(完整版)地质统计学与随机建模原理2-变差函数
储层随机建模中变差函数分析
储层随机建模中变差函数分析变差函数一直是随机建模过程中研究较少但又十分重要的一个环节,不管是对储层非均质性研究,砂体展布还是对油气田开发中数值模拟的研究都起着至关重要的作用。
通过对前人变差函数分析方法的思考并结合实际油田数据进行了细致的研究,提出了一套详细可行的变差函数分析方法,在实际操作中取得了较好的效果。
标签:随机建模;岩相模型;变差函数储层随机建模是现代油藏描述的重要内容。
随机建模是以现有的有限数据和信息为基本条件,以地质模型和数理统计原理为基础,采用一定的计算方法,通过计算机技术人工合成多个可选的、等概率和高精度的,反映现有参数数据空间分布或该参数理论分布的模型。
亦即对控制点间应用随机模拟方法给出多种可能的预测结果或实现[1]。
储层地质建模是将地质认识、测井,地震等进行综合分析,在此基础上借助软件形成三维可视模型。
而如何通过宏观的地质认识和定量的单井数据等资料来模拟地下储层,如砂体分布和储层的物性变化情况,这就需要在储层随机建模中通过对数据进行变差函数分析,使模型更能反应地下的真是情况。
1 随机建模过程中变差函数拟合方法随机建模中利用已知的井数据和(或)地震数据,通过分层位、分相带建立变异函数模型,运用一定的插值(或模拟)方法建立不同的连续变量的分布模型,以更精确地表征储层参数场的空间变化情况[2]。
变差函数的分析主要就是求取平面和垂向的变程值,在相模型中变程值更是变征了砂体的延伸尺度,对砂体规模的预测和沉积相的划分都具有一定的指导意义。
数据在变差函数分析前需将数据进行转换来满足高斯模拟的计算,常用的转换包括正态转换和对数转换。
含水饱和度和孔隙度一般做正态转换,而孔隙度比较符合对数分布,所以对于孔隙度要先做对数转换再进行正态转换。
变差函数参数设置。
储层物性模型的精确程度以及展布,其关键的决定因素在变差函数的设置。
变差函数的设置既要符合数学统计规律,又要符合实际地质变化特征,因此结合地质认识设置函数中的一些参数,使变差函数能够真实的反映储层参数的空间变化情况。
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。
地质统计学.
2、统计概率
频率:设随机事件A,在次试验中发生m次,其比值m/n称为随机事件A 的频率
显然 当重复试验的次数充分大时,随机事件A的频率(A)常常稳定在 一个确定的数字附近,这就是概率。
概率:在一定的相同条件下,重复作n次试验中发生了m次,当n充分大 时,随机事件A的频率m/n稳定在某一数字P附近,称数值P为该随机事件 的概率。 记为 P(A)=P
3、经典概率统计学所研究的变量原则上都是可以无限次重复试验或大量观 察的,但地质变量则不行。因为一旦在矿体某处取一样品后,严格说来, 就不可能在同一地方再次取到样品了。
4、经典统计学一般要求每次抽取样品必须是独立进行的,但地质变量在两 个相邻样品中的值就不见得一独立的,往往有某种成都的相关性。
地质统计学的优点
4、随机模拟
随机模拟是从一个随机函数(RF)模型中提取多个等 概率的所有随机变量(RV)的联合实现。 在随机模拟中,研究的内容包括随机模拟的定义及 其与插值的区别,随机模拟的基本原理,随机模拟 的分类,典型的随机模拟方法及其计算机实现。
本课程还将介绍地质统计学在储层建模中的应用 包括资料的准备建模的步骤,成果的显示等。
第二章 预备知识
一、概率论基础 二、随机变量及其概率分布 三、随机变量的数字特征 四、统计推断基础
一、概率论基础
1、随机事件 概率论是研究自然界偶然现象的科学,在概率论中把
偶然现象称为随机现象。 在自然界,介于“必然事件”和“偶然事件”之间的
即是“随机事件”。这类事件的特征是在一定条件下可 能发生,也可能不发生,或者在一定条件下有多个可能 发生的结果,而其结果事先不能预测。
3、不但可以进行样品的整体估计,最重要的是可以进行样品的局部估计
4、应用地质统计学方法得到的地质变量的精度比传统方法要精确,可以避 免系统误差。
变差函数的概念与计算分析
变差函数的概念与计算分析变差函数是数学分析中常见的一个概念。
它主要用于描述一个函数在一些区间上的变化情况,从而可以对函数的性质进行更加深入的分析。
本文将介绍变差函数的概念、相关定义和性质,并讨论如何计算变差函数。
一、概念:变差函数是指一个实数域上的函数,它在给定区间上的变化程度的度量。
通俗地说,变差函数可以理解为一个函数在一些区间上取值的波动程度。
如果一个函数在一个区间上的变化程度很小,那么它的变差函数就会比较小;相反,如果函数的波动较大,那么它的变差函数就会较大。
二、定义和性质:1.定义:设f(x)是定义在区间[a,b]上的一个函数,变差函数V(f,x)表示f(x)在区间[a,x]上的总体变化量。
其中,V(f,x)可以定义为:V(f,x) = sup{∑(f(x_i) - f(x_{i-1}))}其中,sup表示上确界,x_i是[a,x]上的一个子区间,∑(f(x_i) -f(x_{i-1}))表示这个子区间上f(x)的变化量的总和。
2.性质:(1)非负性:变差函数V(f,x)是非负的。
(2)可加性:对于任意的[a,c]和[c,b],有V(f,b)=V(f,c)+V(f,b)。
(3)上有界:变差函数V(f,x)在[a,b]上是有上界的。
(4)可分割性:对于边界上的两个点x_1和x_2,若x_1<x_2,则有V(f,x_2)-V(f,x_1)=V(f,[x_1,x_2])。
(5)作为测度的应用:如果一个函数的变差函数V(f,x)有界,那么该函数是有界变差函数。
三、计算分析:变差函数V(f,x)的计算是通过求解上述定义中的上确界来实现的。
换言之,我们需要找到最适合的子区间,使得其上的f(x)的变化尽可能大。
为了计算方便,我们可以选取一些特殊的区间进行计算,如等距划分、平方划分等。
1.等距划分计算变差函数:设[a,b]上的等距划分为x_0=a,x_1=a+h,...,x_n=b,其中h=(b-a)/n。
地质统计学 张树泉(课件)
正态分布的误差图示
μ = x ± zα 2σx
μ - 2.58σx μ -1.65 σx
σx
μ
μ +1.65σx μ + 2.58x
x
μ -1.96 σx
μ +1.96σx
90%的概率 95% 的概率 99% 的概率
•
泛克立格法(Universal Kriging)
• 指示克立格法(Indicator Kriging)
• 指示克立格法(Indicator Kriging)
•协同克里格法(Co-Kriging)
• 协同克里格法(Co-Kriging)
•协同克里格法(Co-Kriging)
•协同克里格法(Co-Kri,地质统计学的发展突飞猛进。在此期间, 从理论突破的频度、论文发表的篇数、以及世界各地对地 质统计学所表现的极大关心程度,都说明地质统计学达到 了前所未有的发展阶段。目前条件模拟技术广泛应用于石 油、采矿、水文、和环境保护等领域中。研制出一批高水 平的地质统计学方法计算程序软件。在地质统计学的理论 及方法基础上开发了许多成熟的应用软件。如美国开发的 矿床建模软件包(Deposit Modeling System),功能上 可覆盖矿山地质设计的全过程;而MICL(英国矿业计算 机有限公司)开发的DATMINE软件包,则集地、测、采 于一体;法国巴黎高等矿院地质统计学研究中心研制出两 种大型软件系统:ISATIS系统及HERESIM系统;澳大利亚 的MICROMINE软件,SURPAC软件,加拿大的GEOSTAT 软件,CAMET软件和GLS软件系统等。
到上世纪60年代,才认识到需要把样品值之间的相似 性作为样品间距离的函数来加以模拟,并且得出了半变异 函数。法国概率统计学家马特隆(Matheron)创立了一个 理论框架,为克立格作出的经验论点提供了精确而简明的 数学阐释。马特隆创造了一个新名词“克立格法” (Kriging),藉以表彰克立格在矿床的地质统计学评价工 作中所起到的先驱作用。即1962年,马特隆在克立格和西 奇尔研究的基础上,将他们的成果理论化、系统化,并首 先提出了区域化变量(Regionalized variable)的概念, 为了更好地研究具有随机性及结构性的自然现象,提出了 地质统计学(Geostatistics)一词,发表了《应用地质统 计学》,该著作的出版标志着地质统计学作为一门新兴边 缘学科而诞生。地质统计学开始进入了学术界。在法国枫 丹白露成立了地质统计学中心(Centre de Geostatistiques),培养了一大批学员,不仅为地质统计 学的研究而且为它的传播起到了巨大的作用。
地质统计学基本原理
Z(x 差h)的方差之半定义为区域化变量 的Z(变x)差函数,记为
(x, h)
(x, h) 1 Var[Z (x) Z (x h)]
2
变差函数定义
• 定义:在任一方向 a ,相距 | h |的两个区域 化变量 Z(x) 和 Z(x h) 的增量的方差的一半。
• 公式: (h) 1 E[Z (x) Z (x h)]2
几点注意内容
• 变差函数参数
• 块金值:块金值越小,距离越近的点越重要,这样会导 致权值的变化范围变大(从负值到大于1的值变化),使 数据出现异常。块金值越大,估值结果越平滑。
当时h 0,上式变成:
Var[Z(x)] C(0) x
即它有有限先验方差。
本征假设
当区域化变量Z(x) 的增量 Z(x) Z(x h) 满足下列两个条 件时,称该区域化变量满足本征假设: (1)在整个研究区内,区域化变量Z(x的) 增量 Z(x) Z(x 的h)
期望为0: E[Z(x) Z(x h)] 0 x,h
滞后距
实验变差函数计算实例
• 相距为200米的样本点对。
实验变差函数计算实例
• 滞后距为200米的变差函数值。
变差函数计算实例
• 变差函数图:滞后距200米的变差函数点
变差函数
20 18 16 14 12 10
8 6 4 2 0
0
100
200
300
400
500
滞后距
变差函数计算实例
• 变差函数图:滞后距300米、400米的变差函数点
几何各向异性
• 基台值相同 • 变程不同
在不同的方向具有相同的变异程 度(基台值相同)但具有不同的 连续程度(变程不同)为几何各 向异性。
变差函数
1变差函数(Variogram)基础变差函数是用来描述油藏属性空间变化的一种方法,可以定量的描述区域化变量的空间相关项。
变差函数的原理是空间上相近的样品之间的相关性强,而相距较远的样品之间的相关性较小,当超过一个最小相关性时,距离的影响就不大了。
这种空间上的相关性是各向异性的,因此需要从不同方向上描述某个属性的变差函数。
通过从输入数据中得到变差函数,在属性模型中利用变差函数建模,从而可以在最终模型中体现出实验数据的空间相关性。
1.1变差函数原理与数据分析1.1.1变差函数的原理变差函数图即变差函数与滞后距(空间的距离)的关系图。
计算方法是:对一组滞后距相近的数据,计算这组数据的变差,最后做出不同滞后距的变差曲线。
Sample variogram从一组实验样本数据中计算结果。
Variogram model根据理论变差函数模型拟合的结果。
Transition曲线类型。
常用的变差函数类型有指数型、球状模型、高斯模型。
Plateau在变差函数曲线上,随着横坐标距离的增加,纵坐标变差值不再增加,即为Plateau。
Range变程:当曲线达到高台水平段(Plateau)时的距离。
变程范围之内,数据具有相关性,变程范围之外,数据之间互不相关,即变程之外的观测值不对估计结果产生影响。
Sill基台值:当横坐标大于变程时的纵坐标变差值。
描述了两个不相干的样本间的差异性。
当数据的基台值为1或者比1偏差0.3时,表明数据间有空间趋势性。
Nugget块金值:横坐标为0处的变差值,描述了数据在微观上的变异性。
由于在垂向上数据间的距离较小,所以块金值可以从这些垂向数据中精确的得到。
1.1.2变差函数的数据分析在计算数据样本的变差时,程序会根据指定的距离和方向搜索数据。
搜索半径除以步长间隔即为步长的数目。
由于数据点在空间上的分布具有或多或少的随机性,所以在搜索方向和距离上允许存在一定的容差(tolerance)。
1.1.2.1变差函数的方向由于各向异性,变差函数需要从不同的方向上进行计算。
地质统计学变异函数
变异函数及变异曲线
• 变异函数:由于其能反映区 域化变量的结构特性,又称 为结构函数; V • γ(h)= ½ E[Z(x)-Z(x+h)]2 x • 由于h和x是有方向的,一般 描述: • γ(h,α)= ½ E[Z(x)-Z(x+h)]2 • 连续时: (h, ) 1 [ z ( x) z ( x h)] dx 2V • 离散时: 1
变异函数的计算与拟合
• 变异函数的计算 • 计算方法 • 规则数据构型:小样数据利用基本滞后距h有 规律地直接计算,大样数据抽样计算 • 不规则数据构型:确定基本滞后距,给出角 度容差和距离容差后计算,小样数据取大容差, 大样数据取小容差
变异函数的计算与拟合
• 变异函数的计算(加快计 算速度和减少计算量和存 储量) • 点对文件法:(序号,角 度,滞后距)存储量大 • The Variogram Grid:极坐 标网,原点为某观测点位 置,方位角为计算方向, 极距为相对于某观测点的 滞后距
h)]2
变异函数的计算与拟合
• 变异函数的计算 • 计算方法 • 在指定方向上对指定h,搜索所有相距h的点对 [z(xi),z(xi+h)],并统计点对数N(h)。计算量依赖于数 据的空间构型,按构型搜索方法可分为两类: • 规则数据构型:已知取样数据点在空间是按规律进行 的;在指定方向上可得到基本滞后距 • 不规则数据构型:横不成行竖不成列,找不到基本滞 后距
C(0) h
a
变异函数及变异曲线
• 变异函数的性质: γ(h) • 设Z(x)是二阶平稳的,则γ(h)存在且平 稳,并有下列性质: • (1) γ(0)=0 C • (2) γ(h) >=0 • (3) γ(-h)= γ(h) • (4)[-γ(h) ]是条件非负定函数 • (5) γ(∞) =C(0) • 变异函数与协方差函数的关系曲线 • C(h)=C(0)- γ(h)
第十章 地统计学
§10 地统计学
区域化变量的的数字特征
区域化变量的一阶矩(数学期望)
E Z ( x)=( x)
区域化变量的二阶矩 ➢ 方差函数 ➢ 协方差函数 ➢ 变差函数(半方差函数)
方差函数 Var Z(x)=EZ(x) (x)2 E Z(x)2 2(x)
§10 地统计学
区域化变量的的数字特征-协方差函数
h 的一对点(xi , xi h)上测定的值,则定义Z(x)的实验半方 差函数为
ˆ(h)
1 N(h) 2N (h) i1
Z (xi h) Z (xi )
2
实验半方差是总体半方差的一个无偏估计量。
§10 地统计学
半方差实际计算中的几个问题
缺值情况 各向同性(isotropic) 取样不规则情况 实测数据量
Var Z (x) Z (x h) E Z (x) Z (x h)2 E Z (x)Z (x h)2
E Z (x) Z (x h)2
(h) 1 E Z (x) Z (x h)2 Var Z (x) Z (x h) 2 (h)
2
有了本征假设,在进行变异函数估计时,对同一个h,可以 得到无数个增量值,从而可以根据实际测定来估计变异函 数(半方差函数)。
§10 地统计学
地统计学与经典统计学的区别
经典统计学研究的变量是随机变量,该随机变量的取 值按某种概率分布而变化。地统计学研究的变量是区 域化变量,该区域化变量根据其在一个域内的空间位 置取不同的值,它是随机变量与位置有关的随机函数。 因此,地统计学中的区域化变量既有随机性又有结构 性。
§10 地统计学
§10 地统计学
C0/ ( C0 + C) 指标
块金方差与基台值之比C0/ ( C0 + C)反映的是随机因 素引起的空间异质性占总空间异质性的百分比。如果这 个值较大,相应块金效应就较小,说明在小尺度空间中被 研究对象变化较小,亦说明当前的采样密度对于所进行 的研究是足够的。 如果比例< 25 % ,说明变量具有强烈的空间相关性; 比例在25 %~75 %之间,变量具有中等的空间相关性; 比例> 75 %时,变量空间相关性很弱。
多点地质统计学随机建模 方法原理 详细教程
Prob S(u) = sk
| S(uα ) = skα ; α = 1,n
=
p(u; sk
| dn)
ck (dn ) c(dn )
多点统计的推导题
要推导出所有节点的概率分布函数cpdf ,要求(n,dn) 组合在训练图像中出 现足够多次。
如果数据样板n中n个节点每一个都取K个可能状态,则与n相联系的数据 事件的总数目为Kn; 如 K=4 and n=15 则Kn >109, 该数目大大于训练图像的大小 (105 to 107 网格).
u4
u2
u? u3
u1
p(u; blue
|
dn
)
=
3 4
p(u;
yellow
|
dn
)
=
1 4
Training image
Retrieve training replicates of dn
2. 多点统计方法的新术语及含义
(1) 数据事件与数据样板(data event and data template)
(3)应用神经网络的随机模拟
(Caers and Journel,1998)
应用神经网络,基于局部条件概率分布的模拟。
第一步: 应用一定数据模板,扫描训练图像,应用训练图像中提取的少数实
验cpdf训练神经网络,以条件概率的形式提取多点信息。结果为cpdf(条 件概率分布函数)f(y|x)。
f(y|x):在数据样板内给定邻域数据集x的情况下属性 值y的概率分布
u1
u3
u2
n的子样板n´ 由n的诸向量的任一子集所构成。 与n´对应的数据事件为dn´
n' n
••• • • u•? •••
地质统计学方法
地质统计学方法一、引言地质统计学是地质学中的一个重要分支,它运用统计学的理论和方法来分析和解释地质现象和地质数据。
地质统计学的发展与地质学研究的需要密切相关,它可以帮助地质学家更好地理解地质现象、预测地质事件以及优化地质资源的开发利用。
本文将介绍地质统计学方法的基本原理和常用技术,以及其在地质学中的应用。
二、地质统计学方法的基本原理地质统计学方法的基本原理是基于概率统计的理论,它认为地质现象和地质数据的分布具有一定的规律性。
地质统计学方法通过对地质数据进行采样、观测和分析,可以得到地质现象的统计特征和概率模型,进而进行地质事件的预测和模拟。
三、地质统计学方法的常用技术1. 变量分析变量分析是地质统计学中最基本的技术之一,它主要用于研究地质现象和地质数据的变量特征。
常用的变量分析方法包括:频数分析、概率分布函数拟合、变异系数计算等。
这些方法可以帮助地质学家了解地质现象的变量分布规律,从而为后续的地质建模和预测提供依据。
2. 空间分析空间分析是地质统计学中另一个重要的技术,它主要用于研究地质现象和地质数据的空间特征。
常用的空间分析方法包括:半方差函数分析、克里金插值、空间统计模型建立等。
这些方法可以帮助地质学家揭示地质现象的空间分布规律,从而为地质资源的勘探和开发提供指导。
3. 地质模拟地质模拟是地质统计学中的一项重要技术,它主要用于通过随机模拟方法生成符合实际地质条件的模拟数据。
常用的地质模拟方法包括:高斯模拟、马尔可夫链模拟、蒙特卡洛模拟等。
这些方法可以帮助地质学家预测地质事件的概率和可能性,提高地质资源的开发效率。
四、地质统计学方法在地质学中的应用1. 地质资源评价地质统计学方法可以帮助地质学家评价地质资源的分布和储量,从而为资源的合理开发提供依据。
通过对地质数据的变量分析和空间分析,可以揭示地质资源的分布规律和富集规律,进而进行资源量的估算和评价。
2. 地质灾害预测地质统计学方法可以帮助地质学家预测地质灾害的发生概率和可能性,提前做好防灾准备工作。
地质统计学与随机建模原理2-变差函数
m
m
,不存在
但:zx zx h y y 0 0 ,存在且为0
1) 二阶平稳假设的第二个条件可以推出本征假设条件之二 在二阶平稳假设满足时:
2 h zx zx h zx
2
由二阶平稳假设条件之二 Varz x =C(0),x ,当h=o
2Hale Waihona Puke D2 Z x 或 varZ x
2
D2 Z x VarZ x EZ x EZ x
2
2. 变差函数与变差图
假设空间点x只在一维的x轴上变化,我们把区域化变量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r (x,h),即:
第二章 地质统计学理论基础
第一节 区域化变量的理论
一、随机场与区域化变量
1.定义:以空间点x的三个直角坐标xu, x v, xw为自变量的随机场
Z(xu,xv,xw)=Z(x)称为一个区域化变量。
[区域化变量具有两重性]:
观测前,将Z(x)看作随机场;观测后,将Z(x)看作一个普通的三元
实值函数。即空间点函数,一次观测后,就得到它的一个实现Z(x)。
二阶矩且平稳就够了。→ 二阶平稳(弱平稳)。
② 二阶平稳假设
满足下列两个条件 1)整个研究区内,Z(x)的数学期望存在,且等于常 数,
zx m(常数),x
2)整个研究区内,Z(x)的协方差函数存在且平稳( 即只依赖于滞后h,而与x无关)
Covzx , zx h zx zx h zx zx h zx zx h m2 ch, x, h
如一维随机游走:
1 xi 1 Z n xi
克里格方法
i1 j1 B' (hij ) k
优化测点分布的克里格方程组
由(h)=C(0)B(h),可得 C(h)=C(0)(1-B(h))
设 ce (h) 1 B(h) ,则上式可表示为
c(h) c(0)ce (h)
令 c(0)e 将上述式子代入克里格方程组可得与C(0)无关的克里 格方程组和克里格方差,如下
n
ce (hij ) j e ce (hi0 )
j 1
i∈[1,n]
n
j 1
j 1
和
2 0
c(0)[1
e
n
ice (hi0 )]
i1
n
令
2 e
1 e
i ce (hi0 )
i 1
则
2 0
c(0)
2 e
其中, c(0)
取决于区域Ω上的样本值,
2 e
取决于区域Ω上测点的空
间分布。上式在优化区域Ω上测点的空间分布时,只需任意赋予C(0)
g(i)
则接受第(k+1)次测点的移动。
情况二:
(k)
( k 1)
v(i)
g (i )
,表明网格节点上的较大估值方差变大了,
则取消第(k+1)次测点的移动。
谢谢!
(Code just enter in your cart)
m相应的空间坐标设置区域上n个测点的初始的空间坐标值值一变异函数理论模型为bh并给c0赋一正值当n个测点的空间分布由调整为判断是否成立
Kriging 方法与测点优化
克里格(Kriging)法
克里格法是地质统计学的核心。 解决问题:主要对矿产资源储量进行估计, 现已推广运用到各领域。 方法概要:根据已知样品的空间位置和相关 程度,求出未知区域线性无偏、估计误差最小 的储量。 优点:考虑到样品的空间变异性特征。
变差函数在储层地质建模中的应用
9 2 9 基 本倾 向是 从 南 向 北 油层 逐 渐 由 浅 变 0 . 4m,
式 ( ) Ⅳ( 为相 距 为 h的数 据点 对 数 目 , ( ) 2 中 ) h
21 0 0年 7月 1 日收 到 2
为 实验 变差 函数 值 。 根 据各 井 点 已 知 的储 层 参 数 值 , 同 一 方 向 在 上, 对不 同的 h ( =12, , 可 得到一 组 不 同的实 i , … )
文献标志码
目前 , 国 大部 分 油 气 田 已进 入 开 发 中后 期 , 我
深 。开 采 的 层 位 是 P14油 层 组 , I- 该层 组 的 砂 岩 组 主要 由喇 一 河流 系 统形 成 的泛 滥. 流平 原 相 沉积 西 分 的碎 屑岩 地层 。油 层属 河 流一 角 洲相 沉 积 , 层具 三 油
第 l 0卷
第2 9期
21 0 0年 1 0月
科
学
技
术
与
工
程
V l l No 2 Oc. 0 O 0_ O .9 t2 1
l7 一 1 1 ( 0 0 2 — 170 6 l 8 5 2 1 ) 9 7 4 —4
S in e T c n lg n n e fn c e c e h o o y a d E on e g i
发 育 , 层 倾 角 1 5 左 右 ,平 均 海 拔 顶 深 地 .3 。
一
( ) —E z 一 ( h ] h =} [ () Z + )
而 实验变 差 函数 的计算 公 式为
一
() 1
y () 1 丽
Ⅳ ) (
[( 一 ( + ) () z ) z ] 2
质 性较 严重 。
地质建模系列一:地质统计学
4
产生、形成、 2.1 产生、形成、发展
马特隆在1962年首先使用了地质统计学这个术语,并给出了定义: 年首先使用了地质统计学这个术语,并给出了定义: 马特隆在 年首先使用了地质统计学这个术语 “ 地质统计学就是应用随机函数的形式体系来探索和评价自然现 象”(Journel and Huijbregets,1978)。按照马特隆的最初定义, 。按照马特隆的最初定义, 克里金估计技术是一个概率过程, 克里金估计技术是一个概率过程,其目的是为了取得一个未知变量 的线性最佳无偏估计(Journel,1977)。 的线性最佳无偏估计 。 1988 年 成 立 的 国 际 地 质 统 计 学 学 会 ( The International Association)对地质统计学给出的定义是 对地质统计学给出的定义是: Geostatistical Association) 对地质统计学给出的定义是 : “ 地 质统计学这一术语是指对于区域性现象(也称区域化现象)的研究, 质统计学这一术语是指对于区域性现象(也称区域化现象)的研究, 更具体地说是指这些现象中复杂的估计问题的研究。 更具体地说是指这些现象中复杂的估计问题的研究。” 斯坦福大学石油工程系的A. Journel教授在他的论文 ( Journel, 教授在他的论文( 斯坦福大学石油工程系的 教授在他的论文 1999)中,以已召开的五次国际地质统计学大会取得的成果为纲, 以已召开的五次国际地质统计学大会取得的成果为纲, ) 5 系统地叙述了石油地质统计学的过去、现在和将来。 系统地叙述了石油地质统计学的过去、现在和将来。
7
克里金估计技术这一术语出自英文科技文献中的Kriging一词 克里金估计技术这一术语出自英文科技文献中的Kriging一词, 可称为克里金估计方 Kriging 一词, 法或克里金技术, 或克里金。 法或克里金技术 , 或克里金 。 为了纪念这项技术的先驱者南非的矿业工程师克里格 (D G Krige),该项技术基础体系的奠基人法国的马特隆教授(G.Matheron)将这门技术 Krige),该项技术基础体系的奠基人法国的马特隆教授( Matheron)将这门技术 用法文命名为“Krigeage”,译成英文就叫做“Kriging”(Olea,1983) (Olea,1983 用法文命名为“Krigeage ,译成英文就叫做“Kriging (Olea,1983)。 克里金估计技术主要用于二维,三维空间中的估计问题, 克里金估计技术主要用于二维,三维空间中的估计问题,即用一个空间变量在若干位 置处已知数值的加权平均去估计该变量在其他位置处的数值,求得的是一个最佳线性 置处已知数值的加权平均去估计该变量在其他位置处的数值, 无偏估计量。 无偏估计量。 马特隆(1963)将克里金估计技术定义为: 马特隆(1963)将克里金估计技术定义为:“它通过计算各采样点的加权平均来预测 一个矿体的品位。和预测方差为最小是确定其加权系数的两个条件。 一个矿体的品位。和预测方差为最小是确定其加权系数的两个条件。” 克里格(1978)对于克里金这个词有一个解释: 克里金这个名称是马特隆给予的, 克里格(1978)对于克里金这个词有一个解释:“克里金这个名称是马特隆给予的,它 是一种多元回归过程。其目的是要获取任何尺寸的矿体的品位的最佳线性无偏预测, 是一种多元回归过程。其目的是要获取任何尺寸的矿体的品位的最佳线性无偏预测, 或是最佳线性加权滑动平均预测。这时, 或是最佳线性加权滑动平均预测。这时,在矿体内部或外部的所有观测值都有一个加 权系数相对应。 权系数相对应。” 地质统计学的杰出贡献者儒尔奈耳( Journel,1978 则说: 1978) 地质统计学的杰出贡献者儒尔奈耳(A.G.Journel,1978)则说:“克里金是一种进 行局部估计的方法,它给出所研究的未知特征的最佳线性无偏估计量(简写为BLUE) 8 BLUE)。 行局部估计的方法,它给出所研究的未知特征的最佳线性无偏估计量(简写为BLUE)。”
地质建模方法与对比分析
五、建模方法在应用中应注意的问题
5.1 变程对模型的影响 5.2 创建层面算法的比较 5.3 算法中的方法与权重 5.4 层建模在水平井轨迹设计中的应用 (杏六区东部) (南一区甲块 )
5.1 变程对模型的影响
3000x2000x45 10x10
(南一区甲块 )
水平井建模区域面积 约为0.7Km2,井数48口, 井密度为67口/Km2。 实际建模时,采用了 多种算法分别建立模型, 并对各种算法的模型结果 进行比较,分析其优缺点 及对各种条件的其适应性, 最终选择了最小曲率法并 采用井点数据进行校正, 提高地质模型的精度。 通过实际测井资料与 录井资料的对比验证,在 入靶点位置地质模型预测 的目的油层顶深与实际顶 深仅相差0.47米。
三、地质建模技术发展的现状
二步建模或相控建模,即首先建立沉积相、储层结构或流动 单元模型,然后根据不同沉积相(砂体类型或流动单元)的储层 参数定量分布规律,分相(砂体类型或流动单元)进行井间插值 或随即模拟,建立储层参数分布模型。 三步建模,相控建模表征了层面的非均质性。为表征垂向的 非均质性,人们开始采用三步建模。即利用沉积微相图约束岩相 建模;再利用所建立的岩相模型,进一步约束孔、渗、饱等属性 参数建模。 由于研究的深入,过去储层表征、随机建模领域主要利用井 资料分析相带空间展布及物性空间特征的基本格局正在被突破! 地震资料在储层随机建模中的应用越来越多,如岩相建模时地震 速度的应用,模拟退火算法中地震资料和露头及井资料的结合等。 由于这些进展,随机建模的思路与方法也开始在地震反演中得到 应用。
3、Inverse Distance Square特征: 4、Inverse Distance quadruple特征: 2、Inverse Distance特征: 1、Equal 特征:所有点的权重相等。 整体区域起伏更加大,局部抖动频率更趋小、 整体区域起伏趋缓,局部区块更加大。 整体区域起伏加大,局部抖动频率趋小。 整体区域平缓,局部抖动频率大。 区域加大。 Delta=66.79 Max=968.58 Min=901.79 Delta=61.35 Max=964.49 Min=903.14 Delta=50.89 Max=957.33 Min=906.44 Delta=66.43 Max=968.27 Min=901.84
变差函数和结构分析
国外杂志
International Association for Mathematical Geology ( IAMG ) Mathematical Geology Computers&Geosciences Natural Resources Research Geoderma
空间信息统计的研究内容
本征假设和二阶平稳假设期望条件比较
二阶平稳假设第一条强于本征假设
E[Z ( x)] m E[Z ( x) Z ( x h)] 0
? E[ Z ( x) Z ( x h)] 0 E[ Z ( x)] m
期望不存在的概率密度函数
1 f ( x) (1 y 2 )
C (0) E[ Z ( x)]2 {E[ Z ( x)]}2 E[ Z ( x)]2 m 2 C (h) E[ Z ( x) Z ( x h)] E[ Z ( x)]E[ Z ( x h)] E[ Z ( x) E ( x h)] m 2
Var[ Z ( x) Z ( x h)] 2[C (0) C (h)]
这就要求随机函数Z(x)的各阶矩都存在,且 平稳。在实际中通常采用二阶平稳假设,即 要求区域化变量的一、二阶矩存在并平稳。本征假设本征假设(来自个要点) 1. 在整个区域内有
E[Z ( x) Z ( x h)] 0
2. 增量z(x)-z(x+h)的方差函数存在且平稳
Var[ Z ( x) Z ( x h)] E[ Z ( x) Z ( x h)]2 {E[ Z ( x) Z ( x h)]}2 E[ Z ( x) Z ( x h)]2 2 ( x, h) (h)
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。
变差函数(简)
实验变差函数的拟合有很多种方法
加权最小二乘法
线性规划方法
遗传算法 交互式拟合方法
变差函数的套和
实际的区域化变量的变化性是十分复杂的, 往往包含着各种尺度上的多层次性,反映 在变差函数上就是它的结构不是单纯的一 种结构,而是多层次结构叠加在一起称为 套和结构。
例如不同尺度上的地质作用: 地质上: 全球构造运动、断裂带上的构造运
A O
横向的变程比纵向的大
实例:
40.00
30.00
20.00
10.00
0.00 0.00
10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00
土壤甲烷各方向变差函数拟合图
80000
60000
40000
40000
0 0
80000
20000
10
20
0
N-S
参考书
1.Journel A G, Huijbregts C. Mining Geostatistics, London: Academic Press, 1978, 1~690
2. 王仁铎,胡光道. 线性地质统计学. 武汉:中国 地质大学出版社,1984
3. Goovaerts P. Applied geostatistics for natural resources evaluation, New York: Oxford University Press, 1997
变差函数的类型 Y(h)
间断型(原点为0)
连续型 随机型
h
变差函数的模型
Y(h)
球状模型 指数模型
高斯模型
h
变差函数模型
- 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)。
在实际地质,采矿工作中是不可实现的,因为不可能恰在空间同一点上 重复直接取得二个样品。这就使统计陷入困境。需借助假设来解决。
两个重要的假设条件:
1. 平稳假设 2. 本征假设
2 h zx zx h2 zx 2 zx h2 2zxzx h
由二阶平稳假设条件之二 Varzx =C(0),x ,当h=o
C0 Varzx EZ x2 EZ x2 EZ x2 m2
故: EZ x2 C0 m2
同理有: EZ X h2 C0 m2
而由h≠0 时的二阶平稳假设条件二有:
即只依赖于滞后h,而与x无关)
Covzx, zx h zxzx h zxzx h
zxzx h m2 ch, x,h
特殊地:当h=0时
Varzx =C(0)
即方差存在且为常数。当上述条件仍不能满足时,条
件进一步放宽,导致本征假设。
对平稳的理解:空间变异性只与两点间的距 离和方向有关,而与点的位置无关。
zx, zx h ch m2
则: 2 h c0 m2 c0 m2 2ch m2
2c0 2ch
h c0 ch或ch c0 h
[只要协方差函数存在,则C(0)存在,于是r(h)存在 ]
协方差函数不存在,而r(h)存在的例子
步朗运动:其随机函数的理论模型即Wiener-Levy 过程 (随机游走过程),其验前方差和协方差函数皆不确定。但其 增量却具有限方差:
当r(x,h)与x的取值无关时,r(x,h)只依赖与h( 滞后、间隔、步长),则可将r(x,h)写成r(h),此时 以h为横坐标,r(h)为纵坐标作出图形谓之变差图。
r (h)
拱高C 块金常数C0
基台值C+C0
h 变程a
三.平稳假设与本征假设
[问题]:由数理统计知:要估计变差函数值 就要估计数学期望值
1. 协方差函数
若Z(x)是随机场,在空间两点x和x+h 处两个随机变量Z(x)和 Z(x+h)的二阶中心混合矩
Covzx, zx h Cx, x h
Ezx zx h Ezx Ezx h
称为随机场的Z(x)自协方差函数,简称协方差函数。一般地讲
,它是依赖于点x和向量h 的函数。
特殊地:当h =0时,Cx, x 0 zx2 zx 2
Varzx zx h 2 h A• h A常数
则:
p
y
1
1
y
2
y
[zx] [zx h]
y 1 y2
dy
lim 1 d(1 y2 )
1 ln 1 y2 m
2 1 y2
m 2
m
,不存在
但:zx zx h y y 0 0 ,存在且为0
1) 二阶平稳假设的第二个条件可以推出本征假设条件之二
在二阶平稳假设满足时:
就等于方差函数: D2 Z x 或 varZ x
当其不依赖于x时简称方差,故有:
D2Z x VarZ x EZ x2 EZ x 2
2. 变差函数与变差图
假设空间点x只在一维的x轴上变化,我们把区域化变量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r (x,h),即:
rx, h 1 Varzx zx h
2
1 zx zx h2 1 zx zx h2
2
2
在二阶平稳和本征假设条件下:
zx zx h, h
于是变差函数的计算公式变为:
rx, h 1 zx zx h2
2
x x+h
基 本 公 式
在二维、三维情况下定义时,以一维变差函Байду номын сангаас为基础, 需考虑各向异性,结构套合等问题。
第二章 地质统计学理论基础
第一节 区域化变量的理论
一、随机场与区域化变量
1.定义:以空间点x的三个直角坐标xu, x v, xw为自变量的随机场 Z(xu,xv,xw)=Z(x)称为一个区域化变量。
[区域化变量具有两重性]: 观测前,将Z(x)看作随机场;观测后,将Z(x)看作一个普通的三元
实值函数。即空间点函数,一次观测后,就得到它的一个实现Z(x)。
n, h, x1, x2 , , xn
这种要求是Z(x)的各阶矩存在,且平稳,这在实 际中不能满足,且不好验证。所以实用上采用的只需一、
二阶矩且平稳就够了。→ 二阶平稳(弱平稳)。
② 二阶平稳假设
满足下列两个条件
1)整个研究区内,Z(x)的数学期望存在,且等于常
数,
zx m(常数),x
2)整个研究区内,Z(x)的协方差函数存在且平稳(
1. 平稳假设 ① 严格的平稳假设 区域化变量Z(x)的任意n维分布函数不因空间点 x发生位移h而改变。 即:
Fx,x2 ,xN1 Z1, Z2, , ZN PZ x1 Z1, Z x2 Z2, , ZxN ZN PZx1 H Z1, Zx2 H Z2, ZxN H ZN Fx1h,x2 h, xN h Z1, Z2 , , Z N
2.功能
能同时反映地质变量的结构性与随机性。
①当空间点x固定后, Z(x)即为一个随机变量; ②x与x+h两点处的Z(x)具有某种程度的相关性(因随 机场有相关函数R(x,x+h))即为一个随机变量;
3.物理学或地质学特征
①空间局限性;②不同程度的连续性;③不同类型 的各向异性。
二、协方差函数与变差函数
x2
x1+h
x1 x2
x2+h x3
x3+h
x1
2. 本征假设
区域化变量Z(x)的增量[Z(x)- Z(x+h)]满足下 列两个条件:
1) 在整个研究区内有:
zx zx h 0 x,h
2)增量[Z(x)– Z(x+h)]的方差函数存在且平稳( 不依赖于x)即:
Varzx zx h zx zx h2 zx zx h2
=zx zx h2 EZ x Z x h 2 =2r(h), x, h
即Z(x)的变差函数存在且平稳。
3 .二阶平稳假设与本征假设的比较
总的结论:二阶平稳假设较强,本征假设较弱
1) 由二阶平稳假设的第一个条件可推出本征假设
条件一。 如:设
E(zx)
E(zx
h)
y,
x, y
y为一服从柯西分布的随机变量,其概率密度为