下载文档原格式
4.1 LPM 储层预测技术LPM 是斯伦贝谢公司GeoFrame 地震解释系统中最新推出的储层预测软件，利用地震属性体来指导储层参数（如砂岩厚度）在平面的展布，以此来实现储层参数的准确预测。
LPM 预测储层砂体可分两步进行：首先，它是将提取的地震属性特征参数与井孔处的砂岩厚度、有效厚度进行数据分析，将对储层预测起关键作用的地震属性特征参数优选出来，根据线性相关程度的大小，建立线性或非线性方程。
线性方程的建立主要采用多元线性回归方法；非线性方程的建立主要采用神经网络方法；其次，根据建立的方程，利用网格化的地震属性体来指导储层参数（如砂岩厚度）在平面的成图。
设因变量y 与自变量x 1， x 2 ，…，x m 有线性关系，那么建立y 的ｍ元线性回归模型：ξβββ++++=m m x x y 110 (4.1)其中β0，β1，…，βm 为回归系数；ξ是遵从正态分布N(0，σ2)的随机误差。
在实际问题中，对y 与x 1， x 2 ，…，x m 作n 次观测，即x 1t ， x 2t ，…，x mt ，即有：t mt m t t x x y ξβββ++++= 110 (4.2)建立多元回归方程的基本方法是：(1)由观测值确定回归系数β0，β1，…，βm 的估计b 0，b 1， …，b m 得到y t 对x 1t ，x 2t ，…，x mt ；的线性回归方程：t mt m t t e x x y ++++=βββ 110 (4.3)其中t y 表示t y 的估计；t e 是误差估计或称为残差。
(2)对回归效果进行统计检验。
(3)利用回归方程进行预报。
回归系数的最小二乘法估计根据最小二乘法，要选择这样的回归系数b 0，b 1， …，b m 使∑∑∑===----=-==nt n t mt m t t t t n t tx b x b b y y y e Q 11211012)()( (4.4) 达到极小。
众所周知，测井能提供地下介质较准确的岩性参数和具有较高的垂向分辨率，但只局限于井的附近，而地震勘探有较密的横向采样，对岩性的横向变化敏感。
利用二者的优势的地震储层预测技术能解决许多地球物理和地质单一学科所不能解决的问题。
本论文的主要创新点就是把地球物理理论和地质知识充分结合起来，探索地震反演技术在储层预测中的应用。
首先介绍了地震储层预测技术的基本原理和主要方法，分析了地震储层预测技术与常规地震方法及地质方法的本质区别，对地震储层预测技术方法的发展历史作了简单回顾，并指出了地震储层预测技术方法的应用条件；论文着重对地震反演的基本原理进行了分析，在对不同反演方法进行论述的基础上，对各种反演方法的具体应用条件作出了较为详细的总结；对于在约束反演中应用效果较好的JASON软件，论文对它的原理及主要模块进行了详细的介绍，并利用一些实例指出了该软件在实际应用中必须注意的问题；最后利用JASON反演技术对泌阳凹陷白云岩分布区进行了预测，在合成记录精细标定和对砂岩、泥岩、白云岩的阻抗、孔隙度等属性进行统计分析的基础上，利用低频模型的建立、InverTrace反演等技术，对泌阳凹陷白云岩的分布及裂缝进行了预测，其预测结果对该区下一步的勘探工作做出了积极的贡献。
地震储层横向预测，就是在一个油田或地质构造已经基本确定的范围内，对储层的质量(岩性、厚度、分布范围、孔隙度、渗透率等)以及储层含油气性进行横向上的预测。
地震储层横向预测的立足点是把已有的钻井资料同地震资料联系起来，通过综合地震、测井、地质乃至采油工程等多种学科对储层的分布、厚度、储层的含油气性以及油气层的横向延伸范围做出预测，以对储层(油气层)做出最佳评价，以利于最经济地进行勘探和油气田开发。
地震反演技术是储层横向预测的核心技术。
利用测井资料中垂向分辨率和地震资料横向密集采样特点的综合约束反演技术，可以极大地提高了波阻抗剖面的分辨率。
利用合成声波测井的结果，以地震地质解释的成果为约束，顺层横向递推形成初始波阻抗模型，然后，以声波测井曲线的外包络为约束，不仅加快了反演的收敛速度，而且使反演结果与实际值更加接近。
4.1 LPM 储层预测技术LPM 是斯伦贝谢公司GeoFrame 地震解释系统中最新推出的储层预测软件，利用地震属性体来指导储层参数（如砂岩厚度）在平面的展布，以此来实现储层参数的准确预测。
LPM 预测储层砂体可分两步进行：首先，它是将提取的地震属性特征参数与井孔处的砂岩厚度、有效厚度进行数据分析，将对储层预测起关键作用的地震属性特征参数优选出来，根据线性相关程度的大小，建立线性或非线性方程。
线性方程的建立主要采用多元线性回归方法；非线性方程的建立主要采用神经网络方法；其次，根据建立的方程，利用网格化的地震属性体来指导储层参数（如砂岩厚度）在平面的成图。
4.1.1多元线性回归基本原理设因变量y 与自变量x 1， x 2 ，…，x m 有线性关系，那么建立y 的ｍ元线性回归模型：ξβββ++++=m m x x y 110 (4.1)其中β0，β1，…，βm 为回归系数；ξ是遵从正态分布N(0，σ2)的随机误差。
在实际问题中，对y 与x 1， x 2 ，…，x m 作n 次观测，即x 1t ， x 2t ，…，x mt ，即有：t m t m t t x x y ξβββ++++= 110 (4.2)建立多元回归方程的基本方法是：(1)由观测值确定回归系数β0，β1，…，βm 的估计b 0，b 1， …，b m 得到y t 对x 1t ，x 2t ，…，x mt ；的线性回归方程：t m t m t t e x x y ++++=βββ 110 (4.3)其中t y 表示t y 的估计；t e 是误差估计或称为残差。
(2)对回归效果进行统计检验。
(3)利用回归方程进行预报。
回归系数的最小二乘法估计根据最小二乘法，要选择这样的回归系数b 0，b 1， …，b m 使∑∑∑===----=-==nt n t mt m t t t t n t tx b x b b y y y e Q 11211012)()( (4.4) 达到极小。
