地质建模方法与对比分析

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
4.3.2 相建模--算法的选择
基于目标建模(随机)； 相过渡模拟; 序贯指示模拟； 指示克里金； 截断高斯模拟； 神经网络模拟； 人工定义。
4.3.3 相建模算法中之数据分析
变差函数Variogram 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。 变差函数理论模型： 常见的理论变差函数有以下几 类：球状模型、指数模型、高斯 模型。 变程(Range) ： 指区域化变量在空间上具有相 关性的范围。在变程范围之内， 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。
‘移动平均’算法中的方法比较：
1、 Equal 特征：所有点的权重相等。 整体区域平缓，局部抖动频率大。 Delta=50.89 Max=957.33 Min=906.44 2、 Inverse Distance特征： 整体区域起伏加大，局部抖动频率趋小。 Delta=61.35 Max=964.49 Min=903.14 3、Inverse Distance Square特征： 整体区域起伏更加大，局部抖动频率更趋小、 区域加大。 Delta=66.43 Max=968.27 Min=901.84 4、Inverse Distance quadruple特征： 整体区域起伏趋缓，局部区块更加大。 Delta=66.79 Max=968.58 Min=901.79
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。
1.2 地质建模的发展时期：克里金
(地质统计学克里金估值方法)
80年代，地质统计学方法受到人们的普遍重视。在算法上步 入克里金插值阶段。克里金估计是对传统内插方法的一次飞跃， 即不同位置相互影响的大小是用变差函数或协方差函数来定量描 述的。 克里金插值方法，主要是因为该算法考虑了储层内部属性参 数平面及垂向上的各向异性，在三维网格化过程中，依据储层的 成因特点，在各方向上采用不同的变程做为约束条件，即插值搜 索范围为一个三种轴向半径不同的椭球体，其长轴方向代表储层 参数发育的优势方向，因此，算法上较距离反比加权等更加科学。 克里金算法虽然能够反映各向异性，但无法表征储层井间预 测的不确定性。
0
欢迎各位批评指正！
谢
谢 ！！
5.3 算法中的方法与权重
所谓权重就是已知井点数据对插值点贡献的大小。
‘移动平均’算法中的方法：
Equal
Inverse Distance
Inverse Distance Square
Inverse Distance quadruple
Inverse DistanceDistance Square quadruple Inverse Inverse Distance Equal
地质建模方法与对比
勘探开发研究院
目
录
一、三维地质建模软件算法研究 二、主要随机建模方法及特点 三、地质建模技术发展的现状 四、建模流程、建模软件与实现
五、建模方法在应用中应注意的问题
一、三维地质建模软件算法研究
1.1 地质建模的初期：插值(传统统计学估值方法)
地质建模初期，人们曾尝试的各种插 值算法对未知区域、特别是井间地区进行 估计。 如三角网格法、曲面样条法、按距离 加权平均法、趋势面法等。 这些算法所产生的结果均是确定性的。 这些传统的插值算法，仅考虑到观测点与 待估点之间的距离，而没有考虑到空间位 置之间的相互关联，既地质规律所造成的 储层参数在空间上的相关性，应用效果不 尽人意。这个时期，开创了用数学方法解 决地质问题的先河。
具体说，就是对每 一个层分别用已经建立 的沉积微相模型，分相 约束建立物性模型。
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
5.4 层建模在水平井轨迹设计中的应用
（杏六区东部）
余弦算法
-876.95
设计要求： 轨迹距葡Ⅰ33顶1.0-1.2m左右
0.4
最小曲率法
877.3
井间差值变化相对平缓， 但模拟构造面边部往往翘起
收敛法
井间差值变化相对平缓
-877.34
最 大 相 差
0.4
米
最后优选出
收敛法----尽可能降低井间模拟风险
来自百度文库
（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。
四、建模流程、建模软件与实现
4.1 建模流程
数据准备与加载
构造建模
沉积微相模拟 储层物性模拟
4.2 建模软件
FastTracker RMS
Gocad
Petrel GASOR
EDS (Earth Decision Sciences)
斯伦贝谢
GMSS
4.3 建模实现
4.3.1 构造建模--创建层面算法及参数
从随机模拟方法可以分为二大类：离散型（Discrete） 连续型（Continuous） 从而建立的模型称为离散模型（Discrete models） 连续性模型（Continuous models） 随机模拟是以随机函数理论为基础的。随机函数由一个区域化变量 的分布函数和变差函数来表征。根据模拟的方法不同，其变量亦称为: 离散型变量和连续性变量。 离散模型主要描述一个离散性质的地质特征，如沉积相分布、 砂体位置和大小、泥质隔夹层的分布和大小，裂缝和断层的分布、 大小、方位等。 连续性模型主要描述连续变化的地质参数的空间分布，如孔隙度、 渗透率、流体饱和度等岩石物理参数，地震层速度、油水界面等参数的 空间分布。 在实际油藏中，离散性质和连续性质是共存的。将上述两类模型结 合在一起，则构成混合模型，亦称为二步模型，即第一步建立离散模型， 描述储层大范围的非均质特征（储层结构）特征，第二步是在离散模型 的基础上建立表征岩石参数空间变化和分布的模型，由此便获得了混合 模型。这种建模方法成为“二步建模” 方法。
克里金法 1000x500x46 10x10网格
5.2 创建层面算法的比较
常用层面算法：
收敛插值 最小曲率插值 移动平均插值 克里金法 余弦扩展插值 函数插值 序贯高斯模拟 人工算法 层面取样 神经网络
收敛插值 *最小曲率插值 *移动平均插值 克里金法 （600 600 0） 余弦扩展插值 *函数插值
最小曲率法
移动平均法
最近点法法
COS扩展法
三维地质建模还应有以下工作
创建的3D网格 Layering 细分层
离散化的解释曲线
采用序贯高斯的随机建模
该模型的影响空间为椭球体 方向为52° 该模型的影响空间为球体 无方向影响
变差函数：5000 2000 10 52
变差函数： 5000 5000 10
二、主要随机建模方法及特点
序贯指示模拟法SIS （针对离散/连续变量） 在序贯指示模拟中，局部条件概率分布直接由指 示克里金方程组求得。 序贯高斯模拟法SGS （针对连续变量） 在序贯高斯模拟中，局部条件概率分布都假设为 高斯分布，其均值和方差由简单克里金方程组求得。 示性点过程的储层建模方法最早有挪威学者提出，是一种基于目标的
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。
随机建模与确定性建模的差异 确定性建模
确定性建模是对井间未知区给出确定性的预测结果， 即试图从具有确定性资料的控制点出发，推测出点间（如 井间）确定的、唯一的储层参数。
例如：克里金，移动平均算法都是确定性建模方法。
随机建模与确定性建模的差异 是算法不同
(确定性建模无论软件运行多少次，其结果是不变的。)
1.3
地质建模的兴盛时期：随机建模
(地质统计学在石油工业中广泛应用)
由于克里金估计方法是一种数据内插方法，把它用于储层评 价常常会平滑掉储层特征在空间展布的变异性，从而对研究储层 的非均质性和不确定性是不适合的。 所谓随机建模，是指以已知的信息为基础，应用随机函数理 论、随机模拟方法，产生可选的、等概率的储层模型的方法。 从模拟单元的角度来分，随机模拟可以分为： 基于目标（Object－based)和 基于象元（Pixel－based） 基于目标随机模型其基本模拟单元为目标物体（即是离散 性质的地质特征，如沉积相、流动单元等），主要方法为标点 过程。 基于象元的随机模型以象元（相当于储层网格化后的单个 网格）为基本模拟单元，既可用于连续性储层参数的模拟，也 可用于离散地质体的模拟。
4.3.4 相建模—基于目标
定义目标几何形状
目标整体分布 河道的定义
堤岸的定义
4.3.5 物性参数建模--算法的选择
1 序贯高斯 2 克里金 3 GSLIB克里金 4 移动平均 5 函数法 6 近点距离
7 神经网络模拟
8 人工定义
4.3.6 物性建模—相控条件下
即首先建立沉积相 模型，然后根据不同沉 积相分相随即模拟，建 立储层参数分布模型。