上,采用三变量柯西先验分布对三参数反演过程进行正则化约束,在利用柯西分布长尾巴特征保护弱反射信息的同时考虑了三参数的统计相关特性,提高了反演结果的稳定性,最终通过反演得到了纵横波阻抗和密度三个物性参数。模型试算验证了方法的可行性和优越性,将该方法用于实际叠前地震道集数据,得到了较为准确的弹性参数,取得了很好的应用效果。     

动态反褶积研究及效果分析

目前常用的反褶积方法有多种,这些反褶积方法都是基于传统的褶积模型,在做反褶积前,先要对衰减地震道做振幅补偿,因而在提高分辨率时具有局限性。在传统的褶积模型中,假设子波在传播过程中振幅不发生变化,实际上子波在传播过程中振幅是逐渐衰减的,因此需要建立能够描述子波动态传播的褶积模型。以动态褶积模型为理论基础,不需要对衰减地震道做振幅补偿,可直接实现分辨率处理。将对脉冲反褶积与动态反褶积结果进行比较,效果表明,动态反褶积方法具有双重功能:具有提高地震分辨率的功能;具有由于吸收引起振幅衰减的补偿功能。理论模型分析与实例计算验证了动态反褶积方法的正确性。     

利用地震反演技术钻前预测井壁稳定性

为有效克服钻井过程中出现的井壁失稳问题,基于褶积模型的测井约束反演方法,提出了利用地震层速度反演技术在钻前预测安全钻井液密度范围的模型。该预测模型充分利用探区内的地震记录资料,以测井信息和地质资料为约束条件,通过制作合成地震记录进行层位标定,建立初始波阻抗模型,运用宽带约束反演技术获得具有较高分辨率的波阻抗模型并最终得到速度资料。利用反演结果结合统计模型、趋势面模型、神经网络模型及岩石力学模型等常用预测模型可以实现钻前井壁稳定性预测。通过该方法反演出塔里木油田一口探井的层速度曲线,并在钻前预测出该井的安全钻井液密度范围,与实钻数据进行对比分析的结果表明,该预测方法具有良好的预测效果,可满足钻井工程的需要。     

深度域神经网络数据驱动岩性参数反演

本文针对深度域地震资料反演问题提出了神经网络数据驱动岩性参数反演方法。该反演方法是非线性的，且由数据驱动，不需基于任何确定性算子，其中数据驱动方法由结构风险最小化神经网络实现。在反演运算过程中，通常将测井资料和地震记录作为训练样本，其中井旁道地震记录作为输入，测井资料作为输出，网络学习完成后，得到由地震记录转换为测井资料的反演映射关系，进而进行岩性解释。文中通过理论模型及叠前深度偏移地震资料的岩性参数反演实例，说明了方法的有效性。     

�������ϴ���Ԥ�ⷴ�ݷ���Ӧ���о�

地震资料储层预测反演方法存在的主要问题有：反演结果要么受地震频带限制，分辨率低，要么受约束条件影响大，多解性强，不易得到满意的结果；这些反演方法大多是基于褶积模型的，因而离不开传统意义上的子波，不能避免子波相位、长度的不确定及子波纵横向的不稳定性；只能反演速度或波阻抗；此外，实际资料往往不能满足方法的先决条件，如测井资料误差、地震资料信噪比低和分辨率低、地质条件复杂等。文章提出了该方法在应用中必须注意：分析方法的局限性和资料本身存在的问题，测井、地震资料要尽可能满足条件，对反演结果要结合方法本身和资料情况进行分析。同时指出，要研究适应性更强的非线性反演方法。最后，文章根据实例提出了具体问题和相应的解决办法。     

动态反褶积研究及效果分析

目前常用的反褶积方法有多种，这些反褶积方法都是基于传统的褶积模型，在做反褶积前，先要对衰减地震道做振幅补偿，因而在提高分辨率时具有局限性。在传统的褶积模型中，假设子波在传播过程中振幅不发生变化，实际上子波在传播过程中振幅是逐渐衰减的，因此需要建立能够描述子波动态传播的褶积模型。以动态褶积模型为理论基础，不需要对衰减地震道做振幅补偿，可直接实现分辩率处理。将对脉冲反褶积与动态反褶积结果进行比较，效果表明，动态反褶积方法具有双重功能：具有提高地震分辨率的功能；具有由于吸收引起振幅衰减的补偿功能。理论模型分析与实例计算验证了动态反褶积方法的正确性。     

动态反褶积方法研究

目前常用的反褶积方法有许多,但大都基于传统的褶积模型。传统褶积模型假设子波波形保持不变,这与子波在传播中振幅逐渐衰减的情况不符,因此需要建立能够描述实际子波传播的动态褶积模型。以动态褶积模型为理论基础的反褶积方法不需要对衰减地震道做吸收衰减补偿,可直接实现提高分辨率处理。文中对脉冲反褶积和动态反褶积结果进行了比较,理论模型分析与实例验证了动态反褶积方法的正确性。     

基于时频滤波的吸收衰减参数估算

对地层的吸收衰减估计所面临的一个重要问题是估计的分辨率较低。利用叠后地震反射资料,在尽可能短的时窗内有效地估计衰减是一个具有挑战性的课题。基于Margrave提出的地震记录的非平稳褶积模型,本文提出将时频滤波算子作用于反褶积后的地震记录,得到衰减作用后的反射系数,再行估计吸收衰减,可有效地提高衰减估计的分辨率。该方法不同于目前已知的估计方法,理论上能在小于子波波长的时窗内进行吸收衰减估计。     

地震波阻抗反演的ANNLOG技术及其应用效果

通过地震子波的多级分解和多级非线性变换，得到一种非线性地震褶积模型。将该模型与Ｆ－Ｐ模型人工神经理论相结合可形成一套利用测井和地层约束的高分辨率地地震波阻抗反演技术。其突出的特点是：多级非线性变换能使迭代反演快速收敛，并具有极高的纵向反演分辨率；用于存储多级地震子波的人工神经网络，可根据地震数据动力学特征在横赂上的变化进行了可靠的自适应外推反演，并在横向上保持纵向保持纵向分辩率的连续性。     

����⾮�������Է��ݷ���

储层预测是隐蔽油气藏勘探的一项关键技术，由于储层和非储层的波阻抗常常重叠而导致单纯使用波阻抗进行准确的储层预测非常困难。利用测井资料，针对岩性油气藏的具体地质情况，在井点构建能反映储层物性空间变化的特征属性，并利用神经网络映射技术反演此特征属性数据体。在具体实施过程中，利用多元逐步回归方法和交互校验技术筛选敏感的地震属性，能有效去除冗余信息，确定最佳属性组合；采用卷积算子将地震资料的低频信息和测井特征属性的高频信息相融合，可以有效地拓宽频带，提高反演结果的分辨率；用概率神经网络建立测井特征属性和地震属性之间的非线性映射关系，可以外推反演得到高精度的测井特征属性数据体。对比研究表明，反演的结果具有比较高的可靠性。在实际应用中，这套技术取得了明显的效果。     

测井资料约束的波阻抗反演中的多解性问题

测井资料约束的波阻抗反演技术,是一种建立于褶积模型基础之上的波阻抗反演技术,由于人们对这种方法的理论基础认识不清,片面地认为使用该方法可以获得高分辨率的波阻抗剖面或对地震资料进行提高分辨率处理。通过理论模型试算,证明波阻抗约束反演中存在着多解性问题,表明地震道之间的相似性,并不能代表反射系数序列或波阻抗序列的相似性。在实际资料处理中,不能采用将合成地震记录与实际地震记录剖面对比,求取相关系数的方法来进行高分辨率波阻抗反演和提高地震剖面分辨率的处理。     

多道最小平方法匹配地震、测井数据建模

介绍了一种用多道最小平方法构建多个井旁道与单个非井旁道之间的关系，并用褶积算子替代权系数来建立空间关系的方法。该方法充分发挥了测井资料纵向分辨率高和地震资料横向分辨率高的优点。将这两种不同分辨率、不同空间覆盖尺度的数据联合，建立储层的地质模型。模型试验和实际应用的结果都表明，本方法对提高模型数据精度有一定的效果，也证明了此方法的可行性。     

谱反演在地震属性解释中的应用

任何一个反射系数序列都可以分解成奇、偶分量,奇分量不利于检测薄层,而少量的偶分量可以提高薄层的分辨能力,谱反演的实质就是利用偶分量在厚度趋于零时的有效干涉提高地震资料的分辨率。谱反演是在谱分解的基础上,通过反演方法使频率域目标函数达到极小而反演出反射系数、薄层厚度,在没有噪声和地震子波已知的情况下,可以识别任意薄层,并精确地反演出反射系数值。其主要特点是只采用部分频谱资料就可反演稀疏反射系数或层厚。文中利用谱反演方法对大庆油田的三维地震数据体进行了反演,得到反射系数体,并用该反射系数体与给定的宽频带子波褶积,得到提高分辨率后的地震数据体,再对其进行地震属性分析。与常规资料的地震属性分析结果相比,应用谱反演方法可提高识别沉积相和小断层的能力。     

基于ISTA算法的稀疏约束反演谱分解及应用

常规谱分解的分辨率难以满足地震解释的需求,稀疏约束反演谱分解可以很好地解决该问题。稀疏约束反演谱分解是把地震信号看成已知的子波矩阵库和伪反射系数的褶积,从而将谱分解问题转化为一个反问题来求解,其核心内容是如何快速获得最优解。采用L₁范数正则化的L₂范数作为稀疏约束反演谱分解的目标函数,并通过迭代阈值算法求解稀疏反问题。为了进一步提高计算速度,基于Ricker子波构建一种新的算子,并用ISTA算法进行计算。在此基础上,将稀疏约束反演谱分解用于模拟信号的数值试验,并与常规谱分解结果进行比较。结果表明,稀疏约束反演谱分解具有更好的时频聚集性和更高的时频分辨率;进一步应用于济阳坳陷沾化凹陷渤南洼陷义176井区地震资料,处理结果对油气响应十分敏感,可以较好地识别油气储集层。     

地震多属性非线性反演方法在东营三角洲中的应用

地震多属性反演的目的是为储层预测提供丰富的基础资料。在实现方法上主要有线性方法和非线性方法,地震多属性非线性反演方法多采用神经网络、支持向量机等工具进行映射,其反演预测结果比线性方法更符合实际地质情况。将自然电位曲线作为地震多属性非线性反演的目标,首先,通过线性回归的方法,寻找用于反演自然电位曲线的最优地震属性组合;然后,选用多层前馈神经网络,进行地震多属性非线性反演,得到了三维自然电位数据体;最后,利用自然电位数据体沿层切片,清晰地展示了东营三角洲沙三段中亚段砂体的前积过程。     

一种适应任意相位子波的反褶积方法

 现有的反褶积方法均需要对地震子波和反射系数做某种假设，而实际情况一般又不完全满足这些假设，因而使反褶积方法的应用效果受到限制。本文针对不同的褶积形式，提出了计算褶积与求解反褶积的矩阵相乘法，并根据时频对应关系给出其相应的频域计算方法。由于该方法没有相位限制，可以实现任意相位地震信号的反褶积处理。模拟试验表明，在没有噪声干扰的情况下，该反褶积方法可以实现真正意义上的谱白化。该褶积方法处理的地震资料不但纵向分辨率明显提高，而且振幅保持相对较好。     

应用时域卷积神经网络的地震波阻抗反演方法

地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(TCN),以建立地震数据与波阻抗之间的非线性映射关系;然后通过该网络对样本进行训练得到反演映射模型,进一步将地震数据输入该模型得到地震波阻抗。正演数据及实际数据测试结果表明,所提方法实现了地震数据到地震波阻抗间的映射,为地震波阻抗反演提供了具有并行计算能力和自适应结构的智能化方法,并在港2025区块砂泥岩储层预测中得到成功应用。     

自适应反射系数无约束反演技术

自适应反射系数无约束反演,是在不考虑测井约束的情况下,对地震记录的每一点都求取反算子,然后在该点再进行速归褶积计算,以充分适应不同深度上地震子波变化的特点。因此,此法要比普通分段脉冲反褶积求解反射系数的精度高得多。由此方法得到的反射系数剖面,能清楚地反映出小薄层、小砂体、小断层和小构造,其分辨率可达到1／4波长。该方法对弱反射层尤为有利,它是在偏移剖面上实现的,并要求高故频不低于50Hz。