随机地质建模技术方法简介
随机地质建模技术方法简介李 燕(胜利油田物探研究院,山东东营 257000) 摘 要:随机建模是指以已知的信息为基础,以随机函数为理论,应用随机模拟方法,产生可选的、等概率的储层模型方法。
该方法承认控制点以外的储层参数具有一定的不确定性,即具有一定的随机性。
Deautch等根据模拟单元的特征,将随机模型分为基于目标的随机模型和基于象元的随机模型。
关键词:随机建模;克立金方程;地质统计学;储层结构 地下储层本身是确定的,在每一个位置点都具有确定的性质和特征。
但是,地下储层又是复杂的,它是许多复杂地质过程(沉积作用、成岩作用和构造作用)综合作用的结果,具有复杂的储层结构(储层相)空间配置及储层参数的空间变化。
在现有资料不完善的条件下,人们对它的认识总会存在一些不确定的因素,难于掌握任意尺度下储层的真实特征或性质。
特别是对于连续性较差且非均质性强的陆相储层来说,更难于精确表征储层的特征。
从而认为储层描述便具有不确定性即随机性。
1 随机建模技术的产生和发展在地质统计学技术的形成和发展中,法国枫丹白露地质统计学与数学形态学中心起了重要的作用,其核心人物M atheron是地质统计学的创始人。
他的许多学生(如Journel,David等)后来都成了该领域的继承者和发展者。
在随机建模的发展中, Jo urnel领导的斯坦福大学油藏预测中心则是令人起敬的先锋。
他们研制的GSLIB是公认的较完整、先进的地质统计学软件包。
近年来研制了许多随机建模的算法,并做了应用研究。
另外加拿大的David、原英国BP公司的H aldorsen、加拿大FSS International公司的Srivastava、美国斯坦福大学的Deutsch以及科罗拉多矿业学院、得克萨斯大学澳斯万分校、挪威计算中心、澳大利亚新南威尔士大学等处的一些学者都在这一领域有很高的造诣。
地质统计学创建于本世纪60年代初期,当时人们基本上把克里金作为地质统计学的同义词。
70年代末,Jo urnel(1978)在所著的《Minging Geostatistics》一书中,介绍了随机建模的基本思想。
80年代中后期,尤其在90年代,随着克里金方法不但被用作插值方法,越来越多的被用来建立数据的条件累积分布函数(CCDF),随机建模得到了飞速发展。
出于对解决不同问题的需要以及对时间、经费、人力和软硬件的考虑,发展了种类繁多、功能不同的随机建模方法和算法。
地质统计学引入我国较晚,早期都把克里金认为是地质统计学。
随机建模仅在近几年才得到重视,并引入油藏勘探开发研究中。
西安石油学院张团峰、王家华等人(1995a,b)在引进国外资料的基础上,研制了一套储层地质统计分析系统(GASOR2.0),可用于建立储层模型。
北京石油勘探开发科学研究院刘明新等人在“八五”期间利用分形理论进行了储层建模研究。
胜利油田“八五”期间在其研制的油藏描述软件中也加进了随机建模内容。
一些青年学者在利用随机建模解决油田问题方面做了有益的工作;石油大学纪发华(1994)在其博士论文中利用随机建模技术对油藏特征做了研究,利用序贯指示模拟、模拟退火研究了渗透率的空间分布。
文键(1995)在其博士论文讨论了随机建模技术应用中的几个问题: 统计特征量与储层空间分布非均质性特征的关系; 储层空间分布不确定性对开发可行性研究的影响;统计特征量与样本间距、容量的关系;得出了很有价值的经验(诸如岩性指示变差函数与砂岩面密度结合和表征砂体连续性特征),同时还利用序收稿日期:2009-07-28作者简介:李燕(1973—),女,现从事岩石物理反演工作。
贯指示模拟进行了储层非均质性研究。
陈亮(1996)在其博士论文中在虚拟井技术上利用随机建模技术对井间剩余油分布做了预测。
2 基于目标的随机建模方法基于目标的方法通过对目标几何体形态(如长、宽、厚及其之间定量关系)的研究,在建模中直接产生目标体。
通过定义目标的不同几何形状参数以及各个参数之间所具有的地质意义上的关系,可以真实再现储层的三维形态。
该方法包括两类,分别为基于目标体结果的方法和基于目标体形成过程的方法。
2.1 基于目标体结果的方法早期的基于目标体结果的方法主要采用了布尔模拟(Mathero n,1987),认为概率模型符合泊松(Poisson)点过程,既认为目标中心点位置符合齐次泊松点过程(homo geneous Poisson process)。
Chessa等人(1992)随后对齐次泊松点过程提出了改进措施,即在无井区,模拟采用非齐次的泊松点过程,从而满足了井间与井点分布具有差异的要求。
为了表征不同储层成因的相互关系,研究者又提出了采用Gibbs点过程来描述砂体间相互关系。
另外,在目标体形态再现方面,Syversvee(1994)给出了再现泥岩顶底曲线特征的算法并对多井钻遇统一目标进行了考虑,通过引入泥岩配置参数,描述泥岩被多口井钻遇的情况,从而再现了多井钻遇同一目标的问题。
C.V.,Deutsch等(1996,2002)提出了基于目标的层次模型(Fluvsim)。
方法中用河流相沉积的概念模型作为模拟的基本单元,使用基于目标的模拟方法模拟了河道、溢岸、决口扇及泛滥平原等四种相的联合分布。
在模拟的思路中充分体现了分层次逐级建模思路以及清晰的地质模式。
Jones(2001,2003)提出了基于流线分布建立河流相储层模型的方法。
他通过一系列指示主要流动方向的线段来模拟沉积作用的流动趋势特征。
利用古水流轨迹建立了指示河流流动方向的流线,局部随即修改方位角就可以再现河流流动方位变化特征。
Patterso n(2002)等也做了类似的研究。
更进一步,它通过计算河流中线曲率,利用通用示行点过程结合流线的模拟对点坝位置及倾向模拟进行了探索性研究。
上述基于目标的方法就可归属于广义的示性点过程方法,其中基于点过程的模拟方法使用经典的点模型刻划地质体的分布,而使用流线的方法则可以产生较为连续的目标体。
2.2 基于目标形成过程的方法从模拟目标体的沉积过程来刻划非均质储层的建模方法,可称为基于过程(Pro cess-based)的随机模拟方法。
法国地质统计学中心的“Consorti m for fluvial meandering Reser voir sy stems”(2004, 2006)开发了一个结合地质统计学和沉积学的储层模拟程序[1]。
模型刻划了河道及与之相关的沉积物随时间在空间的变化。
纵向上通过相比例来进行模型约束。
该模拟方法是基于沉积过程的模拟但同时又通过随机方法来控制河道的演化过程(如侧向迁移,决口,改道等)。
由于利用了沉积力学和河床演变学的研究成果,所以产生的河道形态较为真实。
基于目标的模拟方法具有其独特的优点:使用灵活,一些先验的地质知识可以容易地作为条件信息加入到模型中去,如各相百分比、砂体宽厚比、各种相空间分布规律等等,这样就可以最大限度的综合地质家的认识。
但是,基于目标的模拟方法要求很强的先验地质知识,因此,如何最大限度的获取这一先验地质知识并有效地组织到模型中去,是提高建模精度的关键。
3 基于象元的随机建模方法对于基于象元的随机模型,其基本模拟单元为网格化储层格架中的单个网格,既可用于连续性储层参数的模拟,又可用于离散地质体的模拟。
基于象元的随机模拟方法的基本思路是首先建立待模拟网格的累积条件分布函数(ccdf),然后对其进行随机模拟,即从ccdf中随机的提取分位数,便得到该网格的模拟实现。
3.1 传统的基于两点统计学的方法在传统的基于两点统计学的方法中,共同的特点是累计条件概率分布函数(ccdf)均可以由解一系列克立金方程来求取。
这些方法包括高斯模拟、截断高斯模拟、指示模拟等。
高斯随机域是最经典的随机函数,该模型的最大特征是随机变量符合高斯分布(正态分布)。
实际中经常应用序贯模拟,既为序贯高斯模拟,多用于连续变量的模拟。
序贯高斯模拟过程是从一个象元到另一个象元序贯进行,而且用于计算某象元ccdf的条件数据除原始数据外,还考虑已模拟过的所有数据。
从ccdf 中随机地提取分位数便可得到模拟实现[2]。
截断高斯随机域属于离散随机模型,其基本模拟思路是通过一系列门槛值截断规则网格中的三维连续变量而建立物体的三维分布。
其中,连续变量(如粒度中值)首先转换成高斯分布(正态分布),然后通过变差函数模型,应用任一连续高斯域模拟方法建立三维连续变量的分布。
另外,通过对离散物体(如不同沉积相)编码并进行高斯域模拟,亦可得到三维离散变量的分布。
这一方法适合于相带成排序分布的沉积相模拟,如三角洲(平原、前缘和前三角洲)、呈同心分布的湖泊(滨湖、浅湖、深湖)、滨面相(上滨、中滨、下滨)的随机模拟。
指示模拟既可用于离散物体(类型变量),又可用于离散化的连续变量类别的随机模拟。
指示模拟的重要基础为指示变换和指示克立金。
所谓指示变换,即将数据按照不同的门槛值编码为1或0的过程。
指示变换的最大优点是可将软数据(如试井解释、地质推理和解释进行编码),因而可使其参与随机模拟。
实际中经常应用序贯模拟算法,既为序贯指示模拟。
序贯指示模拟可用于多相分布的沉积相建模,也可用于断层和裂缝的随机建模。
3.2 多点地质统计随机模拟方法多点地质统计学为储层随机建模的国际前沿研究方向,该方法综合了基于象元的方法易忠实条件数据以及基于目标的方法易再现目标几何形态的优点,同时克服了传统的基于变差函数的二点统计学不能表达复杂空间结构和再现目标体几何形态的不足。
图1 不能充分反映空间各向异性的变差函数(Caer sandZhang ,2002)a 、b 和c 为用黑色、白色图元代表的弯曲河道的3种不同空间结构;d 和e 分别代表3种结构东西方向和南北方向的变差函数由于传统的基于象元的算法依赖于两点统计,然而,变差函数只能把握空间上任意两点间的相关性,因而难于表征复杂的空间结构和再现复杂目标的几何形态(如弯曲河道)。
弯曲河道的3种不同的空间结构(图4a ,b ,c )在横向上(东西方向,图4d)和纵向上(南北方向,图4e)的变差函数十分相似,这说明应用变差函数不能区分这3种不同的空间结构及几何形态,因此,基于变差函数的传统地质统计学插值和模拟方法难于精确表征具有复杂空间结构和几何形态的地质体。
导致更多的形态信息没有得到综合。
因此美国斯坦福大学(Stanford Center for Reservo ir Fo recasting )的研究者提出了一种新的基于象元的算法即多点地质统计随机模拟。
目前多点地质统计学的代表算法为Snesim (Str ebelle 等2001)和Simpat (Arpat 等,2003)两种算法[3]。
在多点地质统计学中,应用“训练图像(training image )”代替变差函数表达地质变量的空间结构性。
储层多点地质统计学随机建模方法
储层多点地质统计学随机建模方法摘要：多点地质统计学使用训练图像代替变差函数，将更多的地质资料整合到储层建模过程中，使得最终模型更加符合地质认识。
随着研究的不断深入，越来越多的地质工作人员开始熟悉这一方法，凭借自身的独特优势，多点地质统计学将在储层建模领域占得重要的一席。
关键词：多点地质统计学训练图像储层建模一、多点地质统计学与训练图像基于变差函数的传统地质统计学随机模拟是目前储层非均质性模拟的常用方法。
然而，变差函数只能建立空间两点之间的相关性，难于描述具有复杂空间结构和几何形态的地质体的连续性和变异性。
针对这一问题，多点地质统计学方法应运而生。
该方法着重表达空间中多点之间的相关性，能够有效克服传统地质统计学在描述空间形态较复杂的地质体方面的不足。
多点地质统计学的基本工具是训练图像，其地位相当于传统地质统计学中的变差函数。
对于沉积相建模而言，训练图像相当于定量的相模式，实质上就是一个包含有相接触关系的数字化先验地质模型，其中包含的相接触关系是建模者认为一定存在于实际储层中的。
二、地质概念模型转换成图像训练地质工作人员擅于根据自己的先验认识、专业知识或现有的类比数据库来建立储层的概念模型。
当地质工作人员认为某些特定的概念模型可以反映实际储层的沉积微相接触关系时，这些概念模型就可以转换或直接作为训练图像来使用。
利用训练图像整合先验地质认识，并在储层建模过程中引导井间相的预测，是多点地质统计学模拟的一个突破性贡献。
可以将训练图像看作是一个显示空间中相分布模式的定量且直观的先验模型。
地质解释成果图、遥感数据或手绘草图都可以作为训练图像或建立训练图像的要素来使用。
理想状态下，应当建立一个训练图像库，这样一来建模人员就可以直接选取和使用那些包含目标储层典型沉积模式的训练图像，而不需要每次都重新制作训练图像。
三、多点模拟原理进行多点模拟，需要使用地质统计学中的序贯模拟。
但是，多点模拟与传统的基于变差函数的两点模拟是不同的。
多点地质统计学随机建模方法原理详细教程
多点地质统计学随机建模方法原理详细教程多点地质统计学（Multiple-Point Geostatistics，简称MPGS）是一种用于地质建模的统计学方法，旨在综合考虑多个地质属性之间的空间关系，可以用于模拟地质体结构和属性的空间分布。
下面是一个详细的MPGS建模方法的教程。
1.数据收集和准备首先，需要收集和准备地质数据。
这些数据可以包括钻孔数据、采矿数据、地球物理数据等。
数据应该包括多个不同属性的测量结果。
2.数据预处理对收集的数据进行预处理是为了消除异常值、填充缺失值和准备数据用于建模。
这些步骤可以包括数据清洗、插值等。
3.定义模型网格创建一个用于建模的三维网格，通常由正交的网格单元组成。
网格的尺寸和边界应根据实际问题的要求进行选择。
4.模式提取在做MPGS建模之前，需要从数据中提取出具有空间一致性和相关性的模式。
这可以通过模式提取算法实现，如基于模拟退火算法的直方图匹配。
5.模式匹配在模型建模过程中，需要通过模式匹配找到与已知数据最相似的地质模式。
这可以通过计算模式之间的相似性指标，如多点统计函数（MPS）实现。
6.模式合成一旦找到与已知数据相似的地质模式，可以根据模式之间的空间关系来生成新的地质模式。
这可以通过使用概率或变异性模型来实现。
7.模型重建利用已生成的地质模式，可以在模型网格单元上对地质属性进行插值，以重建地质体的结构和属性分布。
这可以使用插值方法，如克里金插值、逼近法等。
8.模型评估和修正完成模型重建后，需要评估模型的性能并根据需求对模型进行修正。
可以利用模型与实际数据之间的比较以及其他准则来评估模型的准确性和合理性。
9.模型应用完成最终的地质建模后，可以将模型应用于相关的地质问题，如矿产资源评估、地质风险评估等。
以上是MPGS建模方法的详细教程。
这种方法在地质建模中广泛应用，可以提供更准确和全面的地质属性分布信息，对于地质资源开发和管理具有重要意义。
《储层表征与建模》多点地质统计随机建模方法
多点地质统计随机建模方法摘要：系统地介绍了多点地质统计学的基本原理及方法。
阐述了多点地质统计学在储层随机建模的实际应用。
该方法综合了基于象元的方法易忠实条件数据以及基于目标的方法易再现目标几何形态的优点，同时克服了传统的基于变差函数的二点统计学不能表达复杂空间结构和再现目标几何形态的不足。
这一新方法的提出对推动储层随机建模方法研究具有重要理论意义，对油田生产建立高精度储层地质模型也具有重要现实意义。
通过理论与实例研究，分析了目前多点统计学尚存在的问题（包括训练图像平稳性问题、目标连续性问题以及综合软信息的问题等）及未来发展的方向。
关键词：多点地质统计学储层随机建模Snesim方法Simpat算法SMPS方法多点地质统计随机建模方法多点地质统计学是相对于两点地质统计学而言的。
地质统计学是法国巴黎国立高等矿业学院马特隆教授（G·Matheron）于1962年创立的，最初应用于采矿业中，主要解决矿床普查勘探、矿山设计到矿山开采整个过程中各种储量计算和误差估计问题。
后来在石油工业中得到了迅速的发展，主要应用于储层表征与建模中（Haldorsen and Damsleth,1990；Srivastava, 1994；裘怿楠和贾爱林, 2000；王家华和张团峰，2001；吴胜和等，1999）。
1 传统地质统计学在储层表征中的应用传统的地质统计学在储层建模中主要应用于两大方面:其一,应用各种克里金方法建立确定性的模型，这类方法主要有简单克里金、普通克里金、泛克里金、协同克里金、贝叶斯克里金、指示克里金等；其二，应用各种随机建模的方法建立可选的、等可能的地质模型，这类方法主要有高斯模拟（如序贯高斯模拟）、截断高斯模拟、指示模拟（如序贯指示模拟）等。
上述方法的共同特点是空间赋值单元为象元（即网格），故在储层建模领域将其归属为基于象元的方法。
这些方法均以变差函数为工具，亦可将其归属为基于变差函数的方法。
变差函数作为传统地质统计学中研究地质变量空间相关性的重要工具，然而，它的最大不足之处在于只能把握空间上两点之间的相关性，亦即在二阶平稳或本征假设的前提下空间上任意两点之间的相关性，对于表征复杂的空间结构和再现复杂目标的几何形态（如弯曲河道）比较困难。
油藏地质建模技术
浅谈油藏地质建模技术【摘要】油藏地质建模技术是油田地质研究的重要方面，为油田有效开采提供重要依据。
本文通过对油藏地质建模技术的概述，介绍了油藏评价和描述两方面的建模技术。
在此基础上，为提高地质建模的实用性，提出了重要的方法和策略并分别进行了具体说明。
最后提出了油藏地质建模的未来研究重点和发展趋势。
【摘要】油田油藏地质建模随机建模建模策略1 油藏地质建模技术概述近几年来，储层地质建模技术作为一种高新技术迅速发展，成为油藏描述的一个重要成分。
地质建模能够完成油气储层的精细描述和建模过程以及定量表征和刻画储集层各种尺度的非均质性，从而为研究油气勘探和开发中的不确定性和风险性进行了预测，以便为适当投资提供参考依据。
以下从油藏描述和评价角度进行建模技术的概述。
1.1 油藏评价建模技术油田开发是一个不断认识和实践的过程。
由于不同时期开发程度不同，达到的目的也不尽相同，呈现阶段性开发过程。
一般把油田开发分为油藏评价阶段、设计实施阶段和管理调整阶段三个阶段。
其中油藏评价阶段开始于油田油气流被发现，止于油田开发可行性研究。
储层地质油藏评价阶段的研究目的是进行开发可行性研究。
具体资料包括圈定储层面积、落实储量和评价油藏特征，从而建立储层的概念模型。
在资料充足，技术条件允许的前提下，可建立三维储层非均质性模型，通过切片来获得分别反映储层层间差异、非均质性和储层平面连续性的剖面层间、剖面层内、平面三类储层概念模型。
1.2 油藏描述建模技术20世纪90年代初，随着计算机技术的不断进步，油藏描述技术逐步发展成为一项综合评价油气藏的技术。
作为一种基本工作，它贯穿于油田开发各个阶段。
其必要性表现在：（1）随着对已开发和在开发大油田认识和勘探程度的不断提高，待开发油田的特征愈发复杂；（2）目前全世界许多大油田都已进入高含水中后期开采阶段，开发难度较大，采用地质建模技术能够逐渐认识油藏分布规律，提高开采率。
实施油藏描述建模技术，要求石油地质工作者掌握油藏的各种参数及其分布，揭露地下储层特征，为油藏评价、油藏数值模拟与方案优化提供了必要可靠的地质科学依据，提高勘探效益。
地质建模原理
地质建模原理地质建模原理是一种将地质现象和过程以数学模型的形式表示的方法，通过对地球内部物理性质、构造特征、岩石类型和沉积过程等进行分析与整合，从而更好地理解地球的演化和相关的地质问题。
地质建模的目的是为了预测地下资源分布、地质灾害风险评估、地质工程设计等提供科学依据。
下面将介绍地质建模的一些原理和方法。
1. 数据整合与重建：地质建模的第一步是收集、整合和处理各类地质数据，包括地面地质调查、地球物理勘探、岩心分析、钻孔数据等。
然后根据这些数据建立地质层序和空间分布的模型，重建地质过程和演化历史。
2. 空间插值方法：在地质建模中，由于地质数据的获取通常是有限的，因此需要用插值方法来填补数据的不完整性。
常用的插值方法包括反距离加权法、克里金插值法、径向基函数插值法等，通过对已知数据进行空间推断，生成连续的地质属性分布。
3. 地质模型的建立：地质建模的核心是建立地质模型，模拟地质单元的空间分布、性质和关系。
常用的地质模型包括网格模型和对象模型。
网格模型将地质体划分为规则的网格单元，每个单元内有对应的地质属性数值。
对象模型则将地质体分解为不同的地质单元，如岩石体、断裂带等，每个单元具有一组地质属性，能更好地反映地质结构和成因。
4. 条件约束：为了提高地质模型的准确性，需要根据地质理论和观测数据设置一些条件约束。
在建模过程中，可以将地质属性与物理性质、构造关系等进行关联，通过多维条件约束来改善模型的一致性。
5. 模型验证与演化：地质建模是一个不断迭代和完善的过程。
建立完地质模型后，需要将模型结果与实际地质情况进行对比验证，并通过不断建立假设、校正模型来逐步改进和优化模型。
此外，对于复杂的地质问题，还可以进行模拟实验，探索不同条件下地质系统的演化规律。
综上所述，地质建模原理是通过整合和分析地质数据，以数学模型的形式表达地球内部的物质和构造分布的方法。
通过空间插值和条件约束等技术手段，得出地质模型，并在验证与演化过程中不断优化和完善模型，为地质资源开发和灾害预防提供科学依据。
基于多点地质统计学的三维地质体随机建模方法研究
基本内容
在实验设计与数据处理方面，我们将首先收集和整理实际地质数据，包括地 层岩性、物性参数、地震波形数据等。然后，我们将使用多点地质统计学方法对 这些数据进行多元统计分析，以揭示多个地质变量之间的空间变异性和关系。接 下来，我们将利用三维地质体随机建模方法构建具有不确定性和随机性的地质体 模型，并对模型进行评估和优化。最后，我们将对实验数据进行可视化处理和结 果展示，以便更直观地分析实验结果。
基本内容
然后，我们将对目前国内外相关领域的研究现状进行综述，阐明本次演示所 研究问题的背景和意义。接下来，我们将提出本次演示的理论框架，包括多点地 质统计学与三维地质体随机建模的基本原理和流程。在此基础上，我们将详细描 述实验设计与数据处理过程，并对实验结果进行分析和讨论。最后，我们将总结 本次演示的研究成果和发现，并提出未来研究的方向和建议。
基本内容
虽然本次演示方法取得了一定的成果，但在实际应用中仍存在一定的局限性。 例如，钻孔数据的质量和精度对建模结果有着重要影响，而现有技术难以完全避 免人为因素和技术因素的影响。此外，在数据配准和模型建立过程中，需要耗费 大量的人力和时间。因此，未来研究可以从以下几个方面加以深入：
基本内容
1、完善数据采集和处理技术：提高钻孔数据采集的准确性和可靠性，发展智 能化数据处理和分析技术，以降低数据处理和模型建立的成本和时间。
基本内容
目前，国内外研究者已对多点地质统计学和三维地质体随机建模方法进行了 一定的研究。然而，将两者结合起来应用于地质学领域的研究尚处于起步阶段。 因此，本次演示旨在探讨这两种方法的结合应用，以期为地质科学研究提供新的 思路和方法。
基本内容
本次演示的理论框架主要包括以下内容：首先，我们将介绍多点地质统计学 的基本原理和流程，包括多元统计分析和空间插值方法等。然后，我们将详细阐 述三维地质体随机建模方法的核心思想和应用步骤，包括随机函数理论、地质体 建模以及模型评估等。最后，我们将讨论如何将这两种方法结合起来，并探讨其 在实际地质学问题中的应用前景。
石油勘探中的地质建模技术
石油勘探中的地质建模技术随着全球能源需求的增长和传统石油储量的逐渐减少，石油勘探变得越来越具有挑战性。
为了扩大石油资源的开发，地质建模技术在石油勘探中起到了关键作用。
本文将介绍石油勘探中的地质建模技术及其应用。
一、地质建模的概念与意义地质建模是指将地质工作中获得的各种地质数据根据一定的规则和标准进行分类、整理和综合，以形成地质三维模型的过程。
地质模型是对地下储藏体的形态、厚度、空间分布、岩性、物性等信息的定量表达和展示。
地质建模具有以下意义：1. 精确预测油气藏的空间分布和储量：通过地质建模，可以对油气藏的空间分布和储量进行准确预测，从而指导勘探布局和资源优化配置。
2. 优化勘探开发策略：地质建模可以帮助工程师更好地理解油气藏的特征和流动规律，为勘探开发决策提供科学依据。
3. 优化生产管理：地质建模可以提供生产管理的指导意见，帮助开采人员制定更加合理的生产方案，提高油气藏的采收效率。
二、地质建模技术1. 地质数据解释地质数据解释是地质建模的基础。
通过对地质钻井、地震勘探和岩心分析等数据的解释和处理，可以获取地层结构、岩性、物性等信息，为地质建模提供基础数据。
2. 地质建模软件地质建模软件是进行地质建模的重要工具。
常用的地质建模软件包括Petrel、GOCAD、SKUA-GOCAD和OpenWorks等。
这些软件可以将地质数据进行解释、插值和建模，通过三维可视化技术展示地质模型。
3. 地质建模方法在石油勘探中，常用的地质建模方法包括：(1) 地质体建模：采用随机场、克里金和逆距离加权法等方法，对地质体进行建模，确定油气藏的形态和分布。
(2) 属性建模：通过属性解释的方法，对油气藏中的岩性、物性等属性进行建模，为勘探开发提供参考。
(3) 流体建模：通过模拟油水气流体在地下储层中的流动过程，预测油气藏的产能和生产动态。
三、地质建模应用案例1. 油气藏描述与评价地质建模可以对油气藏的储量、产能、开发潜力等进行描述和评价。
地质建模方法与对比分析
随机建模与确定性建模的差异 确定性建模
确定性建模是对井间未知区给出确定性的预测结果， 即试图从具有确定性资料的控制点出发，推测出点间（如 井间）确定的、唯一的储层参数。
例如：克里金，移动平均算法都是确定性建模方法。
随机建模与确定性建模的差异 是算法不同
(确定性建模无论软件运行多少次，其结果是不变的。)
5.3 算法中的方法与权重
所谓权重就是已知井点数据对插值点贡献的大小。
‘移动平均’算法中的方法：
Equal
Inverse Distance
Inverse Distance Square
Inverse Distance quadruple
Inverse DistanceDistance Square quadruple Inverse Inverse Distance Equal
四、建模流程、建模软件与实现
4.1 建模流程
数据准备与加载
构造建模
沉积微相模拟 储层物性模拟
4.2 建模软件
FastTracker RMS
Gocad
Petrel GASOR
EDS (Earth Decision Sciences)
斯伦贝谢
GMSS
4.3 建模实现
4.3.1 构造建模--创建层面算法及参数
4.3.2 相建模--算法的选择
基于目标建模(随机)； 相过渡模拟; 序贯指示模拟； 指示克里金； 截断高斯模拟； 神经网络模拟； 人工定义。
4.3.3 相建模算法中之数据分析
变差函数Variogram 是地质统计学所特有的基本 工具。它既能描述区域化变量的 空间结构性变化，又能描述其随 机性变化。 变差函数理论模型： 常见的理论变差函数有以下几 类：球状模型、指数模型、高斯 模型。 变程(Range) ： 指区域化变量在空间上具有相 关性的范围。在变程范围之内， 数据具有相关性；而在变程之外， 数据之间互不相关，即在变程以 外的观测值不对估计结果产生影 响。
三维地质建模技术方法及实现步骤
对于我国陆相沉积，尽可能正确控制到“十 米
级”单元。
小层对比仍有一定的经验性（艺术）。
模拟单元划分
网格设计 平面: 50×50M
纵向细剖分 Layers: 107
网格单元数 125×38×107，
冲积相（重点是河流砂体）的层序（旋回） 识别标志；
地震、测井结合高分辨率层序地层学； 沉积学； 计算机自动对比。
（二） 、建立层模型技术
正在攻关的方向及内容
冲积相 （重点是河流砂体）的层序（旋回） 识别标志
古土壤 遗迹化石，现发展遗迹相 古地磁学
前两者成功的报导较多，将同样遇到向井下 转移的问题。
三步建模，相控建模表征了层面的非均质性。为表征垂向的 非均质性，人们开始采用三步建模。即利用沉积微相图约束岩相 建模；再利用所建立的岩相模型，进一步约束孔、渗、饱等属性 参数建模。
由于研究的深入，过去储层表征、随机建模领域主要利用井 资料分析相带空间展布及物性空间特征的基本格局正在被突破! 地震资料在储层随机建模中的应用越来越多，如岩相建模时地震 速度的应用，模拟退火算法中地震资料和露头及井资料的结合等。 由于这些进展，随机建模的思路与方法也开始在地震反演中得到 应用。
(2) 划分流动单元及井间等时对比技术 （二维层模型）
(3) 井间属性定量预测技术 （三维整体模型）
（一）、建立井模型技术
目的：
建立每口井各种开发地质属性（Attributes） 的 一维柱状剖面
井筒油藏描述最基本的九项属性：
渗透层（储层） 有效层
含油层
含气层
孔隙度
渗透率
多点地质统计学随机建模 方法原理 详细教程
Prob S(u) = sk
| S(uα ) = skα ; α = 1,n
=
p(u; sk
| dn)
ck (dn ) c(dn )
多点统计的推导题
要推导出所有节点的概率分布函数cpdf ，要求(n,dn) 组合在训练图像中出 现足够多次。
如果数据样板n中n个节点每一个都取K个可能状态，则与n相联系的数据 事件的总数目为Kn; 如 K=4 and n=15 则Kn >109, 该数目大大于训练图像的大小 (105 to 107 网格).
u4
u2
u? u3
u1
p(u; blue
|
dn
)
=
3 4
p(u;
yellow
|
dn
)
=
1 4
Training image
Retrieve training replicates of dn
2. 多点统计方法的新术语及含义
(1) 数据事件与数据样板(data event and data template)
（3）应用神经网络的随机模拟
(Caers and Journel,1998)
应用神经网络，基于局部条件概率分布的模拟。
第一步： 应用一定数据模板，扫描训练图像，应用训练图像中提取的少数实
验cpdf训练神经网络，以条件概率的形式提取多点信息。结果为cpdf(条 件概率分布函数)f(y|x)。
f(y|x)：在数据样板内给定邻域数据集x的情况下属性 值y的概率分布
u1
u3
u2
n的子样板n´ 由n的诸向量的任一子集所构成。 与n´对应的数据事件为dn´
n' n
••• • • u•? •••