正演模型引导的半监督对数阻抗反演方法与流程

本发明涉及地学中的弹性参数反演和地震储层预测，特别是涉及到一种正演模型引导的半监督对数阻抗反演方法。

背景技术：

1、波阻抗是联系地球物理与油田地质开发的重要中间参数。联合地震、测井、地质等油气大数据将反映地下界面反射特征的地震剖面转化为反映岩性 /物性特征的波阻抗剖面，对储层展布及厚度、岩性、物性、含油气性等储层预测任务具有重要意义。

2、地震波阻抗反演技术经历了从单道反演走向多道反演，从线性走向非线性、从叠后走向叠前、从单信息约束走向多信息约束的发展历程。目前，波阻抗反演技术正处在从模型驱动走向数据驱动或“数据+知识”双轮驱动的新的历史发展阶段。传统的叠后地震波阻抗反演是目前应用最为广泛、成熟的波阻抗反演技术。根据地震和测井资料在反演算法中的参与程度或约束作用的强弱程度，叠后波阻抗反演方法可以分为四大类：带限反演(或无井约束的地震直接反演)、测井约束下的宽带反演、测井地震联合反演和地震约束下的测井内插外推。

3、带限反演包括道积分反演、递归反演等方法。该类方法不需要测井数据的直接参与，仅利用窄带地震数据反演出反射系数，进而通过反射系数与波阻抗的递推公式求取出地层波阻抗。由于地震数据缺少低频和高频成分，导致该方法无法反演出绝对波阻抗，并且缺少低频成分对反演效果影响更大，表现为预测的阻抗低频趋势不准。

4、测井约束下的宽带反演包括广义线性反演、宽带约束反演、稀疏脉冲反演、模拟退火反演等。以稀疏脉冲反演为例，该方法是结合脉冲反褶积的递推阻抗反演方法，它首先在地震频带范围内导出稀疏的反射系数，再通过递推反演转化出宽带阻抗，宽带阻抗与钻测井数据建立的低频初始模型合并而最终得到一个全频带的绝对波阻抗模型。

5、测井地震联合反演本质上是一种基于模型的地震反演。在给定初始模型的情况下，基于不同的优化迭代扰动算法，不断修改更新地质模型，迭代次数达到设定的最大值或模型正演得到的地震数据与实际地震数据达到最佳匹配时，最后得到的模型即为反演结果。

6、地震约束下的测井内插外推包括随机模拟和随机反演等，其本质是一种地震和地质资料约束下的测井数据插值方法。它从地震数据出发，依靠测井和钻井等数据精细解释层位，划分地层格架单元和确定地质变化规律。之后从过井剖面的井位置出发，依据测井数据对不同的小层进行内插和外推，以此建立符合实际地质沉积规律的光滑且闭合的波阻抗模型。测井数据内插和外推通过(协同)克里金、序贯高斯模拟、序贯指示模拟等方法实现。该类方法反演结果依赖于测井数据的统计特征，并且要求其统计特征服从正态分布或在变换域服从正态分布，适用于井数目较多且分布较均匀的实际工区。

7、以上四类叠后地震波阻抗反演各有优势和特定的适用场景。但是这些波阻抗反演方法都或多或少存着阻抗低频预测不准确或阻抗低频严重依赖于初始模型的问题。为实现绝对阻抗及其低频成分的准确预测，主要有以下三种类型的智能化地震阻抗反演网络。(1)监督型网络，如应用卷积神经网络到叠后波阻抗反演，通过地震测井训练样本对的学习，直接建立从输入地震数据到输出阻抗数据之间的非线性映射关系。监督型网络预测阻抗的好坏依赖于有代表性(标签)数据的数量，适用于多井的实际工区。(2)半监督型网络，如联合卷积神经网络、递归神经网络和正演物理模型来构建物理知识引导下的半监督反演网络。该方法可以充分利用非井位置的地震数据，极大缓解少标签问题，但是该方法需要假设地震数据与阻抗之间满足特定的数学物理方程(如褶积模型)和已知地震子波。(3)无监督型网络，如采用cnns和正演物理模型相结合进行无监督阻抗反演，网络学习的过程中只用地震数据估计损失进行质控。反演过程中仍然需要正演模型、初始低频模型和精确的地震子波的参与。其低频信息(初始模型)没有真正参与到神经网络的学习过程之中。

8、在申请号：cn201310197063.6的中国专利申请中，涉及到一种基于模型约束的阻抗反演方法及系统，方法包括：采集当前地层的测井数据、地震数据以及采集矩阵；从所述的地震数据中提取地震解释资料；根据所述的测井数据以及所述的地震解释资料建立初始阻抗模型；根据所述的测井数据以及地震数据估计地震子波；根据声波阻抗与反射系数的关系以及地震道缺失时的采样关系确定目标函数；根据所述的初始阻抗模型、估计的地震子波以及目标函数确定当前地层的阻抗剖面或阻抗体；对所述的阻抗剖面或阻抗体进行综合解释，得到当前地层的储层预测结果。通过对模型正则化，把地震数据插值和地震波阻抗反演进行了有机的融合，达到了同时地震数据插值和阻抗反演的目的。

9、在申请号：cn201310155533.2的中国专利申请中，涉及到一种叠后声波阻抗反演方法，属于油气及煤层气地震勘探与开发领域。本方法包括：(1) 对叠后地震数据进行处理，使得叠后地震数据的频谱与由测井数据得到的声波阻抗的频谱相匹配，从而获得相对声波阻抗数据；(2)构建用于基于模型反演的初始声波阻抗模型或者变差函数；(3)对步骤(2)得到的初始声波阻抗模型进行正演计算得到合成地震数据；(4)将合成地震数据与实际叠后地震数据进行比较，求得声波阻抗模型的修改量，利用该修改量对初始声波阻抗模型进行修改更新得到更新后的声波阻抗模型，再对更新后的声波阻抗模型进行正演计算得到合成地震数据；将其作为初始声波阻抗模型，重复步骤(4) 得到最终的反演结果。

10、在申请号：cn201510713116.4的中国专利申请中，涉及到种叠后地震波阻抗反演方法，属于地球物理勘探技术领域。本发明通过数据处理提取地震子波，建立待反演工区内所有井的井-震时深关系，标定各岩性界面在地震剖面上的反射位置，生成所有井的时间域的波阻抗曲线，并对该波阻抗曲线进行去压实校正，建立待反演工区的地质构造框架模型和地震波阻抗反演初始模型，最后对待反演工区的地震波阻抗反演初始模型进行叠后波阻抗反演，得到去压实波阻抗反演结果。该发明有效解决了地层沉积的压实作用对地震波阻抗产生的岩性识别多解性影响。经反演得到的波阻抗数据体纵向上真实反映了地层沉积韵律变化，横向上真实反映了岩性变化，能够较好地指导油田勘探开发部署。

11、以上现有技术均与本发明有较大区别，未能解决我们想要解决的技术问题，为此我们发明了一种新的正演模型引导的半监督对数阻抗反演方法。

技术实现思路

1、本发明的目的是提供一种提高预测准确性，实现快速稳定精确的波阻抗反演的正演模型引导的半监督对数阻抗反演方法。

2、本发明的目的可通过如下技术措施来实现：正演模型引导的半监督对数阻抗反演方法，该正演模型引导的半监督对数阻抗反演方法包括：

3、步骤1，基于岩石物理理论和波动理论，构建用于智能化叠后波阻抗反演的训练、验证和测试数据集；

4、步骤2，对比半监督学习建立的阻抗反演模型和对数阻抗反演模型，确定学习地震数据与对数阻抗之间的近似线性关系更适用于面向实际复杂地质背景下的阻抗参数预测建模；

5、步骤3，建立正演模型引导的半监督对数阻抗预测模型；

6、步骤4，预测合成数据或实际数据对应的阻抗剖面。

7、本发明的目的还可通过如下技术措施来实现：

8、在步骤1中，基于岩石物理理论和波动理论，利用弹性参数剖面合成阻抗模型和地震数据，提取不同井位置的阻抗曲线及对应的地震数据，构建出用于智能化叠后波阻抗反演的训练、验证和测试数据集。

9、在步骤2中，基于半监督学习和深层递归神经网络，建立阻抗预测模型和对数阻抗预测模型，依据试验结果进一步证实理论认识，学习地震数据与对数阻抗之间的近似线性关系比学习地震数据与阻抗之间的非线性关系更适用于面向实际复杂地质背景下的阻抗参数预测建模。

10、在步骤2中，基于半监督学习和门控递归单元类型的深层神经网络，建立直接预测阻抗的智能模型和预测对数阻抗再导出阻抗的智能模型，通过两种智能模型在合成数据上的测试效果说明学习对数阻抗更容易快速准确获得期望的阻抗模型；由此确定相比于建立地震数据域到阻抗数据域的非线性映射关系，建立地震数据域到对数阻抗域之间的近似线性映射关系更适合求解阻抗反演问题，有利于减小建模的复杂度。

11、在步骤2中，理论上，基于褶积模型得到的某一时刻的地震记录是该时刻附近的阻抗参数的非线性特征响应，简化二者之间的非线性关系，等价表达成地震记录与对数阻抗之间的近似线性关系，以此简化地层波阻抗的求解方案；为验证这一理论认识，基于深层递归神经网络和半监督学习建立两种阻抗预测模型，即智能化阻抗模型和智能化对数阻抗模型；两种模型的阻抗预测结果也表明学习对数阻抗比直接学习阻抗建模更为高效，预测结果更为准确。

12、在步骤3中，在步骤2确定对数阻抗而不是阻抗作为反演目标的基础上，建立正演模型引导的半监督对数阻抗预测模型；基于准确性、抗噪性和稳定性这些评价指标验证正演模型在半监督对数阻抗预测中的约束和引导作用。

13、在步骤3中，在半监督对数阻抗反演建模的过程中，深层神经网络预测的中间产物即期望的阻抗，通过数据驱动的正演模型时生成的地震数据不断靠近真实地震数据，正演模型多次检验地震数据吻合程度，以此扰动更新中间产物不断靠近真实井导出的阻抗，最终实现在正演模型引导下稳定准确地反演阻抗。

14、在步骤3中，以学习对数阻抗为反演目标，首先预训练得到数据驱动的正演模型，学习输入的对数阻抗合成为地震数据的正演过程，之后利用该正演模型引导半监督对数阻抗反演模型的建立；正演模型将预测的阻抗正演合成地震数据，利用地震数据匹配程度检验预测阻抗结果的好坏；使得预测结果在正演模型的引导下不仅满足测井约束，还满足地震数据匹配，以此减小解空间，预测出更为准确、更符合地下地质规律的阻抗模型。

15、在步骤4中，利用步骤3获得的数据驱动正演模型引导下的半监督对数阻抗预测模型预测合成数据或实际数据对应的阻抗剖面。

16、在步骤4中，利用本发明给出的正演模型引导的半监督对数阻抗反演方法对实际数据开展测试，反演得到的阻抗剖面与井位置的阻抗曲线吻合度较高，剖面横向展布较好，初步证明该正演模型引导的半监督对数阻抗反演方法适合应用到实际工区开展叠后波阻抗反演工作。

17、本发明中的正演模型引导的半监督对数阻抗反演方法，该方法首先简化地震数据映射到阻抗参数的复杂非线性关系为地震数据映射到对数阻抗的线性关系，减小阻抗参数预测建模的复杂度；之后借鉴传统波阻抗反演技术中的正演模拟检验反演结果好坏，建立数据驱动的正演模型引导基于半监督学习的对数阻抗反演的非线性优化迭代过程，保证获得的阻抗模型正演合成的地震数据与实际地震数据最佳匹配，减小多解性，提高预测准确性，实现快速稳定精确的波阻抗反演。预测出的阻抗为储层岩性预测、物性参数预测、油气识别等储层预测与描述工作提供了基础。

18、相比于已有的神经网络类叠后波阻抗反演方法，本发明不再以阻抗参数为反演目标，而是以对数阻抗作为反演目标，以此减小阻抗反演求解难度，提高建模效率。此外，考虑合成地震数据与实际地震资料达到最佳匹配是做好反演的基础，预先建立对数阻抗到地震数据的正演模型，之后在数据驱动的正演模型引导下建立半监督对数阻抗反演模型。预先训练的正演模型可以减小建立半监督对数阻抗反演模型中正演网络的难度；并加快半监督对数阻抗反演模型中反演网络预测阻抗收敛到期望目标；同时减小解空间，保证预测阻抗不仅满足测井约束，而且满足地震数据最佳匹配。