[发明专利]地质形态插值的KM方法

说明书

技术领域

本发明涉及地质统计学技术领域，特别是涉及到一种地质形态插值的KM方法。

背景技术

近年来，地质统计学在石油勘探开发中的应用日益广泛、深入，效果也越来越明显。主要应用包括储层预测，估计地层的埋深、层厚、孔隙度、渗透率和含油饱和度等地质和地球物理参数的空间分布，绘制各种地质图件等。利用地质统计学研究储层的非均质性, 整合地质、地震、测井、钻井和露头等各种数据和信息,进行油气藏地质建模。随机模拟方法和油藏数值模拟相结合预测油藏的动态特征,为制定和调整开发方案并提高采收率提供依据。一般的地质统计学建模只是通过少量确定性参数(如钻井取心及测井数据), 用经典统计方法进行参数求取和空间分布内插去建立储层地质模型。我国储层多为陆相沉积, 储层横向变化大而储层预测中更关心的是井间储层性质的实际变化。这样的建模结果不能如实地反映地质体的非均质性、不确定性和结构性, 也不能满足油藏数值模拟的要求，制约着油田下一步开发。尤其对于那些仍处于早期开发阶段的油田，在只有很少几口井控制的区域，根据有限井控建立的地质模型，会导致不精确的油藏描述，而且会贯穿于流体模拟研究的全过程，进而影响储量估算及油藏动态估测。

自马特隆教授1967年创立了地质统计学以来，地质统计学广泛地应用于地理学、生态学、环境科学、土壤学等诸多领域的研究中，地质统计最大的优势是整合数据，同时根据数据的可靠性，不同程度的尊重不同来源的数据。地质统计学主要有以下优点：通过引入随机函数，能正确表达真实储层地质体变化的随机性；可以整合不同来源的数据。油田勘探开发中得数据通常具有代价昂贵、多来源、准度不一的特点。舍弃任何数据都是应该慎重考虑的。地质统计学提供了多种方法能够在建模过程中以不同的权重整合不同来源、不同精准程度的数据。传统的地质统计学主要有两个方面的应用：一方面应用是运用各种克里金方法建立的回归模型；另一方面应用使用各种随机建模方法建立的各种等可能概率模型。随机模型技术适合于定量刻画数据场的非均质和不确定性，而克里金方法并不强调理论模型的作用，而是实现局部平滑值。所有的这些应用都是基于变差函数的，因此又被合称为两点地质统计法，以区别后来的多点地质统计法。但是，随着研究深入发现变差函数只能反映出两点间的空间相关性，难以表征复杂的空间结构和再现复杂目标的几何形态，尤其是具有曲线形状的地理对象。

基于传统地质统计学的先天不足，多点地质统计学应运而生。多点地质统计学最初被用来模拟油藏和河道等连续地质实体。其模拟过程简单来讲分为两步：首先从训练图像中提取结构特征信息，形成一些特征结构库；然后将这些结构特征按照概率原则复制到重构的图像中去。

多点地质统计学是相对于基于变差函数的传统地质统计学而言的。在多点地质统计学中使用训练图像（Training image）来代替变差函数表达地质变量的空间结构性，因而能够克服传统地质统计学不能再现目标复杂的几何形态的不足。同时由于该方法仍然以像元为模拟单元，而且采用序贯非迭代算法（Single Normal Equation Simulation-SNESIM），能够忠实于硬数据（采样数据），速度也优于基于目标的随机模拟算法。所以，多点地质统计学能够很好的用于复杂几何形态地物的建模，而且还有更好的计算速度。多点地质统计学最主要的应用是多点模拟，SNESIM本身就是一个多点模拟算法，比起传统序贯高斯模拟等使用多点模拟能够更好的反映出地物的复杂几何形态。

多点地质统计学中得训练图像通常由地质领域的专家根据区域的地质结构给出，作为训练依据，这种方法包含很多专家知识，具有很强的主观色彩，精度一般难以保障。如何改善训练图像的精度也成为一个重要的研究方向。但是值得注意的是现阶段的多点地质统计学还停留在对地质特征进行简单定性分析阶段，只能进行二值化的地质特征模拟，而对于需要多值化的地质特征插值模拟，则存在计算耗费时间长，存储地质结构特征数据量大等问题。如果尝试采用直接将二值化的多点地质统计学方法扩展到多值化的地质结构特征模拟上来，也将难以避免地面对诸多新出现的实际问题，比如从训练图像中提取出来的特征库不足以支持多值化的地质特征模拟，导致最后插值结果不能很好的体现出原本的地质结构特征；同时，在针对大规模地质区域特征模拟时，考虑在最坏的情况下，要想仿真需要所需的存储容量和运算时间呈指数形式递增，超出了所能接受的时间和容量要求。