多点地质统计学建模中训练图像建立方法综述

多点地质统计学建模是近年来储层建模技术的研究热点,其实用性受到训练图像的限制。训练图像的质量决定了多点地质统计学建模的精度和可靠程度,是多点地质统计学建模成功的关键因素。文章阐述了训练图像的特征和意义,从方法的定义、使用情况、实例等方面系统介绍了训练图像建立的方法,包括手工绘制、基于目标模拟、三维地震信息提取或转化、基于原型模型、基于过程模拟和二维图像方法,综合对比了不同训练图像建立方法的数据来源、优势与不足,探讨了多点地质统计学建模依赖训练图像存在的问题。结合文献调研和多点地质统计学建模实践,指出了训练图像及其建立方法的发展方向,为多点地质统计学建模研究者和使用者提供借鉴,为完善多点地质统计学建模方法提供思考。     

在储层建模中利用多点地质统计学整合地质概念模型及其解释(英文)

基于三维空间中稀疏的观测数据,地质学家和储层建模人员尝试预测井间的地质沉积相的空间非均质性时,地质概念模型和先验认识在其中扮演着重要的角色。这种整合先验模型或解释的过程有时是隐蔽或不易察觉的,正如在手工绘等值线图中的情形;它也能够被显式地运用到某种算法当中,比如数字绘图中的算法。新近兴起的多点地质统计学为地质学家和储层建模人员提供了一种有力工具,它强调使用训练图像把先验模型明确而定量地引入到储层建模当中。先验地质模型包含了被研究的真实储层中确信存在的样式,而训练图像则是该模型的定量化表达。通过再现高阶统计量,多点算法能够从训练图像中捕捉复杂的(非线性)特征样式并把它们锚定到观测的井位数据。文中描述了多点地质统计学原理,以突出训练图像概念重要性为主线,描述了多点地质统计学在建立三维储层模型中的应用。     

多点地质统计学在河流相储层建模中的应用

多点地质统计学综合了基于象元方法以及基于目标方法两者的优点,对于河流相等具有复杂地质形态的储层精确建模具有较强的优势.在对传统建模方法综合分析的基础上,介绍了多点地质统计学的基本理论及SNESIM算法,并应用该技术对大牛地气田某开发井区的辫状分流河道相进行了实际建模.研究结果表明,在河流相储层建模中,该方法比传统的建模方法更具优越性.最后,进一步综合讨论了多点地质统计学目前面临的主要问题(包括训练图像、目标体连续性、数据样板选择、综合地震信息等方面)的改进方法.     

基于二维地质剖面的三维地质结构多点统计学模拟方法

利用三维地质模拟技术重构地质现象的三维空间分布,是实现自然资源管理和风险评估的重要基础和前提。多点统计学方法通过探寻多点间的空间结构关系,结合随机模拟方法生成具有差异性的模拟结果,较好地再现了复杂的地质现象。然而,如何构建合适、有效的训练图像一直是基于多点统计学三维地质模拟的核心问题。本文提出了一种改进的多点统计学算法。本方法结合了序贯模拟和迭代的方法,将二维剖面扩展为三维训练图像,再结合EM-Like算法,实现了三维地质结构的优化模拟。建模实例结果表明,本方法能确保训练图像对内部模拟网格的约束,准确模拟研究区的地层层序,并很好地再现二维地质剖面所反映的地层结构关系。     

多点地质统计学研究进展与展望

在简要回顾多点地质统计学起源后,介绍了多点地质统计学的3种方法,并总结了多点地质统计 学的研究进展。在应用领域,已经从河流相建模发展到扇环境建模,从储集层结构建模发展到储集层物性分布 模拟,从宏观地质体预测发展到微观孔喉分布建模,从地质研究发展到地质统计反演。在整合信息建模方面, 给出了３种综合地震属性的方法;在算法方面,提出了PRTT实时处理方法,完善了多点地质统计学建模,并开 发了新的多点统计生长算法（Growthsim）。对多点地质统计学未来发展进行了展望,指出在训练图像、数据综合 以及建模方法耦合方面还需要进一步深入研究。     

多点地质统计学建模研究进展

从精细油藏描述中地质建模的意义和现状入手,介绍了多点地质统计学建模研究现状及其与传统地质建模方法的差 异。以辽河盆地西部凹陷某蒸汽驱试验区为例,分析了多点地质统计学建模中建模的基础、训练图像的建立、多点地质统计学 建模与传统地质建模相比所具有的优势等内容。指出多点地质统计学在井间预测方面具有明显优于其他传统建模方法的特 点。在文献调研基础上,结合自身工作实践,探讨了多点地质统计学建模目前存在的问题和未来的发展方向。指出未来多点 地质统计学建模的发展方向主要包括多信息综合地质成因分析基础上的训练图像获取、多点地质统计学算法进行改进和完善 和多点地质统计学建模方法应用领域的扩大等。     

基于局部各向异性的非平稳多点地质统计学算法

基于平稳性假设的传统多点地质统计学在非平稳建模中存在不足。提出一种基于局部各向异性分区的多点地质统计建模方法,利用不同方向变差函数变程组合的玫瑰花图定量表征训练图像的局部各向异性,结合经典多维尺度分析和K均值聚类分析对非平稳训练图像进行自动分区,各子区域相互独立,分区内运用传统平稳性多点建模算法模拟,最终实现非平稳性建模。以裂缝网络建模为例,新方法较好地模拟并再现训练图像的非平稳性,对多点地质统计建模算法的非平稳建模具有很好借鉴意义。     

综合应用测井及地震资料建立复杂断块地质模型

针对滩海油田具有完钻井少,以地震资料为主的特点,采用井震结合的方法进行地质建模。复杂断块油藏具有许多内部断层,充分利用地震解释层位和断层成果建立合理的构造模型。采用“多步建模”的思路,选用序贯高斯同位协同模拟算法建立储层参数模型。以测井资料为硬数据,地震反演数据为软数据,先后建立自然伽玛模型、泥质含量模型和砂泥岩相模型,然后以砂泥岩相模型为约束,建立储层参数模型。经研究表明,综合使用地震解释成果和三维地震数据体,有助于建立准确、合理的构造模型;而采用“多步建模”的思路,利用序贯高斯同位协同模拟算法,并综合测井资料、地震资料建立储层参数模型,有助于从地质的角度对储层参数模拟进行约束,提高储层随机建模精度,保证储层参数模型的准确和可靠性。     

基于地质矢量信息的冲积扇储层沉积微相建模： 以克拉玛依油田三叠系克下组为例

冲积扇储层具有典型的非平稳分布特征,传统的基于平稳假设的地质统计建模方法无法准确模拟其沉积微相。在充 分分析其沉积微相分布特征的基础上,以克拉玛依油田三叠系克下组冲积扇储层为例,综合现代沉积、密井网、露头等信 息,应用基于地质矢量信息的多点地质统计学方法建立了精细、合理的储层沉积微相三维模型。首先,综合现代沉积特征 与地下储层沉积微相解剖成果,应用“模式指导、规模约束”的方法,建立符合研究区沉积模式和定量规模的训练图像和 基于冲积扇沉积体系的矢量坐标系统,表征了训练图像的地质矢量信息,提出基于预模拟实现的模拟域地质矢量信息表征 方法,建立了待模拟地质体的三维矢量信息模型;最后,采用基于矢量信息的多点地质统计方法建立了冲积扇储层沉积微 相模型,并采用多种标准对模拟实现进行可靠性分析。模拟结果表明冲积扇相带分布符合地质认识,沉积微相的形态、展 布特征、组合样式、规模与训练图像、地下沉积微相解剖认识相符。     

多点地质统计学的理论、方法、应用及发展现状

基于变差函数建模方法的两点地质统计学在表达和揭示复杂空间结构特征以及重建复杂地质体几何形态等方面存在不足,多点地质统计学,也称之为多点模拟(multiple-points simulations,简称MPS)应用训练图像代替变差函数来表征多点之间的空间关系及分布模式,因而可弥补传统两点地质统计方法的固有缺陷。自MPS理论与方法提出以来,它经历了近二十年的发展与完善,至今已形成了基于迭代和非迭代算法的2类MPS方法,前者主要有Simpat、Dispat、DS-MPS等算法,在研究初期应用较为广泛,但存在收敛条件难以满足、计算速度过于缓慢而难以应用于实际的不足。后者则克服了这些不足,发展较快,逐步取代了前者,是目前主要的MPS方法,具体包括Enisem、Snesim、Growthsim等算法。MPS发展初期主要应用于储层建模,之后逐渐被广泛地应用于解决裂缝模拟、数字岩心重构、地球物理约束反演等其他相关地学难题以及土壤学、计量经济学等诸多学科领域。近年来MPS方法是地质统计学中的热门与前沿研究方向之一,针对算法优化及其应用拓展的研究较多,但是目前仍然存在一些问题,如难以获取适当的训练图像、模拟地质体的连续性受限、与其他建模方法耦合时数据标准不一致等。     

多点地质统计学：理论、应用与展望

本文系统地介绍了多点地质统计学的基本原理及方法，并以我国渤海湾盆地某区块新近系明化镇组河流相储层为例，进行了多点统计学随机建模的实例分析。多点地质统计学为储层随机建模的国际前沿研究方向，该方法综合了基于象元的方法易忠实条件数据以及基于目标的方法易再现目标几何形态的优点，同时克服了传统基于变差函数的二点统计学不能表达复杂空间结构和再现目标几何形态的不足。通过理论与实例研究，分析了目前多点统计学尚存在的问题(包括训练图像平稳性问题、目标连续性问题以及综合软信息的问题等)及未来发展的方向。     

Stochastic Simulation of Patterns Using Distance-Based Pattern Modeling

The advent of multiple-point geostatistics (MPS) gave rise to the integration of complex subsurface geological structures and features into the model by the concept of training images. Initial algorithms generate geologically realistic realizations by using these training images to obtain conditional probabilities needed in a stochastic simulation framework. More recent pattern-based geostatistical algorithms attempt to improve the accuracy of the training image pattern reproduction. In these approaches, the training image is used to construct a pattern database. Consequently, sequential simulation will be carried out by selecting a pattern from the database and pasting it onto the simulation grid. One of the shortcomings of the present algorithms is the lack of a unifying framework for classifying and modeling the patterns from the training image. In this paper, an entirely different approach will be taken toward geostatistical modeling. A novel, principled and unified technique for pattern analysis and generation that ensures computational efficiency and enables a straightforward incorporation of domain knowledge will be presented.     

Multiple-Point Simulation with an Existing Reservoir Model as Training Image

The multiple-point simulation (MPS) method has been increasingly used to describe the complex geologic features of petroleum reservoirs. The MPS method is based on multiple-point statistics from training images that represent geologic patterns of the reservoir heterogeneity. The traditional MPS algorithm, however, requires the training images to be stationary in space, although the spatial distribution of geologic patterns/features is usually nonstationary. Building geologically realistic but statistically stationary training images is somehow contradictory for reservoir modelers. In recent research on MPS, the concept of a training image has been widely extended. The MPS approach is no longer restricted by the size or the stationarity of training images; a training image can be a small geometrical element or a full-field reservoir model. In this paper, the different types of training images and their corresponding MPS algorithms are first reviewed. Then focus is placed on a case where a reservoir model exists, but needs to be conditioned to well data. The existing model can be built by process-based, object-based, or any other type of reservoir modeling approach. In general, the geologic patterns in a reservoir model are constrained by depositional environment, seismic data, or other trend maps. Thus, they are nonstationary, in the sense that they are location dependent. A new MPS algorithm is proposed that can use any existing model as training image and condition it to well data. In particular, this algorithm is a practical solution for conditioning geologic-process-based reservoir models to well data.     

Modeling complex reservoir geometries with multiple-point statistics

Large-scale reservoir architecture constitutes first-order reservoir heterogeneity and dietates to a large extent reservoir flow behavior. It also manifests geometric characteristics beyond the capability of traditional geostatistical models conditioned only on single-point and two-point statistics. Multiple-point statistics, as obtained by scanning a training image deemed representative of the actual reservoir, if reproduced properly provides stochastic models that better capture the essence of the heterogeneity. A growth algorithm, coupled with an optimization procedure, is proposed to reproduce target multiple-point histograms. The growth algorithm makes an analogy between geological accretion process and stochastic process and amounts to restricting the random path of sequential simulation at any given stage to a set of eligible nodes (immediately adjacent to a previously simulated node or sand grain). The proposed algorithm, combined with a multiple-grid approach, is shown to reproduce effectively the geometric essence of complex training images exhibiting long-range and curvilinear structures. Also, by avoiding a rigorous search for global minimum and accepting local minima, the proposed algorithm improves CPU time over traditional optimization procedures by several orders of magnitude. Average flow responses run on simulated realizations are shown to bracket correctly the reference responses of the training image.     

一种基于沉积模式的多点地质统计学建模方法

地下储层分布是位置的函数,不同位置处的沉积模式具有差异性。在储层预测时,除了挖掘已有资料所提供的结构和统计信息外,还应该引入待估点位置的信息,以反映沉积储层模式随位置变化的非平稳特征。提出了一种基于沉积模式的多点地质统计学方法,通过距离函数将储层特征与沉积位置相关联,采用整体替换、结构化随机路径以及多重网格策略再现沉积模式。基于现代鄱阳湖沉积所建立的合成非平稳性三角洲前缘沉积地层建模表明,新设计的方法较传统的建模方法更好地反映了三角洲相沉积地层非平稳沉积模式,新设计方法有更好的地质适用性。研究丰富了储层三维建模理论和方法,为实际油藏建模提供了新手段。     

多点地质统计学在苏里格气田地质建模的应用

多点地质统计学是一种建立地质模型的统计学方法,该方法比传统的两点地质统计学更适合河流相沉积体系。本文综合地震、测井、录井及生产资料,绘制了长庆油田苏里格气田苏48区块盒8下段辫状河训练图像,并在此基础上利用多点地质统计学方法,加入三维地震资料作为约束,以水平井整体开发为研究对象,建立了该区的地质模型,优化了水平井整体部署,指导水平井导向。利用多口水平井实钻效果验证了地质模型的精度,以苏19-62井为例得到:录井显示气层钻遇率为78.3%,测井显示气层钻遇率为69%。这与地震反演剖面预测相似,且与实钻效果有很好的对应性。     

Conditional Simulation of Complex Geological Structures Using Multiple-Point Statistics

In many earth sciences applications, the geological objects or structures to be reproduced are curvilinear, e.g., sand channels in a clastic reservoir. Their modeling requires multiple-point statistics involving jointly three or more points at a time, much beyond the traditional two-point variogram statistics. Actual data from the field being modeled, particularly if it is subsurface, are rarely enough to allow inference of such multiple-point statistics. The approach proposed in this paper consists of borrowing the required multiple-point statistics from training images depicting the expected patterns of geological heterogeneities. Several training images can be used, reflecting different scales of variability and styles of heterogeneities. The multiple-point statistics inferred from these training image(s) are exported to the geostatistical numerical model where they are anchored to the actual data, both hard and soft, in a sequential simulation mode. The algorithm and code developed are tested for the simulation of a fluvial hydrocarbon reservoir with meandering channels. The methodology proposed appears to be simple (multiple-point statistics are scanned directly from training images), general (any type of random geometry can be considered), and fast enough to handle large 3D simulation grids.