一种微地震成像方法及终端设备技术

本发明专利技术公开了一种微地震成像方法及终端设备，其中，方法包括步骤：基于声波测井数据建立一维速度模型；采用基于贝叶斯理论和可逆跳马尔科夫链蒙特卡罗算法的变维方法对速度模型结构和微地震事件位置同时进行约束反演，对所述一维速度模型进行更新校正，得到更新速度模型；基于所述更新速度模型进行微地震成像。本发明专利技术充分利用了微地震事件空间分布广泛，对速度模型约束能力好的特点，在更新速度模型的同时获得了微地震事件的精确位置，一举两得的解决了速度模型校正和微地震成像的问题。解决了速度模型校正和微地震成像的问题。解决了速度模型校正和微地震成像的问题。

【技术实现步骤摘要】
一种微地震成像方法及终端设备


[0001]本专利技术涉及微地震成像
，尤其涉及一种微地震成像方法及终端设备。

技术介绍

[0002]利用微地震监测技术指导水力压裂开采油气资源已经成为一种重要的实用方法和商业手段。微地震监测过程中速度模型对成像精度具有重要影响。由于获得的地质信息有限，传统井中微地震监测速度模型往往设置为一维层状结构，进而利用射孔对层内速度值进行校正以达到精确定位射孔的目的。然而该方法存在诸多缺陷：1.水力压裂阶段每个压裂段位可以提供的射孔个数有限，同时井中监测可以利用的检波器个数及空间方位也受到制约，这导致只有介于射孔到检波器之间的速度模型受到约束，远离该约束段的速度模型无法得到校正，发生在偏离校正段的微地震事件或出现较大的定位误差；2.在一些较复杂的压裂区域，由于前期的沉积构造作用导致真实的地层并非水平，同时有可能存在断层等结构，如果速度模型校正过程中层位个数和深度保持不变，获得的更新模型可能仍然无法精确定位水力压裂产生的微地震事件位置。因此，必须要增加更多的有效信息获得更合理的速度模型，从而可以达到微地震监测水力压裂精确成像的目的。
[0003]因此，现有技术还有待于改进和发展。

技术实现思路

[0004]鉴于上述现有技术的不足，本专利技术的目的在于提供一种微地震成像方法及终端设备，旨在解决基于现有技术更新的速度模型无法达到微地震监测水力压裂精确成像的目的问题。
[0005]本专利技术的技术方案如下：
[0006]一种微地震成像方法，其中，包括步骤：<br/>[0007]基于声波测井数据建立一维速度模型；
[0008]采用基于贝叶斯理论和可逆跳马尔科夫链蒙特卡罗算法的变维方法对速度模型结构和微地震事件位置同时进行约束反演，对所述一维速度模型进行更新校正，得到更新速度模型；
[0009]基于所述更新速度模型进行微地震成像。
[0010]所述的微地震成像方法，其中，所述基于声波测井数据建立一维速度模型的步骤包括：
[0011]获得研究区域的声波测井曲线，根据所述声波测井曲线表征的速度值大小按照深度划分不同的层位，并取同一层位的声波测井数值的平均值作为建立的一维速度模型的速度值，获得该研究区域的一维速度模型。
[0012]所述的微地震成像方法，其中，采用基于贝叶斯理论和可逆跳马尔科夫链蒙特卡罗算法的变维方法对速度模型结构和微地震事件位置同时进行约束反演的步骤包括：
[0013]确定反演模型的模型参数表达式为：m＝[n，D，V
P
，V
S
，H，Z]，其中，n表示反演模型层
位个数，D表示每层的深度，VP＝[V
P1
，V
P2
，...，V
Pn
]T
和V
S
＝[V
S1
，V
S2
，...，V
Sn
]T
分别表示每层的P波速度值和S波速度值，H＝[H1，H2，...，H
k
]T
和Z＝[Z1，Z2，...，Z
k
]T
分别表示微地震在二维定位情况下的水平位置和垂直位置；
[0014]确定贝叶斯理论表达式为其中，d表示观测数据，m是模型参数矢量，p(m)是先验模型信息，p(d|m)是似然函数，p(m|d)是后验模型概率，p(d)是观测数据在模型空间中的整体概率，为一常数；
[0015]基于所述贝叶斯理论表达式，利用观测数据来预测各模型参数的概率，选取概率较大的模型参数构建新的速度模型和作为微地震事件定位的位置。
[0016]所述的微地震成像方法，其中，所述基于所述贝叶斯理论表达式，利用观测数据来预测各模型参数的概率，选取概率较大的模型参数构建新的速度模型和作为微地震事件定位的位置的步骤包括：
[0017]在贝叶斯理论中，采用先验信息代表所有模型参数已知信息的总和，其表达式为：p(m)＝p(Z)p(H)p(V
s
|n，D)p(V
P
|n，D)p(D|n)p(n)，其中，p(n)表示所有的有可能层位个数的概率，p(D|n)表示在层位个数n下层位深度的概率，p(V
P
|n,D)和p(V
S
|n,D)表示在层位个数为n，层位深度为D下P波和S波速度模型的概率，p(H)和p(Z)表示在给定范围内微地震事件位置的概率；
[0018]将所有的先验信息按照均匀分布或者高斯分布设计，基于所述先验信息使反演快速收敛到最优解。
[0019]所述的微地震成像方法，其中，所述模型层位个数n是一个变量，所有可能的结果服从均匀分布：p(n)＝1/Δn，其中，Δn＝(n
max
‑
n
min
).n
max
和n
min
代表着最大和最小的可能层位个数；
[0020]在n层模型中，深度D用概率表示为：N代表着所有的可能层位深度；
[0021]第i层的P波速度值用概率表示为：其中，Δv
P
＝(v
max
‑
v
min
)
P
；
[0022]第i层的S波速度值用概率表示为：其中，Δv
S
＝(v
max
‑
v
min
)
S
；
[0023]微地震事件的位置[H,Z]用概率表示为：其中，Δh＝(h
max
‑
h
min
)，Δz＝(z
max
‑
z
min
)。
[0024]所述的微地震成像方法，其中，基于贝叶斯理论和可逆跳马尔科夫链蒙特卡罗算法对所述一维速度模型进行更新校正的步骤包括：
[0025]采用可逆跳马尔科夫链蒙特卡罗算法迭代产生后验模型，在每次迭代过程中，一
些参数会得到更新从而产生一个新的模型，所述新的模型被用来计算后验似然函数值，然后产生接收概率：
[0026]其中，m
old
表示更新前的模型，m
new
表示更新后的模型,p(m
new
)和p(d|m
new
)表示更新模型的先验信息及其似然函数，p(m
old
)和p(d|m
old
)分别是更新前的模型的先验信息及似然函数,q(m
new
|m
old
)是更新前模型转换为更新后模型的概率，q(m
old
|m
new
)是更新后模型转换为更新前模型的概率,J是从更新前模型转换为更新后模型的雅克比转换矩阵；
[0027]将计算的接收概率α(m
new
|m
old
)与一个服从均匀分布[0,1]的随机数r相对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种微地震成像方法，其特征在于，包括步骤：基于声波测井数据建立一维速度模型；采用基于贝叶斯理论和可逆跳马尔科夫链蒙特卡罗算法的变维方法对速度模型结构和微地震事件位置同时进行约束反演，对所述一维速度模型进行更新校正，得到更新速度模型；基于所述更新速度模型进行微地震成像。2.根据权利要求1所述的微地震成像方法，其特征在于，所述基于声波测井数据建立一维速度模型的步骤包括：获得研究区域的声波测井曲线，根据所述声波测井曲线表征的速度值大小按照深度划分不同的层位，并取同一层位的声波测井数值的平均值作为建立的一维速度模型的速度值，获得该研究区域的一维速度模型。3.根据权利要求2所述的微地震成像方法，其特征在于，采用基于贝叶斯理论和可逆跳马尔科夫链蒙特卡罗算法的变维方法对速度模型结构和微地震事件位置同时进行约束反演的步骤包括：确定反演模型的模型参数表达式为：m＝[n，D，V
P
，V
S
，H，Z]，其中，n表示反演模型层位个数，D表示每层的深度，V
P
＝[V
P1
，V
P2
，...，V
Pn
]
T
和V
S
＝[V
S1
，V
S2
，...，V
Sn
]
T
分别表示每层的P波速度值和S波速度值，H＝[H1，H2，...，H
k
]
T
和Z＝[Z1，Z2，...，Z
k
]
T
分别表示微地震在二维定位情况下的水平位置和垂直位置；确定贝叶斯理论表达式为其中，d表示观测数据，m是模型参数矢量，p(m)是先验模型信息，p(d|m)是似然函数，p(m|d)是后验模型概率，p(d)是观测数据在模型空间中的整体概率，为一常数；基于所述贝叶斯理论表达式，利用观测数据来预测各模型参数的概率，选取概率较大的模型参数构建新的速度模型和作为微地震事件定位的位置。4.根据权利要求3所述的微地震成像方法，其特征在于，所述基于所述贝叶斯理论表达式，利用观测数据来预测各模型参数的概率，选取概率较大的模型参数构建新的速度模型和作为微地震事件定位的位置的步骤包括：在贝叶斯理论中，采用先验信息代表所有模型参数已知信息的总和，其表达式为：p(m)＝p(Z)p(H)p(V
S
|n，D)p(V
P
|n，D)p(D|n)p(n)，其中，p(n)表示所有的有可能层位个数的概率，p(D|n)表示在层位个数n下层位深度的概率，p(V
P
|n，D)和p(V
S
|n，D)表示在层位个数为n，层位深度为D下P波和S波速度模型的概率，p(H)和p(Z)表示在给定范围内微地震事件位置的概率；将所有的先验信息按照均匀分布或者高斯分布设计，基于所述先验信息使反演快速收敛到最优解。5.根据权利要求4所述的微地震成像方法，其特征在于，所述模型层位个数n是一个变量，所有可能的结果服从均匀分布：p(n)＝1/Δn，其中，Δn＝(n
max
‑
n
min
)
·
n
max
和n
min
代表着最大和最小的可能层位个数；
在n层模型中，深度D用概率表示为：N代表着所有的可能层位深度；第i层的P波速度值用概率表示为：其中，Δv
P
＝(v
max
‑
v
min
)P；第i层的S波速度值用概率表示为：其中，Δv
S
＝(v
max
‑
v
min
)
S
；微地震事件的位置[H，Z]用概率表示为：其中，Δz＝(z
max

【专利技术属性】
技术研发人员：蒋星达，杨辉，张伟，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：