Petrel中文操作手册2010-(6-9章).docx

间两点之间的相关性。建立在两点基础上的变差函数在储层地质建模中存在一定的不足，而多点地质统计学是建立在多个点的相关关系上，所以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J。Urnel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。因此，从目前的发展来看，建模发展具有以下两个优势：（1）多点地质统计学是今后地质统计学发展的主要方向，它可以联合反映空间多个位置点的几何形状和相互配位关系，在模拟具有复杂形状地质体分布时，它比序贯指示模拟算法具有更大的优势。（2）利用多点地质统计学模拟算法具有快速灵活性，模拟的岩相展布图具有一定的真实性，它为储层参数的模拟奠定了基础。基于上述发展趋势，在Petrel2010.1版本中新增加了多点地质统计学相模拟算法,这种算法在分类上也是序贯模拟算法，但它比序贯指示模拟算法对相分布的模拟更加成熟。这种更高级别算法的最大优势在于在模拟时能够比序贯指示模拟考虑到更多的地质方面的因素，在多点统计地质学模拟的模型中能够达到和超过基于目标模拟的效果，这种算法同基于目标模拟算法的优势在于算法的约束条件是基于图像的，它比布尔模型更容易来获得约束条件，这一点非常重要，特别是在井数非常多或者区域的地质情况已经可以通过特定的资料认识清楚地情况下，多点统计地质学模拟的优势就非常明显了。举例来说，当Petrel的GeobodieS技术从地震数据中提取了一些特定的地质体，并且想把这个从地震中局部提取的地质体做到模型中去，用户怎样在不改变模型其它部分（模拟好的相模型）的情况下而实现这一目的呢？或者模型新打了一口井，由于储层分布的变化，需要更新这个相模型，很显然，我们建模人员在具体实现的操作过程中显得非常困难。多点统计地质学相模拟方法对这类问题的解决提供了可能，对于该方法的更多说明，可以参阅多点统计地质学相模拟用户手册，在第一次采用这种方法之前建议最好查阅手册说明。图6-1以训练图像作为多点统计地质学相模拟分布约束条件的模拟多点统计地质学与变程相比的技术优势变程应该是SlS（斯伦贝谢）随机储层预测的核心技术，变差函数是传统地质统计学中研究地质变量空间相关性的重要工具。然而，变差函数只能把握空间上两点之间的相关性，因而难于表征复杂的空间结构和再现复杂目标的几何形态（如弯曲河道）O图6-2变差函数与多点统计地质学对比如上图，弯曲河道的3种不同的空间结构（图a,b,C）在横向上（东西方向，图d）和纵向上（南北方向，图e）的变差函数十分相似，这说明应用变差函数不能区分这3种不同的空间结构及几何形态，因此，基于变差函数的传统地质统计学插值和模拟方法难于精确表征具有复杂空间结构和几何形态的地质体。在常规两点地质统计学中，变程起到了一个显著地作用，主要是在模拟时把变程用来作为控制条件模拟属性，而对于多点统计地质学相模拟，训练图像也起到了相应的显著作用，一个训练图像就是三维模型的基础，用来表明我们想要模拟模型的典型几何分布形态，在2010.1版本中，训练图像可以通过以下几个方式来得到，一是在用布尔模型在规则的网格上建立一个简单的无条件3D模型，二是通过手工画相，三是从Petrel软件外部导入模型（如3D数字露头模型）。6.2.2多点地质统计学的原理在阐述多点地质统计学之前，首先回顾一下变差函数的地质统计学方法是如何模拟储层岩相分布的，以序贯指示模拟算法为例进行说明。该方法的基本原理简述如下：假设在模拟区域有k种岩相si、S2、sk,对于模拟目标区域内的每一相，定义指示变量：T.,Z（u）skI（U）=Y0,Z（u）Isk对于任一待k拟点，其出现第k种相的概率为：P(Ik=1IZ(Ua)=s,Va),a为待估点所包括的条件区域，利用两点地质统计学方法计算该概率是采用克里格方法：P(Ik=1IZ(Ua)=Sa,Va)=E(Ik)+na1Jl-E(Ik)其中，入a为克里格方法确定的权系数，它通过求解由变差函数或协方差函数建立的克里格方程组来确定。多点地质统计学与两点地质统计学的主要区别在于上面的概率的确定方法不同，它首先引入一训练图像，通过在训练图像中寻找与待估点内条件数据分布完全相同的事件的个数来确定概率分布，因此它可以反映出多个位置的联合变异性。例如，计算图1（八）中U点的概率时，相应的条件数据场为dLz(ul),z(u2),z(u3),z(u4),其基本方法是首先要在训练图像(b)中寻找与图（八）中数据分布完全相同的事件的个数，即要在训练图像中找出与图（八）几何完全相同的区域，同时在该区域中相同的位置处Z(ul),z(u2),z(u3),z(u4)的值完全相同。在训练图像中一共找到4个既能满足条件数据ul,u2,u3,u4数值，同时又能满足它们分空间几何形状的事件，在这4个事件中，3个事件的U点的值为0,只有1个事件中U点值为1,因此U点岩相为1的条件概率为PU=Ildn=1/4,而Pu=0Idn)=3/上述方法不仅考虑了区域内条件数据的值，而且也考虑了条件数据的几何形状。而两点地质统计学只是依靠Z(ul),z(u2),z(u3),z(u4)的值及各点与U点距离通过求解克里格方程组来确定U点的概率，并没有考虑dn的几何形状和各条件数据的配位关系。基于上述原理，SebastienStrebelle提出了SneSim模拟算法，利用该算法可以快速、灵活地模拟岩相分布。该方法的具体步骤为：(1)利用非条件模拟建立三维训练图像；(2)定义通过所有待估结点的随机路径；(3)对随机路径中的任意待估点1(二1,2,1)定义查找范围内的条件数据；保留邻区的数据点；在训练图像中寻找与该区域内条件数据完全相同的事件，计算该点岩相的分布概率；由MOnt。Carl。法得到位置处的一个模拟值；将模拟结果归入条件指示数据集中。(4)重复上一步模拟，直到所有的点全被模拟。训练图像既可以通过非条件模拟求出，也可以通过该地区的地质露头资料分析得出。对训练图像的非条件模拟可以选择非条件的布尔模拟方法。6.2.3多点地质统计学模拟方法操作1)多点统计地质学相模拟的第一步是判别训练图像涵盖的信息，并转换为模拟算法直接识别的内容。这样的信息内容被保存在一种叫做多点统计地质学模式树中，尽管这种典型的模式树比较大，而且用了相对简单的数据格式，并且这种模式是不能看见的，内置到软件中的，但是非常重的一点是这种模式树能够非常简单的被产生和使用(这个图仅仅来演示模式，但具体的模式内容，用户是看不到的)(图7-4)。APatternproducedbyasmalltrainingimage.图6-4由小的训练图像产生的模式图操作流程在PrOPertyModeIing下面的酩FEng而。PatteE流程下，如下图:Propertymodeling孚Geometricalmodeling自耳ScaleupwelllogsI公DataanalysisB3TrendmodelingQUser-definedobjectcreationfyTrainingimageandpaUerncrea(ionlFaciesmodeling图Petrophysicalmodeling¾lFaultanalysisStructuralandfaultanalysis图6-5操作流程这是根据训练图像产生模式的一种新方法（图7-6）,虚拟搜索面主要集中在要模拟的网格周围数据上，其结果主要用来模拟有条件的模型分布，多点统计地质学相模拟方法最初模拟是在一个粗的网格上，然后逐渐细化，这种粗的网格叫做多点网格，经常用3作为一个默认数字设定，对于这些参数的设定可以参考MPS手册。图6-6多点训练相模式设置在此操作后，会在input的最下面产生一个新的多点训练相模式结果数据（图7-7）,这个数据可以直接应用到下一步的操作中去。6.3概率趋势模拟一个新的“Trendmodeling"流程被引入Petrel2010.Io在这个版本中,提供了一个估算以后用到相模拟中的概率趋势的方法。这可以被认为是垂向比例曲线的标准化。作为输入，算法在井处得到粗化的相数据，然后用块克里金算法估算每种相的平均概率。对每种相来说，算法的结果是一组属性体的集合。对于一种特定相来说，X位置的相概率值等于以X位置为中心的一个计算窗口内该特定相的概率。计算窗口的大小在“Blockaveraging”一栏中设置。Trendmodelingwith,GEOgridfromSF/GEOGrid'×MakemodelIHintsI画画园InPUtPrOPerty:骏FIUViaIfaCieSUvOutputname:PrObabilityComrnonZoneSettingS通Zones:qTl（Tarbem回回日叵回国室占E闻福Facies京BlockaveragingjExpertIlQHintsI4:Noname0%5:Noname0%6:Noname0%7:Noname0%0:Backgroundfloodplain81:Levee8,05->7.95%2:Channel2.3->1.14%3:Crevasse4.6->4.55%0Samevariogramforallfacies也Variogram毗Krigingmean叵ISill:Variogramtype:SphericalvNugget:AnisotropyrangeandorientationMajordir:Minordir:Vertical:Range:同00-曲厂同Azimuth:0Dip:|练习一：如何建立相的概率趋势模型？1）Upscaledwelllogdata,相数据离散化；2）定义变差函数，也可以使用数据分析功能进行变差函数分析；3）定义克里金均值，设置2D或3D约束（如下图）。gVariogramKrigingmeanQjTrustglobalorlocalkrigingmeanQ/Globalkrigingmean:0Upscaledcells185.06J%ttCells:740Welldata.引%itSamples:叵二|Manual185.06%SurfaceZpropertytrend,-11LocalkrigingmeangivenT1d团byasurfaceproper:l14）定义计算窗口大小blocksize=（2*size_i+l,2*sizeJ+l,2*size_k+l）.rAPPIy/Z画画JFaciesgBlQCkaveragingJ¾B¾LJHintS回、UseblockaveragingBlock,radius,1J30K2使用第二变量来定义局部的克里金均值约束对概率的估计，第二变量可以是2D图（针对每种相）或3D体积（也是针对每种相）或地震属性体。后面的例子中，使用的是数据分析中的属性概率体（与指示模拟中的使用方法类似）。下面图中，使用了属性概率,因此，另外一种约束方法“由面/属性得到的局部克里金均值”被关掉。Samevariogramforallfacies/4:geobody0%5:Noname0%6:Noname0%7:Noname0%/宣国里回Trustglobalorlocalkrig