地质统计学反演
地质统计学的反演流程
地质统计学的反演流程Geostatistics is a branch of statistics that deals with the study of spatial or spatiotemporal phenomena. In the field of geology, geostatistics plays a crucial role in the analysis and interpretation of geological data. 地质统计学是处理空间或时空现象研究的统计学分支。
在地质领域，地质统计学在地质数据的分析和解释中起着至关重要的作用。
The process of geostatistical inversion involves the use of statistical and mathematical techniques to infer the spatial distribution of geological properties based on limited observations. 地质统计反演的流程涉及利用统计和数学技术，根据有限观测推断地质特性的空间分布。
One of the key aspects of geostatistical inversion is the characterization of uncertainty in the estimation of geological properties. This involves quantifying the variability and reliability of the inferred spatial distribution, taking into account the limited amount of data available. 地质统计反演的一个关键方面是表征地质特性估计的不确定性。
相控地质统计学反演在薄层灰岩油藏精细描述中的应用
173在薄层灰岩油藏的评价与开发过程中，落实储层的厚度及物性空间分布非常重要。
与常规砂岩油藏不同，灰岩油藏的非均质性更强、物性空间分布更复杂。
目前常用的储层预测技术主要为地震属性分析和确定性反演，前者用于半定量预测储层分布，具有一定的不确定性，而后者受地震频率的限制，一般识别厚度小于10m的储层有一定难度。
地质统计反演结合了地震反演与储层随机模拟的优势，不仅充分利用地震数据横向密集的特点，而且提高了地震资料的垂向分辨率，有利于油藏的的精细描述[1-4]。
针对L油田礁灰岩沉积复杂，储层超薄，井控稀疏等，地质统计学反演采用相控约束，优化统计学变程及概率密度函数，综合指导储层岩性物性的预测，进一步提高薄层灰岩油藏的描述精度。
1 问题的提出L油田灰岩地层厚度不足40m，从浅至深按照沉积特征分为三段：A段为ZJ10A生物礁灰岩，隔夹层发育，储层单层厚度2m～8m，物性相对较差；B段为ZJ10B上部的生物滩灰岩，储层厚度约7m，物性较好；C段为ZJ10B下部的致密碳酸盐岩台地。
其中灰岩B段为油田主要的储层，A段次之，地震资料难以精细描述仅2m～8m优质储层及其夹层展布特征。
图1为探井实测纵波阻抗和常规反演波阻抗曲线的对比，可以看到A段灰岩实测阻抗值要大于B段灰岩储层的实测值，但后者的反演阻抗值要大于前者的反演值，从而导致无法落实优质灰岩B段的厚度以及空间展布。
图1 探井测井曲线与反演曲线对比图2 研究思路与技术实践相控地质统计反演结合了地震反演和随机模相控地质统计学反演在薄层灰岩油藏精细描述中的应用 郭飞 刘南 董政 中海石油（中国）有限公司深圳分公司 广东 深圳 518000 摘要：针对礁灰岩油田储层超薄，非均质性强，油藏描述难度大，本文提出多级相控地质统计学反演的技术对策。
纵向上相控利用生物礁地质模式及测井韵律指导储层概率变化，平面上相控采用确定性反演波阻抗与地震属性融合得到反映储层的变化规律。
在纵向一维和平面二维联合相控基础上，结合地震反演和随机模拟的优势，能确保反演结果与测井数据吻合度高，灰岩超薄储层及其夹层在空间变化得到精细描述，为薄层灰岩油藏开发提供指导。
地质统计学反演流程
地质统计学反演流程一、准备工作。
咱得先收集数据呀，这数据就像是盖房子的砖头一样重要。
包括地震数据、测井数据等等。
地震数据呢，就像是大地给我们的一种特殊信号，它能告诉我们地下大概是个啥情况。
测井数据则更像是从地下各个小角落直接得来的信息，比如地层的岩性呀、孔隙度之类的。
这些数据可得收集全乎了，要是少了点啥，就好像做饭少了调料，做出来的东西味道就不对啦。
而且收集数据的时候要特别小心，可不能弄错了数值，不然后面的工作就全乱套喽。
二、建立地质模型。
有了数据之后呢，就开始建立地质模型啦。
这就像是搭积木一样，不过这个积木可是根据我们收集的数据来搭的哦。
我们要根据对地下地质结构的理解，把不同的地层、岩石类型等在模型里表示出来。
这个过程中要充分发挥我们的想象力，但是又不能天马行空，得符合地质规律。
比如说，砂岩一般会在某个特定的深度范围出现，我们就得按照这个规律来构建模型。
这就好像是给我们要探索的地下世界画一个草图，虽然还不是很精确，但是有个大概的框架了。
三、确定变差函数。
变差函数可重要啦。
它有点像描述地下地质属性变化规律的一把尺子。
我们要根据数据去确定这个变差函数。
比如说，某个地区的地层厚度变化是比较平缓的呢，还是变化得很剧烈的呢？变差函数就能告诉我们这些信息。
这就好比我们知道了一个人的性格特点，就能更好地预测他在不同情况下的反应。
确定变差函数需要我们对数据进行分析和计算，有时候可能得试好几次才能找到最适合的那个变差函数，就像试衣服一样，得找到最合身的那件。
四、进行反演计算。
接下来就是进行反演计算啦。
这就像是一场魔法表演，我们把前面收集的数据、建立的模型还有确定的变差函数都放进一个特殊的算法里，然后这个算法就像一个小魔法师一样，开始计算出地下地质属性的分布情况。
这个过程可能会有点漫长，就像等待面包发酵一样，我们得有耐心。
在计算的过程中，计算机可是在飞速运转，做着各种复杂的计算，而我们就像在旁边焦急等待结果的小粉丝，心里既期待又有点小紧张呢。
地质统计学反演的应用研究
地质统计学反演的应用研究近些年来，随着地质科学研究的进展，地质统计学反演的应用也开始受到人们的普遍重视。
地质统计学反演是一种地质技术，可以改进和提升地质勘探的选址和定位，提高资源预测的准确性，为开发和开发管理提供参考支持。
本文旨在研究地质统计学反演的应用，并讨论其当前的研究进展和发展前景。
首先，讨论地质统计学反演的定义，地质统计学反演是一种以概率为基础的技术，它可以改进和提升地质勘探的选址和定位工作，以及资源的预测准确性。
它通过建立有关地质数据与现实环境的模型，根据模型反演地质状况，从而可以科学地展开地质勘探。
其次，讨论地质统计学反演的应用情况：目前，地质统计学反演已经得到广泛应用，主要应用在地质勘探、资源开发、地质灾害研究等领域。
在地质勘探领域，采用地质统计学反演技术，可以更精确地确定勘探靶区，提高发现潜在资源的准确性，缩短勘探时间，降低勘探成本；同时，地质统计学反演技术也可以用于资源管理，有效控制资源利用；此外，地质统计学反演技术也可用于地质灾害预警，及时预测地质灾害的发生，从而降低灾害损失。
最后，讨论地质统计学反演的发展前景：在当前，地质统计学反演技术在应用过程中仍然存在一些不足，如对模型的限制、反演准确性的提高等，这些问题需要进一步研究和改进。
另外，地质统计学反演需要大量数据驱动，由于质量和数量的限制，地质统计学反演的发展受到一定程度的限制。
未来，可以利用人工智能、大数据等技术，提高地质统计学反演的精准性，从而进一步推动其发展。
综上所述，地质统计学反演在应用中发挥了重要作用，已得到了广泛的应用，但仍有一些问题需要解决，在未来，利用人工智能和大数据技术，可以有效提高地质统计学反演的精准性，这将为更好地应用地质统计学反演技术奠定基础。
结论：地质统计学反演是一种重要的地质技术，目前已得到广泛应用，在勘探、资源开发、地质灾害研究等方面都有重要的应用价值。
然而，由于反演准确性的提高和大量数据驱动的限制，未来地质统计学反演的发展仍面临着不小的挑战。
最新jason地质统计学反演手册资料讲解
StatMod MC入门手册Chapter 1.工作流程Chapter 2.基本的输入输出数据输入数据输出数据岩性实现岩性概率体属性实现地质统计学参数岩石物理分析地层网格模型地震数据测井曲线……………………...5%...….………………..15%..……………………..5%……………………...50%……………………...10%….………………….15%百分数表示每个步骤所用时间占整个项目时间的百分比Stage 4:反演Stage 2:地质统计学参数分析Stage 3:模拟Stage 5:协模拟Stage 1: 项目准备Stage 6: 不确定性分析与风险评估Chapter 3.详细操作步骤操作步骤以StatMod MC培训数据为例第一步.首先完成一个高质量的叠后CSSI反演这一步的目的是为地质统计学提供一个好的研究基础, 这个“好”主要体现在：(1)好的井震标定, 目标区的相关值达到0.85以上;(2)好的叠后反演结果, 用来质控地质统计学模拟和反演结果, 是地质统计学反演结果横向预测准确度的参照物;(3)利用叠后反演结果进行砂体雕刻, 对目标区的岩性展布、比例有一个总体上正确的把握, 这些认识都是地质统计学的初始输入。
（说明：在提供的培训数据中已经为用户做了以上准备，用户可以从主界面中打开该培训数据所在工区, 然后用Map View看工区底图，用Section View查看地震数据、叠后CSSI反演数据、地质框架模型与层位数据以及井数据与子波 , 并用Well Editor检查井震标定情况）第二步. 数据准备●●井曲线重采样这一步将测井数据重采样至地质微层采样间隔，具体操作为：(1)JGW主界面→ Analysis→ Processing toolkit；(2)Input→ Data selection→ Data type：选Well, 点击Input file(s)右边List选择任意井(可以选多井),然后在弹出的界面Select logs中选择任意井曲线(可以多选),点击OK退出;(3)Parameters→ Resample log, 在弹出界面Processing toolkit中填写重采样间隔(注意s 与ms单位),点击OK退出;(4)Output→ Define process, 从Select from中选择Resample log, 点击››输入到右边的Process里面;(5)Output→ Generate, 在弹出的界面中填写输出路径和输出文件名,然后点击Generate,开始计算重采样的曲线。
地质统计学反演技术浅析
长江大学学报 （ 自然 科 学 版 ） 理 工 ２１ 年 ６ 第 ９ 第 ６ ０２ 月 卷 期 Ｊ ｕｎ ｌ ｆＹ ｎ ｔｅ ｎｖｒｉ （ ａ Ｓｉ ｄｔ Ｓｉ ｎ Ｊｎ ２ １ ，Ｖｏ． ． ｏｒ ａ ｏ ａ ｇｚ ｉ ｓｔ Ｎ ｔ ｃ Ｅ ｉ ｃ＆Ｅ ｇ ｕ ． ０ ２ Ｕ ｅ ｙ ） １９Ｎｏ ６
演 技 术 的基 本 原 理 和 实现 过 程进 行 了阐 述 ， 并 交 待 了反 演 过 程 中 的计 学 反 演 ； 随 机模 拟 ； 储 层 预 测 ；薄 储 层 识 别 关
［ 图分 类 号 ］ Ｐ ２ ． 中 ６８２
［ 献标识码］Ａ 文
者 波 阻抗 无法 描述 的储 层或 油藏 的地 质建模 。
２ 地 质 统 计学 反 演过 程
２ １ 地 质 统 计 学 分 析 ．
地 质统 计学 分析 是 指对 目的层 段所 要模 拟 的属 性进 行概 率 分 布统 计 。首 先 建 立 属性 概 率 密 度 函数 ， 其 次进 行 空间 变差 函数 分析 以确 立空 间上 的结 构关 系 。在 地层 研究 的最 小单 元格 架 内针 对不 同层 段 、不 同岩性 或沉 积微 相及 各种 岩性 内的属性 值进 行统 计分 析 ，得 到具有 地质 意义 的不 同层 段不 同岩性 的变 差 函数及 所模 拟 属性 的变差 函数 。在地质 统计 部分 要 引人尽 量 多 的地 质信 息 ，包 括储层 展 布 的横 向和纵 向 非 均 质性研 究 成果 以及 区域沉 积 的研究 成果 ，使 井 上及地 震 信息统 计得 到 的空 间结构 关 系与前 期 地质 研 究 成果 统一 起来 。只有全 面正 确地 应用 地 质信息 ，所 建立 的地 质统 计模 型才 能更 真实 地 反映储 层 的空 间
地质统计学反演及其在储层预测中的应用的开题报告
地质统计学反演及其在储层预测中的应用的开题报告一、选题背景储层预测是油气勘探开发中的关键环节，储层预测的准确性往往直接影响着勘探开发的成功率和效益。
地质统计学反演是一种通过对地质数据进行分析和处理来估计地下储层性质的方法，已经在储层预测中得到了广泛应用。
本文旨在探究地质统计学反演的原理和方法，并探讨其在储层预测中的应用。
二、研究目的1.了解地质统计学反演的基本原理和方法。
2.了解地质数据的处理和分析方法。
3.探究地质统计学反演在不同储层类型中的应用。
4.探究地质统计学反演在储层预测中的应用。
三、研究内容和方法1.地质统计学反演的原理和方法。
主要研究地质统计学反演的理论基础和基本方法，包括地质数据的解释、采样、处理和分析等方面。
2.地质数据的处理和分析方法。
主要研究探讨地质数据的处理和分析方法，包括数据预处理、数据模型分析、数据变换等技术，为地质统计学反演提供基础。
3.地质统计学反演在不同储层类型中的应用。
主要研究探讨地质统计学反演在不同储层类型中的应用，包括沙岩、砂岩、碳酸盐岩等常见储层类型。
4.地质统计学反演在储层预测中的应用。
主要研究探讨地质统计学反演在储层预测中的应用，包括储集层厚度、有效孔隙度、水饱和度等参数的估计。
四、研究意义本研究旨在探究地质统计学反演在储层预测中的应用，为油气勘探开发提供可行的技术手段和理论基础，提高油气勘探开发的效率和成果。
具体意义如下：1.为油气勘探开发提供科学依据。
2.提高油气勘探开发的成效和效益。
3.为储层预测提供更加准确的技术手段。
4.为相关领域的研究提供理论和实践的参考。
五、研究计划和进度安排1.第一阶段（1个月）：文献调研，制定研究计划和方案。
2.第二阶段（3个月）：研究地质统计学反演的原理和方法，了解地质数据的处理和分析方法。
3.第三阶段（3个月）：探究地质统计学反演在不同储层类型中的应用。
4.第四阶段（3个月）：探究地质统计学反演在储层预测中的应用。
地质统计学反演的应用研究
地质统计学反演的应用研究地质统计学反演是地质学和统计学的结合，旨在通过统计推断和模型反演来揭示地下岩石性质和物性参数的空间分布。
该方法与传统的地质调查和野外勘探相比，具有高效、经济、可重复性等优势，并且可以提供更准确的地质信息，为资源勘探和环境评估等领域提供重要的支持。
地质统计学反演方法主要包括地质统计分析、地质建模和地质参数反演。
地质统计分析是通过采集地质样本数据，应用统计方法进行分析和描述性统计，以了解地质样本数据的分布特征和变异情况。
地质建模是在了解地质样本数据的基础上，通过地质学理论和统计建模方法，对地下结构进行三维建模，从而揭示地下岩石性质和物性参数的空间分布。
最后，地质参数反演是利用地球物理勘探数据和地质实际条件，通过地质建模和反演算法确定地质结构的岩石性质和物性参数。
地质统计学反演在资源勘探方面有广泛的应用。
例如，在矿产资源勘探中，地质统计学反演可以通过分析和建模矿床地质特征，确定矿床的储量和品位分布，为矿产资源的开发和利用提供准确的信息。
在油气勘探中，地质统计学反演可以通过分析和建模地下岩石孔隙度、渗透率等物性参数的空间分布，评估油气藏的储量和分布规律，为油气田的开发和管理提供科学依据。
此外，地质统计学反演在环境评估和地质灾害预测等领域也有重要的应用价值。
在环境评估中，地质统计学反演可以通过分析和建模地下水体和岩石组合的结构和物性参数，评估地下水资源的分布和污染状况，为水资源管理和环境保护提供参考。
在地质灾害预测中，地质统计学反演可以通过分析和建模地下岩石的变形和断裂特征，评估地震、滑坡、地面沉降等地质灾害的潜在危险性，为灾害防治和减灾提供科学支持。
总之，地质统计学反演的应用研究在资源勘探、环境评估和地质灾害预测等方面具有重要的意义。
通过采用地质统计学反演方法，可以获得更准确和全面的地质信息，提高勘探和评估的效率，为资源的利用和环境的保护提供科学依据。
同时，地质统计学反演也面临一些挑战，如数据质量和分辨率、建模方法和算法选择等方面的问题，需要进一步深入研究和探索。
地质统计学反演技术专题之三：基于MCMC的StatMod及RockMod
地质统计学反演技术专题之三：基于MCMC的StatMod及RockMod概述在前二期的文章中，我们介绍了HampsonRussell工具包中的地质统计学地震储层表征模块GeoSI（地质统计学随机反演）。
在这篇文章中，我们将介绍CGG GeoSoftware的另外两个地质统计学地震储层表征工具，即Jason地学软件工具包中的StatMod和RockMod。
如同GeoSI，这两个工具也是在地层地质模型框架内精细地整合地质信息和地震数据，生成多个高精度的实现。
这些实现都是对储层的预测，也可用于不确定性分析和风险评估。
StatMod和RockMod紧密融合地球科学领域内所有相关的不同种类数据，从而产生多个储层模型。
这种高度跨学科一致性的特点，确保了油藏模型是符合实际生产开发情况的，并最大限度地挖掘了测量数据和推断信息的价值。
其成果是一系列精确的深度域的储层模型，可用于预测油田储量、流体流动样式和产量估算。
同时，这些模型也为定量估计不确定性提供了可靠的依据；不确定性评估与先验信息、专家知识、井资料和地震具有直接关系。
这些储层模型在远离井点处具有较高预测性，而这恰恰是传统地质统计学建模的痛点。
StatMod使用一个（全）叠加地震数据，所以只在纵波阻抗足以区分岩相时使用。
RockMod同时使用多个（部分）叠加（AVO/AVA）地震数据，因此在需要多个弹性参数组合（如纵波阻抗、横波阻抗和密度）才能区分岩相时使用。
利用地震数据，以及不同领域来源的数据，RockMod可同时得到岩相体、弹性参数体和油藏工程属性体。
图1. RockMod同时反演出弹性属性、岩相和油藏工程属性简要研发历史最早的Jason地质统计学储层表征方法可追溯至1996年。
它始于基于褶积模型的叠后地震反演。
模拟方法包含简单的序贯高斯模拟（SGS）、序贯指示模拟（SIS）和SGS同时模拟、带趋势的序贯指示模拟（SISTR）和序贯高斯协模拟（SGCS）。
地质统计学反演及其在吉林扶余油田储层预测中的应用
地质统计学反演及其在吉林扶余油田储层预测中的应用
地质统计学反演及其在吉林扶余油田储层预测中的应用
地质统计学反演方法将随机建模技术与常规地震反演相结合,有效地综合地质、测井和三维地震数据,可以更加精确地描述储层的变化.在执行地质统计学反演前,首先应用稀疏脉冲约束反演,了解储层的大致分布,以求取子波和水平变差函数.地质统计学反演从井点出发,井问以原始地震数据作为硬数据,通过随机模拟的产生井间波阻抗,然后将波阻抗转换成反射系数,并用确定性反演方法求得的子波褶积产生地震道,通过反复迭代直至合成地震道与原始地震数据达到一定程度的匹配,反演结果是多个等概率的波阻抗数据体实现.反演结果符合输入数据的地质统计学特征并受地质模型的约束,它综合了测井的垂向分辨率高和地震的横向分辨率高的优势,结果的多个实现用于不确定性评价.
作者：孙思敏彭仕宓 SUN Si-min PENG Shi-mi 作者单位：中国石油大学,北京,102249 刊名：物探与化探ISTIC PKU英文刊名：GEOPHYSICAL AND GEOCHEMICAL EXPLORATION 年，卷(期)：2007 31(1) 分类号：P631.4 关键词：吉林扶余油田地质统计学反演随机模拟储层预测。
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。
[讲解]地质统计学反演
![[讲解]地质统计学反演](https://img.taocdn.com/s3/m/cb2ed9ecfbb069dc5022aaea998fcc22bcd14307.png)
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。
jason地质统计学反演手册
StatMod MC入门手册Chapter 1.工作流程Chapter 2.基本的输入输出数据输入数据输出数据岩性实现岩性概率体属性实现地质统计学参数岩石物理分析地层网格模型地震数据测井曲线……………………...5%...….………………..15%..……………………..5%……………………...50%……………………...10%….………………….15%百分数表示每个步骤所用时间占整个项目时间的百分比Stage 4:反演Stage 2:地质统计学参数分析Stage 3:模拟Stage 5:协模拟Stage 1: 项目准备Stage 6: 不确定性分析与风险评估Chapter 3.详细操作步骤操作步骤以StatMod MC培训数据为例第一步.首先完成一个高质量的叠后CSSI反演这一步的目的是为地质统计学提供一个好的研究基础, 这个“好”主要体现在：(1)好的井震标定, 目标区的相关值达到0.85以上;(2)好的叠后反演结果, 用来质控地质统计学模拟和反演结果, 是地质统计学反演结果横向预测准确度的参照物;(3)利用叠后反演结果进行砂体雕刻, 对目标区的岩性展布、比例有一个总体上正确的把握, 这些认识都是地质统计学的初始输入。
（说明：在提供的培训数据中已经为用户做了以上准备，用户可以从主界面中打开该培训数据所在工区, 然后用Map View看工区底图，用Section View查看地震数据、叠后CSSI反演数据、地质框架模型与层位数据以及井数据与子波 , 并用Well Editor检查井震标定情况）第二步. 数据准备●●井曲线重采样这一步将测井数据重采样至地质微层采样间隔，具体操作为：(1)JGW主界面→ Analysis→ Processing toolkit；(2)Input→ Data selection→ Data type：选Well, 点击Input file(s)右边List选择任意井(可以选多井),然后在弹出的界面Select logs中选择任意井曲线(可以多选),点击OK退出;(3)Parameters→ Resample log, 在弹出界面Processing toolkit中填写重采样间隔(注意s 与ms单位),点击OK退出;(4)Output→ Define process, 从Select from中选择Resample log, 点击››输入到右边的Process里面;(5)Output→ Generate, 在弹出的界面中填写输出路径和输出文件名,然后点击Generate,开始计算重采样的曲线。
反演方法综述
④从概率密度函数中随机抽取一个值，计算反射系数并与子波进行褶积得到合成地震记录；
若这个值能使合成地震记录与实际地震记录的匹配程度增加则接受此值，若不增加则以一定的概率接收此值，接受的概率分布由波兹曼函数决定。若拒绝则返回上一步；
降低模拟退火的温度；
2、关键环节：
（1）分析储层地球物理特征
测井资料，尤其是声波和密度测井资料，是初始模型建立的基础和地质解释的基本依据，但是一般情况下声波测井都会受到井口环境例如井壁垮塌、泥浆浸泡等的影响而产生误差，同一井口的不同层段，不同井口的同一层段的误差都不尽相同。因此，用于制作初始波阻抗模型的测井资料必须经过环境校正。声波资料是唯一与地震发生联系的资料，储层与围岩的声波特征不同是进行测井约束反演的先决条件。但是由于储层的固有结构和钻井过程中的工程因素，造成目的层段和围岩声波测井上无明显差异。这就要求在仔细分析测井资料的基础上，对声波测井进行合理的校正，这就是储层地球物理特征重构。
2、技术关键和基本流程
地质统计学反演过程中的关键问题是如何使下一个模拟值(从pdf中抽取值)比前一个模拟值更快地达到规定的与地震数据的匹配程度,以避免陷入局部极小或由于大量的迭代次数而耗费机时。目前多采用模拟退火算法解决这个问题。
（1）模拟退火算法的原理：模拟退火(simulated annealing)算法是一类被称为蒙特卡罗法的随机张弛法,它允许目标函数在增加的方向上作随机的变化,因此能跳出局部极小值,找到全局或逼近全局的最优解。在退火过程中系统的能量服从波尔兹曼概率分布,系统依概率
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。
地质统计学反演小结
四、合成地震记录
原则：保证波形对应
四、合成地震记录（子波提取）
一、选择多井，求综合子波 二、子波要求： 1、形态方面，左右对称 2、相位在地震频带范围内， 相位稳定 试验证明，综合子波，能够 提高反演结果的分辨率
五、地质统计学反演的流程+参数设置
Statistics统计学参数设置
Without TDC 制作框架模型
Stat Mod MC反演参数设置
Simulation模拟参数设置
Inversion反演参数设置
五、地质统计学反演的流程+参数设置
Without TDC 制作框架模型 建立框架，按照框架网格进行反演
五、地质统计学反演的流程+参数设置
Statistics统计学参数设置
Simulation模拟参数设置 统计学参数设置与模拟参数设置一致，将第一步参数应用到第二步
五、地质统计学反演的流程+参数设置
Inversion反演参数设置 在模拟的基础上加入地震数据、地震子波、设置地震信噪比，得到最终地质统计学反演结果
五、地质统计学反演的流程+参数设置
✓ 重点分析目的层PDF函数与变差函数重要参数的设置及其对结果的影响，以M层为例
✓ 通过调整PDF函数，调节砂泥岩的比例 ➢ 注意：若果选择控制井，会严格按照
地质统计学反演培训汇总
目录
一、测井曲线预处理（标准化、归一化） 二、数据加载 三、可行性分析 四、合成地震记录 五、地质统计学反演的流程+参数设置 六、云变化模拟流程+参数设置 七、砂体雕刻（导出成果数据） 八、时深转换（得到砂岩厚度平面图） 注：质控贯穿每一步骤
一、测井曲线预处理（标准化、归一化）
地质统计学反演技术专题之二：基于SGS的GeoSI
地质统计学反演技术专题之二：基于SGS的GeoSI概况CGG GeoSoftware 提供三个地质统计学地震储层描述产品：GeoSI，StatMod和RockMod。
这篇文章主要介绍GeoSI，StatMod 和 RockMod将在接下来的文章中介绍。
GeoSI (地震随机反演)是HampsonRussell软件的一个模块，用来进行地质统计学地震储层描述。
该模块综合利用精细地质网格模型中的地质信息和地震信息，生成具有丰富的垂向细节的不同实现，这些实现是对储层的反演预测结果，可用来进行不确定性分析和风险评估。
GeoSI 方法最早的地质统计学反演方法是由Haas 和Dubrule于1994年提出的，其采用的是逐道序贯高斯模拟法(SGS)。
在每一个地震道处随机模拟阻抗曲线，直到利用该阻抗曲线正演所得地震道与实际地震道足够匹配，该阻抗曲线会被系统接受。
Buland, A., Omre,H., (2003) 提出了一个针对线性地质统计学反演快速求解的方法，该方法采用贝叶斯多变量统计。
该方法表明，在满足高斯假设的前提下，结果的概率分布是可以计算的；然而，由于结果是一个高维度的，这导致直接对其求解仍然是不可能的。
Buland, A.等 (2003) 又提出了一个在傅里叶域解决该问题的方法。
该方法中，对地震协方差函数进行了对角化处理，从而提高了计算速度。
然而，该方法假设地震协方差是和模型协方差相关的，并且，模型协方差在x，y和time方向是规则采样的，以及空间协方差函数是静态的，因此，该方法在地质网格模型中并不成立，并且不允许协方差函数有空间上的变化。
GeoSI (Escobar et al, 2006)算法是基于贝叶斯随机反演（Buland ,Omre (2003)）的数学基础，后期采用SGS对后验概率函数进行采样，生成纵波阻抗、横波阻抗的不同实现结果。
GeoSI 算法包含三个主要部分1.随机建模2.贝叶斯推断3.采样（应用SGS 算法对后验pdf进行采样）4.对后验pdf采样有不同的方法，GeoSI采用的是SGS法。
地质统计学反演的应用研究
地质统计学反演的应用研究地质统计学反演作为一种方法，在地质学研究中备受重视，它为地质学研究者提供了一种简单高效的途径来解释地质选择性，了解地质过程和地质构造背景。
反演同时也为资源勘探和评估提供有力的技术和数据支持，改善资源勘探效率和质量，从而促进经济发展。
本文旨在介绍地质统计学反演的基本原理，总结其在地质学研究和勘探资源评估中的应用，探讨其未来发展前景。
一、地质统计学反演的基本原理地质统计学反演的基本原理是基于统计模型推断地质构造背景和地质过程，以检验和验证地质假设，从而改善资源勘探和评估方法，提高资源勘探效率和质量。
统计模型可以用来分析和描述地质中的模糊性，在科学研究中尤其重要；另外，由于统计分析可以快速进行，并且结果具有可靠性和可信度，因此统计模型在地质研究中得到了广泛的应用。
二、地质统计学反演的应用（1）在研究地质过程方面，地质统计学反演可以用来评价勘探产品的可信度，从而为勘探提供可靠的技术支持。
学术研究更多地关注地质构造背景，地质统计学反演可以准确恢复地质模型，从而优化地质假设，提高地质研究的精度。
（2）在资源勘探和评估方面，地质统计学反演可以用来估算和预测资源量、类型和特征，从而改善资源勘探的效率和质量。
统计模型可以用来识别地质差异性，从而提高资源评估的精度。
三、地质统计学反演的未来发展地质统计学反演是一种新兴的地质研究方法，已经开始在地质学研究以及勘探资源评估中发挥作用，但它还只处于起步阶段，仍有很多技术难题有待解决。
未来，地质统计学反演仍将发挥重要作用，在科学研究和勘探资源评估中将得到更多应用。
四、结论本文综述了地质统计学反演的基本原理，介绍了其在地质学研究和资源勘探评估中的应用，并对其未来发展前景进行了分析。
该方法可以改善勘探资源评估方法，提高资源勘探效率和质量，从而促进经济发展。
但目前该方法仍处于起步阶段，仍有很多技术难题需要解决，仍需要进一步深入研究。
相控地质统计学反演在河流相储层描述中的应用
相控地质统计学反演在河流相储层
描述中的应用
相控地质统计学反演是利用地质数据和物理数据进行相互校正和交叉验证的一种反演方法。
在河流相储层描述中，相控地质统计学反演可以用于揭示储层的河道空间分布、流向和流速分布等信息。
具体应用包括：
1. 描述储层的河道空间分布和流向：通过对井壁图像和测井曲线数据的分析，可以获取储层各个层面的河道分布和流向。
通过地质统计学方法，可以将不同层面的河道进行匹配和拟合，得到一张完整的河道分布图。
2. 识别储层的河岸地貌和沉积体系：通过对地震反射图像和地震属性数据的分析，可以识别出不同类型的河岸地貌和沉积体系。
结合地质信息，可以进行分类和归纳，构建出详细的储层沉积体系分析图。
3. 估算储层的流速和孔隙度分布：利用测井曲线数据和岩石物理实验数据，可以计算出储层的孔隙度和渗透率。
通过地质统计学方法，可以将孔隙度和渗透率的分布规律进行揭示和拟合，得到一张地质参数分布图。
结合流体动力学模拟和储层物性分析，可以估算出储层的流速和衰减规律。
综上所述，相控地质统计学反演在河流相储层描述中，可以将地质和物理数据进行有机融合和交叉验证，揭示储层的空间分布和物性分布规律，为储层建模和资源评价提供了有力的支持。
地质统计学反演中的变差函数简介及模型分类
地质统计学反演中的变差函数简介及模型分类在地质统计学反演工作中，变差函数是一个重要的控制参数。
它是区域化变量空间变异性的一种度量，反映了空间变异程度随距离而变化的特征。
平时工作中，部分地球物理技术人员对该参数不易理解，本次就向大家简要介绍一下。
从直观上看，变差函数图展示的是方差与距离的交汇图。
观察下面三条曲线，如果你为这些不同的数据集制作变差函数，看起来将是什么样子呢？下图就是输出的变差函数图。
下图是一个典型变差函数图像，有一些重要参数控制。
重要参数变程(range)：指区域化变量在空间上具有相关性的范围。
在变程范围内，数据具有相关性，而在变程之外，数据之间互不相关，即在变程以外的观测值不对估计结果产生影响。
块金值(nugget)：变差函数如果在原点间断，这在地质统计学中被称为“块金效应”，表现为在很短的距离内有较大的空间变异性。
需要注意的是，它可以由地质的变异性造成，也可能是由于测量误差造成。
拱高：在取得的有效数据尺度上，可观测得到的变异性幅度大小。
基台值(sill)：基台值为变量在空间上总变异性的大小，即为变差函数在H大于变程的值，即块金值和拱高之和。
滞后距滞后是地质统计学术语，定义为沿关注的方向上网格节点的距离。
垂向滞后距：滞后距劈分的距离h通常与数据的采样间隔一致。
测井孔隙度曲线通常以0.5英尺为一个采样间隔，因此滞后距应该设置为0.5或者0.5的整数倍。
水平滞后距应该沿网格节点方向设置。
变程方向变程方向方向包含两个概念：垂向变程方向和水平变程方向众所周知，由于在大多数的项目研究中，井的不规则零散分布使我们很难得到一个很好的水平变差函数。
因此在EarthmodelFT软件中，没有提供水平方向变差函数的分析工具。
而在Jason软件中，通过对提取的面属性并结合地质认识分析，来得到水平方向的变差函数。
变差函数模型的分类在地质统计学研究过程中，需要进行数据的空间结构分析，拟合变差函数。
在实验变差函数图中，数据点相对较离散，因此需要拟合出一条最优的理论变差函数曲线。
地质统计学反演
地质统计学反演一、引言地质学中的反演是指根据地质数据反演出与之相适应的模型或参数，从而探究地球内部地质结构和地球演化历史。
地质统计学反演是一种基于数学方法的地质反演技术，它可以利用地球物理测量数据反演地质模型，是研究地球结构和演化过程的重要手段之一。
本文将介绍地质统计学反演的基本概念、方法和应用。
二、基本概念地质统计学反演是一种基于概率论与统计学的数学方法，它可以将地球内部的物理场量（如重力、磁场、地震波等）与地质结构联系起来，从而推导出地下地质结构的空间分布和特征。
其基本假设是地下地质结构满足一定的随机性和空间相关性，因此可以用统计学的方法进行描述和分析。
三、反演方法地质统计学反演的主要方法包括：贝叶斯反演、最小二乘反演、滤波反演、参数估计反演、基于神经网络的反演等。
（一）贝叶斯反演贝叶斯反演是一种基于概率论的反演方法，它可以通过对先验分布、误差分布和观测数据分布的综合分析，计算出后验分布，并据此推导出反演模型。
贝叶斯反演可以有效地处理噪声信号，适用于高维数据反演和模型参数不确定性较大的情况。
（二）最小二乘反演最小二乘反演是一种基于最小化误差平方和的反演方法，它可以用于处理线性或非线性反演问题，并可用于求解一些简单的地球物理模型。
（三）滤波反演滤波反演是一种基于频谱分析的反演方法，它可以将地球物理数据进行频域分析，通过滤波器对频域数据进行处理，并反演得到地下物质的空间分布。
（四）参数估计反演参数估计反演是一种基于参数估计的反演方法，它将地球物理数据与地下模型之间的关系表示为一组参数化的方程式，并通过估计参数，得到最优的地下模型。
（五）基于神经网络的反演基于神经网络的反演是一种新兴的反演方法，它使用深度学习神经网络模型来反演地球物理数据，可以有效解决高维数据反演与非线性反演问题。
四、应用地质统计学反演已经广泛应用于地球物理勘探、地震监测、矿产勘探、环境监测等领域。
（一）地球物理勘探地质统计学反演可用于地球物理勘探，明确地下地质结构、分层、岩性、溶洞、断裂带等地质信息，从而指导勘探过程。
- 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)。
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。
在这种方式下，测井曲线被认为是“Priori”类型的信息，因此，在开展地质统计学反演之前，开展其它类型的常规反演就显得十分重要。
只有这样，我们才能够确保曲线和地震数据具有一致性，代表了相同带限的地质模型。
因此，地质统计学反演比其它类型的反演具有如下技术优势：
1 小井距间的精细尺度内插
2能够进行误差估算，进而评价风险
3改善常规反演结果的分辨率
4能够生成岩性类型数据体，如砂岩和泥岩
5根据波阻抗进行基于岩性的孔隙度估算
6将高分辨率的井数据和低分辨率的地震数据联合应用
7可生成能够直接输入到油藏数值模拟软件的参数文件
由于模拟可以拓展到岩石类型（如砂岩、泥岩），因此，序列指示模拟（SIS）可以和序列高斯模拟（SGS）同时进行。
当反演目标的岩性类型可应用油藏特征参数进行区分时，可以选择应用序列指示模拟。
当反演区域集中在井控范围内时，应用传统的地质统计学分析方法会取得很好的效果。
它能保证输出的模拟结果和输入地震数据的差异在在预先定义的精确程度范围内。
反演结果的合成记录与输入数据进行比较，符合程度较差的结果将不被接受。
地质统计学反演结果的标准偏差较小，更重要的是：地质统计学反演能够在远离井或井控能力比较弱情况下发挥作用。
在两种情况下地质统计学反演的结果将不被接受，而用户只能够选择接受所有与输入数据吻合程度教高的结果，拒绝与输入数据吻合程度低的结果。
另外，为了避免陷入求解空间局部最小化问题，有时允许和原始数据不吻合程度增加的情况出现，此时，可以使用模拟退火技术。
从液体到固体的平稳冷却过程所需要的温度函数中，模拟退火自身遵循物理守恒。
Statmod因其算法不同既克服了Invertrace分辨率太低的缺点，又克服了Invermod成层性过强的缺点，使得Statmod的反演结果更为真实地反映了地下地质特征。
二、应用效果
Jason的Statmod自投入生产以来，一直发挥着巨大的作用，尤其是在中浅层、薄互层等项目的勘探开发中更是具有其它反演方法无可比拟的优越性。
下图是利用Statmod反演的一幅伽玛剖面，从图中可清晰地看出地质统计学反演的优点，纵向上对薄层的分辨率较高，同时横向上变化比较自然，符合的地质规律
电阻率反演连井线剖面(Statmod)
油层油层油气层
差油层油层油层油气层差油层伽玛反演连井线剖面(Statmod)。