三維地質建模技術方法及實現(xiàn)步驟-課件

三維地質建模技術方法及實現(xiàn)步驟三維地質建模技術方法及實現(xiàn)步驟1目錄一、三維地質建模的意義二、三維地質建模技術發(fā)展的現(xiàn)狀三、三維地質建模的發(fā)展動向四、三維地質建模技術方法及實現(xiàn)目錄一、三維地質建模的意義2精品資料精品資料3你怎么稱呼老師？如果老師最后沒有總結一節(jié)課的重點的難點，你是否會認為老師的教學方法需要改進？你所經歷的課堂，是講座式還是討論式？教師的教鞭“不怕太陽曬，也不怕那風雨狂，只怕先生罵我笨，沒有學問無顏見爹娘……”“太陽當空照，花兒對我笑，小鳥說早早早……”三維地質建模技術方法及實現(xiàn)步驟--課件4建模的意義：

最大程度地集成多種資料信息，

最大程度地減少儲層預測的不確定性。一、建模意義一、建模意義5

二步建?；蛳嗫亟?，即首先建立沉積相、儲層結構或流動單元模型，然后根據(jù)不同沉積相（砂體類型或流動單元）的儲層參數(shù)定量分布規(guī)律，分相（砂體類型或流動單元）進行井間插值或隨即模擬，建立儲層參數(shù)分布模型。

三步建模，相控建模表征了層面的非均質性。為表征垂向的非均質性，人們開始采用三步建模。即利用沉積微相圖約束巖相建模；再利用所建立的巖相模型，進一步約束孔、滲、飽等屬性參數(shù)建模。由于研究的深入，過去儲層表征、隨機建模領域主要利用井資料分析相帶空間展布及物性空間特征的基本格局正在被突破!地震資料在儲層隨機建模中的應用越來越多，如巖相建模時地震速度的應用，模擬退火算法中地震資料和露頭及井資料的結合等。由于這些進展，隨機建模的思路與方法也開始在地震反演中得到應用。二、地質建模技術發(fā)展的現(xiàn)狀二步建?；蛳嗫亟?，即首先建立沉積相、儲層結構或流動6三、發(fā)展動向

開發(fā)地震和隨機模擬是兩大發(fā)展方向，而且也在向綜合方向發(fā)展，甚至是與流動模擬三者的結合，這將是必然結果。 三、發(fā)展動向開發(fā)地震和隨機模擬是兩大發(fā)展7地震、測井一體化地質綜合研究建立儲層地質知識庫應用地質統(tǒng)計理論和隨機建模方法建立三維地質模型研究思路四、三維地質建模技術方法及實現(xiàn)地震、測井一體化地質綜合研究應用地質統(tǒng)計理論和隨機建模方法研8河道寬度W厚度儲層三維地質模型地層對比測井解釋微相劃分儲層地質知識庫地震資料解釋時深轉換波阻抗反演地質建模流程圖構造模型相模型屬性模型河道寬度W厚度儲層三維地層對比測井解釋微相劃分儲層地質知識庫9地質建模三步程序（Three-stepsModeling）：

建立井模型（WellModel）

建立層模型（FrameworkModel）

建立參數(shù)模型（AttributesModel）

步驟地質建模三步程序（Three-stepsModeling）10(1)

正確描述井孔柱狀剖面開發(fā)地質屬性技術

（一維井模型）(2)

劃分流動單元及井間等時對比技術

（二維層模型）(3)

井間屬性定量預測技術

（三維整體模型）油藏地質模型的三步建模程序三維地質建模技術方法及實現(xiàn)步驟--課件11（一）、建立井模型技術目的： 建立每口井各種開發(fā)地質屬性（Attributes）的一維柱狀剖面井筒油藏描述最基本的九項屬性：

滲透層（儲層）有效層隔夾層 含油層含氣層含水層

孔隙度滲透率飽和度

（一）、建立井模型技術目的：12（一）、建立井模型技術比較成熟的現(xiàn)有技術

方法手段：以巖心及各種測試資料為基礎，以測井為主要手段；

關鍵：建立把各種儲層測井信息轉換成開發(fā)地質屬性的定性、定量模型。以實際靜、動態(tài)資料對其進行標定。（一）、建立井模型技術比較成熟的現(xiàn)有技術13現(xiàn)階段存在的主要技術難點

滲透率還無法直接由測井方法求得（核磁共振測井有望）。現(xiàn)有測井解釋方法都是間接求得的，誤差30%；

當前建模中各油公司實用的方法是：用巖心數(shù)據(jù)建立的孔隙度~滲透率關系反求，最簡單的辦法是，求

LnK=f()的線性關系，這樣仍然有一定的誤差，因為一個值相應的是一個滲

透率分布范圍，不是一個定值。（一）

、建立井模型技術現(xiàn)階段存在的主要技術難點（一）、建立井模型技術14目前在發(fā)展的技術：

用神經網絡技術等提高K~的相關系數(shù)；

用隨機建模方法模擬相應的K分布。最重要的是新測井技術的發(fā)展和完善：

成像測井；

過套管測井；

隨鉆測井。（一）

、建立井模型技術目前在發(fā)展的技術：（一）、建立井模型技術15（二）

、建立層模型技術目的： 建立儲集體格架：把每口井中的每個地質單元通過井間等時對比聯(lián)接起來——把多個一維柱狀剖面構筑成三維地質體，建成儲集體的空間格架。關鍵點：正確地進行小單元的等時對比，即要實現(xiàn)單個砂層的正確對比?？蓪Ρ葐卧。⒌膬w格架愈細。對于陸相沉積難度更大。 （二）、建立層模型技術目的：16現(xiàn)有成熟和流行技術：

“旋回對比、分級控制”；

河流砂體小層對比，應用“等高程”，“切片”等方法；

地震橫向追蹤技術；

高分辨率層序地層學。（二）

、建立層模型技術現(xiàn)有成熟和流行技術：（二）、建立層模型技術17現(xiàn)有成熟和流行技術：

“旋回對比、分級控制”：

對于湖相沉積是相當有效的；

對于沖積相沉積、劃分和對比砂組一般是有效的；連續(xù)沉積井段過長時難于控制。（二）

、建立層模型技術現(xiàn)有成熟和流行技術：（二）、建立層模型技術18現(xiàn)有成熟和流行技術：

河流砂體小層對比，應用“等高程”，“切片”等方法：現(xiàn)已比較廣泛應用，但仍為有待深化的技術；

地震橫向追蹤技術：有待提高分辨率；

高分辨率層序地層學：露頭—巖心—測井—地震綜合，力爭把準層序縮小到“十米級”。（二）

、建立層模型技術現(xiàn)有成熟和流行技術：（二）、建立層模型技術19正在攻關的方向及內容：

沖積相（重點是河流砂體）的層序（旋回）識別標志；

地震、測井結合高分辨率層序地層學；

沉積學；

計算機自動對比。（二）

、建立層模型技術正在攻關的方向及內容：（二）、建立層模型技術20（二）

、建立層模型技術正在攻關的方向及內容

沖積相 （重點是河流砂體）的層序（旋回）識別標志

古土壤

遺跡化石，現(xiàn)發(fā)展遺跡相

古地磁學

前兩者成功的報導較多，將同樣遇到向井下轉移的問題。（二）、建立層模型技術正在攻關的方向及內容21正在攻關的方向及內容

地震、測井結合高分辨率層序地層學

測井約束下的地震反演；

沉積學：在野外露頭精細解剖各類沉積體的建筑結構要素，識別界面特征；

計算機自動對比:有模擬手工對比，有地質統(tǒng)計對比（見一些報導）。（二）

、建立層模型技術正在攻關的方向及內容（二）、建立層模型技術22目前的實際應用：

在建立本區(qū)“巖—電”關系的基礎上，用測井曲線，地質家手工對比到可能的最小單元（一般為砂組，或三級旋回），計算機建模時按一定的地質規(guī)律進一步機械劈分。

對于我國陸相沉積，盡可能正確控制到“十米級”單元。

小層對比仍有一定的經驗性（藝術）。（二）

、建立層模型技術目前的實際應用：（二）、建立層模型技術23網格設計

平面:50×50M縱向細剖分

Layers:107建模范圍網格單元數(shù)

125×38×107，總單元數(shù)508250模擬單元劃分網格設計縱向細剖分建模范圍網格單元數(shù)模擬單元劃分24三維斷層模型(FaultModeling)三維斷層模型構造建模采用確定性建模，因為構造基本是確定的，沒有隨機性三維斷層模型(FaultModeling)三維斷層模型構造25Make-Horizons三維油組框架模型Make-Horizons三維油組框架模型26三維地質結構模型Make-zones三維地質結構模型三維地質結構模型Make-zones三維地質結構模型27三維垂向網格剖分模型Layering垂向平均網格厚度0.5米三維垂向網格剖分模型Layering垂向平均網格厚度0.5米28東西剖面南北剖面東西剖面南北剖面29（三）、建立參數(shù)模型技術目的：

定量地給出儲集體內各種屬性參數(shù)空間分布

（三）、建立參數(shù)模型技術目的：301.1地質建模的初期：插值(傳統(tǒng)統(tǒng)計學估值方法)

地質建模初期，人們曾嘗試的各種插值算法對未知區(qū)域、特別是井間地區(qū)進行估計。如三角網格法、曲面樣條法、按距離加權平均法、趨勢面法等。這些算法所產生的結果均是確定性的。這些傳統(tǒng)的插值算法，僅考慮到觀測點與待估點之間的距離，而沒有考慮到空間位置之間的相互關聯(lián)，既地質規(guī)律所造成的儲層參數(shù)在空間上的相關性，應用效果不盡人意。這個時期，開創(chuàng)了用數(shù)學方法解決地質問題的先河。3.1地質建模的初期1.1地質建模的初期：插值(傳統(tǒng)統(tǒng)計學估值方法)313.2地質建模的發(fā)展時期：克里金

80年代，地質統(tǒng)計學方法受到人們的普遍重視。在算法上步入克里金插值階段。克里金估計是對傳統(tǒng)內插方法的一次飛躍，即不同位置相互影響的大小是用變差函數(shù)或協(xié)方差函數(shù)來定量描述的。克里金插值方法，主要是因為該算法考慮了儲層內部屬性參數(shù)平面及垂向上的各向異性，在三維網格化過程中，依據(jù)儲層的成因特點，在各方向上采用不同的變程做為約束條件，即插值搜索范圍為一個三種軸向半徑不同的橢球體，其長軸方向代表儲層參數(shù)發(fā)育的優(yōu)勢方向，因此，算法上較距離反比加權等更加科學?？死锝鹚惴m然能夠反映各向異性，但無法表征儲層井間預測的不確定性。(地質統(tǒng)計學克里金估值方法)3.2地質建模的發(fā)展時期：克里金80年代，地質統(tǒng)計323.3地質建模的興盛時期：隨機建模

由于克里金估計方法是一種數(shù)據(jù)內插方法，把它用于儲層評價常常會平滑掉儲層特征在空間展布的變異性，從而對研究儲層的非均質性和不確定性是不適合的。所謂隨機建模，是指以已知的信息為基礎，應用隨機函數(shù)理論、隨機模擬方法，產生可選的、等概率的儲層模型的方法。

從模擬單元的角度來分，隨機模擬可以分為：

(地質統(tǒng)計學在石油工業(yè)中廣泛應用)

基于目標隨機模型其基本模擬單元為目標物體（即是離散性質的地質特征，如沉積相、流動單元等），主要方法為標點過程。

基于象元的隨機模型以象元（相當于儲層網格化后的單個網格）為基本模擬單元，既可用于連續(xù)性儲層參數(shù)的模擬，也可用于離散地質體的模擬?；谀繕耍∣bject－based)和基于象元（Pixel－based）3.3地質建模的興盛時期：隨機建模由于克里金估計33

離散模型主要描述一個離散性質的地質特征，如沉積相分布、砂體位置和大小、泥質隔夾層的分布和大小，裂縫和斷層的分布、大小、方位等。

連續(xù)性模型主要描述連續(xù)變化的地質參數(shù)的空間分布，如孔隙度、滲透率、流體飽和度等巖石物理參數(shù)，地震層速度、油水界面等參數(shù)的空間分布。在實際油藏中，離散性質和連續(xù)性質是共存的。將上述兩類模型結合在一起，則構成混合模型，亦稱為二步模型，即第一步建立離散模型，描述儲層大范圍的非均質特征（儲層結構）特征，第二步是在離散模型的基礎上建立表征巖石參數(shù)空間變化和分布的模型，由此便獲得了混合模型。這種建模方法成為“二步建?！狈椒ā碾S機模擬方法可以分為二大類：離散型（Discrete）連續(xù)型（Continuous）從而建立的模型稱為離散模型（Discretemodels）連續(xù)性模型（Continuousmodels）隨機模擬是以隨機函數(shù)理論為基礎的。隨機函數(shù)由一個區(qū)域化變量的分布函數(shù)和變差函數(shù)來表征。根據(jù)模擬的方法不同，其變量亦稱為:離散型變量和連續(xù)性變量。離散模型主要描述一個離散性質的地質特征，如沉積相分布34

確定性建模是對井間未知區(qū)給出確定性的預測結果，即試圖從具有確定性資料的控制點出發(fā)，推測出點間（如井間）確定的、唯一的儲層參數(shù)。例如：克里金，移動平均算法都是確定性建模方法。隨機建模與確定性建模的差異

是算法不同

(確定性建模無論軟件運行多少次，其結果是不變的。)隨機建模與確定性建模的差異確定性建模確定性建模是對井間未知區(qū)給出確定性的預測結果，隨機建35序貫指示模擬法SIS

（針對離散/連續(xù)變量）

在序貫指示模擬中，局部條件概率分布直接由指示克里金方程組求得。序貫高斯模擬法SGS（針對連續(xù)變量）在序貫高斯模擬中，局部條件概率分布都假設為高斯分布，其均值和方差由簡單克里金方程組求得。示性點過程的儲層建模方法最早有挪威學者提出，是一種基于目標的隨機建模方法。該方法應用了隨機幾何學中點過程理論。點過程提供各種模型來研究點的不規(guī)則空間分布。這些點在空間上的分布可以是完全獨立的（如泊松點過程），也可以是相互關聯(lián)的或排斥的（如吉布斯點過程）。示性點過程則是一種特殊的點過程。一個點過程，對其上賦予一個特征值（或稱為一個屬性、或示性）時，就稱為示性點過程。該方法在模擬地質體的空間分布是十分有用的，它的基本思路就是根據(jù)點過程理論先產生這些物體的中心點在空間上的分布，然后再將物體性質（如物體的幾何形態(tài)、大小、方向等）標注于各點上，即通過隨機模擬產生這些空間點的屬性，并與已知的條件信息進行匹配。二、主要隨機建模方法及特點序貫指示模擬法SIS（針對離散/連續(xù)變量）示性點過程的儲層36（三）

、建立參數(shù)模型技術石油地下地質遇到的實質問題，也是關鍵點：

如何依據(jù)已有井點（控制點頭，原始樣本點）的參數(shù)值進行合理地內插、外推井間未鉆井區(qū)（預測點）的同一參數(shù)值。

內插值誤差愈小，地質模型精度就愈高。

影響精度的因素：

精、細度相互制約，單元愈細，提高精度愈難；

屬性本身的非均質程度，非均質性愈強，提高精度愈難；精度與對其地質規(guī)律的認識程度成正比（原型模型、地質知識庫）。（三）、建立參數(shù)模型技術石油地下地質遇到的實質問題，也是37確定性建模技術（DeterministicModeling)傳統(tǒng)的地質方法（包括克里金技術）

開發(fā)地震技術

水平井技術隨機建摸技術（StochasticModeling)兩類建模方法確定性建模技術（DeterministicModeli38確定性建模方法（DeterministicModeling）

傳統(tǒng)的地質方法：按地質趨勢線性內插；

開發(fā)地震反演；

計算機建模。

三、建立參數(shù)模型技術確定性建模方法（DeterministicModelin39確定性建模方法（DeterministicModeling）

傳統(tǒng)的地質方法：按地質趨勢線性內插:

包括：簡單線性內插，趨勢面作圖法，相帶等控制下的線性內插，等等。

對構造現(xiàn)象和非均質程度很弱的參數(shù)是成熟可用的，如地層壓力、溫度、飽和度、孔隙度等。

有時甚至穩(wěn)定沉積體如三角洲前緣河口壩、席狀砂的

滲透率分布也是可用的。三、建立參數(shù)模型技術確定性建模方法（DeterministicModelin40三、建立參數(shù)模型技術確定性建模方法（DeterministicModeling）

開發(fā)地震反演：

用地震屬性（振幅、波阻抗等）與巖心（測井）孔隙度建立關系，反演孔隙度。再用孔隙度推滲透率

——已在普遍應用。只要應用時要對其不確定性程度心中有數(shù)。

目前除常規(guī)三維地震外，正在發(fā)展井間地震、四維地震（時移地震）等。三、建立參數(shù)模型技術確定性建模方法（Determinist41三、建立參數(shù)模型技術確定性建模方法（DeterministicModeling）

計算機建模：

簡單插值法：距離反比權衡，曲面樣條法，等等；

克里金法：以求平均值為目的的建模，如儲量計算效果很好，反映非均質性效果差。三、建立參數(shù)模型技術確定性建模方法（Determinist42三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）

雖然地下儲層本身是確定的，但人們去認識它時就可能出現(xiàn)隨機性。這由于：

資料信息不足；

資料信息本身有不確定性；

一些儲層屬性的地質規(guī)律有一定的隨機性。三、建立參數(shù)模型技術隨機建模方法（StochasticM43三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）定義：用一組已知信息，依據(jù)一定的地質統(tǒng)計特征，用某一隨機算法，模擬出一組等概率的實現(xiàn)（Realizations）。關鍵點：原型模型和地質知識庫，合適的隨機算法。三、建立參數(shù)模型技術隨機建模方法（StochasticM44隨機建模的兩個關鍵表征一定統(tǒng)計結構特征的隨機算法對象儲層的統(tǒng)計結構特征等概率的多個實現(xiàn)同類沉積類似物的原型模型成熟開發(fā)區(qū)優(yōu)選地質模型露頭隨機建模的兩個關鍵表征一定統(tǒng)計對象儲層的等概率同45離散方法(DiscreteMethods)

以對象為基礎的模擬方法連續(xù)型方法(ContinuousMethods)

以象元為基礎的模擬方法條件模擬(ConditionalSimulation)

忠實于采樣點資料的方法非條件模擬(UnconditionalSimulation)

已知采樣點資料也可以修改的方法隨機建模方法分類離散方法(DiscreteMethods)隨機建模方46目前流行的隨機算法對象為基礎的算法

布爾法(Boolean)

示點性過程法(MarkedPointProcess)

截斷高斯法(TruncatedGaussianSimulation)序慣模擬

序慣高斯模擬(SequentialGaussianSimulation)

序慣指示模擬(SequentialIndicatorSimulation)

馬爾可夫——貝葉斯模擬(Markov-BayesSimulation)

指示主因子模擬(IndicatorPrincipalComponentsSimulation)目前流行的隨機算法對象為基礎的算法47目前流行的隨機算法估計加模擬誤差

（EstimationPlusSimulatedError)

轉向帶法(TurningBands)

分形模擬(FractalSimulation)模擬退火(SimulatedAnnealing)目前流行的隨機算法估計加模擬誤差48三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）

隨機模擬結果的應用：

建立概念模型，保證主要的屬性基本面貌正確，在早期評價階段應用是很成功的；

估計不確定性；

地質約束下選用；

蒙特卡洛式的應用：最樂觀的、最可能的和最悲觀的模型；

最大概率的應用，甚至用平均值作確定性的應用；

用數(shù)模擬和動態(tài)歷史快速篩選。三、建立參數(shù)模型技術隨機建模方法（StochasticM49隨機建模方法（StochasticModeling）

目前正在發(fā)展、探索的技術和問題

各類沉積儲層的原型模型，豐富地質知識庫；

各種算法對各類儲層的適應性；各種算法對實現(xiàn)不同地質目的的適應性；

發(fā)展新的算法；

如何應用綜合地震、地質、測井資料。三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）三、50三維儲層參數(shù)建?！穹从车叵聝游镄裕住B、飽、凈毛比）空間分布的參數(shù)模型?！襁\用地震屬性控條件下的高斯模擬方法，是定量描述儲層物性分布的較為理想的選擇。高精度儲層參數(shù)三維分布模型儲層隨機模擬方法三維儲層參數(shù)建?！穹从车叵聝游镄裕住B、飽、凈毛比）空間51隨機模擬儲層隨機建模是近年來在地質研究領域發(fā)展的最新技術，對儲層非均質性及復雜油藏進行描述，作為對儲層非均質性進行模擬和對所有不確定性進行評估的最佳方法，隨機性建模技術被廣泛應用。隨機模擬儲層隨機建模是近年來在地質研究領域發(fā)展的最新技術，對52隨機建模方法隨機模型類型條件模擬方法分類方法名稱以目標物體為模擬單元的方法示性點過程法或布爾方法離散困難隨機成因模擬法離散困難以象元為模擬單元的方法馬爾柯夫隨機域法離散/連續(xù)可以截斷高斯模擬法離散/連續(xù)可以兩點直方圖法離散/連續(xù)可以序貫高斯模擬法離散/連續(xù)可以序貫指示模擬法離散/連續(xù)可以模擬退火模擬法連續(xù)可以分形隨機域法連續(xù)可以常見隨機模擬方法分類隨機建模方法隨機模型類型條件模擬方法分類方法名稱以目標物體為53由于阜寧組一、二段儲層橫向變化不大，砂體分布具有比較穩(wěn)定，且有地震屬性信息的協(xié)同，所以我們在進行巖石物理屬性連續(xù)變量的模擬時選擇了序貫高斯協(xié)同地震屬性數(shù)據(jù)的模擬方法。序貫高斯模擬算法比較穩(wěn)健，對于分布穩(wěn)定的數(shù)據(jù)實現(xiàn)速度很快，是應用較為廣泛的連續(xù)變量的模擬方法。隨機模擬方法的選擇

由于阜寧組一、二段儲層橫向變化不大，砂體分布具有比較穩(wěn)定，且54高斯隨機域是最經典的隨機函數(shù)。這種模型最大的特征是隨機變量符合高斯分布或經過轉換符合正態(tài)分布。高斯模擬可采用多種算法如序貫模擬、指示模擬、誤差模擬、概率場模擬等。其中序貫高斯模擬是應用最為廣泛的一種。序貫模擬同許多隨機模擬的方法相同都是通過從條件分布中抽取變量Z(u)的值來實現(xiàn)某一位置u處的模擬，但序貫模擬的思想將這種條件進一步擴展到u附近的所有點，包括條件數(shù)據(jù)點和模擬過的數(shù)據(jù)點?？傊蜇灨咚鼓M是以高斯概率理論和序貫模擬算法產生連續(xù)空間變量分布的隨機模擬方法。序貫高斯模擬高斯隨機域是最經典的隨機函數(shù)。這種模型最大的特征是隨機變量符55序貫高斯模擬為一種應用高斯概率理論和序貫模擬算法產生連續(xù)變量空間分布的隨機模擬方法。模擬過程是從一個象元到另一個象元序貫進行的，用于建立局部累計條件概率分布（ccdf）的數(shù)據(jù)不僅包括原始條件數(shù)據(jù)，而且考慮已模擬過的數(shù)據(jù)。從局部累計條件概率分布中隨機抽取分位數(shù)便可得到一個象元點的模擬數(shù)據(jù)。這種方法在實際應用中常被使用。序貫高斯模擬為一種應用高斯概率理論和序貫模擬算法產生連續(xù)變量56連續(xù)變量Z(u)的條件模擬步驟如下：（1）確定代表全研究區(qū)（含Z樣品數(shù)據(jù)）的單變量條件分布cdfFz(z)。如果Z數(shù)據(jù)空間分布不均勻，則應先對其進行解串，也可能需要外推平滑；（2）應用cdfFz(z)，將Z數(shù)據(jù)完成正態(tài)得分轉換，轉換成標準正態(tài)分布累積分布函數(shù)的Y數(shù)據(jù)；（3）檢查正態(tài)得分Y數(shù)據(jù)的雙元正態(tài)性。如果不能使用多變量高斯模型，則考慮其它模型；（4）如果多變量高斯模型適用于Y變量（正態(tài)得分變換后樣品數(shù)據(jù)），則繼續(xù)序貫模擬，即：a.確定隨機路徑，每次訪問每個網格節(jié)點一次（不必是規(guī)則的）。每個節(jié)點(u)保留一定數(shù)量的鄰域條件數(shù)據(jù)，包括原始Y數(shù)據(jù)和先前模擬的網絡節(jié)點Y值；b.應用簡單克里格結合正態(tài)得分變異函數(shù)模型來決定此處隨機函數(shù)ccdfY(u)函數(shù)的參數(shù)（平均值和方差）；c.從ccdfY中提取模擬值Y(l)(u)；d.將模擬值Y(l)(u)加載到數(shù)據(jù)組；沿隨機路徑進行下個節(jié)點u′，一直進行到所有節(jié)點都被模擬。將模擬結果反轉換成原始區(qū)域化變量，可能經常用到內插和尾部外推。(5)整個序貫模擬過程可以按一條新的隨機路徑重復上述步驟，以獲得一個新實現(xiàn)。連續(xù)變量Z(u)的條件模擬步驟如下：57序貫高斯模擬的輸入參數(shù)主要為變量統(tǒng)計參數(shù)（均值、標準偏差）、變差函數(shù)參數(shù)（變程、塊金效應等）及條件數(shù)據(jù)等。參數(shù)輸入序貫高斯模擬的輸入參數(shù)主要為變量統(tǒng)計參數(shù)（均值、標準偏差）、58數(shù)據(jù)分析數(shù)據(jù)分析59參數(shù)變換及變差函數(shù)設置變差函數(shù)正態(tài)分布參數(shù)變換及變差函數(shù)設置變差函數(shù)正態(tài)分布60三維地震振幅屬性模型地震屬性模型三維地震振幅屬性模型地震屬性模型61各小層地震振幅屬性特征

II-1II-2II-3IV-1IV-2II-5各小層地震振幅屬性特征62孔隙度建模地震屬性約束下的孔隙度隨機模擬的30個實現(xiàn)中的六個實現(xiàn)Realization1Realization2Realization3Realization4Realization5Realization5孔隙度建模地震屬性約束下的孔隙度隨機模擬的30個實現(xiàn)中的六個63孔隙度平均模型孔隙度平均模型64滲透率建模滲透率建模65含油飽和度建模含油飽和度由于受構造影響較大，因此飽和度建模除用地震屬性約束外，還用構造面作趨勢，兩者共同約束，同時還考慮含油邊界。含油飽和度建模含油飽和度由于受構造影響較大，因此飽和度建模除66泥質含量建模泥質含量建模67腰灘油田孔隙度、滲透率、泥質含量、含油飽模型北東－南西向剖面三維屬性剖面模型腰灘油田孔隙度、滲透率、泥質含量、含油飽模型北東－南西向剖面68腰灘油田孔隙度、滲透率、泥質含量、含油飽模型北西－南東向剖面三維屬性剖面模型腰灘油田孔隙度、滲透率、泥質含量、含油飽模型北西－南東向剖面69三維地質建模技術方法及實現(xiàn)步驟--課件70構造建模沉積微相模擬儲層物性模擬數(shù)據(jù)準備與加載四、建模流程、建模軟件與實現(xiàn)

4.1建模流程構造建模沉積微相模擬儲層物性模擬數(shù)據(jù)準備與加載四、建模流程、71RMSFastTrackerPetrel斯倫貝謝GocadEDS(EarthDecisionSciences)GASORGMSS4.2建模軟件RMSFastTrackerPetrel斯倫貝謝Gocad724.3建模實現(xiàn)

4.3.1構造建模--創(chuàng)建層面算法及參數(shù)4.3建模實現(xiàn)4.3.1構造建模--創(chuàng)建層面算法及參數(shù)73基于目標建模(隨機)；相過渡模擬;序貫指示模擬；指示克里金；截斷高斯模擬；神經網絡模擬；人工定義。4.3.2相建模--算法的選擇基于目標建模(隨機)；4.3.2相建模--算法的選擇74變差函數(shù)Variogram

是地質統(tǒng)計學所特有的基本工具。它既能描述區(qū)域化變量的空間結構性變化，又能描述其隨機性變化。變差函數(shù)理論模型：常見的理論變差函數(shù)有以下幾類：球狀模型、指數(shù)模型、高斯模型。變程(Range)：指區(qū)域化變量在空間上具有相關性的范圍。在變程范圍之內，數(shù)據(jù)具有相關性；而在變程之外，數(shù)據(jù)之間互不相關，即在變程以外的觀測值不對估計結果產生影響。4.3.3相建模算法中之數(shù)據(jù)分析變差函數(shù)Variogram4.3.3相建模算法中之數(shù)據(jù)分754.3.4相建模—基于目標定義目標幾何形狀目標整體分布河道的定義堤岸的定義4.3.4相建模—基于目標定義目標幾何形狀目標整體分布河道76序貫高斯克里金GSLIB克里金移動平均函數(shù)法近點距離神經網絡模擬8人工定義

4.3.5物性參數(shù)建模--算法的選擇序貫高斯4.3.5物性參數(shù)建模--算法的選擇77

即首先建立沉積相模型，然后根據(jù)不同沉積相分相隨即模擬，建立儲層參數(shù)分布模型。具體說，就是對每一個層分別用已經建立的沉積微相模型，分相約束建立物性模型。4.3.6物性建?！嗫貤l件下即首先建立沉積相模型，然后根據(jù)不同沉積相分相隨即模擬78五、建模方法在應用中應注意的問題5.1變程對模型的影響

5.2創(chuàng)建層面算法的比較

5.3算法中的方法與權重

5.4層建模在水平井軌跡設計中的應用

（杏六區(qū)東部）（南一區(qū)甲塊）五、建模方法在應用中應注意的問題5.1變程對模型的影響

79克里金法1000x500x4610x10網格

3000x2000x4510x105.1變程對模型的影響克里金法1000x500x4610x10網格3000x80常用層面算法：收斂插值最小曲率插值移動平均插值克里金法余弦擴展插值函數(shù)插值序貫高斯模擬人工算法層面取樣神經網絡5.2創(chuàng)建層面算法的比較常用層面算法：5.2創(chuàng)建層面算法的比較81收斂插值*最小曲率插值*移動平均插值克里金法（6006000）余弦擴展插值*函數(shù)插值收斂插值82‘移動平均’算法中的方法：EqualInverseDistanceInverseDistanceSquareInverseDistancequadruple‘移動平均’算法中的方法：Equal83EqualInverseDistanceInverseDistanceSquareInverseDistancequadruple1、Equal特征：所有點的權重相等。整體區(qū)域平緩，局部抖動頻率大。

Delta=50.89Max=957.33Min=906.442、InverseDistance特征：整體區(qū)域起伏加大，局部抖動頻率趨小。

Delta=61.35Max=964.49Min=903.143、InverseDistanceSquare特征：整體區(qū)域起伏更加大，局部抖動頻率更趨小、區(qū)域加大。

Delta=66.43Max=968.27Min=901.844、InverseDistancequadruple特征：整體區(qū)域起伏趨緩，局部區(qū)塊更加大。

Delta=66.79Max=968.58Min=901.79EqualInverseDistanceInverseD84-876.95余弦算法最小曲率法收斂法-877.34井間差值變化相對平緩，但模擬構造面邊部往往翹起最大相差0.4米收斂法----盡可能降低井間模擬風險井間差值變化相對平緩最后優(yōu)選出設計要求：軌跡距葡Ⅰ33頂1.0-1.2m左右0.4877.3（杏六區(qū)東部）5.4層建模在水平井軌跡設計中的應用-876.95余弦算法最小曲率法收斂法-877.34井間差值85（南一區(qū)甲塊）最小曲率法COS擴展法最近點法法移動平均法

水平井建模區(qū)域面積約為0.7Km2，井數(shù)48口，井密度為67口/Km2。實際建模時，采用了多種算法分別建立模型，并對各種算法的模型結果進行比較，分析其優(yōu)缺點及對各種條件的其適應性，最終選擇了最小曲率法并采用井點數(shù)據(jù)進行校正，提高地質模型的精度。通過實際測井資料與錄井資料的對比驗證，在入靶點位置地質模型預測的目的油層頂深與實際頂深僅相差0.47米。（南一區(qū)甲塊）最小曲率法COS擴展法最近點法法移動平86三維地質建模還應有以下工作Layering細分層創(chuàng)建的3D網格三維地質建模還應有以下工作Layering細分層創(chuàng)建的387離散化的解釋曲線離散化的解釋曲線88采用序貫高斯的隨機建模變差函數(shù)：500020001052變差函數(shù)：50005000100該模型的影響空間為橢球體方向為52°該模型的影響空間為球體無方向影響采用序貫高斯的隨機建模變差函數(shù)：5000200010589三維地質建模技術方法及實現(xiàn)步驟三維地質建模技術方法及實現(xiàn)步驟90目錄一、三維地質建模的意義二、三維地質建模技術發(fā)展的現(xiàn)狀三、三維地質建模的發(fā)展動向四、三維地質建模技術方法及實現(xiàn)目錄一、三維地質建模的意義91精品資料精品資料92你怎么稱呼老師？如果老師最后沒有總結一節(jié)課的重點的難點，你是否會認為老師的教學方法需要改進？你所經歷的課堂，是講座式還是討論式？教師的教鞭“不怕太陽曬，也不怕那風雨狂，只怕先生罵我笨，沒有學問無顏見爹娘……”“太陽當空照，花兒對我笑，小鳥說早早早……”三維地質建模技術方法及實現(xiàn)步驟--課件93建模的意義：

最大程度地集成多種資料信息，

最大程度地減少儲層預測的不確定性。一、建模意義一、建模意義94

二步建?；蛳嗫亟?，即首先建立沉積相、儲層結構或流動單元模型，然后根據(jù)不同沉積相（砂體類型或流動單元）的儲層參數(shù)定量分布規(guī)律，分相（砂體類型或流動單元）進行井間插值或隨即模擬，建立儲層參數(shù)分布模型。

三步建模，相控建模表征了層面的非均質性。為表征垂向的非均質性，人們開始采用三步建模。即利用沉積微相圖約束巖相建模；再利用所建立的巖相模型，進一步約束孔、滲、飽等屬性參數(shù)建模。由于研究的深入，過去儲層表征、隨機建模領域主要利用井資料分析相帶空間展布及物性空間特征的基本格局正在被突破!地震資料在儲層隨機建模中的應用越來越多，如巖相建模時地震速度的應用，模擬退火算法中地震資料和露頭及井資料的結合等。由于這些進展，隨機建模的思路與方法也開始在地震反演中得到應用。二、地質建模技術發(fā)展的現(xiàn)狀二步建?；蛳嗫亟＃词紫冉⒊练e相、儲層結構或流動95三、發(fā)展動向

開發(fā)地震和隨機模擬是兩大發(fā)展方向，而且也在向綜合方向發(fā)展，甚至是與流動模擬三者的結合，這將是必然結果。 三、發(fā)展動向開發(fā)地震和隨機模擬是兩大發(fā)展96地震、測井一體化地質綜合研究建立儲層地質知識庫應用地質統(tǒng)計理論和隨機建模方法建立三維地質模型研究思路四、三維地質建模技術方法及實現(xiàn)地震、測井一體化地質綜合研究應用地質統(tǒng)計理論和隨機建模方法研97河道寬度W厚度儲層三維地質模型地層對比測井解釋微相劃分儲層地質知識庫地震資料解釋時深轉換波阻抗反演地質建模流程圖構造模型相模型屬性模型河道寬度W厚度儲層三維地層對比測井解釋微相劃分儲層地質知識庫98地質建模三步程序（Three-stepsModeling）：

建立井模型（WellModel）

建立層模型（FrameworkModel）

建立參數(shù)模型（AttributesModel）

步驟地質建模三步程序（Three-stepsModeling）99(1)

正確描述井孔柱狀剖面開發(fā)地質屬性技術

（一維井模型）(2)

劃分流動單元及井間等時對比技術

（二維層模型）(3)

井間屬性定量預測技術

（三維整體模型）油藏地質模型的三步建模程序三維地質建模技術方法及實現(xiàn)步驟--課件100（一）、建立井模型技術目的： 建立每口井各種開發(fā)地質屬性（Attributes）的一維柱狀剖面井筒油藏描述最基本的九項屬性：

滲透層（儲層）有效層隔夾層 含油層含氣層含水層

孔隙度滲透率飽和度

（一）、建立井模型技術目的：101（一）、建立井模型技術比較成熟的現(xiàn)有技術

方法手段：以巖心及各種測試資料為基礎，以測井為主要手段；

關鍵：建立把各種儲層測井信息轉換成開發(fā)地質屬性的定性、定量模型。以實際靜、動態(tài)資料對其進行標定。（一）、建立井模型技術比較成熟的現(xiàn)有技術102現(xiàn)階段存在的主要技術難點

滲透率還無法直接由測井方法求得（核磁共振測井有望）?，F(xiàn)有測井解釋方法都是間接求得的，誤差30%；

當前建模中各油公司實用的方法是：用巖心數(shù)據(jù)建立的孔隙度~滲透率關系反求，最簡單的辦法是，求

LnK=f()的線性關系，這樣仍然有一定的誤差，因為一個值相應的是一個滲

透率分布范圍，不是一個定值。（一）

、建立井模型技術現(xiàn)階段存在的主要技術難點（一）、建立井模型技術103目前在發(fā)展的技術：

用神經網絡技術等提高K~的相關系數(shù)；

用隨機建模方法模擬相應的K分布。最重要的是新測井技術的發(fā)展和完善：

成像測井；

過套管測井；

隨鉆測井。（一）

、建立井模型技術目前在發(fā)展的技術：（一）、建立井模型技術104（二）

、建立層模型技術目的： 建立儲集體格架：把每口井中的每個地質單元通過井間等時對比聯(lián)接起來——把多個一維柱狀剖面構筑成三維地質體，建成儲集體的空間格架。關鍵點：正確地進行小單元的等時對比，即要實現(xiàn)單個砂層的正確對比?？蓪Ρ葐卧?，建立的儲集體格架愈細。對于陸相沉積難度更大。 （二）、建立層模型技術目的：105現(xiàn)有成熟和流行技術：

“旋回對比、分級控制”；

河流砂體小層對比，應用“等高程”，“切片”等方法；

地震橫向追蹤技術；

高分辨率層序地層學。（二）

、建立層模型技術現(xiàn)有成熟和流行技術：（二）、建立層模型技術106現(xiàn)有成熟和流行技術：

“旋回對比、分級控制”：

對于湖相沉積是相當有效的；

對于沖積相沉積、劃分和對比砂組一般是有效的；連續(xù)沉積井段過長時難于控制。（二）

、建立層模型技術現(xiàn)有成熟和流行技術：（二）、建立層模型技術107現(xiàn)有成熟和流行技術：

河流砂體小層對比，應用“等高程”，“切片”等方法：現(xiàn)已比較廣泛應用，但仍為有待深化的技術；

地震橫向追蹤技術：有待提高分辨率；

高分辨率層序地層學：露頭—巖心—測井—地震綜合，力爭把準層序縮小到“十米級”。（二）

、建立層模型技術現(xiàn)有成熟和流行技術：（二）、建立層模型技術108正在攻關的方向及內容：

沖積相（重點是河流砂體）的層序（旋回）識別標志；

地震、測井結合高分辨率層序地層學；

沉積學；

計算機自動對比。（二）

、建立層模型技術正在攻關的方向及內容：（二）、建立層模型技術109（二）

、建立層模型技術正在攻關的方向及內容

沖積相 （重點是河流砂體）的層序（旋回）識別標志

古土壤

遺跡化石，現(xiàn)發(fā)展遺跡相

古地磁學

前兩者成功的報導較多，將同樣遇到向井下轉移的問題。（二）、建立層模型技術正在攻關的方向及內容110正在攻關的方向及內容

地震、測井結合高分辨率層序地層學

測井約束下的地震反演；

沉積學：在野外露頭精細解剖各類沉積體的建筑結構要素，識別界面特征；

計算機自動對比:有模擬手工對比，有地質統(tǒng)計對比（見一些報導）。（二）

、建立層模型技術正在攻關的方向及內容（二）、建立層模型技術111目前的實際應用：

在建立本區(qū)“巖—電”關系的基礎上，用測井曲線，地質家手工對比到可能的最小單元（一般為砂組，或三級旋回），計算機建模時按一定的地質規(guī)律進一步機械劈分。

對于我國陸相沉積，盡可能正確控制到“十米級”單元。

小層對比仍有一定的經驗性（藝術）。（二）

、建立層模型技術目前的實際應用：（二）、建立層模型技術112網格設計

平面:50×50M縱向細剖分

Layers:107建模范圍網格單元數(shù)

125×38×107，總單元數(shù)508250模擬單元劃分網格設計縱向細剖分建模范圍網格單元數(shù)模擬單元劃分113三維斷層模型(FaultModeling)三維斷層模型構造建模采用確定性建模，因為構造基本是確定的，沒有隨機性三維斷層模型(FaultModeling)三維斷層模型構造114Make-Horizons三維油組框架模型Make-Horizons三維油組框架模型115三維地質結構模型Make-zones三維地質結構模型三維地質結構模型Make-zones三維地質結構模型116三維垂向網格剖分模型Layering垂向平均網格厚度0.5米三維垂向網格剖分模型Layering垂向平均網格厚度0.5米117東西剖面南北剖面東西剖面南北剖面118（三）、建立參數(shù)模型技術目的：

定量地給出儲集體內各種屬性參數(shù)空間分布

（三）、建立參數(shù)模型技術目的：1191.1地質建模的初期：插值(傳統(tǒng)統(tǒng)計學估值方法)

地質建模初期，人們曾嘗試的各種插值算法對未知區(qū)域、特別是井間地區(qū)進行估計。如三角網格法、曲面樣條法、按距離加權平均法、趨勢面法等。這些算法所產生的結果均是確定性的。這些傳統(tǒng)的插值算法，僅考慮到觀測點與待估點之間的距離，而沒有考慮到空間位置之間的相互關聯(lián)，既地質規(guī)律所造成的儲層參數(shù)在空間上的相關性，應用效果不盡人意。這個時期，開創(chuàng)了用數(shù)學方法解決地質問題的先河。3.1地質建模的初期1.1地質建模的初期：插值(傳統(tǒng)統(tǒng)計學估值方法)1203.2地質建模的發(fā)展時期：克里金

80年代，地質統(tǒng)計學方法受到人們的普遍重視。在算法上步入克里金插值階段?？死锝鸸烙嬍菍鹘y(tǒng)內插方法的一次飛躍，即不同位置相互影響的大小是用變差函數(shù)或協(xié)方差函數(shù)來定量描述的?？死锝鸩逯捣椒?，主要是因為該算法考慮了儲層內部屬性參數(shù)平面及垂向上的各向異性，在三維網格化過程中，依據(jù)儲層的成因特點，在各方向上采用不同的變程做為約束條件，即插值搜索范圍為一個三種軸向半徑不同的橢球體，其長軸方向代表儲層參數(shù)發(fā)育的優(yōu)勢方向，因此，算法上較距離反比加權等更加科學?？死锝鹚惴m然能夠反映各向異性，但無法表征儲層井間預測的不確定性。(地質統(tǒng)計學克里金估值方法)3.2地質建模的發(fā)展時期：克里金80年代，地質統(tǒng)計1213.3地質建模的興盛時期：隨機建模

由于克里金估計方法是一種數(shù)據(jù)內插方法，把它用于儲層評價常常會平滑掉儲層特征在空間展布的變異性，從而對研究儲層的非均質性和不確定性是不適合的。所謂隨機建模，是指以已知的信息為基礎，應用隨機函數(shù)理論、隨機模擬方法，產生可選的、等概率的儲層模型的方法。

從模擬單元的角度來分，隨機模擬可以分為：

(地質統(tǒng)計學在石油工業(yè)中廣泛應用)

基于目標隨機模型其基本模擬單元為目標物體（即是離散性質的地質特征，如沉積相、流動單元等），主要方法為標點過程。

基于象元的隨機模型以象元（相當于儲層網格化后的單個網格）為基本模擬單元，既可用于連續(xù)性儲層參數(shù)的模擬，也可用于離散地質體的模擬?；谀繕耍∣bject－based)和基于象元（Pixel－based）3.3地質建模的興盛時期：隨機建模由于克里金估計122

離散模型主要描述一個離散性質的地質特征，如沉積相分布、砂體位置和大小、泥質隔夾層的分布和大小，裂縫和斷層的分布、大小、方位等。

連續(xù)性模型主要描述連續(xù)變化的地質參數(shù)的空間分布，如孔隙度、滲透率、流體飽和度等巖石物理參數(shù)，地震層速度、油水界面等參數(shù)的空間分布。在實際油藏中，離散性質和連續(xù)性質是共存的。將上述兩類模型結合在一起，則構成混合模型，亦稱為二步模型，即第一步建立離散模型，描述儲層大范圍的非均質特征（儲層結構）特征，第二步是在離散模型的基礎上建立表征巖石參數(shù)空間變化和分布的模型，由此便獲得了混合模型。這種建模方法成為“二步建?！狈椒?。從隨機模擬方法可以分為二大類：離散型（Discrete）連續(xù)型（Continuous）從而建立的模型稱為離散模型（Discretemodels）連續(xù)性模型（Continuousmodels）隨機模擬是以隨機函數(shù)理論為基礎的。隨機函數(shù)由一個區(qū)域化變量的分布函數(shù)和變差函數(shù)來表征。根據(jù)模擬的方法不同，其變量亦稱為:離散型變量和連續(xù)性變量。離散模型主要描述一個離散性質的地質特征，如沉積相分布123

確定性建模是對井間未知區(qū)給出確定性的預測結果，即試圖從具有確定性資料的控制點出發(fā)，推測出點間（如井間）確定的、唯一的儲層參數(shù)。例如：克里金，移動平均算法都是確定性建模方法。隨機建模與確定性建模的差異

是算法不同

(確定性建模無論軟件運行多少次，其結果是不變的。)隨機建模與確定性建模的差異確定性建模確定性建模是對井間未知區(qū)給出確定性的預測結果，隨機建124序貫指示模擬法SIS

（針對離散/連續(xù)變量）

在序貫指示模擬中，局部條件概率分布直接由指示克里金方程組求得。序貫高斯模擬法SGS（針對連續(xù)變量）在序貫高斯模擬中，局部條件概率分布都假設為高斯分布，其均值和方差由簡單克里金方程組求得。示性點過程的儲層建模方法最早有挪威學者提出，是一種基于目標的隨機建模方法。該方法應用了隨機幾何學中點過程理論。點過程提供各種模型來研究點的不規(guī)則空間分布。這些點在空間上的分布可以是完全獨立的（如泊松點過程），也可以是相互關聯(lián)的或排斥的（如吉布斯點過程）。示性點過程則是一種特殊的點過程。一個點過程，對其上賦予一個特征值（或稱為一個屬性、或示性）時，就稱為示性點過程。該方法在模擬地質體的空間分布是十分有用的，它的基本思路就是根據(jù)點過程理論先產生這些物體的中心點在空間上的分布，然后再將物體性質（如物體的幾何形態(tài)、大小、方向等）標注于各點上，即通過隨機模擬產生這些空間點的屬性，并與已知的條件信息進行匹配。二、主要隨機建模方法及特點序貫指示模擬法SIS（針對離散/連續(xù)變量）示性點過程的儲層125（三）

、建立參數(shù)模型技術石油地下地質遇到的實質問題，也是關鍵點：

如何依據(jù)已有井點（控制點頭，原始樣本點）的參數(shù)值進行合理地內插、外推井間未鉆井區(qū)（預測點）的同一參數(shù)值。

內插值誤差愈小，地質模型精度就愈高。

影響精度的因素：

精、細度相互制約，單元愈細，提高精度愈難；

屬性本身的非均質程度，非均質性愈強，提高精度愈難；精度與對其地質規(guī)律的認識程度成正比（原型模型、地質知識庫）。（三）、建立參數(shù)模型技術石油地下地質遇到的實質問題，也是126確定性建模技術（DeterministicModeling)傳統(tǒng)的地質方法（包括克里金技術）

開發(fā)地震技術

水平井技術隨機建摸技術（StochasticModeling)兩類建模方法確定性建模技術（DeterministicModeli127確定性建模方法（DeterministicModeling）

傳統(tǒng)的地質方法：按地質趨勢線性內插；

開發(fā)地震反演；

計算機建模。

三、建立參數(shù)模型技術確定性建模方法（DeterministicModelin128確定性建模方法（DeterministicModeling）

傳統(tǒng)的地質方法：按地質趨勢線性內插:

包括：簡單線性內插，趨勢面作圖法，相帶等控制下的線性內插，等等。

對構造現(xiàn)象和非均質程度很弱的參數(shù)是成熟可用的，如地層壓力、溫度、飽和度、孔隙度等。

有時甚至穩(wěn)定沉積體如三角洲前緣河口壩、席狀砂的

滲透率分布也是可用的。三、建立參數(shù)模型技術確定性建模方法（DeterministicModelin129三、建立參數(shù)模型技術確定性建模方法（DeterministicModeling）

開發(fā)地震反演：

用地震屬性（振幅、波阻抗等）與巖心（測井）孔隙度建立關系，反演孔隙度。再用孔隙度推滲透率

——已在普遍應用。只要應用時要對其不確定性程度心中有數(shù)。

目前除常規(guī)三維地震外，正在發(fā)展井間地震、四維地震（時移地震）等。三、建立參數(shù)模型技術確定性建模方法（Determinist130三、建立參數(shù)模型技術確定性建模方法（DeterministicModeling）

計算機建模：

簡單插值法：距離反比權衡，曲面樣條法，等等；

克里金法：以求平均值為目的的建模，如儲量計算效果很好，反映非均質性效果差。三、建立參數(shù)模型技術確定性建模方法（Determinist131三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）

雖然地下儲層本身是確定的，但人們去認識它時就可能出現(xiàn)隨機性。這由于：

資料信息不足；

資料信息本身有不確定性；

一些儲層屬性的地質規(guī)律有一定的隨機性。三、建立參數(shù)模型技術隨機建模方法（StochasticM132三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）定義：用一組已知信息，依據(jù)一定的地質統(tǒng)計特征，用某一隨機算法，模擬出一組等概率的實現(xiàn)（Realizations）。關鍵點：原型模型和地質知識庫，合適的隨機算法。三、建立參數(shù)模型技術隨機建模方法（StochasticM133隨機建模的兩個關鍵表征一定統(tǒng)計結構特征的隨機算法對象儲層的統(tǒng)計結構特征等概率的多個實現(xiàn)同類沉積類似物的原型模型成熟開發(fā)區(qū)優(yōu)選地質模型露頭隨機建模的兩個關鍵表征一定統(tǒng)計對象儲層的等概率同134離散方法(DiscreteMethods)

以對象為基礎的模擬方法連續(xù)型方法(ContinuousMethods)

以象元為基礎的模擬方法條件模擬(ConditionalSimulation)

忠實于采樣點資料的方法非條件模擬(UnconditionalSimulation)

已知采樣點資料也可以修改的方法隨機建模方法分類離散方法(DiscreteMethods)隨機建模方135目前流行的隨機算法對象為基礎的算法

布爾法(Boolean)

示點性過程法(MarkedPointProcess)

截斷高斯法(TruncatedGaussianSimulation)序慣模擬

序慣高斯模擬(SequentialGaussianSimulation)

序慣指示模擬(SequentialIndicatorSimulation)

馬爾可夫——貝葉斯模擬(Markov-BayesSimulation)

指示主因子模擬(IndicatorPrincipalComponentsSimulation)目前流行的隨機算法對象為基礎的算法136目前流行的隨機算法估計加模擬誤差

（EstimationPlusSimulatedError)

轉向帶法(TurningBands)

分形模擬(FractalSimulation)模擬退火(SimulatedAnnealing)目前流行的隨機算法估計加模擬誤差137三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）

隨機模擬結果的應用：

建立概念模型，保證主要的屬性基本面貌正確，在早期評價階段應用是很成功的；

估計不確定性；

地質約束下選用；

蒙特卡洛式的應用：最樂觀的、最可能的和最悲觀的模型；

最大概率的應用，甚至用平均值作確定性的應用；

用數(shù)模擬和動態(tài)歷史快速篩選。三、建立參數(shù)模型技術隨機建模方法（StochasticM138隨機建模方法（StochasticModeling）

目前正在發(fā)展、探索的技術和問題

各類沉積儲層的原型模型，豐富地質知識庫；

各種算法對各類儲層的適應性；各種算法對實現(xiàn)不同地質目的的適應性；

發(fā)展新的算法；

如何應用綜合地震、地質、測井資料。三、建立參數(shù)模型技術隨機建模方法（StochasticModeling）三、139三維儲層參數(shù)建?！穹从车叵聝游镄裕?、滲、飽、凈毛比）空間分布的參數(shù)模型?！襁\用地震屬性控條件下的高斯模擬方法，是定量描述儲層物性分布的較為理想的選擇。高精度儲層參數(shù)三維分布模型儲層隨機模擬方法三維儲層參數(shù)建?！穹从车叵聝游镄裕?、滲、飽、凈毛比）空間140隨機模擬儲層隨機建模是近年來在地質研究領域發(fā)展的最新技術，對儲層非均質性及復雜油藏進行描述，作為對儲層非均質性進行模擬和對所有不確定性進行評估的最佳方法，隨機性建模技術被廣泛應用。隨機模擬儲層隨機建模是近年來在地質研究領域發(fā)展的最新技術，對141隨機建模方法隨機模型類型條件模擬方法分類方法名稱以目標物體為模擬單元的方法示性點過程法或布爾方法離散困難隨機成因模擬法離散困難以象元為模擬單元的方法馬爾柯夫隨機域法離散/連續(xù)可以截斷高斯模擬法離散/連續(xù)可以兩點直方圖法離散/連續(xù)可以序貫高斯模擬法離散/連續(xù)可以序貫指示模擬法離散/連續(xù)可以模擬退火模擬法連續(xù)可以分形隨機域法連續(xù)可以常見隨機模擬方法分類隨機建模方法隨機模型類型條件模擬方法分類方法名稱以目標物體為142由于阜寧組一、二段儲層橫向變化不大，砂體分布具有比較穩(wěn)定，且有地震屬性信息的協(xié)同，所以我們在進行巖石物理屬性連續(xù)變量的模擬時選擇了序貫高斯協(xié)同地震屬性數(shù)據(jù)的模擬方法。序貫高斯模擬算法比較穩(wěn)健，對于分布穩(wěn)定的數(shù)據(jù)實現(xiàn)速度很快，是應用較為廣泛的連續(xù)變量的模擬方法。隨機模擬方法的選擇

由于阜寧組一、二段儲層橫向變化不大，砂體分布具有比較穩(wěn)定，且143高斯隨機域是最經典的隨機函數(shù)。這種模型最大的特征是隨機變量符合高斯分布或經過轉換符合正態(tài)分布。高斯模擬可采用多種算法如序貫模擬、指示模擬、誤差模擬、概率場模擬等。其中序貫高斯模擬是應用最為廣泛的一種。序貫模擬同許多隨機模擬的方法相同都是通過從條件分布中抽取變量Z(u)的值來實現(xiàn)某一位置u處的模擬，但序貫模擬的思想將這種條件進一步擴展到u附近的所有點，包括條件數(shù)據(jù)點和模擬過的數(shù)據(jù)點。總之序貫高斯模擬是以高斯概率理論和序貫模擬算法產生連續(xù)空間變量分布的隨機模擬方法。序貫高斯模擬高斯隨機域是最經典的隨機函數(shù)。這種模型最大的特征是隨機變量符144序貫高斯模擬為一種應用高斯概率理論和序貫模擬算法產生連續(xù)變量空間分布的隨機模擬方法。模擬過程是從一個象元到另一個象元序貫進行的，用于建立局部累計條件概率分布（ccdf）的數(shù)據(jù)不僅包括原始條件數(shù)據(jù)，而且考慮已模擬過的數(shù)據(jù)。從局部累計條件概率分布中隨機抽取分位數(shù)便可得到一個象元點的模擬數(shù)據(jù)。這種方法在實際應用中常被使用。序貫高斯模擬為一種應用高斯概率理論和序貫模擬算法產生連續(xù)變量145連續(xù)變量Z(u)的條件模擬步驟如下：（1）確定代表全研究區(qū)（含Z樣品數(shù)據(jù)）的單變量條件分布cdfFz(z)。如果Z數(shù)據(jù)空間分布不均勻，則應先對其進行解串，也可能需要外推平滑；（2）應用cdfFz(z)，將Z數(shù)據(jù)完成正態(tài)得分轉換，轉換成標準正態(tài)分布累積分布函數(shù)的Y數(shù)據(jù)；（3）檢查正態(tài)得分Y數(shù)據(jù)的雙元正態(tài)性。如果不能使用多變量高斯模型，則考慮其它模型；（4）如果多變量高斯模型適用于Y變量（正態(tài)得分變換后樣品數(shù)據(jù)），則繼續(xù)序貫模擬，即：a.確定隨機路徑，每次訪問每個網格節(jié)點一次（不必是規(guī)則的）。每個節(jié)點(u)保留一定數(shù)量的鄰域條件數(shù)據(jù)，包括原始Y數(shù)據(jù)和先前模擬的網絡節(jié)點Y值；b.應用簡單克里格結合正態(tài)得分變異函數(shù)模型來決定此處隨機函數(shù)ccdfY(u)函數(shù)的參數(shù)（平均值和方差）；c.從ccdfY中提取模擬值Y(l)(u)；d.將模擬值Y(l)(u)加載到數(shù)據(jù)組；沿隨機路徑進行下個節(jié)點u′，一直進行到所有節(jié)點都被模擬。將模擬結果反轉換成原始區(qū)域化變量，可能經常用到內插和尾部外推。(5)整個序貫模擬過程可以按一條新的隨機路徑重復上述步驟，以獲得一個新實現(xiàn)。連續(xù)變量Z(u)的條件模擬步驟如下：146序貫高斯模擬的輸入參數(shù)主要為變量統(tǒng)計參數(shù)（均值、標準偏差）、變差函數(shù)參數(shù)（變程、塊金效應等）及條件數(shù)據(jù)等。參數(shù)輸入序貫高斯模擬的輸入參數(shù)主要為變量統(tǒng)計參數(shù)（均值、標準偏差）、147數(shù)據(jù)分析數(shù)據(jù)分析148參數(shù)變換及變差函數(shù)設置變差函數(shù)正態(tài)分布參數(shù)變換及變差函數(shù)設置變差函數(shù)正態(tài)分布149三維地震振幅屬性