基于JAYA算法与差分进化的地震反演技术增强Smeaheia CO2封存储层场的地下地质表征

《International Journal of Greenhouse Gas Control》：Enhanced subsurface characterization of the Smeaheia CO 2 storage reservoir field using JAYA and differential evolution based seismic inversion

　　

# 摘要

碳捕集与封存（CCS）已成为减轻人为二氧化碳排放的关键策略，需要精确的储层表征和可靠的注入CO?监测以确保安全封存。本研究通过基于地震反演的储层表征，评估了北海北部Smeaheia油田的CO?封存潜力。将测井解释、岩石物理分析和三维地震数据进行整合，以评估Sognefjord层组和Fensfjord层组作为主要和次要储层目标。采用两种元启发式算法——JAYA算法（JA）和差分进化算法（DE）——实施了基于全局优化的地震反演工作流程，以估计声学阻抗。进行了合成地震建模以验证反演框架并评估CO?引起的阻抗变化的可检测性。两种算法均成功重建了基线阻抗并检测到与CO?饱和度相关的储层段内的阻抗降低。将方法应用于野外地震数据验证了该方法的可行性，井位处的复合道反演结果与测井推导的阻抗吻合良好，两种算法的相关系数均为0.95，R2均为0.89。全体积反演产生了地质一致的阻抗剖面，储层段以较低阻抗值为特征。定量评估表明JA的反演质量优于DE，具有更低的RMSE（0.119对比0.149）、更高的平均相关系数（0.842对比0.737）和更高的信噪比（5.37 dB对比3.44 dB）。这些结果表明基于全局优化的地震反演在储层表征和CO?监测方面具有有效性，并突显了其作为类似地质环境中CCS场地评估可靠工具的潜力。

# 引言

碳捕集与封存（CCS）包含一组旨在减少温室气体排放的技术（Bui等，2018年）。该技术是一种从工业和能源来源中去除CO?，将其运输至封存地点并注入深层地质构造以实现长期封存的过程（Ma等，2022年）。为使CCS有效，必须表征地下构造以确认足够的储存量、适当的注入性和长期封存能力（Dahlan和Shah，2025年）。

北海北部是一个非常有前景的大规模CO?封存区域，因为它拥有非常完善的地质数据库和充分表征的沉积盆地（Fuhrmann等，2024年）。Sleipner油田自1996年开始注入，是世界上最早的CCS项目之一，并在时间序列地震监测CO?羽流迁移有效性方面取得了重要成功（Park等，2025年）。最近，Smeaheia油田已被确定为潜在的CO?未来封存地点。Sognefjord层组由具有良好侧向连续性的厚砂岩组成，是该区域CO?注入最重要的储层（Cho等，2024年）。上覆的Draupne层组由于其低渗透率页岩岩性而起到有效的区域盖层作用，而Vette断层等构造要素有助于构造圈闭和储存安全（Mondol等，2018年）。目前评估表明，Smeaheia中Alpha和Beta圈闭的总CO?封存能力约为1亿吨（Dupuy等，2018年；Fawad等，2021年）。Sleipner和Smeaheia都为羽流监测提供了宝贵经验，并提供了评估储层是否适合未来注入作业的机会。虽然Sleipner提供了羽流监测方面的宝贵经验，但Smeaheia提供了评估储层是否适合未来注入作业的重要机会。

在本研究中，选择对Smeaheia油田进行详细的储层表征，以了解该油田是否适合CCS监测。地震反演方法提供了一种将地震反射信号转化为地下属性模型的定量手段，使能够估计地下岩石属性，如岩性、孔隙度和流体含量（Xu等，2009年）。地震反演分为叠后反演和叠前反演两部分。在叠后地震反演中，数据基于零偏移信息，角度信息丢失，仅产生P波反射率（Maurya和Sarkar，2016年；Leisi和Shad Manaman，2024年），其基本应用是声学阻抗反演，将纵波速度和密度结合以推断地质特征。与叠后反演相比，叠前反演保留了入射角信息，这对于推导弹性岩石属性至关重要。两种方法均使用测井数据和地层信息；然而，叠前反演额外纳入地震角度道组以估计P阻抗、S阻抗和密度的体积（Maurya等，2020年）。大量研究已成功运用地震反演进行岩石物理、地质力学和弹性储层表征。联合反演和扩展弹性阻抗技术已被用于伊朗西南部Asmari层组的地质力学表征（Leisi和Shad Manaman，2025a）以及伊朗油田的综合地震-地质力学储层表征（Leisi和Shad Manaman，2025b）。反演获得的储层属性也被用于通过综合储层品质指数进行储层品质评估（Leisi等，2026年）、预测碳酸盐储层中的沥青分布（Leisi等，2025c），以及使用机器学习和地球统计方法估计横波速度（Leisi和Shad Manaman，2024年；Leisi等，2025d）。这些研究表明了反演方法在不同地质环境中储层表征的多样性。

除传统油气勘探外，地震反演已成为碳捕集、利用与封存（CCUS）项目中不可或缺的工具。近期研究表明基于模型和稀疏层反射率反演在估计CO?羽流弹性参数方面成功应用，并被用于从时间序列地震数据中定量监测CO?体积（Hema等，2025a，2025b）。同样，在挪威北海一个凝析油气田中对CO?储存的长期监测表明，在注入期间能够使用地震方法追踪CO?迁移和封存完整性（Singh等，2025a）。进一步使用基于全局优化的地震反演技术进行的对比分析也表明，通过减少标准确定性反演方法固有的不确定性，更好地表征了CO?分布并增加了对储层的理解（Hema等，2024年；Singh等，2025b）。这些研究突显了地震反演作为注入前场地表征和地质CO?储存项目长期监测关键工具日益增长的重要性。

尽管有这些优势，常规反演技术如基于模型、带限和彩色反演以及确定性叠前反演方法容易陷入局部极小值，并且强烈依赖于初始模型，这可能导致在复杂地质环境中产生非唯一解。这些局限性可能导致非唯一解和地下属性估计的不确定性增加，从而降低储层表征的可靠性（Xu等，2009年；Bosch等，2010年；Maurya和Sarkar，2016年）。因此，将全局优化算法与地震反演结合以改善向全局最优解的收敛、减少对初始模型的依赖并增强反演结果的鲁棒性和准确性的兴趣日益增长。这类优化技术已显示出增强CO?储存储层表征和监测的显著潜力，为本研究采用方法的动机所在。

以前的研究已探索了Smeaheia地区的构造设置和储层特征以评估其是否适合CO?封存。Mulrooney等（2020年）创建了一个基于三维地震的构造地质模型以评估断层架构和封存的完整性，Osmond等（2022年）将地震和井筒数据相结合创建了一个构造模型，概述了北部Horda地台的构造圈闭并评估了侏罗纪层组的封存潜力。Dupuy等（2021年）使用两步工作流程，先进行全波形反演（FWI）再进行岩石物理反演，以估计孔隙度和体积模量的二维剖面及其不确定性，用于储层属性估计。同样，Fawad等（2021年）使用叠前地震反演和岩石物理转换生成岩石物理属性，如泥质含量、孔隙度和渗透率。Holden等（2024年）考察了深度转换对断层几何形态和断层风险评估的影响，发现虽然深度转换显著影响断层落差和封盖厚度，但膜封盖存在和地质力学完整性的总体评估在不同速度模型中表现出相对鲁棒性。Holden等（2025年）研究了生长断层复杂性对Smeaheia断层封盖评估的影响，指出Vette断层带表现出脚下退化作用和常被常规评估忽视的阶坡底部沉积物，强调了详细构造分析对准确封盖潜力评估的重要性。Gómez和Lothe（2025年）将机器学习分割算法应用于Smeaheia的三维地震数据以增强盖层和上覆地层中的断层检测，证明其计算高效的流程产生与人工解释一致的断层密度属性，并能揭示延伸至海底的盖层断层模式。Michie等（2025年）研究了Smeaheia碳酸盐-钙质灰岩多层中的断层渗透率，证明富含钙质灰岩的断层岩表现出比未变形围岩更低的渗透率，当与储层单元相邻时增强了封盖能力。以上研究为Smeaheia油田的构造框架、断层几何形态和储层属性提供了有用信息，但主要基于确定性反演、基于岩石物理的转换或局部优化方案（如基于模型和基于AVO的弹性反演）。这些技术的范围都有限，因为它们依赖于模型假设，如果无法适当反映非线性关系就可能陷入局部极小值，并且仍然可能无法完全描述复杂的非线性关系。全波形反演成本更高、对噪声更敏感，并且能够以更高分辨率解析地下结构，但它确实提供了更高层次的分辨率。本研究提出了一种基于全局优化的反演方案，试图搜索整个解空间，对初始猜测不太敏感，从而最大限度地减少陷入局部极小值的可能性，同时保持计算可行性。

基本存在两类优化技术：局部优化和全局优化。局部算法在模型空间的局部邻域内微调解，而全局算法如模拟退火、遗传算法和粒子群优化实施更广泛的搜索以找到最佳全局解，当目标函数复杂、多模态且有噪声时更加有用（Edigbue等，2022年）。这些方法特别适用于地震反问题，其中非线性和病态性普遍存在。

本研究基于对经过验证的差分进化（DE）算法与较新的JAYA算法（JA）的比较。差分进化（DE）由Storn和Price（1997年）提出，是一种基于种群的随机优化方法，广泛用于复杂的连续优化。它基于变异、交叉和选择过程来接近全局最优解（Balkaya等，2017年）。由于DE不需要任何梯度信息，它适用于非线性、不可微和多模态目标函数。它特别适合探索/开发平衡，以及具有噪声和病态目标函数的地球物理反问题（Pan等，2018年）。Rao（2016年）提出的JAYA算法是一种简单且高效的算法，无需任何算法特定控制参数。它是一种基于种群的优化方法，候选解迭代地朝最优解移动并远离种群中最差解（Alsajri等，2018年）。与需要仔细调整参数（如交叉率或惯性权重）的多种元启发式方法不同，JAYA不涉及任何参数调整，如迭代次数或种群大小，这使其更易于实施并更加鲁棒（Pandey，2016年）。基于这些优势，差分进化和JAYA在本研究中被选为全局优化策略，以改善地震反演稳定性并增强用于CO?封存评估的储层属性估计。

本研究的创新之处在于将两种新算法差分进化（DE）和JAYA纳入地震反演框架并进行比较，用于Smeaheia油田的储层表征。虽然以前在Smeaheia地区的研究主要集中于确定性反演、叠前反演、岩石物理转换和全波形反演以估计储层属性，但基于全局优化的反演应用仍然有限。

与传统的反演方法不同，后者强烈依赖于初始模型假设，且容易收敛于局部极小值，本文所提出的工作流程探索了更广泛的解空间，以提高反演的鲁棒性和解的可靠性。此外，本研究在CO?储存储层表征的背景下，对一种成熟的随机优化方法与一种相对较新的无参数优化算法进行了直接比较。研究结果有望为未来的碳捕获与封存应用开发计算效率高且可靠的反演策略做出贡献，从而改善地下储层的表征与监测。

**研究区：Smeaheia油田**

Smeaheia区块位于霍达平台（Horda Platform）东部，紧邻Troll油田以东。构造上，该区域西侧受南北走向的Vette断层限制，东侧则受?ygarden断层系控制。研究区内已划分出两个主要构造圈闭：Alpha圈闭（32/4-1井），位于Vette断层下盘；Beta圈闭（32/2-1井），位于?ygarden断层系上盘。

**方法**

地震反演是一种定量地球物理方法，可将地震反射数据转化为地下物理性质模型。该过程能够估算声阻抗、密度及弹性性质等参数，这些参数对于岩性解释、孔隙度分布及地质体中流体赋存状态的识别至关重要。地震反演的核心概念在于从记录的地震道中提取地层的反射响应，并

**地球物理分析**

地球物理分析的目的在于全面认识储层品质，并量化影响CO?储存性能的若干关键参数，如岩性、孔隙度、泥质含量及弹性性质。该评估具有重要意义，因为它是验证地震解释结果的基准，并为研究区划定最适宜的储存层段提供依据。据此，对32/4-1井（Alpha）进行了详细的地球物理评价。

**讨论**

地球物理数据、合成建模与实测数据反演的综合分析表明，Smeaheia储层综合体适用于基于地震的CO?监测。地球物理评价结果显示，储层段具有良好的储集性能，尤其是Sognefjord组，其储层品质和弹性性质有利于地震识别。孔隙度与声阻抗之间观测到的关系也进一步印证了这一观点。

**结论**

本研究以基于地震反演的储层表征为框架，对Smeaheia油田进行了系统研究，重点评估了Sognefjord组和Fensfjord组用于地质CO?储存的适用性。地震解释和反演阻抗结果表明，两组均表现出横向连续的层序架构，且与周围层段相比具有相对较低的声阻抗响应，这与以孔隙砂岩为主的特征一致。

**CRediT作者贡献声明**

G. Hema：撰写—初稿、可视化、方法学、调查、概念化。S.P. Maurya：撰写—审阅与编辑、验证、指导、方法学。Ajay P. Singh：撰写—审阅与编辑、形式分析。Abhay Kumar：撰写—审阅与编辑。Vivek Kumar Patel：撰写—审阅与编辑。Avinash Kumar Chouhan：撰写—审阅与编辑、形式分析。

G. Hema | S.P. Maurya | Ajay P. Singh | Abhay Kumar | Vivek Kumar Patel | Avinash Kumar Chouhan

印度北方邦瓦拉纳西 221005 贝拿勒斯印度大学地球物理系