《地质建模技术教学课件 第041章沉积相 沉积相空间分布建模和相控物性参数空间分布建模》由会员分享，可在线阅读，更多相关《地质建模技术教学课件 第041章沉积相 沉积相空间分布建模和相控物性参数空间分布建模（79页珍藏版）》请在金锄头文库上搜索。
1、2018/10/27,1,地质建模技术(4),西安石油大学 计算机学院 王家华 2005.9,2018/10/27,2,目录,1. 绪论2.地质统计学的原理3.克里金估计和构造建模 4.沉积相空间分布建模和相控建模5.地震资料的地质统计学反演6.概率储量7.地质建模和油藏数值模拟8.粗化技术9.风险分析和决策分析10 “储层地质统计分析系统 GASOR”11.结束语,2018/10/27,3,4.沉积相空间分布建模和 相控物性参数空间分布建模,4.1: 估计与模拟； 4.1.1. 模拟过程 4. 1. 2. 估计与模拟的本质区别 4.2: 指示模型； 4.3: 随机游走模型； 4.4：示性点过
2、程模型； 4.5：高斯场模型 4. 6：地质概念模型 4. 7: 多次储层随机建模与砂体预测符合率 4.8: 多点统计方法简介,2018/10/27,4,一个随机函数 可用任何数目 以及 个位置 的 的所有 元条件累积概率分布函数集合来表达: (3.20) 该式是对个随机变量联合不确定性的度量。同样地，若已知采样数据集，那么(3.3)可以条件化到后验的联合条件累积概率分布函数(3.21)很显然，(3.21)是位置 ，样本容量 ，样本几何构型(采样位置为 )及样本值 的函数。,4.1: 估计与模拟 4.1.1 模拟过程,2018/10/27,5,(3.21)可以写成(3.23) 在此， 在集合
3、中取值。,2018/10/27,6,储层随机建模就是建立储层属性的概率分布模型(3.21)或(3.23)。该模型反映了属性空间分布的概率特征及联合的不确性。有了这种模型，就可以对储层任何未抽样位置的属性的分布不确定性进行刻画。其可用如下分布来描述； （3.24）(3.25)它们反映了未抽样位置 属性分布 的不确定性。,2018/10/27,7,(3.24)所反映的概率密度曲线如下(图3.9): 图3.9: 概率密度曲线 该曲线形态刻画了未抽样位置 出属性不确定性的大小。若方差越小，不确定性越小。在极端情况下，若整个油藏任何位置处属性皆已知的情况下，则曲线(3.9)退缩成一点，从而不确定性为零，
4、即完全确定。,2018/10/27,8,一旦建立了模型(3.23)和(3.24)，就可采用相应的随机模拟方法(Stochastic Simulation)产生来自于模型的储层属性空间分布各种变化的等可能实现。随机模拟是一个抽样过程，该过程抽取等可能的，等概率的来自随机模型的各个部分的联合实现，一系列实现(通常用网格化数据表达),表示区域 中属性值 空间分布的个可能图象。每个实现也被称为随机图象(Stochastic Imaging),它们反映了强加在 随机模型的某些性质。,2018/10/27,9,4. 1. 2. 估计与模拟的本质区别,1） 估计估计方法就是，利用已知数据进行滑动平均，给出未
5、抽样位置处相应的内插值。因此估计方法又常称为内插方法。传统的估计方法有克里金估计方法、距离反比加权法、三角形剖分法等.估计是一种确定性的方法。,2018/10/27,10,2） 模拟由于油藏工程领域越来越重视对油藏非均质的认识和评价，认为油藏非均质性是影响提高采收率的重要因素。这种非均质性必须用新的方法来刻画和定量描述。克里金估计方法由于是一种光滑的内插方法而不能定量评价储层空间分布的非均质性。克里金估计给出的是一种单一的数值模型，是一种对平均值的估计，所以不能反映隐含在随机场概率模型中整体的相关结构。而随机模拟通过建立油藏属性的概率模型，再施行抽样过程，抽取各种相互独立的，等概率的来自模型各
6、个部分的联合实现，一系列实现的差异就反映了储层属性空间分布的非均质性和不确定性。模拟的结果强烈地信赖于建立的概率模型。随机建模过程必须充分利用各种模型的地质数据并强调以地质概念模型为基础。正由于此，随机模拟不象克里金估计那样，有统一的公式和算法。实际上，不难发现克里金方法本身不与模型发生关系，它仅利用协方差或变异函数这个矩信息。对于不同地质问题，需要建立不同的概率模型。建模本身是一门艺术，寻找一种快速适用的模拟算法对于特定得问题是至关重要的。,2018/10/27,11,因此，随机模拟有以下特点：1) 模拟算法是依赖于模型的，不同模型要采用不同模拟算法。2) 随机模拟结果强调结果的整体相关性。
7、它从整体上对储层属性空间分布提供了不确定性的度量。克里金方法不能保证条件化到统计量。如用克里金方法得到的结果，其直方图和协方差与原始数据计算结果会有很大偏差。3) 克里金方法只给出一个数值结果，而随机模拟能给出多种数值结果。这些结果的差异正好反映了隐含在概率模型之中的不确定性。,2018/10/27,12,4.2: 指示模型,指示模型是随机建模理论的一个主要组成部分。该理论最早是由美国斯坦福大学石油工程系的Journel 教授在八十年代提出的。随后，指示化方法及其模型得到了快速发展。指示模型的基本思想就是将地质信息进行离散的编码，通常编码成0与1两值的指示变量，然后将克里金的基本思想用于指示变
8、量，最终得到指示变量的克里金估计。而指示变量的克里金估计恰好给出了未知位置变量的概率估计。该概率模型就是对未知位置变量不确定性的度量。,2018/10/27,13,在胜利油田的应用（指示主成分模型）,渤南油田沉积微相（8 种）空间分布图,渤南油田渗透率空间分布图,2018/10/27,14,渤南油田含油饱和度空间分布图,勃南油田孔隙度空间分布图,2018/10/27,15,2018/10/27,16,沉积相控制物性参数,姬源地区主力层长213-1的三维建模,2018/10/27,17,2018/10/27,18,2018/10/27,19,2018/10/27,20,2018/10/27,21
9、,2018/10/27,22,2018/10/27,23,第,1,小层,第,1,小层,第,10,小层,第,10,小层,2018/10/27,24,剖面地质模型的对比 剖面图显示：不同随机种子对沉积相模拟有一定的影响。,2018/10/27,25,种子1,2018/10/27,26,种子2,种子3,2018/10/27,27,剖面图显示：物性参数的分布受沉积相的控制。,2018/10/27,28,2018/10/27,29,2018/10/27,30,把4个小层叠加在一起的剖面图显示,2018/10/27,31,2018/10/27,32,2018/10/27,33,2018/10/27,34,
10、2018/10/27,35,栅状图的应用,2018/10/27,36,2018/10/27,37,2018/10/27,38,和手工地质模型的对比,由于所用的思路不同，计算机做出的随机建模的地质模型和手工的地质模型，是不能完全一致的。它们之间可以归纳出以下几点差别。 1. 手工地质模型是二维的图件，而计算机做出的地质模型则是一种三维空间的形式，或者是各种剥片图的形式，和其他图件的形式。 2.计算机做出的地质模型是基于大量的测井及其它地质数据。这些数据在井点处又有随着的深度变化。手工的地质模型运用的信息是反映在地质学家头脑中概念模型。因此，两者在数量和质量上有很大区别，所成的图件也会有很大差别。
11、计算机做出的地质模型是可以按（X,Y,Z）的网格节点给出的，显得精细。对于精细油藏描述的时候，这种模型可以满足要求。相比之下，手工地质模型显得粗糙。,2018/10/27,39,2018/10/27,40,长213-2 沉积相分布图（随机模拟）,2018/10/27,41,长212 沉积相分布图（随机模拟）,长212 沉积相分布图（手工）,2018/10/27,42,指示模型最早提出的一种储层随机建模方法； 灵活的使用可以解决许多问题。,2018/10/27,43,指示模型的基本思想就是将地质信息进行离散的编码，通常编码成0与1两值的指示变量，然后将克里金的基本思想用于指示变量，最终得到指示变
12、量的克里金估计。指示变量的克里金估计恰好给出了未知位置变量的概率估计。该概率模型就是对未知位置变量不确定性的度量。基于该后验概率概型，可以模拟变量的分布。因此，基于指示模型的各种模拟方法，核心是各种指示克里金估计模型。不同的克里金估计模型，使用的信息类型不同，从而导致不同的后验概率模型。随后的模拟就基于这些后验概率模型。模拟的过程和方法基本上是一样的。通常使用的模拟思想是序贯指示模拟思想。简单指示克里金模型(Simple IK)，普通指示克里金模型(Ordinary IK)和中位指示克里金模型(Median IK)， 是三种基本的指示模型。,2018/10/27,44,指示模型的要点：1. 地
13、质变量的指示化方法 2. 单变量指示模型 3. 离散变量的指示模型 4. 协同指示模型 5. 指示主成份模型,2018/10/27,45,1. 地质变量的指示化方法 地质变量的指示化方法的基本原理是，对于地质变量，无论其是连续的还是离散的，都可以对其离散化而得到一系列指示变量。若是连续的地质变量，那么通过个截断值，将可能的取值区间截断后得到个指示变量: 在此, 。,2018/10/27,46,2018/10/27,47,指示克里金(IK)方法可以提供地质变量 在一个待估位置处的条件累积概率分布函数(ccdf)，在不同截断值处的“最小均方误差”估计：(7.1) 指示克里金过程可以对一系列截断值
14、重复进行，这相应于求解 个克里金方程组。来自于(7.1)的 个估计值，相当于对未抽样位置 处的分布函数 在 个点： 等处的离散估计，从而可得到关于未抽样位置处 的不确定性的概率模型。,2018/10/27,48,如果 本身是一个离散的地质变量，则此时无须进行截断处理, 只对其进行0 - 1编码标定就可以了。若研究区域 D内有K种岩相，则可定义 K个指示变量：在此， 。相应的直接指示克里金估计就可以给出未抽样位置 处岩相的概率估计:(7.2)来自于(7.2)的K个概率值就是岩相的概率模型。,2018/10/27,49,2. 单变量指示模型 由此可见，对于指示模型来讲，指示克里金估计起了核心的作用
15、。通过它，可以得到后验的指示变量的概率(7.1)或(7.2)，而后验概率是进行模拟的基础。所以，通常讲克里金估计理论是随机建模的工具。在随机建模过程中，克里金估计常贯穿于其中。通过求解克里金方程组可以得到后验的累积分布函数，并为模拟作准备。对照第四章也会发现，对高斯场模型，通过求解克里金方程组可得到高斯模型两个重要函数，均值和方差。这两个函数完全可以确定高斯场分布。对来讲，确定其后验概率模型，通常用下面三种常用的指示克里金方法:1). 简单指示克里金;2) 普通指示克里金 ;3). 中位指示克里金 。 。,2018/10/27,50,3. 离散变量的指示模型 设 是离散化地质变量，其中 的可能取值只有有限个整数 。这相当于区域D内定义了K个互相排斥的范畴。其中， 。这些K个范畴代表了区域D内某种离散地质变量(如岩相、沉积相等)的分布，是完备的。即任何位置处 的离散地质变量分布，只能属于这K个范畴中的一个。,2018/10/27,51,2018/10/27,52,2018/10/27,53,2018/10/27,
