[发明专利]一种地震随机反演方法、设备及系统

说明书

本发明提供了一种地震随机反演方法、系统、计算机设备以及计算机可读存储介质，涉及地震勘探技术领域。该方法包括获取地震数据和低频模型；构建模型参数的先验信息；利用所述地震数据和低频模型构建融入低频信息的似然函数；根据所述先验信息以及似然函数实现后验概率的采样，以得到反演结果。本发明克服了常规模拟方法的局限性然后构建融入低频信息的似然函数，使反演结果更加稳定可靠且加快解空间的搜索，然后结合序贯吉布斯重采样算子和改进的Metropolis算法实现后验概率的采样，获得高分辨率的反演结果。

技术领域

本发明关于地震勘探技术领域，特别是关于地震的反演技术，具体的讲是一种地震随机反演方法、系统、计算机设备以及计算机可读存储介质。

背景技术

确定性反演方法失去了储层小尺度的非均质性，垂向分辨率较低，适合层位较厚的储层预测，因此它在油气勘探的早期阶段应用较多。相比于确定性反演，随机反演具有更高的垂向分辨率且更适合不确定性估计。

随机反演的高频成分主要来源于两点，第一点是小尺度的变化性，第二点是它整合了高频的测井数据。Bortoli等(1993)以及Haas与Dubrule(1994)最早将地质统计学应用到地震反演，提出了基于序贯高斯模拟(SGS)进行逐道模拟再优化的方法，属于单道反演的方法，存在计算效率低的问题。为了克服这个问题，Debeye等(1996)、Sams等(1999)和Contreras(2005)引入模拟退火和马尔科夫蒙特卡洛(MCMC)的方法来提高计算效率；Ravalec等(2000)提出傅里叶滑动平均模拟算法(FFT-MA)，该算法是一种在频率域进行快速模拟的算法，能够快速地构建模型参数的先验信息；Hu(2000)、Hu与Ravalec(2004)提出逐步变形算法(GDM)来扰动先验信息。近几年，YIN等(2014)、王保丽等(2015)、孙瑞莹等(2015)和赵晨等(2018)结合FFT-MA谱模拟与逐步变形算法进行快速随机反演，提高了随机反演的计算效率。

目前这些方法在实际应用中取得了较好的效果，但仍存在一些问题：

1、序贯高斯模拟和傅里叶滑动平均模拟算法都需要模型参数服从高斯分布，对于不符合高斯分布的数据需要进行正态变换，再通过反高斯变换将数据变换回原来的数据空间，这通常会导致变差函数不能再现。

2、逐步变形算法扰动产生的每个模型可能与观测值和先验信息一致，但不能保证这些模型的变化性与后验概率分布的变化性相匹配，因此，这样生成的模型并不能提供后验概率分布的采样。

3、由于MCMC方法在搜索解空间的时候需要计算高维分布的先验概率，因此仍然需要较高的计算成本。

因此，如何提供一种新的方案，其能够解决上述技术缺陷是本领域亟待解决的技术难题。

发明内容

有鉴于此，本发明实施例提供了一种地震随机反演方法、系统、计算机设备以及计算机可读存储介质，利用序贯吉布斯重采样来扰动构建的先验信息，序贯吉布斯重采样算子是将序贯模拟和吉布斯采样相结合，可以快速地扰动先验信息，将结合序贯吉布斯重采样和改进的Metropolis采样来获得模型参数的后验解，无需计算高维分布的先验概率，同时提高反演的精度和稳定性。

本发明的目的之一是，提供一种地震随机反演方法，包括：

获取地震数据和低频模型；

构建模型参数的先验信息；

利用所述地震数据和低频模型构建融入低频信息的似然函数；

根据所述先验信息以及似然函数实现后验概率的采样，以得到反演结果。

在本发明的优选实施方式中，所述构建模型参数的先验信息包括：

利用直接序贯模拟算法构建模型参数的先验信息；

再现先验信息的直方图。