地质统计学模块

合集下载

地质统计学简介及其应用

地质统计学简介及其应用

基本理论介绍:
变差函数分析实际是确定数据在方向和距离两方面的变化率


滞后距(Lag)
散 点 图
半变差函数
半变差函数图的构成
变差函数图中各部分的名称
基台
变程
跃迁
变差函数图 的构图机理
关 系
变差函数图
半变差函数
H-散点图
二 维 变 差 函 数 模 型
主轴变差图
附轴变差图
三 维 变 差 函 数 模 型
权系数的确定
普通克里金
普遍采用于成图的算法;
远离数据点的值是寻找范围内的数据点的平均值。
3、非稳态克里金 (Nostationary Kriging)
非稳态克里金
比较灵活的克里金算法,因为可以设置网格点的值; 网格点的平均值来自于大范围的数据,而成图区只是一部分。
4、内在趋势克里金
(Universal Kriging)
且统计数据要达到一定的数量。
主要优点是:考虑了数据场的方向性。 其核心是:寻找到相邻数据点对所求点的权。
二、克里金算法介绍
常 用 的 几 种 克 里 金 算 法
1、简单克里金
2、普通克里金 3、非稳态克里金 4、内在趋势克里金
(泛克里金)
(Simple Kriging)
(Ordinary Kriging) (Nostationary Kriging) (Universal Kriging)
组成变差函数模型的结构类型
ห้องสมุดไป่ตู้
球型
高斯
跃 迁
指数
幂函数
变差模型结构
半 变 差 函 数
滞后距
四、一个应用实例
---应用三维属性数据建立砂体模型

多点地质统计学原理、方法及应用__概述及解释说明

多点地质统计学原理、方法及应用__概述及解释说明

多点地质统计学原理、方法及应用概述及解释说明1. 引言1.1 概述本文旨在探讨多点地质统计学的原理、方法及应用,为读者提供一个全面了解该领域的概述。

多点地质统计学是一门研究如何有效地利用多变量数值以及空间数据进行地质分析和预测的学科。

它通过综合多种数据,包括物理测量数据、遥感图像数据和野外调查数据等,来实现对不同地质现象和过程的建模与研究。

1.2 文章结构本文按照以下结构组织内容:首先介绍多点地质统计学的基本原理,包括其定义与概念、基本假设以及原理解释。

随后,针对多点地质统计学的方法进行详细阐述,探讨数据收集与预处理、变量选择和缺失值处理以及统计模型拟合与优化算法应用等关键步骤。

接下来,我们将通过具体案例研究来展示多点地质统计学在矿产资源评估与勘探、地下水资源管理与保护以及石油勘探与开发中的应用实践。

最后,在结论部分对全文进行概括总结,并展望未来多点地质统计学研究的发展方向。

1.3 目的本文旨在全面介绍多点地质统计学的原理、方法及应用,以帮助读者对该领域有一个清晰的认识。

通过阐述基本原理和方法,读者可以了解多点地质统计学在地质分析和预测中的重要性。

此外,通过具体案例的引入,读者将能够更好地理解多点地质统计学在实际问题中的应用价值和潜力。

最后,通过对未来研究方向的展望,读者可以获得一些启示,并为自己在该领域开展研究提供参考。

2. 多点地质统计学原理2.1 定义与概念多点地质统计学是一种广泛应用于地质科学领域的统计学方法。

它通过对多个地点上的地质数据进行收集、分析和解释,旨在揭示地下资源的分布规律和空间变异性。

多点地质统计学基于一系列假设和方法,能够提供可靠的预测结果和决策依据。

2.2 基本假设在多点地质统计学中,存在几个基本假设:- 空间自相关假设:相邻位置上的地质现象存在关联性,即一个位置的观测值可能受到相邻位置观测值的影响。

- 空间平稳假设:在整个研究区域内,不同位置上的地质变量具有类似的变异性。

地质统计学

地质统计学

地统计(Geostatistics)又称地质统计,是在法国著名统计学家G. Matheron大量理论研究的基础上逐渐形成的一门新的统计学分支。

它是以区域化变量为基础,借助变异函数,研究既具有随机性又具有结构性,或空间相关性和依赖性的自然现象的一门科学。

凡是与空间数据的结构性和随机性,或空间相关性和依赖性,或空间格局与变异有关的研究,并对这些数据进行最优无偏内插估计,或模拟这些数据的离散性、波动性时,皆可应用地统计学的理论与方法。

地统计学与经典统计学的共同之处在于:它们都是在大量采样的基础上,通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析,确定其空间分布格局与相关关系。

但地统计学区别于经典统计学的最大特点即是:地统计学既考虑到样本值的大小,又重视样本空间位置及样本间的距离,弥补了经典统计学忽略空间方位的缺陷。

地统计分析理论基础包括前提假设、区域化变量、变异分析和空间估值。

第一章品位与储量计算第一节概述投资一个矿床开采项目,首先必须估算其品位和储量。

一个矿床的矿量、品位及其空间分布是对矿床进行技术经济评价、可行性研究、矿山规划设计以及开采计划优化的基础,是矿山投资决策的重要依据。

因此,品位估算、矿体圈定和储量计算是一项影响深远的工作,其质量直接影响到投资决策的正确性和矿山规划及开采计划的优劣。

从一个市场经济条件下的矿业投资者的角度看,这一工作做不好可能导致两种对投资者不利的决策:(1)矿体圈定与品位、矿量估算结果比实际情况乐观,估计的矿床开采价值在较大程度上高于实际可能实现的最高价值,致使投资者投资于利润远低于期望值,甚至带来严重亏损的项目。

(2)与第一种情况相反,矿床的矿量与品位的估算值在较大程度上低于实际值,使投资者错误地认为在现有技术经济条件下,矿床的开采不能带来可以接受的最低利润,从而放弃了一个好的投资机会。

然而,准确地估算出一个矿床的矿量、品位绝非易事。

大部分矿体被深深地埋于地下,即使有露头,也只能提供靠近地表的局部信息。

实用地质统计学——sgems用户手册

实用地质统计学——sgems用户手册

一、概述地质统计学是地质学和统计学的结合,是研究地质现象的分布规律和变化趋势的一门学科。

在地质勘探、矿产资源评估、地质灾害风险评估等领域,地质统计学都发挥着重要作用。

而sgems作为地质统计学的一种工具,在地质数据分析和建模方面有着广泛的应用。

二、sgems简介1. sgems是什么sgems是一个基于开源的地质建模软件,它提供了一整套用于地质数据分析和建模的工具,包括地质统计学、空间插值、地质建模等功能。

2. sgems的优势- 友好的用户界面:sgems的用户界面设计简洁直观,易于操作,适用于不同的地质领域专业人士。

- 多样的地质数据分析方法:sgems支持多种地质数据分析方法,包括经典的统计学方法、地统计学方法、地质信息系统方法等。

- 灵活的空间插值功能:sgems提供了多种空间插值方法,可以满足不同地质数据的插值需求。

- 完善的地质建模功能:sgems可以进行多种不同类型的地质建模,包括单点模拟、多点模拟、随机函数等。

三、sgems的使用1. 数据导入在使用sgems进行地质数据分析和建模之前,首先需要将地质数据导入sgems评台中。

sgems支持多种数据格式的导入,包括csv、xls、txt等常见格式,并且可以自定义数据的格式和结构。

2. 数据预处理在导入数据后,需要对数据进行预处理,包括数据的筛选、清洗、转换等。

sgems提供了丰富的数据预处理功能,方便用户对数据进行加工处理。

3. 地质数据分析sgems支持多种地质数据分析方法,包括变异函数分析、克里金插值、地统计学分析等。

用户可以根据数据的特点选择合适的数据分析方法进行分析。

4. 地质建模在地质数据分析完成后,可以使用sgems进行地质建模。

sgems提供了多种地质建模方法,包括单点模拟、多点模拟、随机函数等,用户可以根据需要选择合适的地质建模方法进行建模。

四、sgems的应用案例1. 矿产资源评估sgems在矿产资源评估中有着广泛的应用。

基于ArcGIS地质统计学模块的沉积微相平面图绘制

基于ArcGIS地质统计学模块的沉积微相平面图绘制
中沿着 物源 的方 向为 主方 向 。计算 出两 个方 向上 的 实验 变 异 函数 并绘 制
成 散 点 图 , 取 球 状 模 型 进 行 人 工 反 复 拟 合 选
( 1, 图 ) 然后根 据坐 标轴 比例 尺确定 表 示 曲线 变化 特点 的参数 值 ( 1 。 表 )
适 用 范 围
满足 内蕴假设 , 其区域变化量的平均值是未知的常数 满足二阶平稳假设 , 其变量 的平均值 为已知 的常数 区域化变量 的数学期望是未知 的变化值 有真实的特异值 、 数据不服从正态分布时使用 求某种变量含量 的概率 时使用 计算可采储量时使用
不 要求 区域化 变量 服从 某种 分布 , 不用 剔 除原始样
品数 据 中 的异 常值 ( 2 。 。 表 )
表 2 ArGI- A 中克 里格 方法及 其适 用 范围l c SG _ 3 “
方 法 普 通 克 里 格 方 法 简 单 克 里 格 方 法
泛 克 里 格 方法
第 3 3卷第 1 期
21 0 0年 2月
勘 探 地 球 物 理 进 展
Pr g e s i x l r t n Ge p y is o r s n E p o a i o h sc o
Vo. 3, . 1 3 No 1 Fe ., 0 0 b 2 1
文 章 编 号 :6 1 8 8 (0 0 0 —0 6 17 — 5 5 2 1 ) 1 0 4—0 4
中 图分 类 号 : 6 14 P 8 . 文 献标 识码 : A
地质 统计 学 ( 又称 地 统计 学 ) 是利 用 统计 学 的
原 理和方 法探讨 和 解 决地 质 学 领域 中某 些 实 际 问
数并 拟合得 到合 适 的理 论变 异 函数模 型 的过程 , 称

多点地质统计学

多点地质统计学

多点地质统计学Multiple-point geostatistic是相对于传统的两点地质统计学而言的,主要应用于储层表征与建模中.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。

变差函数局限性(传统地质统计学)变差函数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,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1a,b,c)在横向上(东西方向,图1d)和纵向上(南北方向,图1e)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。

现有的储层随机建模的另一途径是基于目标的方法,它是以目标物体为基本模拟单元,进行离散物体的随机模拟(Haldorsen and Damsleth,1990;Holdenet al.,1998)。

主要方法为示性点过程(亦称标点过程),其根据先验地质知识、点过程理论及优化方法(如模拟退火)表征目标地质体的空间分布,因此这种方法可以较好地再现目标体几何形态。

但这种方法亦有其不足:1)每类具有不同几何形状的目标均需要有特定的一套参数(如长度、宽度、厚度等),而对于复杂几何形态,参数化较为困难;2)由于该方法属于迭代算法,因此当单一目标体内井数据较多时,井数据的条件化较为困难,而且要求大量机时2多点地质统计学的基本概念多点统计学着重表达多点之间的相关性。

地质统计学反演技术专题之三:基于MCMC的StatMod及RockMod

地质统计学反演技术专题之三:基于MCMC的StatMod及RockMod

地质统计学反演技术专题之三:基于MCMC的StatMod及RockMod概述在前二期的文章中,我们介绍了HampsonRussell工具包中的地质统计学地震储层表征模块GeoSI(地质统计学随机反演)。

在这篇文章中,我们将介绍CGG GeoSoftware的另外两个地质统计学地震储层表征工具,即Jason地学软件工具包中的StatMod和RockMod。

如同GeoSI,这两个工具也是在地层地质模型框架内精细地整合地质信息和地震数据,生成多个高精度的实现。

这些实现都是对储层的预测,也可用于不确定性分析和风险评估。

StatMod和RockMod紧密融合地球科学领域内所有相关的不同种类数据,从而产生多个储层模型。

这种高度跨学科一致性的特点,确保了油藏模型是符合实际生产开发情况的,并最大限度地挖掘了测量数据和推断信息的价值。

其成果是一系列精确的深度域的储层模型,可用于预测油田储量、流体流动样式和产量估算。

同时,这些模型也为定量估计不确定性提供了可靠的依据;不确定性评估与先验信息、专家知识、井资料和地震具有直接关系。

这些储层模型在远离井点处具有较高预测性,而这恰恰是传统地质统计学建模的痛点。

StatMod使用一个(全)叠加地震数据,所以只在纵波阻抗足以区分岩相时使用。

RockMod同时使用多个(部分)叠加(AVO/AVA)地震数据,因此在需要多个弹性参数组合(如纵波阻抗、横波阻抗和密度)才能区分岩相时使用。

利用地震数据,以及不同领域来源的数据,RockMod可同时得到岩相体、弹性参数体和油藏工程属性体。

图1. RockMod同时反演出弹性属性、岩相和油藏工程属性简要研发历史最早的Jason地质统计学储层表征方法可追溯至1996年。

它始于基于褶积模型的叠后地震反演。

模拟方法包含简单的序贯高斯模拟(SGS)、序贯指示模拟(SIS)和SGS同时模拟、带趋势的序贯指示模拟(SISTR)和序贯高斯协模拟(SGCS)。

地质统计学资源量估算

地质统计学资源量估算
结果保存到数据库中
7 报表生成
对数据库中矿体储量进行统计,生成统计报表。
8 块体品位模型应用
1.矿块模型显示与查询 2.矿块模型切割 3.基于矿块模型计算采空区动用储量
8 块体品位模型应用
1.矿块模型显示与查询
矿块模型可以与原始勘探工程数据、 矿体约束信息组合显示
选择数据源
空块显示
8 块体品位模型应用
最佳步长大小。
• 最佳步长为20m
4 实验变差函数计算及拟合
变差函数分析
计算变差函数(短距离变差函数) 点击上一步选择“短距离变差函数”,双击列表
控件设置步长大小,一般情况下步长大小为组合样样 长。
• 块金值为0.3
4 实验变差函数计算及拟合
变差函数分析
计算变差函数(计算三个相互垂直的变差函数)
5 克里格品位估值(示例)
克里格品位估值结果
三维图形显示,用户可以查询任意块体模型属性信息。
6 资源量计算
用户输入矿石比重,更新数据库,重新计算储量。
6 资源量分级
两种方式:一种根据估值过程中用到的样品个数、工程个 数以及搜索次数进行区分,用户可修改分级名称以及区分 范围;一种根据克里格估值方差进行分级。
4 实验变差函数计算及拟合 变差函数分析
计算变差函数(全方向变差函数)
步长总间距
• 步长数目*步长大小=区域长度的一半 • 方位角,倾角均为0度。 • 方位角容差,倾角容差均为90度。
4 实验变差函数计算及拟合 变差函数分析
计算变差函数(全方向变差函数) 点击“计算变差函数”按钮,观察图形,寻找
8 块体品位模型应用
3.基于矿块模型计算采空区动用储量
4 实验变差函数计算及拟合
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

地质统计学模块
1 2 3 4 5 6 7 原始数据古典统计分析 划分组合样 组合样数据古典统计分析 变异函数 交叉验证 搜索椭球体 克里格估值
1 原始数据古典统计学分析
古典统计学分析的目的:
1)经典统计学用于初步检查总的样本数和矿化样本数 2) 确定品位分布; 3)为品位插值过程确定特高截值品位; 4)直方图,累积频率图和概率图都能显示关于样本品 位分布的信息。
地质统计学模块流程
魏小娟
地质统计学介绍
地质统计学是结合地质学、统计学的交叉边缘学科。 它是以区域变量理论为基础,以变异函数为主要工具, 采用不同的克立格方法,研究那些在空间上既有随机 性又有结构性的自然现象的学科。
克立格法介绍
克立格法是一种求线性最优无偏内插估 计量的方法。
考虑了信息样品的形状 大小 信息样品的形状、大小 信息样品的形状 大小及其与待估块段相 待估块段相 互间的空间分布位置等几何特征以及品位的空间结构 互间的空间分布位置 品位的空间结构 之后,为了达到线性无偏和最小估计方差的估计,而对 每一样品分别赋于一定的权系数 权系数,最后进行加权平均来 权系数 估计块段品位的方法。
4 变异函数 (4)
确定方位角、倾角。 倾角通过变化方位角 0,45,90,135, 确定主轴方位角在 90度附近。 确定最佳方位角85 度。 同上方法确定倾角为 -45. 得到如下结果。点击 刷新变差函数图按钮
4 变异函数 (5)
确定各向异性角度 主方向确定后,系 统可以自动计算第 二和第三方向。
4 变异函数 (2)
用户可以首先计算 全方向变差函数, 即将角度容差:水 平和垂直角度设置 为90度。 带宽设值为一个很 大的值如1000。 然后点击刷新变差 函数图按钮。得到 一个全方向的变差 函数图。
4 变异函数 (3)
块金值:
用户沿钻孔方向计 算实验变差函数。 确定块金值的大小。 通过对改矿区的了 解,钻孔方向大致 为方位角0度,倾角 90度方向。 设置步长大小为组 合样样长2,步长容 差设置为组合样样 长的一半1. 通过观察图形得到 块金值大概为0.03.
1)通过概率图可以确定 样品范围,进行特异值的剔 除。 2)通过查询功能选定概 率值为97,可以查的相应的 品位值6.14。可以选定该值 为特高品位值。 此外,该系统还提供位 置图、QQ图和散点图等数据 分析功能。
4 变异函数 (1)
变异函数:
1)第一步是生成全方向变异函数,找出最佳滞后距。 全方向变异函数将指示样品总体的大致范围和异常, 以及是否容易得到好的方向变异函数,也可以帮助 判断滞后距的大小。 2)使用钻孔数据,找出块金值。 块金值最好由钻孔数据来决定,因为数据在空间上 最接近,滞后距来自于全方向变异函数滞后距的平 均值。 3)找到具有最大变程的变异函数,即主方向。 4)找出三个方向。
7 椭球体设置
设置椭球体 的主轴、次 轴、和垂直 轴的半径。
8 保存结果
保存文件: 1)品位模型 2)克里格方差 3)分级品位模型
1 原始数据古典统计学分析
品位分布:
用于计算变异函数的数据要服从正态分布。 在实际工作中,某些区域化变量(如某金属品位)若 不服从正态分布,则必须对数据进行预处理。
1.1 原始样品品位直方图 (1)
1.1 原始样品品位直方图 (2)
直方图:
1)选择直方图的区间大小,可以使分布的形状很明 显。 区间大小一定要小到显示所有的外形,并且要大 到包括足够的数据。 2)直方图显示统计特征,诸如平均值、中值等数 据都显示在直方图的下侧。
地址统计学特点 1
地质统计学是从地质、采矿实际出发, 根据矿床地质变量本身的特点选择合适 的数学概念、理论、方法。
地质统计学特点 2
可最大限度地利用勘探工程所提供的各 种信息。
比如在用克立格法估计矿床中某块段的平均品位 时,不仅考虑了块段范围内的样品数据,而且还考虑 了落在块段外的邻近样品的数据;不仅考虑待估块段 与信息样品之间位置关系,同时还考虑各信息样品彼 此之间的空间位置关系;除了考虑上述几何因素外, 还考虑品位空间分布的结构特征。
3 组合样数据古典统计学分析(2)
无变化状态,不符合正态分布。
3 组合样数据古典统计学分析(3)
正态变换后的结果
可以看到进 行正态变换 后数据是服 从正态分布 的 ,所以对 于该数据可 以采用正态 变换。
3 组合样数据古典统计学分析(4)
对数变换后的结果
3 组合样数据古典统计学分析(5)
概率图
地址统计学特点 3
既可进行储量的整体估计,又可进行储 量的局部估计。
传统的储量计算方法提供的只是若干个勘探块段 的储量。而用地质统计法可分别算出矿床中所有不同 面积开采块段的品位和储量。
地质统计学特点 4
充分利用待估块段周围的品位或厚度的数据; 用加权平均法计算待估块段的平均参数,最大 限度地减少平均参数的误差,提高估算储量的 精度。
克立格法介绍
由于研究目的及条件不同,可使用各种克立格法。 普通克立格法 泛克立格法 指示克立格法
传统储量估算的缺点:
传统的矿产储量计算方法的不足之处如下:
把部分钻孔的品位当作一个块段的品位,从而使高品 位估计偏高,低品位估计偏低; 没有充分考虑到矿石品位的空间变异性,在计算块段 平均品位时,每一个样品的贡献仅仅是若干个几何因 素; 当经济条件及矿产品市场价格以及采矿方法需要改变 时,传统储量计算方法的适应能力极差。
1.2 原始样品品位概率图 (1)
1.2 原始样品品位概率图 (2)
概率图:
1)在概率图中,线角度的改变有助于指示背景值和出 现矿化品位值处的突变品位。这个值是区分矿带和围 岩的边界品位。 2)获取区分背景品位和矿化品位的边界值,它可以是 概率图中的拐点值,也可以是相关政府部门规定的值。
2 划分组合样 (1)
设置样品组合长 度等于平均样品 区间长度。
2 划分组合样 (2)
保存组合样文件
3 组合样数据古典统计学分析(1)
直方图分析可以确定组合样数据的一些统计特 征:数据个数、平均值、标准差等。 通过观察该图形可以确定数据是否服从正态分 布,如果不服从可以对数据进行一定的变换。 本系统提供的变换类型有正态变换和对数变换 两种方式。
4 变异函数 (6)
球状模 型拟合
4 变异函数小结 (1)
如果矿层是各向同性的,并且变异函数变程不 随方向变化,那么全方向的变异函数可能比较 合适。 全方向的变异函数在各个方向上有90 度的容 许偏差,并按所有变异函数模型的平均值赋与 样品权重。 赋权机理由建模的变异函数决定。然后,变异 函数模型应用到克里格算法。
研究空间分布数据的结构性和随机性,并对这些数据进行最优无 偏内插估计时,均可应用地质统计学理论及其相应方法。 在矿山地质工作中,可以借助地质统计学理论、方法进行研究的 问题有:
查明矿床成矿的控矿因素; 了解矿化的空间分布规律; 制定合理的勘探或取样网度; 查明矿体中有用、有害组分或矿体厚度的空间分布模型; 确定矿床总体储量的估计量、局部块段储量的估计量以及估计引起的 误差等。
5 交叉验证
散点图 直方图 通过估计误 差统计量内 的参数来判 断变异函数 模型的好坏
5 交叉验证
直方图
6 克里格估值
克里格是一种插值方法,它通过用在矿床中已 定义的三个方向上的变化范围所确定的各向异 性值,来优先的给样品赋与权重。
6 克里格估值
导入变异函数文件
6 克里格估值
选择普通克 里格,导入 变差函数。 设置块模型 坐标、块间 距。 点击下一步, 进入到搜索 椭球设置对 话框。
地质统计学特点 5
加权方法的选择
地质统计学方法储量计算的加权因子是以矿床的各个方向变异函 数的块金常数,基台值和变程为基础计算出来的。 这种加权方法充分考虑了矿体的空间变化及其品位空间变化特征, 并且采用了无偏的、误差最小的数理统计方法计算样品的加权因 子和块的应用:
相关文档
最新文档