• / 25
  • 下载费用:2 积分  

随机建模技术的研究、应用现状

关 键 词:
地质 储层 沉积 地化 层序地层
资源描述:
第二章 储层建模技术的研究、应用现状第二章 储层建模技术的研究、应用现状随机模拟技术是地质统计学的重要组成部分。本世纪六十年代初法国著名教授G. Matheron将传统统计学理论与区域化变量的概念相结合,发展出一套以变差函数为工具研究矿产矿化特征区域分布的数学技术。在其后的发展中,地质统计学先后出现了克里格技术和随机模拟技术。克里格技术的基本思想源于南非金矿工程师D.G. Krigin提出的一种矿产储量计算的方法。由于克里格技术在矿产储量计算中的广泛应用与快速发展,地质统计学出现后的相当长的时间内,人们基本上将克里格技术当作地质统计学的代名词。直到1978年A.G. Journel[70]博士在《Mining Geostatistics》一书中第一次提出随机模拟的思想。但在1985年之前随机模拟技术的模拟方法以非条件模拟为主,如转向带法(Turn Band Method)、傅立叶谱法和LU矩阵分解法等,在水文方面有一定程度的应用。同时,在石油储层和沉积地质研究中,少数作者使用了简单的点过程模拟,这一时期的高斯条件模拟仍然是估计和随机误差的模拟。到八十年代以后,条件模拟技术得到飞速的发展。在美国和欧洲石油界,各种方法和技术的理论研究与应用研究的文献大量问世,在1994年和1995年,仅国际石油工程师杂志(SPE)就有30篇以上。1996年SPE专门召开了随机模拟的会议。另外,AAPG和国际数学地质学会也召开了有关的会议。近几年来,国外商品化的随机模拟软件大量涌入中国市场,如Gocad、Rc2、Rms/ Storm等,大大加强了随机建模的可操作性,在很大程度上促进了随机模拟技术的推广和应用。在国内,随机模拟技术用于油气藏描述与表征,得到了一些应用。但总的来说,对随机模拟技术的研究,国内仍偏重于随机模拟技术的应用,对方法和模拟理论的研究很少。由于对随机模拟技术认识上的原因,随机模拟技术在国内油田现场的应用还未得到足够的重视。2.1 随机模拟基本算法油气储层本身是确定性的,它是千百万年来许多复杂过程(如沉积作用、成岩作用和构造变化)综合作用的最终产物,它存在并具有各种规模的潜在可测量的、确定的特征和性质(Haldorsen和Damsleth,1990[7]),同时又具有复杂性。这种复杂性引起各种尺度和规模的非均质性,如沉积相、成岩作用或断层等造成的流动单元的空间不连续性(宏观非均质性)以及在同一流动单元内的空间变化性(微观非均质性)等。但是,现有的资料不完善,储层结构空间配置与储层参数空间变化复杂,以至人们难以掌握任一尺度下储层的确定的真实的特征或性质。特别是对于连续性较差且非均质性强的陆相储层来说,更难以精确表征储层的特征。这样,储层描述便具有不确定性,储层预测结果便具有多解性,这必然造成储量估计、产量预测及采收率估计的不确定性。而这些不确定性紧密联系着开发方案、投资决策等重大经济活动,如果以此决策便具有风险性。为此,人们广泛应用随机模拟方法对储层进行模拟和预测。2.1.1 随机模拟方法的分类随机模型是指具有一定概率分布理论、表征研究现象的随机特征的统计模型。随机建模方法出现的种类较多,据赖泽武统计已近20余种。许多学者对随机模拟的方法从不同的角度进行了分类,如Haldorsen和Damseleth (1990[7])、Alabert和Modot(1992[10])、Deustch和Journel (1992[8],1996[31])以及Srivastava(1994[32]),共有以下五种分类:按数据分布特征分:高斯模拟和非高斯模拟;按变量类型分:离散变量的模拟和连续变量的模拟;按模拟的数据条件分:条件模拟和非条件模拟;按模拟的实现过程分:基于目标的模拟和基于象元的模拟;按使用变量的个数分:单变量模拟和多变量协同或联合模拟。吴胜和(1998[21])从实用角度入手,综合考虑随机模型和实现算法,将随机模拟方法进行如下综合分类(表2-1)。表2-1 随机模型、算法及方法(吴胜和1998) 算法及模型 随机模随机模型 拟方法序 贯模 拟误 差模 拟概率场模 拟优化算法(模拟退火及迭代算法)模型性质基于目标的随机模型标点过程(布尔模型)标点过程模拟(应用模拟退火或迭代算法)离散基于象元的随机模型高斯域序贯高斯模拟LU模拟转向带模拟概率场高斯模拟(优化算法可用作后处理)连续截断高斯域截断高斯模拟截断高斯模拟截断高斯模拟(优化算法可用作后处理)离散指示模拟序贯指示模拟概率场指示模拟(优化算法可用作后处理)离散/连续分形随机域分形模拟(优化算法可用作后处理)连续马尔柯夫随机域马尔柯夫模拟(应用迭代算法)离散/连续二点直方图(二点直方图很少单独使用,主要用作模拟退火后处理)离散多点直方图与优化算法结合使用离散随机模型首先分为两大类:基于目标的随机模型和基于象元的随机模型。基于目标的随机模型主要为标点过程(布尔模型),它一般应用优化算法(模拟退火或Metropolis-Hasting算法),进行离散物体的随机模拟。基于象元的随机模型包括高斯随机域、截断高斯域、指示模拟、分形随机域、马尔柯夫随机域以及二点直方图。高斯随机域、截断高斯域和指示模拟可应用多种算法,如将序贯模拟算法应用于高斯域,则构成序贯高斯模拟方法,概率场模拟算法应用于高斯域则产生概率场高斯模拟方法等。马尔柯夫随机域和二点直方图模型则主要应用优化算法(Metropolis算法或模拟退火)。2.1.2 基于目标的随机模拟方法(Marked point processes)标点过程最早源自于原英国BP公司Haldorsen(1983)的开拓性的工作,当时他采用Boolean 模型模拟砂岩油藏中的泥岩分布,他所设计的算法得到了广泛的应用,Augedal、Omre 和Stanley(1986)、Gundes 和Egeland(1990[33])、Damsleth等(1992[34]) 在油藏建模方面提供了实例研究。布尔模拟主要用于储层结构和储层相模型的建立,其出发点是从成因的意义上创建目标模型,目标模型可体现储层结构的基本几何形态。基本思路是根据点过程的概率定律按照目标模型在空间中的分布规律,产生这些目标的参照点(如中心点)的空间分布,然后在参照点处模拟目标模型的基本要素参数如目标的几何形状大小、方向等。这个过程常被称为标点过程,在模拟过程中需模拟两方面的内容:目标模型在空间的分布和目标模型的几何形态,在某种意义上说布尔模拟是一种联合模拟方法。在布尔模拟出现以后的相当长的时间内,仅用于非条件模拟,为了使布尔模拟忠实于井数据,很多学者对布尔模拟进行了改进。其中影响最大的是Haldorsen等(1983)提出的基于Germ-Grain模型的条件布尔模拟方法,并成功用于模拟砂岩储层中的泥岩分布。这种方法将储层中的砂体分为过井砂体和井间砂体,并采用不同的方法分别模拟这两种不同位置的砂体。但这种方法是在假设井中的砂泥比等于储层的砂泥比的条件下进行的,所以会带来一些缺点和不足。Roderik等(1996[35])曾从统计学的角度分析了上述假设带来的缺陷:(1)过井砂体的长度偏小;(2)随机模拟结果中的砂泥比总是大于先验砂泥比的期望值。Haldorsen等提出的条件布尔模拟的基本思想和基本实现方法是其他学者进行研究的基础。近年来,有些学者在将布尔模拟(标点过程)有针对性地引入到河流相储层结构的模拟中,并逐渐实现了三维空间的条件布尔模拟。Clayton V. Deutsch和Libing Wang(1996[36])提出的分级的目标随机模拟方法,建立了辫状河流储层的储层结构模型,他们将储层分成小层、河道复合体和河道三个层次逐级进行模拟,将布尔模拟同储层特征和储层成因有效结合起来。L. Holden和R. Hauge等(1998[37])将河流相储层的条件布尔模拟进一步细化,利用标点过程有效表征了河流的河道、决口扇、心滩和背景相等四个微相目标模型的分布,并结合模拟退火算法提出一套河流相储层随机模拟的新方法。综合地震资料的布尔模拟是另外的一个研究方向,Tyker等(1994[38])和Tjolsen等(1996[39])综合地震响应信息用布尔模拟的方法建立相模型。布尔模拟在裂缝的模拟中也取得一定进展,模拟中裂缝被简化为具一定方位和一定长度的椭圆盘。作为一种面向对象或基于目标的模拟方法,标点过程具有其独有的优点:使用灵活,一些先验的地质知识可以容易的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地综合地质家的认识。另外,从数学上来说,空间数据不要求服从某种分布。2.1.3 基于象元的随机模拟方法基于象元的随机模型主要有高斯模型(包括序贯高斯模拟、截断高斯模拟等)、指示模型(主要为序贯指示模拟)、分形模拟方法、马尔柯夫域模拟等[31]。1. 高斯模拟方法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)。如果连续的空间随机函数是数目并不太多的一些具有类似空间分布的随机函数之和,那么这种随机函数的空间分布就能用多元的高斯随机函数模型来模拟。这一原则并不在于各个组分具有相同的分布和数目,而在于各个组分之间是相互独立的。由于高斯模拟中要求所模拟的随机函数的PDF(概率分布函数)为正态分布,因此,整个模拟过程被极大的简化,只需序贯地确定一系列的CCDF(条件累积概率分布函数),整个模拟过程就被简化为解一系列克里金方程组。在实际应用中,由于大多数地质数据并非是对称高斯分布的,可首先将区域化变量(如孔隙度、渗透率)进行正态得分变换(变换成高斯分布),模拟后,再将模拟结果反变换为区域化变量。对于符合正态分布的变换后随机变量,可以容易地通过变差函数获取变量的CCDF。从CCDF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、概率场模拟等,实际中经常应用序贯模拟,即为序贯高斯模拟。序贯模拟同许多随机模拟的方法相同都是通过从条件分布中抽取变量Z(u)的值来实现某一位置u处的模拟,但序贯模拟的思想将这种条件进一步扩展到u附近的所有点,包括条件数据点和模拟过的数据点。序贯高斯模拟是应用较为广泛的连续变量的模拟方法。从算法来讲比较稳健,对于分布稳定的数据实现速度很快。但高斯模型并不太适合极值具方向性的连续变量(如渗透率)的模拟。另外,序贯高斯模拟对输入的变差函数具有明显的依赖性,而变差函数的准确求取并非易事,特别在处于勘探阶段的油藏或储层,井点数据较少,若没有其它信息的协同很难得到稳定的变差函数。同时对于结构复杂的储层,仅由间距较大的井点数据求取的变差函数表征不了储层的实际变化,这是序贯高斯模拟很少用于储层结构模拟的一个重要原因。另一方面也说明,对于复杂结构储层的参数模拟,没有地震等信息的协同,要实现相控模拟是比较困难的。2. 截断高斯随机域截断高斯随机域属于离散随机模型,用于分析离散型变量或类型变量。模拟过程是通过一系列门槛值及门槛规则对三维连续变量进行截断而建立类型变量的三维分布。F(u)=i 如果ti-1(u)<Z(u)<ti(u) (式2-1)其中F(u)是类型变量(或相),Z(u)是高斯域,ti(u)是位置u 处的门槛值。门槛值可通过实际资料的统计而获得。根据地质规律,可限定门槛趋势,如在不同深度或平面上不同位置给定不同的门槛值。位置决定门槛值就如同每种相的变化比例作为位置的函数。截断规则如下:设n种岩相可用每一种岩相的一个条件函数来描述。对于第i种岩相,其指示值可用高斯随机函数来定义: (式2-2)因此,点x属于第i种岩相当且仅当。其中,为截断值。如果这些区间不相交并覆盖了整个实数空间R,则可定义函数: (式2-3)因此在位置n处取值I,当且仅当该位置属于相I,即: (式2-4)在截断高斯模拟中,有两个关键步骤,首先是建立三维连续变量的分布,然后通过门槛值及门槛规则对连续变量分布进行截断以获得离散物体的模拟实现。通过对离散物体(如不同沉积相)的编码并进行高斯域模拟,可得到三维连续变量的分布。由于离散物体的分布取决于一列门槛值对连续变量的截断,故模拟实现中的相分布将是排序的。即被模拟类型变量的顺序是固定的,例如,假定三种类型相A、B、C,那么仅允许相序是ABCBCBA,而相序AC或ABCA不允许,因为该算法不允许产生不连续的序列。这种限制在某些情况下有用而在其它情况下则是缺陷。3. 序贯指示模拟指示模拟既可用于离散的类型变量,也可用于离散化的连续变量的随机模拟。该方法无需假设原始样本服从正态分布,而是通过给出一系列的门槛值,估计某一类型变量或离散化连续变量低于某一门槛值的概率,以此确定随机变量的分布。该方法最大的特点是变量的指示变换。序贯指示模拟是指示模拟的典型代表,是一种应用比较广泛的随机模拟方法。既可用于连续变量的模拟又可用于离散或类型变量的模拟。该方法不受正态分布假设的约束,是通过一系列的门槛值,估计某一类型变量或离散化的连续变量低于某一门槛值的概率,以此确定随机变量的分布。序贯指示模拟实现的关键技术是指示变换、指示克里格和序贯模拟。所谓指示变换就是将原始数据按照不同的门槛值,编码成1或0的过程,假设在X处的参数Z(x),对门槛值为Zc的指示变换可写成: (式2-5)那么: (式2-6)指示变换也可以用于对一些定性的或类型变量进行变换,如某层砂岩出现为1,不出现(即出现其它岩石类型)为0;也可以是地质家的解释和推断,因此,可把不同种类和精度的信息都转化成1和0的数据,从而可以进行数据综合。指示克里格法又称之为概率克里格法,它与其它克里格的不同之处就在于,它不是用来预测某个具体值,而是作指示预测。对未知数预测通常用不等权加权法: (式2-7)其中为权系数,可通过解下列方程系而求得: (式2-8)就某一位置而言,对每个门槛值,都对应一个这样的方程系。而实际上,在变量变化范围内,可用K个门槛值Zk(k=1, …, K)对该范围进行离散化,因此在每处要解K个方程系才能求出离散的累积函数 F(zk|x(n)), 才能对不确定性进行评价。在[ZK ,ZK+1]之间的累积概率密度函数值可以通过线性插值或其它方法而求得。指示模拟最大的优点是可以模拟复杂各向异性的地质现象及连续分布的极值。对于具有不同连续性分布的类型变量(相),可指定不同的变差函数,从而可建立各向异性的模拟图像。指示模拟除可以忠实硬数据(如井数据)外,还可忠实于软数据。然而,指示模拟也存在一些问题。其一,模拟结果有时并不能很好地恢复输入的变差函数;其二,在条件数据点较少且模拟目标各向异性较强时,难以计算各类型变量的变差函数;其三,同所有的基于象元的随机模型一样,指示模拟也不能很好地恢复指定的模拟目标的几何形态(尤其是相边界),一些类型变量以一个或几个象元为单元零星地分布。4. 概率场模拟为了节省机时,将局部CCDF的估计与概率场的模拟分开。用一个模拟的反映空间相关性的概率场来对局部累积分布函数(LCCDF)作后处理,LCCDF可由任何估计方法获得。在概率场模拟中,用于从LCCPD上采样的的概率值是互相关的。在概率场模拟中,用户自己可以控制相关性,通常利用同一空间相关模式作为被模拟参数的相关模式。空间相关的概率场可以利用任何非条件模拟的技术诸如转向带法、分形法和移动平均法等等。所要作的修改是将这种方法得到的结果从钟形正态分布转换为均匀分布。5. 退火模拟模拟退火(SA)技术是把最优化问题与统计力学热平衡问题进行类比得来的。退火模拟技术是一种最优化技术,它能对基于实验和误差处理的随机函数构造其候选的、随机的实现。目的是要在很多成份的系统中找出最优排序,这种最优排序使得系统整体能量或花费或目标函数最小,在储层随机建模中,这种成份可以是储层的属性,如孔隙度和渗透率。模拟的退火处理过程(SA)的关键步骤是使模拟的节点统计量和目标值之间的偏差达到最小。描述这种偏差的函数通常称为目标函数。退火模拟(SA)是减少目标函数的过程,使之达到或低于预先置定的水平。处理的目的是使创建的模拟图像所具有的一些特性与预先限定的条件非常接近。退火模拟需要有一个原始的随机模型,它已经满足了主要的原始条件。然后,交换一对模拟节点(不包括原始数据点),这个模型会因此受到扰动。重新计算扰动后的目标函数,如果它减小了,被交换的图像将保留。相反,被交换的图像就被舍弃。这一实验和误差处理过程一直继续下去,直到目标函数值满足最小的预先置定量为止。模拟退火是现在应用最为广泛的优化模拟算法,几乎所有的非传统地质统计学的随机模型均采用这一算法,如布尔模拟、马尔柯夫模拟、二点直方图、多点直方图等。同时在以变差函数模型为基础的模拟退火模拟(如GSLIB中的SASIM程序)中也用到该算法。模拟退火的另一个应用是对高斯模拟、指示模拟等随机模拟结果进行后处理(如GSLIB中的POSTSIM程序)。模拟退火的目标函数可包含以下几种信息:变差函数、统计特征参数、变量的相关性等;条件概率;两点直方图和多点直方图的统计信息等;岩性或相的比例参数、模拟目标的几何形态等;试井和生产动态信息等。对模拟退火的早期研究主要集中在对模拟图象的后处理和优化以及恢复储层参数的空间结构连续性方面。这些研究中模拟退火的目标函数成分单一,同时在模拟中目标函数的更新采用快速算法,所以运行速度并未得到足够的重视。但在生产中后期,由多来源信息构成的目标函数的计算较慢,所以一些学者对模拟退火技术在应用中的几个关键问题进行了论述(Deutsch C.V.等,1998[41]),并提出一些新的扰动机制(Deutsch C.V.和Perry等,1994[42])和优化准则(Goovaerts P.,1996[43],1998[44]),进一步加强了模拟退火技术的适用性。除了对地质统计参数的优化,模拟退火可对试井、生产动态信息进行优化处理(Sen M.K.,1995[45]),并被用于油藏的数值模拟中(Kinight等,1990;Sultan,1994)。6. 分形模拟分形几何是一门几何学,它研究的对象是欧氏空间的一类子集。如果说欧氏几何是研究规则图形的几何学,那么分形几何学则是研究不规则图形的几何学。自从Mandlebrot最早引入分形概念以来,分形得到了广泛的应用。在D维欧氏空间中,特征线度为rn的物体(fragments,也称为碎片)的数目Nn可表示为: (式2-10)C是比例常数,D称为分维数。分维数可能为整数,这时它与欧氏空间的维数是等价的。但一般来说,分维数不一定是整数,而是个分数,这就是分维数一词的由来。获取分维数的关键于获得赫斯特指数(H),它与分维数的关系为:H=2-D (式2-11)赫斯特指数反映分形体变化的剧烈程度。分形建模的关键是选用随机分形插值方法,常用的有中点位移法、序贯随机附合法和傅利叶变换法等,得到一系列的模拟实现。分形随机域的最大特征是其自相似性,即局部与整体相似。在分形模拟中,主要应用统计自相似性,即任何规模上变量的变化与任何其它规模上变量的变化相似,亦即任一规模上变量的方差与其它规模上变量的方差成正比,其比率取决于分形维数(或间断指数)。Hewett(1986[46])将分形随机域引入岩石物理参数的随机模拟,其基本理论为分数布朗运动和分数高斯噪音。Painter(1995)在分形随机模拟中引入了Levy—稳态概率分布,避免了高斯分布的假设,可用于成层性很强的地层条件下随机变量的分形模拟。分形模拟一般采用误差模拟算法,其模拟实现为克里格估值加上“随机噪音”。分形随机域最引人注目的特征是其自相似性,这也是它最大的优点。在确定随机变量符合分形特征后,便可根据自相似性原理应用少量数据预测整个模拟目标区的变量分布。然而,在分形模拟的应用中,一定要注意如下几点:(1)检验待模拟变量是否具有分形特征。值得注意的是,由于地质情况的复杂性,不同规模的地质特征受控于不同的地质控制因素(如砂体规模的渗透率受控于沉积相和成岩相的空间展布,而层理规模的渗透率受到层理性质及局部成岩作用的强烈影响),因此在地质特征很复杂的情况下,很多地质变量并一定符合分形特征。(2)检验垂向与平面上的分形特征的差别。在很多分形模拟的应用中,由于数据点比较稀少,往往借用垂向分形维数代替平面分形维数。虽然很多学者认为垂向与平面上的分形特征相似,但值得注意的是,当模拟目标区纵横向相变不符合沃尔特相序时,垂向和平面上的分形特征肯定是有差别的。分形技术引入非光滑的随机插值,从总体上反映了储层参数的非均质特征。分形技术建立的储层模型既能反映储层宏观变化趋势,又能反映其内部非均质性变化。当然,分形预测所追求的是给出储层参数的非均质结构与真实情况的逼近,而不是逐点的数据相等。武涛等(1999[47])利用分形技术对我国张家口地区辫状河砂体进行过研究。练章贵等(1998[48])利用分数高斯噪声(fGn)法和分数布朗运动(fBm)法描述井间地层特征。7. 马尔柯夫随机域马尔柯夫随机域既可用于离散变量,又可用于离散化连续变量的随机模拟。马尔柯夫随机域的基本性质是某一象元类型变量的条件概率仅取决于邻近象元的值。在实际应用中,条件概率常表达为邻近象元之间相互关联的指数函数。模拟算法常采用迭代算法(如Metropolis-Hastings算法),即开始时给定一个非相关的初始图像,然后逐步进行迭代,直到满足指定的条件概率分布为止。为了避免马尔柯夫随机域条件概率依据局部邻区的缺点,90年代初又出现了半马尔柯夫随机域(Tjelmeland and Holen,1993),该模型用于相和岩性模拟。在该模型中,象元岩性不是取决于局部邻区,而取决于较大的区域。输入参数包括类型变量的分布范围、边界关系、各类型变量的含量等。最近,Steven、Carle和Craham E.Fogg等(1997[49])在马尔柯夫模拟方面的研究取得了较大的进展,提出一套一维和多维的连续步长的马尔柯夫模拟方法,将3D连续步长马尔柯夫模型应用于随机模拟。马尔柯夫随机域及半马尔柯夫随机域可用于镶嵌状分布的相(或岩性)的随机模拟以及单一类型的相或岩性分布(如砂体内钙质胶结层的分布)。虽然这类模型广泛应用于图像处理和统计物理学,但由于地质情况的复杂性,因而在实际地质应用中该模型存在很大的不足:其一、条件概率的确定相当复杂,特别是在条件数据有限时更为困难;其二、难以很好地恢复相的几何形态;其三、难以应用软数据(虽然很容易忠实硬数据);其四、模拟收敛很慢。因此,目前这类模型应用很少。8. 二点直方图二点直方图主要用于类型变量的随机模拟。它属于二点统计学范畴,其主要特征是在空间范围内二个相距一定距离的象元分属于不同类型变量的转换概率分布。在特定偏移距所有两元类型变量的转移概率即构成二点直方图模型。二点直方图模型主要应用优化算法(如模拟退火)进行随机模拟。由于转换概率的计算在条件数据有限时很难进行,因此在实际应用中要求一个与待模拟地区地质条件相近的、数据密度较高的模拟原型(或叫待训图像)。二点直方图可用于镶嵌状分布的沉积相(或岩性)随机模拟,亦可用于只有二个相存在的条件下沉积相的随机模拟。在实际应用中,二点直方图常应用于模拟退火中作为其它随机实现的后处理。这种方法亦不能很好地恢复相的几何形态。9. 多点直方图由于二点直方图存在一些缺点, Qiu W.Y.和Kelkar M.G.(1995[50])将多点直方图法用于地质模型的随机模拟中。多点直方图是由 Deutsch和Journel提出的。与二点直方图法相比,它可以利用更多的信息而且可以对信息进行更详细的描述与表征。可以实现对多个相的随机模拟,同时在裂缝和层理构造等复杂目标体的模拟方面有独到之处。2.2 随机模拟技术在油田勘探开发中的应用现状综合各种文献,随机建模技术在油藏描述中主要用于研究以下问题(文健,1994[16],1998[51]; 其他):2.2.1 建立储层格架模型(相带展布、砂体分布)对于沉积相、岩相的随机模拟可利用布尔模拟、概率场模拟、模拟退火、截断高斯方法、序贯指示模拟等。RMS/STORM中的FLUVIAL模块可建立河流(辫状河)-三角洲体系的储层格架模型)Bakke等人(1996[52])在建立了浅海砂岩中方解石隔层空间分布原模型的基础上利用BP公司改进的指示模拟程序(SISTR)来模拟目标的几何形态。随机模拟受层序地层学和先验地震数据约束。对河流相储层最初进行的研究源于Sbirre油田的可行性研究。在这里,布尔方法得到了发展和测试(Clemetsen等人,1990;Stanley等人,1990;Henriquez等人,1990)。该方法被地质家和工程师们积极地接受,并进行了进一步的试验和开发(Tyler等人,1992)。截断高斯模拟(Matheron等人,1987)用于模拟前积滨岸的相带(MacDonald等人,1991[53])。Markov随机域(Tjelmeland和Omre,1992)用于描述和模拟三角洲平原环境下的储层结构(Tyler,1993)。Tjolsen等(1996[39])通过建立波阻抗与河道砂的关系(低阻抗地区出现河道的概率大,而高阻抗地区出现河道的概率小),将地震资料用于河流相带的随机模拟中。McKenna(1994[54])对非数值数据(如相带)用指示门槛值将它们分成各指示类(如可用一想象中的门槛来区分砂和泥质砂岩)。利用分级的(Hierarchical)基于目标的随机建模技术,建立离散型模型,用以表征储层单元或沉积(微)相组合格架的连续性(Deutsch,Wang,1996[55])。河流相储层常具极其复杂的结构,高渗的砂岩、低渗的粉砂岩、泥质砂岩和泥岩往往混杂在一起。有时成岩作用、胶结作用使储层的连通性更加复杂。因此了解砂体的连通性,对获得油气储层的生产动态有着重要意义。利用随机模拟技术,对砂体的连通性研究是一个有效的方法。把河道砂体看成是镶嵌于不渗透性岩性中的一个个几何形体,在对已知砂体或露头砂体信息采集的基础上,利用随机标点过程产生砂体分布的等可能实现。研究表明:当砂体的有效厚度低于某个特定值后,砂体不具有连通性。当有效厚度大于某个特定值,连通性有较大的提高,然而有效渗透率的增加却比较缓慢。而且,将渗透理论用于不同观察尺度时,连通性和传导性随着井跨度的增加而减少。2.2.2 建立储层物性参数(如有效厚度、孔隙度、渗透率、流体饱和度等)的分布模型可用于岩石物性的不同模拟算法有矩阵方法(LU分解)(因受矩阵大小限制而用得不多)、转向带法(因人为性较大和不易忠实于局部数据而用得不多)、退火方法(变得流行起来,尤其用于渗透率的模拟)、序贯模拟(广泛应用,推荐用于条件模拟)。Hewett和Deutsch(1995[56])认为储层参数模拟时可采用从最连续、相关性最好的变量开始的次序;用基于同位协同克里格的高斯模拟综合同位的地震数据进行孔隙度的模拟,综合同位的地震数据及模拟的孔隙度进行Kh的模拟。Araktingi等(1992[57])详细论述了综合地震和测井资料进行储层物性参数建模的方法、步骤,从方法、结果方面比较了基于外部漂移克里格的模拟和基于Markov-Bayes标定的协同模拟,认为结合地震资料可减少地质参数分布的不确定性,基于Markov-Bayes标定的方法比未经标定的外部漂移方法更能定量反映地震数据对一级变量的局部概率分布的影响。Almeida(1994[58])利用Markov型假设下的同位协同高斯模拟,基于35口井资料,建立了白垩系储层的孔隙度和渗透率模型。Meehan和Verma(1995[59])研究低渗储层时,发现各类砂岩的孔隙度与泥质含量之间具有良好的相关性和交叉变差函数,便考虑对孔隙度采用Markov-Bayes模拟,视泥质含量为软数据;建立含水饱和度模型时以泥质含量和孔隙度为软数据。结果发现利用了含水饱和度与泥质含量和孔隙度的线性相关性后可以减少机时,且结果与模拟结果相似。Chambers(1994[60])利用地质统计学中的外部漂移方法综合3-D地震数据进行油藏描述并用于西得克萨斯二叠盆地碳酸盐岩、碎屑岩交互储层。结合地震反射振幅反演得到的波阻抗一起来估计井间孔隙度。对比结合地震前后的克里格插值时,认为当加入地震信息后,插值的不确定性大大降低了。研究中他设计了三种实例(7,14,55口井的情况)来模拟油田生产中的三个阶段(1)勘探晚期评价阶段;(2)开发阶段;(3)成熟生产阶段。还研究了综合二级数据-地震振幅对模拟的影响,Doyen(1988[61])利用协同克里格结合地震和井点处的岩石物理参数(孔隙度)来研究孔隙度的分布。并与普通克里格、线性回归的结果做了比较。认为协同克里格方法可以提高孔隙度模型的准确性。Wolf(1994[62])利用具有外部漂移的克里格(KED)来结合砂岩的峰振幅来模拟油砂厚度。认为协克里格计算机开销大,交叉变差函数难求,KED在实际中更易实现,可作为它的一级近似,且二者几乎无差别。Yang(1995[63])利用序贯高斯模拟模拟孔隙度时综合了地震振幅和反演的波阻抗数据。Perez等(1997[64])利用基于连续随机加法(SRA)的分形方法来研究了井间孔渗的变化。认为储层内孔隙度渗透率的垂向变化可用高Hurst指数的分形高斯噪音(fGn)来描述,横向变化可用低Hurst指数的分数布朗运动(fBm)来描述。2.2.3 建立断层或裂缝分布模型Hewett(1994[66])认为分形几何为表征裂缝系统中观察到的各种尺度上的间断性和丛聚性提供了良好的框架。脆性岩石的多级次模型可产生块体和裂缝长度的分形分布。Gringarten(1996[67])在考虑了裂缝扩张和相互作用的地质和力学特征的基础上提出了一种模拟裂缝的混杂型(目标和象元算法相结合)方法。该方法主要依赖于裂缝密度,要求事先确定裂缝系、裂缝密度、裂缝密度与长度的关系和裂缝方位,然后对每种方位的裂缝单独进行模拟。模拟中假设裂缝具矩形特征(裂缝的边平行裂缝轴,定义扫描线密度(与裂缝系主方向正交的扫描线相交切的裂缝个数),同时考虑构造期次和裂缝的级次。Wang Libing(1996[68])提出一种基于优化的多点统计方法—生长算法来模拟长变程结构和曲线结构(如裂缝、交错层理)。通过从一个虚拟的储层参考图象上提取多点统计特征,利用该算法恢复参考图象的多点统计特征(多点直方图)。方法类比地质加积过程和随机过程来限制任意阶段序贯模拟适当节点的随机路径。布尔模拟在裂缝的模拟中也取得一定进展,模拟中裂缝被简化为具一定方位和一定长度的椭圆盘。多点直方图可以实现对多个相的随机模拟,同时在裂缝和层理构造等复杂目标体的模拟方面有独到之处。此外,也有人用指示模拟方法来模拟裂缝。在优秀的随机建模软件RC2中,将神经网络方法和模糊逻辑相结合来进行储集层裂缝的研究和预测。总之,这方面的研究工作有待进一步深入。2.2.4 不确定性评价和风险分析油藏随机模拟实现的一个重要用途是进行油藏不确定性评价。利用随机模拟实现进行油藏不确定性评价目前有三个主要的环节:A. 随机模拟实现的排序;B. 地质不确定性向油藏动态评价中的不确定性评价转化;C. 油藏不确定性向油藏经济评价的不确定性转化。随机模拟实现的排序目前有两个主要的研究方向:a.通过计算三维模型的连通体积,按体积的大小排序,这是一种静态法;b.用快速的单相流动模拟程序(如TraceFlow、StreamLine等)计算各个模拟实现的生产响应,然后对生产响应进行排序,此法为动态法。在对油藏进行风险评价时常采用第一种方法,而第二种方法则常用于油藏的生产行为评价和预测。利用随机模拟实现对油藏的动态评价中的不确定性进行预测,是一个将油藏的地质不确定性转化为油藏生产响应的不确定性的过程。Rballin P.、Journel A.G.、Aziz K.等(1992[69])在这个方面进行了详细的研究,并提出一种新的思路和方法:利用快速模拟(FS)对随机模型进行排序,选出几个实现进行油藏流动模拟,产生油藏生产响应的近似概率分布。并且利用损失函数对油藏开发进行风险分析。地质和生产的不确定性如何转化到油藏经济评价的不确定性,是一个涉及领域较广的研究方向。尽管在一些环节上还并不很成熟,但目前已有一些成套的技术和流程,如以商业化建模软件GOCAD为开发环境的JACTA已实现综合地质、地震解释、测井解释、储层信息等多方面不确定性的油藏经济评价模块。总体而言,随机模拟实现在油藏不确定性评价和风险分析中的应用研究尚不完善,在某些环节上甚至还很薄弱。国内在这一方向的研究目前还是空白。2.3 储层随机模拟技术目前的研究前缘2.3.1 协同模拟方法的研究储层建模技术一般仅用硬数据(岩心数据、测井数据等)来表征储层的非均质性,但是由于井仅占储层体积的一小部分,因此井间的信息无法预测,所以建立的模型还具有较大的不确定性,特别是在井数据比较少的地区,这种现象更为明显。在油藏的随机建模中,可用信息较多:有地质信息、地震信息、测井信息、生产、试井信息等。在随机建模的发展过程中,人们采用了各种各样的方法以求尽可能多地利用好各种信息。1. 地质信息的协同对地质信息的协同,是地质领域随机模拟技术最重要、最直接的的环节。但地质信息多是定性的或半定量的信息,在随机模拟中多需要通过概念模型、约束规则和描述性参数等来实现约束。如对储层参数的相控建模、布尔模拟中输入的目标几何形态参数、河道带中心方向等。另外,在河流相储层结构模拟中需要更多的参数和规则约束。利用截断高斯场模型可有效结合层序地层学原理进行相建模。2. 定量参数的协同多元协同模拟方法最常用的方式是协同定量数据的建模,并且多选择相关性较好的参数(Jourel等[71], Vargas J.A.等, Ver Jay.M.等)。协同克里格是最早的用于协同模拟的克里格技术,但由于协同克里格在实现中计算复杂,同时协同克里格在应用中并没有达到提高预测精度的效果,所以现在已很少有人采用。但对协同克里格的一些改进算法,如马尔科夫—贝叶斯改进的协同克里格(Journel A.G.和Huazhu 1992[12])和同位协同克里格法(许文龙,1992[72]),在应用中取得了较好的效果,如今这两种方法以得到广泛应用,并被包含到一些成熟的程序(SgSim、SiSim等)和大型的软件中(如GOCAD、RC2等)。另一种多元克里格技术-因子克里格也得到较多的研究[73][74][75][76][77],姚婷婷等(1999[75])利用因子克里格对
展开阅读全文
  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。
关于本文
本文标题:随机建模技术的研究、应用现状
链接地址:http://www.oilwenku.com/p-70685.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