[发明专利]基于叠前反演的“甜点”概率直接估算方法及系统

说明书

本公开提出了基于叠前反演的“甜点”概率直接估算方法及系统，利用测井数据得到反演参数之间的联合概率分布，即纵波模量与密度的联合概率分布；利用概率估计方法得到初始“甜点”相概率；计算“甜点”敏感参数纵波模量及剪切模量的条件概率分布，并从条件概率分布中采样得到新的纵波模量与剪切模量模型；然后根据新的纵波模量模型，结合纵波模量与密度的联合概率分布，计算密度的条件概率分布，并从条件概率分布中采样得到新的密度模型；计算新的“甜点”相概率，并利用接受概率公式来判断是否更新反演参数及“甜点”相概率模型，通过不断的迭代，即可得到有关反演参数及“甜点”相概率后验概率分布的一系列样本，实现“甜点”相概率的直接估算。

技术领域

本公开涉及油气勘探技术领域，特别是涉及基于叠前反演的“甜点”概率直接估算方法及系统。

背景技术

近年来，随着油气勘探的目标逐渐转向非常规储层，作为致密砂岩储层预测中至关重要的地质目标，“甜点”的识别越来越受到重视。“甜点”是非常规储层中一个重要地质和产能概念，用于描述致密砂岩储层中相对高孔高渗的区域。“甜点”相与传统的岩相、流体相参数类似，可以利用一系列离散值来表征“甜点”及非“甜点”。离散“甜点”相参数难以定量地表征“甜点”的空间分布。而“甜点”相概率利用概率值来表征储层及流体在某一区域的发育状况，可以更加直观、定量地描述“甜点”的分布特征，有效地指导油气田的开发。

叠前地震反演是实现岩性和流体识别的重要手段。与传统的贝叶斯线性反演方法相比，概率反演方法不需要推导贝叶斯公式的解析解，可以利用随机采样的方法来获得一系列关于后验概率分布的样本，以此来实现反演结果的不确定性分析。马尔可夫链蒙特卡罗(MCMC)算法是最为常用的概率反演算法，其通过构建若干条与后验概率分布相同的马尔科夫链来实现对贝叶斯公式的求解。1970年，Hastings提出了最为常用的MCMC算法形式，即MH算法，其广泛地应用于地球物理反演领域。MH算法的主要缺陷在于当反演参数及搜索策略设置不当时，对于复杂的地球物理反演问题，算法收敛速度较慢，且稳定性较差。因此许多学者提出了一系列改进措施。这些措施主要通过改进搜索步长及考虑多条马尔科夫链之间的相关性来提高算法的收敛性和稳定性。

目前“甜点”概率计算或区域的预测存在的问题是：目前的预测方法比较复杂，计算效率较低，另外，目前的预测算法的稳定性不够好，不能准确的实现对甜点概率估算。

发明内容

本说明书实施方式的目的是提供基于叠前反演的“甜点”概率直接估算方法，在反演过程中计算每次迭代的“甜点”相概率，并将其作为下次迭代的约束条件，不仅能提高反演的稳定性及收敛性，还可以直接得到“甜点”相概率体。

本说明书实施方式提供基于叠前反演的“甜点”概率直接估算方法，通过以下技术方案实现：

包括：

利用测井数据得到反演参数之间的联合概率分布，即纵波模量与密度的联合概率分布；

在反演参数初始模型的基础上，利用概率估计方法得到初始“甜点”相概率；

在初始“甜点”相概率的约束下，计算“甜点”敏感参数纵波模量及剪切模量的条件概率分布，并从条件概率分布中采样得到新的纵波模量与剪切模量模型；

然后根据新的纵波模量模型，结合纵波模量与密度的联合概率分布，计算密度的条件概率分布，并从条件概率分布中采样得到新的密度模型；

最后，计算新的“甜点”相概率，并利用接受概率公式来判断是否更新反演参数及“甜点”相概率模型，通过不断的迭代，即可得到有关反演参数及“甜点”相概率后验概率分布的一系列样本，最终实现“甜点”相概率的直接估算。

进一步的技术方案，纵波模量与密度的联合概率分布即是考虑两个参数之间相关性的特征,在已知一个参数的情况下，得到另一个参数的值域范围及概率分布特征。

进一步的技术方案，初始“甜点”相概率为：