随机地震反演原理和关键参数优选.pdfVIP

156 SPG/SEG 深圳 2011 国际地球物理会议论文集 随机地震反演的原理和关键参数优选 ① ① ① 黄哲远 甘利灯 王 军 （①中国石油勘探开发研究院） 摘要 随机地震反演将地震资料、测井资料和地质统计学信息融合为地下模型的后验概率分布，利用 马尔科夫链蒙特卡洛（MCMC）方法对该后验概率分布采样，通过综合分析多个采样结果来研究后验概 率分布的性质，进而认识地下情况。本文首先介绍了随机地震反演的原理，然后对影响随机地震反演 效果的几个关键参数进行分析，为这些参数的优选提供了依据。 关键词 随机地震反演 地震资料信噪比 变差函数 反演实现个数 井网密度 下，则需要使用马尔科夫链蒙特卡洛（MCMC ） 1 引言 方法来对后验概率分布采样。 随机地震反演是地质统计学方法和反演理 2 随机地震反演原理 论的结合体。地质统计学起源于上世纪 50 年代， Krige[1]提出了克里金插值方法。60 年代，法国 地球物理反演问题是利用观测数据和已有 统计学家Matheron[2]提出了区域变量理论，为地 理论推断地下模型的问题。由于可以获得的数据 质统计学奠定了理论基础。80 年代，Journel[3]提 是有限的，并且数据和理论都不可避免地包含误 出了序贯高斯模拟方法。90 年代，Bortoli[4]和 差，所以任何反演方法都无法唯一地给出正确的 Haas[5]在序贯高斯模拟的基础上考虑地震资料 地下模型。但是，在一定的假设下，这些有误差 的约束，对地下模型的每一道模拟获得多个实 的数据和理论可以给出任意一个模型是地下真 现，寻找合成记录与地震记录最匹配的实现作为 实模型的可能性。如果将所有模型组成的集合称 相应道的反演结果，形成随机地震反演方法。 为模型空间，则上述的所有可能性就构成了一个 Grijalba-Cuenca[6]在 2000 年将上述基于道的方 定义在模型空间上的概率分布。随机地震反演通 法修改为基于点的方法。这两种随机地震反演方 过分析这个概率分布的性质来认识地下情况。 法都是序贯高斯模拟的延伸[7] 。在反演理论方 这一部分首先讨论如何构建模型空间上的 面，Tarantola[8]在 1987 年提出用概率密度函数的 概率分布，然后介绍分析这个概率分布的方法。 形式阐述反演问题，将反演过程转换为一个利用 本文重点讨论波阻抗和岩性模型。 先验信息和正演理论建立后验概率分布和对后 构建概率分布的过程由如下几步完成。首 验概率分布采样的过程。地质统计学与反演理论 先，由地质统计学理论可知，在针对一个区域的 的结合出现在Hansen[9]发表于2006 年的文章中。 适当的平稳假设下，可以通过测井曲线、露头信 在该文中他用地质统计学信息构建先验概率分 息等资料统计获得这个区域波阻抗模型的变差 布，并在高斯分布假设和线性反演的条件下，用 函数等地质统计信息。利用这些信息就可以初步 序贯高斯模拟的方法对后验概率分布采样获得 地构建一个波阻抗模型满足的多元概率分布 了反演结果。在非线性反演和非高斯分布的情况 p zp |vzp ，其中zp 表示三维波阻抗模型，vzp 为波 1071 156 SPG/SEG 深圳 2011 国际地球物理会议论文集 阻抗模型满足的变差函数。p zp |vzp 表示在变差 值赋给相应的网格点，后验概率分布仍采用（2 ） 函数vzp 的拘束下，波阻抗模型的概率分布密度 式。无论井曲线的信息以哪种形式加入，都会增 函数。一般认为这个概率分布是多元高斯分布或 加对井点及其周围点的约束，从而影响后验概率 者可以通过适当的变换化为多元高斯分布。 分布的不确定性，而不同密度的井网必将产生不 上述概率分布p zp |vzp 没有经过地震资料的 同的影响。 约束，故被称为先验概率分布。相对应的，将加 到此，模型空间上的概率分布构建完成，即 入地震资料约束的概率分布称为后验概率分布。 为（2 ）或（3 ）式中的后验概率分布。这样一个 根据贝叶斯公式，波阻抗模型的后验概率分布与 概率分布中包含了利用现有的地震、测井等资料 [10] 先验概率分布的关系如式（1） 。 可以获得的关于地下情况的全部信息。随机地震 p z | v , s p s| z p z | v ? p zp p p zp 1 反演要做的就是通过分析这个概率分布的性质 后验概率 似然概率 先验概率 来认识地下情况，例如可以统计获得油藏各个位 其中s表示地震记录；似然概率p s |zp 表示当地下 置的砂岩概率等。由于上述后验概率分布形式复 波阻抗模型为zp 时，采集得到地震记录s 的概率， 杂，常用的方法是通过分析这个概率分