基于微地震事件的储层地质力学参数反演方法

技术领域

本发明涉及地震勘探方法中的微地震数据反演，特别是涉及到一种基于 微地震事件的储层地质力学参数反演方法。

背景技术

微地震监测是利用水力压裂、油气采出，或常规注水、注气以及热驱等 石油工程作业时引起地下应力场变化，导致岩层裂缝或错断所产生的地震 波，进行压裂裂缝成像，或对储层流体运动进行监测的技术。微地震监测在 判断压裂效果，实时调整压裂方案等方面具有独特优势，是提高致密、低渗 透及页岩气等复杂油气藏开发成效的有效手段。微地震监测技术经过近十年 的发展，在井中、浅井和地面微地震资料处理和解释方法上取得了很多成果。 这些成果在实际生产中对压裂施工及油气田的开发均起到了积极的指导作 用。但是在全面认识地下裂缝发育及分布，进一步指导压裂施工方面仍然存 在着严重不足。目前生产中的储层地质力学参数模拟使用井中监测压力和产 量变化作为反演的基本数据，在实际应用中存在严重的多解性，严重影响了 实际生产中对压裂的指导作用。

石油工程作业时引起地下应力场变化，导致岩层裂缝或错断而产生微地 震信号。这种地震波的产生和地下裂缝及断层的生成存在着一定关系。但是 受储层岩性及压力等参数的影响，有些裂缝的产生和发育并不一定会产生可 以被监测到的微地震信号。在这种状况下，很难直接通过微地震事件的时间 及位置信息获得地下裂缝展布的清晰认识。地下的地应力分布、渗透率、温 度、原有裂缝的分布、压裂作业施加的压力等参数决定了地下裂缝产生和发 育的状况。如果使用合理的反演算法，将微地震数据中所包含的地下应力分 布、渗透率、弹性模量、抗张强度等地质力学参数求取出来，则可以建立准 确的地下储层地质力学模型，进而通过数值模拟全面掌握在不同的压裂条件 下地下裂缝的发育和分布状况，从而精确地指导开发中的压裂施工操作，真 正有效地降低开发成本，提高开发效率，增加开发产量。为此我们发明了一 种新的基于微地震事件的储层地质力学参数反演方法，解决了以上技术问 题。

发明内容

本发明的目的是提供一种可以使用微地震数据中包含的地质力学参数 进一步完善裂缝发育的预测效果的基于微地震事件的储层地质力学参数反 演方法。

本发明的目的可通过如下技术措施来实现：基于微地震事件的储层地质 力学参数反演方法，该基于微地震事件的储层地质力学参数反演方法包括： 步骤1，将微地震事件云进行高斯分布函数连续化处理；步骤2，选择预测模 型，使用测井实测结果作为初始参数，在实际施工压力下进行分时间段的预 测，得到预测的微地震事件和当前的储层地质力学参数；步骤3，将预测的 微地震事件结果进行步骤1中的高斯分布函数连续化处理，对比实际微地震 事件云，获得其预测误差分布，并计算出卡尔曼滤波因子；步骤4，使用卡 尔曼滤波因子对预测结果进行修正，完成储层的地质力学参更新；以及步骤 5，按照步骤2、步骤3、步骤4对所有时间段数据进行更新，实现初始地质力 学参数的更新，获得实际储层地质力学参数。

本发明的目的还可通过如下技术措施来实现：

该基于微地震事件的储层地质力学参数反演方法还包括，在步骤1之前， 对实际微地震数据进行震源定位处理，获得微地震事件云。

在步骤1中，将微地震事件云转换为微地震事件密度分布函数，并分时 间段进行处理，微地震事件信息中包含了其震动时间，此震动与地下某时刻 裂缝的生成相关。

在步骤1中，将整个空间中所有的已知微地震事件经过如式（1）所示的 函数转换后，获得空间任意一个位置的密度分布函数值，式（1）为：

$s\left(u\right)=\frac{1}{n_{\mathrm{MEQ}}}\underset{i=1}{\overset{n_{\mathrm{MEQ}}}{\Sigma }}{K}_i^{\mathrm{MEQ}}\left(u\right)$

$K^{\mathrm{MWQ}}\left(u\right)=N(u_{\mathrm{MWQ}},\Sigma )=\frac{1}{2\pi {\left|\Sigma \right|}^{1/2}}(-\frac{1}{2}{(u-u_{\mathrm{MEQ}})}^T{\Sigma }^{-1}(u-u_{\mathrm{MEQ}}))---\left(2\right)$

其中，为高斯核函数，n_MEQ为某一时刻微地震事件个 数，u_MEQ表示微地震事件空间坐标，u表示当前计算微地震事件密度分布的 位置空间坐标，∑表示高斯函数的协方差矩阵，s(u)表示经过转化后任意位 置的微地震事件密度分布函数值。

在步骤2中，选择渗流-应力-损伤耦合模型作为预测模型

在步骤3中，采用改进的集合卡尔曼滤波器，通过微地震事件反演出储 层的地质力学参数，集合卡尔曼滤波方程采用(3)式时间更新预测方程和（4） 式状态更新校正程表示：

$X_{t|t-1}^j=f_t(X_{t-1|t-1}^j,Z_{t-1},W_{t-1}^j)j=1,...N_e$

$X_u^j=X_f^j+K(y^j-{\mathrm{HX}}_f^j),K=C_X^e{H}^T{({\mathrm{HX}}_X^e{H}^T+C_d)}^{-1}$

$X^j=\left(\begin{array}{c}{m}^j\\ s^j\end{array}\right);j=1,...,N_e\Rightarrow X=[X^1{X}^2...X^{\mathrm{Ne}}]$

其中，X表示系统观测和预测的状态，Z_t-1表示已知的和时间相关的控 制条件，表示预测模型参数误差的一个随机数，f_t表示从时间t-1到时间 t的状态预测方程，在此处f_t表示在一定压力条件下进行正演模拟时储层参 数和微地震事件的变化过程，K表示卡尔曼增益矩阵，表示状态协方差矩 阵，C_d表示结果协方差矩阵，H表示测量矩阵，表示状态更新值，表 示状态预测值，y^j为第j个参数模型实际观测值的扰动量，m^j表示储层的 地质力学参数，，s^j表示当前获得的微地震实际密度分布函数，N_e为需要反 演的地质力学参数的个数，如仅需要反演孔隙度和弹性模量，则N_e=2；

为方程（3）（4）赋初值，然后通过递推的方法来求解方程在不同时刻 的预测和更新值，获得储层的地质力学参数值。

该基于微地震事件的储层地质力学参数反演方法还包括，在步骤5之后， 将实际储层地质力学参数输出，作为进行压裂条件下地下储层裂缝分布预测 的基础数据；掌握了实际储层地质力学参数后，根据实际地质力学参数进行 压裂数值模拟，预测地下裂缝发育及微地震信号的信息。

在将实际储层地质力学参数输出的步骤中，输出结果包含了在压裂模拟 中不变的地质力学参数和压裂后发生变化的地质力学参数两部分。

本发明中的基于微地震事件的储层地质力学参数反演方法，使用了在压 裂过程中与储层地质力学参数紧密相关的微地震事件作为原始数据，采用工 程预测中应用效果很好的集合卡尔曼滤波算法作为反演算法，这种反演算法 在很多领域都取得了很好的应用，适合对不稳定系统进行状态预测。压裂过 程中参数状态为时间的函数，符合集合卡尔曼滤波进行递推更新的描述思 想。本发明提出利用微地震数据反演储层地质力学参数的方法，能够比常规 反演方法获得更加准确的储层地质力学参数，更好地指导下一步压裂施工操 作。

附图说明

图1为本发明的基于微地震事件的储层地质力学参数反演方法的一具体 实施例的流程图；

图2为微地震事件云进行连续化转换的函数空间分布图；

图3为正演模拟采用的地质力学参数-弹性模量的示意图；

图4为反演时采用的初始地质力学参数-弹性模量的示意图；

图5为递推5次后，反演获得的地质力学参数-弹性模量结果的示意图；

图6为递推50次后，反演获得的地质力学参数-弹性模量结果的示意图；

图7为递推50次后，反演获得的地质力学参数-弹性模量结果和期望之间 的差异图。

具体实施方式

为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出 较佳实施例，并配合所附图式，作详细说明如下。

储层的地质力学参数如孔隙度、弹性模量、泊松比、地应力分布等，对 于掌握压裂过程中地下裂缝的分布和进一步实施压裂有着重要的作用。微地 震事件云和储层的地质力学参数存在因果关系，因此采用合理的反演算法， 就可以通过监测到的微地震事件获得感兴趣的地下储层地质力学参数。

为了验证发明方法有效性，根据某地实际地质力学参数如图3，建立了 一个初始二维模型，模型大小为500米宽，500米长，划分反演网格大小为5 米的正方形。

为了反演，首先假设一个初始的地质力学参数模型，如图4所示，对比 图3和图4可以看出，初始结果和实际结果差异很大。对该模型进行集合卡尔 曼滤波反演，经过5次迭代后，输出反演结果如图5所示，此时反演结果和预 期结果（图3实际参数）差异较大，经过50次递推后，输出反演结果图6，对 比图3和图6，可以看出，经过50次递推以后，反演结果和期望结果基本一致。 使用50次递推后的反演结果减去期望结果，获得图7，从图中可以看出，两 者差异已经很小。边缘处差异较大的原因是边缘数据受压裂影响很小，参与 反演程度较弱，所以结果差异稍大。在实际压裂模拟过程中，递推的次数远 远大于50次，因此对实际资料的反演结果较真实

如图1所示，图1为本发明的基于微地震事件的储层地质力学参数反演方 法的一具体实施例的流程图。

在步骤101，对实际微地震数据进行震源定位处理，获得微地震时间云。 通过模型的数值模拟，获得模型在某一压裂条件下的微地震事件云。流程进 入到步骤102。

在步骤102，将获得的微地震事件云进行高斯分布函数连续化处理。这 些微地震事件云是一些离散的数值点。在实际微地震资料处理中，由于信噪 比或者算法本身的原因，会造成获得的微地震事件点存在一定的误差，因此 直接使用这些微地震事件点进行反演，结果不准确。为了能够适应后面采用 的反演算法，也需要对微地震事件云进行一定的处理，将其转换为连续分布 的微地震事件分布密度函数，对微地震事件的连续化处理技术，在实际应用 中应当分时间段进行处理。微地震事件信息中包含了其震动时间，此震动与 地下某时刻裂缝的生成相关。高斯分布函数又称为正态分布函数，可以用来 描述微地震事件在三维空间中发生的几率。

使用高斯分布函数可以将每一个离散的事件点转换为与原事件点位置 和振幅均相关的一个密度分布函数。高斯分布函数形态如图2所示，原事件 位置位于图2的中心，距离事件越远，密度分布函数值越小。将整个空间中 所有的已知微地震事件经过图2函数转换后，就可以获得空间任意一个位置 的密度分布函数值。具体转化采用（1）式进行。

$s\left(u\right)=\frac{1}{n_{\mathrm{MEQ}}}\underset{i=1}{\overset{n_{\mathrm{MEQ}}}{\Sigma }}{K}_i^{\mathrm{MEQ}}\left(u\right)$

$K^{\mathrm{MWQ}}\left(u\right)=N(u_{\mathrm{MWQ}},\Sigma )=\frac{1}{2\pi {\left|\Sigma \right|}^{1/2}}(-\frac{1}{2}{(u-u_{\mathrm{MEQ}})}^T{\Sigma }^{-1}(u-u_{\mathrm{MEQ}}))---\left(2\right)$

其中为高斯核函数，n_MEQ为某一时刻微地震事件个 数，u_MEQ表示微地震事件空间坐标，u表示当前计算微地震事件密度分布的 位置空间坐标，∑表示高斯函数的协方差矩阵，s(u)表示经过转化后任意位 置的微地震事件密度分布函数值。流程进入到步骤103。

在步骤103，选择渗流-应力-损伤耦合模型作为预测模型，使用测井实 测结果作为初始参数，在实际施工压力下进行分时间段的预测，得到预测的 微地震事件和当前的储层地质力学参数。流程进入到步骤104。

在步骤104，将预测的微地震事件结果进行步骤102中的高斯分布函数连 续化处理，对比实际微地震事件云，获得其预测误差分布，并计算出卡尔曼 滤波因子。采用改进的集合卡尔曼滤波器，可以通过微地震事件反演出地质 力学参数。

集合卡尔曼滤波方程可以用(3)式时间更新（预测）方程和（4）式状态 更新（校正）方程表示表示：

$X_{t|t-1}^j=f_t(X_{t-1|t-1}^j,Z_{t-1},W_{t-1}^j)j=1,...N_e$

$X_u^j=X_f^j+K(y^j-{\mathrm{HX}}_f^j),K=C_X^e{H}^T{({\mathrm{HX}}_X^e{H}^T+C_d)}^{-1}$

$X^j=\left(\begin{array}{c}{m}^j\\ s^j\end{array}\right);j=1,...,N_e\Rightarrow X=[X^1{X}^2...X^{\mathrm{Ne}}]$

X表示系统观测和预测的状态，Z_t-1表示已知的和时间相关的控制条件 （如压裂过程中注液速率），表示预测模型参数误差的一个随机数，_ft表 示从时间t-1到时间t的状态预测方程，在此处f_t表示在一定压力条件下进行 正演模拟时储层参数和微地震事件的变化过程。K表示卡尔曼增益矩阵，表示状态协方差矩阵，C_d表示结果协方差矩阵。H表示测量矩阵，表示 状态更新值，表示状态预测值，y^j为第j个参数模型实际观测值的扰动量。 其中m^j表示储层的地质力学参数（如孔隙度、弹性模量、泊松比、地应力 等），s^j表示当前获得的微地震实际密度分布函数，N_e为需要反演的地质力 学参数的个数，如仅需要反演孔隙度和弹性模量，则N_e=2。

为方程（3）（4）赋初值，然后通过递推的方法来求解方程在不同时刻 的预测和更新值，最终可以获得储层的地质力学参数值。流程进入到步骤 105。

在步骤105，对预测结果使用卡尔曼滤波因子进行修正，完成参数更新。 流程进入到步骤106。

在步骤106，按照步骤103,104,105对所有时间段数据进行更新，实现初 始地质力学参数的更新，获得其真实值。流程进入到步骤107。

在步骤107，将最终反演的储层地质力学参数输出，作为进行压裂条件 下地下储层裂缝分布预测的基础数据，为实际压裂施工服务。输出结果包含 了在压裂模拟中不变的地质力学参数和压裂后发生变化的参数两部分。掌握 了实际储层地质力学参数后，就可以根据实际地质力学参数进行压裂数值模 拟，预测地下裂缝发育及微地震信号的信息。流程结束。

本发明中的基于微地震事件的储层地质力学参数反演方法，主要应用于 压裂监测中获得的微地震监测数据的处理和解释，该方法主要流程是通过常 规的微地震震源定位方法获得微地震的事件分布，将微地震事件分布云使用 高斯分布函数进行数据转换，转换为连续分布的微地震事件分布密度函数， 使用集合卡尔曼滤波器对微地震事件分布密度函数进行反演，最终获得实际 储层的地质力学参数。微地震事件的产生和储层的地质力学参数如泊松比、 弹性模量、应力分布等信息有直接关系。使用合理的反演算法，结合设计的 地质力学储层模型对微地震事件进行反演，可以获得对应的储层地质力学参 数信息。需要求取的地质力学参数众多，常规的反演算法很难使结果收敛。 集合卡尔曼滤波器是一种高效率的递归滤波器，它能够从一系列的不完全及 包含噪声的测量结果中，估计出动态系统的实际状态。这种反演算法在很多 工程领域都取得了很好的效果，因此本发明采用这种算法对微地震资料进行 反演求取储层地质力学参数。本发明中，微地震事件密度分布函数和储层的 地质力学参数均被作为系统状态，通过“预测—实测—修正”的顺序递推， 根据系统的量测值来消除随机干扰，再现系统的状态。