[发明专利]一种储层岩性识别方法

说明书

本发明公开一种储层岩性识别方法，包括构建初始模型；构建广义先验概率模型；构建后验概率模型，求取最大后验概率解；构建敏感脆性指示因子，基于敏感脆性指示因子进行岩性识别；本方法具有以下优点：1、本方法基于p^*范数约束，给出广义先验分布模型，并通过测井数据对模型参数进行校正，它避免了概率化预测中假设先验服从某一特定分布带来的预测偏差，有助于提高概率化预测精度；2、本方法通过利用杨氏模量和泊松比，构建了二者归一化后加权表征的敏感脆性指示因子，并利用测井资料对该敏感脆性指示因子进行校正，该参数对岩性更加敏感，并通过利用测井资料校正考虑储层先验信息影响，能够更好地区分岩性。

技术领域

本发明涉及岩性识别领域，具体涉及一种储层岩性识别方法。

背景技术

地震反演是获取地下储层参数的重要手段，可以有效获取纵、横波速度和密度等弹性参数，结合岩石物理模型也可得到对孔隙流体敏感的流体因子，以及能够识别储层岩性的脆性指示因子等，从而精细刻画含油气储层。

随着油气勘探开发的不断深入，叠后反演表现出局限性，单一弹性参数很难满足储层精细描述要求，需要开展多参数预测的叠前反演研究，其中AVA(AmplitudeVersusAngle，振幅随入射角的变化)反演广泛应用于油气勘探领域，相比于精确Zoeppritz方程，Zoeppritz近似式的物理意义更加明确，而且求解稳定性高，计算速度快，表现出一定的优势，由于杨氏模量和泊松比可以有效表征岩石脆性，与二者有关的AVA近似式可以作为储层岩性识别研究的地震正演模型，地震反演除了受正演理论的影响外，也受到反演方法的影响，相比于确定性反演，统计性反演方法不仅可以给出最优解，而且可以提供预测结果的后验概率，便于反演结果的不确定性评价。

贝叶斯理论被广泛应用于储层概率化预测中，其预测精度受到先验信息的影响，合理的先验模型可以有效减少反演的多解性，但是现有概率化预测方法，通常假设模型参数服从某一特定分布，这限制了储层参数预测精度，因此在储层岩性的概率化预测中，需要改进先验分布模型，以提高杨氏模量和泊松比预测结果的可靠性，虽然杨氏模量和泊松比在岩性识别上具有一定的优势，但是单一属性的识别能力有限，Grieser和Bray(2007)提出将二者平均作为脆性指示因子，但是储层物性复杂，且不同储层之间存在差异，限制了该脆性指示因子的岩性区分能力，因此，如何利用地震弹性参数反演结果开展高精度岩性识别是储层精细描述的关键。

总之，目前基于地震数据的储层岩性识别方法存在的问题是：1、确定性反演不能对反演结果进行不确定性评价，且对模型参数的先验信息利用有限，制约着储层参数的预测精度；2、现有基于贝叶斯理论的概率化预测方法，通常假设先验服从某一特定分布，这限制了储层参数的预测精度；3、现有脆性指示因子通常表示为归一化的杨氏模量和泊松比的均值，它忽略了不同储层的物性差异，其岩性区分能力有限；4、基于多个弹性参数联合的脆性分析方法，在区分岩性时存在一定的复杂性，有必要探究对岩性敏感的单一脆性指示因子，直接对储层岩性进行识别。

综上所述，急需一种储层岩性识别方法以解决现有技术中存在的问题。

发明内容

本发明目的在于提供一种储层岩性识别方法，以解决现有技术中岩层识别精度不高的问题，具体技术方案如下：

一种储层岩性识别方法，包括如下步骤：

步骤S1：构建杨氏模量、泊松比和密度的初始模型；

步骤S2：构建广义先验概率模型；

步骤S3：利用步骤S1的初始模型以及步骤S2的广义先验概率模型构建后验概率模型，并基于后验概率模型求取杨氏模量、泊松比和密度的最大后验概率解；

步骤S4：利用杨氏模量、泊松比和密度的最大后验概率解构建敏感脆性指示因子，基于敏感脆性指示因子进行岩性识别。

以上技术方案优选的，所述步骤S1中，根据测井资料和地震层位信息构建初始模型。