地质统计学与随机建模原理5-多点地质统计学
PPT
汇报提纲
研究现状 目标与内容 过程论述 结论
研究现状
多点地质统计学是目前储层地质随机建模的研 究热点方向。相对于传统的两点地质统计学方 法，多点地质统计学在进行储层地质建模时能 够利用更多空间点数据（n>2）之间的相关性 进行统计计算，因此建立的模型更加满足实际 的情况。 多点地质统计学算法snesim是其中一种基于 概率统计的方法，由于snesim算法的参数设 置较为复杂，因此该算法的各种参数对模型的 控制需要进行研究和分析，从而指导如何使用 该算法建立高质量的储层模型。
硬数据条件化
向网格中加载硬数据：
硬数据条件化模拟结果：
非平稳模拟
旋转角控制河道局部的方向 仿射性控制河道宽度
手绘旋转与仿射性图像：
1.3
0.8 0.5 15°
75°
45°
格式转换：
参数文件复制：
参数设置：
运行得到实现：
涠洲11-2油田4井区岩相模拟
研究区属于辫状河三角洲前缘亚相,微相种类较多,面积较大，但 是钻井较少且分布集中,为了减少没有井控制的地方模拟的不确 定性,本次采用录井解释的砂泥岩相进行岩相模拟，相的种类减 少，有助于减少模拟的不确定性.
利用不同油组的平面沉积微相图作为训练图像：
序贯指示法模拟结果：
snesim算法模拟结果：
用多点法模拟的岩相展布图较为连续且具有一定的真实性
结论
设置不同参数对程序的影响： 目标比例能有效控制模拟结果相比例 目标相比例的设置应与训练图像边际 概率相近，否则要考虑更换训练图像 旋转角控制河道局部的方向，仿射性 控制河道宽度 用多点法模拟的岩相展布图较为连续 且具有一定的真实性
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。
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。
地质统计学
第一章绪论一、历史背景与产生地质统计学是二十世纪六七十年代发展起来的一门新兴的数学地质学科的分支。
它开始主要是为解决矿床从普查勘探、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而发展起来的。
它是由法国著名学者G. 马特隆教授于1962年创立的。
其核心即所谓的“克立格”。
它是一种无偏的最小误差的储量计算方法。
该方法按照样品与待估块段的相对空间位置和相关程度来计算块段品位及储量，并使估计误差为最小。
这是南非采矿工程师D. G. Krige 根据南非金矿的具体情况与1952年提出的，故命名为克立格法。
后来法国学者G. 马特隆（Matheron）对克立格提出的方法进行研究，认为克立格提出的方法是在考虑了空间分布特征的基础上，合理地改进了统计学，是一种传统方法与统计学方法结合起来的新方法。
同时为了解决具二重型（结构型与随机性）的地质变量的条件下使用统计方法的问题。
马特隆教授提出了区域化变量的概念（Regionalized Variable），从而创立了地质统计学。
根据地质统计学理论，地质特征可以用区域化变量的空间分布特征来表征。
而研究区域化变量的空间分布特征分布的主要数学工具是变差函数（Variogram）。
到七十年代中后期，马特隆的学生JOURENL等在研究其它地质变量的基础上，认为某些地质变量并不是一成不变的，而是有一定波动的，这样使用克立格法就不能很好再现地质变量的分布特征。
因此他们采样模拟的方法，将克立格估计的离散方差的波动性模拟出来，从而产生了随机模拟法。
因此，从二十世纪八十年代以来，地质统计学分为两派：一派以法国的马特隆教授等人为主，仍致力于克立格估计的研究；一派以美国JOURENL等人为主，主要致力于随机模拟方法的研究。
地质统计学的产生是在经典统计学的基础上发展起来的。
在此前，为了反映地质变量的空间变化性，一些地质学家曾经使用一些经典的概率统计方法来研究地质变量。
但由于地质变量并不是纯粹的随机变量，因此，直接用简单的统计方法解决复杂的地质问题，有一定的局限性。
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。
三维地质建模(全)
模拟退火(simulated annealing)
模拟退火类似金属冷 却和退火。高温状态 下分子分布紊乱而无 序，但随着温度缓慢 地降低，分子有序排 列形成晶体。 模拟退火的基本思路 是对于一个初始的图 象，连续地进行扰 动，直到它与一些预 先定义的包含在目标 函数内的特征相吻合
目标函数
表达了模拟实现空间特性与希望得到的空间特性 之间的差别。
理)
基于目标的随机建模方法 (object-based)
布尔模拟
标点过程 （示性点过程）
基于目标的方法与 建立目标模型（离 散变量模型）的方 法有差别，很多人 混淆了这种差别
基于象元的随机建模方法 (pixel-based) pixel : Picture element， 象元、象素
高斯模拟 （连续）
（简单克里金、普通克里金、
具有趋势的 克里金、 同位协同克里金)
（综合地震信息)
P
P
Mean St.Dev.
φ
（cdf）
（ccdf） φ
随机模拟： 从条件概率分布函数（ccdf）中随机地提
取分位数便可得到模拟实现。
序贯高斯模拟 Sequential Gaussian Simulation (SGS) 概率场高斯模拟 P-field Gaussian Simulation
③克里金插值法(包括其它任何插值方法) 只产生一个储层模型，因而不能了解和 评价模型中的不确定性，而随机模拟则 产生许多可选的模型，各种模型之间的 差别正是空间不确定性的反映。
（克里金作为部分随机建模方法的基础)
第一节 随机模拟原理
随机模拟以随机函数理论为基础。 随机函数由区域化变量的分布函数
和协方差函数来表征。
第三讲
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。
多点地质统计学在秘鲁D油田地质建模中的应用
收稿日期:2008-01-11基金项目:中国石油天然气勘探开发公司项目(HW ZX0502)作者简介:张伟(1980-),男(汉族),山东五莲人,博士研究生,从事油藏描述及储层建模研究。
文章编号:1673-5005(2008)04-0024-05多点地质统计学在秘鲁D 油田地质建模中的应用张 伟,林承焰,董春梅(中国石油大学地球资源与信息学院,山东东营257061)摘要:应用多点地质统计学和相控建模相结合的方法,以秘鲁D 油田V 层为例进行了地质条件约束下的地质建模研究。
首先根据地质概念模型建立训练图像,然后应用多点地质统计学Snes i m 算法模拟沉积微相,最后在沉积微相控制下进行储层参数模拟。
研究结果表明:多点地质统计学方法不仅忠实于井点数据,而且可以在使用的训练图像中加入地质概念,从而对随机模型进行地质约束;V 层沉积微相随机模拟较好地再现了沉积微相的空间结构,其孔隙度模拟实现与相应沉积微相模型吻合较好,且沉积微相对储层参数的空间分布具有较大影响;多点地质统计学方法和相控建模的建模原则有助于从地质的角度对模型进行约束,促进概念模型向定量模型的转化,从而建立合理的反映地下实际情况的三维模型。
关键词:多点地质统计学;相控建模;地质建模;秘鲁;D 油田中图分类号:TE 319 文献标识码:AApp licati on of multi ple -poi nt geostatistics i n geologi calmodeli ng of D O ilfiel d i n PeruZ HANG W e,i L I N Cheng -yan ,DONG Chun -m ei(Facult y of G eo -Resource and Infor m ation in Chi na Universit y of P etro leu m,D ongy ing 257061,Shandong P rov i nce ,Ch i na)Abstrac t :T aking t he V l ayer of D O ilfi e l d i n Pe ru as an example ,geolog ical mode li ng restricted by geolog i cal conditi ons was researched usi ng the me t hod comb i ned mu lti ple -po i nt geo statistics and facies contro lled m odeli ng .F irst ,tra i ning i m age was bu ilt accord i ng to the geo l og i ca l conceptm ode,l and the Snesi m algorith m o fmu lti ple -po i nt geostatisticsw as applied to si m u l a te sed i m entary m i crofac i es .F i nall y ,a rese rvo i r para m eters si m ulation w as perfor m ed under the contro l of sedi m entary m i crofacies .T he results s how that ,on the basis o f t he rea lwe ll data and tra i n i ng i m agesw it h geo l og ica l conception ,m ulti p l e -po i nt geostatis -ti cs succeeded i n restr i cti ng stochasti c m odel g eo l og ica lly ,w hich presents a better spati a l structure of sedi m entary m icro facies i n the stochastic m odeli ng of sedi m entary m i crofac i es of V l ayer .T he comb i na ti on of mu lti ple -po i nt geostati stics and fac ies con -troll ed m odeli ng i s he l pf u l to restrict t he m ode l from the geological po i nt o f vie w,promo te the transfor m from conceptm odel t o the quantitative model and build a reasonable 3D m ode l re flecti ng the true subsurface situati on .K ey word s :mu lti ple -po int geo sta ti sti cs ;facies controlled m odeli ng;geo l og ica lm ode li ng ;P eru ;D O ilfi e l d自从多点地质统计学(m ultiple -pu i n t geostatis -tics)应用于随机建模以来,国外学者作了大量的研究工作,取得了丰富的研究成果[1-6]。
- 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、"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、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)。
鉴于传统的基于变差函数的随机建模方法和基 于目标的随机建模方法存在的不足, 多点地质 统计学方法应运而生。
在多点地质统计学中, （1）应用“训练图像”代替变差函数表达地质 变量的空间结构性, 因而可克服传统地质统计 学不能再现目标几何形态的不足。 （2）方法兼具基于目标与基于像元的两种算法 的优点，即仍然以象元为模拟单元, 而且采用 序贯算法(非迭代算法) ,因而很容易忠实硬数 据, 并具有快速的特点, 故克服了基于目标的 随机模拟算法的不足。
河道的3 种不同的空间结构(图a ,b ,c) 在 横向上(东西方向，图d) 和纵向上(南北方 向，图e) 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。
多点统计学着重表达多点之间的相关性。 “多点”的集合则用一个新的概念，即数据 事件(dataevent) 来表述。 图 (a)为一个五点构形的数据事件，由一个中 心点和四个向量及数值组成。 图 (b) 为一个反映河道(黑色) 与河道间(白色) 分布的训练图像。一个给定的数据事件的概 率则可通过应用该数据事件对训练图像进行 扫描来获取。
2) 目标体连续性问题 目前的Snesim 算法为一序贯模拟算法, 每个 未取样点仅访问一次, 已模拟值则“冻结”为硬 数据。这一方法虽然保证快速且易忠实硬数据, 但可能导致目标体的非连续性。 Apartand Caers (2003) 提出了一个型式 (pattern) 模拟的算法, 称为Simpat算法, 通过 对训练图像数据事件进行分类、多重网格模拟时 不“传递”硬数据而“传递”概率值、同时模拟 一个数据样板内的所有节点等措施, 在一定程度 上改进了目标体不连续的问题。
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。变差函数是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, 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) ．
第五讲 多点地质统计学（MPG） 基本原理与应用
1
2
3 4
多点地质统计学的提出 多点地质统计学的基本原理 应用实例 问题与展望
一 多点地质统计学的提出
1 多点地质统计学是相对于传统的两点地质统计学而 言的。
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． 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。
这一方法不仅考虑了区域内条件数据 的值, 而且也考虑了条件数据的几何 形状. 而两点地质统计学只是依靠z ( u1) , z ( u2) , z ( u3) , z ( u4) 的值及各点与u 点距离通过求 解克里格方程组来确定u 点的概率,并 没有考虑dn 的几何形状和各条件数据 的配位关系.
多点地质统计学的建模方法:
四 国内外研究状况
多点地质统计学的发展迄今只有十多年的 研究历史, 而真正作为一种可实用的随机建模 方法则是Strebelle and Journel (2001) 提 出训练树的概念及Snesim 算法之后。 多点统计学随机建模方法尚需在以下几方 面进行深入的研究。
1) 训练图像平稳性问题 任何空间统计预测均要求平稳假设。在二点 统计学中, 要求二阶平稳或内蕴假设, 即协方差 或变差函数与空间具体位置无关而与矢量距离有 关。同样, 在多点统计学中,要求训练图像平稳, 即训练图像内目标体的几何构型及目标形态在全 区基本不变, 不存在明显趋势或局部的明显变异 性。 Zhang (2002) 提出了一个几何变换的方法, 即通过旋转和比例压缩将非平稳训练图像变为平 稳训练图像, 并建立多个训练图像以获取未取样 点条件概率分布函数。但是, 这一方法仍是一种 简单化的解决途径, 可以解决具有明显趋势而且 用少量定量指标如方向和压缩比例能够表达的非 平稳性, 而对于无规律的局部明显变异性, 尚需 要更为有效的解决方案。
首先建立训练图像,运用 布尔模拟方法,把砂体比 例40 %输入,为保证训练 图像数据充足,网格划分 为250 ×25
把条件数据和布尔模拟 生成的训练图像,输入到 Snesim 模拟算法中进行 模拟. 根据该区域的特 点,椭圆最大搜索半径选 为300 m ,搜索半径内最 多的条件数据设为30 , 搜索主方向选择物源方 向，得到该层的砂泥岩 分布如右图.
模拟结果分析： 它很好地满足了条件数据, 即在各井点处的模拟结果与数 据相一致,这表明该方法为条件 模拟. 同时,模拟的砂体展布方 向和趋势与依靠地质经验手工 绘制的砂体展布图(下图) 比较 吻合,在模拟的左下角与左上角 砂体的展布与手工勾绘的几乎 完全一致。 该方法在局部区域表现出 砂体展布的非均质性和不确定 性,与手工勾画砂体展布的平滑 而唯一的表现是具有一定差别 的,它充分体现了砂体局部的变 异性和非均质性.
二.多点地质统计学的基本原理
多点地质统计学首先引入一训练图像,通过在 训练图像中寻找与待估点内条件数据分布完全 相同的事件的个数来确定概率分布, 因此它可 以反映出多个位置的联合变异性 。
与传统地质统计学随机模拟的主要区别
主要区别在于未取样点处条件概率分布函数的求 取方法不同
传统的地质统计学(如序贯指示模拟SIS)通过变差函数 分析并应用克里金方法求取条件概率分布函数 MPG(如Snesim 算法)应用多点数据样板扫描训练图像以 构建搜索树并从搜索树中求取条件概率分布函数
例如,计算图1 (a) 中u 点的概率时, 相应的条件数据场： dn = { z (u1), z (u2), z (u3), z (u4) } 其基本方法:首先要在训练图像(b) 中寻找与图(a) 中数据分布 完全相同的事件的个数,即要在训练图像中找出与图(a) 几何完全 相同的区域, 同时在该区域中相同的位置处z ( u1) , z ( u2) , z ( u3) ,z ( u4) 的值完全相同. 在训练图像中一共找到4 个既 能满足条件数据u1 , u2 , u3 , u4 数值,同时又能满足它们分空 间几何形状的事件, 在这4 个事件中,3个事件的u 点的值为0 ,只 有1 个事件中u 点值为1 ,因此u 点岩相为1 的条件概率为P{ u = 1 | dn} =1/ 4 ,而P{ u = 0 | dn} = 3/ 4 ,这样便可求出了u 点的条件概率.
Strebelle and Journel (2001) 提出了Snesim 模拟算
法 ,利用该算法可以快速、灵活地模拟岩相分布. 该方法 的具体步骤为: (1) 利用非条件模拟建立三维训练图像; (2) 定义通过所有待估结点的随机路径; (3) 对随机路径中的任意待估点l ( = 1 ,2 , .,l) : ①定义查找范围内的条件数据; ②保留邻区的数据点; ③在训练图像中寻找与该区域内条件数据完全相同 的事件,计算该点岩相的分布概率. ④由Monto Carlo法得到位置处的一个模拟值; ⑤将模拟结果归入条件指示数据集中. (4) 重复上一步模拟,直到所有的点全被模拟.训练图像 既可以通过非条件模拟(如：布尔模拟方法 )求出,也可 以通过该地区的地质露头资料分析得出.
三. 应用实例
开发中后期的砂岩油藏储层 参数模拟 : 模拟区域选择我国东部 某砂岩油藏第15 小层,在该 层一共有64口井,测井资料解 释结果表明有26口井钻遇砂 体,另外38 口井钻遇泥岩,砂 体比例为40 %. 对岩相进行 编码,砂岩为1 ,泥岩为0 .右 图为井位分布图。
采用Snesim方法模拟砂体的分布