自适应时窗多道相关的叠后地震波阻抗反演方法

目前提高反演横向连续性的主要手段仍是基于模型参数先验信息假设的正则化方法,当先验信息与实际情况矛盾时,正则化方法会出现问题。为此,基于多道反演理论和方法,提出一种自适应时窗多道相关的叠后地震波阻抗反演方法。首先,利用主动学习的思想,通过查询原始地震数据筛选地震数据关键特征的位置;其次,根据上述位置将地震数据划分为不同尺度的时窗,有助于断层信息保护以及异常体边界识别;再次,根据点乘计算自适应时窗内地震道之间的相关性;最后,通过“加权求和”地震道得到重构地震道——反演目标泛函的约束条件。所提方法借助主动学习以及地震数据局部相关的思想,较好地反映了自适应时窗内的多道间的相关性,并且可并行化处理。模型测试和实际数据测试表明,所提方法反演结果的横向连续性较好,且可以兼顾特殊构造信息,但计算效率较低,在浅、深层速度差异较大的区域存在一定局限性,适用于具有特殊构造的狭小地区。

基于地震波阻抗反演的小层砂体预测技术——在大庆油田州57水平井区块的应用

在油气勘探与开发的整个历程中,无论是勘探阶段还是进入开发后的任何时期,尤其在对水平井区目的层的砂体预测时,始终离不开对储层沉积特征的分析,州57井研究区主力油层为葡萄花油层,其沉积时期处在松辽盆地北部大型三角洲沉积体系中的前缘相带到湖相的过度带之上,沉积地层较薄,沉积单砂体一般不超过2 m。因为砂体的三维展布特征受控于地质历史时期沉积体系的时空变迁及演化,每一次的湖进湖退严格控制砂体的分布与走向,因此,在精细刻画小层砂体过程中,首先要精细的地质研究,然后利用储层地震波阻抗反演对油田小层砂体进行预测,为后期调整注采关系、提高采收率提供重要参考依据。

几种地震波阻抗反演方法的比较分析与综合应用

地震波阻抗反演是确保地震数据、测井资料和地质信息正确综合的重要技术。对当前石油工业界常用的地震波阻抗反演方法的原理、技术关键、优缺点及应用条件做了较为详细的分析和评述,并展示了几种反演方法综合应用的实例。实例表明,遵照拟定的技术流程,能够在实际生产中较好地使用各种反演方法,并得到较为可靠的一体化综合储层预测结果,可以降低油气勘探开发的风险。

基于地震波阻抗的预探井随钻井壁稳定预测

常规井壁稳定预测方法应用于预探井时,由于资料缺乏及使用条件限制、计算参数误差、运算过程复杂等因素会严重影响其预测效果,针对这些问题提出了一种适用于预探井的随钻井壁稳定预测方法。通过考察波阻抗与孔隙压力、构造地应力、岩石强度之间的定量关系,建立包含波阻抗与井壁稳定力学参数的非线性模型,在此基础上利用神经网络算法识别波阻抗与地层三压力(孔隙压力、坍塌压力与破裂压力)之间的映射关系。通过神经网络分层建模及录井资料实时分析,实际钻进中利用地震反演波阻抗数据随钻预测钻头前方的井壁稳定性,及时优化钻井液密度以控制井壁稳定性。现场预探井的应用结果表明,新方法较之常规技术有效提高了适应性与运算速度,操作流程更为便捷,预测精度能满足工程需求。

地震波阻抗反演方法之改进与三阶段、九步骤反演方法的初步实践

地震波阻抗反演在储层预测中发挥了重要作用,它是确保地震数据、测井曲线、速度和地质信息正确综合的首要技术。地震反演的方法很多,对当前石油工业界常用的5种地震波阻抗反演方法的技术关键、适用性进行了分析和对比。由于受地震资料、地质条件和勘探开发程度的制约,现有波阻抗反演方法各具适应性,并不能很好地解决油田储层地震预测问题。为此,提出了一种新的工作思路——三阶段、九步骤反演方法。应用该方法在松辽盆地GLB地区PTH油层的勘探部署和储量评价中取得较好效果,可预测1-2 m薄储层,对于国内类似地质条件的薄储层预测具有一定的借鉴意义。

频率域高分辨率地震波阻抗直接反演方法研究

联合基于压缩感知的稀疏脉冲反射系数谱反演方法(CSSRI法)和常规频率域波阻抗直接反演方法(FIDI法)提出了一种频率域高分辨率地震波阻抗直接反演方法(FIHDI法)。该方法不仅继承了CSSRI法拓宽地震频带宽度的高分辨率性能,同时也保留了常规频率域波阻抗直接反演法的可靠性、稳定性和计算简洁性。理论模型试验结果表明,频率域高分辨率地震波阻抗直接反演法能够精细刻画具有薄层结构的复杂礁滩模型的地层叠置关系、确定岩性尖灭位置以及区分相邻两独立礁体的波阻抗响应。川东北地区实际资料应用效果证实,FIHDI法可以避免受到地震数据失真的低频和高频成分的影响,保持反演结果的稳定性和可靠性,与测井计算的波阻抗模型在整体趋势和细节特征上均保持了较好的一致性,具备刻画薄层波阻抗异常细节特征的能力,能够为地层岩性识别、岩相分析、储层描述提供可靠的高分辨率地震波阻抗数据。

用退火遗传算法进行地震波阻抗反演

退火遗传算法是模拟退火算法(SA)和遗传算法(GA)相结合的优化算法。其主要思想是利用模拟退火算法中的热槽法(概率分布函数)产生GA的群体初值,这样可以避免产生一些无用的群体,其结果既节省计算机空间,又节省计算时间,并且最终容易得到最优解。SA和GA交替运行,对GA的每一演化代,用SA对其进行局部搜索来改进GA的性能。利用退火遗传算法对地震波阻抗进行反演,目标函数可以达到10^(-5)数量级,这就使退火遗传算法的非线性方法能够应用于地震波阻抗反演中。

地震波阻抗反演技术的现状和发展

地球物理反演是利用观测数据恢复地下地质结构和岩石性质的方法。介绍了地震反演技术从直接反演到模型反演 ,从线性反演到非线性反演 ,以及从叠后反演到叠前反演的发展过程。弹性波阻抗反演的出现将成为反演进一步发展的方向之一 ,地震反演正走向声波波阻抗与弹性波阻抗相结合的道路。

地震波阻抗反演的预条件共轭梯度法

研究地震波阻抗线性反演求解方法。基于Cauchy准则,正则化稀疏反演问题,应用预条件共轭梯度法实现反射系数和子波同时迭代反演。在迭代求解正则化方程时,用共轭梯度法求解相应的原问题。给出初始子波估计的策略和波阻抗求解方法。用实际数据检验算法,表明预条件共轭梯度法反演的子波、反射系数和波阻抗要比直接稀疏反演精度高、收敛快、数值稳定。

基于深度学习的三种地震波阻抗反演方法比较

神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度和计算效率;然后通过实际资料应用进一步对比三种方法的效果。模型测试结果表明,基于TCN的波阻抗反演的计算效率和反演精度相对较高,基于TCN、FCN和CRNN的波阻抗反演用时分别为82、68和264s,皮尔逊相关系数分别为99.15%、97.84%和98.14%。实际资料应用表明,基于TCN的波阻抗反演结果与测井资料更加匹配。该结论可为智能地震波阻抗反演方法的优选提供参考。

应用时域卷积神经网络的地震波阻抗反演方法

地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(TCN),以建立地震数据与波阻抗之间的非线性映射关系;然后通过该网络对样本进行训练得到反演映射模型,进一步将地震数据输入该模型得到地震波阻抗。正演数据及实际数据测试结果表明,所提方法实现了地震数据到地震波阻抗间的映射,为地震波阻抗反演提供了具有并行计算能力和自适应结构的智能化方法,并在港2025区块砂泥岩储层预测中得到成功应用。

基于深度全卷积神经网络的地震波阻抗预测方法

波阻抗反演是高分辨率地震资料处理的最终表达形式,线性的地震波阻抗反演方法求解精度依赖于初始地质模型,为高效地求解得到完全非线性的反演结果,地震波阻抗反演迫切需要发展智能化的反演技术。鉴于此,本文在全卷积神经网络(Fully Convolutional Network,FCN)的基础上,提出一种深度全卷积神经网络的地震波阻抗预测方法,以此来实现波阻抗反演。其实现过程是通过深度全卷积神经网络对正演模型和对应的波阻抗标签训练建立非线性的映射关系,得到反演映射模型,进一步通过该反演映射模型预测地震波阻抗。正演数据测试和实际资料应用结果表明,该方法可以实现地震与波阻抗之间的非线性映射,为地震波阻抗反演提供一种智能化的新手段。

地震波阻抗反演在预测薄煤层厚度变化趋势的研究及应用

某矿3号煤层厚度较薄,厚度变化较大并且存在冲刷带,为了经济高效的采掘3号煤层,合理布置工作面,采用地震波阻抗反演预测煤层厚度变化趋势,为工作面的开采提供技术支持。

基于TransUNet神经网络的叠后地震波阻抗反演方法

卷积网络是深度学习地震波阻抗反演方法的主流框架,然而卷积网络存在捕捉数据长期依赖能力的不足,导致针对具有长期任务特性的地震反演结果会受到较大的影响.鉴于Transformer网络能够关注地震数据全局特征的优势,它不仅可以提供地震数据特征的位置信息,还能弥补卷积对地震数据全局信息表征的不足.因此,笔者基于Transformer网络和UNet网络构建了一种既能刻画地震数据的局部细节,又能表征地震数据全局特征的网络结构,也就是在UNet框架内嵌入Transformer而形成的一种网络作为地震波阻抗反演的反演映射网络(TransUNet).TransUNet网络的优势在于它既利用了UNet可提取地震数据特征的功能,又利用Transformer对上述特征位置进行编码的作用,从而使得TransUNet具有捕获地震数据的全局信息能力,为地震数据和波阻抗之间的映射关系提供了一种新的方法和思路,且在模型和实际资料中得到有效验证.

井间地震约束下的高分辨率波阻抗反演方法研究

井间地震资料频带信息丰富、分辨率高,能够衔接地面地震资料与测井资料。在频带较窄的地面地震资料反演中充分利用井间地震资料的宽频带特征,可以克服常规地震资料反演存在的多解性强和分辨率不高的问题。在基于柯西分布建立地震资料稀疏脉冲反演方法的基础上,引入高频信息丰富的井间地震资料作为反演约束条件,建立井间地震约束下的地面地震高分辨率波阻抗反演目标函数,实现对目标函数的有效求解。实际资料处理表明,井间地震约束下的地面地震波阻抗反演结果与测井曲线吻合较好,并且在保持测井约束反演结果整体特征的基础上提高了反演分辨率,更好地刻画了储层细节特征。

基于纵波地震和四分量地震的弹性波阻抗反演

为了更好地揭示崖13-1气田的泥岩夹层及剩余气分布,提高采收率,尝试了基于纵波地震和四分量地震的弹性波阻抗反演。利用常规纵波地震资料对崖13-1气田气层进行了多角度同时反演;利用四分量地震资料进行了纵波和转换横波波阻抗反演。基于常规纵波地震资料的弹性波阻抗反演剖面的分辨率较高,气层纵波波阻抗与盖层的纵波波阻抗差异大于横波,但横波波阻抗分辨率比纵波波阻抗高,对气层细节反映得更清楚。利用弹性波阻抗反演结果可以较好地发现剩余气、泥岩夹层及气水界面。转换横波地震资料的分辨率较低,基于四分量地震资料的弹性波阻抗反演的分辨率也比较低。

基于主动学习的地震波阻抗标注实验分析

现阶段的深度学习地震波阻抗反演大都是通过监督学习的方式来完成的,然而监督学习训练需要大量的标签数据,这在实际问题上是不现实的,并且会花费较大的人力和时间成本.为了在低成本下获取大量的地震波阻抗标签,采用主动学习中的机器学习算法对地震数据进行标注可获取数量大、成本相对较低的地震波阻抗标签.该方法的核心在于如何构建主动查询策略,不同的查询策略标注的结果会有所不同,并且在时间成本上也会有较大的差异.鉴于此,为了进一步探讨在不同查询策略下的地震波阻抗标注精度的关系,围绕不同查询策略下地震数据的标注为总目标,笔者设计了三组实验,采用4种不同的查询策略并利用机器学习算法对Marmousi-2数据集开展地震波阻抗标注的实验分析.经计算效率、召回率、皮尔逊系数、均方误差、决定系数评价指标的量化数据表明:基于最小置信度的查询方法标注效率和精度高,并将该方法推广到实际数据,且经实际工区中的验证井证实了方法的有效性.该研究可为高效获取大数据量的地震波阻抗标签提供新的思路,也为半监督学习的反演方法的应用奠定数据基础.

地震道非线性最优化反演

在非线性最优化理论的基础上提出了地震道反演的非线性最优化方法,推导出地震道非线性最优化反演所需的梯度向量、Hasse矩阵,并对测井约束反演、反演稳定性等问题进行了探讨.理论模型和实际资料的反演结果表明,这一方法是地震道反演的一种有效手段.

带有横向约束的全局优化波阻抗反演方法及应用

地震波阻抗反演是一种基于地震数据得到波阻抗参数的非线性优化问题。不依赖于目标函数梯度信息的全局优化算法是求解地震波阻抗反演问题的有效方法。然而这类方法采用逐道反演的策略,忽略了相邻地震道的空间相关性,导致反演结果的横向连续性差。针对该问题,提出了一种融入旁道最优解的模型空间初始化方法约束波阻抗反演的搜索空间范围,以改善反演结果的横向连续性,进而提出了一种带有横向约束的多组变异差分进化地震波阻抗反演方法。合成地震记录算例表明,该方法相比于传统方法不仅具有更快的收敛速度,而且反演结果具有更好的横向连续性。此外,该方法被应用于胜利油田某区块的储层波阻抗参数反演,反演结果与测井资料有很好的一致性,且有效地刻画了储层砂岩厚度。

时域卷积神经网络地震波阻抗反演因素影响的研究

时域卷积神经网络(Temporal Convolutional Network,简称TCN)被用于地震波阻抗反演,在取得较好反演效果的同时,因其最初的成功实例主要是自然语言处理领域,而在地震反演的应用相对较少,且影响反演结果的因素众多,为了加快该方法在反演中的应用,基于前人研究的基础,注重对地震资料的预处理及网络超参数的选择进行系统分析.因此,笔者在Marmousi-2数据集实现TCN地震波阻抗反演的基础上,进一步研究噪声、归一化、随机采样三种数据预处理方法及TCN反演网络构建时学习率、dropout、批数量、通道数量四种超参数的选取对TCN地震波阻抗反演的影响,为TCN地震波阻抗反演提供预处理与超参数选择依据,并将所选取的预处理操作和超参数组合在TCN地震波阻抗反演中进行应用.该研究可为TCN地震波阻抗反演提供可行的质控手段,同时可为其他深度学习反演的数据预处理和超参数的选取提供参考,对加快基于深度学习的地震波阻抗反演应用进程具有一定的现实意义.