地质建模系列三：沉积相.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,地质建模技术,10/22/2026,1,目录,1.绪论,2.地质统计学的原理,3.克里金估计和构造建模,4.沉积相空间分布建模和相控建模,5.地震资料的地质统计学反演,6.概率储量,7.地质建模和油藏数值模拟,8.粗化技术,9.风险分析和决策分析,10“储层地质统计分析系统 GASOR”,11.结束语,10/22/2026,2,4.沉积相空间分布建模和相控物性参数空间分布建模,4.1:估计与模拟,；,4.1.1.模拟过程,4.1.2.估计与模拟的本质区别,4.2:指示模型；,4.3:随机游走模型；,4.4：示性点过程模型；,4.5：高斯场模型,4.6：地质概念模型,4.7:多次储层随机建模与砂体预测符合率,4.8:,多点统计方法简介,10/22/2026,3,(3.21)可以写成,(3.23),在此，在集合 中取值。,10/22/2026,5,储层随机建模就是建立储层属性的概率分布模型(3.21)或(3.23)。该模型反映了属性空间分布的概率特征及联合的不确性。有了这种模型，就可以对储层任何未抽样位置的属性的分布不确定性进行刻画。其可用如下分布来描述；,（3.24）,(3.25),它们反映了未抽样位置 属性分布 的不确定性。,10/22/2026,6,(3.24)所反映的概率密度曲线如下(图3.9):,图3.9:概率密度曲线,该曲线形态刻画了未抽样位置 出属性不确定性的大小。若方差越小，不确定性越小。在极端情况下，若整个油藏任何位置处属性皆已知的情况下，则曲线(3.9)退缩成一点，从而不确定性为零，即完全确定。,10/22/2026,7,一旦建立了模型(3.23)和(3.24)，就可采用相应的随机模拟方法(Stochastic Simulation)产生来自于模型的储层属性空间分布各种变化的等可能实现。随机模拟是一个抽样过程，该过程抽取等可能的，等概率的来自随机模型的各个部分的联合实现，一系列实现(通常用网格化数据表达),表示区域 中属性值 空间分布的,个可能图象。每个实现也被称为随机图象(Stochastic Imaging),它们反映了强加在 随机模型的某些性质。,10/22/2026,8,2）,模拟,由于油藏工程领域越来越重视对油藏非均质的认识和评价，认为油藏非均质性是影响提高采收率的重要因素。这种非均质性必须用新的方法来刻画和定量描述。克里金估计方法由于是一种光滑的内插方法而不能定量评价储层空间分布的非均质性。克里金估计给出的是一种单一的数值模型，是一种对平均值的估计，所以不能反映隐含在随机场概率模型中整体的相关结构。而随机模拟通过建立油藏属性的概率模型，再施行抽样过程，抽取各种相互独立的，等概率的来自模型各个部分的联合实现，一系列实现的差异就反映了储层属性空间分布的非均质性和不确定性。,模拟的结果强烈地信赖于建立的概率模型。随机建模过程必须充分利用各种模型的地质数据并强调以地质概念模型为基础。正由于此，随机模拟不象克里金估计那样，有统一的公式和算法。实际上，不难发现克里金方法本身不与模型发生关系，它仅利用协方差或变异函数这个矩信息。对于不同地质问题，需要建立不同的概率模型。建模本身是一门艺术，寻找一种快速适用的模拟算法对于特定得问题是至关重要的。,10/22/2026,10,4.2:指示模型,指示模型是随机建模理论的一个主要组成部分。该理论最早是由美国斯坦福大学石油工程系的Journel 教授在八十年代提出的。随后，指示化方法及其模型得到了快速发展。,指示模型的基本思想就是将地质信息进行离散的编码，通常编码成0与1两值的指示变量，然后将克里金的基本思想用于指示变量，最终得到指示变量的克里金估计。而指示变量的克里金估计恰好给出了未知位置变量的概率估计。该概率模型就是对未知位置变量不确定性的度量。,10/22/2026,12,渤南油田含油饱和度空间分布图,勃南油田孔隙度空间分布图,10/22/2026,14,10/22/2026,15,沉积相控制物性参数,姬源地区主力层长2,1,3-1,的三维建模,10/22/2026,16,长,2,1,3,-,1,层沉积相空间分布的剥片图（左，右，下）：,第,1,剥片，第,6,剥片，,第,10,剥片,。,10/22/2026,17,长,2,1,3,-,1,层孔隙度空间分布图（左，右，下）：,第1剥片，第6剥片，第10剥片,10/22/2026,18,长,2,1,3,-,1,层含油饱和度空间分布图（左，右，下）：,第1剥片，第6剥片，第10剥片,10/22/2026,20,长,2,1,3,-,1,的,沉积相分布图（第,6,剥片）和孔隙度分布图（第,6,剥片）；,渗透率分布图（第,6,剥片）；含气饱和度分布图（第,6,剥片）的对比。,沉积相,10/22/2026,21,长,2,1,3,-,1,的沉积相图和第,1,、,6,、,10,剥片的沉积相图,第,1,小层,第,1,小层,第,10,小层,第,10,小层,10/22/2026,23,剖面地质模型的对比,剖面图显示：不同随机种子对沉积相模拟有一定的影响。,10/22/2026,24,种子2,种子3,10/22/2026,26,剖面图显示：物性参数的分布受沉积相的控制。,10/22/2026,27,10/22/2026,28,把4个小层叠加在一起的剖面图显示,10/22/2026,30,10/22/2026,31,10/22/2026,32,10/22/2026,33,10/22/2026,34,栅状图的应用,10/22/2026,35,10/22/2026,36,10/22/2026,37,和手工地质模型的对比,由于所用的思路不同，计算机做出的随机建模的地质模型和手工的地质模型，是不能完全一致的。它们之间可以归纳出以下几点差别。,1.手工地质模型是二维的图件，而计算机做出的地质模型则是一种三维空间的形式，或者是各种剥片图的形式，和其他图件的形式。,2.计算机做出的地质模型是基于大量的测井及其它地质数据。这些数据在井点处又有随着的深度变化。手工的地质模型运用的信息是反映在地质学家头脑中概念模型。因此，两者在数量和质量上有很大区别，所成的图件也会有很大差别。计算机做出的地质模型是可以按（X,Y,Z）的网格节点给出的，显得精细。对于精细油藏描述的时候，这种模型可以满足要求。相比之下，手工地质模型显得粗糙。,10/22/2026,38,长,2,1,3,1,-?,的第,6,剥片图,10/22/2026,39,长2,1,3-2,沉积相分布图（随机模拟）,10/22/2026,40,长2,1,2,沉积相分布图（随机模拟）,长2,1,2,沉积相分布图（手工）,10/22/2026,41,指示模型最早提出的一种储层随机建模方法；,灵活的使用可以解决许多问题。,10/22/2026,42,指示模型的基本思想就是将地质信息进行离散的编码，通常编码成0与1两值的指示变量，然后将克里金的基本思想用于指示变量，最终得到指示变量的克里金估计。,指示变量的克里金估计恰好给出了未知位置变量的概率估计。该概率模型就是对未知位置变量不确定性的度量。,基于该后验概率概型，可以模拟变量的分布。因此，基于指示模型的各种模拟方法，核心是各种指示克里金估计模型。,不同的克里金估计模型，使用的信息类型不同，从而导致不同的后验概率模型。随后的模拟就基于这些后验概率模型。,模拟的过程和方法基本上是一样的。通常使用的模拟思想是序贯指示模拟思想。简单指示克里金模型(Simple IK)，普通指示克里金模型(Ordinary IK)和中位指示克里金模型(Median IK)，是三种基本的指示模型。,10/22/2026,43,指示模型的要点：,1.地质变量的指示化方法,2.单变量指示模型,3.离散变量的指示模型,4.协同指示模型,5.指示主成份模型,10/22/2026,44,1.地质变量的指示化方法,地质变量的指示化方法的基本原理是，对于地质变量，无论其是连续的还是离散的，都可以对其离散化而得到一系列指示变量。若是连续的地质变量，那么通过个截断值，将可能的取值区间截断后得到个指示变量:,在此,。,10/22/2026,45,10/22/2026,46,指示克里金(,IK,)方法可以提供地质变量,在一个待估位置处的条件累积概率分布函数(,ccdf,)，在不同截断值处的“最小均方误差”估计,：,(7.1),指示克里金过程可以对一系列截断值 重复进行，这相应于求解 个克里金方程组。来自于(7.1)的 个估计值，相当于对未抽样位置 处的分布函数 在 个,点：等处的离散估计，从而可得到关于未抽样位置处 的不确定性的概率模型。,10/22/2026,47,如果 本身是一个离散的地质变量，则此时无须进行截断处理,只对其进行0-1编码标定就可以了。若研究区域 D内有K种岩相，则可定义 K个指示变量：,在此，。相应的直接指示克里金估计就可以给出未抽样位置 处岩相的概率估计:,(7.2),来自于(7.2)的K个概率值就是岩相的概率模型。,10/22/2026,48,2.单变量指示模型,由此可见，对于指示模型来讲，指示克里金估计起了核心的作用。通过它，可以得到后验的指示变量的概率(7.1)或(7.2)，而后验概率是进行模拟的基础。所以，通常讲克里金估计理论是随机建模的工具。在随机建模过程中，克里金估计常贯穿于其中。通过求解克里金方程组可以得到后验的累积分布函数，并为模拟作准备。对照第四章也会发现，对高斯场模型，通过求解克里金方程组可得到高斯模型两个重要函数，均值和方差。这两个函数完全可以确定高斯场分布。,对来讲，确定其后验概率模型，通常用下面三种常用的指示克里金方法:,1).简单指示克里金;,2)普通指示克里金;,3).中位指示克里金。,。,10/22/2026,49,3.离散变量的指示模型,设 是离散化地质变量，其中 的可能取值只有有限个整数 。这相当于区域D内定义了K个互相排斥的范畴,。其中，。这些K个范畴代表了区域D内某种离散地质变量(如岩相、沉积相等)的分布，是完备的。即任何位置处 的离散地质变量分布，只能属于这K个范畴中的一个。,10/22/2026,50,10/22/2026,51,10/22/2026,52,10/22/2026,53,1 2 3 4,图7.3 累积分布函数(取1的可能性最大。),10/22/2026,54,10/22/2026,55,协同指示模型,10/22/2026,56,10/22/2026,57,5.指示主成份模型,10/22/2026,58,10/22/2026,59,10/22/2026,60,4.3 随机游走模型,随机游走模型主要刻划河流沉积环境中河道砂体的分布（Wang and Zhang，1997）。,其优点在于可以描述河道砂体的连续性形态，河道宽度、河道弯曲程度以及河道分叉与汇合程度。,主要思路在于将研究区域离散成网格系统，然后寻找区域内河道源头位置的分布，并在此基础上依次获取河道主流线位置，并加宽得到砂体分布形态，由于砂体主要位置是由格点依次迁移而得到的，且由迁移概率给予定量描述，因此，该模型被称为随机游走模型。,通过在每个结点利用抽样方法可以获取河道向邻近哪一个结点迁移，进而得到砂体走向空间分布的结果,。,10/22/2026,61,随机游走模型主要框架如下：,10/22/2026,62,4.3.1,区域网格化,4.3.2,河道源头,4.3.3 河道主流线位置,4.3.4,分支河道位置,4.3.5,河道主流线位置的修正,4.3.6,河道加宽与光滑,4.3.7,随机游走模型的应用,10/22/2026,63,4.3.1,区域网格化,假定物源方向是从北向南的，若不具有北南方向的物源，那么可利用坐标旋转变换，使得在变换后的坐标下物源近似北南方向。,将研究区域离散成网格。令 分别表示方向和方向的网格 数，分别表示相应方向的网格跨度，一般地假定 和 小 于平均井距之半，如图7.1。,图7.1 网格化示意图（左上角的网格系统模型（1，1）,10/22/2026,64,并将已知井位的相观察数据赋于最近的网格结点，这样做有助于格点的迁移。,10/22/2026,65,4.3.2,河道源头,设 时，指明河道砂体，而 时为其余相（非河道），那么可用下面方法寻找可能的河道源头。,10/22/2026,66,4.3.3 河道主流线位置,第一河道及其随后河道主流线的位置寻找，是由源头开始的，并依次向近邻的某个网格结点移动。如图7.3所示。,10/22/2026,67,4.3.4,分支河道位置,一般来讲，根据沉积持点，每条河道可能有若干条分支河道。因此，仍沿第一条河道源头搜索，找其分支河道位置。寻找方法与7.3节中的类似，只不过此时每个范围搜索至第一条河道主流线位置为终结。如图7.4所示。,这样，通过不断从源头出发可以模拟不同的分支河道，一般来讲，分叉河道条数愈多，则出发次数应增加，通过对辩状分流河道模拟实践研究发现，分走主河道可以出发三条就可获得满意效果。,图7.4 第一条主河道的第二条分支河道位置搜索示意图,10/22/2026,68,4.3.5,河道主流线位置的修正,一般情形下，河道主流线可能出现下述几种情形，图7.5所示。,图7.5 河道位置的修正,此时，可以剔除中间位置 ，这样可以简化加宽河道计算，同时不影响河道主流线。,10/22/2026,69,4.3.6,河道加宽与光滑,10/22/2026,70,4.3.7 随机游走模型的应用,图7.7 利用随机游走模型做出的北一区西区萨3油层第9小层的水下分流河道沉积相图,图7。8 利用随机游走模型做出的北一区西区萨3油层第10小层的水下分流河道沉积相图,10/22/2026,71,10/22/2026,72,4.4：示性点过程模型及其应用,4.4.1 示性点过程模型简介,4.4.2 孤东油田（胜利油田）数据,4.4.3,随机模型和随机算法,1）工作流程,2）参数估计,（1),油井数据的统计分析,（2)几何参数,.,基本参数。,.,有关河道的形式参数。,.,退火参数,4.4.4,模拟的河道结构分析,1）形式参数,2）平均河道宽度,3）典型的模型实现分析,4）井和井之间的相关,4.4.5 结论,4.4.6 示性点过程模型的特点,10/22/2026,73,4.4.1示性点过程模型简介,示性点过程的储层随机建模方法，最早是挪威学者提出,的。经过十多年的发展，目前已成为一类主要的储层随机建模,方法面向对象的方法。它已经和Journel 等人创立的指示方法,相并起并坐。建模软件RMS,Petro等采用的就是这种模型。,一般的几何学研究的基本成分是点。用随机几何学的术,语，点的模式称为点过程。点过程在随机几何学中发挥着基本,的作用。在随机几何学中，除了描述点的点过程以外，还包括,有研究不规则随机模式的随机闭集，研究纤维和表面的纤维过,程、表面过程，和描述晶体结构，断裂模式和泡沫结构的随机,拼嵌模型，,10/22/2026,74,图 8.6 井位图,10/22/2026,75,通过该储层的横截面（图8.7）可看到河道砂体的复杂几何形态。在相邻井间，一些砂岩很明显地是连续的，另一些是有可能连续的，还有一些很明显是不连续的。用必要的一维油井数据产生三维模型不是一个小问题。,图8.7 剖面图,10/22/2026,76,4.4.3,随机模型和随机算法,1)工作流程,随机建模过程的基本工作流程如图8.8,（如右）所示。第一步涉及大规模的,储层带的井间相关、构造图的产生，,以及井中各相的解释。,数据准备,井中数据统计分析,几何模型,置退火参数,河道结构的模拟,流动模拟,图8.8 随机建模流程图,储层层段的顶与底可以解释成馆陶组内部的等时面。这一储层带的厚度从30米到55米，平均43米。构造图是通过对油井数据进行克里金处理而产生的。在模拟所需要的可逆变换中要用到这些图（Deutsch and other,1996;MacDonald and others,1992）。首先把建模区域变换为恒定厚度为43米的盒子以用于模拟，在对相结构模拟之后，再把它变回到原来的真实坐标。,10/22/2026,77,