【技术实现步骤摘要】
本专利技术涉及工程物探、地球物理学、地震勘探和油气勘探，特别涉及一种基于多目标蜉蝣算法的流体因子识别方法。
技术介绍
1、叠前ava(amplitude versus angle,振幅随入射角度的变换)反演是地震勘探
获取地下介质弹性参数的常规方法，弹性参数主要为纵波速度、横波速度和密度，通过russell等人提出的流体因子计算公式可将常规的弹性三参数换算为流体因子、剪切模量和密度。流体因子、剪切模量和密度是重要的储层识别参数，这些参数的准确反演不仅能有效提高优质储层的识别率，更能降低勘探开发成本。
2、其中，流体因子计算公式中的一个重要参数：干燥岩石比(squared dry-rockratio，)，很大程度上决定了反演结果的准确性，但该参数仅仅是被高水平的学者提出，至今没有后续的学者提出合理的办法去动态确定该参数。常规的流体因子反演方法中，该参数通常取一个常数，但该常数随地层深度的变化而改变，并且具备较好的连续性，符合地质规律。因此，采用单一的经验常数不具备合理性。
3、目前用于求解流体因子版本的精确佐普里兹方程(zoeppritz)的主要局部非线性方法为：高斯牛顿(gauss-newton，gn)迭代法、最速下降法、共轭梯度法和阻尼最小二乘法(levenberg-marquardt，lm)等，但此类方法均只能采用一个特定的经验干燥岩石比，为一个常数。随着智能优化算法在本领域的引入，单目标智能优化算法可将该参数纳入种群的维度中，在求解常规叠前三参数的同时，额外地反演该干燥岩石比，这类求解算法统称
4、上述两种典型的求解方法均存在一些问题：对于局部非线性求解方法，采用一个特定的经验干燥岩石比难以反映真实的地层特征，目前已经采用并且效果比较好的为迭代重加权阻尼最小二乘法反演流体因子；并且，局部非线性方法多数基于最小二乘理论，为一种近似的估计，并不是对复杂方程的准确求解。对于全局非线性求解方法，由于方程的复杂程度随着模型参数的维度增加成指数型提升，故难以直接采用全局非线性方法在初始模型的基础上进行反演，需要采用局部非线性等方法生成一个较合理的先验模型，为后续全局非线性方法提供有效的梯度，并在此基础上进行求解梯度和模型增量，方能获取更准确的反演结果；其次，单目标算法虽然能同时反演不同地层对应的干燥岩石比，但反演结果方差较大，不具备连续性，也不符合地层的实际规律，多目标算法能额外约束干燥岩石比的方差，使该参数更加平滑和连续。
5、因此针对单目标全局非线性求解方法反演出的结果方差较大等现象，需要一种可额外约束干燥岩石比方差的方式，使得反演结果更加平滑和连续(本专利技术专利由兰州市城关区科技计划项目(2022jscx0012)资助)。
技术实现思路
1、本专利技术的目的在于采用多目标蜉蝣算法求解基于流体因子的精确佐普里兹方程，实现流体因子、剪切模量和密度的准确反演，为优质储层的准确识别提供有力支撑，提供一种基于多目标蜉蝣算法的流体因子识别方法。
2、为了实现上述专利技术目的，本专利技术实施例提供了以下技术方案：
3、基于多目标蜉蝣算法的流体因子识别方法，包括以下步骤：
4、步骤1，收集测井数据，建立初始模型；
5、步骤2，采用阻尼最小二乘法对初始模型进行反演，获取合理的先验模型；
6、步骤3，初始化多目标蜉蝣算法的参数，设定干燥岩石比，对目标函数进行反演，完成对多目标蜉蝣算法的初始化；
7、步骤4，采用多目标蜉蝣算法进行迭代，动态更新弹性三参数和干燥岩石比向量；
8、步骤5，提取最终pareto集合中居中部位的蜉蝣位置，将该蜉蝣位置中的弹性三参数作为反演结果。
9、在上述方案中，针对单目标全局非线性求解方法反演出的结果方差较大等现象，采用局部非线性方法生成一个合理的先验模型，在此基础上，采用多目标全局非线性求解方法可额外地约束干燥岩石比的方差，使其反演结果更加的平滑和连续，更贴合地层的真实规律，保证了该参数的准确性与合理性，并提高了流体因子的识别精度。
10、与现有技术相比，本专利技术的有益效果：
11、本专利技术基于多目标蜉蝣算法进行流体因子的识别，采用多目标蜉蝣算法同时优化两个目标函数，相较于单目标优化算法仅能优化一个目标函数的方式，多目标优化算法能同时对观测地震记录和合成地震记录的绝对误差和干燥岩石比的方差进行最小化。在多目标优化算法特有的pareto集合上选取居中部位的蜉蝣，能保持干燥岩石比向量的平滑程度，更贴合地层的真实情况。相较于局部非线性方法仅采用单一的干燥岩石比，全局非线性方法可同时对每个维度反射系数对应的干燥岩石比进行动态确定。本专利技术利用多目标蜉蝣算法对叠前流体因子进行识别，在叠前ava反演中实现了流体因子的准确识别，提高了反演的准确度，基于多目标蜉蝣算法的叠前流体因子识别方法实现了流体因子的准确反演，为优质储层的准确识别提供了有力支撑。
本文档来自技高网...【技术保护点】
1.基于多目标蜉蝣算法的流体因子识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的多目标蜉蝣算法的流体因子识别方法，其特征在于：所述步骤1具体包括以下步骤：收集的测井数据包括流体因子测井数据、剪切模量测井数据和密度测井数据；通过线性平滑的方法滤掉测井数据中的高频信号，建立初始模型。
3.根据权利要求1所述的多目标蜉蝣算法的流体因子识别方法，其特征在于：所述步骤2具体包括以下步骤：
4.根据权利要求3所述的多目标蜉蝣算法的流体因子识别方法，其特征在于：所述步骤3中，初始化多目标蜉蝣算法的参数的步骤，包括：
5.根据权利要求4所述的多目标蜉蝣算法的流体因子识别方法，其特征在于：所述步骤3中，设定干燥岩石比，对目标函数进行反演，完成对多目标蜉蝣算法的初始化的步骤，包括：
6.根据权利要求5所述的多目标蜉蝣算法的流体因子识别方法，其特征在于：所述步骤4包括以下步骤：
【技术特征摘要】
1.基于多目标蜉蝣算法的流体因子识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的多目标蜉蝣算法的流体因子识别方法，其特征在于：所述步骤1具体包括以下步骤：收集的测井数据包括流体因子测井数据、剪切模量测井数据和密度测井数据；通过线性平滑的方法滤掉测井数据中的高频信号，建立初始模型。
3.根据权利要求1所述的多目标蜉蝣算法的流体因子识别方法，其特征在于：所述步骤2具体包括以下步骤：<...
【专利技术属性】
技术研发人员：徐同启，张威，王凤菲，李守刚，韩云，赵录学，姬云平，马玉春，林刚，祁卫华，杨小兵，王崇明，
申请(专利权)人：兰州铁道设计院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。