[发明专利]叠前弹性参数反演方法、装置、计算机设备和存储介质

说明书

本发明提供一种叠前弹性参数反演方法、装置、计算机设备和存储介质，该方法包括获取叠前地震数据；获取弹性参数的反射系数；构建叠前地震数据的正演矩阵；根据正演矩阵，得到地震数据的似然函数；根据似然函数及先验信息；得到弹性参数反演的目标函数；基于最大似然估计法，将似然函数转化成最大化边缘似然函数；对最大化边缘似然函数进行求解，得到估计因子；根据估计因子及目标函数，反演得到弹性参数，通过引入自动相关判别先验信息，将弹性参数的先验信息融合到反演中，不需要对弹性参数反射系数的总体分布作出假设，使得弹性参数的反射系数保持稀疏、更好的体现岩性边界特征，从而提高叠前弹性参数反演结果分辨率和准确度。

技术领域

本发明涉及地震勘探技术领域，特别涉及一种叠前弹性参数反演方法、装置、计算机设备和存储介质。

背景技术

地震勘探是利用地震信息进行石油勘探的一种方法，由于地震信息可以反映出储层参数的变化趋势，因此，可以使用该方法来预测储层参数。地震数据分为叠前和叠后两种。叠前AVA(Amplitude Versus Angle，振幅随入射度变化)反演技术，是指利用叠前地震数据的振幅入随角度变化特征，通过反演的手段获取岩石弹性参数的过程。相较于叠后反演，叠前反演由于利用了不同入射角数据的信息，可以获得更多样的弹性参数估计，在储层描述中起着至关重要的作用。因此近年来，基于叠前地震数据的反演一直是地震勘探领域中的热门话题。但由于利用的叠前地震数据与弹性参数的映射关系更加复杂，信噪比更低，叠前反演方法需要应对更多难题。其中一个难题就是降低解的非唯一性，通常的解决办法是在目标函数中加入正则化项或在贝叶斯框架下加入待估计参数的先验信息约束，达到在许多可能的解中选择一个最优或最符合假设的解的目的。

基于贝叶斯理论框架的叠前反演研究将似然函数与先验地质信息结合，通过求解最大后验概率来建立反演的目标函数，进而反演弹性参数。其中先验信息的正则约束作用可以较好地解决同时反演所存在的非唯一性和病态问题。在构建反演目标函数时，似然函数的构建一般体现反演参数及地震数据的关系匹配，但对于先验信息的构建，并没有统一的假设及论述。

Buland等人在2008年通过概率统计分析认为弹性参数，特别是声波速度大体符合高斯分布，基于此构建出贝叶斯反演方法，被广泛应用。Downton等人在 2001年利用长尾分布作为先验分布，获得了稀疏的反射系数估计，并认为常规高斯分布先验，获得的结果比较光滑不利于高分辨率分析和解释，发现柯西先验比高斯先验分布分辨率更高。由此长尾分布受到关注，其中较为常用的是柯西分布及其变体，Theune等人在2010分析了弹性参数反射系数稀疏的假设下的两个先验模型，发现可微拉普拉斯先验分布可获得一个凸的目标函数，而柯西先验分布获得的是非凸函数。Alemie和Sacchi在2011年将多元柯西分布引入贝叶斯反演，这种先验分布可以合并模型参数之间的相关性，并获得高分辨率的结果。随后，Huber分布、t分布等先后引入到贝叶斯反演中，均获得了较好的效果。以上先验分布均假设反射系数是随机变量，其分布满足以某一参数表征的特定分布，在反射系数分布不满足特定分布时，反射系数的估计结果可能出现误差，弹性参数叠前地震反演的准确度和分辨率低。

发明内容

基于此，有必要针对上述技术问题，提供一种叠前弹性参数反演方法、装置、计算机设备和存储介质。

一种叠前弹性参数反演方法，该方法包括：

获取叠前地震数据；

获取弹性参数的反射系数；

基于Fatti近似方程，根据所述叠前地震数据及所述反射系数，构建叠前地震数据的正演矩阵；

根据所述正演矩阵，得到地震数据的似然函数；

获取自动相关判别的先验信息；

基于贝叶斯理论，根据所述似然函数及所述先验信息，得到所述弹性参数反演的目标函数；

基于最大似然估计法，将似然函数转化成最大化边缘似然函数；