基于反演的地下油气与水饱和度解释方法研究
1. 基于反演的解释方法
1.1 贝叶斯参数估计问题的公式化
- 贝叶斯框架 :基于马尔可夫链蒙特卡罗(MCMC)采样的随机反演方法,相较于确定性反演方法,能提供一种全局估计未知参数的途径,还能更好地量化未知参数的不确定性。该方法依赖贝叶斯定理,公式如下:
[p(m|d,I) = \frac{p(m|I)p(d|m,I)}{p(d|I)}]
其中,(p(m|d,I)) 是给定数据 (d) 和先验信息 (I) 时模型参数 (m) 的后验分布;(p(m|I)) 是模型参数 (m) 的先验分布;(p(d|m,I)) 是似然函数;(p(d|I)) 是归一化常数,且 (p(d|I) = \int p(m|I)p(d|m,I)dm)。在缺乏计算归一化常数的资源时,后验分布 (p(m|d,I)) 可认为与似然函数和先验分布的乘积成正比。 - 先验模型 :粘土 - 黄铁矿界面极化模型的岩石物理参数先验分布 (p(m|I)) 可从待研究地层的先验知识获取。例如,含水饱和度的先验分布可通过岩心尺度的 Dean - Stark 和蒸馏岩心测量、测井尺度的电磁测井(如感应电阻率或介电色散测井解释)或油藏尺度的地震解释确定;水的电导率或盐度的先验分布可通过热中子俘获截面测量确定;粘土表面电导的先验分布与阳离子交换容量有关;粘土和黄铁矿半径的先验分布可通过扫描电子显微镜(SEM)或能谱仪(EDS)图像确定。本研究假设各岩石物理参数相互独立,先验分布为非信息性的均匀分布。
- 似然函数 :似然函数表示在
超级会员免费看
订阅专栏 解锁全文
34

被折叠的 条评论
为什么被折叠?



