建模-第04-2章：沉积相.ppt

1、这里使用了两种相来分类：河道相和漫滩相。如果还有其他的相也提供了有意义的非均质性，比如裂缝和不同的条形，也可以同时对这些相建模，以适应于河道的分布(Egeland and others, 1993)。 2) 参数估计 在准备工作完成之后，就可以开始参数估计（图8.8）。这要涉及到油井数据的统计分析、几何参数的估计以及退火参数的调整。 (1) 油井数据的统计分析 利用油井数据可以估计的主要参数有河道厚度和相的比例。75口井中观察到的144个河道的直方图可以利用油井数据作出（图8.9）。单河道砂体的厚度从1米到16米，平均6.3米，标准偏差2.96米（图8.10）。 在各井处，各河道总厚度占储层厚

2、度的比例是0.29, 河道部分的垂直走向是很明显的（图8.10），43米厚的模拟层段包括两个河道比例较大的层段（0.45）和两个富泥岩的层段（河道比例0.2）。这些变化定义了3个在模拟层段内的地层亚组（图8.10）。,图8.9 75口井中河道厚度的直方图,图8.10 河道总厚度占储层厚度的比例随深度变化,(2) 几何参数 除了河道比例之外，还必须对大量的其它几何参数进行估计。这种参数的大部分，如河道宽度和走向，不能只用油井参数来估计，即使有很多井也不行。它们的估计必须使用古地球物理信息和从露头或地下岩石类比所得到的数据。 当随机模型变得越来越逼真和复杂的时候，需要估计的、用来描述模型的参数就会

3、显著增加。这些几何参数已被分成两组主要类型，从而使参数估计过程简单化。,.基本参数 基本参数与河道比例、走向、宽度、厚度以及起伏相关。它们如下所列: 河道比例,平均河道厚度, 在不同河道间的河道厚度变化,主河道走向, 河道走向的变化, 平均河道宽度, 在不同河道间的河道宽度变化,河道起伏的幅度,河道起伏的波长。 在此，地质学家一个重要的任务就是，估计以所有井中数据、古地球物理信息、露头和现存储层类比为基础的参数值。 .有关河道的形态参数 河道形式参数与河道体的外部形态相关（图8.11）。油藏工程师们常把它们的作用误解为可有可无。这些由油井条件决定参数的主要功能就是允许产生河道的弯曲。这些形式参

4、数有如下四种：在单河道内的宽度变化，在单河道内的厚度变化，垂直起伏，和倾角。,图8.11 河道几何形态的逼真的变化,宽度和厚度能够沿着单河道砂体及其法线变化。这些参数能够用来捕获自然的，并且是逼真的河道几何形态中的局部变化（图8.11）。 严格地从沉积学的观点来看，垂直起伏和河道倾角是没有意义的参数。然而，为了允许大规模压实效应的和局部差异压实效应, 及油井相关的错误，这些参数中有一些灵活性是必要的，也是合乎需要的（图8.11）。,. 退火参数模拟退火算法：,模拟退火算法可以在储层随机建模示性点过程中使用，也可以作为单独一种算法在储层随机建模中使用。它在本章的以下部分将被应用。 模拟退火算法近

5、来在模拟地球科学现象中受到相当的重视。这是因为这种方法能提供大量广泛的条件化信息。它不象其地质统计学的模拟方法，只能要求满足少量经过选择的统计量，如直方图和变异函数等。模拟退火算法可以要求满足几乎可以是任意的可以想象出的统计量。 退火模拟相对来讲是一个新方法，可用来产生无论是连续或范畴变量的各种条件随机图像，并且以数值计算为主要目的。该技术具有这样的能力，可综合再现两点统计量和隐含的复杂多元空间统计量。该技术将花费大量的CPU时间和磁盘空间。对此，一种解决途径是先用快速的模拟算法生成粗糙的随机图像，然后用采退火模拟算法对该图像进行修正。可选择的快速模拟算法有序贯高斯算法或中位指示算法。,模拟退

6、火算法概要：,考虑一个简单的问题，能产生一个产生的指示变量。该指示变量要求条件模拟能满足通常所用的信息：直方图、变异函数以及变量在若干点处的值。然而，模拟退火算法可被用以下列步骤处理这个问题。 1. 对一个有观测数据的网格节点，分配一个正确的指示值。如果这个观测数据是1,那么就赋予1；如果是0, 就赋0。 2.对观测数据已经作为条件化信息使用后，仍然空着的那些所有的网格节点随机地用一定的概率赋予0或1。该概率为在任何一个点处选择为0的概率，以及选1的概率为 。和值的选取是根据0和1的全局分布性质而定。 3.选择一个“能量函数”作为以训练图像的统计质量和以初始网格的相对应的质量之间的偏离的质量。

7、该能量函数的选取在稍后提及。 4.选取一个开始温度。初始温度的选取，温度下降之前交换的次数,和温度下降的速度, 三者都是在有关退火技术的文献中所指的“冷却进度表”中所经常成家提到的。 5.选择和观测点不相关的任意两个点，并交换它们的指示值。计算交换后的能量函数，并把它和交换前的能量函数相比较。如果新的能量函数小于旧的，那么就采纳这次交换。如果大于，那么就以下列概率来采纳这次交换: 6.重复以上的步骤，并轻微地减低温度。 7.重复以上的两个步骤，直到能量趋于0。,优点,相对进行条件模拟的其他地质统计学方法，退火最大的优点是：人们可以将所期望的任何统计量组合进入能量函数。在上述的例子中，所做的能量

8、函数仅仅依赖变异函数。如果，为了再满足这个变异函数，需要进一步肯定，有组的网格节点完全是1，那么可以定义能量函数如下： 人们可以发现在条件模拟中，一些相当复杂的统计量可以被结合进来，成为能量函数的一部分，如试井分析，示踪测试和地震资料。,缺点,模拟退火算法作为一门专门的技术是最近才发展起来，还不甚成熟。这是它的主要缺点。它还没有积累足够的智慧和经验，也没有很多的文献可以提供更多的技巧，以设计合适的能量函数和冷却计划。 另外模拟退火算法的一个缺点是，当能量函数是复杂时，算法收敛很慢。因为退火过程要以千计次的交换，来发现一个网格的统计量和理想的图象的统计量相匹配。退火的实际的应用应包括容易更新的能

9、量函数。如果能量函数不能被更新，那么在每次交换后，新的能量函数就必须放弃，而要重新计算。这样模拟退火算法所付出的计算量就会过高。 退火的另一个缺点是理论上的。它缺乏统一的数学工具。其基本算法是一个优化过程，它会引起许多问题。例如使用其算法会导致什么样的不确定性，以及是否能产生相同可能的现实，等等。,退火参数 当给定迭代次数时，有两个目标会相互冲突：（1）迭代次数应当足够大，以确保模拟能达到大量的不同“接受标准”；（2）迭代次数应当尽可能的小，以节省模拟时间。 最重要的接受标准是：（1）所有的油井观察值应被模拟实现精确地通过；（2）模拟实现达到河道比例（砂泥比）的目标。 在分配了几何参数之后，就

10、应当调节几个“退火参数”，以确保从模型中产生满意的实现（图8.7）。可以用这些退火参数来定义迭代模拟算法中的退火方案。其中，最重要的参数就是迭代次数。 用来产生模型实现、有精确油井条件和所期望的河道比例的迭代次数紧紧地依赖于要被估计的平均河道厚度。总之，较宽的河道需要较多次的迭代。为了实现平均河道宽度小于100米的情况，一个模拟实现需要不少于5000次迭代。然而，为了一个平均宽度为150米的河道的实现，有必要使用15000次迭代来确保正确的油井条件和相的比例（砂泥比）。,退火模拟的原理,4.4.4 模拟的河道结构分析,为了用井中数据条件下的随机模型来模拟孤东储层，几个输入参数已经进行了系统意义

11、上的变化，以评价河道结构的范围。在下面，将更详细地讨论河道形态参数及河道厚度所带来的影响。 1) 河道形态参数 当平均河道宽度的估计值是150米时，河道的形态参数会被系统意义上的改变。除了平均河道宽度之外，需要给定不同井间的河道宽度的变异性（比如，所有的河道有相同的尺寸，或者是储层即有宽河道又有窄河道）。这个变异性就是标准偏差，它被定为0.5 乘以在模拟中的平均河道宽度。 当形态参数设置得太小以描述“无弯曲性的”河道时（图8.11），产生一个正确的条件化实现就不可能。无弯曲性的河道与油井数据产生了急剧的冲突。,当引入有限的灵活性的时候，就有可能正确地产生模拟的实现。这需要一个很大的迭代次数（5

12、0000）。由大量的河道(120-130条）和极窄的平均河道宽度（大约90米）可以描述模型的实现。这些大量的河道表明，在相邻井间，所观察到的144个河道中有少数几个是相互关联的。因为在一个储层中放置一个窄的河道比放置一个宽的河道更为容易，所以就会出现对用户对于河道宽度的修改。在迭代模拟过程中，较宽的无弯曲性的河道经常会与油井数据发生冲突，并且会比窄河道更为频繁地遭到拒绝。 当引入形态参数中较大的灵活性时，就有可能产生一个河道数少于70、宽度大于130米的实现。随着灵活性的增加，在相邻的观察井点间的相关导致会有更多的河道，从而在建模中出现更宽的河道（图8.12）。这说明了模型中的灵活性对于达到复

13、杂的多井条件的重要性。垂直起伏是由差异压实效应和影响坐标变换的次要相关错误引起的。,图8.12 相邻的观察点间会有更多的河道相关,2) 平均河道宽度 虽然井间间隔十分小，但是要以确定性的方式描绘出单个河道砂体的形态仍是很困难的。在孤东数据组中（图8.6），存在着与河道尺寸及河道结构相关的大量的不确定性。因此，被估计的平均河道宽度（“先验分布”）在系统的意义上从100米到300米被改变了（表1）。在模拟中，就会使用形态参数中有意义的灵活性。 虽然所产生的单个的被估计的河道可以宽于700米，但是要产生一次实现，满足大于170米（见表8.1）的平均宽度（“后验分布”），仍是很困难的。这与油田中密井网

14、区域的最小井间距是相对应的。当河道宽度增加时，要正确地产生一个条件模拟实现所需要的迭代次数也急剧地增加了（表8.1）。,根据油井数据对输入的平均河道宽度的估计值所作的修改表明，孤东储层的平均河道宽度是不可能超过150200米的。这种现象部分地是由建模的人为因素造成的。这种人为因素和如下的事实有关：宽河道更经常地与油井数据产生冲突，且比窄河道更容易被拒绝。 3) 典型的模型实现分析 一个典型的模型实现包含55到70个河道储层体。图8.13与图8.14展示了两个河道砂体的实现。图8.13表示了上、中、下三个亚组的河道结构平面图。这个实现是用河道宽度的大范围变化及河道走向的大幅变化（图8.12）来表

15、征的。这种大幅度的变化在地质上是逼真的，并且与详细的类比露头研究互相一致(Nass and others, 1993),图8.13 上、中、下三个亚组的河道结构平面图,两个实现的平均河道宽度大约都是140米。这两个实现都是用30000次迭代而产生的，在运算能力极强的工作站上需要运算大约20分钟。 通过两个实现的横截面，展现了河道砂体侧向堆积的有效程度和局部地更连续的储层的产生。在中部和上部亚组中，侧向堆积发展得特别好（图8.14），储层的连续性在南北方向比东西方向稍好一些。,图8.14 河道砂体实现的横剖面图,在两个随机实现之间的实质性的差别应该以前重视（图8.13与图8.14）。尽管存在大量

16、间距很近的油井，仍然有值得考虑的河道结构不确定性。,4） 井和井之间的相关 100次随机建模的结果可用来评价所观察到的相邻河道有多少个是相关的相连的。其平均结果是，所观察到的144个河道几乎有2/3在井间是相关, 这些河道可在两个或更多的井中观察到。一些河道可在十多口井间是相关的。 沿着河道砂体的长度方向相关是特别普遍的。它表明这样相关的模型中允许有足够的弯曲性。河道轴的法线方向的相关不是很普遍。这可能反映出孤东油田河道的狭窄，但也可能与在河道轴的法线方向上比沿着河道轴方向更不具弯曲性的模型有关。在河道横截面几何体中增加更多的弯曲性可以允许模拟更宽的河道（Hektoen and other,1

17、997; MacDonald and others,1997）。,4.4.5 结论,根据以上的分析, 可得到如下的结论: 1. 在拥有密井网的油田开发后期可以使用面向对象随机模型; 2. 任何模型都是现实的简化。然而，过于简单的、无弯曲性的河道几何体不能符合有大量油井的条件; 3. 现有的从挪威计算中心发展起来的河流模型, 可用来模拟在密井网储层平均河道宽度与井间距相近的孤东油田的河道结构; 4. 在孤东数据组河道结构的多井条件下，河道形式参数（皱曲、垂直起伏以及河道倾角）中的弯曲性是必要的; 5. 河道模型有足够的灵活性以考虑如此的多井条件，那里的油井近似平行于砂体走向的。如果要估计更宽的河

18、道，就需要更多的河道轴的法线方向的灵活性。,4.4.6 示性点过程模型的特点,适合于河流相储层的建模； 可以分出有多少条河流； 需要给出较多的、难于确定的模型参数； 算法较为复杂。,4.5 高斯场模型,目的在于：模拟连续变量，也就是模拟孔隙度、渗透率、饱和度等物性参数的空间分布，,4.6 截断高斯模型,特点: 可以反映沉积相的空间接触关系； 可以通过比例曲线所占百分比反映沉积相带在空间的非均质性。,胜坨油田(截断高斯模型）,胜坨油田(指示主成分模型),胜坨油田(截断高斯模型)+井位,胜坨油田(指示主成分模型)+井位,4. 7 地质概念模型,针对某一种沉积类型或成因类型的储层，把它代表性的储层特

19、征(非均质性、连续性等)抽象出来，加以典型化和概念化，建立个对这类储层在研究地区(油田)内具有普遍代表意义的储层地质模型，这就是所谓的概念模型。概念模型并不是一个或一套具体储层的地质模型，但它却是代表某一地区(油田)某一类储层的基本面貌。,概念模型广泛应用于一个油田的开发早期。从油田发现开始，到油田评价阶段和开发设计阶段，主要应用储层概念模型研究各种开发战略问题。这时油田仅有少数大井距的探井和评价井；实际上在海上和边远地区的油田，往往只有几口探井和评价井，就要对开发可行性作出评价，并编制出第一阶段的开发设计。资料条件的限制，不可能对储层作出全油藏的详细描述。开发地质工作者主要应用少数探井中取得

20、的各种录井、测井和试井等资料，结合地震解释，研究储层的沉积、成岩、构造作用史及其对储层性质的影响；从成因上搞清储层属于什么沉积类型，处于什么成岩阶段，借鉴理论上的沉积模式、成岩模式和邻区同类沉积储层的实际模型，建立起所研究储层的概念模型。模型可能与将来开发井网钻成后所认识的每一个储层(如碎屑岩储层的每一个砂体)都不完全相同，但对这类储层影响流体流动的主要特性应该得到基本反映。,如所描述的储层属于河流砂体，其影响开发效果的主要储层特性有：层内渗透率变化属正韵律性，最高渗透率段一般的数值范围，非均质的程度，层内不连续薄泥质隔层的分布频率和大小的概率；砂体侧向宽度的可能范围，砂体之间的连通程度等等。

21、建立概念模型时这些储层特性，应该有个基本的估计。对每项参数的估计允许有一定范围的可能误差，假如对每项参数的估计可能存在较大的误差。则应在数值模拟中进行敏感性分析，在开发战略决策时要充分考虑其影响。,由此可见，概念模型一般应依靠储层沉积学为基本手段，尽可能直接利用岩心资料来建立。避免依赖测井解释等间接资料，因为在油藏早期评价阶段，测井定量解释精度不可能很高。这样的概念模型在开发可行性和开发设计研究阶段是非常重要的，通过油藏数值模拟可以进行各项开发战略的指导性的决策研究。如投入开发的技术经济可行性，优选开发方式和层系井网，估计各阶段采收率，预见开采过程中可能出现的主要问题等等。投入开发前必须正确决

22、策的战略问题，都需要和可以用概念模型研究。,4.8 多次储层随机建模与砂体预测符合率（刊登在“石油学报”，2003，第3期）,岩相单元空间分布的模拟是储层随机建模技术应用的一个重要方面。岩相单元的描述对于研究储层物性参数的空间分布具有决定作用。对河流相储层，如何有效的寻找河道砂体位置和延伸范围对搞清储层的动态行为至关重要。 储层的岩相单元往往具有复杂的几何结构。好的砂岩（高渗透性）和不好的粉砂岩（低渗透性）、泥质砂岩和泥岩经常混合在一起。在采收过程中，油气主要流动路径是通过砂岩进行的。穿过不好的岩石的流动速度太慢， 会使得油田开发失去经济价值。砂岩的连通性对于确定油气的采收率来讲是至关重要的。

23、确定整个连通砂体的形状，对获得储层流动性态是具有重要意义的。,实践证明，对于揭示重叠砂岩的连通性而言，随机建模技术是一种行之有效的手段。储层随机建模技术和其他技术相比，在信息的获取，处理和解释方面有着明显的优点： 1) 以储层沉积学作为理论基础，用岩相单元的空间分布的预测结果控制物性参数的空间分布； 2) 为把地质，地震，测井和油藏工程等各种不同信息的结合提供了切实可行的途径；利用随机性的概念，合理处理了测井数据和岩心数据比较稀少造成的储层各种性质的不确定性； 3) 较好地解决了各种数据分辨率不同给数据和信息的结合带来的矛盾。 本文的计算结果是用 “储层地质统计分析系统 GASOR” 做出的。

24、它是一个国产的储层随机建模软件系统，其运行环境为UNIX。,4.8.1.地质背景,在大庆油田的战略性调整中, 加大三次加密、三元复合驱、三低油藏的开发力度，都离不开精细地质研究，都离不开地质基础工作。大庆油田的主力油层要研究，非主力油层也要研究，大砂体要研究，小砂体也要研究。 大庆杏北地区非主力油层纵向上具有层数多，单层厚度小，累计厚度大，物性差异大的特点，地质储量占全区60%以上，是二次加密、三次加密主要调整对象。 杏北开发区根据油层储渗性能差异结合现阶段油田开发调整挖潜的需求，将三角洲前缘相沉积精细划分为五种岩相单元。即水下分流河道砂（或滨外坝砂）、表内主体席状砂、表内非主体席状砂、表外层

25、、泥质岩。上述不同岩相单元的孔、渗、饱等储渗性能差异较大，在相同开采条件下，其动用的难易程度有明显的差异。各岩相单元内部及其不同岩相单元之间连通方式有较大差异。三角洲前缘相表内储层砂体内部无显著渗流遮挡，属实体连通；表外层其含油产状部分呈条带状、薄层状或斑块状分布，其间常夹有一定数量和规模的泥质夹层，砂质岩远没有充满整个连通层段，属非实体连通。表外层与表内储层之间亦属非实体连通。,按以上划分的5种岩相单元的不同钻遇情况，可以定量化地确定各单层的砂体成因类型，精细描述各单层的平面非均质特性。该地区的单层的砂体成因类型分为三角洲内前缘相、外前缘相I 、和外前缘相II、外前缘相III1 、外前缘相I

26、II2，和外前缘相IV等。,4.8.2 多个随机建模实现的应用,储层随机建模方法的输出结果具有一定的随机性, 也就是说输出结果可以有若干个。精确地说，这些随机实现在满足井中数据的条件或其他条件下，是无穷多个。在它们中间，可根据一定的地质条件和要求，挑选出一种相对意义下的最优实现。 在储层随机建模的应用过程中，这样的例子是很常见的。以下讨论最主要的几个。 近年来发展起来的“地震资料的地质统计学反演”是这样的一种方法。用井中声速、密度等测井数据作为输入，对二维空间网格的任何一个节点处，利用条件模拟的序贯高斯场算法可求得该节点处的波阻抗值垂直序列，再经过地震子波褶积，得到一个地震振幅序列的模拟值。然

27、后把这个模拟序列与在相同位置处的真实地震振幅序列值相比较，并同时可以求的两者的差。这种差可以基于各种标准，诸如相关系数最大，或最小平方差等等，且可根据情况加以选择。由于序贯高斯场算法由于随机种子不同可以多次使用，于是在同一个网格节点处，可以得到多个地震振幅序列的模拟值。在这多个序列模拟中，可以选择出和真实的地震振幅序列相差最小的一个，那么就作为在这个位置处的地震振幅序列的模拟值。然后，再任意选择二维空间网格的任意一个其他的节点，重复以上的过程，一直到全空间所有的网格节点都有一个地震振幅序列的模拟值。如此求得的模拟地震振幅序列既保留了原有真实地震振幅序列的特点, 而且由于融合了测井数据的信息,

28、增加了垂直的分辨率。,当一口井周围的渗透率的空间分布利用储层随机建模技术被确定后，利用一定算法可求得该井的试井曲线。由于随着随机种子的不同，随机建模所得的渗透率空间分布可以有多个，于是计算所得的试井曲线也可以有多条。然而，和实际的试井曲线最接近的那一条计算的试井曲线，所对应的渗透率空间分布就认为是最合理的一条。 模拟退火算法在储层随机建模示性点过程中应用也是多个实现进行选择的一个例子。作为应用模拟退火的实例是，采用了示性点过程模拟河道的基础上，以砂泥比作为能量函数进行退火的结果。根据该储层内各井的数据统计,即利用各井中砂岩的长度与该层全部井身的长度之比, 可得到该层的砂泥比。每作一次模拟，获得

29、一个河道的空间分布，可以计算河道的体积占全部储层的体积之比，将此作为相应的砂泥比。模拟退火的目标是该模拟的砂泥比应该最终达到该地区全部井段计算的砂泥比。,4.8.3 砂体预测符合率分析,笔者研究的杏北开发区的一个地区。研究对象为该地区的S2、S3、P1、P2、G1等5个油层组, 共有99小层。该地区共钻有222口井。,4.8.3.1砂体预测符合率的定义,大庆油田杏北开发区的小层已经分得很细，纵向上的岩相没有变化，所以其空间分布的预测可视为二维问题。 以二次加密后井网的测井资料（包括基础井网、一次加密井网、二次加密井网）解释结果为输入，利用储层随机建模获取岩相单元的空间分布，建立储层砂体预测模型

30、， 然而应用三次加密井网测井资料解释结果对该模型的精度进行验证。具体地讲，以其中的S2油层组的小层S23为例，二次加密以后的井共有171口，三次井网的井共有51口， 总共222口井。以三次井网的51口井处的测井资料确定的岩相单元为标准，来验证利用随机建模和二次加密后的井中的测井岩相单元做出的、在三次井网的51口井处预测的岩相单元。这样，在这些三次井网的51口井处就可以分别得到两种岩相单元，一种是测井资料确定的岩相单元，另一种是随机建模确定的预测岩相单元。以三次井网的井数为分母，以上述两种岩相单元一致的井的数目为分子，两者的比值就定义为储层随机建模的砂体预测符合率, 简称砂体预测符合率。也就是说

31、，砂体预测符合率是，在三次井网井点处的岩相单元的预测值和实际存在测井岩相单元之间是否符合的一种度量。,4.8.3.2 多次随机模拟提高预测砂体预测符合率,在进行储层随机建模时, 需要输入随机种子。随机种子不同，所得到的随机实现也不同。 当输入多个随机种子并进行多次随机建模时，所得到的岩相单元空间分布实现也是多个。例如，输入300个随机种子，分别进行了300次随机建模，那么就会得到300个岩相单元空间分布。对每个岩相单元空间分布，按上述方法就算出一个砂体预测符合率， 即可以求得300个砂体预测符合率。于是，从中可以选取一个符合率最高的。 对于S2、S3、P1、P2、G1等五个油层组的99层，分别

32、用不同的随机种子，进行了300次到500次随机建模。所得的结果列在表1中。其中，平均符合率是指油层组内各小层经过一次随机建模，所统计符合率的平均值；最大符合率是指油层组内各小层经过多次随机建模，所统计符合率的最大值；符合率平均提高是指一个油层组内各小层、经过多次随机建模，符合率提高值的平均值。例如，对于油层组S2，这个符合率提高平均值是对于28个小层取的。,以下讨论, 对于S2、S3、P1、P2、G1等五个油层组，使用多次随机模拟所带来的预测符合率的提高程度。图1表示的是S2油层组的一次随机模拟的结果与多次结果的对比。其中的横坐标是一次随机模拟的符合率（旧），纵坐标是多次随机模拟的符合率的平均

33、值（新）。图上一共有28个点, 代表着S2油层组的28个小层。显然，随着各层情况的不同， 新的符合率比旧的符合率有不同程度的提高。图2表示的是原来的符合率和符合率增幅的对比，说明一般在符合率较低的时候，符合率增幅较大，而符合率较高的时候，符合率增幅较低。这个规律对S3, P1, P2等油层组也是正确的。,表1：经过多次随机模拟后的预测符合率的提高,此外，再分析对比各油层组的符合率增幅，S2, S3的符合率增幅较高，最高达到20个百分点以上，P1，P2，G1的符合率增幅较低，在10个百分点以下。 从上述图表中可看出，经过300次随机建模后，随机建模岩相单元预测的砂体预测符合率有明显、大幅度的提高

34、。,图3和图4是基于二次加密后井网井点处(171口井)的岩相单元资料, S23层的300次模拟后，选择出2张显示岩相单元空间分布的图幅。其中，图3相应的符合率为0.78，是最大的； 图4相应的符合率最小的，对应于0.59。这两图基本形态相一致，但细节有一些差别。在这2张图幅中, 各种不同的岩相单元用不同的颜色表示:黑色表示水下分流河道砂、深灰色表示表内主体席状砂、灰色表示表内非主体席状砂、浅灰色表示表外层、白色表示泥质岩。在这2张图幅的色表中，分别用1，2，3，4，5，表示从深到浅的颜色。 不同的随机种子进行随机建模时，有时，进行了大量的随机模拟，但符合率提高的幅度不太显， 如S36层， 经过

35、了2000多次的模拟， 才增加了4个百分点；有时，只要经过几百次模拟，符合率提高的幅度明显，达到十几个百分点。但是，有一点是肯定的，就是随机模拟的次数越多，出现高符合率的概率也越高。,利用S23的基础井网、一次井网、和二次井网、加上三次井网的井点，共222口井的岩相单元，也可以作为随机建模预测的标准。图5描绘的是用222口井做出的岩相单元空间分布。和图3和图5相比，图5右上部出现有3块由黑色代表的水下分流河道砂， 是由于在这些地方出现了3口井属于水下分流河道砂。图5的其他地方和图3也有一些差别，是由于增加了51口三次井网的井的缘故。 可以用=1,2,3,4,5分别代表水下分流河道砂、表内主体席状砂、表内非主体席状砂、表外层、泥质岩等5种岩相单元。对于每一次模拟的实现，可定义：=（具有岩相的井的数目）/（该地区所有井的数目：222）；=（随机建模预测的、具有岩相的面积之和）/研究区域总面积。称为岩相单元比例，代表了各种岩相单元的面积占全部研究区域面积的比例。则称为岩相单元比例的随机建模预测值。一般认为，应该和比较接近。这两者越相近，随机建模预测的岩相单元的空间分布就越合理。进一步, 可再定