MCMC方法在多孔介质流体预测中的应用.docVIP

MCMC方法在多孔介质流体预测中的应用 　　摘要：孔隙度和渗透率作为油气储层的重要参数，对石油产量的预测有至关重要的作用。在多孔介质流体流动过程中，孔隙度和渗透率的概率密度分布函数结构复杂，难以用经典分布予以描述，该文介绍了应用马尔可夫链蒙特卡罗方法（Markov chain Monte Carlo method）对孔隙度和渗透率进行贝叶斯估计，然后在其后验概率分布中采样，得到部分已知流量数据并计算流量的似然分布，最终得到生产曲线并用该方法成功预测了生产曲线的走势。同时在文章的最后，基于现存方法中存在的问题，提出了相关的改进方向。 　　关键词：马尔可夫链；蒙特卡罗方法；MCMC方法；多孔介质流体预测；孔隙度；渗透率 　　中图分类号：TE319 文献标识码：A 文章编号：1009-3044（2014）32-7769-03 　　Abstract： Permeability and porosity， which significantly describing of subsurface properties， are essential factors for the predicting gas production. But given the fact that in porous media flow process， the probability density functions for permeability and porosity are usually too complex for direct sampling， using classical statistical ways to describe the process is troublesome. This article introduced a relative Markov chain Monte Carlo method to solve this kind of problems. In this article， we demonstrated the process consisting Bayes estimation of permeability and porosity， sampling from their posterior distribution， finding the likelihood of the flows and prediction for the production given limited training data. Also， at the end of this article also listed the problems existing in current methods and provided several potential ways for improving. 　　Key words： Markov Chain； Monte Carlo method； Flow Prediction in Porous media 　　流体在多孔介质中的流动是一类复杂流动，并在石油开发、能源安全以及地下水污染治理等许多领域均有涉及。在这些领域中，很多问题需要根据已有经验和已测数据构建地下流体模型，并对地下流体的某些属性或发展趋势做出预测，例如水油比、CO2浓度、放射性粒子浓度或者生产曲线等。在石油储层的勘探开发过程中，地下流量的预测尤为重要，不仅关乎生产效益更对生产决策起到至关重要的作用。 　　在地质流体力学中，以孔隙度和渗透率作为参数的流量概率密度分布，往往呈现出较为复杂的函数结构，很难用常用的经典分布（如标准正态分布，均匀分布等）予以描述。因此，需要从孔隙度、渗透率及油井产量所构成的复杂参数/分布结构中获得必要的模拟样本。该文将马尔可夫链蒙特卡罗方法（Markov chain Monte Carlo method）应用于多孔介质流体预测中，介绍了MCMC方法的由来及其基本概念，阐述并依据实例展示了MCMC及其相关算法在石油产量预测中的运用，同时也对如何进一步提高预测成效提出了一定设想。如通过相关物理地质分析可得到以孔隙率和渗透率等作为参数的油井产量的概率密度函数π（x），其函数形式由于地质构造公式的制约将会相当复杂，导致无法直接获取产量的样本，通过上述算法，我们可以任意选取初始值开始取样，一段时间后（初始化阶段结束后），取样值将会依概率收敛于目标密度函数，此时可将初始化阶段结束后得到的样本作为一组从原概率密度分布得到的近似样本。在实际运用中，由于孔隙率渗透率等地质参数是未知的，需要对其进行贝叶斯估计，其过程中同样将运用MCMC方法。 　　2 MCM