地球物理反演的本质是依据地震数据获取我们所需地层的物性、弹性参数, 揭示地下地层空间展布和含油气性等特征。OSTRANDER[1]初次提出AVO技术, 揭示地震反射波振幅反映储层特征的奥秘, 由于Zoeppritz方程[2]精确求解的复杂性, 许多学者开展了基于Zoeppritz方程的AVO方法研究。AKI等[3]在《定量地震学》中, 对Zoeppritz方程进行了简化近似。拉梅参数(λ, μ)是储层预测和流体识别中最常用的弹性参数, 分别表征岩石的压缩性和刚性, 相较纵、横波速度和密度参数具有更好的预测及识别能力[4]。GOODWAY等[5]将Fatti近似式改写为模量组合和密度表示的形式, 通过提取纵、横波阻抗相对变化量求取纵、横波阻抗信息, 进而依据公式计算λρ和μρ, 但其本质仍是一种间接反演方法, 而间接计算产生的累积误差会降低预测精度[6-7]。XU等[8]提出利用体积模量K和拉梅常数λ, μ表征的完全隐含速度信息的近似方程。在密度相对变化较小时, 能够利用两项参数反映入射角不超过45°的反射特性。GRAY等[9]基于Aki-Richards近似方程提出了由体积模量/压缩模量、剪切模量和密度的相对变化率表示的反射系数近似公式, 实现利用叠前地震数据直接反演出λ和μ, 可以更加准确地识别岩性和流体。CONNOLLY[10]率先提出弹性阻抗的概念, 能够获得纵、横波速度和密度信息, 进而计算其它弹性参数。王保丽等[11]基于Gray近似方程, 推导了由λ、μ和ρ三参数表达式表示的弹性阻抗方程, 并进行标准化处理, 可以直接从弹性阻抗数据中提取拉梅参数。宗兆云等[12]基于平面波入射假设条件, 推导了基于杨氏模量Y、泊松比σ和密度D的YPD反射系数近似方程, 实现目标参数的直接反演, 能够有效识别页岩气“甜点”。
URSIN等[13]认为利用直接从常规纵波地震数据反演纵、横波速度和密度3个参数难度较大。张春涛等[14]认为利用纵波地震数据一般很难反演得到密度比。叠前AVO反演能够利用更多地下真实数据, 其本质仍是不适定问题, 一般通过删除第三项提高反演问题的稳定性[15]。SMITH等[16]利用Gardner经验关系式[17]改写Aki-Richards近似方程, 消除密度项, 虽然稳定性有所提高, 但经验关系式与实际地层的吻合情况严重影响反演的精确度。
在Zoeppritz方程的基础上, 提出一种关于剪切模量和密度的AVO直接反演方法, 该方法直接提取剪切模量和密度, 避免间接计算引起的误差。本方法仅涉及两参数反演, 且未引入经验关系式, 具有比常规三参数反演更好的稳定性。通过模型数据试算与方法对比, 验证了此方法正、反演问题的有效性与稳定性。最后, 将其应用于实际叠前地震数据, 以验证方法在岩性识别与储层预测中的正确性。
1 方法原理 1.1 AVO正演公式ZOEPPRITZ[2]基于平面波理论, 根据斯奈尔(Snell)定理、界面两侧位移和应力的连续性, 建立了用位移振幅比表示的反射透射系数, 对Zoeppritz方程组进行简化推导:
$ \left[\begin{array}{cccc} \sin \alpha_1 & \cos \beta_1 & -\sin \alpha_2 & \cos \beta_2 \\ \cos \alpha_1 & -\sin \beta_1 & \cos \alpha_2 & \sin \beta_2 \\ \sin 2 \alpha_1 & \frac{v_{\mathrm{P} 1}}{v_{\mathrm{S} 1}} \cos 2 \beta_1 & \frac{v_{\mathrm{P} 1} v_{\mathrm{S} 2}^2 \rho_2}{v_{\mathrm{P} 2} v_{\mathrm{S} 1}^2 \rho_1} \sin 2 \alpha_2 & -\frac{v_{\mathrm{P} 1} v_{\mathrm{S} 2} \rho_2}{v_{\mathrm{S} 1}^2 \rho_1} \cos 2 \beta_2 \\ \cos 2 \beta_1 & -\frac{v_{\mathrm{S} 1}}{v_{\mathrm{P} 1}} \sin 2 \beta_1 & -\frac{v_{\mathrm{P} 2} \rho_2}{v_{\mathrm{P} 1} \rho_1} \cos 2 \beta_2 & -\frac{v_{\mathrm{S} 2} \rho_2}{v_{\mathrm{P} 1} \rho_1} \sin 2 \beta_2 \end{array}\right]\left[\begin{array}{c} R_{\mathrm{PP}} \\ R_{\mathrm{PS}} \\ T_{\mathrm{PP}} \\ T_{\mathrm{PS}} \end{array}\right]=\left[\begin{array}{c} -\sin \alpha_1 \\ \cos \alpha_1 \\ \sin 2 \alpha_1 \\ -\cos 2 \beta_1 \end{array}\right] $ | (1) |
式中: RPP、TPP、RPS、TPS分别为纵波反射系数、纵波透射系数、转换横波反射系数和转换横波透射系数; vP1、vP2、vS1、vS2分别为界面两侧的纵、横波速度; α1、β1、α2、β2分别为界面两侧的纵、横波的反射和透射角; ρ1、ρ2分别为界面上、下地层的密度。(1)式左右两侧矩阵中的速度、角度项均满足Snell定律。则有:
$ \frac{\sin \alpha_1}{v_{\mathrm{P} 1}}=\frac{\sin \alpha_2}{v_{\mathrm{P} 2}}=\frac{\sin \beta_1}{v_{\mathrm{S} 1}}=\frac{\sin \beta_2}{v_{\mathrm{S} 2}}=P $ | (2) |
式中: P为射线参数。记x=sinα1, a=vP2/vP1, b=vS2/vS1, c=ρ2/ρ1, γ1=vS1/vP1, 代入(1)式整理可得:
$ \begin{gathered} \left[\begin{array}{cccc} x & \sqrt{1-\gamma_1^2 x^2} & -a x & \sqrt{1-b^2 \gamma_1^2 x^2} \\ \sqrt{1-x^2} & -\gamma_1 x & \sqrt{1-a^2 x^2} & b \gamma_1 x \\ 2 \gamma_1 x \sqrt{1-x^2} & 1-2 \gamma_1^2 x^2 & 2 b^2 c \gamma_1 x \sqrt{1-a^2 x^2} & -b c\left(1-2 b^2 \gamma_1^2 x^2\right) \\ 1-2 \gamma_1^2 x^2 & -2 \gamma_1^2 x \sqrt{1-\gamma_1^2 x^2} & -a c\left(1-2 b^2 \gamma_1^2 x^2\right) & -2 b^2 c \gamma^2 x \sqrt{1-b^2 \gamma_1^2 x^2} \end{array}\right]\left[\begin{array}{l} R_{\mathrm{PP}} \\ R_{\mathrm{PS}} \\ T_{\mathrm{PP}} \\ T_{\mathrm{PS}} \end{array}\right]\\ =\left[\begin{array}{c} -x \\ \sqrt{1-x^2} \\ 2 \gamma_1 x \sqrt{1-x^2} \\ 2 \gamma_1^2 x^2-1 \end{array}\right] \end{gathered} $ | (3) |
简化矩阵形式为:
$ \boldsymbol{A}\left[\begin{array}{c} R_{\mathrm{PP}} \\ R_{\mathrm{PS}} \\ T_{\mathrm{PP}} \\ T_{\mathrm{PS}} \end{array}\right]=\boldsymbol{B} $ | (4) |
主要对纵波反射系数进行重新推导, 根据克莱姆法可知:
$ R_{\mathrm{PP}}=\frac{\operatorname{det} \boldsymbol{A}_{11}}{\operatorname{det} \boldsymbol{A}} $ | (5) |
det表示求取矩阵的行列式, 其中:
$ \boldsymbol{A}_{11}=\left[\begin{array}{cccc} -x & \sqrt{1-\gamma_1^2 x^2} & -a x & \sqrt{1-b^2 \gamma_1^2 x^2} \\ \sqrt{1-x^2} & -\gamma_1 x & \sqrt{1-a^2 x^2} & b \gamma_1 x \\ 2 \gamma_1 x \sqrt{1-x^2} & 1-2 \gamma_1^2 x^2 & 2 b^2 c \gamma_1 x \sqrt{1-a^2 x^2} & -b c\left(1-2 b^2 \gamma_1^2 x^2\right) \\ 2 \gamma_1^2 x^2-1 & -2 \gamma_1^2 x \sqrt{1-\gamma_1^2 x^2} & -a c\left(1-2 b^2 \gamma_1^2 x^2\right) & -2 b^2 c \gamma^2 x \sqrt{1-b^2 \gamma_1^2 x^2} \end{array}\right] $ | (6) |
式中: A11是将A中的第一列用B替代所得到的矩阵。借鉴AVO公式常用各类参数相对变化率表示反射系数的方式, 引入横波、密度的相对变化率, 记RS=(vS2-vS1)/(vS2+vS1), Rρ=(ρ2-ρ1)/(ρ2+ρ1), 可对(3)式中参数进行转换:
$ \begin{aligned} &a=\frac{v_{\mathrm{P} 2}}{v_{\mathrm{P} 1}}=\frac{v_{\mathrm{S} 2} / \gamma_2}{v_{\mathrm{S} 1} / \gamma_1}=\frac{\gamma_1}{\gamma_2} b \\ &b=\frac{v_{\mathrm{S} 2}}{v_{\mathrm{S} 1}}=\frac{1+\frac{v_{\mathrm{S} 2}-v_{\mathrm{S} 1}}{v_{\mathrm{S} 2}+v_{\mathrm{S} 1}}}{1-\frac{v_{\mathrm{S} 2}-v_{\mathrm{S} 1}}{v_{\mathrm{S} 2}+v_{\mathrm{S} 1}}}=\frac{1+R_{\mathrm{S}}}{1-R_{\mathrm{S}}} \\ &c=\frac{\rho_2}{\rho_1}=\frac{1+\frac{\rho_2-\rho_1}{\rho_2+\rho_1}}{1-\frac{\rho_2-\rho_1}{\rho_2+\rho_1}}=\frac{1+R_\rho}{1-R_\rho} \end{aligned} $ | (7) |
对(7)式泰勒展开可得:
$ \begin{array}{l} b=\frac{1+R_S}{1-R_S}=\frac{2}{1-R_S}-1=\frac{2}{1-\frac{R_\mu-R_\rho}{2}}-1= \\ 1+\left(R_\mu-R_\rho\right)+\frac{\left(R_\mu-R_\rho\right)^2}{2}+\frac{\left(R_\mu-R_\rho\right)^3}{4}+\cdots \\ c=\frac{1+R_\rho}{1-R_\rho}=\frac{2}{1-R_\rho}-1=1+2 R_\rho+2 R_\rho^2+2 R_\rho^3+\cdots \\ \;\;\;\;\;\;a=T b=T\left[1+\left(R_\mu-R_\rho\right)+\frac{\left(R_\mu-R_\rho\right)^2}{2}+\right. \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left.\frac{\left(R_\mu-R_\rho\right)^3}{4}+\cdots\right] \end{array} $ | (8) |
式中: Rμ=(μ2-μ1)/(μ2+μ1), 表示界面上、下剪切模量的相对变化率; T=γ1/γ2, 表示界面上、下地层横、纵波速度比的比值, 可通过测井曲线获得。
同样展开角度项, 则有:
$ \begin{array}{l} \sqrt{1-x^2}= 1-\frac{1}{2} x^2-\frac{1}{2 \times 4} x^4-\\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \frac{1 \times 3}{2 \times 4 \times 6} x^6-\cdots \\ \sqrt{1-\gamma^2 x^2}= 1-\frac{1}{2} \gamma^2 x^2-\frac{1}{2 \times 4} \gamma^4 x^4-\\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \frac{1 \times 3}{2 \times 4 \times 6} \gamma^6 x^6-\cdots \\ \sqrt{1-a^2 x^2}= 1-\frac{1}{2} a^2 x^2-\frac{1}{2 \times 4} a^4 x^4-\\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \frac{1 \times 3}{2 \times 4 \times 6} a^6 x^6-\cdots \\ \sqrt{1-b^2 \gamma^2 x^2}= 1-\frac{1}{2} b^2 \gamma^2 x^2-\frac{1}{2 \times 4} b^4 \gamma^4 x^4-\\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \frac{1 \times 3}{2 \times 4 \times 6} b^6 \gamma^6 x^6-\cdots \end{array} $ | (9) |
将(8)式、(9)式代入(5)式, 为保持精度, 角度项保留至4次方项, 整理可得:
$ \begin{gathered} R_{\mathrm{PP}}(\theta)=\frac{1}{2(T+1)}\left[\left(A_1+A_2 \sin ^2 \theta_1+\right.\right. \\ \left.A_3 \sin ^4 \theta_1\right) R_\mu+\left(B_1+B_2 \sin ^2 \theta_1+\right. \\ \left.\left.B_3 \sin ^4 \theta_1\right) R_\rho+C_1\right] \end{gathered} $ | (10) |
其中,
$ \begin{gathered} A_1=B_1=T+1 \\ A_2=\left(-2 T+4 T^2\right)+(-7-9 T) \gamma_1^2 \\ A_3=\left(-T^2+2 T^3\right)+\left(T-T^2\right) \gamma_1^2+\frac{(1-T) \gamma_1^4}{2} \\ B_2=(-2 T)+(-1+T) \gamma_1^2 \\ B_3=\left(-T^2\right)+\left(T^2-T\right) \gamma_1^2+\frac{(T-1) \gamma_1^4}{2} \\ C_1=2(T-1)\left(1+T \sin ^2 \theta_1+\frac{T^2}{2} \sin ^4 \theta_1\right) \end{gathered} $ |
(10) 式为由剪切模量、密度的相对变化率表示的反射系数方程, 记为μ-ρ方程, 对其进行化简得:
$ R_{\mathrm{PP}}(\theta)=A R_\mu+B R_\rho+C $ | (11) |
其中,
$ \begin{gathered} A=\frac{A_1+A_2 \sin ^2 \theta_1+A_3 \sin ^4 \theta_1}{2(T+1)} \\ B=\frac{B_1+B_2 \sin ^2 \theta_1+B_3 \sin ^4 \theta_1}{2(T+1)} \\ C=\frac{C_1}{2(T+1)} \end{gathered} $ |
假定叠前地震数据有m个入射角, 每一道地震数据有n个时间采样点, 结合褶积模型, 反射系数与子波褶积得到合成地震记录, 即正演方程为:
$ \left[ \begin{matrix} {{d}^{1}}\left( {{\theta }_{1}} \right) \\ \vdots \\ {{d}^{n}}\left( {{\theta }_{1}} \right) \\ \vdots \\ {{d}^{1}}\left( {{\theta }_{m}} \right) \\ \vdots \\ {{d}^{n}}\left( {{\theta }_{m}} \right) \\ \end{matrix} \right]=\left[ \begin{matrix} W\left( {{\theta }_{1}} \right) & {} & {} \\ {} & \ddots & {} \\ {} & {} & W\left( {{\theta }_{1}} \right) \\ {} & \vdots & {} \\ W\left( {{\theta }_{m}} \right) & {} & {} \\ {} & \ddots & {} \\ {} & {} & W\left( {{\theta }_{m}} \right) \\ \end{matrix} \right]\left[ \begin{matrix} R_{\text{PP}}^{1}\left( {{\theta }_{1}} \right) \\ \vdots \\ R_{\text{PP}}^{n}\left( {{\theta }_{1}} \right) \\ \vdots \\ R_{\text{PP}}^{1}\left( {{\theta }_{m}} \right) \\ \vdots \\ R_{\text{PP}}^{n}\left( {{\theta }_{m}} \right) \\ \end{matrix} \right] $ | (12) |
式中: d(θ)为合成地震数据; W(θ)为子波矩阵; RPP(θ)为PP波反射系数; 上标均代表对应时间采样点; 下标均代表对应入射角。
1.2 与Aki-Richards近似方程的比较AKI等[3]在《定量地震学》中给出了Zoeppritz方程的经典近似式为:
$ R(\bar{\theta}) \approx \sec ^2 \bar{\theta} R_{\mathrm{P}}-8 \bar{\gamma}^2 \sin ^2 \bar{\theta} R_{\mathrm{S}}+\left(1-4 \bar{\gamma}^2 \sin ^2 \bar{\theta}\right) R_\rho $ | (13) |
式中: θ和γ分别表示波在界面处的入射角和透射角的平均角度和横、纵波速度比的均值。
由于vP=vS/γ, 结合纵波速度与剪切模量的关系, 得:
$ R_{\mathrm{P}}=R_{\mathrm{S}}-R_\gamma, R_{\mathrm{S}}=\frac{R_\mu-R_\rho}{2} $ | (14) |
将(14)式代入(13)式, Aki-Richards近似方程可改写为:
$ \begin{gathered} R(\bar{\theta}) \approx \frac{\sec ^2 \bar{\theta}-8 \bar{\gamma}^2 \sin ^2 \bar{\theta}}{2} R_\mu+\frac{2-\sec ^2 \bar{\theta}}{2} R_\rho- \\ \sec ^2 \bar{\theta} R_\gamma \end{gathered} $ | (15) |
其中,
$ \bar{\theta}=\frac{\theta_1+\theta_2}{2}=\frac{\theta_1+\arcsin \left(a \sin \theta_1\right)}{2} $ | (16) |
对(16)式两端取正弦得:
$ \sin \bar{\theta}=\sqrt{\frac{1-\cos (2 \bar{\theta})}{2}}=\sqrt{\frac{1-\cos \theta_1 \cos \theta_2+\sin \theta_1 \sin \theta_2}{2}} $ | (17) |
对(17)式右端余弦项泰勒展开
$ \begin{gathered} \cos \theta_1=\sqrt{1-\sin ^2 \theta_1}=1-\frac{1}{2} \sin ^2 \theta_1-\frac{1}{2 \times 4} \sin ^4 \theta_1- \\ \frac{1 \times 3}{2 \times 4 \times 6} \sin ^6 \theta_1-\cdots \end{gathered} $ | (18) |
$ \begin{aligned} \cos \theta_2=& \sqrt{1-a^2 \sin ^2 \theta_1}=1-\frac{1}{2} a^2 \sin ^2 \theta_1-\frac{1}{2 \times 4} \cdot \\ & a^4 \sin ^4 \theta_1-\frac{1 \times 3}{2 \times 4 \times 6} a^6 \sin ^6 \theta_1-\cdots \end{aligned} $ | (19) |
将(18)式和(19)式代入(17)式且忽略高阶项, 则有:
$ \sin \bar{\theta}=\sin \theta_1\left(\frac{1}{2}+\frac{1}{2} a\right) $ | (20) |
将(8)式代入(20)式
$ \sin \bar{\theta}=\sin \theta_1\left[\frac{1+T}{2}+\frac{T}{2}\left(R_\mu-R_\rho\right)\right] $ | (21) |
$ \sec ^2 \bar{\theta}=\frac{1}{1-\sin ^2 \bar{\theta}}=1+\sin ^2 \bar{\theta}+\sin ^4 \bar{\theta}+\sin ^6 \bar{\theta}+\cdots $ | (22) |
将(21)式和(22)式代入(15)式, 保留相对变化率的一阶近似, 有:
$ \begin{aligned} &R(\bar{\theta}) \approx \\ &\frac{1+\left(1-8 \gamma^2\right)\left(\frac{1+T}{2}\right)^2 \sin ^2 \theta_1+\left(\frac{1+T}{2}\right)^4 \sin ^4 \theta_1}{2} R_\mu+ \\ &\frac{1-\left(\frac{1+T}{2}\right)^2 \sin ^2 \theta_1-\left(\frac{1+T}{2}\right)^4 \sin ^4 \theta_1}{2} R_\rho- \\ &{\left[1+\left(\frac{1+T}{2}\right)^2 \sin ^2 \theta_1+\left(\frac{1+T^4}{2} \sin ^4 \theta_1\right] R_\gamma\right.} \end{aligned} $ | (23) |
其中,
$ R_\gamma=\frac{\gamma_2-\gamma_1}{\gamma_2+\gamma_1}=\frac{1-T}{1+T} $ |
考虑Aki-Richards近似方程成立的假设条件为相邻两层介质的弹性参数变化较小, 则
$ \begin{gathered} \bar{\gamma}=\frac{v_{\mathrm{S} 1}+v_{\mathrm{S} 2}}{v_{\mathrm{P} 1}+v_{\mathrm{P} 2}}=\frac{2 v_{\mathrm{S} 1}+\Delta v_{\mathrm{S}}}{2 v_{\mathrm{P} 1}+\Delta v_{\mathrm{P}}}=\gamma_1+ \\ \frac{\Delta v_{\mathrm{S}}-\gamma_1 \Delta v_{\mathrm{P}}}{2 v_{\mathrm{P} 1}+\Delta v_{\mathrm{P}}} \approx \gamma_1 \end{gathered} $ | (24) |
(23) 式可表示为:
$ \begin{gathered} R(\bar{\theta})=\frac{1+\left(1-8 \bar{\gamma}^2\right) \sin ^2 \theta_1+\sin ^4 \theta_1}{2} R_\mu+ \\ \frac{1-\sin ^2 \theta_1-\sin ^4 \theta_1}{2} R_\rho \end{gathered} $ | (25) |
比较(10)式和(25)式可以发现, 假设相邻两层介质的弹性参数变化较小, Aki-Richards近似方程在外推过程中, γ的平均值用界面上层的γ替代, 从而得到Aki-Richards近似方程等价于μ-ρ方程, 但μ-ρ方程在推导过程中没有进行平均值的近似, 避免了这部分近似的误差。
2 正演模拟为测试μ-ρ方程的可行性, 基于CASTAGNA等[18]提出的AVO分类方法建立了4类AVO模型(表 1至表 4), 且都利用Zoeppritz方程和μ-ρ方程(图例以“μ-ρ”表示)、Aki-Richards近似方程和Gray近似方程计算4种模型界面的纵波反射系数并计算各类方法与精确值之间的误差(图 1至图 4)。图 1a、图 2a、图 3a和图 4a分别是第Ⅰ、Ⅱ、Ⅲ、Ⅳ类AVO模型的正演结果; 图 1b、图 2b、图 3b和图 4b分别是三类近似方法求得的第Ⅰ、Ⅱ、Ⅲ、Ⅳ类AVO模型的反射系数与Zoeppritz方程求得的准确值之间的误差(已校正法向入射时初始误差)。对比3种方法的正演结果可以看出, 在0入射时, μ-ρ方程与Gray近似方程的正演结果均与准确值存在不同程度的误差, 说明在法向入射时两种方法均存在直接引入弹性参数的转化误差。但就整体趋势而言, μ-ρ方程正演结果在4类模型中均与实际模型趋势吻合最好, 误差图更加直观地表明, 误差基本来自法向入射时计算误差, 在校正初始误差后, 本文提出的方法明显比其它两种方法更为精确。此外, Aki-Richards近似方程和Gray近似方程在4类模型中的正演结果具有相同的趋势, 且随着入射角度的增加两者逐步偏离精确Zoeppritz方程计算结果, 其根本原因是Gray近似是基于Aki-Richards方程参数转换所得, 本质上基于一种近似的不同表示, 两种方法涉及的角度项仅保留至二阶, 在大角度入射时易产生较大误差, 新方法的角度项保留至四阶, 能够较好地避免此类误差。
为验证μ-ρ方程的稳定性, 对建立的4类AVO模型(表 1至表 4)进行条件数分析。图 5为4类AVO模型采用3种方法正演时, 条件数随最大入射角度的变化情况, 其中最小入射角度保持为0, 最大入射角度范围为5°~40°。由图 5可以看出, 当最大入射角度比较小时, 3种方法的条件数都较大, 表明过小角度入射时反演问题非常不稳定, 因此需要获取较大的偏移量信息以提高反演的稳定性。同时可以看出, μ-ρ方程所得条件数比以往3项参数的近似方程条件数成指数级降低, 表明μ-ρ方程的稳定性远高于Aki-Richards近似方程和Gray近似方程。
为验证μ-ρ方程反演的可行性, 构建一维五层模型进行反演模拟。反演算法基于最小二乘法, 模型数据如表 5所示。利用Zoeppritz方程获得模型精确数据, 分别利用μ-ρ方程、Aki-Richards近似方程和Gray近似方程对精确数据进行μ、ρ反演并求取各方法计算结果与精确值之间的误差, 结果如图 6和图 7所示。对比3种方法的反演结果, 两种三参数近似方程在881~1040m层段与真实数据拟合相对较好。当深度较大时, 反演误差增大, 认为是反演迭代中误差累积所致。对比3种方法的结果认为, μ-ρ方程直接反演得到的μ、ρ与真实模型的拟合误差最小, 原因在于此方法直接提取弹性参数, 减少了累积误差且两参数反演具有更高的稳定性。Aki-Richards近似方程和Gray近似方程在层状模型反演时仍具有相同的趋势, 再次验证两种近似式本质上是基于一种近似的不同表示。
假设井数据丰富, 可以通过井位速度信息求取泊松比, 结合μ-ρ方程直接反演得到μ, 可以通过拉梅参数与泊松比的关系获得λ。在本次模型模拟中代入每层真实泊松比, 按上述方法计算λ, 并利用Gray近似方程对精确数据进行直接反演得到λ, 结果如图 8所示。由图 8可以看出, 此方法求解出的λ与真实数据吻合程度更高, 表明在井数据丰富条件下, μ-ρ方程能准确获得λ。
在实际地震反演中, 通常采用离散方程进行计算, 正演公式(12)可直接简写为矩阵形式:
$ \boldsymbol{d}=\boldsymbol{W r} $ | (26) |
式中: d为叠前地震数据, W为子波矩阵, r为反射系数矩阵, 即(11)式。
基于最小二乘原则约束反演误差, 考虑L0范数约束下的反演问题直接求解是NP-hard[19], 采用L1范数构建稀疏脉冲反演的目标函数为:
$ J(r)=\|\boldsymbol{d}-\boldsymbol{W} \boldsymbol{r}\|_2^2+l_1\|\boldsymbol{r}\|_1 $ | (27) |
式中: ‖·‖2表示测量反演误差的L2范数, ‖·‖1表示反射系数的L1范数, 用于测量反射系数序列的稀疏性; l1是L1范数的正则化因子。
公式(27)中, L1范数测量了反射系数序列的垂向稀疏性, 并没有考虑多道反射系数序列的横向变化和连续性, 因此引入核模约束[20], 以约束r为低秩, 保证r相邻道具有相关性, 其定义为矩阵r所有奇异值的和, 即
$ \|\boldsymbol{r}\|_*=\|\varLambda(\boldsymbol{r})\|_1=\sum\limits_i \sigma(i) $ | (28) |
式中: σ(i)为矩阵r的第i个奇异值, 则(27)式可以改写为:
$ J(\boldsymbol{r})=\|\boldsymbol{d}-\boldsymbol{W} \boldsymbol{r}\|_2^2+l_1\|\boldsymbol{r}\|_1+l_2\|\boldsymbol{r}\|_* $ | (29) |
式中: l2为核模约束的正则化参数。在实际数据处理中, 仅通过L1范数的稀疏约束和核模约束并不能完全准确地恢复低频分量。因此, 将模型参数的先验信息rpriori作为正则化约束项加入到目标函数中, 目标函数(29)可写为
$ \begin{gathered} J(\boldsymbol{r})=\|\boldsymbol{d}-\boldsymbol{W} \boldsymbol{r}\|_2^2+l_1\|\boldsymbol{r}\|_1+l_2\|\boldsymbol{r}\|_*+ \\ l_3\left\|\boldsymbol{r}-\boldsymbol{r}_{\text {priori }}\right\|_2^2 \end{gathered} $ | (30) |
式中: l3为先验模型的正则化约束系数。(30)式即为最终的叠前反演目标函数。可以通过迭代重加权最小二乘算法[21]进行求解。
3.3 应用实例为验证μ-ρ方程在实际资料反演中的可行性, 选取某工区的实际地震数据进行测试。该工区的叠前地震数据包括3个不同角度范围的部分角度叠加数据体, 叠加剖面如图 9所示, 其中, 图 9a为0°~10°叠加剖面, 图 9b为8°~17°叠加剖面, 图 9c为15°~25°叠加剖面。首先, 对工区内的测井资料进行预处理。然后, 利用求解基于μ-ρ方程的反演目标函数实现剪切模量和密度参数的反演, 反演结果如图 10和图 11所示。图 10为剪切模量μ的反演剖面与井位反演曲线。图 10a中红色曲线为井的位数据经滤波后计算的μ曲线; 左侧为井的岩性图。由图 10可以看出, 反演剖面的高μ区与井的砂岩段吻合较好, 说明通过反演μ可以较好地识别岩性。图 10b为井位位置的反演结果。其中红色曲线为μ-ρ方程反演结果, 证实基于μ-ρ方程的反演结果与测井曲线吻合较好。图 11为密度ρ的反演剖面与井位反演曲线, 井位反演结果与测井曲线基本一致。图 10和图 11表明, 基于μ-ρ方程得到的反演剖面与测井解释结果基本吻合, 能得到较为精确的μ和ρ值, 将其与其它参数联合分析、构建流体因子, 可更精确地识别岩性和流体。
拉梅参数是储层预测和流体识别中最常用的弹性参数, 目前常用的提取方法是通过反演纵、横波速度间接计算获得, 这会导致误差累积。同时, 利用叠前地震数据实现三参数的精确反演仍是一个难题。我们提出了一种基于剪切模量和密度的两参数纵波反射系数方程, 并将该方程应用于实际资料处理, 能够较好地直接反演出剪切模量和密度。正演模拟和反演分析结果表明:
1) 从Zoeppritz方程出发, 直接推导由剪切模量和密度相对变化率表征的反射系数方程, 未引入经验关系式, 且角度项保留至四阶, 在较大角度入射时同样具有较好的正演效果。避免了反演出现累积误差。
2) μ-ρ方程涉及两参量, 条件数远低于Aki-Richards方程与Gray近似方程, 具有更高的稳定性。
3) 在井资料丰富的情况下, 基于μ-ρ方程精确反演得到μ, 进而结合井位信息以及拉梅参数与泊松比的关系式获得λ, 实现三参数的获取。
4) 引入核模约束项以及先验信息约束项构建反演目标函数, 能够增强反演的横向连续性并还原原始数据的频率信息, 实际资料处理证实本方法能较好地拟合井数据, 反演得到较为精确的μ, ρ值, 并用于岩性识别。
5) 正演模拟与反演分析结果均表明, μ-ρ方程具有较高的稳定性和准确性, 基于μ-ρ方程反演得到的弹性参数可与其它参数联合分析、构建流体因子, 可更精确地识别岩性和流体。
[1] |
OSTRANDER W J. Plane-wave reflection coefficients for gas sands at nonnormal angles of incidence[J]. Geophysics, 1984, 49(10): 1637-1648. DOI:10.1190/1.1441571 |
[2] |
ZOEPPRITZ K. Erdbebenwellen VIIIB, Ueber reflexion and durchgang seismischer wellen durch unstetigkeitsflaechen[J]. Goettinger Nachrichten, 1919, 1: 66-84. |
[3] |
AKI K I, RICHARDS P G. Quantitative seismology: Theory and methods[M]. San Francisco: W H Freeman & Co, 1980: 144-154.
|
[4] |
宗兆云, 印兴耀, 张繁昌. 基于弹性阻抗贝叶斯反演的拉梅参数提取方法研究[J]. 石油地球物理勘探, 2011, 46(4): 598-604. ZONG Z Y, YIN X Y, ZHANG F C. Elastic impedance Bayesian inversion for lame parameters extracting[J]. Oil Geophysical Prospecting, 2011, 46(4): 598-604. DOI:10.13810/j.cnki.issn.1000-7210.2011.04.023 |
[5] |
GOODWAY B, CHEN T W, DOWNTON J. Improved AVO fluid detection and lithology discrimination using Lamé petrophysical parameters; "λρ", "μρ", &"λ/μ fluid stack", from P and S inversions[J]. Expanded Abstracts of 67th Annual Internat SEG Mtg, 1997, 183-186. |
[6] |
李红梅. 弹性参数直接反演技术在储层流体识别中的应用[J]. 物探与化探, 2014, 38(5): 970-975. LI H M. The application of elastic parameters to reservoir fluid identification[J]. Geophysical and Geochemical Exploration, 2014, 38(5): 970-975. |
[7] |
ZHANG F C, YANG J Y, LI C H, et al. Direct inversion for reservoir parameters from prestack seismic data[J]. Journal of Geophysics and Engineering, 2020, 17(6): 993-1004. DOI:10.1093/jge/gxaa058 |
[8] |
XU Y, BANCROFT J C. AVO case study: Extraction of Lame's parameters from vertical component seismic data[J]. CSPG Special Publications, 1998, 350-351. |
[9] |
GRAY D, GOODWAY B, CHEN T W. Bridging the gap: Using AVO to detect changes in fundamental elastic constants[J]. Expanded Abstracts of 69th Annual Internat SEG Mtg, 1999, 2061. |
[10] |
CONNOLLY P. Elastic impedance[J]. The Leading Edge, 1999, 18(4): 438-452. DOI:10.1190/1.1438307 |
[11] |
王保丽, 印兴耀, 张繁昌. 基于弹性波阻抗的拉梅参数反演与应用[J]. 应用地球物理(英文版), 2006, 3(3): 174-178. WANG B L, YIN X Y, ZHANG F C. Lamé parameters inversion based on elastic impedance and its application[J]. Applied Geophysics, 2006, 3(3): 174-178. |
[12] |
宗兆云, 印兴耀, 张峰, 等. 杨氏模量和泊松比反射系数近似方程及叠前地震反演[J]. 地球物理学报, 2012, 55(11): 3786-3794. ZONG Z Y, YIN X Y, ZHANG F, et al. Reflection coefficient equation and pre-stack seismic inversion with Young's modulus and Poisson ratio[J]. Chinese Journal of Geophysics, 2012, 55(11): 3786-3794. |
[13] |
URSIN B, TJÅLAND E. The information content of the elastic reflection matrix[J]. Geophysical Journal of the Royal Astronomical Society, 2010, 125(1): 214-228. |
[14] |
张春涛, 王尚旭. PP波和PS波联合反演研究进展[J]. 科技导报, 2010, 28(10): 106-110. ZHANG C T, WANG S X. Review of joint inversion of PP and PS waves[J]. Science & Technology Review, 2010, 28(10): 106-110. |
[15] |
TARANTOLA A. Inversion problem theory and methods for model parameter estimation[M]. Philadelphia: Society for Industry and Applied Mathematics, 2004: 1-352.
|
[16] |
SMITH G C, GIDLOW P M. Weighted stacking for rock property estimation and detection of gas[J]. Geophysical Prospecting, 2010, 35(9): 993-1014. |
[17] |
GARDNER G H F, GARDNER L W, GREGORY A R. Formation velocity and density; the diagnostic basics for stratigraphic traps[J]. Geophysics, 1974, 39(6): 770-780. |
[18] |
CASTAGNA J P, SWAN H W. Principles of AVO crossplotting[J]. The Leading Edge, 1997, 16(4): 337-342. |
[19] |
DAVIS G, MALLAT S, AVELLANEDA M. Adaptive greedy approximations[J]. Constructive Approximation, 1997, 13(1): 57-98. |
[20] |
DAI R H, ZHANG F C, YIN C, et al. Multi-trace post-stack seismic data sparse inversion with nuclear norm constraint[J]. Acta Geophysica, 2021, 69(1): 53-64. |
[21] |
ZHANG F C, DAI R H, LIU H Q. Seismic inversion based on L1-norm misfit function and total variation regularization[J]. Journal of Applied Geophysics, 2014, 109(10): 111-118. |