一种基于Kalman滤波的PP-PS联合反演系统技术方案

本发明专利技术涉及一种气藏勘测技术，特别是一种基于Kalman滤波的PP‑PS联合反演系统，通过以含有噪音的AVO联合反演模型为主体，加入Kalman滤波模型，其中含有噪音的AVO联合反演模型包括用于勘测地质含义属性信息的向量m，所述向量m包括纵波速度α，横波速度β，密度项ρ，所述Kalman滤波模型包括时间更新和测量更新，通过所述时间更新和所述测量更新得出最优估算后的所述向量m来获得纵波速度α，横波速度β，密度项ρ，最优估算后的所述向量m比传统的没有加入Kalman滤波模型的所述向量m精度更高，勘测的结果也更加可靠，更好的解决了现有技术中所存在的常规的AVO反演基于纵波反射数据进行导致的密度和横波速度反演精度较低的问题。

【技术实现步骤摘要】
一种基于Kalman滤波的PP-PS联合反演系统
本专利技术涉及一种气藏勘测技术，特别是一种基于Kalman滤波的PP-PS联合反演系统。
技术介绍
地震勘探目标已经由构造型油气藏转向了岩性油气藏，这就要求我们从地震数据中获得更多可靠且具有明确地质含义的属性信息。AVO反演技术能够从振幅随炮检距的变化中直接提取纵波速度、横波速度以及密度等弹性参数信息来估计地下岩石和流体的性质。由于地震采集数据上的误差以及地下介质的多解性，AVO反演具有不适定性。针对反演的不适定性，常规解决办法如下：1.由于单纯利用纵波反射数据进行反演并不能得到可信的结果，缺乏准确的横波速度和密度信息会导致储层的错误解释，转换横波地震数据可以提供更准确地横波速度和密度估计。随着纵波激发、三分量接收技术的发展，大大降低了利用转换横波勘探的成本，也促进了PP-PS联合反演(即PP波和PS波联合反演)的发展。联合反演与单纯的PP反演方法相比，能够在一定程度上提高反演精度；2.另外一种方法是建立在贝叶斯框架下的最大后验概率三参数反演，融合多种先验信息去求取纵波速度、横波速度和密度的后验分布；其中，现有技术中AVO与PP波-PS波联合反演虽然能够较传统的AVO反演提高一定程度的反演精度，但为了更好的勘测地质属性，还需要在AVO和PP波-PS波联合反演模型上继续提高反演精度。
技术实现思路
本专利技术的目的在于克服现有技术中所存在的常规的AVO反演基于纵波反射数据进行导致的密度和横波速度反演精度较低，在流体识别中误差较大，提供一种将卡尔曼滤波(Kalmanfiltering)引入现有的AVO和PP-PS波的联合反演模型，利用线性系统状态方程对系统状态进行最优估计的新型的AVO和PP-PS的联合反演系统。为了实现上述专利技术目的，本专利技术提供了以下技术方案：一种基于Kalman滤波的PP-PS联合反演系统，包括含有噪音的AVO联合反演模型和Kalman滤波模型，所述含有噪音的AVO联合反演模型包括用于勘测地质含义属性信息的向量m，所述Kalman滤波模型包括时间更新和测量更新，通过所述时间更新和所述测量更新得出最优估算后的所述向量m，所述向量m包括纵波速度α，横波速度β，密度项ρ。其中含有噪音的AVO联合反演模型即现有技术AVO和PP-PS联合反演。本专利技术通过以含有噪音的AVO联合反演模型为主体，加入Kalman滤波模型，其中含有噪音的AVO联合反演模型包括用于勘测地质含义属性信息的向量m，所述向量m包括纵波速度α，横波速度β，密度项ρ，所述Kalman滤波模型包括时间更新和测量更新，通过所述时间更新和所述测量更新得出最优估算后的所述向量m来获得纵波速度α，横波速度β，密度项ρ，最优估算后的所述向量m比传统的没有加入Kalman滤波模型的所述向量m精度更高，勘测的结果也更加可靠，更好的解决了现有技术中所存在的常规的AVO反演基于纵波反射数据进行导致的密度和横波速度反演精度较低的问题。优选的，所述含有噪音的AVO联合反演模型包括地震褶积模型，所述地震褶积模型为：dobs＝WR+e；(1)其中R为关于RPP(θi)和RPS(θi)的矩阵，RPP(θi)和RPS(θi)分别为入射角为θi时纵波、转换横波的反射系数，通过PP-PS正演中的Stolt-Weglein时间连续方程推导而成，此为现有技术；其中W为不同射角的对角稀疏矩阵；其中e为地震数据包含的噪音。最终R与RPP(θi)和RPS(θi)的关系式为：W为不同射角的对角稀疏矩阵：其中WPP(θk)为：S1(θk)…Sns(θk)为入射角θk的子波采样；同理，WPS(θk)具有相同的矩阵形式。优选的，所述含有噪音的AVO联合反演模型为：其中，dobs为测量值，由检波器测得，dPP(θk)和dPS(θk)为入射角为θk时，纵波和转换横波测量得到的数据矩阵。其中，G＝WAD，G为包含W和A的矩阵,W为不同入射角的卷积矩阵的稀疏化，A为相应参数的系数矩阵，D为微分算子，此部分为现有技术；α为纵波速度，β为横波速度，ρ为密度项；向量m为关于纵波，横波和密度项的矩阵转置。e为地震数据包含的噪音，即量测噪声，用q,p表示服从高斯分布的系统噪声和量测噪声，其协方差分别为Q和R。系统过程噪声：主要是状态转移产生的误差。过程噪声的协方差Q的确定通常是比较困难的，因为我们不能直接观测到要估算的过程信号mk,则可以建立一个相对简单的模型从而产生不错的结果。量测噪声：由于检波器、环境影响以及人为因素导致的测量不准，得不到准确的观测值。优选的，将所述含有噪音的AVO反演模型看作是一个离散的控制过程，并且考虑用角度更新代替时间更新，将所述含有噪音的AVO联合反演模型代入所述时间更新后得到的模型为：其中，mk为第k个入射角时的系统状态，所述系统状态包括纵波、横波速度以及密度参数，Φ为状态转移矩阵，本反演系统Φ取单位矩阵I，qk-1为第k-1个入射角时的系统过程噪音，pk为第k个入射角时的量测噪声，dk为第k个入射角时的dobs，Gk为第k个入射角时的测量矩阵。所述时间更新即将状态向前投影和对误差协方差进行估计，对下一步时间或角度的先验估计进行求取。优选的，将新的观测数据加入到先验估计中并求得改进后的后验估计，可以得到后验估计的时间更新为：其中，为通过前k-1状态预测出的第k个状态(角度)mk的估计值，为通过前k-1个状态(角度)获得的第k-1时刻的后验状态估计。Pk|k-1为估计的误差协方差，Pk-1|k-1为的后验估计的误差协方差。优选的，将所述含有噪音的AVO联合反演模型代入所述测量更新，将新的观测数据加入到先验估计中并求得改进后的后验估计，可以得到后验估计的测量更新为：Kk＝Pk|k-1GkT(GkPk|k-1GkT+Rk)-1Pk|k＝(I-KkGk)Pk|k-1；(6)其中，Kk为kalman增益，Pk|k为的后验估计的误差协方差；为第k个入射角的测量矩阵的转置；Gk为第k个入射角的测量矩阵；Rk为k时刻量测噪声的协方差，RPP为纵波反射系数，RPS为横波反射系数；为通过k角度和k之前角度相对应的观测数据获得的后验状态估计，即最优估算后的所述向量m。测量更新方程的作用是进行反馈，就是将新的观测数据加入到先验估计中并求得改进后的后验估计，Kalman滤波就是通过这种迭代更新的方式，在状态预测和修正中寻找最佳平衡点达到最优估算。与现有技术相比，本专利技术的有益效果：本专利技术通过以含有噪音的AVO联合反演模型为主体，加入Kalman滤波模型，其中含有噪音的AVO联合反演模型包括用于勘测地质含义属性信息的向量m，所述向量m包括纵波速度α，横波速度β，密度项ρ，所述Kalman滤波模型包括时间更新和测量更新，通过所述时间更新和所述测量更新得出最优估算后的所述向量m来获得纵波速度α，横波速度β，密度项ρ，最优估算后的所述向量m比传统的没有加入Kalman滤波模型的所述向量m精度更高，勘测的结果也更加可靠，更好的解决了现有技术中所存在的常规的AVO反演基于纵波反射数据进行导致的密度和横波速度反演精度较低的问题。附图说明：图1是本专利技术工作的流程图。图中标记：1-时间更新，2-测量更新。具体实施方式下面结合试验例及具体实施方式对本专利技术作进一步的详细描本文档来自技高网...

【技术保护点】
1.一种基于Kalman滤波的PP‑PS联合反演系统，其特征在于，包括含有噪音的AVO联合反演模型和Kalman滤波模型，所述含有噪音的AVO联合反演模型包括用于勘测地质含义属性信息的向量m，所述Kalman滤波模型包括时间更新和测量更新，通过所述时间更新和所述测量更新得出最优估算后的所述向量m，所述向量m包括纵波速度α，横波速度β，密度项ρ。

【技术特征摘要】
1.一种基于Kalman滤波的PP-PS联合反演系统，其特征在于，包括含有噪音的AVO联合反演模型和Kalman滤波模型，所述含有噪音的AVO联合反演模型包括用于勘测地质含义属性信息的向量m，所述Kalman滤波模型包括时间更新和测量更新，通过所述时间更新和所述测量更新得出最优估算后的所述向量m，所述向量m包括纵波速度α，横波速度β，密度项ρ。2.根据权利要求1所述的一种基于Kalman滤波的PP-PS联合反演系统，其特征在于，所述含有噪音的AVO联合反演模型包括地震褶积模型，所述地震褶积模型为：dobs＝WR+e；(1)其中R为关于RPP(θi)和RPS(θi)的矩阵，RPP(θi)和RPS(θi)分别为入射角为θi时纵波、转换横波的反射系数，通过PP-PS正演中的Stolt-Weglein时间连续方程推导而成；其中W为不同射角的对角稀疏矩阵；其中e为地震数据包含的噪音。3.根据权利要求1所述的一种基于Kalman滤波的PP-PS联合反演系统，其特征在于，所述含有噪音的AVO联合反演模型为：dobs＝Gm+em＝[lnαlnβlnρ]T；(3)其中，dobs为测量值，由地震检波器在野外观测得到的地震响应，其中l为入射角的离散个数，kalman滤波中的k取值范围为[1,l]；G为包含W、A和D的矩阵,W为不同入射角的卷积矩阵的稀疏化，A为相应参数的系数矩阵的正演算子，D为微分算子。4.根据权利要求1所述的一种基于Kalman滤波的PP-PS联合反演系统，其特征在于，将所述含有噪音的AVO反演模型看作是一个离散的控制过程，...

【专利技术属性】
技术研发人员：唐静，王彦飞，杨扬，李彪，
申请(专利权)人：西南石油大学，中国科学院地质与地球物理研究所，
类型：发明
国别省市：四川,51