一种致密砂岩储层孔隙连通性预测方法

1.本发明涉及地震储层预测技术领域，具体涉及一种致密砂岩储层孔隙连通性预测方法。


背景技术：

2.岩石物理建模理论对于含油气储层的勘探和开发至关重要，它搭建了储层物性参数与岩石弹性参数之间的关系，是面向储层的地震叠前反演研究的理论基础。基于岩石物理理论的岩性区分、孔隙度预测和流体识别等被广泛应用于地震勘探领域。相比于叠后反演，叠前反演能够提供更加丰富的储层信息，可以直接反演纵波速度、横波速度和密度等多种弹性参数，因此多基于叠前avo(amplitude versus offset，振幅随偏移距变化)反演和岩石物理模型开展储层预测研究。
3.但是由于储层物性的多样性，以及岩石物理模型的建模假设条件等，面向储层的岩石物理建模面临挑战。对于常规砂泥岩储层，其岩石物理建模理论较为成熟，多假设地震波传播时岩石孔隙完全连通，无流体压力产生，此时可采用gassmann公式进行流体替换。但是致密砂岩储层具有低孔隙度、低渗透率和复杂孔隙结构等特征，这限制着基于孔隙流体压力均衡假设的岩石物理建模方法的应用。低孔隙度和低渗透率特征使得储层孔隙不再满足完全连通的建模假设。此外，常规砂泥岩储层岩石物理模型多将孔隙空间分为泥岩孔隙和砂岩孔隙，但是致密砂岩储层存在石英等脆性矿物，在地质沉积和后期改造过程中会发育裂隙，因此固定的孔隙结构类型假设制约着储层建模精度。
4.另一方面，由于数据测量误差和正演理论不完善等问题的存在，反演结果存在不确定性。利用叠前avo反演得到的弹性参数，可以基于岩石物理模型开展确定性储层参数预测，但是不能对预测结果的合理性进行可靠性评价，这制约着储层精细描述。致密砂岩储层物性参数的复杂性，不仅增加了岩石物理建模难度，也限制了储层孔隙连通性预测的可靠性。
5.总之，目前面向致密砂岩储层的孔隙连通性预测方法仍不完善，现有建模理论和预测方法存在以下问题：
6.1、常规砂泥岩储层岩石物理模型通常假设储层孔隙流体压力均衡，不能有效表征低渗储层孔隙连通性；
7.2、致密砂岩储层孔隙结构复杂，且多发育裂隙，因此固定的砂岩孔隙和泥岩孔隙两种孔隙结构假设限制了致密砂岩储层建模精度；
8.3、基于岩石物理模型开展储层确定性预测研究，不能对反演结果进行不确定性评价，且现有方法很少有关储层孔隙连通性的建模和预测研究；
9.4、针对致密砂岩储层物性参数的反演框架和预测流程仍不完善，缺少系统、有效的技术路线；
10.5、致密砂岩储层物性参数的多样性增加了岩石物理建模的复杂性，如何利用该非线性映射关系对储层孔隙连通性进行有效评价，从而提高储层描述可靠性，有待进一步研
究。
11.综上所述，急需一种致密砂岩储层孔隙连通性预测方法以解决现有技术中存在的问题。


技术实现要素：

12.本发明目的在于提供一种致密砂岩储层孔隙连通性预测方法，旨在解决现有技术中致密砂岩储层的孔隙连通性预测方法存在的问题，具体技术方案如下：
13.一种致密砂岩储层孔隙连通性预测方法，包括以下步骤：
14.步骤s1：基于zoeppritz方程的aki-richards近似式求取地震弹性参数，所述地震弹性参数包括地震纵波速度、地震横波速度和地震密度；
15.步骤s2：根据获得的地震弹性参数，利用贝叶斯判别法求取储层物性参数，所述储层物性参数包括地震泥质含量、地震孔隙度和地震含水饱和度；
16.步骤s3：基于mori-tanaka包裹体模型和储层物性参数，建立考虑连通孔隙含量和裂隙含量影响的适用于致密砂岩储层的加权mori-tanaka模型；并根据加权mori-tanaka模型获得计算纵波速度和计算横波速度；
17.步骤s4：构建由计算纵波速度和地震纵波速度、计算横波速度和地震横波速度联合约束的条件概率，然后基于贝叶斯理论建立连通孔隙含量和裂隙含量的后验概率表达式；
18.步骤s5：根据连通孔隙含量和裂隙含量的后验概率表达式，利用mcmc mh算法求取最大后验概率的连通孔隙含量和裂隙含量。
19.以上技术方案中优选的，步骤s3中：基于mori-tanaka包裹体模型和储层物性参数，首先构建孔隙空间为裂隙和硬孔的等效模型，并用裂隙含量描述致密砂岩储层的复杂孔隙几何形状；然后构建连通孔隙模型和孤立孔隙模型，并将两者的加权等效用来描述致密砂岩储层的低渗特征，储层孔隙的连通情况用连通孔隙含量描述。
20.以上技术方案中优选的，基于裂隙和硬孔的等效模型，采用gassmann方程进行孔隙流体替换来构建连通孔隙模型；孤立孔隙模型则基于裂隙和硬孔的等效模型直接构建。
21.以上技术方案中优选的，步骤s3中：基于mori-tanaka包裹体模型，考虑裂隙c和硬孔p两种孔隙结构，通过裂隙和硬孔二者的加权组合对致密砂岩储层的复杂孔隙结构进行有效描述，得公式(3)和公式(4)：
[0022][0023][0024]
其中，kf和μf分别为孔隙流体的体积模量和剪切模量，k0和μ0分别岩石固体基质的体积模量和剪切模量，p
0i
和q
0i
为与椭球包含物形状有关的参数，k
eff
和μ
eff
分别为岩石整体的体积模量和剪切模量；裂隙体积分数由裂隙含量sc表示为其中为地震孔隙度；硬孔体积分数为：
[0025]
以上技术方案中优选的，孤立孔隙模型的体积模量和剪切模量直接利用公式(3)和(4)计算得到，其中孔隙流体体积模量kf和剪切模量μf表示如下：
[0026][0027]
μf＝0
ꢀꢀ
(6)，
[0028]
sw为地震含水饱和度，kw和kg分别为水和气的体积模量；
[0029]
公式(3)和(4)中岩石固体基质的体积模量k0和剪切模量μ0表示为：
[0030][0031][0032]
其中，sh为地震泥质含量，k
sand
和μ
sand
分别为砂岩的体积模量和剪切模量，k
shale
和μ
shale
分别为泥岩的体积模量和剪切模量。
[0033]
以上技术方案中优选的，连通孔隙模型的体积模量和剪切模量的求取包括以下两步：
[0034]
首先通过假设岩石孔隙无流体充填，即kf＝μf＝0，将其带入公式(3)和(4)求取干岩石的体积模量和剪切模量
[0035]
然后利用gassmann方程进行孔隙流体替换，替换之后的体积模量和剪切模量的计算公式如下：
[0036][0037][0038]
其中，公式(9)中的kf通过公式(5)计算得到，k0通过公式(7)计算得到。
[0039]
以上技术方案中优选的，联合孤立孔隙模型和连通孔隙模型，其中储层孔隙的连通情况用连通孔隙含量cc描述，得到加权mori-tanaka模型，加权mori-tanaka模型的体积模量和剪切模量表示为：
[0040][0041][0042]
根据公式(11)和(12)利用公式(13)和公式(14)得到饱和岩石的计算纵波速度v
p
和计算横波速度vs：
[0043][0044][0045]
其中，ρ为岩石密度。
[0046]
以上技术方案中优选的，所述步骤s4中：利用测井资料统计得到连通孔隙含量和裂隙含量的均值和方差，并在此基础上给出它们满足高斯分布的先验概率；利用加权mori-tanaka模型获得的计算纵波速度、计算横波速度分别与步骤s1获得的地震纵波速度、地震横波速度联合约束获得条件概率，并假设计算纵波速度和地震纵波速度的差、计算横波速度和地震横波速度的差均满足高斯分布，最后基于贝叶斯理论得到连通孔隙含量和裂隙含量的后验概率表达式。
[0047]
以上技术方案中优选的，步骤s4的具体计算步骤如下：
[0048]
根据贝叶斯理论，基于观测数据d的储层参数m的后验概率p(m|d)表示为：
[0049][0050]
其中，p(d|m)、p(m)和p(d)分别为条件概率、先验概率和边缘概率；观测数据d为步骤s1得的地震纵波速度d
vp
和地震横波速度d
vs
，储层参数m为连通孔隙含量cc和裂隙含量sc；
[0051]
由于边缘概率通常设为常数，那么省略边缘概率p(d)，则公式(15)转化为：
[0052]
p(m|d)
∝
p(d|m)p(m)
ꢀꢀ
(16)，
[0053]
在条件概率p(d|m)中，目标泛函需满足计算纵波速度和地震纵波速度的差、计算横波速度和地震横波速度的差同时最小的要求，则条件概率拓展为：
[0054]
p(d|m)＝p(d
vp
|m)p(d
vs
|m)
ꢀꢀ
(17)，
[0055]
其中，p(d
vp
|m)为与地震纵波速度和计算纵波速度有关的条件概率，p(d
vs
|m)为与地震横波速度和计算横波速度有关的条件概率；
[0056]
由于储层参数m为连通孔隙含量cc和裂隙含量sc，则公式(17)表示的条件概率改写为：
[0057]
p(d|m)＝p(d
vp
|sc,cc)p(d
vs
|sc,cc)
ꢀꢀ
(18)，
[0058]
假设连通孔隙含量和裂隙含量相互独立，则公式(16)中的先验概率p(m)变为：
[0059]
p(m)＝p(sc)p(cc)
ꢀꢀ
(19)，
[0060]
其中，连通孔隙含量的先验概率p(cc)和裂隙含量的先验概率p(sc)服从高斯分布假设，它们的均值和方差根据测井资料得到；
[0061]
将公式(18)和(19)带入公式(16)得到地震纵波速度和计算纵波速度、地震横波速度和计算横波速度联合约束下的连通孔隙含量和裂隙含量后验概率表达式：
[0062]
p(m|d)＝p(sc,cc|d
vp
,d
vs
)
∝
p(d
vp
|sc,cc)p(d
vs
|sc,cc)p(sc)p(cc)
ꢀꢀ
(20)。
[0063]
以上技术方案中优选的，公式(17)中的p(d
vp
|m)和p(d
vs
|m)具有相同的表示形式：
[0064][0065]
下标vi代指地震纵波速度vp或地震横波速度vs，σ
vi
为地震纵波速度或地震横波速度的噪音方差，d
vi
是地震纵波速度或地震横波速度；vi为基于加权mori-tanaka模型得到的计算纵波速度v
p
和计算横波速度vs；π为圆周率。
[0066]
应用本发明的技术方案，具有以下有益效果：
[0067]
1)本发明所提出的包含孔隙连通性影响的致密砂岩储层岩石物理模型(即加权mori-tanaka模型)，其构建过程中综合考虑了连通孔隙和孤立孔隙对饱和岩石模量的影响，无需假设孔隙流体压力均衡，能够有效描述致密砂岩储层低渗特征，对连通孔隙含量的预测能够有效描述致密砂岩储层孔隙连通性。
[0068]
2)本发明岩石物理建模时将孔隙结构考虑为裂隙和硬孔两种极限孔隙的加权组合，通过引入裂隙含量来描述复杂孔隙结构，避免了常规砂泥岩岩石物理模型将孔隙空间分为砂岩孔隙和泥岩孔隙等特定孔隙结构带来的预测偏差。
[0069]
3)本发明采用分步预测策略，即首先根据aki-richards近似式反演地震弹性参数，然后利用贝叶斯判别法预测地震泥质含量、地震孔隙度和地震含水饱和度，最后基于改进岩石物理模型(即加权mori-tanaka模型)求取连通孔隙含量和裂隙含量，该预测方案能够对每步反演结果进行质控，有助于保证最终孔隙连通性预测的可靠性，且有效解决了储层预测中的参数耦合问题。
[0070]
4)本发明在条件概率构建时，综合考虑了计算纵波速度和地震纵波速度、计算横波速度和地震横波速度的双重约束，有助于提高储层参数预测的精度和稳定性。
[0071]
5)本发明基于贝叶斯理论并采用mcmc(markov chain monte carlo，马尔可夫链蒙特卡罗)mh(metropolis
–
hastings，梅特罗波利斯-黑斯廷斯)算法，不仅可以提供最大后验概率解，也可以对预测结果进行不确定性分析，评价致密砂岩储层孔隙连通性预测的可靠性。
[0072]
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
[0073]
构成本技术的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0074]
图1是本发明预测方法的流程图；
[0075]
图2是加权mori-tanaka岩石物理模型的构建流程图；
[0076]
图3是应用案例中输入的合成地震角道集示意图；
[0077]
图4a是应用案例中初始纵波速度、测井纵波速度和地震纵波速度的对比图；
[0078]
图4b是应用案例中初始横波速度、测井横波速度和地震横波速度的对比图；
[0079]
图4c是应用案例中初始密度、测井密度和地震密度的对比图；
[0080]
图5a是应用案例中地震孔隙度的示意图；
[0081]
图5b是应用案例中裂隙含量sc的示意图；
[0082]
图5c是应用案例中连通孔隙含量cc的示意图；
[0083]
图6a是应用案例中利用mcmcmh算法求得裂隙含量sc后验概率结果与其最大后验概率解的示意图；
[0084]
图6b是应用案例中利用mcmcmh算法求得连通孔隙含量cc后验概率结果与其最大后验概率解的示意图；
[0085]
图7a是应用案例中用mcmcmh算法计算的裂隙含量sc在某一深度点处不同迭代次数时的收敛曲线图；
[0086]
图7b是应用案例中用mcmcmh算法计算的连通孔隙含量cc在某一深度点处不同迭代次数时的收敛曲线图。
具体实施方式
[0087]
为了便于理解本发明，下面将对本发明进行更全面的描述，并给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
[0088]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
[0089]
实施例1：
[0090]
参见图1，本实施例提供了一种致密砂岩储层孔隙连通性预测方法，具体是一种基于加权mori-tanaka模型的致密砂岩储层孔隙连通性预测方法，具体包括以下步骤：
[0091]
步骤s1：基于zoeppritz方程的aki-richards近似式求取地震弹性参数，所述地震弹性参数包括地震纵波速度、地震横波速度和地震密度；
[0092]
获取地震弹性参数的方法为本领域人员公知，本实施例中对其进行简单说明，具体如下：
[0093]
首先利用地震角道集数据提取角度依赖的统计子波，利用测井资料获取初始纵波速度、初始横波速度和初始密度(即初始模型)，并基于zoeppritz方程的aki-richards近似式给出地震纵波速度、地震横波速度和地震密度三个弹性参数与反射系数之间的关系，即获得反射系数表达式。
[0094]
然后利用角度依赖统计子波和反射系数表达式建立地震角道集表达式，即获得地震正演模型；并利用正演结果与观测地震数据的差构建反演目标函数，反演框架为贝叶斯最大后验概率预测框架。
[0095]
最后采用迭代重加权最小二乘算法得到基于地震角道集数据的地震纵波速度、地震横波速度和地震密度反演结果。
[0096]
步骤s2：根据获得的地震弹性参数，利用贝叶斯判别法求取储层物性参数，所述储层物性参数包括地震泥质含量、地震孔隙度和地震含水饱和度；
[0097]
所述地震泥质含量、地震孔隙度和地震含水饱和度的求取采用的是贝叶斯判别法，该方法为机器学习算法，为数据驱动方法，需要先进行预测模型训练，模型训练的标签来自测井数据，具体方式如下：
[0098]
首先利用测井数据中测井纵波速度、测井横波速度和测井密度作为预测模型训练
输入，以测井数据中测井泥质含量、测井孔隙度和测井含水饱和度作为模型训练输出，训练得到预测模型；然后基于该预测模型，以步骤s1得到的地震纵波速度、地震横波速度和地震密度作为输入，最终得到地震泥质含量、地震孔隙度和地震含水饱和度。
[0099]
步骤s3：基于mori-tanaka包裹体模型和储层物性参数，建立考虑连通孔隙含量和裂隙含量影响的适用于致密砂岩储层的加权mori-tanaka模型；并根据加权mori-tanaka模型获得计算纵波速度和计算横波速度；
[0100]
步骤s3中，基于mori-tanaka包裹体模型和储层物性参数，首先构建孔隙空间为裂隙和硬孔的等效模型，并用裂隙含量描述致密砂岩储层的复杂孔隙几何形状；然后构建连通孔隙模型和孤立孔隙模型，并将两者的加权等效用来描述致密砂岩储层的低渗特征，储层孔隙的连通情况用连通孔隙含量描述。
[0101]
具体的，通过采用gassmann流体替换公式来构建连通孔隙模型，通过不采用gassmann流体替换公式来构建孤立孔隙模型。
[0102]
根据加权mori-tanaka模型，可以由地震泥质含量、地震孔隙度和地震含水饱和度，以及连通孔隙含量和裂隙含量，求取计算纵波速度和计算横波速度。
[0103]
参见图2，步骤s3的具体处理流程如下：
[0104]
本实施例中采用的岩石物理理论为mori-tanaka包裹体模型；mori-tanaka包裹体模型为地震储层预测中常用的岩石物理模型，适用于含裂隙储层建模研究，它可以通过平均方法、eshelby理论和本构关系等推导得到，其显式表达式为：
[0105][0106][0107]
其中，k和μ分别为体积模量和剪切模量，p
0i
和q
0i
为与椭球包含物形状有关的参数，i指岩石的第i种组分，其中i≥0，i＝0表示岩石的固体基质，i＞0表示岩石孔隙，为第i种组分的含量，n为岩石总的组分数，下标eff代指岩石的整体等效属性，k0和μ0分别岩石固体基质的体积模量和剪切模量。
[0108]
基于该模型，本实施例中考虑裂隙c和硬孔p两种孔隙结构，本实施例中裂隙c的孔隙纵横比为0.001，硬孔p的孔隙纵横比为1，则致密砂岩储层复杂的孔隙结构可以通过裂隙和硬孔二者的加权组合进行有效描述；因此可以将公式(1)和(2)变为：
[0109][0110][0111]
其中，kf和μf分别为孔隙流体的体积模量和剪切模量；公式(3)和(4)中裂隙体积分数可由裂隙含量sc表示为其中为地震孔隙度，硬孔体积分数为：可见和是裂隙含量sc的函数。
[0112]
在此基础上，进一步采用gassmann流体替换公式来构建连通孔隙模型，不采用gassmann流体替换公式来构建孤立孔隙模型。
[0113]
孤立孔隙模型的体积模量和剪切模量直接利用公式(3)和(4)计算得到，其中孔隙流体体积模量kf和剪切模量μf表示如下：
[0114][0115]
μf＝0
ꢀꢀ
(6)，
[0116]
sw为地震含水饱和度，kw和kg分别为水和气的体积模量。
[0117]
另外，公式(3)和(4)中岩石固体基质的体积模量k0和剪切模量μ0表示为：
[0118][0119][0120]
其中，sh为地震泥质含量，k
sand
和μ
sand
分别为砂岩的体积模量和剪切模量，k
shale
和μ
shale
分别为泥岩的体积模量和剪切模量。
[0121]
连通孔隙模型的体积模量和剪切模量的求取包括以下两步：
[0122]
首先通过假设岩石孔隙无流体充填，即kf＝μf＝0，将其带入公式(3)和(4)求取干岩石的体积模量和剪切模量
[0123]
然后利用gassmann方程进行孔隙流体替换，从而保证岩石孔隙流体全连通；替换之后的体积模量和剪切模量的计算公式如下：
[0124][0125][0126]
其中，公式(9)中的kf通过公式(5)计算得到，k0通过公式(7)计算得到。
[0127]
联合孤立孔隙模型和连通孔隙模型，得到致密砂岩储层岩石物理模型，即：加权mori-tanaka模型；其中储层孔隙的连通情况用连通孔隙含量cc描述，它表征了致密砂岩储层低渗特征。加权mori-tanaka模型的体积模量和剪切模量表示为：
[0128][0129][0130]
最后，根据公式(11)和(12)利用下面公式得到饱和岩石的计算纵波速度v
p
和计算横波速度vs：
[0131][0132][0133]
其中，ρ为岩石密度。
[0134]
公式(13)和(14)是本实施例构建的岩石物理模型的最终表达式，该等效岩石物理模型的推导不需要假设孔隙流体压力均衡，考虑了孔隙连通性影响，能够有效描述致密砂岩储层低渗特征，有助于提升该类储层物性参数表征精度。
[0135]
步骤s4：根据加权mori-tanaka模型求取的计算纵波速度和计算横波速度，构建由计算纵波速度和地震纵波速度、计算横波速度和地震横波速度联合约束的条件概率，然后基于贝叶斯理论建立连通孔隙含量和裂隙含量的后验概率表达式。
[0136]
步骤s4中，首先利用测井资料统计得到连通孔隙含量和裂隙含量的均值和方差，并在此基础上给出它们满足高斯分布的先验概率；然后利用加权mori-tanaka模型获得的计算纵波速度、计算横波速度分别与步骤s1获得的地震纵波速度、地震横波速度联合约束获得条件概率，并假设计算纵波速度和地震纵波速度的差，以及计算横波速度和地震横波速度的差均满足高斯分布，最后基于贝叶斯理论得到连通孔隙含量和裂隙含量的后验概率表达式。
[0137]
步骤s4具体步骤如下：
[0138]
根据贝叶斯理论，基于观测数据d的储层参数m的后验概率p(m|d)可以表示为：
[0139][0140]
其中，p(d|m)、p(m)和p(d)分别为条件概率、先验概率和边缘概率；观测数据d为步骤s1得的地震纵波速度和地震横波速度，储层参数m为连通孔隙含量和裂隙含量。
[0141]
由于边缘概率通常设为常数，那么省略边缘概率p(d)，则公式(15)转化为：
[0142]
p(m|d)
∝
p(d|m)p(m)
ꢀꢀ
(16)，
[0143]
在条件概率p(d|m)中，目标泛函需满足计算纵波速度和地震纵波速度的差，以及计算横波速度和地震横波速度的差同时最小的要求，则条件概率拓展为：
[0144]
p(d|m)＝p(d
vp
|m)p(d
vs
|m)
ꢀꢀ
(17)，
[0145]
其中，p(d
vp
|m)为与地震纵波速度和计算纵波速度有关的条件概率，p(d
vs
|m)为与地震横波速度和计算横波速度有关的条件概率；
[0146]
由于此处储层参数m为连通孔隙含量cc和裂隙含量sc，则公式(17)表示的条件概率可改写为：
[0147]
p(d|m)＝p(d
vp
|sc,cc)p(d
vs
|sc,cc)
ꢀꢀ
(18)，
[0148]
假设连通孔隙含量和裂隙含量相互独立，则公式(16)中的先验概率p(m)变为：
[0149]
p(m)＝p(sc)p(cc)
ꢀꢀ
(19)，
[0150]
其中，连通孔隙含量的先验概率p(cc)和裂隙含量的先验概率p(sc)服从高斯分布假设，它们的均值和方差根据测井资料估计得到。
[0151]
将公式(18)和(19)带入公式(16)可以得到地震纵波速度和计算纵波速度、地震横
波速度和计算横波速度联合约束下的连通孔隙含量和裂隙含量后验概率表达式：
[0152]
p(m|d)＝p(sc,cc|d
vp
,d
vs
)
∝
p(d
vp
|sc,cc)p(d
vs
|sc,cc)p(sc)p(cc)
ꢀꢀ
(20)。
[0153]
具体的，公式(17)中p(d
vp
|m)和p(d
vs
|m)具有相同的表示形式：
[0154][0155]
下标vi代指地震纵波速度vp或地震横波速度vs，σ
vi
为地震纵波速度或地震横波速度的噪音方差，d
vi
是地震纵波速度或地震横波速度；vi为基于加权mori-tanaka模型得到的计算纵波速度v
p
和计算横波速度vs，分别由公式(13)和(14)给定；π为圆周率。
[0156]
步骤s5：根据连通孔隙含量和裂隙含量的后验概率表达式，利用mcmcmh算法求取最大后验概率的连通孔隙含量和裂隙含量。
[0157]
具体的，根据公式(20)确定的连通孔隙含量和裂隙含量的后验概率表达式，通过采用mcmcmh算法求解公式(20)得到最大后验概率的连通孔隙含量和裂隙含量，同时可以得到它们的后验概率，用作不确定性分析。其中，连通孔隙含量和裂隙含量的初始值根据测井资料插值得到；公式(20)中的地震弹性参数由骤s1给出，储层物性参数由步骤s2给出。
[0158]
本实施例中还提供了上述预测方法的实际应用案例，具体如下：
[0159]
本应用案例中输入的合成地震avo角道集如图3所示，利用该地震角道集数据提取角度依赖的统计子波。
[0160]
本案例中通过步骤s1处理之后，初始纵波速度、测井纵波速度和地震纵波速度的对比如图4a所示，初始横波速度、测井横波速度和地震横波速度的对比如图4b所示，初始密度、测井密度和地震密度的对比如图4c所示，根据图4a-图4c可知，步骤s1求得的弹性参数与真实值(指测井纵波速度、测井横波速度和测井密度)匹配较好。
[0161]
步骤s3中构建加权mori-tanaka模型的模型参数包括：裂隙含量sc、连通孔隙含量cc以及通过步骤s2获得地震泥质含量、地震孔隙度和地震含水饱和度；其中获得的地震泥质含量为0.2，地震含水饱和度为0.5，地震孔隙度如图5a所示；裂隙含量和连通孔隙含量为储层真实值，裂隙含量sc如图5b所示，连通孔隙含量cc如图5c所示。
[0162]
另外，矿物和孔隙流体的模量和密度如表1所示。
[0163]
表1砂泥岩储层矿物和孔隙流体的模量与密度信息
[0164][0165]
本案例中基于构建的加权mori-tanaka模型，利用mcmcmh算法求得的不同后验概率结果与其最大后验概率解如图6a和图6b所示，最大后验概率解与真实值匹配较好，不同后验概率实现结果可以用来分析反演结果的不确定性。
[0166]
本案例中利用mcmcmh算法计算的裂隙含量sc和连通孔隙含量cc在某一深度点处不同迭代次数时的收敛曲线如图7a和图7b所示，可以看出它们都能较好的收敛，说明本实
施例中的方法能进行有效预测。
[0167]
由图6a、图6b、图7a和图7b可知，本实施例的方法能够有效预测裂隙含量和连通孔隙含量，通过对连通孔隙含量的分析能够研究致密砂岩储层的孔隙连通性，达到试验预期。
[0168]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。