《Journal of Applied Geophysics》:Nonlinear prestack inversion method for the effective pore-fluid bulk modulus based on the Zoeppritz equations
编辑推荐:
周林|李静业|廖建平|陈小红|张通|欧阳明•我们推导出了包含有效流体体积模量的新形式Zoeppritz方程,从而为该参数的高精度反演提供了可靠的正向建模基础。•我们开发了一种新的方法来估算干岩VP/VS比值平方,以此确保新推导的Zoeppritz方程的准确性。•所提出的贝叶斯广义
周林|李静业|廖建平|陈小红|张通|欧阳明
- •
我们推导出了包含有效流体体积模量的新形式Zoeppritz方程,从而为该参数的高精度反演提供了可靠的正向建模基础。
- •
我们开发了一种新的方法来估算干岩VP/VS比值平方,以此确保新推导的Zoeppritz方程的准确性。
- •
所提出的贝叶斯广义非线性反演方法能够高精度地估算有效孔隙流体体积模量。
引言
流体识别是石油和天然气储层勘探与开发中的关键环节,其识别精度直接决定作业效果,因此高精度的流体识别至关重要。长期以来,地球物理学家一直在研究如何提高储层流体识别的精度,其中基于流体识别因子的储层流体识别是最重要的研究方向之一。
Smith和Gidlow(1987)通过结合P波和S波速度,率先提出了流体因子概念,并成功将其应用于含气砂岩储层的流体识别中。Goodway等人(1997)表明,Lamé岩石物理参数在流体区分和岩性识别方面的性能优于传统的速度属性。随后,Russell等人于2003年和2011年定义了一种基于孔弹塑性理论的具有明确物理意义的流体因子,即经典的Gassmann流体因子。在此基础上,研究人员通过参数组合和数学变换进一步发展出了多种流体因子,显著提高了储层流体识别的精度(Zong等人,2012a、2012b;Zong等人,2013;Du和Yan,2013;Du等人,2016)。然而,Yin等人(2014)指出,从Gassmann流体因子衍生出的各种流体因子在流体识别中可能会产生模糊结果,因为Gassmann流体因子不仅受孔隙流体的影响,还受岩石孔隙度的影响。为了解决这个问题,他们将Gassmann流体矩阵解耦,分离出有效孔隙流体体积模量作为新的流体因子,以减少孔隙度对储层流体识别的影响,从而进一步提高流体识别的精度。在此研究基础上,Zong等人(2015)、Zhang等人(2017)、Du等人(2019)、Li等人(2020)以及Chen等人(2024)从不同角度进一步研究了针对有效孔隙流体体积模量的反演方法,有效提升了这一流体识别因子的估算精度。但值得注意的是,目前所有针对有效孔隙流体体积模量的反演方法都是基于对精确Zoeppritz方程的近似,由于这些近似方法存在一定的假设(如弱阻抗对比度和小入射角),其计算精度有限,因此在复杂储层中的应用受到限制。许多研究表明,以精确的Zoeppritz方程作为正向建模的基础,可以显著提高流体因子的反演精度。包括Li等人(2021)、Zhou等人(2021a、2021b、2023)以及Wang等人(2023)在内的学者们,通过将精确的Zoeppritz方程作为正向算子,成功实现了对Gassmann流体因子的直接反演,从而提高了其估算精度。与Gassmann流体因子相比,有效孔隙流体体积模量在储层流体识别中的性能更为优异(Yin等人,2014;Zong等人,2015)。不过,目前尚未有基于精确Zoeppritz方程对有效孔隙流体体积模量进行直接反演的报道。
在储层参数反演方面,常用的方法大致可分为两类,都属于广义非线性反演方法:
- 1.
无需井测数据直接约束的反演方法:这类方法依赖于Ln-范数正则化,例如采用L2-范数正则化的叠前反演方法(如阻尼最小二乘算法)、L1-范数正则化或L1–2-范数正则化(Ahmed等人,2022;Weibull和Ahmed,2025)。
- 2.
利用井测数据作为直接约束的反演方法:这类方法直接引入来自井测数据的先验约束,其中最典型且应用最广泛的是基于贝叶斯理论的贝叶斯确定性反演方法。贝叶斯确定性反演的工作流程如下:首先运用贝叶斯理论构建反演目标函数,然后对该目标函数进行确定性求解,最终得到目标参数的解析解。为了突出贝叶斯理论的重要性,并将这些方法与不采用贝叶斯理论的常规确定性反演方法区分开来,我们将上述反演方法称为贝叶斯确定性反演。
目前,无需井测数据直接约束且应用最广泛的反演方法是采用L1–2-范数正则化的叠前反演方法。学者们提出了多种算法来求解在这种正则化方案下的非线性目标函数(Wang等人,2019;Huang等人,2020、2021;Wang和Chen,2022)。他们指出,通过采用L1–2-范数正则化,这类方法不仅能实现储层参数的高精度反演,还能使反演结果更具稀疏性。
然而,仔细研究这些文献后会发现,这类方法中使用的正向算子往往基于线性近似,且需要反演的参数数量通常限制在三个或更少,很少有成功应用于需要反演三个以上参数的反演问题的案例。而本研究构建的反演问题不仅以非线性的Zoeppritz方程作为正向算子,还需要反演四个参数,这使得这类方法的适用性存在较大不确定性。与这些方法相比,贝叶斯确定性反演方法通常是最佳选择,因为它可以通过引入先验的井测曲线约束来有效降低不确定性并确保估算精度(Alemie和Sacchi,2012;Zhou等人,2020、2022)。因此,对于本文构建的多参数非线性反演问题,我们采用了贝叶斯确定性反演作为方法框架。据此,我们通过将新推导的Zoeppritz方程与贝叶斯理论相结合,开发了一种用于有效孔隙流体体积模量的新型非线性反演方法。
在本研究中,为提高有效孔隙流体体积模量的估算精度,我们推导出了明确包含该参数的新形式Zoeppritz方程,然后利用分层数值模型分析了这些方程的计算精度及主要影响因素。最后,我们构建了贝叶斯非线性反演目标函数,并采用广义非线性反演方法对其进行求解,从而得到了高效且稳定的解,进而建立了一种专门用于有效孔隙流体体积模量的新型反演方法。通过对合成数据和实际数据的测试,结果表明所提出的方法能够高精度地估算目标参数,验证了其可行性和有效性。
章节摘要
新Zoeppritz方程的推导
正向方程是反演算法的基础,因为它们的计算精度直接影响相关参数的反演精度。因此,使用高精度的正向方程是提升目标参数反演结果的关键。在平面波假设下,精确的Zoeppritz方程被公认为具有足够的计算精度,因此许多学者都利用这些方程来进行相关研究
合成数据示例
为了评估所提出的方法,我们使用了图8所示的单井模型进行了一系列反演测试。图中虚线表示的初始模型是通过多次平滑黑线所示的实际井测曲线得到的。对于这个测试模型,我们方法估算出的临界孔隙度为0.4516。图9显示了残差L2-范值随干岩VP/VS比值平方变化的曲线,可以看出,最优值位于
讨论
为了提高有效孔隙流体体积模量的预测精度,我们基于高精度的反射系数方程开发了一种反演方法。具体而言,我们首先推导出了包含该参数的新形式Zoeppritz方程,然后基于这些方程开展了贝叶斯广义非线性反演。新方程引入了两个关键参数:临界孔隙度和干岩VP/VS比值平方。数值分析表明,这些参数
结论
有效孔隙流体体积模量能够实现孔隙流体解耦,减少储层流体特征描述的模糊性,提高流体识别精度。为了提升该参数的估算精度,我们基于Zoeppritz方程开发了一种非线性直接反演方法。首先,我们将精确的Zoeppritz方程与岩石物理理论相结合,推导出了包含有效孔隙流体体积模量的新形式方程,随后对其进行了分析
CRediT作者贡献说明
周林:论文撰写——初稿、可视化、验证、方法设计、概念构思。李静业:指导、方法设计、研究实施。廖建平:论文撰写——审阅与编辑、可视化。陈小红:指导、方法设计。张通:论文撰写——审阅与编辑、可视化。欧阳明:论文撰写——审阅与编辑、可视化。
致谢
我们要感谢中国国家自然科学基金(项目编号:41904116、42474169、42474173)、湖南省自然科学基金(项目编号:2024JJ5143)、湖南省教育厅科研项目(项目编号:24B0474)以及湖南省科技创新计划(项目编号:2025RC3196)的资助。