简介：在过去的十年中,传统的全波形反演(FWI)已广泛应用于实际地震资料的生产和研究中。虽然基础理论已确立,并通过将地震资料和精确求解波动方程得到的模拟地震波曲线之间的失配最小化产生高分辨率的地下模型,但是在实际工作中,对于更新模型参数来讲它仍然是一个具有挑战性的反演法。尽管可以用局部优化法解决最小化问题,但是由于问题的不适定性和非线性,会不可避免地朝着局部极小值进行收敛,如由于在记录的资料或不准确的初始模型中缺少低频FWI可能会收敛到局部最小。提出了一种用重构波场进行时间域全波形反演新方法(RFWI)。RFWI减小了正演模型数据精确求解波动方程作为常规FWI的约束,代之以使用一个l2近似解。通过最小化的目标函数(包括对数据失配和波动方程误差的惩罚),RFWI对地球模型进行估算并共同重建正演波场。通过扩大搜索空间,RFWI具有避免跳周期和克服一些与局部极小值相关的问题的能力。本文首先介绍了时域RFWI理论和实现情况,讨论了常规FWI和RFWI之间的异同;然后用2D合成实例证明了超越传统FWI的RFWI所具有的优点;最后在刚果海上2D拖缆数据集和墨西哥湾3D海底地震数据集上对RFWI在野外资料的应用情况进行了证明。

简介：致密砂岩气藏是一种重要的非常规油气资源。致密砂岩储层非均质性很强，渗透率极低，而且使用水平井开发时井眼轨迹复杂同时还需进行水力压裂，因而用传统模拟方法进行生产动态预测和开发优化时面临诸多挑战。本文的目的是建立一个适用于致密砂岩气藏的数据驱动的预测工具．该预测工具以人工神经网络为基础，这种神经网络可以作为物理驱动的模拟方法（即数值模拟模型）的有力补充．本文所设计的工具用于在已知初始条件、作业参数、油藏／水力压裂特征等参数的情况下代替数值模型预测水平井动态本文的预测工具以数据驱动的模型为基础，用10年累计天然气产量数据对其进行了盲测，结果表明误差只有3．2％。另外，本研究还建立了一个图形用户界面，以便于工程师在实际生产中使用该工具，用户可以通过该界面在极短时间内得到某个油藏的可视化动态评价结果。以WillianlsFork组为例，通过评价不同井设计方案下的生产动态，并结合由蒙特卡洛模拟给出的不确定性，对该工具的适用性进行了验证。结果表明，利用该工具可以在合理的准确度范围内快速地获得水平井生产动态的P10、P50和P90估算值.