一种基于图像缝合的多点地质统计学随机反演方法及装置制造方法及图纸

本发明专利技术公开了一种基于图像缝合的多点地质统计学随机反演方法及装置，利用多点地质统计学进行随机模拟，能够更好的刻画目标体形态；引入图像缝合技术，能够快速高效地获得连续性较好的多点地质统计学随机模拟结果；通过正演方法将模拟结果合成地震记录与实际地震记录进行对比，先获得一个能与实际地震记录比较匹配的模拟结果；然后，通过量子退火优化算法，快速地将模拟结果优化，在地震记录的约束下获得最终的随机反演结果，提高了井间区域反演结果的精度和分辨率，多次进行随机反演可以获得多个不同的多点地质统计学随机反演结果，为不确定性分析提供可靠的依据，进而为储层表征和油藏描述等研究提供必要的参考信息。

A Stochastic Inversion Method and Device of Multi-point Geostatistics Based on Image Suture

【技术实现步骤摘要】
一种基于图像缝合的多点地质统计学随机反演方法及装置
本专利技术涉及随机反演、储层表征和建模
，特别是一种基于图像缝合的多点地质统计学随机反演方法及装置。
技术介绍
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。在实际采集的资料中，地震数据横向连续性较好，但受到由于地震资料的带限性质的影响，分辨率的提高受到限制；测井数据虽然分辨率高，但其仅能显示井孔位置的特征和参数变化，横向分辨率比较低。因此，地震反演的一项关键重点工作是充分地利用地震和测井数据中的有用信息提高横向和纵向分辨率，更精确地反映储层的特征。随机反演与确定性反演相比，随机反演方法可以充分利用井数据来提高分辨率，能够得到多个反演解，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。随机反演建立在随机模拟技术基础上。在地震反演中，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，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相对不强。多点地质统计学模拟是两点地质统计学的补充和发展。多点地质统计学方法以像元为基本模拟单元，并且结合基于目标的算法的优点，通过“训练图像”描述区域化变量的空间相关性，对目标体几何形态的刻画能力突出。目前，多点地质统计学随机模拟的主要算法包括单元正态方程模拟，模式模拟，滤波模拟，距离模拟等。其中单元正态方程模拟仅适用于离散变量(如岩相)，模式模拟，滤波模拟等算法模拟结果连续性较差，且计算量大，耗时严重；除此之外，多数算法要求训练图像平稳，这与实际情况不符；鉴于上述原因，多点地质统计学随机模拟和随机反演的应用受到限制。随机反演通常的做法是先利用多点地质统计学模拟算法，产生大量的等可能的弹性参数模型；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，并合成地震记录与实际地震记录对比，需要进行大量的正演模拟，若直接将这些现有的多点地质统计学随机模拟算法用于随机反演中，则计算量及其大，尤其当实际数据量较大时，计算效率低，运行缓慢，阻碍了多点地质统计学随机反演的实际应用。总之，目前多点地质统计学随机反演方法及研究存在以下问题和不足：1.现有的多点地质统计学随机模拟算法，模拟结果连续性差，需要进一步提高连续性；且现有模拟算法的计算效率低；不适合直接用于随机反演中；2.目前多点地质统计学随机反演方法在反演过程中进行大量的正演，效率低下；3.多点地质统计学随机反演受以上客观不足影响，适用范围局限，实际应用受到限制等问题。
技术实现思路
针对上述现有技术中存在的问题，本专利技术提供一种基于图像缝合的多点地质统计学随机反演方法，以及实现该方法的装置。为了实现上述任务，本专利技术采用以下技术方案：一种基于图像缝合的多点地质统计学随机反演方法，包括以下步骤：步骤1，定义最大模拟次数、中间误差容忍度、终止条件、模版、重叠区大小以及切除大小、权重；步骤2，对目标区域的测井曲线进行分析，根据实际需要计算井中弹性参数作为条件数据，划分网格并构建训练图像；步骤3，利用定义的模板扫描训练图像，以测井数据为条件数据，从扫描结果中随机提取一个模式作为初始位置的模拟结果；步骤4，根据设置的重叠区大小，提取已模拟区域边界的重叠部分，对重叠部分和训练图像进行卷积，以测井数据为条件数据，在训练图像中寻找与已模拟区域边界最接近的位置；步骤5，访问已模拟区域的相邻区域，从已找到的与已模拟区域边界最接近的位置中，随机提取一个位置，按照定义的模版选定模式，切除多余部分后，缝合作为该区域的模拟结果；步骤6，按照顺序访问下一个相邻区域，重复步骤4和步骤5，直到所有区域都完成模拟，则实现了一次基于图像缝合的多点地质统计学随机模拟，从而形成弹性参数模型；步骤7，将所述弹性参数模型进行时深转换得到时间域的弹性参数模型，利用时间域弹性参数模型计算反射系数，然后通过反射系数根据褶积模型正演合成地震记录；步骤8，依次利用所述合成地震记录与实际地震数据对比，判断是否满足预先设定的中间误差容忍度；若满足，则输出本次模拟结果；若不满足该容忍度，则判断是否达到最大模拟次数，若未达到，则重复执行步骤3至步骤8直到满足中间误差容忍度；若达到，则输出当前最优模拟结果。进一步地，所述的方法还包括：步骤9，对输出的最优模拟结果进行量子退火迭代优化，直到满足终止条件，获得最终的随机反演结果。进一步地，步骤2所述的弹性参数包括波阻抗、弹性阻抗或纵横波速度和密度。进一步地，步骤5所述切除多余部分时利用误差最小边界线，误差最小边界线的选择过程包括：对于位置为(i,j)的像元，累计误差为：Ee(i,j)＝e(i,j)+min(Ee(i-1，j-1)，Ee(i-1，j)，Ee(i-1,j+1)),j＝2,…,b-1Ee(i，j)＝e(i，j)+min(Ee(i-1，j)，Ee(i-1,j+1)),j＝1Ee(i,j)＝e(i,j)+min(Ee(i-1,j-1),Ee(i-1,j)),j＝b上式中，Ee(i-1,j-1)表示第(i-1,j-1)网格点处的累积最小误差；e(i,j)表示当前重叠区域Bd中第(i,j)网格点处的差异；假设与已模拟区域边界的重叠区域Bd误差最小的位置为Be，两者大小均为a×b；对每一个i，得到累计误差Ee(i,j)最小时对应的j，连接获得的每一个(i,j)，得到最小误差边界线。进一步地，所述的通过反射系数根据褶积模型正演合成地震记录，表示为：其中，b表示用于合成地震记录的地震子波，从地震记录中提取获得；R表示利用时间域的弹性参数模型计算的反射系数。进一步地，步骤9所述的量子退火迭代优化的具体过程为：1)输入弹性参数，定义初始动能CΓ(t)、退火计划以及终止条件；2)计算目标函数值其中，dj(j＝1,2,…,M)为观测到的地震数据中的第j道数据，M表示地震道数，dj(m(k))表示利用弹性参数第k次的迭代更新值m(k)合成的地震数据，m表示输出的最优模拟结果，k表示量子退火中第k次迭代；3)更新模型参数：m(k+1)＝m(k)+ξα其中，ξ为0-1之间的随机数，α为步长；4)计算势能ΔE，若ΔE<0，则用更新后的模型参数m(k+1)代替m(k)，若ΔE>0，则根据概率接受准则判断是否用更新后的模型参数m(k+1)代替m(k)；所述的概率接受准则表达式为：ρ(H)＝(e-H/PΓ(t))P其中，P表示粒子所处状态的粒子数，Γ(t)为横向场，在随机反演中为反演参数个数；H表示量子体系的总能量，表示为：H＝ΔE+CΓ(t)其中，ΔE＝E(m(k+1))-E(m(k))表示体系的势能，C为常数；5)判断是否满足终止条件，若满足，则输出模型参数m(k+1)作为最终的物性参数反演结果，若不满足则返回步骤3)继续迭代直到满足终止条件。在上述技术方案的基础上，本专利技术进一步公开了一种用于实现上述方法的装置，包括：参数定义模块，用于定义最大模拟次数、中间误差容忍度、终止条件、模版、重叠区大小以及切除大小、权重；数据预处理模块，用于对目标本文档来自技高网...

【技术保护点】
1.一种基于图像缝合的多点地质统计学随机反演方法，其特征在于，包括以下步骤：步骤1，定义最大模拟次数、中间误差容忍度、模版、重叠区大小以及权重；步骤2，对目标区域的测井曲线进行分析，根据实际需要计算井中弹性参数作为条件数据，划分网格并构建训练图像；步骤3，利用定义的模板扫描训练图像，以测井数据为条件数据，从扫描结果中随机提取一个模式作为初始位置的模拟结果；步骤4，根据设置的重叠区大小，提取已模拟区域边界的重叠部分，对重叠部分和训练图像进行卷积，以测井数据为条件数据，在训练图像中寻找与已模拟区域边界最接近的位置；步骤5，访问已模拟区域的相邻区域，从已找到的与已模拟区域边界最接近的位置中，随机提取一个位置，按照定义的模版选定模式，切除多余部分后，缝合作为该区域的模拟结果；步骤6，按照顺序访问下一个相邻区域，重复步骤4和步骤5，直到所有区域都完成模拟，则实现了一次基于图像缝合的多点地质统计学随机模拟，从而形成弹性参数模型；步骤7，将所述弹性参数模型进行时深转换得到时间域的弹性参数模型，利用时间域弹性参数模型计算反射系数，然后通过反射系数根据褶积模型正演合成地震记录；步骤8，依次利用所述合成地震记录与实际地震数据对比，判断是否满足预先设定的中间误差容忍度；若满足，则输出本次模拟结果；若不满足该容忍度，则判断是否达到最大模拟次数，若未达到，则重复执行步骤3至步骤8直到满足中间误差容忍度；若达到，则输出当前最优模拟结果。...

【技术特征摘要】
1.一种基于图像缝合的多点地质统计学随机反演方法，其特征在于，包括以下步骤：步骤1，定义最大模拟次数、中间误差容忍度、模版、重叠区大小以及权重；步骤2，对目标区域的测井曲线进行分析，根据实际需要计算井中弹性参数作为条件数据，划分网格并构建训练图像；步骤3，利用定义的模板扫描训练图像，以测井数据为条件数据，从扫描结果中随机提取一个模式作为初始位置的模拟结果；步骤4，根据设置的重叠区大小，提取已模拟区域边界的重叠部分，对重叠部分和训练图像进行卷积，以测井数据为条件数据，在训练图像中寻找与已模拟区域边界最接近的位置；步骤5，访问已模拟区域的相邻区域，从已找到的与已模拟区域边界最接近的位置中，随机提取一个位置，按照定义的模版选定模式，切除多余部分后，缝合作为该区域的模拟结果；步骤6，按照顺序访问下一个相邻区域，重复步骤4和步骤5，直到所有区域都完成模拟，则实现了一次基于图像缝合的多点地质统计学随机模拟，从而形成弹性参数模型；步骤7，将所述弹性参数模型进行时深转换得到时间域的弹性参数模型，利用时间域弹性参数模型计算反射系数，然后通过反射系数根据褶积模型正演合成地震记录；步骤8，依次利用所述合成地震记录与实际地震数据对比，判断是否满足预先设定的中间误差容忍度；若满足，则输出本次模拟结果；若不满足该容忍度，则判断是否达到最大模拟次数，若未达到，则重复执行步骤3至步骤8直到满足中间误差容忍度；若达到，则输出当前最优模拟结果。2.如权利要求1所述的基于图像缝合的多点地质统计学随机反演方法，其特征在于，所述的方法还包括：步骤9，对输出的最优模拟结果进行量子退火迭代优化，直到满足终止条件，获得最终的随机反演结果。3.如权利要求1所述的基于图像缝合的多点地质统计学随机反演方法，其特征在于，步骤2所述的弹性参数包括波阻抗、弹性阻抗或纵横波速度和密度。4.如权利要求1所述的基于图像缝合的多点地质统计学随机反演方法，其特征在于，步骤5所述切除多余部分时利用误差最小边界线，误差最小边界线的选择过程包括：对于位置为(i,j)的像元，累计误差为：Ee(i,j)＝e(i,j)+min(Ee(i-1,j-1),Ee(i-1,j),Ee(i-1,j+1)),j＝2,…,b-1Ee(i,j)＝e(i,j)+min(Ee(i-1,j),Ee(i-1,j+1)),j＝1Ee(i,j)＝e(i,j)+min(Ee(i-1,j-1),Ee(i-1,j)),j＝b上式中，Ee(i-1,j-1)表示第(i-1,j-1)网格点处的累积最小误差；e(i,j)表示当前重叠区域Bd中第(i,j)网格点处的差异；假设与已模拟区域边界的重叠区域Bd误差最小的位置为Be，两者大小均为a×b；对每一个i，得到累计误差Ee(i,j)最小时对应的j，连接获得的每一个(i,j)，得到最小误差边界线。5.如权利要求1所述的基于图像缝合的多点地质统计学随机反演方法，其特征在于，所述的通过反射系数根据褶积模型正演合成地震记录，表示为：其中，b表示用于合成地震记录的地震子波，从地震记录中提取获得；R表示利用时间域的弹性...

【专利技术属性】
技术研发人员：刘兴业，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西,61