储层地质模型资料.ppt

冲积体系的河道和决口扇（背景相为泛滥平原） 三角洲分流河道和河口坝（背景相为河道间和湖相泥岩） 浊积扇中的浊积水道（背景相为深水泥岩） 滨浅海障壁砂坝、潮汐水道等（背景相为泻湖或浅海泥岩） 砂体中的非渗透泥岩夹层、非渗透胶结带、断层、裂缝 适宜于离散型物体的模拟 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）、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。 4、序贯指示模拟 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。 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 。 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，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