《工学油藏描述》PPT课件.ppt

1、Reservoir Modeling,储 层 建 模,主讲人：吴胜和,什么是三维储层模型？( What is ) 为什么要建立三维储层模型？( Why ) 怎样建立三维储层模型? ( How to ),储层建模,一、建 模 概 论 二、确 定 性 建 模 三、随 机 建 模 四、建 模 原 则,课程内容,储层地质模型 建模目的 模型内容 建模步骤 建模途径,一、建模概论,Reservoir 储层 油藏（含油气的储集体） （不同于 Pool ） 广义的（国外的）储层地质模型 油藏地质模型 （ Reservoir Geological Model） 构造模型 储层地质模型 流体分布模型,（一）储层

2、地质模型 Reservoir Geological Model,储层地质模型 是油藏地质模型的核心 储层特征（储层结构及参数等) 在三维空间的分布,储层地质模型,挪威潮坪相渗透率三维模型 已粗化的模型 -可直接进入数模器,（二）建模目的 地下储层是在三维空间分布的。 人们习惯于用二维图形（各种小层平面图、油层剖面图）及准三维图件（栅状图）来描述三维储层，如用平面渗透率等值线图来描述一套（或一层）储层的渗透率分布。 显然，这种描述存在一定的局限性，关键是掩盖了储层的层内非均质性乃至平面非均质性。,80年代以后，国外利用计算机技术，逐步发展出一套利用计算机存储和显示的三维储层模型，即把储层三维网块

3、化(3D griding)后，对各个网块(grid)赋以各自的参数值，按三维空间分布位置存入计算机内，形成了三维数据体，这样就可以进行储层的三维显示，可以任意切片和切剖面(不同层位、不同方向剖面)，以及进行各种运算和分析。,建模目的,三维储层建模不等同于储层的三维图形显示。从本质上讲，三维储层建模是从三维的角度对储层进行定量的研究并建立其三维模型， 其核心是对井间储层进行多学科综合一体化、三维定量化及可视化的预测。,建模目的,与传统的二维储层研究相比，三维储层建模具有以下明显的优势： （1）能更客观地描述储层，克服了用二维图件描述三维储层的局限性。三维储层建摸可从三维空间上定量地表征储层的非均

4、质性，从而有利于油田勘探开发工作者进行合理的油藏评价及开发管理。,建模目的,（2）可更精确地计算油气储量。在常规的储量计算时，储量参数（含油面积、油层厚度、孔隙度、含油饱和度等）均用平均值来表示。显然，应用平均值计算储量忽视了储层非均质因素，例如，油层厚度在平面上并非等厚，孔隙度和含油饱和度在空间上也是变化的。,建模目的,应用三维储层模型计算储量时，储量的基本计算单元是三维空间上的网格（分辨率比二维储量计算时高得多）。因为每一个网格均赋有相类型、孔隙度值、含油饱和度值等参数，因此，通过三维空间运算，可计算出实际的油砂体体积、孔隙体积和油气体积，其计算精度比二维储量计算高得多。,建模目的,（3）

5、有利于三维油藏数值模拟。三维油藏数值模拟要求一个把油藏各项特征参数在三维空间上的分布定量表征出来的地质模型。粗化的三维储层地质模型可直接作为油藏数值模拟的输入，而油藏数值模拟成败的关键在很大程度上取决于三维储层地质模型的准确性。,建模目的,油藏评价阶段及开发设计阶段 基础资料：大井距的探井和评价井资料（岩心、测井、测试资料）及地震资料。 模型精度：所建模型的分辨率相对较低（主要是垂向分辨率相对较低） 粗网格的静态模型 概念模型 可满足勘探阶段油藏评价和开发设计的要求，对评价井设计、储量计算、开发可行性评价以及优化油田开发方案具有较大的意义。,不同勘探开发阶段的储层建模,开发方案实施及油藏管理阶

6、段 基础资料： 开发井网+评价井+地震资料 模型精度：所建储层模型精度较高 储层静态模型 目的意义：主要为优化开发实施方案及调整方案服务，如确定注采井别、射孔方案、作业施工、配产配注及油田开发动态分析等，以提高油田开发效益及油田采收率。,不同勘探开发阶段的储层建模,注水开发中后期及三次采油阶段 基础资料：加密井、检查井 + 动态资料（如多井试井、示踪剂地层测试及生产动态资料） + 开发井网+评价井+（地震资料） 模型精度：可建立精度较高的储层模型，但油藏开发生产对储层模型的精度要求更高。 ,不同勘探开发阶段的储层建模,精度要求：要求在开发井网(一般百米级)条件下将井间数十米甚至数米级规模的储层

7、参数的变化及其绝对值预测出来，即建立高精度的储层预测模型。 目的意义：剩余油分布预测 优化注水开发调整挖潜及三次采油方案,不同勘探开发阶段的储层建模,储层参数分布模型 储层孔隙度模型 储层渗透率模型 储层含油饱和度模型,（三）模型内容,储层离散属性分布模型 储层相及储层结构模型 储层流动单元模型 裂缝分布模型,储层相模型(储层结构模型) 储层相模型为储层内部不同相类型的三维空间分布。实际上，三维相建模就是定量描述储集砂体的大小、几何形态及其三维空间的分布，即建立储层结构模型。 油田开发生产实践表明，相带分布强烈地影响地下流体的流动。同时，岩石物性的变化与相类型极为相关。对于多相分布的储层来说，

8、合理的相模型是精确建立岩石物性模型的必要前提。,模型内容,（a）三维相模型图 （b）构造背景下的的三维相模型,三维数据体的栅状图显示,流动单元是指根据影响流体在岩石中流动的地质参数(如渗透率、孔隙度、Kv/Kh比、非均质系数、毛细管压力等)在油藏储层中进一步划分的纵横向连续的储集带；在该带中，影响流体流动的地质参数在各处都相似，并且岩层特点在各处也相似(C.L.Hearn et al，1984）。不同的流动单元具有不同的流体流动特征。,储层流动单元模型,模型内容,流动单元模型是由许多流动单元块体镶嵌组合而成的模型，属于离散模型的范畴。该模型既反映了单元间岩石物性的差异和单元间边界，还突出地表现

9、了同一流动单元内影响流体流动的物性参数的相似性，这对油藏模拟及动态分析有很大的意义，对预测二次采油和三次采油的生产性能亦意义重大。,模型内容,长庆安塞油田 坪桥水平井区 流动单元模型 红色：一类流动单元绿色：二类流动单元兰色：渗流屏障 长61三维流动单元 模型的不同显示形式。,裂缝分布模型 裂缝对油田开发具有很大的影响。在双重孔隙介质中，裂缝的渗透率比孔隙大得多。不同类型的裂缝、不同的裂缝网络以及不同的裂缝发育程度对油田开发有不同的影响。 裂缝分布模型可分为二类，其一为三维裂缝网络模型，表征裂缝类型、大小、形状、产状、切割关系及基质岩块特征等，其二为二维裂缝密度模型，表征裂缝的发育程度 。,模

10、型内容,裂缝网络模型,储层参数在三维空间上的变化和分布即为储层参数分布模型，属于连续性模型（continuous model）的范畴。储层参数如孔隙度、渗透率、含油饱和度等属于连续性变量。 在储层参数建模中，一般要建立三种参数的分布模型，即孔隙度模型、渗透率模型和含油（或含水）饱和度模型。,储层岩石物理参数模型,模型内容,胜坨油田胜二区74小层不同含水期孔隙度实现对比图（top6）,胜坨油田胜二区74小层不同含水期渗透率实现对比图(top6),胜坨油田胜二区沙二段74小层不同含水期含油饱和度模型(top12),（四）建模步骤,(1)数据类型 数据来源：岩心、测井、地震、试井、开发动态 从建模内

11、容来看，基本数据类型包括以下四类： 坐标数据 分层数据 断层数据 储层数据,建模步骤,1.数据准备,储层数据 井眼储层数据：岩心分析和测井解释-硬数据（hard data），包括井内相、砂体、隔夹层、孔隙度、渗透率、含油饱和度等数据，即井模型。 地震储层数据：主要为速度、波阻抗、频率等，为储层建模的软数据(soft data)。,建模步骤,试井（包括地层测试）储层数据： 其一为储层连通性信息，可作为储层建模的硬数据， 其二为储层参数数据，因其为井筒周围一定范围内的渗透率平均值，精度相对较低，一般作为储层建模的软数据,建模步骤,(2)数据集成及质量检查 数据集成是多学科综合一体化储层表征和建模的

12、重要前提。集成各种不同比例尺、不同来源的数据（井数据、地震数据、试井数据、二维图形数据等），形成统一的储层建模数据库，以便于综合利用各种资料对储层进行一体化分析和建模。,建模步骤,对不同来源的数据进行质量检查亦是储层建模的十分重要的环节。为了提高储层建模精度，必须尽量保证用于建模的原始数据特别是硬数据的准确可靠性，而应用错误的原始数据进行建模不可能得到符合地质实际的储层模型,建模步骤,构造模型反映储层的空间格架。因此，在建立储层属性的空间分布之前，应进行构造建模。 构造模型由断层模型和层面模型组成。,2. 构造建模,建模步骤,工区三维断层模型,比例型：内部层面与顶、底面平行,退覆-剥蚀型：内部

13、层面与底面平行，而与顶面呈锐角相交超覆型：内部层面与底面呈锐角相交，而与顶面平行,地层叠置型式,根据层序地层学原理建立层序地层格架 描述洪泛面及由深切谷和谷间组成的层序边界 应用高斯模拟方法生成洪泛面和层序界面，应用标点过程模拟深切峡谷的方向和形状。,三维层面模型图,在构造模型基础上，建立储层属性的三维分布。 构造模型三维网格化（3D griding），然后利用井数据和/或地震数据，按照一定的插值（或模拟）方法对每个三维网块进行赋值，建立储层属性（离散和连续属性）的三维数据体，即储层数值模型。 网块尺寸越小，标志着模型越细；每个网块上参数值与实际误差愈小，标志着模型的精度愈高。,建模步骤,3.

14、储层属性建模,影响储层模型精度的关键因素,(1)资料丰富程度及解释精度：资料丰富程度不同，所建模型精度亦不同。对于给定的工区及给定的赋值方法，可用的资料越丰富，所建模型精度越高。另一方面，对于已有的原始资料，其解释的精度亦严重影响储层模型的精度。如沉积相类型的确定、测井资料的解释精度，等等。,模型精度,(2)赋值方法：赋值方法很多，就井间插值（或模拟）而言，有传统的插值方法（如中值法、反距离平方法等）、各种克里金方法、各种随机模拟方法等。不同的赋值方法将产生不同精度的储层模型。因而，建模方法的选择是储层建模的关键。 (3)建模人员的技术水平，包括储层地质理论水平及对工区地质的掌握程度、计算机应

15、用水平及对建模软件的掌握程度。,模型精度,数值模型-即三维数据体-图形显示 三维图形显示 任意旋转 不同方向切片 从不同角度显示储层的外部形态及其内部特点。 地质人员和油藏管理人员可据此三维图件进行三维储层非均质分析和进行油藏开发管理。,4. 图形显示,建模步骤,根据三维储层模型进行油气储量计算。 (1) 地层总体积 (2) 储层总体积以及不同相（或流动单元）的体积 (3) 储层孔隙体积及含烃孔隙体积 (4) 油气体积及油气储量 (5) 连通体积（连通的储层岩石体积、孔隙体积及油气储量） (6) 可采储量,5. 体积计算,建模步骤,目的：油藏数值模拟 计算机内存和速度的限制（常规的黑油模型网格

16、节点数一般不超过30万个）。 模型粗化（Upscaling）是使细网格的精细地质模型“转化”为粗网格模型的过程，使等效粗网格模型能反映原模型的地质特征及流动响应。,建模步骤,6. 模型粗化,三维储层建模的技术问题已基本解决。但对于储层属性三维空间赋值的精度，还有许多问题需要解决。三维空间赋值本质上是井间储层预测，其精度决定着所建模型的精度。 因此，提高井间预测精度是储层建模的核心。,（四）储层建模的基本途径,确定性建模： (Deterministic modeling) 对井间未知区给出确定性的预测结果 随机建模(Stochastic modeling) 应用随机模拟方法， 对井间未知区给出多

17、种可能的预测结果。,确定的,不确定而需预测的,建模途径,确定性建模,对井间未知区给出确定性的预测结果，即从具有确定性资料的控制点(如井点)出发，推测出点间(如井间)确定的、唯一的、真实的储层参数。,1 储层地震学方法 2 储层沉积学方法 3 克里金方法,（一）储层地震学方法 储层地震学主要是应用地震资料研究储层的几何形态、岩性及储层参数的分布。一般是针对盆地内某区块或有利储集相带的一套含油层段进行研究。研究厚度相对较小，一般在几米几十米范围内，在地震剖面上主要表现为一个反射同相轴或几个同相轴组成的反射波组。这与区域地震地层学的研究范畴有所区别 。,储层地震学主要应用地震资料，利用地震属性参数，

18、如层速度、波阻抗、振幅等与储层岩性和孔隙度的相关性进行横向储层预测，继而建立储层岩性和物性的三维分布模型。,测井约束反演,三维地震资料具有覆盖面广、横向采集密度大的优点，其主要问题是垂向分辨率低（为主波长的1/4，一般为20米左右），比测井资料的分辨率（一般0.5m左右）低得多。对于我国普遍存在的陆相储层(以“米级”规模薄层间互的砂泥岩)来说，常规的三维地震很难分辨至单砂体规模，而仅为砂组或油组规模，而且预测的储层参数(如孔隙度、流体饱和度)的精度较低，往往为大层段的平均值。,分辨率问题,因此，在应用三维地震资料（结合井资料和VSP资料）进行储层建模时，所建模型的垂向网格较粗（一般20米左右，

19、通过地震反演技术使垂向分辨率提高 至48米 ）。这类模型可满足勘探阶段油藏评价的要求，但较难应用于油气田开发。 但是，这一较低垂向分辨率的储层模型乃至地震属性（振幅、速度或波阻抗）本身，可作为高分辨率储层建模的宏观控制（或趋势），以便综合应用井资料和地震资料建立垂向网格较细的储层模型，这比单纯应用井资料建立的储层模型精度更高。,地震储层解释的多解性问题,约束条件：沉积相及成岩储集相 约束方法：按不同相区建立地震反射参数与地质 信息的关系 （应用回归分析或人工神 经网络方法） 地震参数：层速度、波阻抗、振幅、频率等 地质参数：岩性、孔隙度等 储层岩性及孔隙度反演预测,相控储层预测与建模,地震储层

20、学方法,相控储层预测,基础：高分辨率层序地层学-建立等时地层格架 沉积模式指导砂体对比过程,（二）储层沉积学方法,通过井间砂体对比建立储层结构模型,胜坨油田胜二区沙二段高分辨率层序地层划分和对比,SE,储层结构模式,千层饼状储层结构,拼合板状储层结构,迷宫状储层结构,等时地层对比 等时砂体对比 等时砂体的连通性分析,不同砂体 连续连通 或连而不通,不同砂体 不连不通,同一砂体 连续连通,资料、方法和技术： 应用地质知识库指导砂体对比过程 砂体几何形态（长宽比、宽厚比、砂泥比等） 砂体连通关系（垂向叠置、侧向叠置、孤立状 应用三维地震和井间地震信息获取砂体砂体几何形态及连通关系的宏观信息 应用地

21、层倾角测井沉积学解释，获取砂体定向信息 通过试井（示踪剂试井、脉冲试井等）或开发动态分析，获取砂体连通信息 应用古地形资料，帮助进行砂体对比,储层沉积学方法,克里金方法是地质统计学的核心，它主要应用变差函数（或协方差函数）来研究在空间上既有随机性又有结构性的变量（区域化变量）的分布。储层孔隙度、渗透率、流体饱和度、泥质含量均为区域化变量。,（三）地质统计学克里金方法,克里金方法是一种实用的、有效的插值方法。它优于传统方法（如三角剖分法，距离反比加权法等），在于它不仅考虑到被估点位置与已知数据位置的相互关系，而且还考虑到已知点位置之间的相互联系，因此更能反映客观地质规律，估值精度相对较高，是定量

22、描述储层的有力工具。,克里金算法 简单克里金(SK)、普通克里金(OK)、具有外部漂移的克里金、泛克里金(UK)、因子克里金、协同克里金、贝叶斯克里金(BK)、指示克里金等,克里金插值，即根据待估点周围的若干已知信息，应用变差函数的性质，对估点的未知值作出最优（估计方差最小）、无偏（估计值的均值与观测值的均值相等）的估计。,加权 插值,变差函数为区域化变量Z(x)在x, x+h两点处的值之差的方差之半，即：,变差函数图,具不同变程的克里金插值图象,变量的各向异性,几何各向异性,带状各向异性,三种具基台值的理论变差函数模型,空洞效应变差函数模型,幂函数变差函数模型,（1）克里金插值为局部估计方法

23、，对估计值的整体空间相关性考虑不够，它保证了数据的估计局部最优，却不能保证数据的总体最优，因为克里金估值值的方差比原始数据的方差要小。因此，当井点较少且分布不均时可能会出现较大的估计误差，特别是在井点之外的无井区误差可能更大。,克里金方法的局限性,（2）克里金插值法为光滑内插方法，为减小估计方差而对真实观测数据的离散性进行了平滑处理，虽然可以得到由于光滑而更美观的等值线图或三维图，但一些有意义的异常带也可能被光滑作用而“光滑”掉了。所以，有时，克里金方法被称为一种“移动光滑窗口”。,克里金方法的局限性（续）,确定性建模软件主要有SGM、EarthVision、Geofram中的建模模块等。其中

24、，SGM为确定性储层建模软件，EarthVision主要为确定性构造建模软件，其中有简单的确定性储层建模部分。Geofram为一套集地质、测井、地震解释、三维建模为一体的综合勘探软件平台，其中包含综合运用多学科资料进行确定性储层建模的模块。,确定性建模软件,确定性建模的局限性,储层本身是确定的，但是，在资料不完善以及储层结构空间配置和储层参数空间变化复杂的情况下，人们难于掌握任一尺度下储层的确定的且真实的特征或性质，也就是说，在确定性模型中存在着不确定性，亦即随机性。因此，人们广泛应用随机建模方法进行储层建模。,三、随机建模,概念及意义 随机模拟原理 随机模拟方法,随机建模，是指以已知的信息为

25、基础，以随机函数为理论，应用随机模拟方法，产生可选的、等概率的储层模型的方法，亦即对井间未知区应用随机模拟方法给出多种可能的预测结果。,（一）概念及意义,这种方法承认控制点以外的储层参数具有一定的不确定性，即具有一定的随机性。因此采用随机建模方法所建立的储层模型不是一个，而是多个，即针对同一地区，应用同一资料、同一随机模拟方法可得到多个模拟实现(即所谓可选的储层模型)。 对于每一种实现(即储层模型)，所模拟参数的统计学分布特征与控制点参数值统计分布特征是一致的，即所谓等概率。,针对同一地区，应用同一资料、同一随机模拟方法可得到多个模拟实现 。 各个实现之间的差别则是储层不确定性的直接反映。如果

26、所有实现都相同或相差很小，说明储层模型中的不确定性因素少，否则说明不确定性大。 据此可了解由于资料限制而导致的井间储层预测的不确定性，以满足油田开发决策在一定风险范围的正确性。,储层非均质表征及不确定性评价,K2t13 三 维 孔 隙 度 建 模 的 三 个 实 现 (XZ-YZ切片),K2t13 三 维 渗 透 率 建 模 的 三 个 实 现 (XZ-YZ切片),a,b,c,江苏陈堡油田 K2t13 含油饱和度模型 （平面切片） 三个实现,储量不确定性评价 三维储层建模的重要意义之一是储量计算，即应用三维网格计算储量，而不仅仅是根据平面图及对应的平均值来计算。 由于随机建模可给出一系列实现，

27、即针对同一地区，应用同一资料、同一建模方法建立多个储层地质模型。 将这些实现用于三维储量计算，则可得出一簇储量结果。它不是一个确定的储量值，而是一个储量分布。通过这一分布，我们可以更客观地了解地下储量，从而为开发决策提供重要的参考依据，保证油田开发决策在一定风险范围内的正确性。,陈 堡 油 田 陈 3 断 块 泰 一 段 储 量 频 率 分 布 图,储量分布表,（二）随机模拟原理,随机模拟原理 随机模拟是以随机函数理论为基础的。随机函数由一个区域化变量的分布函数和协方差函数(或变差函数)来表征。 随机模拟的基本思想是从一个随机函数Z(u)中抽取多个可能的实现，即人工合成反映Z(u)空间分布的可

28、供选择的、等概率的高分辨率实现，记为Z(l)(u)，uA,l=1,L, 代表变量Z(u)在非均质场A中空间分布的L个可能的实现。,条件模拟与非条件模拟 若用观测点的数据对模拟过程进行条件限制，使得观测点的模拟值忠实于实测值（井数据、地震数据、试井数据等），就称为条件模拟； 否则为非条件模拟。,随机模拟与克里金插值法有较大的差别，主要表现在以下三个方面： 克里金插值法为局部估计方法，力图对待估点的未知值作出最优(估计方差最小)的、无偏(估计值均值与观测点值均值相同)的估计，而不专门考虑所有估计值的空间相关性，而模拟方法首先考虑的是模拟值的全局空间相关性，其次才是局部估计值的精确程度。,克里金插值

29、法给出观测值间的光滑估值(如绘出研究对象的平滑曲线图)，而削弱了真实观测数据的离散性(插值法为减小估计方差，对真实观测数据的离散性进行了平滑处理)，从而忽略了井间的细微变化；而条件随机模拟结果在在光滑趋势上加上系统的“随机噪音”，这一“随机噪音”正是井间的细微变化，虽然对于每一个局部的点，模拟值并不完全是真实的，估计方差甚至比插值法更大，但模拟曲线能更好地表现真实曲线的波动情况。,克里金插值法(包括其它任何插值方法)只产生一个储层模型，因而不能了解和评价模型中的不确定性，而随机模拟则产生许多可选的模型，各种模型之间的差别正是空间不确定性的反映。,随机模拟方法分类表,序贯模拟,（1）随机地选择一

30、个待模拟的网格节点； （2）估计该节点的累积条件分布函数(ccdf)； （3）随机地从ccdf中提取一个分位数作为该节点的模拟值； （4）将该新模拟值加到条件数据组中； （5）重复1-4步，直到所有节点都被模拟到为止，从而得到一个模拟实现z(l)(u),误差模拟,（1）应用原始数据进行克里金插值估计，得到估计值Z*(u)； （2）进行非条件模拟，得到一个模拟实现Z(1)(u） （3）提取在模拟实现Z(1)(u)中观察点处的非条件模拟值，对其进行克里金插值估计，得到新的估计值Z*(1)(u)。 （4）比较两次估计值，得出模拟残差Z(1)(u)-Z*(1)(u)，其中，观察点的残差赋为0。 （5）

31、将模拟残差Z(1)(u)-Z*(1)(u)与原始的克里金估计值相加，即得到一个忠实于井点观察值的条件模拟实现Zc(1)(u)。,模拟退火,模拟退火类似金属冷却和退火。高温状态下分子分布紊乱而无序，但随着温度缓慢地降低，分子有序排列形成晶体。 模拟退火的基本思路是对于一个初始的图象，连续地进行扰动，直到它与一些预先定义的包含在目标函数内的特征相吻合,（三）随机模拟方法 基于目标(object-based)的方法 标点过程 基于象元(pixel-based)的方法 序贯高斯模拟 截断高斯模拟 序贯指示模拟 分形模拟,1 标点过程(布尔模型) 标点过程的基本思路是根据点过程的概率定律按照空间中几何物

32、体的分布规律，产生这些物体的中心点的空间分布，然后将物体性质（即marks，如物体几何形状、大小、方向等)标注于各点之上。 从地质统计学角度来讲，标点过程模拟即是要模拟物体点(points)及其性质(marks)在三维空间的联合分布。,点过程 ，物体中心点在空间上的分布可以是独立的(如Poisson点过程，即布尔模型的概率分布理论)，也可以是相互关联或排斥的(如Gibbs点过程)。 目标点密度在空间上可以是均匀的，也可以根据地质规律赋予一定的分布趋势。在实际应用中，目标点位置可以通过以下规则来确定： (1)密度函数（即各相的体积比例及其分布趋势） (2)关联(如井间相连通)和排斥原则(如同相物

33、体或不同相物体之间不接触的最小距离)。,物体性质(marks)实际上就是物体几何学形态，包括各相的形状、长度、宽度、高度、方向、顶底位置等。 形状：矩形、椭球体、锥形等。 物体几何学参数(如长、宽、高等)。 利用优化算法(如模拟退火)可以使模拟实现忠实于井信息、地震信息以及其它指定的条件信息。,标点过程的模拟过程是将物体“投放”于三维空间，亦即将目标体投放于背景相中。因此，这种方法适合于具有背景相的目标(物体或相)模拟。 如冲积体系的河道和决口扇(其背景相为泛滥平原)，三角洲分流河道和河口坝(其背景相为河道间和湖相泥岩)、浊积扇中的浊积水道(其背景相为深水泥岩)、滨浅海障壁砂坝、潮汐水道等(其

34、背景相为泻湖或浅海泥岩)。 另外，砂体中的非渗透泥岩夹层、非渗透胶结带、断层、裂缝均可利用此方法来模拟。,标点过程模拟示意图,挪威 潮坪相 潮汐水道,胜二区74小层三角洲平原亚相三维相建模的实现 上四个实现为密井网实现，下四个实现为抽稀井后的实现,2 序贯高斯模拟 高斯随机域是最经典的随机函数模型。该模型的最大特征是随机变量符合高斯分布(正态分布)。在实际应用中，首先需要将区域化变量(如孔隙度、渗透率)进行正态得分变换(变换为高斯分布)，模拟处理后，再将模拟结果反变换为区域化变量。对于符合正态分布的变换后随机变量，可以很容易地通过变差函数获取变量的条件概率分布函数。从条件概率分布函数中随机地提

35、取分位数便可得到模拟实现。,高斯模拟可以采用多种算法，如序贯模拟、误差模拟(如转带法)、概率场模拟等。在实际应用中，人们多应用序贯模拟算法，即序贯高斯模拟。在该方法中，模拟过程是从一个象元到另一个象元序贯进行的，而且用于计算某象元条件概率分布函数的条件数据除原始数据外，还考虑业已模拟过的所有数据。 高斯模拟是应用很广泛的连续性变量随机模拟方法。它适用于各向异性不强的条件下连续变量的随机模拟。,3 截断高斯模拟 截断高斯随机域属于离散随机模型，其基本模拟思路是通过一系列门槛值截断规则网格中的三维连续变量而建立离散物体的三维分布 。,适合于相带呈排序分布的沉积相模拟，如三角洲(平原、前缘和前三角洲

36、)、呈同心分布的湖相(滨湖、浅湖、深湖)、滨面相(上滨、中滨、下滨)的随机模拟。,指示模拟的重要基础为指示变换和指示克里金。所谓指示变换，即将数据按照不同的门槛值编码为1或0的过程。对于模拟目标区内的每一类相，当它出现于某一位置时，指示变 量为1，否则为0。指示变换的最大优点是可将软数据（如试井解释、地质推理和解释）进行编码，因而可使其参与随机模拟。,4 序贯指示模拟,指示模拟既可用于离散物体类型变量，又可用于离散化的连续变量类别的随机模拟。对于连续变量，通过一系列门槛值将其离散化成为一系列变量类别，然后针对这些变量类别进行模拟。,在类型变量的模拟过程中，对于三维空间的每一网格(象元)，首先通

37、过指示克里金估计各变量的条件概率，并归一化，使所有类型变量的条件概率之和为1，以确定该处的条件概率分布函数）；然后随机提取一个0至1之间随机数，该随机数在条件概率分布函数中所对应的变量即为该象元的相类型。这一过程在其它各个象元进行运行，便可得到研究区内相分布的一个随机图象。,指示模拟可用于模拟复杂各向异性的地质现象。由于各个类型变量均对应于一个指示变差函数，也就是说，对于具有不同连续性分布的类型变量(相)，可给定（指定或通过数据推断）不同的指示变差函数，从而可建立各向异性的模拟图象。 因此，指示模拟可用于多向分布的沉积相建模（如三角洲分流河道与河口坝复合体），也可用于断层和裂缝的随机建模 。,

38、序贯指示模拟剖面图,5 分形随机模拟 分形随机域的最大特征是其自相似性，即局部与整体相似。在分形模拟中，主要应用统计自相似性，即任何规模上变量的变化与任何其它规模上变量的变化相似，亦即任一规模上变量的方差与其它规模上变量的方差成正比，其比率取决于分形维数(或间断指数)。分数布朗运动和分数高斯噪音,根据分形随机域的自相似性原理，在确定变量符合分形特征后，便可应用少量数据预测整个模拟目标区的变量分布。 分形模拟一般采用误差模拟算法，其模拟实现为克里金估值加上随机“噪音”。,应用分形几何研究裂缝分布,分形几何应用的注意事项 分形随机域最引人注目的特征是其自相似性，这也是它最大的优点。在确定随机变量符

39、合分形特征后，便可根据自相似性原理应用少量数据预测整个模拟目标区的变量分布。然而，在分形模拟的应用中，一定要注意如下几点：,(1)检验待模拟变量是否具有分形特征。值得注意的是，由于地质情况的复杂性，不同规模的地质特征受控于不同的地质控制因素(如砂体规模的渗透率受控于沉积相和成岩相的空间展布，而层理规模的渗透率受到层理性质及局部成岩作用的强烈影响)。因此，在应用分形理论研究地质变量的分布之前，一定要检验它是否符合分形特征。,（2）选择合适的计算间断指数（赫斯特指数）的方法。为了提高分形模拟或预测的精度，首先应该求准间断指数。用于求取间断指数的方法很多，如R/S分析、谱分析、变差函数、盒子计数法等

40、，其中一些方法在样品数量减少时变得不稳健。因此，应根据实际地质情况及变量类型，选择一种最稳健的、能提供最可靠间断指数的方法。另外，还应注意季节纹层对计算间断指数的影响。,（3）检验垂向与平面上的分形特征的差别。在很多分形模拟的应用中，由于横向数据点比较稀少，很难求取平面上的分形维数（实际上，在最小井距之内，变差函数无点对存在，类似于纯块金效应），因此往往“借用”垂向分形维数代替平面分形维数。在进行分形模拟前，应检验平面分形维数是否等于垂向分形维数。,随机模拟方法的选择 随机模拟方法很多，但没有一种万能的方法能解决所有沉积类型的建模问题。不同的随机模型有其地质适用性及应用范畴。如对于相模拟来说，如果预知相的几何构型（几何形态和组合方式），则标点过程为首选方法；对于具有排序分布的相组合来说，截断高斯模拟方法最为适合；,如果既不知几何构型，相组合又无排序现象，则应选用序贯指示模拟。对于参数模拟来说