一种基于改进Biot系数分析的横波速度估算方法

摘要

本发明公开了一种基于改进Biot系数分析的横波速度估算方法，其特征在于以下步骤：步骤S1：获取研究区岩心测试数据，基于回归分析估算基质密度与基质模量；步骤S2：利用改进的Biot系数进行干燥岩石模量正演计算，结合Gassmann流体替换方法获得饱和岩石的弹性模量；步骤S3：利用通过声波时差曲线换算出的测井纵波速度和通过前面获得的弹性模量计算出的纵波速度建立目标函数，利用模拟退火反演计算出每个点对应的Biot系数，最后通过前面的正演算法计算出每个点预测的横波速度。本发明的有益效果是：结合了回归分析基质参数计算、改进的Biot系数计算与模拟退火反演算法的特点,可以有效地获得岩石的横波速度。

说明书

技术领域

本发明涉及勘探地球物理领域，尤其涉及地震资料处理中的一种基于改进Biot系数分析的横波速度估算方法。

背景技术

常规声波测井资料中大多缺少横波资料，而横波资料又是储层评价和流体识别的重要信息，因此必须利用现有测井资料，结合地震岩石物理模型反演获得可靠的横波信息。横波反演研究始于岩石物理测试数据分析，前人早期研究结果发现岩石的横波速度与岩石基质、孔隙度、孔隙形状(扁率)、泥质含量、压力等因素有关，且对孔隙度和泥质含量较为敏感，因此在反演横波的模型中必须综合考虑以上因素。常规的横波速度估算方法主要有以下三类：①基于经验关系式的估算方法，如Greenberg等、Castagna等提出的纵、横波速度关系式，该法的缺点是受地域性影响较大，反演横波速度精度较低；②基于岩石物理模型的预测方法，如Xu-White模型、Gassmann模型、等效介质理论模型及Pride模型；③神经网络方法。熊晓军(2011)研究了基于自适应基质矿物等效弹性模量反演的横波速度估算方法,侯波(2012)研究了基于临界孔隙度Pride模型的横波速度预测方法,张广智(2012)研究了基于修正Xu-White模型的碳酸盐岩横波速度估算方法,刘灵(2012)研究了横波速度预测的边界加权平均法，这些方法能较为有效地预测出测井横波速度，但是没有考虑岩石物理测试的结果。Biot系数是描述在干燥或排液条件下，孔隙压力保持不变情况下孔隙体积变化与总的体积变化之比，干燥岩石模量与基质模量能够用Biot系数联系起来，本发明提供了一种基于改进Biot系数分析的横波速度估算方法。

发明内容

本发明的目的就是针对现有技术不足，提出了一种基于改进Biot系数分析的横波速度估算方法，结合了回归分析基质参数计算，改进的Biot系数计算与模拟退火反演算法的特点,可以有效地获得岩石的横波速度。

一种基于改进Biot系数分析的横波速度估算方法，包括如下步骤：

步骤S1：获取研究区岩心测试数据，基于回归分析估算基质密度与基质模量；

步骤S11：针对研究工区所取的圆柱状岩芯首先采用天平和游标卡尺测出岩芯的质量m和体积V，利用质量和体积计算岩芯的密度ρ＝m/V；采用氦孔隙度测试仪测试岩芯的孔隙度Φ；采用智能超声P-S波综合测试仪测试获得岩芯的纵波速度V_p和横波速度V_s；

步骤S12：针对获得的岩芯测试数据作回归分析，通过对岩石的密度ρ和孔隙度Φ数据回归分析获得基质密度ρ_s，回归时主要选取的是较为致密的低孔隙度岩心测试结果，回归公式选用一次线性函数ρ＝a+bφ，所得拟合直线与y轴的截距a为基质密度ρ_s；

步骤S13：通过波速和孔隙度测试数据进行回归分析得到基质速度V_Ps和V_Ss，回归公式选用一次线性函数V_P＝a₁+b₁φ和V_S＝a₂+b₂φ，所得拟合直线与y轴的截距a₁和a₂为基质速度V_Ps和V_Ss；

步骤S14：将基质密度和速度转换为基质模量，包括基质的体积模量基质的剪切模量

步骤S2：利用改进的Biot系数进行干燥岩石模量正演计算，结合Gassmann流体替换方法获得饱和岩石的弹性模量；

步骤S21：考虑到Biot系数与孔隙度及孔隙结构有关，在计算岩石模量时引入可变临界孔隙度φ_c和固结参数η，假设岩石的临界孔隙度φ_c与孔隙的纵横比α相关，孔隙度为Φ；岩石的固结参数η与岩石的固结程度有关，一般2＜η＜20，这里取η＝2；n为指数，结合研究区的资料分析可以得到n＝1/4；计算改进的Biot系数

步骤S22：利用Biot系数B和基质体积模量K_s计算干燥岩石体积模量K_dry＝(1-B)K_S，利用Biot系数B和基质剪切模量μs计算干燥岩石的剪切模量

步骤S23：根据Mavko(1998)可知流体的参数满足水密度ρ_w＝1.02g/cm³，油密度ρ_o＝0.75g/cm³，气密度ρ_g＝0.2g/cm³，水体积模量K_w＝2.7GPa，油体积模量K_o＝1GPa，气体积模量K_g＝0.1GPa，各种流体的饱和度由测井所给的数据获得；利用孔隙中水饱和度S_w、气体饱和度S_g和油饱和度So以及水密度ρ_w、气体密度ρ_g和油密度ρ_o计算孔隙流体的密度ρ_f＝S_wρ_w+S_oρ_o+S_gρ_g；利用孔隙中水饱和度S_w、气体饱和度S_g和油饱和度S_o以及水体积模量ρ_w、气体体积模量ρ_g和油体积模量ρ_o计算孔隙流体的体积模量

步骤S24:利用基质密度ρ_s和孔隙中流体的密度ρ_f计算出饱和岩石的密度ρ_sat＝(1-φ)ρ_s+φρ_f；

步骤S25:利用基质模量K_s和孔隙流体的体积模量K_f计算饱和岩石的模量通过Gassmann方程计算饱和岩石的体积模量K_sat＝K_dry+B²M，饱和岩石的剪切模量μ_sat＝μ_dry；

步骤S3：通过声波时差曲线换算出来测井纵波速度V_p1，通过前面获得的弹性模量计算出纵波速度通过迭代反演使得测试结果和计算结果的误差E＝||V_P1-V_P2||达到最小，采用非线性模拟退火反演算法反演迭代获得每个点对应的临界孔隙度值φ_c，进而可以计算出每个点对应的Biot系数B，最后通过前面的正演算法计算出每个点预测的横波速度。

附图说明

附图1为本发明的主要方法步骤。

附图2为回归获取基质密度图。

附图3为回归获取基质模量图。

附图4为横波速度估算结果与实验测试结果对比图。

附图5为某井横波速度估算结果图，其中第一列为测井深度，第二列为纵波速度，第三列为实测横波速度和估算横波速度，从图中可以看出二者吻合程度较好，第四列为密度测井结果。

具体实施方式

结合附图1-5，对本发明作进一步的描述：一种基于改进Biot系数分析的横波速度估算方法，具体实施方案包括如下步骤：

步骤S1：获取研究区岩心测试数据，基于回归分析估算基质密度与基质模量；

步骤S11：针对研究工区所取的圆柱状岩芯首先采用天平和游标卡尺测出岩芯的质量m和体积V，利用质量和体积计算岩芯的密度ρ＝m/V；采用氦孔隙度测试仪测试岩芯的孔隙度Φ；采用智能超声P-S波综合测试仪测试获得岩芯的纵波速度V_p和横波速度V_s；

步骤S12：针对获得的岩芯测试数据作回归分析，通过对岩石的密度ρ和孔隙度Φ数据回归分析获得基质密度ρ_s，回归时主要选取的是较为致密的低孔隙度岩心测试结果，回归公式选用一次线性函数ρ＝a+bφ，所得拟合直线与y轴的截距a为基质密度ρ_s；

步骤S13：通过波速和孔隙度测试数据进行回归分析得到基质速度V_Ps和V_Ss，回归公式选用一次线性函数V_P＝a₁+b₁φ和V_S＝a₂+b₂φ，所得拟合直线与y轴的截距a₁和a₂为基质速度V_Ps和V_Ss；

步骤S14：将基质密度和速度转换为基质模量，包括基质的体积模量基质的剪切模量

步骤S2：利用改进的Biot系数进行干燥岩石模量正演计算，结合Gassmann流体替换方法获得饱和岩石的弹性模量；

步骤S21：考虑到Biot系数与孔隙度及孔隙结构有关，在计算岩石模量时引入可变临界孔隙度φ_c和固结参数η，假设岩石的临界孔隙度φ_c与孔隙的纵横比α相关，孔隙度为Φ；岩石的固结参数η与岩石的固结程度有关，一般2＜η＜20，这里取η＝2；n为指数，结合研究区的资料分析可以得到n＝1/4；计算改进的Biot系数

步骤S22：利用Biot系数B和基质体积模量K_s计算干燥岩石体积模量K_dry＝(1-B)K_S，利用Biot系数B和基质剪切模量μ_s计算干燥岩石的剪切模量μ_dry＝(1-B)μ_S；

步骤S23：流体的参数满足水密度ρ_w＝1.02g/cm³，油密度ρ_o＝0.75g/cm³，气密度ρ_g＝0.2g/cm³，水体积模量K_w＝2.7GPa，油体积模量K_o＝1GPa，气体积模量K_g＝0.1GPa，各种流体的饱和度由测井所给的数据获得；利用孔隙中水饱和度S_w、气体饱和度S_g和油饱和度S_o以及水密度ρ_w、气体密度ρ_g和油密度ρ_o计算孔隙流体的密度ρ_f＝S_wρ_w+S_oρ_o+S_gρ_g；利用孔隙中水饱和度S_w、气体饱和度S_g和油饱和度S_o以及水体积模量ρ_w、气体体积模量ρ_g和油体积模量ρ_o计算孔隙流体的体积模量

步骤S24:利用基质密度ρ_s和孔隙中流体的密度ρ_f计算出饱和岩石的密度ρ_sat＝(1-φ)ρ_s+φρ_f；

步骤S25:利用基质模量K_s和孔隙流体的体积模量K_f计算饱和岩石的模量通过Gassmann方程计算饱和岩石的体积模量K_sat＝K_dry+B²M，饱和岩石的剪切模量μ_sat＝μ_dry；

步骤S3：通过声波时差曲线换算出来测井纵波速度V_p1，通过前面获得的弹性模量计算出纵波速度这里比较测试结果和计算结果的误差E＝||V_P1-V_P2||达到最小，采用非线性模拟退火反演算法反演获得每个点对应的临界孔隙度值φ_c，模拟退火算法不仅可以向目标函数减小的方向搜索，也能向目标函数增大的方向搜索，故可以从局部极值中爬出，不易陷在局部极值中。模拟退火法与传统的蒙特卡洛反演方法也有不同，它不是盲目地进行随机搜索，而是在一定的理论指导下进行随机搜索，故能保证搜索的效率，能达到整体极值。然后计算出每个点对应的Biot系数B，最后通过前面的正演算法计算出每个点预测的横波速度。

通过以上流程，能够有效获得岩石的横波速度。图2为回归获取基质密度图，图3为回归获取基质模量图。图4为横波速度估算结果与实验测试结果对比图，横波估算结果和实测的横波结果吻合较好，这说明该方法的有效性。图5为某井横波速度估算结果图，其中第一列为测井深度，第二列为纵波速度，第三列为实测横波速度和估算横波速度，第四列为密度测井结果，从图中可以看出估算出的横波曲线和测井获得的横波曲线吻合程度较好，取得的预测结果误差较小，能够满足横波速度预测的精度要求。

本发明针对实际测井数据中往往缺少横波速度信息这一问题，研究了利用纵波速度和其它储层参数预测横波速度，相比传统的横波速度估算方法，本发明充分考虑了岩石物理实验测试的结果，利用岩石物理测试结果获得研究区岩石的基质模量，采用改进的Biot系数方法通过反演获得实验测量数据和实际测井数据的横波速度，与实测结果相比误差小、精度高，证明该方法相比传统方法而言具有更好的针对性,可以有效地获得岩石的横波速度。为联合应用纵、横波信息进行叠前反演，降低储层预测的风险，提高流体识别精度奠定了基础。

本发明不局限于上述具体实施方式，根据上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，本发明还可以做出其它多种形式的等效修改、替换或变更，均属于本发明的保护范围。