含气饱和度预测方法及装置与流程

本发明涉及油气勘探技术领域，尤其涉及一种含气饱和度预测方法、含气饱和度预测装置、计算机可读存储介质及计算机设备。

背景技术

随着油气勘探的深入细化和勘探对象的复杂化，油气勘探由常规构造油气藏向隐蔽岩性油气藏、非常规油气藏勘探进行过渡，地震勘探技术需求由勘探走向开发，由储层预测走向物性预测，由流体定性预测走向流体定量化预测。如何利用地震资料的振幅、频率及相位等获取有效的储层流体信息是勘探地球物理学研究的热点和难点问题之一。

地震流体识别始于20世纪70年代，国内外大量的专家学者在这方面进行了广泛地探讨，当前利用地震资料进行流体预测的方法主要有如下三种：第一种，利用叠前avo(amplitudevariationwithoffset，振幅随偏移距的变化)属性分析，该方法主要是利用zoeppritz方程的简化式shuey方程，从叠前道集提取截距p与梯度g，并将p、g进行交会，利用由于储层含气性引起的偏离泥岩背景线的现象来检测气层；第二种，基于弹性理论构建流体因子原理，主要通过叠前弹性参数反演或弹性阻抗反演方法直接或间接计算出三个基本弹性参数(纵、横波速度和密度)，然后利用拉梅常数、泊松比等其它组合弹性参数对储层含油气性进行检测；第三种，基于地震岩石物理理论，建立含水饱和度、孔隙度等储层物性参数和地震弹性参数的关系图版，通过叠前地震反演得到弹性参数，然后利用岩石物理图版定量化预测含气饱和度。

然而，第一种方法以定性预测为主，p、g交会效果受地震资料品质影响较大。第二种和第三种方法都要求反演出准确的纵、横波速度和密度参数，参数反演误差会直接导致组合弹性参数累积误差增大，从而影响油气检测精度；在实际应用中受地震资料品质、地震资料野外采集和反演算法等综合影响，横波速度和密度很难求准。深埋地下岩石的岩性、孔隙结构、流体性质、地层温度和压力等诸多因素对岩石的弹性性质影响非常复杂，如何通过岩石物理建模得到准确的岩石物理图版也是影响流体定量化预测精度问题之一。

因此，含气饱和度预测目前还处于定性预测为主，寻找一种有效的定量化流体预测技术对于解决复杂油气藏流体分布问题，提高勘探和开发成功率、促进技术发展具有显著的现实意义。

技术实现要素：

本发明提供一种含气饱和度预测方法、含气饱和度预测装置、计算机可读存储介质及计算机设备，以提高含气饱和度预测的准确度。

本发明实施例提供了一种含气饱和度预测方法，包括：通过地震道集分析，筛选得到至少一个对含气饱和度敏感的地震属性；通过岩石物理分析，筛选得到至少一个对含气饱和度敏感的弹性参数；基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性和所述至少一个对含气饱和度敏感的弹性参数对待预测储层进行含气饱和度预测。

本发明实施例还提供了一种含气饱和度预测装置，包括：地震属性及弹性参数筛选单元，用于：通过地震道集分析，筛选得到至少一个对含气饱和度敏感的地震属性；通过岩石物理分析，筛选得到至少一个对含气饱和度敏感的弹性参数；含气饱和度预测单元，用于：基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性和所述至少一个对含气饱和度敏感的弹性参数对待预测储层进行含气饱和度预测。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所述方法的步骤。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例所述方法的步骤。

本发明实施例的含气饱和度预测方法、含气饱和度预测装置、计算机可读存储介质及计算机设备，基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，同时利用地震属性和弹性参数进行含气饱和度预测，能够克服单独利用地震属性或单独利用弹性参数进行含气饱和度预测的缺点，降低含气饱和度预测时的多解性和不确定性，提高含气饱和度预测的准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是本发明一实施例的含气饱和度预测方法的流程示意图；

图2是本发明另一实施例的含气饱和度预测方法的方法流程示意图；

图3是本发明一实施例中对待预测储层进行含气饱和度预测的方法流程示意图；

图4是本发明一实施例中确定地震属性权重系数的方法流程示意图；

图5是本发明一实施例中确定弹性参数权重系数的方法流程示意图；

图6是本发明一实施例的含气饱和度敏感参数优选的流程示意图；

图7是本发明一实施例的含气饱和度预测的流程示意图；

图8和图9分别是过盲井a基于现有方法得到的含气性预测剖面图和基于本发明实施例方法得到的含气饱和度预测剖面图；

图10和图11分别为过盲井b基于现有方法得到的含气性预测剖面图和基于本发明实施例方法得到的含气饱和度预测剖面；

图12是本发明一实施例的含气饱和度预测装置的结构示意图；

图13是本发明另一实施例的含气饱和度预测装置的结构示意图；

图14是本发明一实施例中含气饱和度预测模块的结构示意图；

图15是本发明一实施例中权重系数确定单元的结构示意图；

图16是本发明一实施例中权重系数确定单元的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

基于叠前avo属性和岩石物理分析结果表明：单一的地震属性或单一的岩石物理参数识别流体时存在多解性和不确定性，只有综合利用多种信息才能有效降低多解性。基于现有流体预测研究技术现状，本发明提出一种同时考虑地震属性和弹性参数的含气饱和度预测方法，以此能够降低含气饱和度预测时的多解性和不确定性。

图1是本发明一实施例的含气饱和度预测方法的流程示意图。如图1所示，该实施例的含气饱和度预测方法，可包括：

步骤s110：通过地震道集分析，筛选得到至少一个对含气饱和度敏感的地震属性；通过岩石物理分析，筛选得到至少一个对含气饱和度敏感的弹性参数；

步骤s120：基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性和所述至少一个对含气饱和度敏感的弹性参数对待预测储层进行含气饱和度预测。

在上述步骤s110中，对含气饱和度敏感可以指当含气饱和度发生变化时，地震属性或弹性参数发生变化。可以利用现有的方法以定性为主地筛选出上述对含气饱和度敏感的地震属性，例如通过筛选软件工具或依据经验。或者通过建立含气饱和度理论模型，利用该含气饱和度理论模型进行地震正演得到地震道，并由地震道得到地震属性，同时可以定性地得知地震属性对饱和度敏感情况。地震属性可以包括振幅、频率、相位等。可以利用现有的方法以定性为主地定性筛选出上述对含气饱和度敏感的弹性参数。该弹性参数可以包含基本参数和组合参数，基本参数可以包括纵波速度、横波速度、密度等，组合参数可以包括纵横速度比、泊松比等。通过地震道集分析筛选对含气饱和度敏感的地震属性，继承了常规avo振幅属性分析不依赖井资料的优点。通过岩石物理分析筛选对含气饱和度敏感的弹性参数，继承了常规的基于弹性理论构建流体因子因井参与建模分辨率较高方法的优点。

在步骤s120中，通过构建含气饱和度模型、弹性参数及地震属性之间的关系，能够将弹性参数和地震属性结合起来一同用于预测含气饱和度。在含气饱和度模型、弹性参数及地震属性之间构建的关系，例如，可以包括含气饱和度模型与弹性参数之间的关系、弹性参数的郑雁结果和地震属性之间的关系。

本实施例中，基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，同时利用地震属性和弹性参数进行含气饱和度预测，能够克服单独利用地震属性或单独利用弹性参数进行含气饱和度预测的缺点，降低含气饱和度预测时的多解性和不确定性，提高含气饱和度预测的准确度。

一些实施例中，上述步骤s110中，通过地震道集分析，筛选得到至少一个对含气饱和度敏感的地震属性，可包括：将基于叠前avo道集振幅的pg属性进行地震属性扩展，利用扩展后的地震属性对已知井的含气饱和度进行预测，对含气饱和度预测结果进行评估，并根据评估结果筛选得到至少一个对含气饱和度敏感的地震属性。

扩展后的地震属性例如可以包括振幅与pg属性的关系、相位与pg属性的关系、频率与pg属性的关系等。因此，本实施例的筛选地震属性的方法不仅考虑了振幅随偏移距的变化，还可以同时考虑其他诸多属性随偏移距的变化，例如频率、相位等随偏移距的变化，以此能够提高筛选出的地震属性的有效性。而且，不仅保留了常规avo振幅属性分析不依赖井资料的优点，同时又可以扩展到频率、相位类等其它属性，从而能够提高含气饱和度预测的可信度和精度。

进行评估的方法可以是通过属性计算得到含气饱和度预测结果，并计算含气饱和度预测结果和实际含气饱和度的相关系数，根据相关系数的大小确定选择那些地震属性，相关系数越大说明地震属性对含气饱和度越敏感。例如，当相关系数大于或等于0.5时，保留相应的地震属性，作为上述对含气饱和度敏感的地震属性。以此，能够筛选出有效的地震属性和弹性参数。

图2是本发明另一实施例的含气饱和度预测方法的方法流程示意图。如图2所示，图1所示的含气饱和度预测方法，还可包括：

步骤s130：根据利用每个所述对含气饱和度敏感的地震属性进行含气饱和度预测的精度确定每个所述对含气饱和度敏感的地震属性的地震属性权重系数；根据利用每个所述对含气饱和度敏感的弹性参数进行地震反演的准确度确定每个所述对含气饱和度敏感的弹性参数的弹性参数权重系数。

其中，上述步骤s120，基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性和所述至少一个对含气饱和度敏感的弹性参数对待预测储层进行含气饱和度预测，可包括：

步骤s121：基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性、所述至少一个对含气饱和度敏感的弹性参数、所述地震属性权重系数、及所述弹性参数权重系数对待预测储层进行含气饱和度预测。

在上述步骤s130中，含气饱和度预测精度越高，地震属性权重系数越大。利用地震属性的含气饱和度预测精度确定地震属性权重系数，能够在对待预测储层进行含气饱和度预测时，考虑到不同地震属性对含气饱和度敏感度的差异。地震反演准确度越高，弹性参数权重系数越大。利用对含气饱和度敏感的弹性参数的地震反演准确度确定弹性参数权重系数，在对待预测储层进行含气饱和度预测时，不仅能够考虑弹性参数对含气饱和度敏感的差异，而且能够考虑地震反演和地震资料品质对弹性参数预测的影响，进而考虑对地震反演和地震资料品质对含气饱和度预测的影响。

本实施例中，在利用至少一种属性或至少一种弹性参数预测流体的同时，通过对含气饱和度预测精度不同的不同地震属性用不同的地震属性权重系数来区分，对含气饱和度预测准确度不同的不同弹性参数用不同的弹性参数权重系数来区分，预测精度越高或准确度越高，权重系数越大，以此能够提高利用筛选出的弹性参数和地震属性进行含气饱和度预测的准确度。

图3是本发明一实施例中对待预测储层进行含气饱和度预测的方法流程示意图。如图3所示，上述步骤s121，基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性、所述至少一个对含气饱和度敏感的弹性参数、所述地震属性权重系数、及所述弹性参数权重系数对待预测储层进行含气饱和度预测，可包括：

步骤s1211：利用待预测储层的测井数据和地震数据进行地震反演，得到地震储层预测结果；

步骤s1212：基于所述地震储层预测结果建立含气饱和度初始模型；

步骤s1213：基于所述含气饱和度初始模型进行岩石物理分析，得到所述含气饱和度初始模型对应的弹性参数模型；

步骤s1214：利用所述含气饱和度初始模型对应的弹性参数模型进行地震正演，得到所述含气饱和度初始模型对应的地震数据；

步骤s1215：对所述含气饱和度初始模型对应的地震数据进行属性分析，得到所述含气饱和度初始模型对应的地震属性数据；

步骤s1216：根据所述含气饱和度初始模型对应的地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、实际地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、及各所述对含气饱和度敏感的地震属性的地震属性权重系数，计算得到所述含气饱和度初始模型对应的地震属性误差；所述实际地震属性数据是通过对所述待预测储层的地震数据进行属性分析得到；根据所述含气饱和度初始模型对应的弹性参数模型中关于所述至少一个对含气饱和度敏感的弹性参数的数据、实际弹性参数数据中关于所述至少一个对含气饱和度敏感的弹性参数的数据、及各所述对含气饱和度敏感的弹性参数的弹性参数权重系数，计算得到所述含气饱和度初始模型对应的弹性参数误差；所述实际弹性参数数据是通过对所述待预测储层的地震数据进行反演得到；

步骤s1217：在所述含气饱和度初始模型对应的地震属性误差和所述含气饱和度初始模型对应的弹性参数误差满足设定条件的情况下，将所述含气饱和度初始模型作为所述待预测储层的含气饱和度预测结果进行输出。

在上述步骤s1211中，待预测储层的测井数据可包括测井的得到的纵波速度、横波速度、密度等。待预测储层的地震数据可包括叠前道集数据等。经过地震反演可以得到待预测储层中各位置的地震预测结果。在上述步骤s1212中，基于所述地震储层预测结果建立的含气饱和度初始模型可以包括待预测储层中各位置的含气饱和度数据，所以该含气饱和度初始模型为定量化的结果。在上述步骤s1213中，通过岩石物理分析可以得到含气饱和度和弹性参数之间的关系，进而可以得到弹性参数模型。不同的含气饱和度初始模型对应的弹性参数模型不同。基于定量化的含气饱和度初始模型可以得到的定量化的弹性参数模型。在上述步骤s1214中，该地震正演例如可以是叠前道集正演、叠后道集正演等。不同含气饱和度初始模型对应的地震正演结果不同。基于定量化的弹性参数模型可以得到定量化的地震正演结果。在上述步骤s1215中，不同含气饱和度初始模型对应的地震属性数据不同。基于定量化的地震正演结果(地震数据)可以得到定量化的地震属性数据。

在上述步骤s1214中，可以从所述含气饱和度初始模型对应的地震属性数据中筛选出所述至少一个对含气饱和度敏感的地震属性的数据，利用各所述对含气饱和度敏感的地震属性的地震属性权重系数可以将各所述对含气饱和度敏感的地震属性的数据进行加权求和，从而得到加权后的地震属性预测结果。从实际地震属性数据中筛选出所述至少一个对含气饱和度敏感的地震属性的数据，利用各所述对含气饱和度敏感的地震属性的地震属性权重系数可以将各所述对含气饱和度敏感的地震属性的数据进行加权求和，从而得到加权后的实际地震属性的结果。进一步，将加权后的地震属性预测结果和加权后的实际地震属性的结果作差，可以得到所述含气饱和度初始模型对应的地震属性误差。以此，不仅能够同时利用多种地震属性进行含气饱和度预测，而且由于地震属性权重系数是根据不同地震属性的含气饱和度预测精度确定，所以还能够考虑不同地震属性对含气饱和度敏感度的差异。

另外，从所述含气饱和度初始模型对应的弹性参数模型中可以筛选出所述至少一个对含气饱和度敏感的弹性参数的数据，利用各所述对含气饱和度敏感的弹性参数的弹性参数权重系数可以将各所述对含气饱和度敏感的弹性参数加权求和，得到加权后的弹性参数预测结果。从实际弹性参数数据中可以筛选出所述至少一个对含气饱和度敏感的弹性参数的数据，利用各所述对含气饱和度敏感的弹性参数的弹性参数权重系数可以将各所述对含气饱和度敏感的弹性参数加权求和，得到加权后的实际弹性参数结果。通过将加权后的弹性参数预测结果和加权后的实际弹性参数结果作差，可以得到所述含气饱和度初始模型对应的弹性参数误差。以此，不仅能够同时利用多种弹性参数进行含气饱和度预测，而且由于弹性参数权重系数是根据不同弹性参数的地震反演准确度确定，所以还能够考虑弹性参数在地震反演预测精度的差异，从而能够避免现有单独利用弹性参数进行含气饱和度预测的方法因只考虑弹性参数在测井方面流体识别高精度，而没有考虑到弹性参数在实际地震预测中可能存在效果差的问题。

在其他实施例中，可以将所述含气饱和度初始模型对应的地震属性数据中和实际地震属性数据中的相关数据先作差再加权求和。可以将所述含气饱和度初始模型对应的弹性参数模型中和实际弹性参数数据中的相关数据先作差再加权求和。

在上述步骤s1217中，可以判断地震属性误差和弹性参数误差是否满足设定条件，例如，地震属性误差是否小于地震属性设定误差值，弹性参数误差是否小于弹性参数设定误差，从而判断是否将所述含气饱和度初始模型作为所述待预测储层的含气饱和度预测结果。

本实施例中，在含气饱和度预测过程中，通过直接建立含气饱和度模型，再进一步根据基于该含气饱和度模型得到的地震属性误差和弹性参数误差确定是否将该含气饱和度模型作为含气饱和度的预测结果，能够避免现有单独利用弹性参数进行含气饱和度预测的方法先通过计算弹性参数再计算含气饱和度的缺点。而且，建立的含气饱和度模型为定量化数据，所以通过上述含气饱和度预测过程能够实现对含气饱和度的定量化预测。因此，本实施例的含气饱和度预测过程可以取得更高的预测精度。

再参见图3，上述步骤s121，基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性、所述至少一个对含气饱和度敏感的弹性参数、所述地震属性权重系数、及所述弹性参数权重系数对待预测储层进行含气饱和度预测，还可包括：

在所述含气饱和度初始模型对应的地震属性误差和所述含气饱和度初始模型对应的弹性参数误差不满足所述设定条件的情况下，对所述含气饱和度初始模型进行修改，得到修改后的含气饱和度模型；

基于所述修改后的含气饱和度模型进行岩石物理分析，得到所述修改后的含气饱和度模型对应的弹性参数模型；

利用所述修改后的含气饱和度模型对应的弹性参数模型进行地震正演，得到所述修改后的含气饱和度模型对应的地震数据；

对所述修改后的含气饱和度模型对应的地震数据进行属性分析，得到所述修改后的含气饱和度模型对应的地震属性数据；

根据所述修改后的含气饱和度模型对应的地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、所述实际地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、及各所述对含气饱和度敏感的地震属性的地震属性权重系数，计算得到所述修改后的含气饱和度模型对应的地震属性误差；根据所述修改后的含气饱和度模型对应的弹性参数模型中关于所述至少一个对含气饱和度敏感的弹性参数的数据、所述实际弹性参数数据中关于所述至少一个对含气饱和度敏感的弹性参数的数据、及各所述对含气饱和度敏感的弹性参数的弹性参数权重系数，计算得到所述修改后的含气饱和度模型对应的弹性参数误差；

在所述修改后的含气饱和度模型对应的地震属性误差和所述修改后的含气饱和度模型对应的弹性参数误差满足所述设定条件的情况下，将所述修改后的含气饱和度模型作为所述待预测储层的含气饱和度预测结果进行输出。

本实施例中，在所述含气饱和度初始模型对应的地震属性误差和所述含气饱和度初始模型对应的弹性参数误差不满足所述设定条件的情况下，可以对所述含气饱和度初始模型进行修改，得到修改后的含气饱和度模型，并利用修改后的含气饱和度模型代替所述含气饱和度初始模型，重复上述步骤s1212～步骤s1216，依次迭代进行，直到述修改后的含气饱和度模型对应的地震属性误差和所述修改后的含气饱和度模型对应的弹性参数误差满足所述设定条件，将此时的修改后的含气饱和度模型作为含气饱和度预测结果。通过直接建立含气饱和度模型，并通过修改含气饱和度模型修改弹性参数和叠前正演道集，可以使多维加权流体因子误差最小，以此能够避免现有利用弹性参数进行含气饱和度预测的方法先通过计算弹性参数再计算含气饱和度而导致累积误差和迭代收敛条件仅考虑地震振幅因素等缺点。

图4是本发明一实施例中确定地震属性权重系数的方法流程示意图。如图4所示，在上述步骤s130中，根据利用每个所述对含气饱和度敏感的地震属性进行含气饱和度预测的精度确定每个所述对含气饱和度敏感的地震属性的地震属性权重系数，可包括：

步骤1311：利用每个所述对含气饱和度敏感的地震属性进行含气饱和度预测，得到每个所述对含气饱和度敏感的地震属性对应的含气饱和度预测结果；

步骤1312：通过将每个所述对含气饱和度敏感的地震属性对应的含气饱和度预测结果与实际井的含气饱和度比较，得到每个所述对含气饱和度敏感的地震属性对应的含气饱和度预测相关系数；

步骤1313：根据各所述对含气饱和度敏感的地震属性对应的含气饱和度预测相关系数确定各所述对含气饱和度敏感的地震属性的地震属性权重系数。

在上述步骤s1311中，基于每个所述对含气饱和度敏感的地震属性，进行属性计算可以得到该对含气饱和度敏感的地震属性对应的含气饱和度预测结果。在上述步骤s1311中，该实际含气饱和度可以通过测井、勘探等方式预先得到的数据。含气饱和度预测相关系数越大，说明该对含气饱和度敏感的地震属性对含气饱和度的敏感程度越高，从而可以设置越大的地震属性权重系数。反之，相关系数越小，说明该对含气饱和度敏感的地震属性对含气饱和度的敏感程度越低，从而可以设置越小的地震属性权重系数。

图5是本发明一实施例中确定弹性参数权重系数的方法流程示意图。如图5所示，在上述步骤s130中，根据利用每个所述对含气饱和度敏感的弹性参数进行地震反演的准确度确定每个所述对含气饱和度敏感的弹性参数的弹性参数权重系数，可包括：

步骤1321：利用每个所述对含气饱和度敏感的弹性参数对盲井所在储层区域进行地震反演；

步骤1322：通过将每个所述对含气饱和度敏感的弹性参数对应的地震反演结果和所述盲井的实际弹性参数比较，得到每个所述对含气饱和度敏感的弹性参数对应的地震反演预测相关系数；

步骤1323：根据各所述对含气饱和度敏感的弹性参数对应的地震反演预测相关系数确定各所述对含气饱和度敏感的弹性参数的弹性参数权重系数。

在上述步骤1321中，该盲井可以是指实际地震反演数据已知但未用于进行上述地震反演的井。在上述步骤1322中，所述盲井实际是已知井，根据该盲井的测井资料可以计算得到的该盲井的实际弹性参数比较。地震反演预测相关系数越大，说明每个所述对含气饱和度敏感的弹性参数的地震反演结果所基于的已知井的地震资料品质越高，或者说明利用每个所述对含气饱和度敏感的弹性参数进行的反演参数越合理。在上述步骤1323中，震反演预测相关系数越大，设置的弹性参数权重系数可越大。反之，震反演预测相关系数越小，设置的弹性参数权重系数可越小。因此，本实施例中，利用盲井检验评估弹性参数地震预测可行性和反演参数的合理性，能够充分地考虑地震资料品质和反演算法对弹性参数预测的影响，从而能够考虑地震资料品质和反演算法对含气饱和度预测的影响。

一个具体实施例中，多维流体因子加权含气饱和度定量化预测方法，其核心包括三个方面：一是，通过叠前地震道集分析优选有效的定性预测流体的属性，该方面的内容主要是首先把基于叠前avo道集振幅pg属性进行了扩展，以此，不仅考虑了振幅随偏移距的变化，而且同时考虑了频率、相位等诸多属性随偏移距的变化，然后通过对已知井流体预测结果进行评估，根据预评估结果(测精度)得到有效的属性集和相应的地震属性加权系数；二是利用岩石物理分析方法，分析基本弹性参数及其组合参数对流体预测的敏感度(例如，基于测多个井资料，通过纵横波速度、密度交汇图分析，或气层和围岩的弹性参数对比得到)，并根据敏感度大小优选出有效的弹性参数组合，然后利用盲井检验方法对优选的弹性参数开展地震反演，对反演结果进行可行性和可靠性评估，并根据评估结果(预测精度)给出合理的弹性参数权重系数；三是以前面两步优选出的属性类与其对应的权系数组合和弹性参数类与其对应的权系数组合为基础，建立多维加权流体因子集合，然后直接建立含气饱和度模型，利用岩石物理建模得到对应的弹性参数模型，通过叠前正演方法得到叠前道集，计算当前含气饱和度模型对应的多维加权流体因子，利用迭代寻优算法修改含气饱和度模型，直到通过地震反演后得到的多维加权流体因子和实际多维加权流体因子误差最小为止，此时得到的含气饱和度模型为最终反演结果。

图6是本发明一实施例的含气饱和度敏感参数优选的流程示意图。如图6所示，以地震、测井资料为基础，先通过测井资料分析，建立储层预测模型，然后基于岩石物理理论，开展变含气饱和度模型及弹性参数预测，优选含气饱和度敏感弹性参数，之后通过叠前道集正演计算叠前属性，优选含气饱和度敏感地震属性。图7是本发明一实施例的含气饱和度预测的流程示意图。如图7所示，在地震储层预测的基础上，建立含气饱和度初始模型，引入优选的弹性参数及敏感avo类属性为约束条件，通过迭代寻优算法计算反演的弹性参数及对应的叠前正演属性经加权后与实际地震属性和弹性参数误差最小，最终的模型数据便是反演结果。

本实施例的流体定量化预测方法——利用多维流体因子(地震属性和弹性参数)加权进行含气饱和度定量化预测。该方法在继承了常规流体预测方法优点的基础上，同时考虑到实际应用中测井资料可能存在测量误差、地震资料品质不够理想和现有反演算法假设条件与实际介质不符等诸多因素的影响，分析不同地震属性和弹性参数对流体识别敏感度及地震反演预测精度，按照相关系数大小原则优选多种流体敏感因子及对应的加权系数，通过建立含气饱和度模型和弹性参数及相应的叠前地震属性的关系，利用迭代寻优算法修改含气饱和度参数，直到反演加权后的弹性参数和实际优选的地震属性综合误差最小为止，从而能够达到高分辨率和高精度地定量化预测含气饱和度的效果。

该实施例的方法继承了常规avo振幅属性分析不依赖井资料的优点，同时又扩展到频率、相位类等其它属性，提高了流体预测的可信度和精度。另一方面，该方法还继承了常规的基于弹性理论构建流体因子因井参与建模分辨率较高方法的优点，同时又引入了利用盲井检验评估弹性参数地震预测可行性和反演参数的合理性，充分地考虑了地震资料的品质和反演算法对弹性参数预测的影响。该方法克服了传统方法利用单一属性或单一弹性参数预测流体缺点。在提出利用多种属性或多种弹性参数预测流体的同时，考虑到弹性参数在测井方面流体识别的敏感度和地震反演预测的精度存在差异，创新地提出了加权系数概念，精度越高加权系数越大，从而避免了传统方法因只考虑弹性参数在测井方面流体识别高精度，而在实际地震预测中可能存在效果差的问题。该方法另外一个创新点是直接建立含气饱和度模型，通过修改含气饱和度模型修改弹性参数和叠前正演道集，迭代收敛的条件是多维加权流体因子误差最小。避免了传统方法先通过计算弹性参数再计算含气饱和度而导致累积误差和迭代收敛条件仅考虑地震振幅因素等缺点。因此，本实施例的利用多维流体因子加权进行含气饱和度定量化预测的方法能够较大提高反演的分辨率和预测精度。

下面将以一具体应用实例说明本发明的效果如下：

利用本发明实施例的方法对国内某油田某区块第四纪碎屑岩薄互层开展含气饱和度预测试验。该区块目的层埋深较浅，为200～1000m，沉积环境为滨浅湖相沉积，发育滨浅湖滩坝砂体和滨浅湖泥的储盖组合，气藏类型以构造控藏为主。储层岩性粉砂岩为主，纵向上砂泥岩薄互层非常发育，但储层单层薄以0.5～2m为主，横向储层变化快，平均孔隙度为30％左右。储层含气后纵波速度快速降低，但随着含气饱和度进一步增大，纵波速度变化不明显。

本次研究选择一口井为已知井，其它15口井为盲井，用于验证预测精度。为了验证本发明的可行性和有效性，本次研究分别比较了现有方法的含气性预测效果(如图8和图10所示)和本发明的含气饱和度定量化预测效果(如图9和图11所示)。

图8和图9分别是过盲井a基于现有方法得到的含气性预测剖面图和基于本发明实施例方法得到的含气饱和度预测剖面图。a井位于构造高部位，该井经测试获得工业气流。在纵波速度上含气后该井速度明显降低，如图8所示，在利用现有方法得到的含气性预测剖面上，可以看到：该井预测为气井，但气层位置和厚度与实际测井解释差别较大，剖面右侧偏离构造高部位也预测为气层发育部位，而且气层的丰度、厚度高于构造高部位，总体上剖面气层连片且连续较好，很显然该现有方法的气层预测结果和现有的地质认识存在不一致现象。如图9所示，在利用本发明的基于多维流体因子加权方法得到的含气饱和度预测剖面上，可以明显看到气层预测位置和厚度与实际测井解释吻合较好(如图9圈出位置所示)，气藏丰度和厚度由构造高部位往低部位变化具有明显变差、变薄趋势，总体上剖面气层纵向和横向变化快，气层预测结果和现有气藏认识基本一致。

图10和图11分别为过盲井b基于现有方法得到的含气性预测剖面图和基于本发明实施例方法得到的含气饱和度预测剖面。b井位于构造有利部位，该井经测试为微量，未获得工业气流。该井低含气饱和度纵波速度也明显降低，如图10所示，在利用现有方法得到的含气性预测剖面上，可以看到，该井预测为气井(如图10圈出位置所示)，显然和实际测试不符。如图11所示，在利用本发明的基于多维流体因子加权含气饱和度预测剖面上，可以看到该井预测为非工业气井(如图11圈出位置所示)，预测结果和实际测试结论完全吻合。

通过全区15口盲井检验，统计利用本发明实施例方法预测的气层吻合率高达92％以上。因此，本发明实施例的基于多维流体因子加权的含气饱和度定量化预测新方法可以有效降低气层预测多解性，提高含气饱和度定量化预测分辨率和预测精度。

基于与图1所示的含气饱和度预测方法相同的发明构思，本申请实施例还提供了一种含气饱和度预测装置，如下面实施例所述。由于该含气饱和度预测装置解决问题的原理与含气饱和度预测方法相似，因此该含气饱和度预测装置的实施可以参见含气饱和度预测方法的实施，重复之处不再赘述。

图12是本发明一实施例的含气饱和度预测装置的结构示意图。如图12所示，本实施例的含气饱和度预测装置，可包括：地震属性及弹性参数筛选单元210和含气饱和度预测单元220，二者相互连接。

地震属性及弹性参数筛选单元210，用于：通过地震道集分析，筛选得到至少一个对含气饱和度敏感的地震属性；通过岩石物理分析，筛选得到至少一个对含气饱和度敏感的弹性参数；

含气饱和度预测单元220，用于：基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性和所述至少一个对含气饱和度敏感的弹性参数对待预测储层进行含气饱和度预测。

图13是本发明另一实施例的含气饱和度预测装置的结构示意图。如图13所示，所述含气饱和度预测装置，还可包括：

权重系数确定单元230，用于：根据利用每个所述对含气饱和度敏感的地震属性进行含气饱和度预测的精度确定每个所述对含气饱和度敏感的地震属性的地震属性权重系数；根据利用每个所述对含气饱和度敏感的弹性参数进行地震反演的准确度确定每个所述对含气饱和度敏感的弹性参数的弹性参数权重系数；

所述含气饱和度预测单元220，可包括：

含气饱和度预测模块221，用于：基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，利用所述至少一个对含气饱和度敏感的地震属性、所述至少一个对含气饱和度敏感的弹性参数、所述地震属性权重系数、及所述弹性参数权重系数对待预测储层进行含气饱和度预测。

图14是本发明一实施例中含气饱和度预测模块的结构示意图。如图14所示，所述含气饱和度预测模块221，可包括：地震储层预测模块2211、含气饱和度初始模型建立模块2212、弹性参数模型生成模块2213、地震数据生成模块2214、地震属性数据生成模块2215、地震属性误差及弹性参数误差生成模块2216及含气饱和度预测结果确定模块2217，上述各模块顺序连接。

地震储层预测模块2211，用于：利用待预测储层的测井数据和地震数据进行地震反演，得到地震储层预测结果；

含气饱和度初始模型建立模块2212，用于：基于所述地震储层预测结果建立含气饱和度初始模型；

弹性参数模型生成模块2213，用于：基于所述含气饱和度初始模型进行岩石物理分析，得到所述含气饱和度初始模型对应的弹性参数模型；

地震数据生成模块2214，用于：利用所述含气饱和度初始模型对应的弹性参数模型进行地震正演，得到所述含气饱和度初始模型对应的地震数据；

地震属性数据生成模块2215，用于：对所述含气饱和度初始模型对应的地震数据进行属性分析，得到所述含气饱和度初始模型对应的地震属性数据；

地震属性误差及弹性参数误差生成模块2216，用于：根据所述含气饱和度初始模型对应的地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、实际地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、及各所述对含气饱和度敏感的地震属性的地震属性权重系数，计算得到所述含气饱和度初始模型对应的地震属性误差；所述实际地震属性数据是通过对所述待预测储层的地震数据进行属性分析得到；根据所述含气饱和度初始模型对应的弹性参数模型中关于所述至少一个对含气饱和度敏感的弹性参数的数据、实际弹性参数数据中关于所述至少一个对含气饱和度敏感的弹性参数的数据、及各所述对含气饱和度敏感的弹性参数的弹性参数权重系数，计算得到所述含气饱和度初始模型对应的弹性参数误差；所述实际弹性参数数据是通过对所述待预测储层的地震数据进行反演得到；

含气饱和度预测结果确定模块2217，用于：在所述含气饱和度初始模型对应的地震属性误差和所述含气饱和度初始模型对应的弹性参数误差满足设定条件的情况下，将所述含气饱和度初始模型作为所述待预测储层的含气饱和度预测结果进行输出。

一些实施例中，图14所示的所述含气饱和度预测模块221，还可包括：

含气饱和度模型修改模块，用于：在所述含气饱和度初始模型对应的地震属性误差和所述含气饱和度初始模型对应的弹性参数误差不满足所述设定条件的情况下，对所述含气饱和度初始模型进行修改，得到修改后的含气饱和度模型；

弹性参数模型更新模块，用于：基于所述修改后的含气饱和度模型进行岩石物理分析，得到所述修改后的含气饱和度模型对应的弹性参数模型；

地震数据更新模块，用于：利用所述修改后的含气饱和度模型对应的弹性参数模型进行地震正演，得到所述修改后的含气饱和度模型对应的地震数据；

地震属性数据更新模块，用于：对所述修改后的含气饱和度模型对应的地震数据进行属性分析，得到所述修改后的含气饱和度模型对应的地震属性数据；

地震属性误差及弹性参数误差更新模块，用于：根据所述修改后的含气饱和度模型对应的地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、所述实际地震属性数据中关于所述至少一个对含气饱和度敏感的地震属性的数据、及各所述对含气饱和度敏感的地震属性的地震属性权重系数，计算得到所述修改后的含气饱和度模型对应的地震属性误差；根据所述修改后的含气饱和度模型对应的弹性参数模型中关于所述至少一个对含气饱和度敏感的弹性参数的数据、所述实际弹性参数数据中关于所述至少一个对含气饱和度敏感的弹性参数的数据、及各所述对含气饱和度敏感的弹性参数的弹性参数权重系数，计算得到所述修改后的含气饱和度模型对应的弹性参数误差；

含气饱和度预测结果重确定模块，用于：在所述修改后的含气饱和度模型对应的地震属性误差和所述修改后的含气饱和度模型对应的弹性参数误差满足所述设定条件的情况下，将所述修改后的含气饱和度模型作为所述待预测储层的含气饱和度预测结果进行输出。

图15是本发明一实施例中权重系数确定单元的结构示意图。如图15所示，所述权重系数确定单元230，可包括：预测的含气饱和度生成模块2311、含气饱和度预测相关系数生成模块2312及地震属性权重系数确定模块2313，上述各模块顺序连接。

预测的含气饱和度生成模块2311，用于：利用每个所述对含气饱和度敏感的地震属性进行含气饱和度预测，得到每个所述对含气饱和度敏感的地震属性对应的含气饱和度预测结果；

含气饱和度预测相关系数生成模块2312，用于：通过将每个所述对含气饱和度敏感的地震属性对应的含气饱和度预测结果与实际井的含气饱和度比较，得到每个所述对含气饱和度敏感的地震属性对应的含气饱和度预测相关系数；

地震属性权重系数确定模块2313，用于：根据各所述对含气饱和度敏感的地震属性对应的含气饱和度预测相关系数确定各所述对含气饱和度敏感的地震属性的地震属性权重系数。

图16是本发明一实施例中权重系数确定单元的结构示意图。如图16所示，所述权重系数确定单元230，可包括：地震反演模块2321、地震反演预测相关系数生成模块2322及弹性参数权重系数确定模块2323，上述各模块顺序连接。

地震反演模块2321，用于：利用每个所述对含气饱和度敏感的弹性参数对盲井所在储层区域进行地震反演；

地震反演预测相关系数生成模块2322，用于：根据每个所述对含气饱和度敏感的弹性参数对应的地震反演结果和所述盲井的实际弹性参数比较，得到每个所述对含气饱和度敏感的弹性参数对应的地震反演预测相关系数；

弹性参数权重系数确定模块2323，用于：根据各所述对含气饱和度敏感的弹性参数对应的地震反演预测相关系数确定各所述对含气饱和度敏感的弹性参数的弹性参数权重系数。

一些实施例中，所述地震属性及弹性参数筛选单元210，可包括：地震属性筛选模块，用于：将基于叠前avo道集振幅的pg属性进行地震属性扩展，利用扩展后的地震属性对已知井的含气饱和度进行预测，对含气饱和度预测结果进行评估，并根据评估结果筛选得到至少一个对含气饱和度敏感的地震属性。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各实施例所述方法的步骤。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各实施例所述方法的步骤。

综上所述，本发明实施例的含气饱和度预测方法、含气饱和度预测装置、计算机可读存储介质及计算机设备，基于在含气饱和度模型、弹性参数及地震属性之间构建的关系，同时利用地震属性和弹性参数进行含气饱和度预测，能够克服单独利用地震属性或单独利用弹性参数进行含气饱和度预测的缺点，降低含气饱和度预测时的多解性和不确定性，提高含气饱和度预测的准确度。进一步，能够同时利用多种地震属性进行含气饱和度预测，而且利用地震属性权重系数能够考虑不同地震属性对含气饱和度敏感度的差异。能够同时利用多种弹性参数进行含气饱和度预测，而且利用弹性参数权重系数能够考虑弹性参数在地震反演预测精度的差异，从而能够避免现有单独利用弹性参数进行含气饱和度预测的方法因只考虑弹性参数在测井方面流体识别高精度，而没有考虑到弹性参数在实际地震预测中可能存在效果差的问题。进一步，在含气饱和度预测过程中，通过直接建立含气饱和度模型，再进一步根据基于该含气饱和度模型得到的地震属性误差和弹性参数误差确定是否将该含气饱和度模型作为含气饱和度的预测结果，能够避免现有单独利用弹性参数进行含气饱和度预测的方法先通过计算弹性参数再计算含气饱和度的缺点。而且，建立的含气饱和度模型为定量化数据，所以通过上述含气饱和度预测过程能够实现对含气饱和度的定量化预测。

在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施，其中的步骤顺序不作限定，可根据需要作适当调整。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。