[发明专利]一种基于改进的成分克里金的岩性分布概率识别方法

说明书

本发明公开了一种基于改进的成分克里金的岩性分布概率识别方法，包括建立地震属性与岩性分布的概率密度函数；使用概率密度函数，计算区域内所有待估计点的岩性先验概率；将岩性先验概率分布转换，使其满足正态分布；使用改进的成分克里金方法对转换后的岩性先验概率进行计算，获得区域内所有待估计点的岩性概率分布；改进的成分克里金方法为将岩芯岩性作为约束条件加入到了成分克里金方法中。本发明改进了传统的成分克里金方法，改进后的方法更加适用于石油勘探中的岩性识别工作，提高了岩性概率识别的精度，降低了识别结果的不确定性，使识别结果具有更好的适用性以及岩性的可识别性，为后续的研究工作提供更多的信息支持。

技术领域

本发明涉及一种基于改进的成分克里金的岩性分布概率识别方法，属于地球物理中岩性识别的技术领域。

背景技术

在石油地球物理勘探中，通过地球物理测井及地震反演资料识别岩性对于储层识别、流体预测等后续研究具有重要的参考意义。岩性识别中最有效的资料是取芯测井及地球物理测井，这两种资料能够提供与岩性有最直接关联的信息，但是在石油勘探早期往往只有少量的测井资料，因此通常需要地震资料、卫星多光谱资料等辅助识别。目前，比较常用的岩性识别方法有交会图、岩石物理模型、主成分分析、支持向量机、神经网络等。然而，使用常规方法识别岩性，往往具有工作量大的缺陷，并且识别结果很大程度受人为经验影响。近年来，有研究指出了常规的岩性识别方法只能够给出研究区岩性的固定表示，但由于岩性识别的过程中存在着一定的不确定性，而岩性的固定表示不能反映出不确定性的变化，因此，需要通过概率形式来表示岩性的分布特征。目前，研究中常用马尔科夫随机场或贝叶斯理论来表示模型的概率分布，基于常规的岩性识别方法，有学者提出了概率神经网络、马尔科夫岩石物理模型、混合高斯模型等方法。这些方法能够得出岩性识别的概率形式，但是却难以将测井、取芯及地震数据有效结合。

成分克里金是基于普通克里金提出的一种改进形式，自20世纪90年代，该方法应用于土壤粒级识别取得了良好的效果。该理论指出，凡是能够用成分数据表示的信息，都适用于成分克里金方法。由于岩性识别存在着不确定性，如果用概率表示研究区内的几种岩性，那么岩性概率就可以视为成分数据。因此，应用成分克里金可以对岩性概率进行重新估计，得到三维岩性概率分布图。但是，成分克里金在估计过程中只考虑一种类型的数据，而岩性概率与土壤组分相比这会导致岩性识别结果出现偏差，识别结果较为模糊。因此需要对成分克里金方法进行改进，提高岩性识别精度。

发明内容

为了解决上述技术问题，本发明提供了一种基于改进的成分克里金的岩性分布概率识别方法。

为了达到上述目的，本发明所采用的技术方案是：

一种基于改进的成分克里金的岩性分布概率识别方法，包括，

建立地震属性与岩性分布的概率密度函数；

使用概率密度函数，计算区域内所有待估计点的岩性先验概率；

将岩性先验概率分布转换，使其满足正态分布；

使用改进的成分克里金方法对转换后的岩性先验概率进行计算，获得区域内所有待估计点的岩性概率分布；改进的成分克里金方法为将岩芯岩性作为约束条件加入到了成分克里金方法中。

利用测井资料及地震资料，建立地震属性与岩性分布的概率密度函数，具体过程为：

S11，在测井位置统计岩性分布与测井参数的概率分布，并拟合曲线；

S12，统计所有测井位置处测井参数与不同地震属性，并拟合曲线，选取拟合曲线方差最小值的地震属性进行后续计算；

S13，通过步骤S11和步骤S12所拟合的曲线，建立该地震属性与岩性分布的概率密度函数，并根据方差大小给出误差范围。

利用对称对数比方法将岩性先验概率分布转换，使其满足正态分布。