基于信息熵和布谷鸟算法的地质统计学反演方法研究

发布时间：2023-03-04 04:37

　　地质统计学随机反演技术结合了地震反演与储层随机建模的优势,在储层预测领域有着非常重要的地位。地质统计学随机反演可以将地震数据和测井数据有机结合,获得比常规反演更高分辨率的结果,目前是地震勘探领域研究的热点。考虑到地下不同岩相储层参数存在明显差异,有学者提出利用混合高斯模型将岩相影响融合到随机反演中,提出了基于混合高斯模型的随机反演方法(GMMc)。该方法考虑到不同岩相对反演结果存在影响,根据储层参数满足多峰统计的特征,假设储层参数满足混合高斯模型,可以更好地描述符合实际情况的储层分布。该方法的缺陷在于没有考虑初始岩相比例对结果的影响,实际应用中可能会存在因为存在错误分类进而影响反演结果。针对这一问题,本文将初始岩相比例作为反演参数,提出一种变权系数混合高斯模型的随机反演方法,实现不同岩相条件下储层参数分布精细描述并同时反演岩相及储层参数。考虑到变权系数混合高斯模型反演分辨率低问题,引入布谷鸟算法(CS algorithm),该方法解决了现有反演结果分辨率低的缺陷,可以得到高精度的储层参数结果。布谷鸟算法是一种全局最优求解法,在搜索的过程中将均方根误差的减少作为约束条件,可以在求解的过程...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究现状
        1.2.1 地质统计学随机建模
        1.2.2 地震随机反演
        1.2.3 布谷鸟算法研究
        1.2.4 信息熵研究
    1.3 研究内容与技术路线
    1.4 本文的结构安排
第二章 基于各向异性变差函数的地质统计学随机反演方法
    2.1 地质统计学建模
        2.1.1 地质统计学建模基本原理
        2.1.2 各向异性变差函数
        2.1.3 克里金插值
    2.2 随机反演研究
        2.2.1 MCMC反演原理
        2.2.2 M-H采样
    2.3 实验仿真及分析
        2.3.1 变差函数拟合结果
        2.3.2 随机建模结果
        2.3.3 随机反演结果
    2.4 本章小结
第三章 基于混合高斯MCMC与布谷鸟算法的随机反演方法
    3.1 混合高斯MCMC随机反演方法
    3.2 布谷鸟搜索算法
    3.3 基于布谷鸟与混合高斯MCMC的随机反演方法
    3.4 实验测试分析
        3.4.1 合成记录测试
        3.4.2 噪声测试
        3.4.3 实际地震数据单道测试
        3.4.4 参数分析与剖面测试
    3.5 本章小结
第四章 基于布谷鸟算法与信息熵的随机反演方法
    4.1 信息熵模型
    4.2 布谷鸟算法与信息熵反演方法
    4.3 实验测试分析
        4.3.1 合成记录测试
        4.3.2 噪声测试
        4.3.3 实际地震数据单道测试
        4.3.4 稳定性与剖面测试
    4.4 本章小结
第五章 全文总结与展望
    5.1 全文总结
    5.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3753734