本發(fā)明屬于地球物理，尤其涉及一種用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法。

背景技術：

1、彈性參數是頁巖油藏勘探開發(fā)中的關鍵參數，在甜點識別、壓裂設計環(huán)節(jié)發(fā)揮著重要的作用。地震avo（amplitude?variation?with?offset）反演是基于地震數據和測井數據等得到彈性參數的常用方法。頁巖油藏主要發(fā)育周期性薄層，具有強非均質性和強各向異性。相對于各向同性介質，基于vti（vertical?transverse?isotropy）介質研究avo反演方法，同時反演彈性參數和各向異性參數，能夠提高頁巖油藏彈性參數反演精度。

2、目前常用的vti介質地震avo反演主要包括基于褶積正演理論的模型驅動反演方法和基于神經網絡技術的數據驅動反演方法。前者反演參數的精度依賴于低頻彈性參數和低頻各向異性參數；后者需要大量有代表性的訓練樣本，其中樣本輸出包括真實的彈性參數和各向異性參數。低頻參數和訓練樣本中的彈性參數和各向異性參數信息通常從測井數據中獲得。但對于大多數頁巖油藏實際工區(qū)，測井數據中通常不包括準確的各向異性參數，導致很難生成符合vti介質avo反演要求的低頻參數和訓練樣本，影響彈性參數和各向異性參數反演精度。

3、因此，需要一種對低頻各向異性參數，和以各向異性參數為樣本輸出的訓練樣本依賴性較小的vti介質地震avo反演方法。

技術實現思路

1、為解決上述技術問題，本發(fā)明提出了一種用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，以解決上述現有技術存在的問題。

2、為實現上述目的，本發(fā)明提供了一種用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，包括以下步驟：

3、基于transformer網絡和卷積神經網絡，構建transu-net模型；

4、對井旁道疊前地震數據進行疊加，獲得角度疊加地震數據構成樣本輸入；

5、對測井數據進行增廣處理，基于增廣后的測井數據構成樣本輸出；

6、基于樣本輸入和樣本輸出構成訓練樣本，基于訓練樣本對transu-net模型進行訓練；

7、基于訓練后的transu-net模型獲得待測區(qū)域的反演彈性參數和各向異性參數。

8、可選地，所述transu-net模型包括用于提取局部信息的cnn部分、用于提取全局信息的transformer部分和用于恢復數據特征的上采樣部分。

9、可選地，所述cnn部分包括第一特征圖譜、第二特征圖譜和第三特征圖譜，各個特征圖譜間由卷積操作連接；所述第三特征圖譜經過維度調整后形成局部隱藏特征，經過最大池化操作后輸入到transformer部分。

10、可選地，所述transformer部分包括第一transformer層、第二transformer層、第三transformer層、第四transformer層、第五transformer層、第六transformer層、第七transformer層和第八transformer層，各個transformer層之間由多層感知器連接；基于第八transformer層形成全局隱藏特征，經過維度調整后輸入到上采樣部分。

11、可選地，所述上采樣部分包括第一特征圖譜、第二特征圖譜、第三特征圖譜、第四特征圖譜、第五特征圖譜、第六特征圖譜、第七特征圖譜和第八特征圖譜，各個特征圖譜經過上采樣操作后與cnn部分對應的特征圖譜通過跳躍連接進行特征融合，然后經過卷積操作后生成下一層的特征圖譜。

12、可選地，獲得角度疊加地震數據的過程包括：將疊前地震數據進行角度疊加獲得角度疊加地震數據。

13、可選地，對測井數據進行增廣處理的過程包括：對測井數據的低頻部分進行替換，對測井數據的高頻部分進行扭曲，以及在測井數據中通過添加隨機數的方式增加測井數據的數量。

14、可選地，所述角度疊加地震數據包括將疊前地震數據按照3-15°、10-22°、17-29°、24-36°和31-43°角度范圍分別疊加而成的9°、16°、23°、30°和37°角度疊加地震數據。

15、可選地，對transu-net模型進行訓練的過程包括：將訓練樣本輸入到transu-net模型中計算目標函數，并以反向傳播算法迭代更新transu-net模型參數，直到目標函數收斂，獲得訓練后的transu-net模型。

16、可選地，所述目標函數的表達式為：

17、

18、其中，表示l2范數，表示目標函數受訓練樣本的影響比重，表示預測彈性參數，表示樣本彈性參數，表示角度疊加地震數據，表示樣本地震數據。

19、與現有技術相比，本發(fā)明具有如下優(yōu)點和技術效果：

20、本發(fā)明提出的一種用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，可利用以褶積正演理論為約束的transu-net模型建立角度疊加地震數據與彈性參數、各向異性參數之間的映射關系；可利用以速度、密度為樣本輸出的訓練樣本訓練transu-net模型；可利用訓練好的網絡模型實現彈性參數和各向異性參數反演，緩解反演對低頻各向異性參數和以各向異性參數為樣本輸出的訓練樣本的依賴，提高頁巖油藏彈性參數反演精度。

技術特征：

1.一種用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

3.根據權利要求2所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

4.根據權利要求3所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

5.根據權利要求4所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

6.根據權利要求1所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

7.根據權利要求1所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

8.根據權利要求1所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

9.根據權利要求8所述的用于獲得頁巖油藏彈性參數的vti介質數據驅動地震avo反演方法，其特征在于，

技術總結
本發(fā)明公開了一種用于獲得頁巖油藏彈性參數的VTI介質數據驅動地震AVO反演方法，屬于地球物理技術領域，包括以下步驟：基于Transformer網絡和卷積神經網絡，構建TransU?net模型；對井旁道疊前地震數據進行疊加，獲得角度疊加地震數據構成樣本輸入；對測井數據進行增廣處理，構成樣本輸出；基于樣本輸入和樣本輸出構成訓練樣本，基于訓練樣本對TransU?net模型進行訓練；基于訓練后的TransU?net模型獲得反演彈性參數和各向異性參數。本發(fā)明可緩解反演對低頻各向異性參數和以各向異性參數為樣本輸出的訓練樣本的依賴，提高頁巖油藏彈性參數反演精度。

技術研發(fā)人員：孫宇航,董宏麗,劉洋,李佳慧,王鵬,曾芳
受保護的技術使用者：東北石油大學三亞海洋油氣研究院
技術研發(fā)日：
技術公布日：2024/9/12