一种参数自适应的地震叠前概率化反演方法、设备及介质
本发明涉及地震勘探,尤其涉及一种参数自适应的地震叠前概率化反演方法、设备及介质。
背景技术:
1、地震弹性参数反演是地震勘探与油气储层表征中的核心问题,其中纵波速度、横波速度以及密度等弹性参数能够直接反映地下岩石的性质,是岩性识别、油气储层评价以及地质解释的重要基础。相比于传统确定性反演方法,基于贝叶斯理论的地震弹性参数反演可以融合地震、测井等多尺度信息,约束参数反演,量化反演结果的不确定性,被广泛应用于地震勘探领域。此类贝叶斯反演方法通常在后验概率框架下,采取马尔科夫链蒙特卡洛(markov chain monte carlo)等方法获得一系列满足观测数据和先验约束的弹性参数样本,并基于样本统计分析实现反演结果的不确定分析。其中先验分布的构造在贝叶斯反演方法中起着重要作用,高质量的先验分布不仅能够有效引导后验分布解的收敛方向,还能在数据不完备或噪声较大的情况下,显著提升反演结果的稳定性与地质合理性。然而,地震弹性参数先验分布的构建仍然面临挑战。由于地下介质受岩性、孔隙结构、流体性质及沉积环境等多种因素影响,在复杂地质背景下,其弹性参数通常表现出明显的非高斯性和多峰分布特征。因此,如何构建能准确表征地下介质弹性参数统计特征规律的先验分布,仍是当前贝叶斯地震反演中的关键问题。
2、现有贝叶斯地震反演方法中,先验分布的构建多基于高斯分布假设,通常默认弹性参数(纵波速度、横波速度、密度等)服从单峰、对称的正态分布。然而,这种建模方式难以真实刻画地下介质的复杂性,尤其在岩性种类多样、地质结构不连续或岩相过渡模糊的区域,弹性参数分布往往呈现出显著的非高斯、偏态特征,甚至表现出不连续性以及多峰结构。这类统计特性与理想的高斯分布存在明显差异,导致基于简单假设构建的先验分布在贝叶斯反演中的适用性受限,在实际应用中误差较大,最终影响岩性识别和储层预测的可靠性与精度。
3、针对传统高斯先验的不足,当前贝叶斯反演方法在理论上已逐步引入更加灵活的先验构建策略,以增强对复杂地下介质统计特征的表征能力。例如,部分研究采用高斯混合模型(gaussian mixture model, gmm)假设每一类岩性内部服从单一高斯分布,从而通过多个高斯分量叠加构建整体呈现多峰特征的先验分布;与此同时,还有研究在贝叶斯框架下引入p-范数约束构建了广义先验分布,该方法在一定程度上提高了概率预测的灵活性与精度。
4、然而,这些方法在实际应用中仍存在一定局限性。一方面,广义先验分布虽然具备一定的灵活性,可以表示不同形态特征的分布,但其本质上仍属于单峰分布,对于具有偏态及多峰统计特征的地下介质参数,其表达能力相对有限;另一方面,高斯混合模型虽然能够较好地表征多峰特征,但其依赖于明确的岩性划分与参数初始化,建模过程复杂且容易受噪声或岩相重叠影响。此外,现有贝叶斯反演方法中的先验分布大多依赖固定形式的概率模型,其关键统计参数通常依据先验数据预先确定,并在反演过程中保持不变,缺少动态调整先验模型参数的能力。因此,如何构建一种能够有效表征复杂地质背景下弹性参数统计特征的先验模型,仍是地震弹性参数概率化反演中需解决的关键技术问题。
5、现有理论与技术在复杂地下介质弹性参数统计特征表征方面仍存在以下关键问题:1、当前贝叶斯反演流程中广泛采用的高斯先验假设通常基于单峰、对称分布模型,难以有效表征地下介质参数的复杂统计特征。尤其在多岩相共存、岩性过渡模糊或地质结构复杂区域,先验数据往往呈现显著的非高斯性、偏态性及多峰特征,基于高斯先验假设无法有效表征先验数据,会影响反演结果的精度;2、高斯混合模型虽可在一定程度上表征多峰特征,但其通常依赖于明确的岩性划分及参数初始化,在岩性模糊或参数重叠条件下反演精度明显受限;3、广义先验模型虽然具备一定的灵活性,基于不同的参数值能表达不同形态的分布,但其本质上仍是单峰分布,表达能力有限,难以全面刻画复杂分布形态;4、当前多数先验建模方法依赖固定概率分布,缺乏针对不同地质背景与数据统计特征的灵活适应能力,尚未形成适用于复杂地质条件的通用先验建模技术框架。
6、综上所述,需要一种适用于复杂地质条件的先验概率建模方法,以克服固定形式分布建模的局限性,能够根据原始样本数据特征有效表征其多模态、非对称等复杂分布特性,在准确刻画地下介质参数复杂分布规律的同时,为地震弹性参数概率化反演提供更加真实、可靠的先验约束。
技术实现思路
1、为解决上述技术问题,本发明提出了一种参数自适应的地震叠前概率化反演方法、设备及介质。
2、在第一方面,本发明提供了一种参数自适应的地震叠前概率化反演方法,包括如下步骤:
3、s1,获取目标区域地下介质弹性参数的先验数据信息,基于先验样本信息构建广义混合先验模型;
4、s2,建立从弹性参数到地震数据的正演模型,构建似然函数,与所述广义混合先验模型共同构建后验概率;
5、s3,在反演第一阶段,自适应更新广义混合先验模型中的混合分量数,确定最优混合分量数;
6、s4,在反演第二阶段,基于所述最优混合分量数,固定广义混合先验模型中的混合分量数,在更新弹性参数的同时,自适应更新各分量的标准差参数;
7、s5,计算相对应的接受概率,对样本进行采样,不断迭代,输出反演结果。
8、可选的,在s1中,广义混合先验模型的表达式如下:
9、;
10、其中,
q表示混合分量数;表示第
q个广义分布在整个模型中占的权重,满足;和分别表示第
q个广义分布的均值和标准差;表示第
q个广义分布的概率。
11、可选的,在s1中,广义分布的表达式如下:
12、;
13、其中,,表示数据标准差;表示伽马函数;
p和表示广义分布的参数,在广义分布中,通过调整
p和的值实现不同的形态分布
14、可选的,在s2中,基于aki-richards 近似公式建立从弹性参数到地震数据的正演模型,结合观测地震数据d构建似然函数,表达式如下:
15、;
16、其中,是地震数据噪声的协方差,表示基于aki-richards 近似公式定义的正演算子,,w是地震子波,表示反射系数;
17、反射系数的计算表达式如下:
18、;
19、其中,
θ表示入射角和透射角的平均值;;;;;;;、和代表上层介质的参数,、和代表下层介质的参数,表示纵波速度,表示横波速度,表示密度
20、可选的,在s2中,后验概率的表达式如下:
21、;
22、其中,、和分别为条件概率、先验概率和边缘概率;d表示是观测地震数据,弹性参数m包括纵波速度、横波速度和密度
23、可选的,在s3中,反演第一阶段为混合分量数的自适应更新阶段,过程如下:
24、根据先验数据的统计特征,给定混合分量数的上下界范围,在该范围内对该参数进行扰动,生成混合分量数的候选样本,候选样本的表达式如下:
25、;
26、其中,代表混合分量数
q的候选样本,代表上一次迭代的混合分量数,则是扰动更新量,范围在[-1,1]内;
27、混合分量数
q在取值边界处采取单侧更新策略:当
q达到上边界时,仅允许向减小方向更新;当
q达到下边界时,仅允许向增大方向更新;
28、生成候选样本后,基于候选样本重新构建对应的广义混合先验模型,结合似然函数计算后验概率;
29、计算后验概率对应的接受概率,根据接受概率决定是否要更新混合分量数以及待反演的弹性参数,确定最优混合分量数
30、可选的,在s4中,反演第二阶段为标准差参数自适应更新阶段,过程包括:
31、基于最优混合分量数固定广义混合先验模型的混合分量数,对各分量对应的标准差进行自适应更新;
32、标准差参数采取用随机扰动的方式进行更新,在上一次迭代标准差的基础上施加微小随机扰动生成候选标准差,表达式如下:
33、;
34、其中,和分别为候选标准差和上一次迭代的标准差,为标准差的扰动更新量;
35、基于候选标准差重新构建对应的广义混合先验模型,结合似然函数计算后验概率;
36、计算后验概率对应的接受概率,根据接受概率决定是否要更新标准差以及待反演的弹性参数,实现广义混合先验模型参数的自适应优化和参数反演。
37、可选的,在s3和s4中,根据mcmc mh算法计算后验概率对应的接受概率。
38、在第二方面,本发明还提供了一种计算机设备,包括存储器、处理器;
39、所述存储器存储有计算机程序;
40、所述处理器执行所述计算机程序时实现如上述的地震叠前概率化反演方法的步骤。
41、在第三方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上述的地震叠前概率化反演方法。
42、应用本发明的技术方案,至少具有以下有益效果:
43、(1)本发明提供了一种参数自适应的地震叠前概率化反演方法、设备及介质,本发明方法基于广义分布构建广义混合先验模型,引入高斯混合模型的混合建模思想,通过多个广义分布分量叠加形成整体多峰结构,能够有效表征复杂地质条件下地下介质参数的非高斯性、多峰性及非对称统计特征,适用于多种地质背景及复杂储层条件,相比传统单峰高斯先验分布,更贴合实际地质情况,提高了先验建模的适应性与准确性。
44、(2)本发明方法通过双参数自适应更新策略,将广义混合先验模型中的混合分量数和各分量对应的标准差纳入反演过程进行动态更新,并采取分阶段更新机制,首先确定广义混合先验模型中最优的混合分量数,然后根据这一结果,固定反演第二阶段的混合分量数,对各分量对应的标准差进行自适应更新,重新构建广义混合先验模型,该策略降低了传统先验建模过程中对固定理论分布假设及人工参数设定的依赖,提高了先验模型的稳定性与泛化能力,相比传统贝叶斯反演中采取的先验模型,能够更准确地描述复杂地质条件下地下介质参数的实际统计分布特征。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com