全波形反演（FWI）能够利用完整地震波形信息建立高精度地下速度模型，但对低频数据和初始模型高度敏感。实际勘探资料低频成分不足时，FWI容易发生周跳并陷入局部极小。引入声波测井等先验信息可以补充低波数背景并约束更新方向，但先验项权重通常依赖人工经验，权重过小难以发挥作用，过大又可能把先验模型偏差带入最终结果。
针对先验权重难以客观确定的问题，我们提出声波测井数据自适应约束全波形反演方法（SAC-FWI）。在贝叶斯框架下，将地震数据误差表示为似然项、速度先验表示为先验概率分布，并由后验概率推导自适应权重。该权重由当前数据残差和模型与先验模型之间的差异动态决定：反演早期强化先验约束，帮助恢复低波数背景并避免周跳；随着模型逐渐接近真实解，先验权重自动降低，使地震数据主导高波数细节更新。
方法首先利用初始速度模型进行RTM成像并提取地下构造倾角，再结合稀疏声波测井数据构建具有横向连续性的速度先验模型；随后将该先验作为正则化约束引入FWI，并通过自适应权重动态控制其在每次迭代中的贡献，从而实现井中高精度信息、地震构造信息与波形数据的协同约束。
图1 Marmousi模型低频缺失条件下的反演结果对比：（a）传统FWI；（b）SAC-FWI
图2 自适应权重因子随迭代次数变化曲线
Marmousi模型试验表明，在滤除5 Hz以下低频数据后，传统FWI出现明显周跳和结构伪影，而SAC-FWI能够更好地恢复地层及深部速度结构，说明自适应权重能够根据数据与模型状态动态平衡数据项和先验项的贡献。
该研究减少了先验约束FWI对人工调参的依赖，使测井先验能够在不同反演阶段自适应参与模型更新，为低频缺失和强噪声条件下的高精度速度建模提供了新的解决思路。
研究成果发表于Petroleum Science。论文第一作者为中国石油大学（华东）博士研究生王靖，通讯作者为李卿卿副教授，合作者包括中国石化西北油田分公司高利君高工、李宗杰高工和中国石油大学（华东）符力耘教授。研究获得国家自然科学基金等项目资助。
论文信息：Jing Wang, Qing-Qing Li, Li-Jun Gao, Zong-Jie Li, and Li-Yun Fu. “Full-waveform inversion constrained by adaptive sonic logging data within a Bayesian framework.” Petroleum Science, 23(1), 205–219, 2026. https://doi.org/10.1016/j.petsci.2025.11.006.
