印兴耀，崔维，宗兆云，刘晓晶

中国石油大学（华东）地球科学与技术学院，青岛 266580

1 引言

地震数据中蕴含着丰富的储层物性参数信息，而储层物性参数作为衡量储层质量及孔隙承载含流体状况的重要参数，其准确估计能够为储层预测提供有力参考依据，为孔隙流体识别起到一定的指导作用.

针对于储层物性参数反演方法的研究，国内外学者取得一系列研究成果.Doyen（1988）使用协同克里格法用地震数据反演出的声阻抗数据来预测孔隙度参数；McCormack（1991）提出将神经网络技术应用于地球物理领域；国内印兴耀等（1994，1998）将神经网络技术应用到储层预测中；董恩清和高宏亮（1998）提出应用人工神经网络的方法将约束反演得到的波阻抗转换成储层物性参数；由于神经网络有一定的局限性，后来的研究人员对神经网络做了一定程度的改进，田景文综合BP（Back Propagation）的快速收敛和GA（Genetic Algorithm，遗传算法）的全局寻优的特点，将二者有机的结合起来，形成BP－GA混合算法实现薄互储层物性参数预测，该方法能较好地解决预测精度和收敛速度问题（田景文和高美娟，2002）；聂建新等（2004）提出基于同时包含Biot流动和喷射流动这两种力学机制的非饱和多孔隙BISQ模型，利用小生境遗传算法实现储层参数反演，该方法在观测噪声低于5%时，具有很高的精度；Mukerji和Eidsvik提出使用统计岩石物理模型联合地震资料识别储层岩性和流体性质，并做出不确定性分析 （Mukerji et al.，2001a，2001b；Eidsvik et al.，2004）；Spikes等（2007）提出了一种联合地震资料和测井数据的概率地震反演技术实现储层参数预测；……