精细变差函数分析及应用文献综述.docxVIP

精细变差函数分析及应用 变差函数作为一个分析区域化变量随机性和结构性特征的有效工具，自引入到地质学中以来，一直受到人们的重视。在很多领域，它甚至可以独立于地质统计学方法之外，单独供人们进行分析研究时使用。本文将系统介绍变差函数的原理、研究方法及应用现状。 定义 变差函数较为普遍的定义是:变差函数为区域化变量的增量平方的数学期望，也就是区域化变量的增量的方差。我们将区域化变量的增量的方差的一半称之为半变差函数，但由于我们通常要用到的都是半变差函数，而不是变差函数，所以，出于方便的考虑，很多学者直接将半变差函数称之为变差函数。 首先，研究对象时区域化变量。区域化变量是地质统计学研究的对象，它是一种在空间上具有数值的实函数(G Matheron)，也就是说，它在空间的每一个点取一个确定的数值，即当由一个点移到下一个点时，函数值是变化的。在地质、采矿领域中许多变量都可看成是区域化变量：资源储量、储层厚度、地形标高、矿石内有害组分含量、岩石破碎程度、孔隙度、渗透率、泥质含量等。有的是二维的，有的是三维的。区域化变量正是地质统计学研究的对象，而可以作为区域化变量的上述变量都可以利用变差函数进行研究。 其次，数学方法是增量的方差。变差函数是在任一方向α，相距|h|的两个区域化变量值Z(x)及Z(x+h)的增量的方差（Ｚ(ｘ+ｈ) -Ｚ(ｘ)的一阶矩和二阶矩仅依赖于点ｘ+ｈ和点ｘ 之差ｈ，即Ｚ(ｘ)为二阶平稳或满足内蕴假设），它是h和α的函数，其通式为： 从公式所示的公式我们可以看到，变差函数的实际意义是，它反映了区域化变量在某个方向上某一距离范围内的变化程度。正因为它的这一性质，我们可以利用实验变差函数帮助我们解决实际研究应用过程中的问题。 原理 在实际应用中，样品的数目总是有限的。把由有限实验样品值构成的变差函数称之为实验变差函数，记为*(h) 通过对有限实验样品分析所得的实验变差函数进行分析从而研究区域化变量的分布特征和预测某位置的变量值。 图 SEQ 图 \* ARABIC 1实验变差函数计算原理示意图 图中可以看出，实验变差函数求取时，计算尽可能多的等距样品点的变差值，随着距离h的增加样品点的值的相关性变差，变差函数值增加逐渐接近1，最终趋于平稳。 在实际的应用中，常见的是petrel等主流建模软件中的在做数据分析时，用一种经典方法即截断的楔形来定义样品的邻域(图2)。 图 SEQ 图 \* ARABIC 2 楔形搜索域 变差函数在求取过程中往往要借助方位角、搜索半径，容差角、带宽、滞后距、滞后距容差、厚度以及滞后距个数等参数，变差函数的计算由以上几个参数限制。整个2Ｄ变差函数的计算过程如图3所示，当滞后距为ｈ时，以任意采样点为原点，1区域内采样点参加变差函数的计算；然后以此类推将原点移动到下一个点直到计算出ｙ(ｈ)。分别求出滞后距为2ｈ、3ｈ、4ｈ… …ｎｈ时的变差函数值。 图 SEQ 图 \* ARABIC 3 变差函数值计算过程 通过不同h变差函数值计算，得到实验变差函数值，拟合曲线，较理想的变差函数值如图4所示，曲线先增加，函数值达到1时，曲线趋于平稳。 图 SEQ 图 \* ARABIC 4 变差函数曲线示意图 变差函数曲线参数主要有以下几种： C0:块金效应，它表示h很小时两点间的样品的变化。可以为0，称为无块金效应 a:变程，当 ha 时，任意两点间的观测值有相关性，并且相关程度随距离的变大而减小。当ha时，样品间就不存在相关性。a的大小反映了研究对象(如油藏)中某一区域化变量(如孔隙度)的变化程度，可以用在 a范围以内的已知信息对待估区域进行预测。 C＝C0+C1，称为总基台值。 C1:基台值，是先验方差与块金效应之差 C1=C-C0。 在实验变差函数拟合中，块金效应越小，基台值稳定在1，实验变差函数值拟合曲线的效果越好，说明变差函数分析的结果越可信。 理论模型 如同经典统计学那样，理论变差函数仅仅是几个简单的模型，这些理论模型将直接参与克里格和随机模拟计算，简单的说就是用什么数学模型拟合实验变差函数的结果。 Petrel软件中提供了三种变差函数模型： 图 SEQ 图 \* ARABIC 5 变差函数模型比较 球状模型：曲线能够快速接近基台值，原点处曲线为直线，曲线达到基台值后稳定性好，适用变化迅速，但变成不大的变量研究，由于国内陆相储层非均质性强，经常选用该模型进行变差函数分析； 指数模型：曲线达到基台值很慢，适用于大距离内变化的变量研究； 高斯模型：曲线达到基台值较慢，且原点处曲线为抛物线样式，适用于连续性较好的变量研究； Petrel中的变差函数分析 参数求取原则 应用于任何变差函数估计的操作规则是:点对的个数随着滞后距的增加而减少。滞后距达到某一极限后不再有更多的数据，由于估计的精度正比于数据