序贯高斯模拟资料
三维地质建模技术方法及实现步骤
3.2 地质建模的发展时期：克里金
(地质统计学克里金估值方法)
如地层压力、温度、饱和度、孔隙度等。
有时甚至稳定沉积体如三角洲前缘河口坝、席状砂的
渗透率分布也是可用的。
三、建立参数模型技术
确定性建模方法（Deterministic Modeling）
开发地震反演：
用地震属性（振幅、波阻抗等）与岩心（测井）孔 隙度建立关系，反演孔隙度。再用孔隙度推渗透率 ——已在普遍应用。只要应用时要对其不确定性程 度心中有数。
最重要的是新测井技术的发展和完善：
成像测井； 过套管测井； 随钻测井。
（二） 、建立层模型技术
目的：
建立储集体格架：把每口井中的每个地质单 元通过井间等时对比联接起来——把多个一维柱 状剖面构筑成三维地质体，建成储集体的空间格 架。
关键点：
正确地进行小单元的等时对比，即要实现单 个砂层的正确对比。可对比单元愈小，建立的储 集体格架愈细。对于陆相沉积难度更大。
随机建模方法。该方法应用了随机几何学中点过程理论。 点过程提供各种模型来研究点的不规则空间分布。这些点在空间上
的分布可以是完全独立的（如泊松点过程），也可以是相互关联的或排 斥的（如吉布斯点过程）。示性点过程则是一种特殊的点过程。
一个点过程，对其上赋予一个特征值（或称为一个属性、或示性） 时，就称为示性点过程。该方法在模拟地质体的空间分布是十分有用的， 它的基本思路就是根据点过程理论先产生这些物体的中心点在空间上的 分布，然后再将物体性质（如物体的几何形态、大小、方向等）标注于 各点上，即通过随机模拟产生这些空间点的属性，并与已知的条件信息 进行匹配。
StatMod软件手册
StatMod只适用于三维工区。
主要算法：1. Sequential Gaussian Simulation （序贯高斯模拟） SGS2. Sequential Gaussian Collocated Co-simulation (序贯高斯配置协模拟) SGCCS3. Sequential Gaussian Co-simulation (序贯高斯协模拟) SGCS4. Sequential Indicator Simulation （序贯指示模拟,岩性模拟） SIS5. Lithology masks (遮挡岩性指示模拟)6. Sequential Indicator Simulation with a trend (带趋势的序贯指示模拟) SIS with trend7. Stochastic inversion (随机反演)一 、Sequential Gaussian Simulation (序贯高斯模拟） :----只用井数据作一种曲线的随机模拟例如对某一层（layer)，用多井的孔隙度，进行 孔隙度的随机模拟。
一般需要15-20口井才会有效果分析：porosity first histogramfirst variogram(一) StatMod StatMod analysis …1、Input :(1) Variograms / transforms file … ( 键入文件名）simu.var(2) Trace gate … (3) Time / Depth mode … Time(4) Solid model … tdc1 ( 选EarthModel 的结果)(5) Layers … 选层(layer),例如：b.c 层(6) (作直方图分析）Well logs data …Model data …data …a) 选井文件：（选多个时域井文件）Log type : ( 选单一井曲线，如：porosity )出现 StatMod Transform 窗口Nr of intervals : 10 (直方图条数）出现直方图DoneUse automatic fitType Log – Ganssion （选任一种来拟By table 合分布函数）porosity_hist ( 存入simu.var )Assign current transform to selected layersOk Donee) Line width （置线条宽度）Title （写图名）Done(7)Data for variogram sampling and modeling --（作变异图分析）Primary data …Well log data ……a)选多个时域井文件选井曲线( porosity )，出现StatMod variogram 窗口Function注意：Indicator出现变异图）c) 可以扫描岩性的横向与纵向变化：（各向同性）（各向异性）（扫描储层的大致走向方向）Lateral Direction ( Azimuth )# of angles Angle Tolerance Bandwidth (m)Vertical Direction ( Dip ):Tolerance Bandwidth ( m )d) Anisotropy : Anisotropice) Okf)Func Type:可选 Gaussian或 Spherical来拟合数据点填写 sill 值与 x.y.z ( lag 值),可以反复调。
Jason手册a
前言JASON地学综合研究平台(JASON GEOSCIENCE WORKBENCH)为用户提供的跨越地震、地质、测井资料的综合分析研究工具，它可满足油气勘探开发不同阶段对储层的油气藏定量研究的需求。
JASON把不同学科的有效信息的融合作为客观存它的基石，最大限度地利用不同信息的优势，为用户提供符合不同学科信息的客观可靠的油气藏参数模型。
JASON软件的重要特点就是随着越来越多的非地震信息（测井、测试、地质）的引入，由地震数据推演的油气藏参数模型的分辩率和细节会得到不断的改善。
用户可根据需要，由JASON的模块构建自己的研究流程。
主要模块及功能如下：Enviaonment-Plus 运行环境及分析工具数据输入与输出（地震segy格式、测井las格式和层位ASCII格式）各种数据，各种方式的显示（井、层位、地震等的2D/3D显示）合成记录标定2D/3D解释（地震体与属性体解释）交会图/直方图分析三维立体显示与三维（地质/储集）体自动解释沿层、层间属性提取、沿层属性切片层位数据计算（平滑、加/减、拟合等）地层异常检测处理工具包（重采样、滤波、互相关等）等值线Wavelets 子波估算用多种技术估算地震子波（无井估算地震子波、单井或多井估算地震子波等）空变子波理论子波估算子波的振幅谱与相位谱计算平均子波VelMod 速度建模建立三维速度模型（用均方根速度，逐层的层速度编辑与平滑）时深转换，深时转换提供阻抗的低频模型EarthModel 地质框架模型构建以层为基础的地层框架模型生成以地层框架模型为基础的测井曲线内插模型提供用于地震反演的低频模型InverTrace 地震反演的储层与油气藏描述提供可靠的地震反演声阻抗数据体在地震反演声阻抗数据体上解释，可提高解释的精度和可靠性预测产层有效厚度和平均孔隙度InverMod 基于测井的精细储层油气藏描述StatMod 地质统计随机模拟与随机反演生成既满足测井资料和地质统计，又满足地震资料的储层/油气藏模型更准确地估算各种参数的不确定性，提供参数模拟的可靠性评定地质统计分析（直方图[油气藏参数的空间分布规律]，变差图[油气藏参数的空间相关性]）各种随机模拟与随机反演的算法：1.Sequential Gaussian Simulation （序贯高斯模拟）SGS2.Sequential Gaussian Collocated Co-simulation (序贯高斯配置协模拟) SGCCS3.Sequential Gaussian Co-simulation (序贯高斯协模拟) SGCS4.Sequential Indicator Simulation （序贯指示模拟,岩性模拟）SIS5. Lithology masks (遮挡岩性指示模拟)6.Sequential Indicator Simulation with a trend (带趋势的序贯指示模拟)SIS with trend7.Stochastic inversion (随机反演)8.Kriging/.CokrigingFunctionMod 数据分析变换工具Largo 测井曲线计算、正演与分析工具帮助用户分析测井曲线提供弹性反演所必须的横波测井资料提供利用测銰曲线判别流体的可靠准则RockTrace 弹性反演JASON （5.2）应用指南一、地震数据加载：3D道头 2D道头21 32 CDP number 21 32 CDP number13 32 line number 400 bytes line name73 32 X 73 32 X77 32 Y 77 32 Y109 32 first sample time 109 32 first sample time（一）3D磁盘文件加载(*.sgy)：Datalinks → Seismic/Property data → SEG-Y → Disk SEG-Y Import …1、Parameters …1) Create/edit SEG-Y format definition …→Definition name →Standard disk SEG-YSEG-Y dimension → 3DSEG-Y disk mode → CQuick verify settings →File name → List …→选 SEG- Y 文件显示3200字节卷头显示240字节道头找到道头中的关键字节的位置,然后填写有关字节的位置:CDP →CDP ensemble number (offset 21) → 21Line number→ Specify trace header position below→ 221X coordinate → Source X-coornate (offset 73) → 73Y coordinate → Source Y -coornate (offset 73) → 77XY unit → Manual override → m……2) Select / edit transport parameters …(1) Segy format 在 list 中点按 (2) → us(3) Time gate1500 --- 3500 ms( 4) Time of first sample 0 ms(5) 3D→ 选 test.sgy 文件(7）点按→Survey name Trace selectionCDP’s在 list 中键入 内部文件名(10) UnitOk✓Floating pointOverwrite ✓pAppend and overwrite overlap ✓Append and don’t overwrite overlap2、Transport →Import selected files （即全部输入）3、 File → Save and Exit（自动生成三维工区平面图和地震数据文件seis.mod ）（二）2D 磁盘文件(.sgy) 加载： (道头最好记录 CDP. X. Y…等信息)1、Parameters … (1) Select / edit transport parameters …步骤 1) 2) 3) 4) 同前5) 2D 2D lines → 选多个 *.sgy 文件给5) 一个个点亮 →--注意：2D 工区，如果道头没记 X.Y ：!! 道头有X.Y ，加载省事，自动生成平面图和地震数据文件 seis.mod 。
【国家自然科学基金】_序贯高斯模拟_基金支持热词逐年推荐_【万方软件创新助手】_20140730
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
科研热词 序贯高斯模拟 逆时偏移 裂隙网络 老爷庙 空间变异 空间分布 碳密度 碳储量 相控建模 盐丘 电导率 波动方程 构型建模 普通克里金插值 普通克里格 截断高斯模拟 序贯高斯协同模拟 序贯指示模拟 层控建模 多尺度分析 多信息约束 复杂断块 基于目标的模拟 地质统计学 土壤有机质 土壤剖面 协同模拟 冲积扇 储层 个旧锡矿 东一段 三维空间分布 gpu/cpu协同计算
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13
科研热词 高程 随机建模 空间分布 盐分 油藏描述 条件模拟 延长组 序贯高斯模拟 序贯高斯协模拟 土壤有机质 低渗透储层 不确定性评价 不确定性
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10
科研热词 黄土沟壑区 鄂尔多斯盆地 空kriging
推荐指数 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13
科研热词 推荐指数 半方差函数 2 克里格 2 随机模拟 1 随机模型 1 算法联系 1 空间变异测量 1 有机质 1 序贯高斯模拟 1 序贯高斯条件模拟(sgcs) 1 土壤cec 1 土壤 1 kriging插值 1 gis 1
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4 5 6 7 8 9 10
GOCAD讲义
GOCAD地质建模Gocad是以工作流程为核心的一款地质建模软件，达到了半智能化建模的世界最高水平，具有功能强，界面友好，易学易用，并能在几乎所有平台上（Sun, SGI, PC-Linux, PC-Windows）运行的特点。
以下通过一个简单的例子，说明GOCAD地质建模的主要过程。
第一部分 GOCAD的启动1、双击桌面上的Gocad启动图标，即可启动Gocad程序。
2、选择New project建立新工程，给工程起个名字，选择路径在文件夹Project中，点击保存，打开下图：3、选择Select All，点击OK即可。
4、弹出选择工程单位窗口如下。
此处选择平面上单位是英尺（Feet），深度单位也是英尺（Feet）；时间选择毫秒；深度方向选择向上为增大；z值是时间域或深度域，选择深度域（最终如下图）。
选择完后点击OK。
5、打开如下Gocad主窗口。
第二部分 GOCAD数据加载一、地震数据加载以SEGY格式为例，加载三维地震数据选择File > Import objects >Seismic Data > SEG－Y 3D as Voxet。
在Data文件夹下选择文件“tornado.sgy”，点击OK即可加载，如下图。
二、井数据加载1、井位数据加载不同的数据格式有不同的加载方法。
以普通的文本格式为例，包括井名、x坐标、y坐标、补心海拔、井深等。
（1）加载方式是：File > Import objects > Well data > （path）Locations from column-based File ，在Data\Wells文件夹中选择文件“WellPaths”，接受默认，按next两次，打开下图：（2）对问题What information do you have for the path? 选择X-Y-TVDSS-MD。
下来的两个问题各选Feet和Use a Column。
arcgis序贯高斯模拟详细操作流程
基于ArcGIS_10.0的地表高程序贯高斯模拟和地质统计建模1.数据需求：总共需要四个文件夹：即两个输入型文件夹和两个输出型文件夹，其中输入型文件夹包括一个存放原始数据的文件夹和一个存放shp格式数据的文件夹；而输出型文件夹包含一个存放简单克里金估计结果（dbf格式）的文件夹和一个存放序贯高斯模拟结果（dbf格式）的文件夹。
以及三个gdb数据库：即一个存放简单克里金输出结果（Table格式）的数据库，一个存放100次序贯高斯模拟的直接云图结果的数据库以及一个存放序贯高斯模拟输出结果（Table格式）的数据库。
（之所以需要给出简单克里金插值结果，是因为序贯高斯模拟只能在简单克里金插值结果的基础上进行计算和分析）2.数据关系1）Import_Surface_Data&Background_Grid_xlsx&txt文件夹：①Import_Surface_Data.xlsx（原始数据，包含位置坐标和属性值，供建立shp用）②Import_Surface_Data.txt（原始数据，包含位置坐标和属性值，供Surfer插值生成背景网格用以及后期和ArcGIS插值结果作对比）③Background_Grid.xlsx（只包含待插值点的位置坐标，一般来说插值高程的话为x，y；插值属性的话可以为x，y，z；）④Import_Surface_Data.grd⑤Output_grid_of_kriging_standard_deviation_from_surfer.grd⑥Out_import_Surface_Data.dat⑦Out_Transform.dat⑧Out_Convert.dat2）Import_Map_shp文件夹：①Import_Surface_Data.dbf②Background_Grid.dbf③Kriging_Estimation_Result_Second.dbf④Kriging_Estimation_Result_Third.dbf3）Export_Kriging_Result_shp文件夹：①Export_Output_Second.dbf②Export_Output_Third.dbf4）Extract_Simulation_Results_shp文件夹：1～100次的模拟结果（dbf格式），在此不详细列出5）Sequential_Gaussian_Simulation.gdb数据库：1～100次的模拟结果，在此不详细列出6）Export_Kriging_Result.gdb数据库：①Export_Output_Second②Export_Output_Third7）Extract_Simulation_Results.gdb数据库：1～100次的模拟结果（Table格式），在此不详细列出3.实施方案本文以广州龙头山表面高程数据为例，本次序贯高斯模拟总共含有3大步骤：A.首先需要建立基于龙头山表面高程原始数据的shp文件和利用Surfer软件生成的待插值背景网格节点的shp文件，其中需要通过Surfer软件先生成10m*10m的插值结果grd文件，在把其转换成dat格式文件,方便得到背景网格的shp文件；B.然后通过简单克里金对原始数据进行插值，在得到克里金插值结果的同时结合背景网格文件生成一个基于验证和预测的克里金插值结果shp文件，从中可以看到每个网格节点上的预测结果值与预测标准差；C.最后利用上述克里金插值结果来获得100次序贯高斯随机模拟的结果，其中包含每个网格节点上的最大值、最小值、均值和标准差等等，以及每一次模拟所生成的云图，并通过提取功能得到模拟的输出结果以便于后期外部处理和利用。
农田土壤表层饱和导水率的条件模拟
用模 拟结果 ，而不是 插值结 果 ．Ｒ ｓ ｕｓ ｏ对灌水 后 盐 分 的淋 洗情 况 进 行 了条 件 模拟 ，并 提 出 了台 理 的 灌溉 管理措 施 ．国内有 人 用 转 向 带 法 模 拟 了 土 壤 中微 量 元 素 的 空 间 分 布 和 水 盐 空 间变 异 性 的 监
测 ．
农业耕 作 所导 致的表 层饱 和导水 率 的差 异更大 ．因此 ，本文 以农 田土壤 表层饱 和导水 率 为例 ，应用 地 统计模 拟 中的序 贯高 斯方法 对其 进 行 了条 件 模 拟 ，并 将 条 件模 拟 与 克 立 格插 值 的结果 进 行 了对 比分
析．
收 稿 日期 ：２０ －Ｉ１ ００１ ３ 基 垒 项 目 ：国 家 重 点 基 础 研究 发 展 规 ｊ项 目 （ Ｉ９ １７ ９ 和 中澳 合 作 Ａ ＩＲ 项 目 （ＷＲｌ ６１４ ｌ Ｉ Ｇ ９￣ １０ ） ＣＡ Ｌ Ｉ ／６ ）资 助 ９
作 者简介：李保 国 （９４ ，男 、山西襄汾人 教授 ，博士 ，从事水土资探昔理 和赍再环境信息技术方面 柏研究和教学工作 １ 一） ６
维普资讯
１ 基 本 原 理
序贯模 拟 方法 是数理 统 计 中一种重 要方法 ，其 主要 特 点是样 本量 不 是固定 不变 的 ，而 是 随着分析 的进 行不 断调 整 ．序贯 高斯模 拟方 法 是 贝叶斯理 论 的一 个应 用 ，此 方 法根 据 现有数 据 计 算特 模 拟 点值 的条 件 概率分 布 ，从该 分布 中随机取一 值作 为模 拟现 实 ．每得 出一个 模拟 值 ，就把 它连 同原始数 据 、此前 得 到 的模 拟数 据一 起作 为条 件数 据 ，进入 下一 点的模 拟 ，因此 随着模 拟 的进行 ，条件 数据 集
地震反演方法概述
地震反演方法概述地震反演：由地震信息得到地质信息的过程。
地震反射波法勘探的基础在于：地下不同地层存在波阻抗差异，当地震波传播有波阻抗差异的地层分界面时，会发生反射从而形成地震反射波。
地震反射波等于反射系数与地震子波的褶积，而某界面的法向入射发射系数就等于该界面上下介质的波阻抗差与波阻抗和之比。
也就是说，如果已知地下地层的波阻抗分布，我们可以得到地震反射波的分布，即地震反射剖面。
即由地层波阻抗剖面得到地震反射波剖面的过程称为地震波阻抗正演，反之，由地震反射剖面得到地层波阻抗剖面的过程称为地震波阻抗反演。
叠前反演主要是指AVO反演，通过AVO反演，可以获得全部的岩石参数，如：岩石密度、纵横波速度、纵横波阻抗、泊松比等。
叠前反演与叠后反演的根本区别在于叠前反演使用了未经叠加的地震资料。
多道叠加虽然能够改善资料的品质，提高信噪比，但是另一方面，叠加技术是以东校正后的地震反射振幅、波形等特征不随炮检距变化的假设为基础的。
实际上，来自同一反射点的地震反射振幅在不同炮检距上是不同的，并且反射波形也随炮检距的变化而发生变化。
这种地震反射振幅、波形特征随炮检距的变化关系很复杂，主要原因就在于不同炮检距的地震波经过的地层结构、弹性性质、岩性组合等许多方面都是不同的。
叠加破坏了真实的振幅关系，同时损失了横波信息。
叠前反演通过叠前地震信息随炮检距的变化特征，来揭示岩性和油气的关系。
叠前反演的理论基础是地震波的反射和透射理论。
理论上讲，利用反射振幅随入射角的变化规律可以实现全部岩性参数的反演，提取纵波速度、横波速度、纵横波速度比、岩石密度、泊松比、体积模量、剪切模量等参数。
叠后地震剖面相当于零炮检距的自激自收记录。
与叠前反演不同，叠后反演只能得到纵波阻抗。
虽然叠后反演与叠前反演想必有很多不足之处，但由于其技术方法成熟完备，到目前为止，叠后反演仍然是主流的反演类型，是储层预测的核心技术。
介绍几种叠后反演方法：1）道积分：利用叠后地震资料计算地层相对波阻抗（速度）的直接反演方法。
反演方法综述
几种常用的反演方法综述一、稀疏脉冲反演(C onstrained Sparse Spike Inversion)1、原理：①首先假设地下地层的波阻抗模型所对应的反射系数序列模型是稀疏的，即由起主导作用的强反射系数序列和具有高斯背景的弱反射系数序列叠加而成。
②将地震记录与子波进行稀疏脉冲反褶积得到地层反射系数，一般是使用最大似然反褶积求得一具有稀疏特性的反射系数序列Ri。
根据①的假设可以导出最小目标函数：R（K）为第一个采样点的反射系数，M 为反射层数, N为噪音变量的平方根，L 为采样总数，ƛ根据目标函数，对每一道，从上到下推测反射系数的位置点，判断反射系数的幅值大小。
如此反复迭代修改每个反射系数的位置和幅度，使最后的修改误差最小符合似然比值的判别标准即可，这样就完成了一道的反褶积，得到该道的反射系数的分布。
③通过最大似然反演导出波阻抗Zi 反演公式为Zi=Zi-1*[(Ri+1)/Ri].具体的计算方法是稀疏脉冲序列每次建立的反射系数为一个脉冲，然后在地震资料中提取子波与初始反射系数进行褶积，得到一个初始合成地震记录，并用此合成地震记录与实际地震纪录作对比得到他们之间的残差，利用这个残差的大小来修改反射序列中脉冲的个数再次进行褶积运算，得到新的合成地震记录，再与实际地震资料对比，就这样循环迭代，直到残差达到最小，最后得到一个与实际地震资料达到最佳逼近的合成地震记录，获得宽频带的反射系数。
图1 稀疏脉冲反演每次建立反射序列为一个脉冲，增加脉冲进行循环迭代约束稀疏脉冲反演采用的是一个快速约束趋势的反演算法，约束条件主要是波阻抗趋势和地质控制，而波阻抗趋势又是由解释层位和断层来控制的，从而可以把地质模式融入进去得到一个宽带的结果，恢复地质信息中缺少的低频和高频成分。
约束稀疏脉冲反演的最小误差函数是：第二项为原始地震道与合成地震道的均方差的总和；第三项为趋势协调的补偿i 是地震道样点号；di是原始地震道；Si是合成地震记录；ri 为地震道采样点的反射系数；ti是波阻抗趋势；Zi是地震道采样点的波阻抗值，介于井约束的最大和最小波阻抗之间；ɑ是趋势最小匹配加权因子，一般情况下ɑ=1；p、q是L 模因子，一般情况下p =1，q=2是调节或平衡因子，与信噪比大小有关。
地质统计学反演
地质统计学反演（StatMod）一、方法原理JASON的StatMod是一个集多种随机模拟技术的软件包，是以概率论为其理论基础的。
其目的是提供一个或多个在某种概率条件下的，既满足数据的地质统计学特征又满足地质、测井和地震信息的三维储层参数概率模型。
数据的地质统计学特征由数据的概率分布图和变异函数描述。
由于地质统计模拟是基于概率意义上的随机模拟。
为满足概率条件必须有足够多的井资料。
软件要求的已知井数不少于6口。
地质统计学主要的算法是岩性指示模拟和序贯高斯模拟技术（SGS）。
序贯高斯模拟方法是一种产生来自高斯场模型实现的方法。
它基于序贯模拟思想。
该方法首先是将研究区域离散为网格系统，然后序贯地处理每一个网格节点。
由于每个节点处随机变量是服从条件化的正态分布，因此，网格节点值完全由均值和方差两个参数确定。
通过求解克里金方程组就可给出该网格节点处的均值和方差，从而将节点处的正态分布确定下来，并采用相应的抽样方法得到该网格节点处的一个样本。
直至全部网格节点计算完毕。
需要指出的是：求解克里金方程组时的条件数据包括原始数据，先前已模拟的、落在模拟邻域内所有被模拟的网格节点处的值。
序贯高斯模拟方法是一种条件模拟，它保证原始数据和直方图及变异函数都被条件化。
在地震储层预测中，每一道就是一个网格节点。
在模拟过程中，需要求取的最典型的属性是波阻抗和孔隙度。
地质统计学考虑了模拟过程中结果的不唯一因素，故而增加了结果的误差分析。
通过用户定义方式在三维地质模型的每个网格节点上计算出的概率密度函数，可以计算出结果数据体。
概率密度函数是数据体中能够对不确定性进行正常估算的参数分布规律。
地质统计学反演对测井曲线的应用方式，与Jason其它的反演方法截然不同。
Jason其它反演方法再队测井曲线进行应用过程中，除子波估算外。
只有在地震数据中没有低频信息时，在最终的反演结果中才会反映测井曲线的信息。
然而地质统计学将重采样后的测井曲线沿井轨迹复制到三维网格点中。
Petrel中文操作手册2010-(6~9章)_1
第六章相建模（Facies Modeling）6.1 Petrel2010版本中相建模技术的大发展Petrel相建模（Facies Modeling）现有方法主要包括：多点地质统计学相模拟、基于目标的河流相模拟，基于像元的序贯指示模拟、截断高斯模拟，带趋势的截断高斯模拟，指示克里金模拟、神经网络方法，用于详细表征相带分布特征的确定性和随机性相建模技术，而且可以交互使用。
同时用户可以导入自己的算法和人工赋值的方法，建立沉积相模型。
Petrel2010在原有版本基础上对相建模方法做了较大的改进，主要体现在以下四个方面：1）全新的MPS多点统计相模拟算法在Petrel2010版本中，引进了多点地质统计学相模拟方法，该方法的引进改变了过去传统的两点统计地质学方法，而发展为多点地质学，解决了过去两点统计关系上变差函数的不足，特别是对储层非均质性描述上的不足，多点统计地质学能够充分描述复杂几何形状砂体的空间连续性和变异性。
多点统计地质学是建立在多个点的相关关系上，它在解决描述空间变量的连续性和变异性方面得到越来越广泛的应用。
斯坦福大学的Journel教授曾指出多点地质统计学是今后地质统计学发展的方向，它的优势已越来越显著。
2）基于快速傅立叶变换的高斯模拟算法一种新的新的高斯模拟算法在Petrel 2010.1.中被引用，这种算法与GSLIB的序贯随机模拟方式不同。
A 它比SGS运算速度提高了很多B 它不是序贯算法C 它可以并行运算D 它可以进行快速的协同模拟设定如同上面提到的，这种高斯算法不同于序贯模拟的序贯算法，允许并行计算，采用的算法是傅立叶变换算法，这种算法具有快速、并行、在大的范围变程内优选最合理的变程等优点，这种算法的界面与序贯高斯模拟算法有些类似。
3）进一步改进克里金算法在2010.1版本中引用了新的克里金算法，这是完全不同于标准GSLIB 克里金的一种设计，其搜索性能和并行运算都有很大改进。
克里金可以沿网格方向、也可以沿海平面进行插值。
相控建模技术在油田开发中的应用分析
区域的目的成建立起相应的单井沉积微相组装剖面。 之后对连井剖面进行分析，并将平面沉积微相展布图 展现出来。本研究区域内的砂体分布范围比较大，沉 积相质地比较粗，砂石的厚度较大 ；而不同的沉积微 相又有不同的沉积提点，其中扇根主河道有着较强的 水动力条件，大多以粗屑岩为主，储层的厚度也比较 大，砂体的平面非质性比较强。 3.5 属性模型的建立
对于当前研究区域而言，对其进行物性参数模拟， 能够通过分享进行变方位角的方法实现，进而可以更 好的展现储层物性参数的空间分布特征。利用相控建 模思路对其岩石物理参数进行建立，使其能够更加的 接近实际状况。针对不同的流动单元类型对其采用不 用的参数分布方法，从而更好的将不同流动单元的内 部储层参数空间变化的差异性反应出来。沉积相对物 性参数在三维空间上的分布状况有着一定的控制作 用，所以说相控随机模拟方法的思路是符合地质规律 的，且能够有效的避免大多数连续变量模型在平稳性 及均质性上的严格要求。如本次对柴达木盆地西南部 的七个泉区部位应用分析，其沉积体系较小，想带分 异的状况比较差，因此区分沉积成因更为重要。对其
·161·
2021 年 1 月 第 48 卷第 1 期
云南化工 Yunnan Chemical Technology
Jan.2021 Vol.48，No.1
行下一节点的模拟。 3.7 变方位角的建模方法
传统的机制统计学通常会采用变差函数对当前的 区域化变量空间的集合特性进行建模，需要将变差函 数模型（即顺主物源方向、垂直主物源方向、垂向）。 包含的先关参数信息，其中最为重要的一个参数信息 就是主物源方向变差函数的方位角。这一参数信息对 于整体格局有着一定的模拟控制作用，但若是储层有 多个主要无缘，就需要建立起地质模型，并需要根据 不用的位置设置相应的变差函数口。 3.8 相控建模技术物性模拟的实现
petrel相建模实例
主要模块介绍一、数据准备本实例中的数据整理如下：wellhead井位坐标文件jinghao X Y kb topdepth bottomdepth X21-233973816364714261433.0821502195 X21-243974070364716291433.082156.12193.1 X21-253974257364718491433.082154.42190.4 X21-263974480364720961436.52154.82189.8 X22-193972535364705161407.562120.32152.3 X22-203972803364707951417.462139.12165.1 X22-213973010364710401379.72102.62135.6 welltop分层文件X Y hb wellpoint surface jinghao 397381636471426-716.92Horizon c811X21-23397381636471426-724.92Horizon c8121X21-23397381636471426-735.92Horizon c8122X21-23397381636471426-755.92Horizon c813X21-23397381636471426-761.92Horizon c821X21-23397407036471629-723.02Horizon c811X21-24397407036471629-731.02Horizon c8121X21-24397407036471629-742.02Horizon c8122X21-24397407036471629-754.02Horizon c813X21-24397407036471629-760.02Horizon c821X21-24测井文件准备DEPTH PERM_K POR_K SW_K VSH_K NTG 2140.1250.00590100 2140.250.00590101 2140.3750.00590100 2140.50.00590010二、数据输入1 输入WellHeader（井位坐标文件）右键点击输入Well Header:文件类型里选：well heads(*.*)2 输入Well Tops（分层文件）:右键点击Well Tops文件夹并选择Import (on Selection)；文件类型里选：Petrel Well Tops (ASCII)3 输入输入Well Logs右键点击Wells文件夹，选择Import (on Selection)；文件类型：well logs(ASCII)input Data logs specify logs to be load加载per,perm,sw vash,ntg 等数据。
序贯高斯模拟在矿石品位估计中的应用研究
序贯高斯模拟在矿石品位估计中的应用研究刘占宁;宋宇辰;孟海东;于晓燕【摘要】随机模拟是地质统计方法的重要内容.在矿石品位估计方法中克里格方法作为一种无偏估计方法,常被用于矿石品位的估计.但克里格法估值存在平滑效应.作者在分析序贯高斯模拟和普通克里格法基本原理的基础上,运用序贯高斯模拟方法和普通克里格方法对某铁矿体内全铁(TFe)品位进行估计,给出了品位估计结果模型.研究从勘探线方向、垂直勘探线方向和竖直方向分别计算变差函数,对球状模型、指数模型、高斯模型的变差函数拟合效果进行了优选,结果表明球型模型拟合效果最好.针对序贯模拟和克里格品位估值效果进行了分析,结果显示:序贯高斯模拟结果在品位分布形态上更接近样品品位分布形态,其平滑效应更小;克里格方法估计与序贯高斯模拟方法相比仅在品位均值方面更接近样本品位均值.因此,认为序贯高斯模拟方法可以更好地刻画矿体内品位分布状态.%Stochastic simulation is an important method of geological statistics.The Kriging method is a unbiased estimation method,ften used for ore grade estimation with smoothing effect.Based on analysis of principle of Sequential Gaussian Simulations and Ordinary Kriging method they are used to estimate the TFe grade of a iron ore body and the grade model is given.The variation function is calculated from the direction of the exploration line,the vertical exploration line direction and the vertical direction.The variation function is fitted with the spherical model,the exponential model and the Gaussian model.The fitting effect of he spherical model is the best.The result show that distribution of the Sequential Gaussian Simulation is closer to the distribution of sample grade,with smaller smoothing pared withSequential Gaussian method only mean grade value of the Kriging method is closer to to that of the sample.Therefore,the authors believe that the Sequential Gaussian Simulation can better characterize the distribution of ore in the ore body.【期刊名称】《地质找矿论丛》【年(卷),期】2018(033)001【总页数】7页(P149-155)【关键词】序贯模拟;变差函数;矿石品位;克里格法【作者】刘占宁;宋宇辰;孟海东;于晓燕【作者单位】内蒙古科技大学矿业研究院,内蒙古包头014010;内蒙古科技大学矿业研究院,内蒙古包头014010;内蒙古科技大学矿业研究院,内蒙古包头014010;内蒙古科技大学矿业研究院,内蒙古包头014010【正文语种】中文【中图分类】P628.20 引言条件模拟技术是地质统计学中继克里格估计技术之后，迅速发展的一个新方法[1]。
序贯高斯模拟和序贯指示模拟和截断指示模拟的区别
随机建模与确定性建模相结合， 多信息协同建模。应尽量应用多 种资料(如地质、测井、地震、试 井等)进行协同建模。
井震联合建模 相控建模
不确定性最小化
2、序贯指示模拟Sequential Indicator Simulation (SIS)
原理
该方法不受正态分布假设的约束，是通过一系列的门
槛值，估计某一类变量或离散化的连续变量的某一门槛值的 概率，以此确定随机变量的分布。对于三维空间的每一个网
以2口井为例，展示截断高斯如何把相概率转化为正态分布，及如何把模拟的 到的概率变回相代码。
（1）首先统计相的概率及累积概率范围，0-10%为相1（绿色），10.01-40%为相 2（红色），40%-100%为相3（黄色）； （2）赋予累计概率的1/2为相代码（5%为相1（绿色），25%为相2(红色),70%为 相3（黄色0））； （3）利用序贯高斯模拟（SGS）模拟输入的数据； （4）将模拟得到的概率值按第（1）步得到的每个相的概率累积范围转换回相代码。
计算指示变异函数
设定要模拟的网格点 的随机路径
利用指示克里格计算 后验概率分布函数ccdf
在ccdf中取样得到模拟值
序贯指示模拟应用范围
❖序贯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。 ❖序贯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 。
SIS、SGS、TGS的异同点与特点
SGS:序贯高斯模拟Sequential Gaussian Simulation SIS: 序贯指示模拟Sequential Indicator Simulation TGS: 截断高斯模拟Truncated Gaussian Simulation
序贯高斯模拟基本原理
序贯高斯模拟基本原理
嘿，朋友们！今天咱来唠唠序贯高斯模拟基本原理。
这东西啊，就像是搭积木一样有趣！比如说吧，想象一下你面前有一堆五颜六色的积木，你想怎么搭就怎么搭，最后搭出你心目中的城堡，序贯高斯模拟差不多也就是这个道理啦！
它首先呢，会去收集一堆数据，就像我们收集各种颜色的积木一样。
这些数据可能来自于地质探测啦、环境监测啦等等好多地方。
然后呢，它可神奇了，它会利用这些数据来构建一个模型，就如同我们用积木搭建出城堡的大致轮廓。
接着呀，它会一点一点地填充细节，就好像给城堡加上窗户、门这些小部件一样。
在这个过程中，它不是死板地进行的哦，而是充满了灵活性，可会“随机应变”啦！比如在一个区域数据比较密集的时候，它就能很准确地模拟；要是数据比较稀疏的地方呢，它也能发挥想象，给出一个合理的推测。
这多有意思啊！
比如说在石油勘探领域，序贯高斯模拟就能大显身手呀！勘探人员可以用它来模拟地下油藏的分布情况，说不定就能找到大油田呢，那可就发财啦，
哈哈！在环境保护中，也可以用它来模拟污染物的分布，这样就能更好地制定治理方案啦。
序贯高斯模拟就是这样一个神奇又实用的工具！它能让我们从一堆看似杂乱无章的数据中，找出规律，构建出一个有意义的模型。
是不是超级厉害？所以呀，千万可别小瞧了它，它真的能给我们的生活和工作带来很多惊喜和帮助呢！。
序贯高斯模拟
(1)为了得到来自于Fra bibliotek1)的N元样本，可以由N个相继的 步骤来完成，每一步是从一个单变量ccdf中抽样，
且条件数据不断增加。
序贯高斯模拟方法的原理（续）
FN [z1, z2, zN | (n)] Pr ob{Z1 z1 | (n)} Pr ob{Z2 z2 | (n 1)} Pr ob{Z3 z3 | (n 2)} Pr ob{ZN zN | (n N 1)}
序贯模拟过程需要确定N个单变量ccdf：
Pr ob{Z1 z1 | (n)} Pr ob{Z2 z2 | (n 1)} Pr ob{Z3 z3 | (n 2)}
Pr ob{ZN zN | (n N 1)}
所有的ccdf都被假设为高斯分布，可以利用N个克 里格方程组求取它们的均值和方差。
140050050xy005050005050xxyy主变量次变量050050xy主变量模拟结果050050xy?地质数据的分布有时很不均匀有些数据体的位置相距很近丛聚cluster?在实际研究中有时需要统计研究区内地质数据的一些特征如平均值分布直方图等?为了得到一个能有效代表整个研究区内地质数据的分布特征c
报告提纲
引言 序贯高斯模拟方法的原理 序贯高斯模拟步骤 示例
引言
来源：硕士毕业论文《储层相控统计反演研究》
基于模型反演的缺点：依赖于初始模型和约束条件 的准确性
硬数据：井数据 软数据：地震数据、沉积相或构造信息
随机建模→初始模型：更符合实际地质情况，减少 了基于模型反演的多解性
引言（续）
设{Z(x)|x ∈D}是一个高斯模型，其序贯高斯模拟 步骤如下：
1. 确定原始数据{Z(xi)|i=1,2, …,n}的单变量的条件累计分 布函数FZ(Z)，通常是获取经验分布函数 。 FˆZ
基于序贯高斯条件模拟的GEDI数据联合Landsat8反演森林地上生物量
基于序贯高斯条件模拟的GEDI数据联合Landsat8反演森林地上生物量罗绍龙;舒清态;余金格;胥丽;杨正道【期刊名称】《林业科学研究》【年(卷),期】2024(37)3【摘要】[目的]单一遥感技术估测森林生物量存在较大局限性,本研究旨在利用多源遥感协同技术互补激光雷达和光学遥感的优势,提高生物量估测精度。
[方法]以星载激光雷达GEDI和光学遥感Landsat8数据为主要信息源,采用序贯高斯条件模拟方法实现GEDI光斑数据由“点”到“面”的空间扩展,结合地面138块生物量调查样地,利用随机森林回归方法估测云南省香格里拉云冷杉林的地上生物量。
[结果](1)采用序贯高斯条件模拟方法对GEDI光斑点进行空间插值,模拟的12个生物物理指标在空间分布上呈现出随机性、破碎化的特征,这与森林的空间分布聚集性非常相似,参与建模的9个指标OEC均大于0.90;(2)利用单一Landsat8光学遥感数据和地形因子构建的随机森林模型精度为:R2=0.82,RMSE=35.51 t·hm^(-2),P=0.77;Landsat8数据协同星载激光雷达GEDI数据构建的随机森林模型精度为:R2=0.86,RMSE=32.11 t·hm^(-2),P=0.80,模型精度明显提升;(3)利用多源遥感技术估测的香格里拉2019年云冷杉林地上的生物量总量为37 042 605.68 t,平均生物量为123.28 t·h m^(-2)。
[结论]基于地统计学的序贯高斯条件模拟方法考虑到研究对象的空间异质性、能克服一定的平滑效应,用于实现激光点由“点”到“面”的空间扩展是可行的。
星载激光雷达GEDI与光学遥感Landsat8协同的多源遥感数据可有效填补单一遥感数据源的缺陷,提高森林生物量的估测精度,能为激光雷达联合光学遥感估测大范围、全覆盖的森林生物量提供参考。
【总页数】12页(P49-60)【作者】罗绍龙;舒清态;余金格;胥丽;杨正道【作者单位】西南林业大学林学院【正文语种】中文【中图分类】X87;S757.2【相关文献】1.联合多点地质统计学与序贯高斯模拟的随机反演方法2.基于Landsat8影像的汝城县森林地上生物量遥感估算研究3.GEDI不同算法组数据反演森林最大冠层高度和生物量精度比较4.联合光学和合成孔径雷达数据的太平湖森林地上生物量反演研究5.深度学习方法下GEDI数据的天然云杉林地上生物量反演因版权原因，仅展示原文概要，查看原文内容请购买。
应用SGS和LHS分析数字土壤质量评价中的不确定性
应用SGS和LHS分析数字土壤质量评价中的不确定性孙孝林;王会利;曹继钊【摘要】土壤信息不确定性在空间分析中的传递是数字土壤评价中的关键问题.本文提出使用序贯高斯模拟(Sequential Gaussian simulation,SGS)和拉丁超立方抽样(Latin hypercube sampling,LHS)相结合的方法(即SGS-LHS),来应对该问题,目的在于充分利用SGS和LHS各自的优点,互补各自的缺点,以提高不确定性传递分析的准确性和效率.这种方法(包括两种途径:SGS-LHS1和SGS-LHS2)和SGS、LHS一起被应用于香港农田土壤质量评价中,并进行了比较.结果表明:(1)SGS-LHS 分析所得的不确定性结果与SGS接近一致,与LHS则有一定的差别,但差别不大;(2)SGS-LHS估计不确定性的准确性与SGS接近一致,且两者均高于LHS,尽管LHS估计的置信度区间平均宽度略显精确.【期刊名称】《土壤学报》【年(卷),期】2014(051)005【总页数】11页(P963-973)【关键词】序贯高斯模拟;拉丁超立方抽样;土壤质量;不确定性;数字土壤评价【作者】孙孝林;王会利;曹继钊【作者单位】广西优良用材林资源培育重点实验室,广西林业科学研究院,南宁530002;中山大学地理科学与规划学院,广州510275;广西优良用材林资源培育重点实验室,广西林业科学研究院,南宁530002;广西优良用材林资源培育重点实验室,广西林业科学研究院,南宁530002【正文语种】中文【中图分类】S159;S158.9;P934精准土壤信息是土壤资源可持续利用和发展的基础。
该方面的研究长期以来一直是土壤学、地理信息系统和其他相关学科的重要研究方向。
尤其是最近的十多年，数字土壤制图研究蓬勃发展，显著地提高了土壤信息的准确性［1］。
这是因为:一方面，数字土壤制图利用地理信息系统、数据挖掘技术和详细的环境变量数据，提高了土壤信息的精确性;另一方面，数字土壤制图在提供土壤信息的同时，还提供这些信息的准确性和不确定性(即误差)，避免土壤信息用户不恰当地使用实际并不准确的土壤信息而蒙受损失［1-2］。
Petrel建模中的几点认识
Petrel建模中的几点认识引言20世纪初年代发展起来的以井资料为主的三维地质建模技术，目前已成为油田开发阶段油藏研究的重要手段之一。
Schlumberger公司的Petrel虽然在地震解释方面有不错的表现，但己经不再是仅仅定位在建模上的勘探开发一体化工具，建模仍然是它的突出特点。
在完成构造建模的基础上，分2个阶段进行建模:①采用针对离散变量(如岩相)的模拟方法，建立储层骨架模型;②在储层骨架边界的控制下，对储层连续性变量的模拟方法建立储层参数模型，相建模是2个阶段建模的关键。
笔者旨在探讨Petrel软件中进行相建模和变差函数求取中的几点认识。
1.相模型的建立相分布控制着砂体分布，只有砂体内才具有有效的储层参数，不同相的储层参数分布规律不同，相控建模过程充分体现了地质思维和地质知识，更增加了地质因素对于属性模型的控制。
尤其是对于成岩与后生改造作用不强的储层，原始沉积作用控制着储层宏观非均质性，沉积相带的交替是制约储层性质的根本因素叫，当没有相约束时，各个储层参数建模之间的差别相当大，用沉积相或者岩相约束进行相控建模成为必然选择。
相控建模时可采用沉积相约束和岩相约束2种方法，Petrel在相建模和属性建模中采用了GSLIB中成熟的技术和方法。
随机模拟的方法很多，目前应用最多、最成功的方法是序贯模拟方法，至于模拟相模型时采用哪种计算方法，这里不再赘述。
尽管Petrel提供了多达7种建立相模型的方法，笔者仅就实际操作过程中常用的3种进行讨论。
1.1手工勾绘沉积相图使用手工勾绘的沉积相图作为约束条件时，PeIrel中的相控建模，就变成了相带图的立体化，模拟出的孔、渗边界就是生硬的沉积相边界。
相的引入是作为参数模拟的边界条件，在不同相的内部实现参数模拟，笔者认为这种做法使Petrel的功能削弱了，可见，手工勾绘沉积相图只适于对随机模拟的相模型进行局部修改。
1.2采用岩相模型代替沉积相模型当没有足够细致的沉积微相研究时，模拟的沉积相模型的精细程度将有所欠缺，进而导致井间单砂体的连通性、砂体的尖灭及砂体内部的泥岩夹层等得不到很好的反映;相反，当用泥质含量曲线划分岩相时，模型的纵向分辨率可以直接和0.125m采样率的电测曲线进行对比，单砂体的连通性、砂体的尖灭等都得到很好的反映。
- 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)。
序贯模拟过程需要确定N个单变量ccdf：
所有的ccdf都被假设为高斯分布，可以利用N个克 里格方程组求取它们的均值和方差。
引言 序贯高斯模拟方法的原理 序贯高斯模拟步骤 示例
先将研究区域离散化成网格系统，再序贯的处理每 个网格结点。
每个网格结点处随机变量是服从条件化的正态分布， 网格结点值完全由均值和方差两个参数确定。
正正态态反变变换换
设{Z(x)|x ∈D}是一个高斯模型，其序贯高斯模拟步 骤如下：
1. 确定原始数据{Z(xi)|i=1,2, …,n}的单变量的条件累 计分布函数FZ(Z)，通常是获取经验分布函数 。
2. 利用 进行正态变换，把数据变为具有标准正态分 布的y数据。
3. 定义一条随机路径，依次访问网格上的各个结点ul*。 在每个结点处保留一定数目的邻域条件数据，包括原 始的y数据和已经模拟过的网格结点的y值。
7. 把模拟的正态数值{y(l)(u), u∈ A}反变换回原始变量的 模拟值{z(l)(u), u ∈ A}。
引言 序贯高斯模拟方法的原理 序贯高斯模拟步骤 示例
二维研究区域：
起始坐标（0，0） 网格大小：1 ×1 网格数：50 ×50
主变量个数：140
y
y
50
50
0 0
主变量
x
将研究区域D网格化，设共有N个网格结点。若研 究的是N个网格结点上储层的同一属性，则考虑N 个随机变量Z1的联合分布，若考虑共有N个网格结 点区域上K种不同属性的组合，则N=K×N。
N个随机变量的条件联合概率模型记为:
(1)
为了得到来自于(1)的N元样本，可以由N个相继的 步骤来完成，每一步是从一个单变量ccdf中抽样， 且条件数据不断增加。
0
50
0
次变量
x
50
ቤተ መጻሕፍቲ ባይዱ y
y
50
50
0
x
0
x
0
50
0
50
主变量模拟结果
地质数据的分布有时很不均匀，有些数据体的位置 相距很近——丛聚 (Cluster)
在实际研究中，有时需要统计研究区内地质数据的 一些特征，如平均值、分布直方图等
为了得到一个能有效代表整个研究区内地质数据的 分布特征，C. Deutsch (1988) 提出该方法，用于 减弱地质数据的丛聚效应
其核心就是给丛聚在一起的地质数据分配较小的权 值，给稀疏分布的数据分配较大的权值
4. 在每一个结点处，利用协同克里格方法计算条件累积 分布函数的均值和方差。
5. 从ccdf中随机地提取一个模拟值y(l)(u)，把这个模拟 的数值追加到已知数据集中，成为模拟下一个结点的 条件数据。
6. 接着对下一个结点重复步骤4～5，并一直循环到所 有的结点都被模拟。这样，就完成了一次实现。如果 需要得到多个实现，重复步骤3～6即可。
王君 2010.10.26
引言 序贯高斯模拟方法的原理 序贯高斯模拟步骤 示例
来源：硕士毕业论文《储层相控统计反演研究》
基于模型反演的缺点：依赖于初始模型和约束条件 的准确性
硬数据：井数据 软数据：地震数据、沉积相或构造信息
随机建模→初始模型：更符合实际地质情况，减少 了基于模型反演的多解性
求解克里格方程组得到该结点处的均值和方差，确 定该结点处变量的正态分布，采用相应的抽样方法 得到该结点处的一个样本。
求解克里格方程组时的条件数据包括原始数据和先 前已模拟的，落在模拟邻域内所有被模拟的网格结 点处的值。
序贯高斯模拟图解 （LCPD表示局部条件概率）
序贯高斯模拟要求原始数据场能够服从高斯分布，或者是 进行正态变换后服从高斯分布。
序贯高斯模拟的特点：
a) 计算快速、简单，适合模拟一些中间值很连续而极端 值很分散的物性参数。
b) 高斯模型不太适合极值分布具有方向性的连续性变量 的随机模拟。
c) 高斯模拟结果强烈地依赖于变异函数，所以一定要注 意求取的变异函数的准确度。
引言 序贯高斯模拟方法的原理 序贯高斯模拟步骤 示例