一种反演裂缝性质的方法与流程

本发明涉及油气地球物理技术领域，具体地，涉及一种反演裂缝性质的方法。

背景技术：

随着石油天然气资源的开发利用，常规孔隙性油气藏储量日益减少，开发难度逐渐增大，石油与天然气勘探方向逐渐由浅部转向深部、由常规油气藏转向特殊油气藏，特别是裂缝型储层(致密砂岩、碳酸盐岩和泥页岩储层等)。裂缝预测的研究具有重要意义。

几乎所有油气藏都会在某种程度上受到天然裂缝的影响。地下发育的裂缝往往是油气存储的重要场所，而裂缝作为一种普遍现象广泛地存在于各类岩石地层中。在碳酸盐岩储层中，天然裂缝有助于形成次生孔隙，并强化了储集空间的连通性。在大多数非常规储层，包括煤层气、页岩气、基岩和火山岩储层中，天然裂缝是主要的产能影响因素。裂缝的形成受多种因素控制，其物理属性复杂，横向、纵向变化大，表现出很强的各向异性。因此利用各向异性的地震响应检测裂缝是当前地球物理学家们研究热点。

裂缝预测往往是在岩石物理等效模型研究基础之上发展起来的，目前已经建立了一系列各向异性介质、双相介质和双相各向异性介质的岩石物理模型。但是，目前国内外的裂缝预测方法主要还是基于静态岩石物理模型的研究，在基于动态岩石物理模型的裂缝预测研究方面几乎空白。

avaz(amplitudeversusoffsetandazimuth)分析即研究地震子波经界面反射后振幅随入射角和方位角的变化，可定量研究hti(horizontaltransverseisotropic)介质的裂缝性质。然而，基于avaz特征的反演裂缝性质的研究受到长波长假设条件下静态等效介质模型的限制，一般只能反演裂缝密度和裂缝方向。近年来，随着考虑了流动机制的裂缝性孔隙介质模型的发展，频变地震属性被证明对更多的裂缝性质具有敏感性。因此，基于动态岩石物理模型，利用频变avaz响应特征反演裂缝性质是未来裂缝定量反演的发展趋势。

根据相关调研，目前用avaz定量预测裂缝性质的方法较少，基于动态岩石物理模型反演裂缝性质的技术处于研究起步阶段。ali和jakobsen(2013)基于频变avaz特征利用贝叶斯理论和mcmc(markovchainmontecarlo)算法反演裂缝走向、裂缝密度、裂缝开度和裂缝半径，并估计渗透率；兰慧田(2014)利用频变avo反演裂缝密度、裂缝半径和孔隙度。上述两种反演方法都不能进行流体识别，且前者对地质、测井得到的先验信息依赖性大，后者没有考虑如何合理融合地质、测井的裂缝预测结果。

然而，实际上裂缝的复杂性要求合理综合地质、测井和地震资料才能更准确的预测裂缝性质，并且这些信息的预测结果往往会出现一定的误差，即不一致的情况，因此，需要基于动态岩石物理理论研究可以均衡地质、测井和地震信息使用量反演裂缝性质的方法。

技术实现要素：

为了基于更接近实际情况的动态岩石物理模型，实现合理均衡地质、测井和地震等多学科信息预测裂缝性质，本发明基于chapman理论，提出一种裂缝性质反演的方法，将贝叶斯理论与遗传算法结合反演hti介质裂缝长度、裂缝走向、裂缝密度和流体类型，并有效均衡地质、测井和地震信息的采用量。

根据本发明的一个方面，提供一种反演裂缝性质的方法，包括以下步骤：

基于频变avaz特征建立反演目标函数；

根据反演目标函数的求解结果分别建立裂缝参数的似然函数；

将裂缝参数的先验分布与裂缝参数的似然函数结合，计算裂缝参数的后验概率分布函数；

利用统计的方法直观显示反演结果。

进一步地，将先验分布与似然函数的乘积作为后验概率密度函数。

进一步地，根据地质、测井提供的流体类型、裂缝长度和裂缝密度先验信息服从高斯分布得到先验分布，利用贝叶斯算法将流体类型、裂缝长度、裂缝密度作为随机变量并计算它们的后验概率密度函数。

进一步地，将地质、测井获得的流体类型、裂缝长度和裂缝密度先验信息作为先验分布的期望值，并计算随机变量在空间步长上的标准差，利用期望值与标准差得到的高斯分布为先验分布。

进一步地，运用遗传算法求解反演目标函数。

进一步地，根据遗传算法的求解结果分别构建服从高斯分布的裂缝参数的似然函数，将遗传算法得到的结果作为期望值，模型参数的范围与期望值计算标准差，期望值决定了高斯分布的中心位置，标准差决定了分布的幅度。

进一步地，随机变量在后验概率密度分布最高值对应的变量值是反演的最终结果。

进一步地，利用i个入射角、k个频率、j个观测测线上观测到的反射系数rijk与相同条件下q个流体类型、p个裂缝长度、n个裂缝密度空间步长内的模型模拟反射系数的最小二乘拟合构建反演目标函数为：

其中，f是频率，e是裂缝密度，l是裂缝长度，t是流体类型，o为已知参数；rijk是在一系列离散的入射角θi，方位角和频率fk情况下的反射系数观测数据，定义某一测线的方位角为根据观测系统信息可计算其它测线与该测线方位角的差为ηj，即其它测线方位角为

进一步地，利用遗传算法搜索q个流体类型、p个裂缝长度、n个裂缝密度中使函数fitness最小值时对应的流体类型、裂缝长度、裂缝密度的取值作为遗传算法反演结果。

本发明基于动态岩石物理模型，利用地震信息构造目标函数并将地质、测井信息作为先验信息，将贝叶斯理论与遗传算法结合预测裂缝长度、裂缝走向、裂缝密度和流体类型，并有效均衡地质、测井和地震信息的采用量。因此，本发明的新方法要比已有方法在介质假设前提方面更贴近真实情况；在结果上可预测更多的裂缝性质并进行流体识别；实现有效的均衡地质、测井和地震信息合理融合过程。数值模拟测试结果表明：本发明提出的反演方法可以预测裂缝走向、裂缝密度、裂缝长度和流体类型。

附图说明

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1显示了流体为盐水时频变avaz响应；图1a显示了频率为10hz时avaz响应；图1b显示了频率为20hz和10hz时avaz响应差值；图1c显示了频率为40hz和10hz时avaz响应差值。

图2显示了遗传算法裂缝性质反演结果(条带)及其似然函数概率分布(曲线)。

图3显示了裂缝性质后验概率分布。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

基于包含地震动力学特征的avaz响应，定量表征裂缝性质，是目前裂缝性储层研究的热点问题。从调查到的资料看，对裂缝性质的预测受到静态岩石物理模型的限制，一般只能进行裂缝密度和裂缝走向预测，而考虑了地震波诱导流体流动的动态岩石物理模型的发展为预测更多裂缝性质提供了可能。目前，基于考虑了速度频散与衰减影响的动态岩石物理模型进行裂缝性质预测的研究几乎空白，仅有的相关研究也未能合理有效的融合多学科信息进行裂缝预测。

本发明针对hti介质，基于chapman理论分析流体类型和裂缝长度对频变avaz响应特征的影响，建立结合贝叶斯理论和遗传算法反演裂缝密度、裂缝走向、裂缝长度和裂缝充填流体类型的方法。

本公开提出了一种反演裂缝性质的方法，包括以下步骤：

基于频变avaz特征建立反演目标函数；

根据反演目标函数的求解结果分别建立裂缝参数的似然函数；

将裂缝参数的先验分布与裂缝参数的似然函数结合，计算裂缝参数的后验概率分布函数；

利用统计的方法直观显示反演结果。

进一步地，将先验分布与似然函数的乘积作为后验概率密度函数。

进一步地，根据地质、测井提供的流体类型、裂缝长度和裂缝密度先验信息服从高斯分布得到先验分布，利用贝叶斯算法将流体类型、裂缝长度、裂缝密度作为随机变量并计算它们的后验概率密度函数。

进一步地，将地质、测井获得的流体类型、裂缝长度和裂缝密度先验信息作为先验分布的期望值，并计算随机变量在空间步长上的标准差，利用期望值与标准差得到的高斯分布为先验分布。

进一步地，运用遗传算法求解反演目标函数。

进一步地，根据遗传算法的求解结果分别构建服从高斯分布的裂缝参数的似然函数，将遗传算法得到的结果作为期望值，模型参数的范围与期望值计算标准差，期望值决定了高斯分布的中心位置，标准差决定了分布的幅度。

进一步地，随机变量在后验概率密度分布最高值对应的变量值是反演的最终结果。

具体地，chapman理论和rüger近似的频变纵波反射系数函数为其中，f是频率，e是裂缝密度，l是裂缝长度，t是流体类型，o是构建chapman模型时涉及的其它参数，在本文反演过程中作为已知参数。rijk是在一系列离散的入射角θi，方位角和频率fk情况下的反射系数观测数据。定义某一测线的方位角为根据观测系统信息可计算其它测线与该测线方位角的差为ηj，即其它测线方位角为建立的目标函数：

利用i个入射角、k个频率、j个观测测线上观测到的反射系数rijk与相同条件下q个流体类型、p个裂缝长度、n个裂缝密度空间步长内的模型模拟反射系数的最小二乘拟合构建公式(1)，利用遗传算法搜索q个流体类型、p个裂缝长度、n个裂缝密度中使公式(1)中函数fitness最小值时对应的流体类型、裂缝长度、裂缝密度的取值作为遗传算法反演结果。

根据遗传算法结果分别构建服从高斯分布的裂缝参数似然函数，即遗传算法得到的结果作为期望值，模型参数的范围与期望值可计算标准差，期望值决定了高斯分布的中心位置，标准差决定了分布的幅度。根据地质、测井等提供的流体类型、裂缝长度和裂缝密度先验信息服从高斯分布得到先验分布，利用贝叶斯算法将未知参数即流体类型、裂缝长度、裂缝密度作为随机变量并计算它们的后验概率密度函数，即先验分布与似然函数的乘积作为后验概率密度函数。

控制裂缝性质先验概率方差均衡地质、测井和地震信息的采用量，先验概率分布方差选取值越小意味着地质、测井信息对最终结果影响越大；先验概率分布方差选取值越大意味着最终结果主要依赖于地震信息。随机变量在后验概率密度分布最高值对应的变量值是反演的最终结果，实现裂缝密度、裂缝走向、裂缝长度和流体类型的预测。

为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。

基于频变avaz特征建立反演目标函数并运用遗传算法求解，根据此结果分别建立裂缝参数的似然函数(参见图2)。例如，图2(a)中直方图代表遗传算法结果，即裂缝密度为0.1，将0.1作为期望值；在裂缝密度的范围0到0.3之间分别计算它们与期望值0.1的标准差；期望值与标准差的高斯分布即图中曲线为裂缝密度的似然函数。

其次，利用贝叶斯算法将地质、测井等获得的裂缝性质先验信息与地震获得的裂缝性质似然函数结合，计算裂缝性质的后验概率分布函数(参见图3)。将地质、测井等获得的裂缝性质作为先验概率的期望值，并计算随机变量在空间步长上的标准差，利用期望值与标准差得到的高斯分布为先验概率分布。空间步长上先验概率与似然函数的乘积为后验概率分布函数。利用统计的方法直观显示反演结果，数值测试结果验证了方法的可行性与稳定性。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。