[发明专利]基于蜂群优化算法的叠前AVO反演方法

说明书

本发明提供一种基于蜂群优化算法的叠前AVO反演方法，包括：步骤1，输入三维叠前地震数据体和地震子波；步骤2，设置初始蜜源，即构建反演初始模型；步骤3，根据构建的基于贝叶斯理论AVO反演方程式计算目标函数值；步骤4，根据AVO反演目标函数与蜂群算法适应度函数关系计算蜜源适应度值；步骤5，应用改进的蜂群算法进行邻域搜索寻找最优解；步骤6，当达到最大搜索次数或满足迭代终止条件时得到反演最优解，实现储层物性参数提取。该基于蜂群优化算法的叠前AVO反演方法将改进的人工蜂群算法、基于贝叶斯理论和精确Zoeppritz方程的AVO反演进行融合，提供一种有效可靠的储层物性参数叠前AVO非线性反演技术。

技术领域

本发明涉及油田开发技术领域，特别是涉及到一种基于蜂群优化算法的叠前AVO反演方法。

背景技术

储层地球物理反演的研究一般可分为线性反演和非线性反演，其中线性反演发展时间较长，是地球物理反演中理论最完整、应用最广泛、技术最成熟的反演方法，而非线性反演起步较晚，在地球物理反演中的发展落后于线性反演。地球物理反演中所面临的问题大多数都是非线性反演问题，然而由于非线性反演相比线性反演要复杂得多、困难得多，所以在求解目标函数的过程中，通常将非线性反演问题线性化或拟线性化处理，然后进行线性反演。但线性反演方法存在算法单调、搜索更多体现在局部上、对初始模型依赖较强等问题，如果初始模型选择不适当，搜索常常陷入局部极小，甚至不收敛。所以，用常规线性反演方法求解反演问题，往往会陷入局部最优解，使得反演结果不可靠。同时，各种线性反演方法在面对多参数、多极值的地球物理非线性优化反演问题时，遇到的障碍和困难难以逾越。为了提高储层物性参数叠前AVO反演的可靠性，近年来，国内外出现了许多基于智能优化算法的非线性反演方法，如模拟退火、遗传算法、粒子群算法、蚁群算法等，这些智能优化算法具有不依赖或弱依赖于初始模型、不需要求解复杂的雅克比矩阵、算法实现较简单等优点，已经广泛应用于地球物理反演的研究中。

叠前AVO反演是一种利用地震反射振幅随炮检距变化的规律研究地层岩性及含油气性的有效手段，其具有结果稳定、分辨率高、可控制性强等明显优势被广泛应用于油气勘探中，但该技术因易受各种噪声和采集过程中不确定因素的影响而面临着反演效率低、精度不高等问题，探索有效的叠前AVO反演技术流程及高效的反演算法是促进叠前AVO技术发展获得精确的储层物性参数的关键。

叠前AVO反演经过近十几年的发展，在石油地球物理勘探方面取得了诸多成果，并出现了该方面的许多经典方法技术，如Ma(2002)提出将AVO属性提取与波阻抗反演整合为一步，这就意味着叠前P波数据可直接转化为岩石属性，而跳过了先通过AVO分析估计出P波、S波反射系数的步骤；Buland等(2003)基于贝叶斯理论，利用叠前地震数据从模型参数与观测数据的联合分布中推导出纵、横波速度及密度的反演方程，并开展了一系列的研究；Mogense(2001)利用神经网络技术进行叠前AVO反演，从叠前地震数据中直接估计出纵波、横波速度，并计算出泊松比，反演结果与真实值具有很好的吻合；Russell(2005)在前人研究的基础上，建立了一种新的方法，即结合叠后波阻抗公式推导过程，给出了叠前AVO同步反演公式，基于该公式直接反演出纵波、横波阻抗和密度，取得了较好的反演效果，Strata商业软件中关于叠前AVO同步反演的部分便是基于该研究思想。在叠前AVO非线性研究方面，魏超等(2011)将量子蒙特卡罗法引入非线性叠前AVO三参数反演中，该随机搜索算法能更好地寻找到全局最优解，稳定性更好，且有效改善了叠前反演的精度，取得了较好的应用效果；邴萍萍等(2011)基于支持向量机提出了一种新的AVO非线性反演方法，该方法具有反演速度快，稳定性好等优点。虽然叠前AVO反演作为地震勘探领域新兴的技术，被广泛应用于油气勘探中，但目前该技术仍然面临着反演效率低，反演精度尤其是密度反演结果精度不够高等方面的问题，所以探索有效的叠前AVO反演技术流程及高效的反演算法是促进叠前AVO技术发展的方向。