S-GeMs软件基本原理及三维地质建模应用

目录第一章 S-Gems软件简介及建模工区概况 (2)1.1 S-GeMs软件的基本概况 (2)1.2 建模工区及地质背景简介 (2)第二章数据的导入及基本分析 (3)2.1 数据的格式及导入操作 (3)2.2 数据分析及处理（正态变换） (4)第三章各变量的变差函数分析 (8)3.1 变差函数的基本原理 (8)3.2 S-GeMs软件变差函数分析模块及基本操作简介 (8)3.3 变差函数分析结果 (10)第四章三维沉积相建模 (14)4.1 三维沉积相确定性建模（指示克里金方法） (14)4.2 三维沉积相随机建模（序贯指示模拟方法） (15)第五章三维储层参数建模 (20)5.1 协同克里金方法（cokriging）三维储层参数确定性建模 (20)5.2 协同序贯高斯模拟方法（cosgsim）三维储层参数随机建模 (22)第六章 S-GeMs软件建模的优越性与局限性 (26)6.1 S-GeMs软件建模的优越性 (26)6.2 S-GeMs软件建模的局限性（约束条件） (26)参考文献 (27)S-GeMs软件基本原理与三维地质建模应用——《地质与地球物理软件应用》课程报告第一章 S-Gems软件简介及建模工区概况1.1 S-GeMs软件的基本概况S-GeMS（Stanford Geostatistical Modeling Software）是Nicolas Remy在斯坦福大学油藏预测中心（SCRF：The Stanford Center for Reservoir Forecasting）开发的一套开源地质建模及地质统计学研究软件。

2004年首次发布，其后进行了更新和升级。

该软件包括传统的经典地质统计学算法和新近发展的多点地质统计学方法。

由于操作简单、源代码公开，而且有二次开发的接口，因此日益成为继Gslib之后又一重要的地质统计学研究和应用软件。

1.2 建模工区及地质背景简介已知建模工区的范围沿x、y、z方向为1000×1300×20米。

三维网格数为100×130×10，网格大小为10×10×2米。

主要沉积的砂体为发育在泛滥平原泥岩上的河道砂体，且河道砂体近东西向展布。

另有部分河道发育决口扇砂体。

工区第6网格层的沉积相切片如图1所示。

图1-1 建模工区中部沉积相分布图本次实验共提供350口井的井数据，所有350井均为直井。

垂向上每口井分为10个小层，每层厚度为2米，如图 2 所示。

图1-2 井数据示意图第二章数据的导入及基本分析2.1 数据的格式及导入操作井数据文件(well.dat)中给出了每口井的x,y坐标和每个小层的中部深度，以及每个小层的沉积相类型和波阻抗、孔隙度、渗透率数据。

S-GeMS软件的数据格式为Gslib格式 (参考data file in Gslib.pdf)。

如下所示：Well data -----------------------------------文件内容7 -----------------------------------共有数据变量个数X -----------------------------------数据变量名称1：x坐标Y -----------------------------------数据变量名称2：y坐标Depth -----------------------------------数据变量名称3：小层的中部深度Facies ----------------------------------数据变量名称4：沉积相,共三种相:1,2,3 Impedance -----------------------------------数据变量名称5：波阻抗Porosity -----------------------------------数据变量名称6：孔隙度Permeability -----------------------------------数据变量名称7：渗透率175.00 15.00 19.0 1 6793.10010 0.26800 301.94699855.00 1025.00 17.0 3 9852.62988 0.04860 6.33635585.00 1045.00 15.0 3 9805.87012 0.05030 10.99340数据导入操作的基本步骤如下：点击软件主界面：Objects /Load Object; 可以加载三种类型数据：Cartesian grid、meshed grid、point set. （如图2-1）对于Cartesian grid数据需要指定沿着x，y，z方向的网格个数和原点坐标等参数。

对于meshed grid数据仅指定沿x，y，z方向的网格大小和原点；而对于point set数据，则需设定x,y,z坐标变量所在列（图2-2）.图2-1 S-GeMs软件数据导入基本操作Cartesian grid meshed grid point set图2-2 S-GeMs软件不同格式数据导入时所需设置的参数2.2 数据分析及处理（正态变换）2.2.1 S-Gems软件数据分析基本操作简介S-Gems软件可对导入的数据进行常规分析（直方图分析），包括数据的均值，方差，最大值，中值，最小值等等；数据相关性分析，主要分析各种变量数据之间相关性，还可以拟合出回归曲线；变差函数分析（基于克里金地质分析的数学方法，为建模提供数据支持）以及数据的正态转换等数据分析工作。

其中常规分析（直方图分析）、数据相关性分析、变差函数分析分别利用软件主界面的Data Analysis/Histogram、Data Analysis/Scatter-plot、Data Analysis/Variogram模块；数据的正态转换则是Algorithms/Trans模块，然后设定转换的参数便可实现（图2-3）。

常规分析(直方图分析)操作流程数据相关性分析操作流程①②③变差函数分析操作流程数据正态转换操作流程图2-3 S-GeMs软件数据分析基本操作流程2.2.2 数据分析及处理结果（1）各参数常规分析结果①波阻抗参数岩石的波阻抗(impedance of rock) 岩石中的纵波速度与岩石密度的乘积。

它表明应力波在岩体中传播时，运动着的岩石质点产生单位速度所需的扰动力。

如图2-4波阻抗数据的频率及累计概率图所示，本次实验中，波阻抗数据的均值（mean）为7746.05；方差（variance）为2.77919×106；最大值为12787.8MD；中值为7136.47 MD；最小值为5075.01 MD。

该原始数据呈非正态分布特征，在后面的建模过程中需要通过正态转换再使用。

图2-4 波阻抗数据分析图②孔隙度参数所谓岩石孔隙度（porosity）是指岩石中孔隙体积（或岩石中未被固体物质充填的空间体积）与岩石总体积的比值，是储层评价的重要参数之一。

本次建模实习的孔隙度数据频率和累计概率图如图2-5（1）所示，均值（mean）为0.185002；方差（variance）为0.0122564；最大值为0.347；中值为0.2046；最小值为0.0091。

本次建模所提供的孔隙度数据也呈非正态分布的特征，后续的建模需要进行正态变换再使用。

③渗透率参数在一定压差下，岩石允许流体通过的性质称为渗透性；在一定压差下，岩石允许流体通过的能力叫渗透率（permeability）。

本次建模实习的孔隙度数据频率和累计概率图如图2-5（2）所示，其中均值（mean）为219.524；方差（variance）为117221；最大值为4290.6；中值为103.091；最小值为0.57576。

本次建模所提供的渗透率数据亦呈非正态分布的特征，后续的建模需要进行正态变换再使用。

（1）孔隙度数据分析图（2）原始渗透率数据分析图图2-5 孔、渗数据分析图（2）孔、渗数据正态变换分析结果为了适用于后续建模过程，需要把非正态分布的孔隙度和渗透率数据进行正态转换，使其呈正态分布。

经正态变换后，孔、渗数据分析如图2-6和图2-7所示。

正态变换（正态变换前）（正态变换后）图2-6 孔隙度正态转换前后对比图正态变换（正态变换前）（正态变换后）图2-7 渗透率数据正态转换前后对比图（3）参数之间相关性分析岩石的波阻抗数值上等于岩石中的纵波速度与岩石密度的乘积，而岩石中的纵波速度与岩石密度受岩石内部孔隙的影响，一般来说，岩石的孔隙度越大，纵波在岩石中传播的速度就越慢，岩石的密度就越小，因而波阻抗也就越小，呈负相关特征。

目前，在地震或测井资料中，基本没有直接反映渗透率变化的属性，渗透率的求取多数通过取芯测定与测井资料或地震资料建立解释模型，求取最佳孔-渗关系，然后用之求取无取芯井段的解释渗透率；孔隙度与波阻抗具有很好的相关性，因此渗透率与波阻抗也会具有较好的相关性。

本次建模实习提供的孔隙度、渗透率与波阻抗数据之间的相关性和孔隙度与渗透率数据的相关性分析如图2-8所示。

图2-8 孔、渗与波阻抗参数相关分析及孔-渗相关分析图第三章 各变量的变差函数分析3.1 变差函数的基本原理变差函数是区域化变量空间变异性的一种度量，反映了空间变异程度随距离而变化的特征。

变差函数强调三维空间上的数据构形，从而可定量的描述区域化变量的空间相关性，即地质规律所造成的储层参数在空间上的相关性。

其数学表达式为：()()()212h E Z x Z x h γ=-+⎡⎤⎣⎦ 而实验变差函数的计算公式为：()()()()()2112N h k k k h Z x Z x h N h γ*==-+⎡⎤⎣⎦∑ 根据各井点已知的储层参数值，在同一方向上，对不同的h i (i =1，2…，n)可得到一组不同的实验变差函数值γ*（h i ）。

以h 为横坐标，γ*（h i ）为纵坐标所得到的一组(h,γ*（h i ）)点称为变差函数图(见图3-1)。

变差函数图中的几个主要参数分别为a 、c 、c o 以及c c 其中，a 表示变程(range)，反映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，在变程范围之外数据互不相关。

c o 表示块金效应(nugget effect)，用以描述区域化变量在很小的距离内发生的突变程度。

块金值越大，说明数据的连续程度越差，反之则相反，它可以由测量误差引起，也可以是来自矿化现象的微观变异性。

在数学上，块金效应相当于变量的纯随机部分。

c 为基台值( sill)，反映变量在空间上的总变异性大小，基台值越大说明数据的波动程度越大，参数变化的幅度越大。