儲(chǔ)層表征課件資料

1、儲(chǔ)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(chǔ)層表征的概念二、儲(chǔ)層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)三、儲(chǔ)層建模的概念五、隨機(jī)建模方法簡(jiǎn)介六、隨機(jī)建模步驟、策略油藏評(píng)價(jià)開發(fā)早期開發(fā)中后期定量地研究和描述儲(chǔ)層，并建立儲(chǔ)層地質(zhì)模型，為油氣田勘探和開發(fā)服務(wù)。 1985年國(guó)際儲(chǔ)層表征會(huì)議對(duì)儲(chǔ)層表征的定義： “量化油藏特性，識(shí)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(shí)別 特征描述 儲(chǔ)層建模儲(chǔ)層表征Reservoir Characterization 油藏描述Reservoir Description70年代斯侖貝謝公司提出的以測(cè)井為主的RDSReservoir Desc

2、ription Service 對(duì)油藏各種特征（圈閉、儲(chǔ)層、流體）進(jìn)行三維定量描述和預(yù)測(cè)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(chǔ)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(chǔ)層地質(zhì)模型內(nèi)容提要一、儲(chǔ)層表征的概念二、儲(chǔ)層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)三、儲(chǔ)層建模的概念五、隨機(jī)建模方法簡(jiǎn)介六、隨機(jī)建模步驟

3、、策略儲(chǔ)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(cè)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(píng)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(chǔ)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(cè)的精度考慮較少，精度不高3、預(yù)測(cè)模型概念：對(duì)井間及其以外地區(qū)的儲(chǔ)層參數(shù) 進(jìn)行一定精度的內(nèi)插和外推預(yù)測(cè)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(jí)，井間預(yù)測(cè)精度數(shù)十米或數(shù)米級(jí)二、按儲(chǔ)層表征內(nèi)容分類儲(chǔ)層結(jié)構(gòu)模型流動(dòng)單元模型儲(chǔ)層參數(shù)分布模型裂縫分布模型1、儲(chǔ)層結(jié)構(gòu)模型（儲(chǔ)層相模型：相控建模技術(shù)）概念：描述儲(chǔ)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(dòng)。同時(shí)，巖石物性的變化與相類型極為相關(guān)。對(duì)于多相分布的儲(chǔ)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(chǔ)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(chǔ)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(chǔ)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(chǔ)層結(jié)構(gòu)模型很容易（2）拼合板狀儲(chǔ)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(chǔ)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(chǔ)層結(jié)構(gòu)模型難度一般，相控建模法（3）迷宮狀儲(chǔ)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?。壕匦尉W(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(chǔ)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(chǔ)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(duì)比所需的平均井網(wǎng)數(shù)據(jù)（K.J.Weber,et al,1990）2、流動(dòng)單元模型概念：(C.L.Hearn etc 1

8、984；W.J.Ebanks，1987)影響流體流動(dòng)的儲(chǔ)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(chǔ)集帶單元。流動(dòng)單元不同，流體流動(dòng)特征也不同。流動(dòng)單元模型：由許多流動(dòng)單元塊體鑲嵌組合而成，離散模型包括：流動(dòng)單元?jiǎng)澐?，流?dòng)單元間邊界、單元內(nèi)儲(chǔ)層屬性相似對(duì)油藏模擬及動(dòng)態(tài)分析有很大意義，對(duì)預(yù)測(cè)二次采油和三次采油的生產(chǎn)性能亦意義重大。長(zhǎng)慶安塞油田坪橋水平井區(qū)流動(dòng)單元模型（長(zhǎng)61三維流動(dòng)單元模型的不同顯示形式）紅色：一類流動(dòng)單元綠色：二類流動(dòng)單元蘭色：滲流屏障3、儲(chǔ)層參數(shù)分布模型描述儲(chǔ)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(duì)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(duì)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(chǔ)層表征的概念二、儲(chǔ)層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)三、儲(chǔ)層建模的概念五、隨機(jī)建模方法簡(jiǎn)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(cè)井信息與解釋油藏工程信息與解釋實(shí)質(zhì)：井間儲(chǔ)層參數(shù)的預(yù)測(cè)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(chǔ)層參數(shù)。確定性儲(chǔ)層地震地質(zhì)學(xué)儲(chǔ)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(chǔ)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(píng)價(jià)由于資料限制和儲(chǔ)層復(fù)雜性而導(dǎo)致的井間儲(chǔ)層預(yù)測(cè)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(cè)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(chǔ)層模型。 輸入:巖心分析、測(cè)井解釋、地震勘探、生產(chǎn)動(dòng)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(chǔ)層建模的標(biāo)志1988年，SPE蘇格蘭會(huì)議，模擬是否有實(shí)際意義討論1991年，SPE科羅拉多會(huì)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(guó)外儲(chǔ)層建模技術(shù)，原中國(guó)石油天然氣總公司 1991年，裘懌楠教授 ，“儲(chǔ)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(guó)內(nèi)內(nèi)容提要一、儲(chǔ)層表征的概念二、儲(chǔ)層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)三、儲(chǔ)層建模的概念五、隨機(jī)建模方法簡(jiǎn)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(shí)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(shì)，圍繞m值上下波動(dòng)。 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(duì)位置，而依賴于相對(duì)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(zhǎng)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(chǔ)層隨機(jī)建模吳勝和：儲(chǔ)層建模王家華：油氣儲(chǔ)層隨機(jī)建模于興河：碎屑鹽巖儲(chǔ)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(cè)點(diǎn)， 為相應(yīng)的觀測(cè)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(duì)井間儲(chǔ)層屬性進(jìn)行預(yù)測(cè)克里金插值也能給出預(yù)測(cè)?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(duì)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(huì)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(duì)真實(shí)觀測(cè)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(dòng)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(duì)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(shì) 克里金插值法給出觀測(cè)值間的光滑估值，對(duì)真實(shí)觀測(cè)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(shì)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(duì)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(dòng)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(chǔ)層模型，因而不能了解和評(píng)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(chǔ)層預(yù)測(cè)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(chǔ)層表征的概

20、念二、儲(chǔ)層模型的分類四、地質(zhì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)三、儲(chǔ)層建模的概念五、隨機(jī)建模方法簡(jiǎn)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(shì)。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(shì)） (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(zhǎng)、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(chǔ)層模型2儲(chǔ)層目標(biāo)層次建模原理Hierarchical object-based modeling 儲(chǔ)層層次性旋回性分段性分帶性層次性儲(chǔ)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(chǔ)層層次目標(biāo)建模的原理在對(duì)儲(chǔ)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(chǔ)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(chǔ)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(chǔ)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(zhǎng)，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(chǔ)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(duì)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(chǎng)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?jiǎn)單克里金、普通克里金、 具有趨勢(shì)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(shì)（3D比例模型）相比例趨勢(shì)（3D趨勢(shì) = 橫向趨勢(shì) + 垂向趨勢(shì) ）+=（2）應(yīng)用誤差模擬方法，獲取條件化高斯場(chǎng)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(cè)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(chǎng)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(duì)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(duì)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(duì)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(duì)應(yīng)于一個(gè)指示變差函數(shù)，也就是說，對(duì)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(duì)于一個(gè)初始的圖象，連續(xù)地進(jìn)行擾動(dòng)，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(zhǎng)度-60） + （模擬的平均厚度-10）擾動(dòng)的接受與拒絕接受擾動(dòng)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(dòng)的概率越大?？刂茰囟龋ㄖ付ㄍ嘶鹩?jì)劃），使擾動(dòng)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(duì)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(duì)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