基于ARD?AVA反演的含氣性預測技術及應用

摘要：為進一步優化AVA反演技術以提高儲層含氣性預測精度，需要解決反演方法中先驗的選擇和AVA反演近似式與部分疊加策略的選擇兩個關鍵問題。為此，利用自動相關判別（ARD）先驗中的超參數從不同地震道估計可變的特定值，而不再用固定值（如高斯先驗、柯西先驗等）約束反演過程，可以在含氣性預測時更好地反映儲層地質特征的橫向變化，獲得高精度預測結果；在AVA反演近似式與部分疊加策略的選擇時，參考了兩個標準（參數靈敏度和條件數），給出反演近似式和最大、最小角度與角度間隔的選擇建議。提出的ARD?AVA反演方法和近似式與部分疊加優選策略，在河道類型氣藏含氣性預測中效果很好。通過與傳統方法的預測結果對比，結合測井和生產數據，證明了該方法的可行性和優勢。

關鍵詞：AVA反演，自動相關判別先驗，含氣性預測，河道儲層

中圖分類號：P631文獻標識碼：A DOI：10.13810/j.cnki.issn.1000?7210.2024.04.018

ARD?AVA inversion based gas?bearing predictiontechnologies and application

JI Yongzhen

（SINOPEC Geophysical Research Institute Co.，Ltd.，Nanjing，Jiangsu 211103，China）

Abstract：To further optimize AVA inversion technology，thus improving the accuracy of reservoir gas?bearing prediction，two key issues need to be addressed：the prior choice of inversion method and the choice of AVA in?version approximation and partial stack strategy.To this end，the variable specific values need to be estimated from different seismic channels by utilizing the hyper?parameters in automatic relevance determination（ARD）prior，rather than using fixed values（such as Gaussian prior and Cauchy prior）to constrain the inversion pro?cess.In this way，the lateral changes of reservoir geological features during the gas prediction can be better re?flected，and high?precision prediction results can be obtained.Two criteria（parameter sensitivity and condition number）are referred to during the selection of the AVA inversion approximation and partial stack strategy，and recommendations for AVA approximation and the choice of maximum，minimum，and angle intervals are given.The proposed ARD?AVA inversion method，AVA approximation，and partial stack optimal strategy have demonstrated great effects in the gas?bearing prediction of channel?type gas reservoir.By comparing the prediction result with traditional methods，the feasibility and advantages of the proposed method have been proved by combining well logging and production data.

Keywords：AVA inversion，automatic relevance determination prior，gas?bearing prediction，river channel reservoir

紀永禎.基于ARD-AVA反演的含氣性預測技術及應用［J］.石油地球物理勘探，2024，59（4）：811-818.

JI Yongzhen.ARD-AVA inversion based gas-bearing prediction technologies and application［J］.Oil Geo?physical Prospecting，2024，59（4）：811-818.

0引言

振幅隨角度變化（AVA）反演方法通過利用角度信息獲取地下地質體的彈性參數估計，這在儲層含氣性預測中起著至關重要的作用[1?3]。偏移后的地震數據可以通過偏移速度轉換為角度域數據，即AVA數據。將AVA數據進行部分角度疊加即可獲得用于AVA反演的部分疊加角度數據[4]。Zoep?pritz方程是AVA反演的基礎，但Zoeppritz方程對于反演計算來說過于復雜，因此常使用AVA線性近似構建反演算法中的正演矩陣[5]。反演獲得的縱波速度、橫波速度和密度等參數會被轉換為含氣指示因子，從而用于儲層含氣性預測[6?8]。

利用AVA技術進行含氣性預測時，通常存在兩個方面的問題。

第一個方面是關于AVA線性近似式的選擇和部分疊加策略的選擇。前人[1?2]一般專注于改進反演過程，包括目標函數的求解方法、降低非唯一性的約束等，但對AVA線性近似式與部分疊加策略的研究略少，未形成針對性的有效方法。實際上，疊前道集質量、AVA線性近似式與部分疊加策略的選擇非常關鍵[4，9]。基于AVA反演的含氣性預測會將反演的參數轉換為儲層或含氣性指示因子用于指導油氣勘探。因此，結合目標區的含氣性指示因子，選擇相應的AVA近似公式，可以減少參數變換的累積誤差，增強反演的穩定性[6，10]。考慮到目標區域的采集因素（信噪比、最大入射角等），如何生成部分疊加角度數據、最大程度地利用已有數據信息也比較關鍵。一個好的部分疊加策略可以在充分利用AVA特征的同時，還可為反演提供高信噪比數據。

第二個方面是關于AVA反演的先驗約束。最常用的AVA反演方法是在貝葉斯框架下，采用先驗約束，以后驗概率（先驗函數與似然函數的組合）的最大化作為估計參數的標準[11?12]。其中，似然函數表示觀測數據的匹配度。似然函數通常通過假設高斯噪聲來構造，具有足夠的有效性[13]。然而，先驗的選擇多種多樣，對于平滑邊界，高斯先驗是理想的選擇；Cauchy分布等長尾先驗因其稀疏性和良好的邊界刻畫能力受到關注[14?15]。然而，無論是高斯先驗還是稀疏先驗都受固定參數控制（如高斯先驗的固定參數是均值和方差）。在反演過程中，固定參數不會隨著地震數據變化，這意味著估計參數的趨勢將被迫趨于同質化，儲層性質的橫向變化引起的參數變化將變得模糊[16?17]。前人為了緩解這種固化參數，在構造目標函數時，將先驗的固定參數改寫為權重參數，并采用自適應變化的權重參數[18]，在一定程度上改善了反演效果。

綜上所述，本文提出了基于ARD?AVA反演的含氣性預測技術，將包含超參數的自動相關判別（ARD）先驗信息作為約束引入到疊前AVA反演方法中。先驗信息中的超參數被視為從不同的地震道中估計出的特定值，而不是固定參數（如高斯先驗、柯西先驗等）。超參數隨著不同地震道變化的自適應估計可以使反演結果與地質特征的橫向變化具有更好的相關性，且具有稀疏性[16，19?20]。此外，基于AVA正演矩陣的靈敏度和條件數參數，討論了AVA線性近似式和部分疊加策略的選擇，形成了有效的方法。實際資料應用效果證實了技術的可行性和優勢。

1 ARD?AVA疊前反演方法

采用Fatti兩項式[21]作為構建方法的基本公式

R PP（θ）=[A（θ）B（θ）][RIP R IS]T（1）

式中：R PP（θ）為隨角度變化的反射系數，θ是入射角；A（θ）=sec2θ2；B（θ）=-4γ2 sin2θ，γ為橫縱波速度比；RIP、R IS分別為縱波阻抗、橫波阻抗的參數反射系數。

令對應不同入射角的部分疊加數據為N個，則

其中

上述式中：diag[...]代表對角矩陣；tK為采樣點時間，K為時間采樣點總數；n為噪聲。為了提升穩定性增加低頻趨勢約束[22]，則

式中：Ψ為低頻提取矩陣[22]；LowIP和LowIS分別為縱、橫波阻抗低頻模型矩陣。將上述矩陣進行簡化，可得

式中：d=「R PP（θ1）]

假設采用均值為0、方差為σ2的高斯噪聲，似然函數為[23]

ARD先驗信息為

式中h為超參數矩陣，包含2K個獨立參數[24]。根據貝葉斯公式，后驗概率為

式中：μ=σ-2ΣG T d；Σ=（H+σ-2 GT G）-1，其中H為超參數組成的對角矩陣，類似于柯西分布或高斯分布等常用先驗約束中的阻尼系數矩陣，每一個超參數的值都對應一個反演時窗內的采樣點的反射系數幅值。利用第二型最大似然估計算法可以獲得超參數的估計，進而決定參數反射系數的大小，將最終確定的超參數代入μ=σ-2ΣG T d，即可獲得參數反射系數的估計[19?20，24]。

從似然函數（式（6））中可知，超參數在求解過程中與地震數據的殘差相關，即該參數會隨不同地震道數據的特點自適應變化。同時，每個參數均以自己的分布作為約束，進而實現待估計參數橫向特征的保持[11，24]。獲得了參數反射系數的估計后，再通過道積分可獲得縱波阻抗和橫波阻抗的估計[22]。

利用模擬數據證實本文方法的可行性。圖1a～圖1c分別展示了模型及合成數據。合成數據采用的縱波阻抗（圖1d）、橫波阻抗（圖1e）反演結果可以看出，在較低的信噪比情況下，本文反演算法仍然取得了合理的結果。圖1f、圖1g展示了常規高斯先驗約束的反演結果。由圖可見，高斯先驗屬于光滑約束，模型邊界刻畫能力不足；同時，橫波阻抗的反演結果更易受到噪聲的影響。

2 AVA近似式分析與部分疊加策略分析

可以根據參數靈敏度（不同參數偏導數）分析預期結果，以正演矩陣的條件數分析部分角疊加數據的疊加策略效果，即最小角度、最大角度和角度間隔如何影響反演結果。

本文選取了常用的三種AVA近似式[21，25?26]（圖2）的不同參數的敏感性。靈敏度越高表示該參數的變化對反演過程的影響越大，預期反演效果越好。

從圖2a可見，Fatti近似式的第三項（密度）靈敏度較低，符合常理[21]。同時，縱波阻抗和橫波阻抗的第一項和第二項靈敏度隨著角度變化的趨勢一致性較好，表明上述兩參數預期的反演效果相當。

從圖2b可見，Akiamp;Richards近似式中的密度項比橫波速度項具有更高的靈敏度。由于密度項的反演對可利用角度范圍要求高，因此不穩定的密度反演結果會對橫波速度項產生不利影響。

從圖2c可見，對于Gray近似式而言，每個參數都具有相近的、較低的靈敏度。因此，當需要直接獲取拉梅參數避免轉換誤差時，才可采用該近似式。

圖3展示了部分疊加策略對反演穩定性的影響。圖3a給出了最小角度對不同近似式的影響，可見各近似式都隨著最小角度的變大而變得不穩定，因此在近偏數據質量較好的時候，最小角度越小反演越穩定。由圖3b可見，Fatti兩項式由于不考慮密度項，在角度超過37°時穩定性變差，這符合常理。圖3c給出了不同角度間隔的穩定性分析，相對來說，角度間隔在12°左右時，條件數最小，穩定性最好。

3實際資料應用

川西地區侏羅系淺層河道砂巖儲層橫向窄，變化快；縱向上多層疊置，垂直厚度為10～40 m。不同河道或同一河道不同部位天然氣富集程度差異明顯，具有普遍含氣、局部富集的特點。近年來，天然氣富集“甜點”的準確預測和含氣、水儲層的區分成為制約勘探的一個難點。

研究區缺乏大的入射角度數據，最大入射角度小于30°，且含氣性指示因子為λρ=IP 2-2×IS 2（λ為拉梅系數，ρ為密度，IP為縱波阻抗，IS為橫波阻抗），因此選用Fatti近似式。結合最小角度、最大角度和角度間隔的特征（圖3），數據部分疊加策略方案為1°～13°（7°）、13°～25°（19°）和25°～37°（31°）。

圖4a為一條過5口井（W1～W5井）的地震剖面，各井河道儲層的日產氣能力相當。圖4b和4c分別為使用傳統高斯先驗方法和ARD?AVA方法獲得的含氣性指示因子反演剖面。由圖可見，ARD?AVA方法的結果優于傳統方法，5口井均鉆遇含氣儲層，而傳統方法只有W1井和W2井鉆遇含氣儲層。

5口井河道儲層的縱波阻抗反射系數分布如圖5a所示。由圖可見，不同鉆井的反射系數分布明顯不同。高斯先驗約束中的固定參數在反演過程中將模糊這種差異，導致反演結果不夠理想。圖5b為常規方法和ARD?AVA方法反演獲得的參數反射系數分布，與傳統方法相比，可見ARD?AVA方法得到的參數反射系數分布與測井統計結果一致性更好。

圖6a為過4口井（W6～W9）的地震剖面。測井解釋結論認為，4口井均鉆遇同一河道儲層，但含氣性不同。W9井產水，W6、W7、W8井均為高產氣井。ARD?AVA方法反演結果（圖6b）很好地展示出了該河道的含氣性變化特征，即流體因子小值（紅色）表征了“甜點”分布，W6、W7、W8井處于“甜點”區，且含氣特征在河道儲層內部的變化清晰可見，而W9井處含氣特征不明顯。但常規技術預測的結果（圖6c）認為4口井均鉆遇“甜點”，與實際不符。據此，可知本文方法反演結果更準確。

4結論

（1）提出了基于ARD?AVA反演的含氣性預測方法，并給出了AVA近似式和部分疊加策略方案。該方法用于川西地區侏羅系淺層河道儲層的含氣性預測，獲得了較好的效果。

（2）自適應相關判別先驗的引入提高了基于AVA反演技術的含氣性預測的橫向準確性。

（3）提出的AVA近似式和部分疊加策略將有助于針對性地選擇目標參數及疊加策略進行反演。

參考文獻

［1］楊震，劉俊州，時磊，等.基于快速反射率法的AVA反演技術在致密砂巖薄儲層勘探中的應用[J].石油物探，2023，62（1）：130?141.

YANG Zhen，LIU Junzhou，SHI Lei，et al.Applica?tion of AVA inversion technique based on rapid reflec?tivity method in thin tight gas reservoir exploration[J].Geophysical Prospecting for Petroleum，2023，62（1）：130?141.

［2］陳勇，孫振濤，許凱.面向頁巖氣儲層的疊前多參數地震反演方法研究[J].石油物探，2022，61（6）：1016?1027.

CHEN Yong，SUN Zhentao，XU Kai.Pre?stack multi?parameter seismic inversion in shale?gas reser?voirs[J].Geophysical Prospecting for Petroleum，2022，61（6）：1016?1027.

［3］張衛衛，林鶴鳴，羅明，等.少井區烴源巖疊前地震反演預測方法[J].石油地球物理勘探，2023，58（4）：922?932.

ZHANG Weiwei，LIN Heming，LUO Ming，et al.Prestack seismic inversion prediction method for hydro?carbon source rocks in few?well areas[J].Oil Geophysi?cal Prospecting，2023，58（4）：922?932.

［4］鄧吉鋒，王改衛，潘永，等.基于CRP道集優化處理的疊前AVA同步反演技術的應用——以KL9構造區為例[J].石油物探，2019，58（3）：461?470.

DENG Jifeng，WANG Gaiwei，PAN Yong，et al.Prestack AVA simultaneous inversion based on opti?mized CRP gathers：a case study from the KL9 tec?tonic region，China[J].Geophysical Prospecting for Petroleum，2019，58（3）：461?470.

［5］劉福平，孟憲軍，王玉梅，等.基于Zoeppritz偏導方程精確解的地層密度多角度反演[J].地球物理學報，2012，55（1）：252?259.

LIU Fuping，MENG Xianjun，WANG Yumei，et al.Multi?angle inversion of formation densities based on the accurate solutions of Zoeppritz's partial derivative equations[J].Chinese Journal of Geophysics，2012，55（1）：252?259.

［6］王保麗，印興耀，張繁昌，等.基于Fatti近似的彈性阻抗方程及反演[J].地球物理學進展，2008，23（1）：192?197.

WANG Baoli，YIN Xingyao，ZHANG Fanchang，et al.Elastic impedance equation based on Fatti approxi?mation and inversion[J].Progress in Geophysics，2008，23（1）：192?197.

［7］趙晨，金鳳鳴，韓國猛，等.基于疊前概率反演的致密砂巖甜點直接預測方法[J].石油地球物理勘探，2023，58（5）：1211?1219，1230.

ZHAO Chen，JIN Fengming，HAN Guomeng，et al.Direct prediction of sweet spots in sandstone reservoirs based on pre?stack probability inversion[J].Oil Geo?physical Prospecting，2023，58（5）：1211?1219，1230.

［8］王朋，徐立恒，楊會東，等.相控疊前地質統計學反演在剩余油預測中的應用[J].石油地球物理勘探，2023，58（5）：1192?1201.

WANG Peng，XU Liheng，YANG Huidong，et al.Application of facies?controlled pre?stack geostatistical inversion in residual oil prediction[J].Oil Geophysical Prospecting，2023，58（5）：1192?1201.

［9］劉本晶，梁興，侯艷，等.疊前道集優化技術在頁巖儲層預測中的應用[J].石油地球物理勘探，2018，53（增刊2）：189?196.

LIU Benjing，LIANG Xing，HOU Yan，et al.Prestack gather conditioning in shale reservoir predic?tion[J].Oil Geophysical Prospecting，2018，53（S2）：189?196.

［10］ZONG Z，YIN X，WU G.AVO inversion and poro?elasticity with P?and S?wave moduli[J].Geophysics，2012，77（6）：N17?N24.

［11］JI Y Z，HU H F，LIN Z L，et al.The preconditionedARD?based AVA inversion method for P?impedance and S?impedance[C].SEG Technical Program Ex?panded Abstracts，2020，39：355?359.

［12］印興耀，周琪超，宗兆云，等.基于t分布為先驗約束的疊前AVO反演[J].石油物探，2014，53（1）：84?92.

YIN Xingyao，ZHOU Qichao，ZONG Zhaoyun，et al.AVO inversion with t?distribution as priori con?straint[J].Geophysical Prospecting for Petroleum，2014，53（1）：84?92.

［13］張世鑫，印興耀，張繁昌.基于三變量柯西分布先驗約束的疊前三參數反演方法[J].石油地球物理勘探，2011，46（5）：737?743.

ZHANG Shixin，YIN Xingyao，ZHANG Fanchang.Prestack three term inversion method based on triva?riate cauchy distribution prior constraint[J].Oil Geo?physical Prospecting，2011，46（5）：737?743.

［14］JI L，ZONG Z.Lithology discrimination based on di?rect inversion of poisson impedance for deep tight?sand?stone reservoirs[J].Journal of Geophysics and Engi?neering，2023，20（1）：38?48.

［15］ALEMIE W，SACCHI M D.High?resolution three?term AVO inversion by means of a Trivariate Cauchy probability distribution[J].Geophysics，2011，76（3）：R43?R55.

［16］JI Y Z，YUAN S Y，WANG S X，et al.Frequency?domain sparse bayesian learning inversion of AVA data for elastic parameters reflectivities[J].Journal of Applied Geophysics，2016，133：1?8.

［17］紀永禎，朱立華，林正良，等.基于自動相關判別先驗的疊前同時反演方法研究[J].石油物探，2020，59（4）：572?582.

JI Yongzhen，ZHU Lihua，LIN Zhengliang，et al.Prestack simultaneous inversion based on automatic relevance determination[J].Geophysical Prospecting for Petroleum，2020，59（4）：572?582.

［18］楊俊，尹成，代榮獲，等.疊后地震數據自適應正則化參數稀疏約束反演方法[J].地球物理學進展，2020，35（6）：2259?2264.

YANG Jun，YIN Cheng，DAI Ronghuo，et al.Sparse constrained post?stack seismic data inversion with adaptive selection of regularization parameters[J].Progress in Geophysics，2020，35（6）：2259?2264.

［19］WIPF D P，RAO B D.Sparse bayesian learning forbasis selection[J].IEEE Transactions on Signal Pro?cessing，2004，52（8）：2153?2164.

［20］YUAN S Y，WANG S X.Spectral sparse bayesianlearning reflectivity inversion[J].Geophysical Pros?pecting，2013，61（4）：735?746.

［21］FATTI J L，SMITH G C，VAIL P J，et al.Detec?tion of gas in sandstone reservoirs using AVO analy?sis：a 3?D seismic case history using the geostack tech?nique[J].Geophysics，1994，59（9）：1362?1376.

［22］張豐麒，金之鈞，盛秀杰，等.基于低頻軟約束的疊前AVA稀疏層反演[J].石油地球物理勘探，2017，52（4）：770?782.

ZHANG Fengqi，JIN Zhijun，SHENG Xiujie，et al.AVA sparse layer inversion with the soft?low fre?quency constraint[J].Oil Geophysical Prospecting，2017，52（4）：770?782.

［23］ULRYCH T J，SACCHI M D，WOODBURY A.ABayes tour of inversion：a tutorial[J].Geophysics，2001，66（1）：55?69.

［24］TIPPING M E.Sparse bayesian learning and therelevance vector machine[J].Journal of Machine Lear?ning Research，2001，1：211?244.

［25］AKI K，RICHARDS P G.Quantitative Seismology[M].University Science Books，Sausaltio，Califor?nia，2002.

［26］GRAY D.Elastic inversion for Laméparameters[C].SEG Technical Program Expanded Abstracts，2002，21：213?216.

（本文編輯：謝結來）

作者簡介

紀永禎博士，1989年生；2011年獲吉林大學應用地球物理專業學士學位，2014年獲中國石油大學（北京）地球探測與信息技術專業碩士學位，2018年獲中國石油大學（北京）地質資源與地質工程專業博士學位；現就職于中石化石油物探技術研究院有限公司，主要從事復雜儲層預測及流體檢測技術的研發與應用。