地震随机反演方法由于井间数据缺失,反演结果的横向连续性较差。且反演效率低、反演结果随机性强。为此,我们提出基于地震波形约束的地质统计学反演方法。用地震数据的相关系数来衡量地震波形的相似程度,代替传统的变差函数进行序贯高...地震随机反演方法由于井间数据缺失,反演结果的横向连续性较差。且反演效率低、反演结果随机性强。为此,我们提出基于地震波形约束的地质统计学反演方法。用地震数据的相关系数来衡量地震波形的相似程度,代替传统的变差函数进行序贯高斯模拟。在贝叶斯框架下,结合地震数据的约束,利用马尔科夫链-蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法对模拟结果进行随机扰动和全局寻优,获得优化的参数反演结果。模型测试结果表明,基于地震波形约束的初始模型较为精确地刻画了地下储层的空间结构。对其进行迭代优化可以加快马尔科夫链的收敛速度,有效提高反演结果的精度。本文将提出的地质统计学反演方法用于某油田实际地震数据,在随机模拟过程和目标函数的约束中,充分挖掘了地震波形蕴含的地质信息,并为实现多数据联合约束地震反演提供了理论依据。展开更多
基金supported by the National Natural Science Foundation of China[Grant Nos.42174146,42074136,42174144]Innovation Fund Project for Graduate Students of China University of Petroleum(East China)[Grant No.23CX04015A].
文摘地震随机反演方法由于井间数据缺失,反演结果的横向连续性较差。且反演效率低、反演结果随机性强。为此,我们提出基于地震波形约束的地质统计学反演方法。用地震数据的相关系数来衡量地震波形的相似程度,代替传统的变差函数进行序贯高斯模拟。在贝叶斯框架下,结合地震数据的约束,利用马尔科夫链-蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法对模拟结果进行随机扰动和全局寻优,获得优化的参数反演结果。模型测试结果表明,基于地震波形约束的初始模型较为精确地刻画了地下储层的空间结构。对其进行迭代优化可以加快马尔科夫链的收敛速度,有效提高反演结果的精度。本文将提出的地质统计学反演方法用于某油田实际地震数据,在随机模拟过程和目标函数的约束中,充分挖掘了地震波形蕴含的地质信息,并为实现多数据联合约束地震反演提供了理论依据。
