热门搜索: 压裂 油气田 中国构造期次 反演 体积压裂 示踪剂

  • / 135
  • 下载费用:10 下载币  

储层表征

关 键 词:
表征
资源描述:
储层表征与建模,尹艳树信息与数学学院, 3rg研究小组,内容提要,一、储层表征的概念,二、储层模型的分类,四、地质统计学基础知识,三、储层建模的概念,五、随机建模方法简介,六、随机建模步骤、策略,油藏评价,开发早期,开发中后期,定量地研究和描述储层,并建立储层地质模型,为油气田勘探和开发服务。,,1985年国际储层表征会议对储层表征的定义: “量化油藏特性,识别地质信息和空间变化不确定性的一个过程”,三个层次: 特征识别 特征描述 储层建模,储层表征,Reservoir Characterization,油藏描述Reservoir Description,70年代斯仑贝谢公司提出的以测井为主的RDS,Reservoir Description Service,对油藏各种特征(圈闭、储层、流体)进行三维定量描述和预测,最终成果:建立反映油藏特征的三维油藏地质模型。,油藏地质建模是油藏描述的核心。,Reservoir description,Reservoir characterization,,储层表征(Reservoir Characterization)是由油藏描述(Reservoir Description)向定量化方向发展演化出来的,现代油藏管理,资料搜集,油藏描述,数值模拟,开发战略,,储层地质模型,内容提要,一、储层表征的概念,二、储层模型的分类,四、地质统计学基础知识,三、储层建模的概念,五、随机建模方法简介,六、随机建模步骤、策略,储层地质模型分类一、按开发阶段及模型精度分类(裘亦楠,1991)概念模型(Conceptual model)静态模型(Static model)预测模型(Predictable model)1、概念模型沉积或成因类型模型:典型化和概念化,具地区代表性与沉积或成因模式类同,但加入开发所需的地质特征 应用于油田勘探、评价、开发设计阶段,减少战略失误,(a)三维概念模型 (b)构造背景下的的三维概念模型,2、静态模型概念:描述某一具体油田或开发区的一个或一套储层的属性特征 在三维空间上的变化和分布规律的地质模型。目的:为编制开发方案、调整方案提供地质依据实现:小层平面图、油层剖面图、栅状图、三维分布图、切片图缺点:主要依赖井信息,吻合井,地震信息覆盖面广但分辨率低 井间参数的内插与外推预测的精度考虑较少,精度不高,3、预测模型概念:对井间及其以外地区的储层参数 进行一定精度的内插和外推预测的高精度地质模型。目的:二次采油后剩余油挖潜→开发调整、井网加密或三次采油实现:地质随机建模技术、高精度地震约束、密井网控制精度:开发井网―百米级,井间预测精度―数十米或数米级,二、按储层表征内容分类储层结构模型流动单元模型储层参数分布模型裂缝分布模型1、储层结构模型(储层相模型:相控建模技术)概念:描述储层几何形态以及三维空间分布的地质模型。油田开发生产实践表明,相带分布强烈地影响地下流体的流动。同时,岩石物性的变化与相类型极为相关。对于多相分布的储层来说,合理的相模型是精确建立岩石物性模型的必要前提。目的:储层参数分布模型的骨架(相控建模技术) 油藏模拟中设计模拟网块大小和数量的根据类型:壳牌石油公司K.J.Weber和L.C.Von Geuns(1990) 千层饼状结构、拼合板状结构、迷宫状结构,(1)千层饼状储层结构同一沉积成因的层状砂体,砂体叠合、分布广。单层砂体连续性好,厚度渐变。单层水平渗透率横向稳定,垂向渗透率横向渐变。单层间界线为储层性质变化线或阻流界线。发育沉积相:陆相―湖泊席状砂、风成砂丘等 海岸相―障壁砂坝、海岸砂脊、海侵砂 海相―浅海席状砂、滨外砂坝、外扇浊积体井距大:矩形井网―1000米 三角形井网―1200米 随机井网―约1~3口/km2一步建模法:建立准确的三维储层结构模型很容易,(2)拼合板状储层结构砂体拼合而成,单元之间没有大的间距。砂体连续性较好,储层内及层间偶而夹有低渗或非渗层。砂体间存在物性突变,砂体内可具有很强的非均质性。发育沉积相:陆相―辨状河砂体、点坝、湖泊/冲积混合沉积 风成/干谷混合沉积 海岸―障壁岛与潮道充填复合体 河道充填/河口坝复合体 海洋―风暴砂透镜体、中扇浊积体井距中等:矩形井网―600米 三角形井网―800米 随机井网―4口/km2建立准确的三维储层结构模型难度一般,相控建模法,(3)迷宫状储层结构小砂体和透镜状砂体的复杂组合砂体连续性具方向性,剖面上不连续 平面上,不同方向连续性不一样部分砂体之间可为薄层席状低渗砂岩连通发育沉积相: 陆相―低弯度河道充填砂体、具低(砂/地)比值的冲积沉积砂体滨岸相―低弯度分流河道沉积砂体 海洋―浊积岩、滑塌岩、具低砂/地比的风暴沉积砂体井距小:矩形井网―至少200米 三角形井网―至少300米 随机井网―至少32口/km2建立准确的三维储层结构模型很难,相控建模法 随机建模法―概率模型,三种碎屑岩储层结构的砂体成因类型(K .J.Weber,etc,1990)主要砂体单元确定性对比所需的平均井网数据(K.J.Weber,et al,1990),2、流动单元模型概念:(C.L.Hearn etc 1984;W.J.Ebanks,1987)影响流体流动的储层属性参数在各处相似,且岩层特点也相似的纵、横向连续的储集带单元。流动单元不同,流体流动特征也不同。流动单元模型:由许多流动单元块体镶嵌组合而成,离散模型包括:流动单元划分,流动单元间边界、单元内储层属性相似对油藏模拟及动态分析有很大意义,对预测二次采油和三次采油的生产性能亦意义重大。,长庆安塞油田坪桥水平井区流动单元模型(长61三维流动单元模型的不同显示形式)红色:一类流动单元绿色:二类流动单元兰色:渗流屏障,3、储层参数分布模型描述储层属性参数在三维空间上的变化和分布规律的模型连续性模型(孔隙度模型、渗透率模型、流体饱和度模型),胜坨油田胜二区74小层不同含水期孔隙度实现对比图,胜坨油田胜二区74小层不同含水期渗透率实现对比图,胜坨油田胜二区沙二段74小层不同含水期含油饱和度模型,内容提要,一、储层表征的概念,二、储层模型的分类,四、地质统计学基础知识,三、储层建模的概念,五、随机建模方法简介,六、随机建模步骤、策略,,白化过程,实质:井间储层参数的预测,,,,建模的目的,,确定性建模随机建模,,两种技术,以确定性资料为基础,给出井间确定的、唯一的储层参数。,确定性,储层地震地质学,储层沉积学,地质统计学克里金方法,确定性vs随机性,储层系统的复杂性,资料的不完备性,,随机性,,确定性vs随机性,随机性,评价由于资料限制和储层复杂性而导致的井间储层预测的不确定性,以满足油田开发决策在一定风险范围的正确性。,某油田1小层河流相概率分布模型,确定性vs随机性,确定性vs随机性,资料应用,随机建模的概念,概念: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、等可能的储层模型。,输入:岩心分析、测井解释、地震勘探、生产动态以及露头观察等多种来源的已知数据随机种子数,随机函数,蒙特卡罗抽样,输入数据,随机种子数,,,,随机函数,,随机抽样,1962年,G.Matheron提出并创立地质统计学学科1978年,Journel,《矿业地质统计学》,发展随机模拟方法1984年,H.Haldorsen以及L.Lake发表的发表论文成为在油气储层建模的标志1988年,SPE苏格兰会议,模拟是否有实际意义讨论1991年,SPE科罗拉多会议,肯定方法,讨论方法适用性2000年,Strebelle,多点地质统计学,《国外储层建模技术》,原中国石油天然气总公司 1991年,裘怿楠教授 ,“储层地质模型”,石油学报,随机建模的产生及发展,随机建模的产生与地质统计学密切相关,国内,内容提要,一、储层表征的概念,二、储层模型的分类,四、地质统计学基础知识,三、储层建模的概念,五、随机建模方法简介,六、随机建模步骤、策略,地质统计学基础知识,变差函数克里金技术条件模拟,x0,随机建模的产生与地质统计学密切相关,变差函数(或叫变程方差函数,或变异函数)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。,,跃迁现象,1. 变差函数的概念与参数,(一)变差函数,假设空间点x只在一维的x轴上变化,则将区域化变量Z(x)在x,x+h两点处的值之差的方差之半定义为Z(x)在x轴方向上的变差函数,记为,一维情况下的定义:,半变差函数(或半变异函数),当区域化变量Z(u)满足下列二个条件时,则称其为二阶平稳或弱平稳:,,E[Z(u)] = E[Z(u+h)] = m(常数),x,h,随机函数在空间上的变化没有明显趋势,围绕m值上下波动。,① 在整个研究区内有Z(u)的数学期望存在, 且等于常数,即:,二阶平稳,② 在整个研究区内,Z(u)的协方差函数存在且平稳 (即只依赖于滞后h,而与u无关), 即 Cov{Z(u),Z(u+h)} = E[Z(u)Z(u+h)]-E[Z(u)]E[Z(u+h)] = E[Z(u)Z(u+h)]-㎡ = C(h),,特殊地,当h=0时,上式变为Var[Z(u)]=C(0), 即方差存在且为常数。,,协方差不依赖于空间绝对位置,而依赖于相对位置 , 即具有空间的平稳不变性。,①在整个研究区内有 E[Z(u)-Z(u+h)] = 0,本征假设,当区域化变量Z(u)的增量[Z(u)-Z(u+h)]满足下列二条件时,称其为满足本征假设或内蕴假设。,可出现E[Z(u)]不存在, 但E[Z(u)-Z(u+h)]存在并为零的情况,intrinsic hypothese,E[Z(x)]可以变化,但E[Z(u)-Z(u+h)]=0,(比二阶平稳更弱的平稳假设),② 增量[Z(u)-Z(u+h)]的方差函数 (变差函数,Variogram) 存在且平稳 (即不依赖于u),即: Var[Z(u)-Z(u+h)] = E[Z(u)-Z(u+h)]2-{E[Z(u)-Z(u+h)]}2 = E[Z(u)-Z(u+h)]2 = 2γ(u,h) = 2γ(h),,相当于要求:Z(u)的变差函数存在且平稳。,设Z(x)为一维区域化变量,满足本征假设,又已知Z(1)=2,Z(2)=4,Z(3)=3,Z(4)=1,Z(5)=5,Z(6)=3,Z(7)=6,Z(8)=4,,,,,例:,试求:,=,,=,=,=,[22+12+22+42+22+32+22] =,,= 3.00,,[12+32+22+22+12+12] =,,= 1.67,,[12+12+02+52+12] =,,= 2.80,2D情况,(1)分不同方向,进行1D变差函数计算,3D情况: 增加垂向方向,(2)确定主变程方向 次变程方向,角度容限步长容限,四方向试算,(考虑主变程方向的 走向、倾向和倾角),球状模型指数模型高斯模型,具不同变程的克里金插值图象,参考书:GSLIB,陈恭洋:碎屑岩储层随机建模吴胜和:储层建模王家华:油气储层随机建模于兴河:碎屑盐岩储层计算机模拟技术,参考书:GSLIB,(二)克里金插值方法,----以普通克里金为例,设 为区域上的一系列观测点, 为相应的观测值。区域化变量在 处的值 可采用一个线性组合来估计:,Z*(x0),无偏最优,无偏性和估计方差最小被作为 选取的标准,从本征假设出发, 可知 为常数,有,,,可得到关系式:,,(1)无偏条件,Z*(x0),(在搜寻邻域内为常数,不同邻域可以有差别),,(2)估计方差最小,,应用拉格朗日乘数法求条件极值,Z*(x0),,进一步推导,可得到n+1阶的线性方程组, 即克里金方程组,当随机函数不满足二阶平稳,而满足内蕴(本征)假设时,可用变差函数来表示克里金方程组如下:,,Z*(x0),最小的估计方差,即克里金方差可用以下公式求解:,,,Z*(x0),以surfer为例,,(三)条件模拟,建模的核心是对井间储层属性进行预测,克里金插值也能给出预测,?,克里金插值的优缺点,l 估计的无偏性 l 反映变量的空间结构性l 能得到估计精度,优点,,,区域化变量,变差函数,纯随机变量,距离反比加权法,(1)克里金插值为局部估计方法,对估计值的整体空间相关性考虑不够,它保证了数据的估计局部最优,却不能保证数据的总体最优,因为克里金估值的方差比原始数据的方差要小。因此,当井点较少且分布不均时可能会出现较大的估计误差,特别是在井点之外的无井区误差可能更大。,克里金方法的局限性,(2)克里金插值法为光滑内插方法,为减小估计方差而对真实观测数据的离散性进行了平滑处理,虽然可以得到由于光滑而更美观的等值线图或三维图,但一些有意义的异常带也可能被光滑作用而“光滑”掉了。所以,有时,克里金方法被称为一种“移动光滑窗口”。,(用于CCDF的求取,应用于随机建模),随机建模与克里金插值法有较大的差别,主要表现在以下三个方面: ①克里金插值法为局部估计方法,力图对待估点的未知值作出最优的、无偏的估计,而不专门考虑所有估计值的空间相关性,而模拟方法首先考虑的是模拟值的全局空间相关性,其次才是局部估计值的精确程度。,随机建模的优势,②克里金插值法给出观测值间的光滑估值,对真实观测数据的离散性进行了平滑处理,从而忽略了井间的细微变化;而条件随机模拟结果在在光滑趋势上加上系统的“随机噪音”,这一“随机噪音”正是井间的细微变化,虽然对于每一个局部的点,模拟值并不完全是真实的,估计方差甚至比插值法更大,但模拟曲线能更好地表现真实曲线的波动情况。,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。,从值的估计到概率函数的推断,Z*(x0),克里金方法更多是用来估计概率值,建立累积条件概率分布,而值的获取则通过蒙特卡罗抽样来获得。不同的抽样就获得不同的实现值,经过多次抽样就可以获得多个实现,以反映储层预测中存在的随机性。,,获得均值和方差,建立高斯分布,,内容提要,一、储层表征的概念,二、储层模型的分类,四、地质统计学基础知识,三、储层建模的概念,五、随机建模方法简介,六、随机建模步骤、策略,随机建模方法综述,按模拟单元不同划分:基于目标的方法 和基于象元的方法,随机建模方法综述,不同的随机函数就构成了不同的模拟方法,输入数据,随机种子数,,,,随机函数,,随机抽样,,基于目标(object-based)的方法 标点过程(示性点过程) Marked point processes 目标层次建模Hierarchical object-based modeling 基于象元(pixel-based)的方法 序贯高斯模拟 Sequential Gaussian Simulation (SGS) 截断高斯模拟 Truncated Gaussian Simulation (TGS) 序贯指示模拟 Sequential Indicator Simulation (SIS)模拟退火Simulated annealing,1.标点过程(布尔模型) (Marked point processes) ----类型变量模拟 标点过程的基本思路是根据点过程的概率定律按照空间中几何物体的分布规律,产生这些物体的中心点的空间分布,然后将物体性质(即marks,如物体几何形状、大小、方向等)标注于各点之上。 从地质统计学角度来讲,标点过程模拟即是要模拟物体点(points)及其性质(marks)在三维空间的联合分布。,Poisson点过程: 物体中心点在空间上的分布可以是独立的(如,即布尔模型的概率分布理论);Gibbs点过程: 物体中心点在空间上的分布是相互关联或排斥的。,标点过程模拟示意图,目标点密度在空间上可以是均匀的,也可以根据地质规律赋予一定的分布趋势。在实际应用中,目标点位置可以通过以下规则来确定: (1)密度函数(即各相的体积比例及其分布 趋势) (2)关联(如井间相连通) 和排斥原则(如同相 物体或不同相物体 之间不接触的最小 距离)。,物体性质(marks):物体几何学特征。 形状:矩形、椭球体、锥形、自定义; 几何学参数:长、宽、高等; 方向、顶底位置,利用优化算法(如模拟退火)可以使模拟实现忠实于井信息、地震信息以及其它指定的条件信息。,,,波阻抗、振幅,挪威 潮坪相 潮汐水道,,,秦皇岛某油田河流相储层模型,2储层目标层次建模原理Hierarchical object-based modeling,储层层次性,旋回性分段性分带性,,层次性,储层层次分析,层次划分,层次描述,层次解释,储层层次目标建模的原理,在对储层进行层次分析的基础上,提取不同层次建模参数,充分考虑不同层次之间内在联系,把这些信息作为建模的约束条件,建立起不同层次储层精细地质模型。,层次建模算法研究(FLUVSIM),层次坐标转换层次原型模型建立目标层次建模,层次坐标转换(以河流储层为例),,,,,,,层次分析,等时地层坐标转换,河道带模型的建立,河道模型的建立,,等时地层坐标转换,,,,,,,A,B,C,,,区域坐标转换和旋转,,θ,河道复合体的转换和旋转,,河道复合体坐标,,,,,河道坐标转换及河道坐标建立,,,,,储层层次坐标变换表,目标原型模型,,,河道参数:河道宽度,河道波长,河道中线距离河道主方向偏差,厚度,堤岸参数,,决口扇参数,,河道,堤岸,目标层次建模,建立目标模板建立目标函数确定目标分布,建模流程,应用FLUVSIM建立的河道模型,濮城油田沙三中储层沟道分布,3.序贯高斯模拟 Sequential Gaussian Simulation (SGS) ----连续变量模拟 高斯随机域是最经典的随机函数模型。最大特征是随机变量符合高斯分布(正态分布)。 对于符合高斯分布的随机变量,可以很容易地通过变差函数求取变量的累积条件概率分布函数(ccdf)。从条件概率分布函数中随机地提取分位数便可得到模拟实现。,高斯模拟可以采用多种算法,如序贯模拟、误差模拟(如转带法)、概率场模拟等。在实际应用中,人们多应用序贯模拟算法,即序贯高斯模拟。 高斯模拟是应用很广泛的连续性变量随机模拟方法。它适用于各向异性不强的条件下连续变量的随机模拟。,通过克里金方法,求取某网格的随机变量的均值和估计方差,并转换为ccdf。,(cdf),(ccdf),Mean,,St.Dev.,累计条件概率分布函数(ccdf)的求取:,(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),基本步骤,1数据准备与处理(分相处理,利用各种转换方法使得条件数据服从正态分布)2求取变差函数3产生一条随机路径,顺序模拟每一个未知点。3利用各种克里金方法建立累积概率分布4蒙特卡罗抽样获得待估点值5转入下一个节点,直到所有节点模拟完成,孔隙度模型,渗透率模型,4.截断高斯模拟 Truncated Gaussian Simulation (TGS) ----离散变量的模拟,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离散物体的三维分布 。,(1)相序规律与截断值的确定,如三角洲(平原、前缘和前三角洲)、 滨面相(上滨、中滨、下滨),空间D,有n种排序的相,F1, F2, … ,Fn,是一个定义在空间D上的平稳高斯随机函数,,设,均值为0,方差为1,相关函数(h),定义,相当于定义了n种指示函数:,当,其他,,截断值ti的确定:,保证不同相在研究区域内应占据的比例Pi (i=1,2,…n),分两种情况:A. 沉积相空间分布具有平稳性, Pi不随位置变化而变化, ti也不随位置变化而变化,B. 沉积相空间分布具有非平稳性, Pi随位置变化而变化, ti也随位置变化而变化。 ti变为ti (x),比例曲线,层模型的归一化处理,三维趋势(3D比例模型),相比例趋势(3D趋势 = 横向趋势 + 垂向趋势 ),+,=,(2)应用误差模拟方法,获取条件化高斯场,F.得到忠实于井点观察值 的条件模拟实现,A.井位观测数据的条件化;,B.井位条件化数据的克里金 插值,C.非条件高斯场的建立,D.观察点处非条件模拟值的 克里金插值,E.得出模拟残差, 观察点的残差赋为0,-,(该图仅为误差模拟示意图。就截断高斯模拟而言,图中井位处数值应为N(0,1),(3)条件化高斯模拟实现的截断处理,滨面相的截断高斯模拟,当,其它,等价于,指示模拟的重要基础为指示变换和指示克里金。 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。对于模拟目标区内的每一类相,当它出现于某一位置时,指示变 量为1,否则为0。 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。,5.序贯指示模拟,----类型变量和连续变量模拟,Sequential Indicator Simulation (SIS),在类型变量的模拟过程中,对于三维空间的每一网格(象元),首先通过指示克里金估计各变量的条件概率,并归一化,使所有类型变量的条件概率之和为1,以确定该处的条件概率分布函数); 然后随机提取一个0至1之间随机数,该随机数在条件概率分布函数中所对应的变量即为该象元的相类型。这一过程在其它各个象元进行运行,便可得到研究区内相分布的一个随机图象。,指示模拟可用于模拟复杂各向异性的地质现象。由于各个类型变量均对应于一个指示变差函数,也就是说,对于具有不同连续性分布的类型变量(相),可给定(指定或通过数据推断)不同的指示变差函数,从而可建立各向异性的模拟图象。 因此,指示模拟可用于多向分布的沉积相建模(如三角洲分流河道与河口坝复合体),也可用于断层和裂缝的随机建模 。,基本步骤,1数据准备与处理(指示变换)2求取变差函数3产生一条随机路径,顺序模拟每一个未知点。3利用各种克里金方法建立累积概率分布4蒙特卡罗抽样获得待估点值5转入下一个节点,直到所有节点模拟完成,6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。,空间特性: 直方图、变差函数、井-震相关关系、 岩相形态、含量、垂向层序等。,--模拟实现的变差函数,--预先定义的变差函数,--两者之差,即能量。,= (模拟的平均长度-60) + (模拟的平均厚度-10),扰动的接受与拒绝,接受扰动的概率分布由Boltzman概率分布给出:,t 类似退火中的温度。温度越高,接受一次不理想的扰动的概率越大。控制温度(指定退火计划),使扰动理想,而且模拟实现得到收敛。,直接用于随机建模用于模拟实现的后处理,3随机建模的一些发展,不足:对每类具有不同几何形状的目标要有自己特定的一套参数,不能通用。复杂形态的参数化较为困难.对于一个目标体内的多个数据较难拟合,有时不能拟合(算法不收敛)。算法要求大量机时。,优点:能再现目标的特定几何形状,基于目标的方法,基于同样样本数据的三个模型,样本数据,Variograms NS,1,2,3,不足: 只能保持两点统计一致性,不能同时反映多于两个点间的空间相关性或连续性。不能显示出目标的几何形状,基于象元的方法(两点变差函数),优点:能很容易忠实于条件数据,Variograms EW,随机建模的一些发展,(1)传统的河道中线预测方法,根据高斯函数产生河道中线根据随机游走模型产生河道中线根据古水流轨迹产生河道中线,,示性纤维过程,示性纤维过程,★产生物体中心轴线的空间分布★将物体形态(沿轴线的宽、厚 特征)标注于各纤维之上。,★产生物体中心轴线的 空间分布,应用随机过程与图论相结合的方法,纤维类型:相类型纤维条数:相数量(各类纤维条数表示各相数量)纤维方向:相的主流线纤维长度:相的延伸长度纤维弯曲:主流线变化,纤维定义:,★将物体(相)形态(沿轴线的宽、厚特征) 标注于各纤维之上。,各相形态:形态单元、长(有限、无限)、 宽、厚、宽/厚比各相体积含量:约束各相数量与规模各相成因关系:排斥、毗邻、切割等单相复合体成因关系:并列、切割,从两点到多点地质统计学,应用训练图像而不是变差函数来表征空间多点的相关性算法具有基于目标和基于象元两种算法的优点,使模拟出来的储层模型不仅可以反映先验地质概 念(目标几何形态),而且可很容易地忠实条件数 据(井/地震数据),概念:多点统计学是表征空间多个点空间相关性的科学,训练图象,模拟实现(Snesim方法),迭代算法,非迭代算法,,模拟退火方法(Farmer,1989; Deutsch and Journel,1992)后处理迭代方法 (Srivastava,1992 )生长算法( Wang,1996 )应用神经网络的随机模拟(Caers and Journel,1998),,Snesim方法( Strebelle,2000),(序贯模拟算法),Simpat方法(Arpat,2003,2005),,迭代收敛运行机时,,不存在迭代收敛问题。使得多点地质统计学广泛应用于储层随机建模成为可能,多点地质统计学随机建模方法,多点地质统计学建立的一些储层地质模型,多点地质统计学建立的一些储层地质模型,多点地质统计学建立的一些储层地质模型,Seismic and well data,Training image,realizations,,,,,,,,,,,,,,,,多点地质统计学建立的一些储层地质模型,P(A|C),Training imageP(A|B),Single realization,Snesim获得的实现,SIMPAT模拟的一个实现,训练图象,模拟实现,
  石油文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:储层表征
链接地址:http://www.oilwenku.com/p-70589.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2016-2020 石油文库网站版权所有
经营许可证编号:川B2-20120048,ICP备案号:蜀ICP备11026253号-10号
收起
展开