[发明专利]一种基于变差函数的多点地质统计建模参数优选方法

说明书

本发明公开了一种基于变差函数的多点地质统计建模参数优选方法，结合多点地质统计模型特征与建模参数的相关性认识——以多点地质统计学的数据样板尺寸为例，随着样板尺寸增加，模型与训练图像的形态视觉特征越来越相似，基于变差函数和Hsim相似度函数评价基于(有序)建模参数集的多点地质统计随机模型与训练图像的空间相关性及结构特征相似性，进而建立基于变差函数的空间相关性评价指标与建模参数的关系曲线，选取评价指标开始收敛、进入平台区域时对应的建模参数值作为最优参数作为优选参数。相比传统人工视觉判别方法，本发明可以高效客观地优选多点地质统计建模参数。

技术领域

本发明涉及一种基于变差函数的多点地质统计建模参数优选方法，属于储层地质建模技术领域。

背景技术

多点地质统计学是当前储层建模领域的主流方法，借助于训练图像的先验地质模式，不仅能满足不同来源的条件数据，更重要的是可以很好恢复现有的地质认识，包括形态、分布关系等模式结构特征。但是不论采用哪种多点地质统计建模算法，在实现模式重构的过程中都必须首先完成模式采样，而模式采样选取的参数对建模质量具有直接影响，因此为了提高建模质量必须进行建模参数优选。

多点地质统计方法的建模参数特别是数据样板尺寸、多重网格以及其他关键参数等对建模质量具有重要的控制作用，很大程度上决定了储层地质模型的质量，也决定了储量预测风险、油藏数值模拟及开发方案的制定。由于建模参数优选离不开模型的评价工作，为了评价模型与其训练图像在空间相关性、模式特征方面的差异程度，通常在基于多点地质统计方法完成建模之后使用定性的人工视觉观察法或者定量的模型评价方法判断建模参数对模型质量的影响程度，不仅效率低，而且很主观。

传统建模参数的选取过程主要依靠人工识别，即首先给定一组有序参数集，使用该参数集里的每个参数模拟一组随机模型，然后通过人工判别优选与训练图像相似度较为合适的模型，以该模型对应的参数作为优选参数。人工识别的精确性取决于建模工作者的经验，具有较强主观性，同时人工识别效率低，不适应于现代自动化生产的需要。

变差函数(variogram)是描述随机场和随机过程空间相关性的统计量，被定义为空间中两点增量的方差，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，能够很好反映空间结构性和空间变异性，非常适合用于对比分析多点地质统计模型的空间形态结构。

因此，亟需研究一种新的多点地质统计建模参数优选方法。

发明内容

为克服现有技术不足，本发明目的在于提供一种能够基于变差函数量化空间结构特征，实现优选多点地质统计建模参数的方法。

本发明提出方法思路是以相同训练图像和有序排列的建模参数集，基于多点地质统计建模方法生成随机模型，然后采用Hsim指标计算随机模型与训练图像二者关于理论变差函数的变程、基台值和块金值三个变量的相似度，进一步与建模参数值关联起来，选择Hsim相似度开始收敛时对应的建模参数值作为最优参数。

为了实现上述目的，本发明采用的技术方案是：

一种基于变差函数的多点地质统计建模参数优选方法，包括以下步骤：

1)给定训练图像TI，给定多点地质统计学MPS的关键建模参数的K个递增数值组成的建模参数集合P；

2)采用多点地质统计学MPS，使用步骤1)中的训练图像TI和建模参数集合P生成随机模型集M，其中第k个参数P_k相应的随机模型集定义为M_k，k＝1，2，…K，每个M_k包含n个随机模型，则随机模型集M中共计有N＝K×n个模型；

3)采用球状模型计算随机模型集M中所有模型的理论变差函数，定义理论变差函数的变程值a、基台值C和块金值C₀参数组X如下：