基于地质统计学的叠前振幅随偏移距变化油气预测方法与流程

本发明属于地球物理勘探技术中的流体预测方法，更具体地讲，涉及一种能够高精度、高分辨地预测薄储层流体的地质统计学avo分析方法。

背景技术：

avo(amplitudevariationoffset，振幅随偏移距变化)技术是一种研究地震反射振幅随炮检距变化的技术，振幅随偏移距的变化是地下岩石及孔隙流体弹性参数的函数，因此根据avo变化规律所反应出来的地下岩性及其孔隙流体性质可以用来直接预测油气和估算储层岩性参数。传统avo分析就是采用zoeppritz方程或其近似方程由实际地震道集记录反演估算岩石的地震参数(如密度、纵横波速度)的一种反演方法。常规avo分析方法通常是把非线性的叠前反演问题线性化，解的稳定性受初始模型的影响较大，且容易陷入局部极小，而avo分析反演方法所得到的结果分辨率较差不利于储层流体的预测。

技术实现要素：

针对现有技术中存在的问题，本发明的目的在于解决现有技术存在的上述不足中的至少一项。例如，本发明的目的在于解决传统avo分析分辨率较低、精度不高的问题。

为了实现上述目的，本发明提供了一种基于地质统计学分析的叠前振幅随偏移距变化油气预测方法。所述油气预测方法包括：a、根据测井数据建立油气指示曲线，在所述油气指示曲线上，油气段具有第一油气指示值，非油气段具有第二油气指示值；b、计算得到avo属性数据体；c、分析得到油气指示曲线与井旁道avo属性数据相关性最好的最优avo属性数据体；d、将油气指示曲线中非油气段部分和油气段部分分别与所述最优avo属性数据体进行直方图分析，计算得到油气指示曲线中非油气段部分和油气段部分的隶属度函数关系；e、对油气指示曲线进行地质统计学分析得到变差函数；f、利用所述隶属度函数关系和所述变差函数进行油气模拟分析，得到油气预测结果。在本发明的一个示例性实施例中，所述振幅随偏移距变化属性体包括l1(一范数)、l2(二范数)、p+g、p-g、p*g、l1p+g、l1p-g、l1p*g、l2p+g、l2p-g、l2p*g，其中，p代表截距，g代表梯度。

在本发明的一个示例性实施例中，所述步骤f可以包括：f01、在振幅随偏移距变化属性体上创建数据网格；f02、查找数据网格上的网格节点，并判断网格节点是否需要模拟，其中，需要模拟的网格节点为不确定油气指示值的未知网格节点，不需要进行模拟的网格节点为已确定油气指示值的已知网格节点；f03、查找需要模拟的未知网格节点领域内的已知网格节点，直到已知网格节点达到预定数量；f04、通过克里金插值算法，利用所述预定数量的已知网格节点计算未知网格节点的克里金值，然后利用克里金值和所述变差函数计算得到克里金概率值；f05、利用未知网格节点的克里金概率值和对应的振幅随偏移距变化属性数据体的值，联合比对所述隶属度函数关系，确定未知网格节点的油气指示值，并将确定了油气指示值的未知网格节点作为已知网格节点；f06、重复步骤f02至f05，直至确定出所有的未知网格节点的油气指示值。

在本发明的一个示例性实施例中，在所述步骤f02中，可以按照随机路径序贯地游走数据网格查找网格节点；

在本发明的一个示例性实施例中，在所述步骤f03中，可以以螺旋搜索的方式进行查找。

在本发明的一个示例性实施例中，在所述步骤f04中，采用克里金插值算法中的克里金方程计算克里金权值系数，计算未知网格节点的克里金概率值。

与现有技术相比，本发明的有益效果包括：提高流体预测的精度及分辨率。

附图说明

图1示出了根据本发明的示例性实施例的基于地质统计学的叠前avo油气预测方法油气模拟步骤的流程图。

图2示出了根据本发明的示例性实施例的基于地质统计学的叠前avo油气预测方法点模拟的流程图。

具体实施方式

在下文中，将结合示例性实施例和附图来详细说明本发明的基于地质统计学的叠前avo油气预测方法。

根据本发明示例性实施例的基于地质统计学的叠前avo油气预测方法可以包括如下步骤：

a、根据测井数据建立油气指示曲线，在所述油气指示曲线上，油气段具有第一油气指示值(例如1)，非油气段具有第二油气指示值(例如0)。

b、计算得到avo属性数据体。avo属性数据体包括l1(一范数)、l2(二范数)、p+g(截距加梯度)、p-g(截距减梯度)、p*g(截距乘梯度)、l1p+g、l1p-g、l1p*g、l2p+g、l2p-g、l2p*g等属性体。其中，p代表截距，g代表梯度。

c、分析得到油气指示曲线与井旁道avo属性数据相关性最好的最优avo属性数据体。

d、将油气指示曲线中非油气段部分和油气段部分分别与所述最优avo属性数据体进行直方图分析，计算得到油气指示曲线中非油气段部分和油气段部分的隶属度函数关系。

e、对油气指示曲线进行地质统计学分析得到变差函数。

f、利用所述隶属度函数关系和所述变差函数进行油气模拟分析，得到油气预测结果。所述步骤f具体包括：

f01、在振幅随偏移距变化属性体上创建数据网格。

f02、按照随机路径序贯地游走数据网格查找网格节点，并判断网格节点是否需要模拟，其中，需要模拟的网格节点为不确定油气指示值的未知网格节点，不需要进行模拟的网格节点为已确定油气指示值的已知网格节点。

f03、以螺旋搜索的方式查找需要模拟的未知网格节点领域内的已知网格节点，直到已知网格节点达到预定数量。

f04、通过克里金插值算法，利用所述预定数量的已知网格节点计算未知网格节点的克里金值，然后利用克里金值和所述变差函数计算得到克里金概率值。

f05、利用未知网格节点的克里金概率值和对应的振幅随偏移距变化属性数据体的值，联合比对所述隶属度函数关系，确定未知网格节点的油气指示值，并将确定了油气指示值的未知网格节点作为已知网格节点。

f06、重复步骤f02至f05，直至确定出所有的未知网格节点的油气指示值。

本发明的主要技术思路是将avo计算的属性体，通过一系列计算，转换为0和1构成的数据体，1指示油气，0指示非油气，实现油气检测。在本发明的一个示例性实施例中，基于地质统计学的叠前avo油气预测方法可以包括如下步骤：

(1)首先通过测井数据分析，建立一条hci指示曲线，hci曲线是一条油气段hci值为1、非油气段值为0的指示值曲线。但本发明不限于此，油气段和非油气的指示值可以为其它任何能够区分二者不同的值。这里，hci是hydrocarbonindicator的缩写，hci曲线就是油气指示曲线，准确性是由测井曲线控制，hci是一条由0和1组成的指示油气和水的曲线。

(2)通过计算传统avo分析的结果，得到一系列相关的avo属性体，比如l1、l2、p+g、p-g、p*g、l1p+g、l1p-g、l1p*g、l2p+g、l2p-g和l2p*g等属性体，其中，p为截距，g为梯度，l1为一范数，l2为二范数。

(3)分析hci曲线与井旁avo属性道数据之间的相关性，分析并得到hci-avo属性相关性最高的hci-avo属性曲线，并对其进行保存。

(4)对保存的hci-avo属性曲线对hci-0和hci-1曲线进行直方图分析，并计算得到hci-0及hci-1的隶属度函数关系。这里，hci-avo属性曲线是通过hci曲线与井旁道avo属性数据相关性最好的avo属性，并将其0和1所对应的avo属性数据分别保存的到hci-0和hci-1中，以便后面进行使用，具体地，得到的隶属度函数是在第(6)步中的第④步使用。hci-0是指油气指示曲线中非油气段部分，hci-1油气指示曲线中油气段部分。

(5)对前面输入的hci指示曲线进行地质统计学分析得到变差函数，以供hc模拟分析方法中使用。具体地，变差函数在第(6)步中的第③步中用到)

(6)进行hc模拟，其流程如图1、图2所示，通过以下步骤实现：

①按照随机路径序贯地游走经过没有数据值的网格节点。随机路径序贯地游走是指通过一定顺序查找网格节点，此处是在建立的随机路径中顺序地查找网格节点。

②在该网格节点处以螺旋搜索的方式查找邻域内的已知节点(即已知网格节点)。已知节点是有值的，实际就是测井曲线上的点，这里已经建立好了网格节点，并在属于测井位置的点上赋予了测井上的hci的指示值。

③通过普通克里金插值算法中的克里金方程计算克里金权值系数，计算该点(即未知网格点)指示值的概率值p*；即未知点的值通过普通克里金插值法求取。

④利用已求取到的指示克里金概率值p*与该网格节点所对应的avo属性体的值，联合比对隶属度关系矩阵，两点(克里金概率值p*与avo属性值)确定hc(油气)指示值(0或1)，然后将该计算得到的指示值加入到已知点。计算完一个未知点，就得到未知点的值，然后将其加入到已知点数据中，成为下一循环中可以使用的已知数据点。

⑤重复步骤①-④，直至计算出所有的未知点的指示值，程序结束。

本发明采用地质统计学分析过程随机产生随机分布的模型，并采用求解全局最优化问题的方法，可以有效解决反演中的非唯一性问题及传统avo反演受初始模型影响较大的问题，相较于传统的avo反演方法效果更好，并能大大提高储层流体预测的分辨率，提高对薄层流体识别的准确率。

尽管上面已经结合附图和示例性实施例描述了本发明，但是本领域普通技术人员应该清楚，在不脱离权利要求的精神和范围的情况下，可以对上述实施例进行各种修改。