一种基于多点地质统计学的地质随机反演方法及装置制造方法及图纸

本发明专利技术提供了一种基于多点地质统计学的地质随机反演方法及装置，涉及地质及石油勘探技术领域。方法包括通过多点地质统计学随机模拟算法确定初始岩相模型；进行概率扰动更新，生成概率扰动更新后的岩相模型；统计不同岩相中的储层物性参数的分布函数，将概率扰动更新后的岩相模型转化为伪储层物性参数模型；将伪储层物性参数模型转换为弹性参数模型；进行时深转换获得时间域弹性参数模型，确定反射系数，并采用褶积模型正演合成地震记录；将地震记录与预先确定的实际地震记录进行对比，并根据最大扰动次数和最大模拟次数，确定岩相模型结果和伪储层物性参数模型结果；将伪储层物性参数模型结果进行量子退火优化，生成储层物性参数反演结果。

A method and device for random geological inversion based on multi-point Geostatistics

The invention provides a geological random inversion method and device based on multi-point geostatistics, and relates to the technical field of Geology and petroleum exploration. Methods: The initial lithofacies model was determined by the stochastic simulation algorithm of multi-point geostatistics; the lithofacies model was updated by probability perturbation to generate the lithofacies model after probability perturbation renewal; the distribution function of reservoir physical parameters in different lithofacies was calculated, and the lithofacies model updated by probability perturbation was transformed into pseudo-reservoir physical parameter model. The pseudo-reservoir physical parameter model is transformed into elastic parameter model; the time-depth conversion is used to obtain the elastic parameter model in time domain, and the reflection coefficient is determined. The convolution model is used to forward synthesize seismic records; the seismic records are compared with the actual seismic records determined in advance, and according to the maximum disturbance times and the maximum simulation times. The results of lithofacies model and pseudo reservoir physical parameter model are determined, and the results of pseudo reservoir physical parameter model are optimized by quantum annealing to generate the inversion results of reservoir physical parameters.

【技术实现步骤摘要】
一种基于多点地质统计学的地质随机反演方法及装置
本专利技术涉及地质及石油勘探
，尤其涉及一种基于多点地质统计学的地质随机反演方法及装置。
技术介绍
目前，储层物性参数(包括孔隙度、泥质含量、含水饱和度等)是进行储层预测与评价、估算油气储量和确定开发井位的重要依据。地震数据中包含十分丰富的储层物性信息，具有横向分辨率较高的特征，是储层表征和预测中使用的重要资料，但是由于储层物性参数与地震数据之间的关系异常复杂，为利用地震数据获得储层物性参数带来巨大的困难。地震反演技术在储层表征和建模中能够发挥重要的作用。通常，地震反演可以分为确定性反演和随机反演。确定性反演由于地震资料的带限性质，影响了分辨率的进一步提高；而随机反演则与确定性反演相比，以地质统计为基础，测井数据为基本条件数据，在分辨率提高和不确定性降低上具有一定的优势。地质统计学是随机反演的一种重要原理。两点地质统计学通过变差函数表征区域化变量的空间相关性，较为广泛的应用于科学研究的众多领域。在地球物理领域，序贯高斯模拟和序贯指示模拟是两点地质统计学中最常用的两种方法，主要用来处理连续变量(如：孔隙度、泥质含量等)和离散变量(如：岩相)的建模等问题。两点地质统计学方法计算效率快，能对离散变量和连续变量进行模拟和反演，但两点地质统计学方法利用变差函数描述地质变量的相关性和变异性，仅仅通过某个方向上两点之间的地质变量的变化关系来描述空间的变化特性，对目标体形态的再现能力较差。而多点地质统计学模拟作为两点地质统计学的补充和发展应运而生。多点地质统计学方法以像元为基本模拟单元，同时结合了基于目标的算法的优点，利用“训练图像”代替变差函数描述区域化变量的空间相关性，能够更好的刻画目标体的几何形态。目前，由于连续变量的训练图像难以获取，多点地质统计学主要用来获得离散变量(如岩相)的空间模型。多点地质统计学随机反演通常的做法是先在多点地质统计学模拟阶段，产生大量的等可能的储层岩相模型。根据这些岩相模型，从对应的储层物性参数的累积概率分布中抽样获得多个伪物性参数分布；接下来利用岩石物理理论将其转换为弹性信息；然后，正演合成地震记录与实际地震记录做匹配，若不能满足要求，则重新进行模拟一般需要模拟成百次才能获得比较满意的反演结果，计算量非常大，同时需要进行大量的正演模拟，巨大的计算量导致计算效率十分低效，这对多点地质统计学在储层表征和建模中的应用造成了阻碍。可见，目前基于多点地质统计学的随机反演方法存在适用范围局限、计算效率低以及仅能获得岩相反演结果等问题。
技术实现思路
本专利技术的实施例提供一种基于多点地质统计学的地质随机反演方法及装置，以解决目前基于多点地质统计学的随机反演方法存在适用范围局限、计算效率低以及仅能获得岩相反演结果的问题。为达到上述目的，本专利技术采用如下技术方案：一种基于多点地质统计学的地质随机反演方法，包括：步骤1、通过多点地质统计学随机模拟算法确定初始岩相模型，并获取预先设置的最大模拟次数；步骤2、获取预先设置的最大扰动次数和权重因子，并根据概率扰动方法对所述初始岩相模型进行概率扰动更新，生成概率扰动更新后的岩相模型；步骤3、统计不同岩相中的储层物性参数的分布函数，并根据随机抽样方法将概率扰动更新后的岩相模型转化为伪储层物性参数模型；步骤4、根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系，将所述伪储层物性参数模型转换为弹性参数模型；步骤5、对所述弹性参数模型进行时深转换获得时间域弹性参数模型，确定反射系数，并根据所述反射系数采用褶积模型正演合成地震记录；步骤6、将所述地震记录与预先确定的实际地震记录进行对比，并根据所述最大扰动次数和最大模拟次数，确定岩相模型结果和伪储层物性参数模型结果；步骤7、将所述伪储层物性参数模型结果进行量子退火优化，生成储层物性参数反演结果。具体的，所述通过多点地质统计学随机模拟算法确定初始岩相模型，并获取预先设置的最大模拟次数，包括：步骤101、建立研究区域的地质的模拟网格，获得训练图像，将研究区域的地质的条件数据分配至训练图像的网格节点上，并设置一随机路径；步骤102、根据预先设置的数据模板扫描所述训练图像获得数据事件；所述数据模板为网格节点之间的空间组合关系；步骤103、根据所述数据事件在所述训练图像中检索，得到待估计点处的条件概率分布；所述待估计点的条件概率分布为：P{F(u)＝Fk|dn}≈ck(dn)/c(dn)其中，c(dn)为所述数据事件在训练图像中的有效训练图像中重复的数量；ck(dn)为数据事件的所有重复的数量中F(u)＝Fk的个数；P{F(u)＝Fk|dn}为待估计点u的条件概率分布；步骤104、根据所述待估计点的条件概率分布进行抽样，获得一模拟节点的模拟岩相，作为一次模拟结果，并将所述模拟结果加入到所述条件数据中；步骤105、随机选取待估计点中的另一模拟节点，重复步骤103至步骤105，直至各待估计点均模拟结束，获得所述研究区域的初始岩相模型；步骤106、获取预先设置的最大模拟次数。具体的，所述获取预先设置的最大扰动次数和权重因子，并根据概率扰动方法对所述初始岩相模型进行概率扰动更新，生成概率扰动更新后的岩相模型，包括：步骤201、获取预先设置的最大扰动次数和权重因子；步骤202、对所述初始岩相模型进行概率扰动更新，确定概率扰动更新后的联合概率；所述概率扰动更新后的联合概率为：P(Fk|dobs)＝(1-r)*i0(u,fk)+r*P(Fk)；其中，为指示变量；P(Fk)表示空间中某未知点u处的岩相分布先验概率；P(Fk|dobs)为该未知点u的概率扰动更新后的联合概率；r表示权重因子，所述权重因子为采用非线性变换的权重因子；步骤203、将所述概率扰动更新后的联合概率P(Fk|dobs)和预先得到的多点概率P(Fk|G)融合，确定扰动融合后的条件概率分布；所述扰动融合后的条件概率分布为其中τ1和τ2为模型参数，a＝(1-P(Fk))/P(Fk)，b＝(1-P(Fk|G))/P(Fk|G)，c＝(1-P(Fk|dobs))/P(Fk|dobs)；步骤204、将扰动融合后的条件概率分布转化为累积概率分布，根据所述累积概率分布，采用随机抽样方法依次对模拟节点进行抽样，生成概率扰动更新后的岩相模型。具体的，所述统计不同岩相中的储层物性参数的分布函数，并根据随机抽样方法将概率扰动更新后的岩相模型转化为伪储层物性参数模型，包括：步骤301、根据预先获知的测井数据，统计不同岩相中的储层物性参数的分布特征，获得不同岩相中的储层物性参数的分布函数；步骤302、根据随机抽样方法对概率扰动更新后的岩相模型中的每个网格节点进行随机抽样，获得每个相应网格节点处的物性参数状态值，由每个相应网格节点处的物性参数状态值构成所述伪储层物性参数模型。具体的，所述根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系，将所述伪储层物性参数模型转换为弹性参数模型，包括：根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系：e＝fRPM(r)+ε，将所述伪储层物性参数模型转换为弹性参数模型；其中，fRPM(r)为通过理论岩石物理模型或者经验岩石物理关系获得的确定本文档来自技高网...

【技术保护点】
1.一种基于多点地质统计学的地质随机反演方法，其特征在于，包括：步骤1、通过多点地质统计学随机模拟算法确定初始岩相模型，并获取预先设置的最大模拟次数；步骤2、获取预先设置的最大扰动次数和权重因子，并根据概率扰动方法对所述初始岩相模型进行概率扰动更新，生成概率扰动更新后的岩相模型；步骤3、统计不同岩相中的储层物性参数的分布函数，并根据随机抽样方法将概率扰动更新后的岩相模型转化为伪储层物性参数模型；步骤4、根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系，将所述伪储层物性参数模型转换为弹性参数模型；步骤5、对所述弹性参数模型进行时深转换获得时间域弹性参数模型，确定反射系数，并根据所述反射系数采用褶积模型正演合成地震记录；步骤6、将所述地震记录与预先确定的实际地震记录进行对比，并根据所述最大扰动次数和最大模拟次数，确定岩相模型结果和伪储层物性参数模型结果；步骤7、将所述伪储层物性参数模型结果进行量子退火优化，生成储层物性参数反演结果。

【技术特征摘要】
1.一种基于多点地质统计学的地质随机反演方法，其特征在于，包括：步骤1、通过多点地质统计学随机模拟算法确定初始岩相模型，并获取预先设置的最大模拟次数；步骤2、获取预先设置的最大扰动次数和权重因子，并根据概率扰动方法对所述初始岩相模型进行概率扰动更新，生成概率扰动更新后的岩相模型；步骤3、统计不同岩相中的储层物性参数的分布函数，并根据随机抽样方法将概率扰动更新后的岩相模型转化为伪储层物性参数模型；步骤4、根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系，将所述伪储层物性参数模型转换为弹性参数模型；步骤5、对所述弹性参数模型进行时深转换获得时间域弹性参数模型，确定反射系数，并根据所述反射系数采用褶积模型正演合成地震记录；步骤6、将所述地震记录与预先确定的实际地震记录进行对比，并根据所述最大扰动次数和最大模拟次数，确定岩相模型结果和伪储层物性参数模型结果；步骤7、将所述伪储层物性参数模型结果进行量子退火优化，生成储层物性参数反演结果。2.根据权利要求1所述的方法，其特征在于，所述通过多点地质统计学随机模拟算法确定初始岩相模型，并获取预先设置的最大模拟次数，包括：步骤101、建立研究区域的地质的模拟网格，获得训练图像，将研究区域的地质的条件数据分配至训练图像的网格节点上，并设置一随机路径；步骤102、根据预先设置的数据模板扫描所述训练图像获得数据事件；所述数据模板为网格节点之间的空间组合关系；步骤103、根据所述数据事件在所述训练图像中检索，得到待估计点处的条件概率分布；所述待估计点的条件概率分布为：P{F(u)＝Fk|dn}≈ck(dn)/c(dn)其中，c(dn)为所述数据事件在训练图像中的有效训练图像中重复的数量；ck(dn)为数据事件的所有重复的数量中F(u)＝Fk的个数；P{F(u)＝Fk|dn}为待估计点u的条件概率分布；步骤104、根据所述待估计点的条件概率分布进行抽样，获得一模拟节点的模拟岩相，作为一次模拟结果，并将所述模拟结果加入到所述条件数据中；步骤105、随机选取待估计点中的另一模拟节点，重复步骤103至步骤105，直至各待估计点均模拟结束，获得所述研究区域的初始岩相模型；步骤106、获取预先设置的最大模拟次数。3.根据权利要求1所述的方法，其特征在于，所述获取预先设置的最大扰动次数和权重因子，并根据概率扰动方法对所述初始岩相模型进行概率扰动更新，生成概率扰动更新后的岩相模型，包括：步骤201、获取预先设置的最大扰动次数和权重因子；步骤202、对所述初始岩相模型进行概率扰动更新，确定概率扰动更新后的联合概率；所述概率扰动更新后的联合概率为：P(Fk|dobs)＝(1-r)*i0(u,fk)+r*P(Fk)；其中，为指示变量；P(Fk)表示空间中某未知点u处的岩相分布先验概率；P(Fk|dobs)为该未知点u的概率扰动更新后的联合概率；r表示权重因子，所述权重因子为采用非线性变换的权重因子；步骤203、将所述概率扰动更新后的联合概率P(Fk|dobs)和预先得到的多点概率P(Fk|G)融合，确定扰动融合后的条件概率分布；所述扰动融合后的条件概率分布为其中τ1和τ2为模型参数，a＝(1-P(Fk))/P(Fk)，b＝(1-P(Fk|G))/P(Fk|G)，c＝(1-P(Fk|dobs))/P(Fk|dobs)；步骤204、将扰动融合后的条件概率分布转化为累积概率分布，根据所述累积概率分布，采用随机抽样方法依次对模拟节点进行抽样，生成概率扰动更新后的岩相模型。4.根据权利要求1所述的方法，其特征在于，所述统计不同岩相中的储层物性参数的分布函数，并根据随机抽样方法将概率扰动更新后的岩相模型转化为伪储层物性参数模型，包括：步骤301、根据预先获知的测井数据，统计不同岩相中的储层物性参数的分布特征，获得不同岩相中的储层物性参数的分布函数；步骤302、根据随机抽样方法对概率扰动更新后的岩相模型中的每个网格节点进行随机抽样，获得每个相应网格节点处的物性参数状态值，由每个相应网格节点处的物性参数状态值构成所述伪储层物性参数模型。5.根据权利要求1所述的方法，其特征在于，所述根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系，将所述伪储层物性参数模型转换为弹性参数模型，包括：根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系：e＝fRPM(r)+ε，将所述伪储层物性参数模型转换为弹性参数模型；其中，fRPM(r)为通过理论岩石物理模型或者经验岩石物理关系获得的确定性岩石物理模型；e为弹性参数；r为储层物性参数；ε为确定性岩石物理模型的误差项。6.根据权利要求1所述的方法，其特征在于，所述对所述弹性参数模型进行时深转换获得时间域弹性参数模型，确定反射系数，并根据所述反射系数采用褶积模型正演合成地震记录，包括：步骤501、对所述弹性参数模型进行时深转换获得时间域弹性参数模型；步骤502、根据所述时间域弹性参数模型计算反射系数；步骤503、采用褶积模型正演合成地震记录其中，w为采用褶积模型正演合成的地震记录；b为从实际地震记录中提取的用于合成地震记录的地震子波；R为所述反射系数。7.根据权利要求1所述的方法，其特征在于，所述将所述地震记录与预先确定的实际地震记录进行对比，并根据所述最大扰动次数和最大模拟次数，确定岩相模型结果和伪储层物性参数模型结果，包括：步骤601、将所述地震记录与预先确定的实际地震记录进行对比，确定所述地震记录与预先确定的实际地震记录的误差E＝||dobs-dsyn||2；其中，dobs为所述实际地震记录；dsyn为正演合成的地震记录；步骤602、判断所述误差E是否小于或等于预先设置的误差容忍度；步骤603、在所述误差E小于或等于所述误差容忍度时，将概率扰动更新后的岩相模型作为所述岩相模型结果，将所述伪储层物性参数模型作为伪储层物性参数模型结果；步骤604、在所述误差E大于所述误差容忍度时，判断进行概率扰动更新的次数是否达到所述最大扰动次数；步骤605、在进行概率扰动更新的次数未达到所述最大扰动次数时，返回步骤2的进行概率扰动更新的过程，直至步骤602中的误差E小于或等于预先设置的误差容忍度；步骤606、在进行概率扰动更新的次数达到所述最大扰动次数时，判断当前进行模拟的次数是否达到所述最大模拟次数；步骤607、在当前进行模拟的次数未达到所述最大模拟次数时，修改随机路径，并返回步骤1的通过多点地质统计学随机模拟算法确定初始岩相模型的过程，直至步骤602中的误差E小于或等于预先设置的误差容忍度；步骤608、在当前进行模拟的次数达到所述最大模拟次数时，获取与预先设置的误差容忍度最接近的误差E对应的概率扰动更新后的岩相模型作为所述岩相模型结果，获取与预先设置的误差容忍度最接近的误差E对应的伪储层物性参数模型作为伪储层物性参数模型结果。8.根据权利要求1所述的方法，其特征在于，所述将所述伪储层物性参数模型结果进行量子退火优化，生成储层物性参数反演结果，包括：步骤701、获取待处理的伪储层物性参数模型结果，设置一初始体系动能CΓ(t)和退火终止条件；步骤702、根据公式计算目标函数E(m(k))；其中，dj为观测到的地震数据；m(k)为第k次迭代的模型参数；步骤703、根据公式m(k+1)＝m(k)+ξα对所述模型参数进行更新，确定第k+1次迭代的模型参数m(k+1)；ξ为0-1之间的随机数，α为步长；步骤704、根据公式ΔE＝E(m(k+1))-E(m(k))计算体系势能ΔE；步骤705、在ΔE<0时，采用m(k+1)替换m(k)；步骤706、在ΔE≥0时，根据体系温度为T时的概率接受准则ρ(H)＝(e-H/PT)P，在m(k+1)和m(k)中确定概率ρ(H)的较大值对应的模型参数；其中，H＝ΔE+CΓ(t)；P为模型参数总数；步骤707、在当前迭代的模型参数满足退火终止条件时，将m(k+1)作为储层物性参数反演结果；步骤708、在当前迭代的模型参数不满足所述退火终止条件时，返回步骤703的模型参数更新过程，直至迭代的模型参数满足所述退火终止条件。9.一种基于多点地质统计学的地质随机反演装置，其特征在于，包括：初始岩相模型确定单元，用于通过多点地质统计学随机模拟算法确定初始岩相模型，并获取预先设置的最大模拟次数；概率扰动更新单元，用于获取预先设置的最大扰动次数和权重因子，并根据概率扰动方法对所述初始岩相模型进行概率扰动更新，生成概率扰动更新后的岩相模型；伪储层物性参数模型转化单元，用于统计不同岩相中的储层物性参数的分布函数，并根据随机抽样方法将概率扰动更新后的岩相模型转化为伪储层物性参数模型；弹性参数模型转换单元，用于根据预先设置的统计岩石物理模型中对应研究区域储层物性参数和弹性参数之间的关系，将所述伪储层物性参数模型转换为弹性参数模型；正演合成单元，用于对所述弹性参数模型进行时深转换获得时间域弹性参数模型，确定反射系数，并根据所述反射系数采...

【专利技术属性】
技术研发人员：李景叶，陈小宏，刘兴业，刘国昌，马继涛，王守东，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京,11