基于匹配追踪谱分解的时频域FAVO流体识别方法

基于Morlet小波的快速动态匹配追踪高分辨率谱分解算法,对比研究了短时傅立叶变换、S变换、连续小波变换及匹配追踪Wigner-Ville分布的时频分辨特征。在此基础上,为充分利用叠前地震资料中蕴含的振幅和频率信息,将快速匹配追踪谱分解方法与体现流体因子的频变AVO(FAVO)反射特征方程相结合,并依靠匹配追踪算法的高时频分辨特性,发展高分辨率时频域FAVO直接反演方法,该方法将常规谱均衡过程构建于目标泛函中,减少了频散属性提取过程的中间环节,避免了在消除"子波叠印"时引入的累计计算误差。模型测试和实际资料处理表明,该频散属性反演方法有助于精细刻画油气藏位置,是一种可靠性较高的储层流体类型检测方法。

基于频变AVO反演的深层储层含气性识别方法

地震波在地下含油气介质储层中传播时会发生地震振幅的衰减与弹性特征频散现象,造成深层含油气储层地震流体识别困难。为此,基于Chapman裂隙—孔隙微结构衰减理论模型,分析多种频变弹性参数的流体敏感程度,优选出Gassmann流体项的频散程度作为深层储层含气性预测的识别因子;联合连续小波变换时频谱分解方法对部分角度叠加地震数据展开频谱分析确定参考频率;在此基础上,研究基于贝叶斯Cauchy约束准则的叠前地震频变Gassmann流体项反演优化方法,利用频变Gassmann流体项反演结果指导储层的流体检测,并在我国近海某盆地P探区对该方法进行了深层储层含气性预测验证。研究结果表明,该方法可以实现基于叠前地震资料的频变Gassmann流体参数的可靠提取,由其所得到的深层储层流体识别结果与实际测井解释结果吻合度较高。结论认为,频变Gassmann流体项能够有效识别深层储层的流体类型,为深层天然气层的识别提供了新的技术思路和方法。