基于改进Xu-White模型的火山岩横波速度预测方法

基于改进xu-white模型的火山岩横波速度预测方法
技术领域
1.本发明涉及火山岩勘探技术领域，尤其涉及一种基于改进xu-white模型的火山岩横波速度预测方法。


背景技术：

2.火山岩储层蕴藏多种资源，如地下热能、矿产资源、地下水和油气藏等。随着勘探开发程度不断深入，火山岩储层作为一种特殊的油气藏类型备受关注。伴随火山岩油气藏的不断发现，火山岩油气藏储层评价技术也进入了新的发展阶段，火山岩的岩性识别、储层识别和裂缝识别等成为研究的核心内容。横波速度是火山岩avo(振幅随偏移距的变化)分析和储层描述的必要信息，在地震叠前反演和储层属性分析中起关键作用，同时也是岩石物性反演、储层岩性和裂缝流体识别的重要参数。然而，在实际生产中，受井段条件、测井技术和采集成本的限制，测井资料中横波速度信息通常较为匮乏。
3.火山岩储层具有孔隙结构不规则、矿物成分多样和物性各向异性等特征。一些研究者利用经验公式来预测横波速度，大都是基于实际横波速度和其他测井曲线数据建立的拟合关系，未考虑岩石的物理机制，预测结果准确性不足。而利用传统火山岩岩石物理模型预测横波速度方法是利用石英、碱性长石、斜长石、镁铁质和孔隙基于分类方案方法建立模型，进而预测横波速度，但该模型未考虑凝灰质的存在，对后续预测横波速度的准确性有巨大影响。因此，研究出一种准确预测火山岩储层横波速度方法成为亟需解决的重要问题。


技术实现要素：

4.为解决上述技术问题，本发明公开了一种基于改进xu-white模型的火山岩横波速度预测方法。
5.为实现上述目的，本发明采用下述技术方案：
6.根据本发明实施例的第一方面，提供了一种基于改进xu-white模型的火山岩横波速度预测方法，包括如下步骤：
7.步骤一、读取目标井段测井数据，计算目标井段砂相关孔隙纵横比αs；
8.步骤二、读取参考井段测井资料，利用xu-white模型计算参数砂的纵波速度vp、砂的横波速度vs、砂相关孔隙纵横比αs和粘土相关孔隙纵横比αc，得到先验分布；
9.步骤三、利用先验分布初始化xu-white模型，构建统计学岩石物理模型；
10.步骤四、利用统计学岩石物理模型，在贝叶斯反演框架下反演目标井段砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
和粘土相关孔隙纵横比αc，结合岩石物理模型得到目标井段横波速度。
11.可选地，所述步骤二中，砂相关纵波速度v
p_sand
和横波速度v
s_sand
的求解目标函数为：
12.[0013][0014][0015][0016][0017]
ρ0＝(1-f
′c)ρs+f
′cρc[0018][0019][0020]
式中，和分别为基质、砂和粘土的纵波传播时间，和分别为基质、砂和粘土的横波传播时间，其中传播时间是速度的倒数，f
′c为归一化的粘土体积分数。
[0021]
可选地，所述步骤二中，砂相关孔隙纵横比αs和粘土相关孔隙纵横比αc的求解目标函数为：
[0022]
αs＝0.17114-0.24477φ+0.004314fc[0023]
式中，φ为总孔隙度，是砂相关孔隙度和粘土相关孔隙度的和，fc为粘土的体积分数；
[0024][0025]
式中，和是利用xu-white模型模拟的纵波和横波速度。
[0026]
可选地，所述步骤四中，利用统计学岩石物理模型，在贝叶斯反演框架下反演目标井段砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
和粘土相关孔隙纵横比αc的步骤中，目标函数如下：
[0027]
m＝arg max[p(m|v
p
)
[0028][0029]
式中，m为v
p_sand
、v
s_sand
和αc三参数组成的向量，p(
·
)为概率函数，n(
·
)为正态分布的概率，v1为v
p
中噪声的方差，v2为协方差矩阵，e为三参数期望值组成的向量。
[0030]
可选地，所述步骤四中，目标井段砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
的求解目标函数为：
[0031][0032][0033]
式中，k
sat
、μ
sat
和ρ为流体饱和岩石体积模量、剪切模量和岩石密度。
[0034]
本发明的有益效果是，
[0035]
1、本发明提出了一种基于改进xu-white模型的火山岩横波速度预测方法，利用先验分布初始化xu-white模型中的关键岩石物理参数，构建统计学岩石物理模型，提高了该模型在应用于火山岩储层常规测井时的准确性；先验信息准确性取决于参考井段测井资料和岩心资料的丰富程度，同时目标井段与参考井段储层岩石性质相似，也能保证先验信息的准确性。在贝叶斯反演框架下，结合这些关键岩石物理参数和统计学岩石物理模型预测出火山岩储层的横波速度信息，提升了预测结果精度，同时解决了传统方法所需过多测井数据和岩心数据的问题。
[0036]
2、本发明预测结果与实测数据拟合良好，相关性进一步提高，全局误差和局部误差较小，预测纵、横速度结果准确性较传统xu-white模型方法大幅提升，该方法以参考井段的信息求取关键岩石物理参数的先验分布，用以初始化xu-white模型，构建统计学岩石物理模型来预测横波速度信息的准确性，避免了岩石物理参数为常数所造成的误差。准确的横波速度预测信息能为后续火山岩储层流体属性识别、储层特征评价、裂缝分布识别、叠前地震反演和avo分析提供重要参数。
附图说明
[0037]
图1为本发明基于改进xu-white模型的火山岩横波速度预测方法的流程图；
[0038]
图2为本发明实施例参考井段测井曲线及矿物组分信息图；
[0039]
图3为本发明实施例目标井测井曲线及矿物组分信息图；
[0040]
图4为本发明实施例参考井段砂速度统计的先验信息图；
[0041]
图5为本发明实施例基于han经验公式纵、横波速度预测结果图，其中，虚线为预测结果，实线为实测结果；
[0042]
图6为本发明实施例基于xu-white模型的纵、横波速度预测结果图，其中，虚线为预测结果，实线为实测结果；
[0043]
图7为本发明实施例基于改进xu-white模型的纵、横波速度预测结果图，其中，虚线为预测结果，实线为实测结果。
具体实施方式
[0044]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045]
图1示出了本发明一种基于改进xu-white模型的火山岩横波速度预测方法的流程图，如图1所示，包括如下步骤：
[0046]
步骤一、读取目标井段测井数据，计算目标井段砂相关孔隙纵横比αs；
[0047]
步骤二、读取参考井段测井资料，利用xu-white模型计算参数砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
、砂相关孔隙纵横比αs和粘土相关孔隙纵横比αc，得到先验分布；
[0048]
步骤三、利用先验分布初始化xu-white模型，构建统计学岩石物理模型；
[0049]
步骤四、利用统计学岩石物理模型，在贝叶斯反演框架下反演目标井段砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
和粘土相关孔隙纵横比αc，结合岩石物理模型得到目标井
段横波速度。
[0050]
以xu-white模型作为基础模型，以严重影响岩石速度且无法从常规测井资料中获取的参数作为关键岩石物理参数，结合先验信息形成关键岩石物理参数的分布。常规测井资料中只提供部分测井曲线，如密度、速度、孔隙度、粘土含量和含水饱和度等。通过先验分布来初始化模型，可以用较少的信息模拟岩石的真实速度。根据前人的研究，砂的纵、横波速度和粘土孔隙纵横比是严重影响岩石速度的关键参数。
[0051]
可选地，所述步骤二中，砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
的求解目标函数为：
[0052][0053][0054][0055][0056][0057]
ρ0＝(1-f
′c)ρs+f
′cρcꢀꢀ
(6)
[0058][0059][0060]
式中，和分别为基质、砂和粘土的纵波传播时间，和分别为基质、砂和粘土的横波传播时间，其中传播时间是速度的倒数，f
′c为归一化的粘土体积分数。
[0061]
先验信息是建立关键岩石物理参数分布的必要信息。实际测井资料受井段条件、采集技术和采集成本等条件限制，存在目标区内仅有部分井段具有准确且完整的测井资料和矿物组分信息，故选取参考井段的资料作为参考信息。参考信息数据丰富、准确，包括矿物信息、密度和孔隙度等。模型中的多数参数可从测井资料中获取，但考虑粘土含量对砂相关孔隙纵横比(αs)的影响，同时砂相关孔隙纵横比(αs)对岩石速度影响较小。参考井段中砂相关孔隙纵横比αs和粘土相关孔隙纵横比αc，可选地，所述步骤二中，砂相关孔隙纵横比αs和粘土相关孔隙纵横比αc的求解目标函数为：
[0062]
αs＝0.17114-0.24477φ+0.004314fcꢀꢀ
(9)
[0063]
式中，φ为总孔隙度，为砂相关孔隙的孔隙度和粘土相关孔隙的孔隙度的和，fc为粘土的体积分数；
[0064][0065]
式中，和是利用xu-white模型模拟的纵波和横波速度。
[0066]
利用先验分布和统计学岩石物理模型反演出目标井中砂的速度和粘土相关孔隙纵横比。可选地，步骤四中，利用统计学岩石物理模型，在贝叶斯反演框架下反演目标井段
砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
和粘土相关孔隙纵横比αc的步骤中，目标函数如下：
[0067]
m＝arg max[p(m|v
p
)]
ꢀꢀ
(11)
[0068][0069]
式中，m为v
p_sand
、v
s_sand
和αc三参数组成的向量，p(
·
)为概率函数，n(
·
)为正态分布的概率，v1为v
p
中噪声的方差，v2为协方差矩阵，e为三参数期望值组成的向量。
[0070]
可选地，所述步骤四中，目标井段砂的纵波速度v
p_sand
、砂的横波速度v
s_sand
的求解目标函数为：
[0071][0072][0073]
式中，k
sat
、μ
sat
和ρ为流体饱和岩石体积模量、剪切模量和岩石密度。
[0074]
模拟退火粒子群算法(sa-pso)是一种全局优化算法，能解决反演中非线性目标函数求解问题，其基于模拟退火思想，改善粒子群算法中局部寻优能力，已被应用于储层描述的非线性反演问题。将它应用于求解目标函数，通过搜索参数m的最优解，使后验分布p(m|v
p
)最大。
[0075]
本实施例选取中国东部南堡凹陷5号构造某井位实际测井资料进行研究。研究区域位于渤海湾盆地黄骅坳陷北部南堡凹陷西南庄断层下降盘，在取得重大发现的南堡1号构造的北西部，是一个发育在中、古生界基岩鼻状构造背景上、受西南庄断层及其派生断层控制形成的潜山披覆断背斜构造带，主要储层为下第三系沙河街组的火山岩，其分布范围广、厚度大，发育多种与火山岩或地层超覆有关的地层岩性圈闭。火山岩主要是火山熔岩，中间夹不等厚火山碎屑岩。
[0076]
南堡1井下半段为重点探测井段，测井资料较为完整，故使用南堡1井的下半段作为参考井段。参考井段的矿物组分信息如图2所示，信息均通过测井资料和岩心数据得出，矿物和孔隙流体的模量和密度见表1。
[0077]
表1矿物和孔隙流体的模量和密度
[0078]
[0079]
其中，南堡1井中岩浆包裹体(smi)组成成分对岩石物理模型影响很大，通过文献调研，认为包裹体主要成分是长石，其模量、密度与长石相似。南堡1井上半段有横波速度、纵波速度、密度、粘土含量、含水饱和度和孔隙度曲线等常规测井曲线，如图3所示，无矿物组分信息，可作为目标井段来预测其横波速度，实际横波速度曲线来验证本实施例方法的有效性。
[0080]
首先，在xu-white模型中，根据参考井段测井资料中矿物组分信息计算出砂的速度，结果如图4所示，它显示了参考井段的统计量，并计算出参考井段砂相关孔隙纵横比αs和粘土相关孔隙纵横比αc，并以此为关键岩石物理参数建立了下一个过程的先验分布；其次，计算目标井段砂相关孔隙纵横比αs；最后，建立基于xu-white模型的统计学岩石物理模型，使用三个关键参数的先验分布初始化模型，结合已知测井信息，计算出目标井的横波速度。
[0081]
为了验证方法的准确性，本发明利用基于han经验公式、基于传统xu-white模型对资料进行预测，其结果与基于xu-white模型的统计学岩石物理模型(改进的xu-white模型)反演结果相比较，通过均方差(mse)和相关系数(r)进行定量评价。评价公式如下：
[0082][0083][0084]
其中，i为深度点位，和vi为预测速度和实际速度，n为深度点位总数，cov(
·
)为协方差，σ为速度的标准偏差。
[0085]
三种方法对目标井段的预测结果如图5-7所示，其误差评价如表2所示。
[0086]
表2不同模型预测的vp和vs的均方误差(mse)和相关系数(r)
[0087][0088]
对比上述结果，验证了本实施例方法应用于火山岩储层测井区域横波速度预测的有效性。基于han经验公式的预测结果如图5所示，该法通过大量纵横波、密度等信息统计拟合得出，预测结果具有较好的相关性，全局误差较小，但在4930～4940米、4960～4980米井段存在局部误差较大的情况，预测纵波速度的均方误差小于基于xu-white模型方法，预测横波速度的结果差于其他两种方法。
[0089]
基于xu-white模型预测结果如图6所示，该法采用常数参数初始化模型，预测结果相关性较han经验公式方法大幅提高，预测横波速度结果有所提升，因未考虑岩石性质随地层压力变化造成的影响，smi中矿物组分难以确定致使参考井段中提供砂的速度存在偏差，目标井段砂的速度是参考井段砂的速度的均值，致使预测纵波速度全局误差较大。
[0090]
基于改进xu-white模型的统计学岩石物理模型方法预测结果为最佳，如图7所示，
预测结果与实测数据拟合良好，相关性有了进一步提高，全局误差和局部误差较小，预测纵、横速度结果准确性较传统xu-white模型方法大幅提升，验证了该法以参考井段的信息求取关键岩石物理参数的先验分布用以初始化xu-white模型，构建统计学岩石物理模型来预测横波速度信息的准确性，避免了岩石物理参数为常数所造成的误差。
[0091]
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。