儲層表征課件資料

1、儲層表征與建模尹艷樹信息與數(shù)學(xué)學(xué)院, 3rg研究小組內(nèi)容提要一、儲層表征的概念二、儲層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識三、儲層建模的概念五、隨機(jī)建模方法簡介六、隨機(jī)建模步驟、策略油藏評價(jià)開發(fā)早期開發(fā)中后期定量地研究和描述儲層，并建立儲層地質(zhì)模型，為油氣田勘探和開發(fā)服務(wù)。 1985年國際儲層表征會議對儲層表征的定義： “量化油藏特性，識別地質(zhì)信息和空間變化不確定性的一個(gè)過程”三個(gè)層次： 特征識別 特征描述 儲層建模儲層表征Reservoir Characterization 油藏描述Reservoir Description70年代斯侖貝謝公司提出的以測井為主的RDSReservoir Desc

2、ription Service 對油藏各種特征（圈閉、儲層、流體）進(jìn)行三維定量描述和預(yù)測最終成果：建立反映油藏特征的三維油藏地質(zhì)模型。油藏地質(zhì)建模是油藏描述的核心。Reservoir descriptionReservoir characterization儲層表征（Reservoir Characterization）是由油藏描述（Reservoir Description）向定量化方向發(fā)展演化出來的現(xiàn)代油藏管理資料搜集油藏描述數(shù)值模擬開發(fā)戰(zhàn)略確定性建模隨機(jī)建模儲層地質(zhì)模型內(nèi)容提要一、儲層表征的概念二、儲層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識三、儲層建模的概念五、隨機(jī)建模方法簡介六、隨機(jī)建模步驟

3、、策略儲層地質(zhì)模型分類一、按開發(fā)階段及模型精度分類(裘亦楠，1991)概念模型(Conceptual model)靜態(tài)模型(Static model)預(yù)測模型(Predictable model)1、概念模型沉積或成因類型模型：典型化和概念化，具地區(qū)代表性與沉積或成因模式類同，但加入開發(fā)所需的地質(zhì)特征 應(yīng)用于油田勘探、評價(jià)、開發(fā)設(shè)計(jì)階段，減少戰(zhàn)略失誤（a）三維概念模型 （b）構(gòu)造背景下的的三維概念模型陳堡油田陳3斷塊泰一段三維概念模型2、靜態(tài)模型概念：描述某一具體油田或開發(fā)區(qū)的一個(gè)或一套儲層的屬性特征 在三維空間上的變化和分布規(guī)律的地質(zhì)模型。目的：為編制開發(fā)方案、調(diào)整方案提供地質(zhì)依據(jù)實(shí)現(xiàn)：小層

4、平面圖、油層剖面圖、柵狀圖、三維分布圖、切片圖缺點(diǎn)：主要依賴井信息，吻合井，地震信息覆蓋面廣但分辨率低 井間參數(shù)的內(nèi)插與外推預(yù)測的精度考慮較少，精度不高3、預(yù)測模型概念：對井間及其以外地區(qū)的儲層參數(shù) 進(jìn)行一定精度的內(nèi)插和外推預(yù)測的高精度地質(zhì)模型。目的：二次采油后剩余油挖潛開發(fā)調(diào)整、井網(wǎng)加密或三次采油實(shí)現(xiàn)：地質(zhì)隨機(jī)建模技術(shù)、高精度地震約束、密井網(wǎng)控制精度：開發(fā)井網(wǎng)百米級，井間預(yù)測精度數(shù)十米或數(shù)米級二、按儲層表征內(nèi)容分類儲層結(jié)構(gòu)模型流動單元模型儲層參數(shù)分布模型裂縫分布模型1、儲層結(jié)構(gòu)模型（儲層相模型：相控建模技術(shù)）概念：描述儲層幾何形態(tài)以及三維空間分布的地質(zhì)模型。油田開發(fā)生產(chǎn)實(shí)踐表明，相帶分布強(qiáng)烈

5、地影響地下流體的流動。同時(shí)，巖石物性的變化與相類型極為相關(guān)。對于多相分布的儲層來說，合理的相模型是精確建立巖石物性模型的必要前提。目的：儲層參數(shù)分布模型的骨架（相控建模技術(shù)） 油藏模擬中設(shè)計(jì)模擬網(wǎng)塊大小和數(shù)量的根據(jù)類型：殼牌石油公司K.J.Weber和L.C.Von Geuns(1990) 千層餅狀結(jié)構(gòu)、拼合板狀結(jié)構(gòu)、迷宮狀結(jié)構(gòu)（1）千層餅狀儲層結(jié)構(gòu)同一沉積成因的層狀砂體，砂體疊合、分布廣。單層砂體連續(xù)性好，厚度漸變。單層水平滲透率橫向穩(wěn)定，垂向滲透率橫向漸變。單層間界線為儲層性質(zhì)變化線或阻流界線。發(fā)育沉積相：陸相湖泊席狀砂、風(fēng)成砂丘等 海岸相障壁砂壩、海岸砂脊、海侵砂 海相淺海席狀砂、濱外砂

6、壩、外扇濁積體井距大：矩形井網(wǎng)1000米 三角形井網(wǎng)1200米 隨機(jī)井網(wǎng)約13口km2一步建模法：建立準(zhǔn)確的三維儲層結(jié)構(gòu)模型很容易（2）拼合板狀儲層結(jié)構(gòu)砂體拼合而成，單元之間沒有大的間距。砂體連續(xù)性較好，儲層內(nèi)及層間偶而夾有低滲或非滲層。砂體間存在物性突變，砂體內(nèi)可具有很強(qiáng)的非均質(zhì)性。發(fā)育沉積相：陸相辨狀河砂體、點(diǎn)壩、湖泊/沖積混合沉積 風(fēng)成/干谷混合沉積 海岸障壁島與潮道充填復(fù)合體 河道充填/河口壩復(fù)合體 海洋風(fēng)暴砂透鏡體、中扇濁積體井距中等：矩形井網(wǎng)600米 三角形井網(wǎng)800米 隨機(jī)井網(wǎng)4口/km2建立準(zhǔn)確的三維儲層結(jié)構(gòu)模型難度一般，相控建模法（3）迷宮狀儲層結(jié)構(gòu)小砂體和透鏡狀砂體的復(fù)雜組

7、合砂體連續(xù)性具方向性，剖面上不連續(xù) 平面上，不同方向連續(xù)性不一樣部分砂體之間可為薄層席狀低滲砂巖連通發(fā)育沉積相： 陸相低彎度河道充填砂體、具低（砂/地）比值的沖積沉積砂體濱岸相低彎度分流河道沉積砂體 海洋濁積巖、滑塌巖、具低砂/地比的風(fēng)暴沉積砂體井距小：矩形井網(wǎng)至少200米 三角形井網(wǎng)至少300米 隨機(jī)井網(wǎng)至少32口/km2建立準(zhǔn)確的三維儲層結(jié)構(gòu)模型很難，相控建模法 隨機(jī)建模法概率模型三種碎屑巖儲層結(jié)構(gòu)的砂體成因類型（K .J.Weber,etc,1990）主要砂體單元確定性對比所需的平均井網(wǎng)數(shù)據(jù)（K.J.Weber,et al,1990）2、流動單元模型概念：(C.L.Hearn etc 1

8、984；W.J.Ebanks，1987)影響流體流動的儲層屬性參數(shù)在各處相似，且?guī)r層特點(diǎn)也相似的縱、橫向連續(xù)的儲集帶單元。流動單元不同，流體流動特征也不同。流動單元模型：由許多流動單元塊體鑲嵌組合而成，離散模型包括：流動單元?jiǎng)澐郑鲃訂卧g邊界、單元內(nèi)儲層屬性相似對油藏模擬及動態(tài)分析有很大意義，對預(yù)測二次采油和三次采油的生產(chǎn)性能亦意義重大。長慶安塞油田坪橋水平井區(qū)流動單元模型（長61三維流動單元模型的不同顯示形式）紅色：一類流動單元綠色：二類流動單元蘭色：滲流屏障3、儲層參數(shù)分布模型描述儲層屬性參數(shù)在三維空間上的變化和分布規(guī)律的模型連續(xù)性模型（孔隙度模型、滲透率模型、流體飽和度模型）勝坨油田勝

9、二區(qū)74小層不同含水期孔隙度實(shí)現(xiàn)對比圖勝坨油田勝二區(qū)74小層不同含水期滲透率實(shí)現(xiàn)對比圖勝坨油田勝二區(qū)沙二段74小層不同含水期含油飽和度模型內(nèi)容提要一、儲層表征的概念二、儲層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識三、儲層建模的概念五、隨機(jī)建模方法簡介六、隨機(jī)建模步驟、策略白化過程地質(zhì)信息與解釋 地震信息與解釋測井信息與解釋油藏工程信息與解釋實(shí)質(zhì)：井間儲層參數(shù)的預(yù)測建模的目的確定性建模隨機(jī)建模兩種技術(shù)以確定性資料為基礎(chǔ)，給出井間確定的、唯一的儲層參數(shù)。確定性儲層地震地質(zhì)學(xué)儲層沉積學(xué)地質(zhì)統(tǒng)計(jì)學(xué)克里金方法確定性vs隨機(jī)性儲層系統(tǒng)的復(fù)雜性121113333121113333資料的不完備性隨機(jī)性確定性vs隨機(jī)性

10、隨機(jī)性評價(jià)由于資料限制和儲層復(fù)雜性而導(dǎo)致的井間儲層預(yù)測的不確定性，以滿足油田開發(fā)決策在一定風(fēng)險(xiǎn)范圍的正確性。某油田1小層河流相概率分布模型確定性vs隨機(jī)性確定性vs隨機(jī)性資料應(yīng)用地質(zhì)信息與解釋 地震信息與解釋測井信息與解釋油藏工程信息與解釋隨機(jī)建模的概念概念：以已知的信息為基礎(chǔ)，以隨機(jī)函數(shù)為理論，應(yīng)用隨機(jī)模擬方法，產(chǎn)生可選的、等可能的儲層模型。 輸入:巖心分析、測井解釋、地震勘探、生產(chǎn)動態(tài)以及露頭觀察等多種來源的已知數(shù)據(jù)隨機(jī)種子數(shù)隨機(jī)函數(shù)蒙特卡羅抽樣輸入數(shù)據(jù)隨機(jī)種子數(shù)隨機(jī)函數(shù)隨機(jī)抽樣1962年，G.Matheron提出并創(chuàng)立地質(zhì)統(tǒng)計(jì)學(xué)學(xué)科1978年，Journel，礦業(yè)地質(zhì)統(tǒng)計(jì)學(xué)，發(fā)展隨機(jī)模擬

11、方法1984年，H.Haldorsen以及L.Lake發(fā)表的發(fā)表論文成為在油氣儲層建模的標(biāo)志1988年，SPE蘇格蘭會議，模擬是否有實(shí)際意義討論1991年，SPE科羅拉多會議，肯定方法，討論方法適用性2000年，Strebelle,多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)國外儲層建模技術(shù)，原中國石油天然氣總公司 1991年，裘懌楠教授 ，“儲層地質(zhì)模型”，石油學(xué)報(bào)隨機(jī)建模的產(chǎn)生及發(fā)展隨機(jī)建模的產(chǎn)生與地質(zhì)統(tǒng)計(jì)學(xué)密切相關(guān)國內(nèi)內(nèi)容提要一、儲層表征的概念二、儲層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識三、儲層建模的概念五、隨機(jī)建模方法簡介六、隨機(jī)建模步驟、策略地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識變差函數(shù)克里金技術(shù)條件模擬x0隨機(jī)建模的產(chǎn)生與地質(zhì)統(tǒng)計(jì)學(xué)密

12、切相關(guān) 變差函數(shù)(或叫變程方差函數(shù)，或變異函數(shù))是地質(zhì)統(tǒng)計(jì)學(xué)所特有的基本工具。它既能描述區(qū)域化變量的空間結(jié)構(gòu)性變化，又能描述其隨機(jī)性變化。躍遷現(xiàn)象1. 變差函數(shù)的概念與參數(shù) (一)變差函數(shù) 假設(shè)空間點(diǎn)x只在一維的x軸上變化，則將區(qū)域化變量Z(x)在x，x+h兩點(diǎn)處的值之差的方差之半定義為Z(x)在x軸方向上的變差函數(shù)，記為一維情況下的定義：VarZ(x)-Z(x+h) EZ(x)-Z(x+h)2-EZ(x)-Z(x+h)2 =半變差函數(shù)(或半變異函數(shù)) 當(dāng)區(qū)域化變量Z(u)滿足下列二個(gè)條件時(shí)，則稱其為二階平穩(wěn)或弱平穩(wěn)： EZ(u) = EZ(u+h) = m(常數(shù)) xh 隨機(jī)函數(shù)在空間上的變

13、化沒有明顯趨勢，圍繞m值上下波動。 在整個(gè)研究區(qū)內(nèi)有Z(u)的數(shù)學(xué)期望存在， 且等于常數(shù)，即：二階平穩(wěn) 在整個(gè)研究區(qū)內(nèi)，Z(u)的協(xié)方差函數(shù)存在且平穩(wěn) (即只依賴于滯后h，而與u無關(guān))， 即 CovZ(u),Z(u+h) = EZ(u)Z(u+h)-EZ(u)EZ(u+h) = EZ(u)Z(u+h)- = C(h) 特殊地，當(dāng)h=0時(shí)，上式變?yōu)閂arZ(u)=C(0), 即方差存在且為常數(shù)。協(xié)方差不依賴于空間絕對位置，而依賴于相對位置 ， 即具有空間的平穩(wěn)不變性。uu+h 在整個(gè)研究區(qū)內(nèi)有 EZ(u)-Z(u+h) = 0 本征假設(shè) 當(dāng)區(qū)域化變量Z(u)的增量Z(u)-Z(u+h)滿足下列二

14、條件時(shí)，稱其為滿足本征假設(shè)或內(nèi)蘊(yùn)假設(shè)?？沙霈F(xiàn)EZ(u)不存在， 但EZ(u)-Z(u+h)存在并為零的情況 intrinsic hypotheseEZ(x)可以變化,但EZ(u)-Z(u+h)=0（比二階平穩(wěn)更弱的平穩(wěn)假設(shè)） 增量Z(u)-Z(u+h)的方差函數(shù) (變差函數(shù),Variogram) 存在且平穩(wěn) (即不依賴于u)，即： VarZ(u)-Z(u+h) = EZ(u)-Z(u+h)2-EZ(u)-Z(u+h)2 = EZ(u)-Z(u+h)2 = 2(u,h) = 2(h), 相當(dāng)于要求：Z(u)的變差函數(shù)存在且平穩(wěn)。設(shè)Z(x)為一維區(qū)域化變量，滿足本征假設(shè)，又已知Z(1)=2，Z(2

15、)=4，Z(3)=3，Z(4)=1，Z(5)=5，Z(6)=3，Z(7)=6，Z(8)=4， ， 例：試求：=22+12+22+42+22+32+22 = = 3.0012+32+22+22+12+12 = = 1.6712+12+02+52+12 = = 2.802D情況（1）分不同方向，進(jìn)行1D變差函數(shù)計(jì)算3D情況： 增加垂向方向（2）確定主變程方向 次變程方向角度容限步長容限h3h5hh四方向試算（考慮主變程方向的 走向、傾向和傾角）球狀模型指數(shù)模型高斯模型具不同變程的克里金插值圖象參考書:GSLIB陳恭洋：碎屑巖儲層隨機(jī)建模吳勝和：儲層建模王家華：油氣儲層隨機(jī)建模于興河：碎屑鹽巖儲層計(jì)

16、算機(jī)模擬技術(shù)參考書:GSLIB(二)克里金插值方法-以普通克里金為例 設(shè) 為區(qū)域上的一系列觀測點(diǎn)， 為相應(yīng)的觀測值。區(qū)域化變量在 處的值 可采用一個(gè)線性組合來估計(jì)： Z*(x0)無偏最優(yōu)無偏性和估計(jì)方差最小被作為 選取的標(biāo)準(zhǔn) 從本征假設(shè)出發(fā), 可知 為常數(shù),有 可得到關(guān)系式: （1）無偏條件Z*(x0)（在搜尋鄰域內(nèi)為常數(shù)，不同鄰域可以有差別）（2）估計(jì)方差最小應(yīng)用拉格朗日乘數(shù)法求條件極值Z*(x0)進(jìn)一步推導(dǎo)，可得到n+1階的線性方程組, 即克里金方程組 當(dāng)隨機(jī)函數(shù)不滿足二階平穩(wěn),而滿足內(nèi)蘊(yùn)（本征）假設(shè)時(shí),可用變差函數(shù)來表示克里金方程組如下:Z*(x0)最小的估計(jì)方差,即克里金方差可用以下公

17、式求解: Z*(x0)以surfer為例(三)條件模擬建模的核心是對井間儲層屬性進(jìn)行預(yù)測克里金插值也能給出預(yù)測?克里金插值的優(yōu)缺點(diǎn)l估計(jì)的無偏性 l反映變量的空間結(jié)構(gòu)性l能得到估計(jì)精度 優(yōu)點(diǎn)區(qū)域化變量變差函數(shù)純隨機(jī)變量距離反比加權(quán)法 （1）克里金插值為局部估計(jì)方法，對估計(jì)值的整體空間相關(guān)性考慮不夠，它保證了數(shù)據(jù)的估計(jì)局部最優(yōu)，卻不能保證數(shù)據(jù)的總體最優(yōu)，因?yàn)榭死锝鸸乐档姆讲畋仍紨?shù)據(jù)的方差要小。因此，當(dāng)井點(diǎn)較少且分布不均時(shí)可能會出現(xiàn)較大的估計(jì)誤差，特別是在井點(diǎn)之外的無井區(qū)誤差可能更大。 克里金方法的局限性 （2）克里金插值法為光滑內(nèi)插方法，為減小估計(jì)方差而對真實(shí)觀測數(shù)據(jù)的離散性進(jìn)行了平滑處理，雖

18、然可以得到由于光滑而更美觀的等值線圖或三維圖，但一些有意義的異常帶也可能被光滑作用而“光滑”掉了。所以，有時(shí)，克里金方法被稱為一種“移動光滑窗口”。（用于CCDF的求取，應(yīng)用于隨機(jī)建模） 隨機(jī)建模與克里金插值法有較大的差別，主要表現(xiàn)在以下三個(gè)方面： 克里金插值法為局部估計(jì)方法，力圖對待估點(diǎn)的未知值作出最優(yōu)的、無偏的估計(jì)，而不專門考慮所有估計(jì)值的空間相關(guān)性，而模擬方法首先考慮的是模擬值的全局空間相關(guān)性，其次才是局部估計(jì)值的精確程度。 隨機(jī)建模的優(yōu)勢 克里金插值法給出觀測值間的光滑估值，對真實(shí)觀測數(shù)據(jù)的離散性進(jìn)行了平滑處理，從而忽略了井間的細(xì)微變化；而條件隨機(jī)模擬結(jié)果在在光滑趨勢上加上系統(tǒng)的“隨機(jī)

19、噪音”，這一“隨機(jī)噪音”正是井間的細(xì)微變化，雖然對于每一個(gè)局部的點(diǎn)，模擬值并不完全是真實(shí)的，估計(jì)方差甚至比插值法更大，但模擬曲線能更好地表現(xiàn)真實(shí)曲線的波動情況。 克里金插值法(包括其它任何插值方法)只產(chǎn)生一個(gè)儲層模型，因而不能了解和評價(jià)模型中的不確定性，而隨機(jī)模擬則產(chǎn)生許多可選的模型，各種模型之間的差別正是空間不確定性的反映。從值的估計(jì)到概率函數(shù)的推斷Z*(x0)克里金方法更多是用來估計(jì)概率值，建立累積條件概率分布，而值的獲取則通過蒙特卡羅抽樣來獲得。不同的抽樣就獲得不同的實(shí)現(xiàn)值，經(jīng)過多次抽樣就可以獲得多個(gè)實(shí)現(xiàn)，以反映儲層預(yù)測中存在的隨機(jī)性。獲得均值和方差，建立高斯分布內(nèi)容提要一、儲層表征的概

20、念二、儲層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識三、儲層建模的概念五、隨機(jī)建模方法簡介六、隨機(jī)建模步驟、策略隨機(jī)建模方法綜述按模擬單元不同劃分：基于目標(biāo)的方法 和基于象元的方法隨機(jī)建模方法綜述不同的隨機(jī)函數(shù)就構(gòu)成了不同的模擬方法輸入數(shù)據(jù)隨機(jī)種子數(shù)隨機(jī)函數(shù)隨機(jī)抽樣 基于目標(biāo)(object-based)的方法 標(biāo)點(diǎn)過程（示性點(diǎn)過程） Marked point processes 目標(biāo)層次建模Hierarchical object-based modeling 基于象元(pixel-based)的方法 序貫高斯模擬 Sequential Gaussian Simulation (SGS) 截?cái)喔咚鼓M T

21、runcated Gaussian Simulation (TGS) 序貫指示模擬 Sequential Indicator Simulation (SIS)模擬退火Simulated annealing 1.標(biāo)點(diǎn)過程(布爾模型) （Marked point processes) -類型變量模擬 標(biāo)點(diǎn)過程的基本思路是根據(jù)點(diǎn)過程的概率定律按照空間中幾何物體的分布規(guī)律，產(chǎn)生這些物體的中心點(diǎn)的空間分布，然后將物體性質(zhì)（即marks，如物體幾何形狀、大小、方向等)標(biāo)注于各點(diǎn)之上。 從地質(zhì)統(tǒng)計(jì)學(xué)角度來講，標(biāo)點(diǎn)過程模擬即是要模擬物體點(diǎn)(points)及其性質(zhì)(marks)在三維空間的聯(lián)合分布。 Poiss

22、on點(diǎn)過程: 物體中心點(diǎn)在空間上的分布可以是獨(dú)立的(如，即布爾模型的概率分布理論);Gibbs點(diǎn)過程: 物體中心點(diǎn)在空間上的分布是相互關(guān)聯(lián)或排斥的。 標(biāo)點(diǎn)過程模擬示意圖 目標(biāo)點(diǎn)密度在空間上可以是均勻的，也可以根據(jù)地質(zhì)規(guī)律賦予一定的分布趨勢。在實(shí)際應(yīng)用中，目標(biāo)點(diǎn)位置可以通過以下規(guī)則來確定： (1)密度函數(shù)（即各相的體積比例及其分布 趨勢） (2)關(guān)聯(lián)(如井間相連通) 和排斥原則(如同相 物體或不同相物體 之間不接觸的最小 距離)。物體性質(zhì)(marks)：物體幾何學(xué)特征。 形狀：矩形、橢球體、錐形、自定義； 幾何學(xué)參數(shù)：長、寬、高等； 方向、頂?shù)孜恢美脙?yōu)化算法(如模擬退火)可以使模擬實(shí)現(xiàn)忠實(shí)于井

23、信息、地震信息以及其它指定的條件信息。波阻抗、振幅挪威 潮坪相 潮汐水道 秦皇島某油田河流相儲層模型2儲層目標(biāo)層次建模原理Hierarchical object-based modeling 儲層層次性旋回性分段性分帶性層次性儲層層次分析層次劃分層次描述層次解釋層次建模層次歸一儲層層次目標(biāo)建模的原理在對儲層進(jìn)行層次分析的基礎(chǔ)上，提取不同層次建模參數(shù)，充分考慮不同層次之間內(nèi)在聯(lián)系，把這些信息作為建模的約束條件，建立起不同層次儲層精細(xì)地質(zhì)模型。層次建模算法研究（FLUVSIM)層次坐標(biāo)轉(zhuǎn)換層次原型模型建立目標(biāo)層次建模層次坐標(biāo)轉(zhuǎn)換（以河流儲層為例）層次分析等時(shí)地層坐標(biāo)轉(zhuǎn)換河道帶模型的建立河道模型的建

24、立等時(shí)地層坐標(biāo)轉(zhuǎn)換ABC區(qū)域坐標(biāo)轉(zhuǎn)換和旋轉(zhuǎn)河道復(fù)合體的轉(zhuǎn)換和旋轉(zhuǎn)河道復(fù)合體坐標(biāo)河道坐標(biāo)轉(zhuǎn)換及河道坐標(biāo)建立儲層層次坐標(biāo)變換表 目標(biāo)原型模型河道參數(shù)：河道寬度，河道波長，河道中線距離河道主方向偏差，厚度堤岸參數(shù)決口扇參數(shù)河道堤岸目標(biāo)層次建模建立目標(biāo)模板建立目標(biāo)函數(shù)確定目標(biāo)分布建模流程應(yīng)用FLUVSIM建立的河道模型濮城油田沙三中儲層溝道分布 3.序貫高斯模擬 Sequential Gaussian Simulation (SGS) -連續(xù)變量模擬 高斯隨機(jī)域是最經(jīng)典的隨機(jī)函數(shù)模型。最大特征是隨機(jī)變量符合高斯分布(正態(tài)分布)。 對于符合高斯分布的隨機(jī)變量,可以很容易地通過變差函數(shù)求取變量的累積條件概

25、率分布函數(shù)（ccdf）。從條件概率分布函數(shù)中隨機(jī)地提取分位數(shù)便可得到模擬實(shí)現(xiàn)。 高斯模擬可以采用多種算法，如序貫?zāi)M、誤差模擬(如轉(zhuǎn)帶法)、概率場模擬等。在實(shí)際應(yīng)用中，人們多應(yīng)用序貫?zāi)M算法，即序貫高斯模擬。 高斯模擬是應(yīng)用很廣泛的連續(xù)性變量隨機(jī)模擬方法。它適用于各向異性不強(qiáng)的條件下連續(xù)變量的隨機(jī)模擬。 通過克里金方法，求取某網(wǎng)格的隨機(jī)變量的均值和估計(jì)方差，并轉(zhuǎn)換為ccdf。PP（cdf）（ccdf）MeanSt.Dev.累計(jì)條件概率分布函數(shù)（ccdf）的求?。海ê唵慰死锝?、普通克里金、 具有趨勢的 克里金、 同位協(xié)同克里金)（綜合地震信息)基本步驟1數(shù)據(jù)準(zhǔn)備與處理（分相處理，利用各種轉(zhuǎn)換方法

26、使得條件數(shù)據(jù)服從正態(tài)分布）2求取變差函數(shù)3產(chǎn)生一條隨機(jī)路徑，順序模擬每一個(gè)未知點(diǎn)。3利用各種克里金方法建立累積概率分布4蒙特卡羅抽樣獲得待估點(diǎn)值5轉(zhuǎn)入下一個(gè)節(jié)點(diǎn)，直到所有節(jié)點(diǎn)模擬完成孔隙度模型滲透率模型4.截?cái)喔咚鼓M Truncated Gaussian Simulation (TGS) -離散變量的模擬 截?cái)喔咚闺S機(jī)域?qū)儆陔x散隨機(jī)模型，其基本模擬思路是通過一系列門檻值截?cái)嘁?guī)則網(wǎng)格中的三維連續(xù)變量而建立離散物體的三維分布 。 （1）相序規(guī)律與截?cái)嘀档拇_定 如三角洲(平原、前緣和前三角洲)、 濱面相(上濱、中濱、下濱) 空間D，有n種排序的相，F(xiàn)1, F2, ,Fn是一個(gè)定義在空間D上的平穩(wěn)高

27、斯隨機(jī)函數(shù)，設(shè)均值為0，方差為1，相關(guān)函數(shù)(h)定義相當(dāng)于定義了n種指示函數(shù)：當(dāng)其他截?cái)嘀祎i的確定：保證不同相在研究區(qū)域內(nèi)應(yīng)占據(jù)的比例Pi (i=1,2,n)分兩種情況：A. 沉積相空間分布具有平穩(wěn)性， Pi不隨位置變化而變化， ti也不隨位置變化而變化B. 沉積相空間分布具有非平穩(wěn)性， Pi隨位置變化而變化， ti也隨位置變化而變化。 ti變?yōu)閠i (x)比例曲線層模型的歸一化處理三維趨勢（3D比例模型）相比例趨勢（3D趨勢 = 橫向趨勢 + 垂向趨勢 ）+=（2）應(yīng)用誤差模擬方法，獲取條件化高斯場F.得到忠實(shí)于井點(diǎn)觀察值 的條件模擬實(shí)現(xiàn)A.井位觀測數(shù)據(jù)的條件化;B.井位條件化數(shù)據(jù)的克里金

28、 插值C.非條件高斯場的建立 D.觀察點(diǎn)處非條件模擬值的 克里金插值E.得出模擬殘差， 觀察點(diǎn)的殘差賦為0-(該圖僅為誤差模擬示意圖。就截?cái)喔咚鼓M而言，圖中井位處數(shù)值應(yīng)為N（0，1）（3）條件化高斯模擬實(shí)現(xiàn)的截?cái)嗵幚頌I面相的截?cái)喔咚鼓M當(dāng)其它等價(jià)于 指示模擬的重要基礎(chǔ)為指示變換和指示克里金。 所謂指示變換，即將數(shù)據(jù)按照不同的門檻值編碼為1或0的過程。對于模擬目標(biāo)區(qū)內(nèi)的每一類相，當(dāng)它出現(xiàn)于某一位置時(shí)，指示變 量為1，否則為0。 指示變換的最大優(yōu)點(diǎn)是可將軟數(shù)據(jù)（如試井解釋、地質(zhì)推理和解釋）進(jìn)行編碼，因而可使其參與隨機(jī)模擬。5.序貫指示模擬-類型變量和連續(xù)變量模擬Sequential Indica

29、tor Simulation (SIS) 在類型變量的模擬過程中，對于三維空間的每一網(wǎng)格(象元)，首先通過指示克里金估計(jì)各變量的條件概率，并歸一化，使所有類型變量的條件概率之和為1，以確定該處的條件概率分布函數(shù)）； 然后隨機(jī)提取一個(gè)0至1之間隨機(jī)數(shù)，該隨機(jī)數(shù)在條件概率分布函數(shù)中所對應(yīng)的變量即為該象元的相類型。這一過程在其它各個(gè)象元進(jìn)行運(yùn)行，便可得到研究區(qū)內(nèi)相分布的一個(gè)隨機(jī)圖象。 指示模擬可用于模擬復(fù)雜各向異性的地質(zhì)現(xiàn)象。由于各個(gè)類型變量均對應(yīng)于一個(gè)指示變差函數(shù)，也就是說，對于具有不同連續(xù)性分布的類型變量(相)，可給定（指定或通過數(shù)據(jù)推斷）不同的指示變差函數(shù)，從而可建立各向異性的模擬圖象。 因此

30、，指示模擬可用于多向分布的沉積相建模（如三角洲分流河道與河口壩復(fù)合體），也可用于斷層和裂縫的隨機(jī)建模 。 基本步驟1數(shù)據(jù)準(zhǔn)備與處理（指示變換）2求取變差函數(shù)3產(chǎn)生一條隨機(jī)路徑，順序模擬每一個(gè)未知點(diǎn)。3利用各種克里金方法建立累積概率分布4蒙特卡羅抽樣獲得待估點(diǎn)值5轉(zhuǎn)入下一個(gè)節(jié)點(diǎn)，直到所有節(jié)點(diǎn)模擬完成6模擬退火(simulated annealing)模擬退火類似金屬冷卻和退火。高溫狀態(tài)下分子分布紊亂而無序，但隨著溫度緩慢地降低，分子有序排列形成晶體。模擬退火的基本思路是對于一個(gè)初始的圖象，連續(xù)地進(jìn)行擾動，直到它與一些預(yù)先定義的包含在目標(biāo)函數(shù)內(nèi)的特征相吻合目標(biāo)函數(shù) 表達(dá)了模擬實(shí)現(xiàn)空間特性與希望得到

31、的空間特性之間的差別?？臻g特性： 直方圖、變差函數(shù)、井-震相關(guān)關(guān)系、 巖相形態(tài)、含量、垂向?qū)有虻取?模擬實(shí)現(xiàn)的變差函數(shù)-預(yù)先定義的變差函數(shù)-兩者之差，即能量。= （模擬的平均長度-60） + （模擬的平均厚度-10）擾動的接受與拒絕接受擾動的概率分布由Boltzman概率分布給出： t 類似退火中的溫度。溫度越高，接受一次不理想的擾動的概率越大?？刂茰囟龋ㄖ付ㄍ嘶鹩?jì)劃），使擾動理想，而且模擬實(shí)現(xiàn)得到收斂。直接用于隨機(jī)建模用于模擬實(shí)現(xiàn)的后處理3隨機(jī)建模的一些發(fā)展不足:對每類具有不同幾何形狀的目標(biāo)要有自己特定的一套參數(shù)，不能通用。復(fù)雜形態(tài)的參數(shù)化較為困難.對于一個(gè)目標(biāo)體內(nèi)的多個(gè)數(shù)據(jù)較難擬合,有時(shí)不能擬合(算法不收斂)。算法要求大量機(jī)時(shí)。 優(yōu)點(diǎn)：能再現(xiàn)目標(biāo)的特定幾何形狀基于目