摘要： 常规横波预测方法从基础的岩石物理模型出发,根据部分弹性参数与岩石物理参数间的定量关系,确定横波速度对应约束参数(如孔隙纵横比)的解空间,不断搜索寻求最优解从而确定地下每一深度点对应的横波速度.但这样做会存在两点不足:一是简单的遍历搜索制约了预测方法的计算效率;二是对于缺乏矿物含量信息的井资料而言,岩石物理建模已经严重受限,最终预测结果的精度必然会有很大影响.为了解决这类矿物含量未知地区进行横波预测所存在的计算精度和效率问题,论文提出基于粒子群非线性优化算法框架下的横波预测策略.首先需要解决矿物基质模量未知或不准确的问题,即在引入干岩石泊松比σdry后根据岩石骨架模型预设法,确定其与基质模量K0的范围,之后利用流体因子定义适应度函数,将矿物基质模量反演转化为二维粒子群寻优问题,将最终得到的基质模量作为输入更新到粒子群优化的横波预测过程中.使用论文提出的横波预测策略,可以很好地解决基质模量未知的难题,更好地利用Xu-White、Xu-Payne等岩石物理模型进行储层描述.同时,论文针对传统方法计算效率低的问题进行了优化,在基质模量反演和横波预测中都采用了粒子群算法来反演约束参数.实际资料应用结果表明:基于粒子群优化框架下的基质模量反演结果满足Voigt-Reuss界限条件,验证了算法的正确性及准确度.与传统遍历搜索的横波预测对比结果表明,在精度得到保证的情况下,采用粒子群优化算法可以大大提升整个横波预测的计算效率.

关键词: 横波预测, 粒子群算法, 基质模量, 碳酸盐岩, 孔隙结构