建模-第03章：克里金和构造.ppt

1、地质建模技术(3)、西安石油大学计算机学院王家华2005.9、 二、二、 目录1 .绪论2 .地质统计学原理3 .克林估计和结构建模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， 3，3 .熟料估计和结构建模3.1简单熟料估计和普通熟料估计3.2通用熟料估计其结构建模是3.3或更大空间变量的协同熟料估计及其应用分为3.4贝叶斯-克林估计(Bayesiesinkriging )及其应用，4 )利用上节讨论的随机函数理论和估计理论，克林估计技术解决空间预测问题的过程大致分为三个步骤。 (1)使研究的空间变量与1个随机函数相对应，这些定义域也相同。 并且，将该空间变量在等地的观测值分别视为随机变量的现实。 (2)利用估计理论通过估计随机函数存在的随机变量，能够对其结果进行形式上的描述。 重要的是要求函数关系。 (3)将观测值置换为各自的中心，得到熟料推定值。 5，尤其是取的线性函数将当前问题推导回确定等常数。 6，3.1简单的熟料(SimpleKriging )、普通熟料(OrdinaryKriging )、简单的熟料方程式：普通熟料方程式：7，3.2泛素估计法(universallkriging )、泛素估计法(universallkriging ) Journel(1969 )利用地质统计学对海底的研究，促进了Matheron(1969 )对瞬态问题的兴趣，提出了具有漂移变量的线性估计的泛凯利金理论。 使用泛克里金估计方法生成数据网格是一种普遍使用的等值线绘制方法(Olea，1974，1983 )，理论上和实践上都具有显而易见的优点。 8、泛灰色金属方程式如下： 9、图7.1中描绘的等值线图、图10、图7.2中描绘的等值线图、图11、图7.3中描绘的等值线图、图12、图7.4中描绘的等值线距离加权法比较结论，结构图光滑度：泛凯利金最好，普通凯利金次之，距离平方权重最差的边界区域有井点，局部有高点或局部无低点的泛凯利金次之，距离平方权重最高的井点有局部高度， 没有局部低的泛凯利金，也没有普通凯利金，距离平方加权最高的4 .二次漂移的蛋白质比一次漂移的蛋白质好。 15，3.3或更多空间变量的协同克林估计(Co-Kriging )在石油勘探和开发中，很多空间变量与空间值和变化趋势有一定的依赖关系，也就是说它们之间有一定的空间相关性。 在许多实际工作中，另一些空间变量的值和变化趋势通常可被定量地或者定性地从一个空间变量的值和变化趋势估计出来。 空间相关空间变量的地质意义和物理意义相同，但其测量原理和测量方法不同。 例如，地层界面的深度可以由测井数据决定，也可以由地震数据决定的岩石的空隙率可以由测井的数据求出，根据通过实验室的方法求出的测井数据求出的岩石的空隙率可以由单一的声速测井数据求出，也可以将声速、中子、密度三种不同的测井数据组合求出虽然空间相关性空间变量的地质意义、物理意义不同，但都具有一定意义上的相关性和相似性。 这些相关性和相似性中，有比较显着的，有比较弱的，也有模糊的。 例如岩石的孔隙率和埋入深度、岩石的孔隙率和渗透率、岩石的电阻率和含油饱和度等。 16、空间相关的空间变量可以是相同的维度，也可以是不同的维度。估计多个空间相关性的空间变量的连接法可以分类为被称为协同连接法(Co-kriging )的大类。 这样的方法可以利用空间变量之间的空间相关性来空间估计空间变量或者某些变量，并且增强估计的精度和合理性。 当所估计出的变量的观测数据太少时，可以通过协同连接法用观测数据多的相关变量的信息进行补充，由此尽可能提高估计精度。 采样点数量不足的情况，在油藏描述过程中经常遇到。 井少，资料不齐，不容许是造成这种情况的原因。 在这种情况下，很难绘制出高质量的地质图。 因此，合作奎宁法的应用是必要的。 协同克里金法的基本原理是众所周知的，但至今仍是很少使用的方法。 其原因主要是其符号和算法复杂，难以求出交叉协方差函数和交叉变异函数。 17、利用图8.1一次漂移链接法绘制了第四小层顶边界的56个深度数据的等深度图、利用图18、图8.2一次漂移链接法绘制了第四小层顶边界的7个深度数据的等深度图、19、第四小层顶边界的深度的7个20、图8.3用普通协同熟料法描绘的第4小层顶边界等深度图。21、图8.4一次漂移协同熟料法描绘的第4小层顶边界等深度图。22、图8.5二次漂移协同链接法描绘的第4小层顶边界等的深度图。 23、各种协同熟料估计的对比、24、3.4贝叶斯熟料估计及其应用，Kitanidis(1986 )提出了空间函数的贝叶斯分析方法。 将空间分布函数(协方差函数、变异函数等)的参数看作随机变量，给出其先验分布，可求出所研究的随机函数的贝叶斯分布。 该方法的缺点是只能用于多高斯分布。 omre (1987，1989 )将线性贝叶斯理论应用于克林技术，提出了贝叶斯克林模型。 他将事先情报看作是合理的推测，在克林的推测过程中进行了考虑。 将原始数据按其精度分为观测数据和推测数据是贝叶斯克林推测的前提，也是与普通克林不同的特征。 25，3.4.1贝叶斯-克林金方程的线性估计有以下形式：式中一组保留权重系数。 所得贝叶斯克林方程在其中有Lagrange乘子。 26，3.4.2井，地质数据在结构建模中的应用，贝叶斯克林模型中，观测数据指的是精度高但数量少的数据，推测数据指的是精度低但数量多、分布广的数据。 该推定结果，在观测数据比较密集的地区，推定结果主要依赖于观测数据，在观测数据比较少的地区，推定结果主要倾向于受推定数据的影响。 观测数据与推测数据的关系与测井数据与地震数据的关系相似。 因此，将测井数据视为观测数据，将地震数据视为推测数据，采用贝叶斯库伦模型进行空间推测(王家华、周叶、1990 )，通过测井数据和地震数据的有机结合制作等值线图。 27、利用图10.9地震资料取得的牛庄油田T6反射层(沙三中底边界)深度的等高线图，28、利用图10.10井数据作成的牛庄油田沙三中底边界深度的等高线图，29、利用图10.11贝叶斯克林推测结果作成的等高线图，30、31、3.4.3结果分析， 以上讨论利用贝叶斯克林模型将测井资料视为观测资料，将地震资料视为推测资料，地震资料与测井资料相结合绘制的地层深度等值线图具有初步效果。在测井资料较少的地区，该等值线图主要反映了地震资料的特征，克服了测井资料过少引起的估算结果失真不足。 在测井资料较为密集的地区，该等值线图主要反映了测井资料的特点，保持了测井资料的优势。 因此，该等值线图有机地结合了测井资料和地震资料。 32 .具有空间相关性的空间变量可以是相同的维度，也可以是不同的维度。 估计多个空间相关性的空间变量的连接法可以分类为被称为协同连接法(Co-kriging )的大类。 这样的方法可以利用空间变量之间的空间相关性来空间估计空间变量或者某些变量，并且增强估计的精度和合理性。 当所估计出的变量的观测数据太少时，可以通过协同连接法用观测数据多的相关变量的信息进行补充，由此尽可能提高估计精度。 采样点数量不