CN101006364A

CN101006364A - 基于地质解释创建相概率立方的方法

Info

Publication number: CN101006364A
Application number: CNA2005800280425A
Authority: CN
Inventors: 朱丽安·索尼; 马卓瑞·莱维; 安竹·哈丁; 谢德宜
Original assignee: Chevron USA Inc
Current assignee: Chevron USA Inc
Priority date: 2004-08-20
Filing date: 2005-08-16
Publication date: 2007-07-25
Anticipated expiration: 2025-08-16
Also published as: CA2577845C; US7079953B2; WO2006033726A3; EP1779145B1; AU2005287335B2; EP1779145A4; US20060052938A1; AU2005287335A1; NO20071455L; WO2006033726A2; CN101006364B; EP1779145A2; CA2577845A1; NO340044B1

Abstract

一种创建相概率立方的方法。首先创建包含相的S网格。该网格包括单元层和单元列。单元层的垂直相比例数据从源例如井中数据、概念垂直地质截面和描述在每层中找到的相的比例的图获得。创建具有定义边界的地区沉积中心映射，以创建各个相可能在其中出现的沉积中心区域。理想地，每个相的沉积中心区域的边界顺序且独立地定义。水平或映射相比例数据优选地通过滤波沉积中心区域而对单元列产生，使得每个相的比例在从最大值到最小值的范围变化。然后结合垂直和水平相比例数据以创建单元被指定相的出现概率的相概率立方。

Description

基于地质解释创建相概率立方的方法

相关专利申请的交叉引用

本申请在此通过引用下列共同未决申请使其全部并入本文：

共同提交的“Method of Making a Reservoir Facies ModelUtilizing a Training Image and a Geologically Interpreted FaciesProbability Cube(利用训练图像和地质解释的相概率立方建立储集相模型的方法)”，代理人申请案编号T-6404。

共同提交的“Multiple-Point Statistics(MPS)Simulation withEnhanced Computational Efficiency(具有增强计算效率的多点统计(MPS)仿真)”，代理人申请案编号T-6411。

技术领域

本发明一般地涉及构造储集相模型的方法，尤其涉及创建在地质统计仿真中使用的相概率立方以创建储集相模型的方法。

背景技术

储集层流动仿真典型地使用储集层的3D静态模型。该静态模型包括通常包含几百万个单元的3D地层网格(S网格)，其中每个独立单元填充有性质，例如多孔性、渗透性和含水饱和度。这种模型首先用来估计适当位置中碳氢化合物的体积和空间分布。然后储集层模型通过流动仿真器处理以预测油气回收并且帮助井轨道设计。

在石油和地下水应用中，在多孔性、渗透性和含水饱和度模拟之前，逼真的相模拟对于进行逼真的流动特性预测是关键的，这将能够识别新的资源开发机会以及进行适当的储集层管理决策例如钻新井。相模拟中的当前实践主要在基于方差图的仿真技术的基础上。方差图是储集层中两个空间位置之间相关性的统计测量。方差图模型通常从井中数据推理。

这些基于方差图的仿真技术已知提供给模拟者对于仿真相的连续性和几何形状的非常有限的控制。在紧密间隔且充分数据存在的情况下，该技术可以提供地下体系结构的合理预测，但是它们通常不能使用在有限数目的井中收集的稀少数据来充分地模拟储集层。这通常是例如深海勘测和生产中的情况，其中通常，基于方差图的模型显示比从由地质学者提供的概念沉积模型中期望的更多的随机异质性。

称作多点统计仿真或MPS的最近模拟方法已经由Guardiano和Srivastava，Multivariate Geostatistics：Beyond Bvariate Moments(多变量地质统计：超出二变量力矩)：Geostatistics-Troia，in Soares，A.，ed.，Geostatistics-Troia：Kluwer，Dordrecht，V.1，p.133-144，(1993)提出。MPS仿真是使用概念地质模型作为3D训练图像以产生地质逼真的储集层模型的储集相模拟技术。利用MPS方法的储集层模型已经在预测储集相模型中相的可能存在和构型方面非常成功。

已经发表了关于MPS及其应用的许多其他发表物。Caers，J.和Zhang，T.，2002，Multiple-point Geostatistics：A Quantitative Vehiclefor Integrating Geologic Analogs into Multiple Reservoir Models(多点地质统计：一种将地质模拟结合到多储集层模型的定量载体)，在Grammer，G.M et al.，eds.，Integration of Outcrop and ModernAnalog Data in Reservoir Models(储集层模型中露头岩和现代模拟数据的结合)：AAPG研究报告。Strebelle，S.，2000，SequentialSimulation Drawing Structures from Training Images(从训练图像中绘制结构的顺序仿真)：博士论文，斯坦福大学。Strebelle，S.，2002，Conditional Simulation of Complex Geological Structures UsingMultiple-Point Statistics(使用多点统计的复杂地质结构的条件仿真)：数学地质学，V.34，No.1。 Strebelle，S.，Payrazyan，K.和J.Caers，J.，2002，Modeling of a Deepwater Trubidite ReservoirConditional to Seismic Data Using Multiple-Point Geostatistics(使用多点地质统计局限于地震数据的深海浊积岩储集层的模拟)，在2002 SPE技术年会和展览会中提出的SPE 77425，San Antonio，Sept.29-Oct.2。Strebelle，S.和Journel，A，2001，Reservoir ModelingUsing Multiple-point Statistics(使用多点统计的储集层模拟)：在2001 SPE技术年会和展览会中提出的SPE 71324，New Orleans，Sept.30-Oct.3。在MPS仿真中使用的训练图像描述认为在地下存在的地质结构。训练图像不带有实际野外的任何空间信息；它们仅反映先前的地质概念模型。没有数据调节的约束的传统基于对象的算法可以用来产生这种图像。那么，MPS仿真包括从训练图像中提取模式，并且将它们锚定到局部数据，也就是测井记录。如由使用训练图像的MPS仿真执行的，将地质解释结合到储集层模型中在具有极少钻井的区域特别重要。

Caers，J.，Strebelle，S.，和Payrazyan，K.的论文StochasticIntegration of Seismic Data and Geologic Scenarios：A West AfricaSubmarine Channel Saga(地震数据与地质情况的随机结合：西非海底通道传奇)，前沿，2003年3月，描述地震获得的相概率立方如何可以用来在创建储集相模型时进一步增强常规MPS仿真。创建包括地层网格每个单元的每个相的存在概率的估计的概率立方。然后这些概率，与来自训练图像的信息一起，与称作SNESIM(单个正则方程仿真)的特定MPS算法一起使用，以构造储集相模型。

前述相概率立方使用纯数学方法从地震数据中创建，这在Scheevel，J.R.和Payrazyan，K.的标题为Princopal ComponentAnalysis Applied to 3D Seismic Data for Reservoir Property Estimation(应用于3D地震数据以进行储集层性质估计的主成分分析)，SPE56734，1999的论文中更详细地描述。地震数据，特别是地震振幅使用主成分分析(PCA)技术估计以产生特征矢量和特征值。然后，主成分在无人管理的集群分析中估计。集群与来自井中数据的已知性质，特别是解释的相相关，以估计位置远离井的单元中的性质。相概率立方从集群获得。

基于方差图的仿真和利用地震获得的相概率立方的MPS仿真都具有共同的缺点。两种仿真方法都不能说明可以仅由地质学者/地球物理学者基于他们对模拟区域的沉积地质的知识对储集层的地质环境的解释而提供的有价值的信息。该信息，结合岩心和地震数据，可以提供关于储集层体系结构和储集层模型中相的空间分布的重要信息。

同样已知不是从地震数据中算术地获得，而是主要依赖于地质解释和概念化的概率立方。商业相模拟程序的实例包括PETREL，ROXAR和HERESIM程序。PETREL程序可以从Oslo，Norway的Technoguide AS Corporation获得。ROXAR软件由Stavanger，Norway的ROXAR ASA Public Limited Company销售。HERESIM程序可以从Cedex，France的Institut Francais duPetrole获得。

这些程序典型地将垂直相趋势信息与映射或水平相趋势信息结合。在一些实例中，例如使用ROXAR，模拟者输入方程以描述模型的垂直截面或者水平或映射截面或3D中找到相的概率。作为选择，在其他商业程序例如PETREL中，模拟者可以直接数字化相概率映射，其中模拟者尝试同时说明单个映射中的所有相的竞争存在。

或者通过数字化或者通过估计方程，同时估计非常依赖于一个的相位置和概率是复杂且具有挑战性的。这种方法使得难以基于不同地质解释以及S网格中相如何分布的假设快速地创建许多概率立方。此外，用来结合垂直和映射相趋势信息以产生相概率立方的方法可以产生概率的不及最佳的估计。本发明解决建立这种相概率立方时的这些缺点。

发明内容

公开一种创建相概率立方的方法。首先，创建代表包含相的地下体积的S网格。该网格包括单元的层和列。单元层的垂直相比例数据从源例如井中数据、沿着S网格获取的地质垂直截面的概念化以及垂直比例图确定。

然后计算水平或映射相比例数据。在每个相的地区“沉积中心”映射上定义边界以创建各个相可能在S网格内出现的沉积中心区域。理想地，每个相的边界顺序地且通常独立于彼此而绘制。典型地，沉积中心区域的一些将彼此重叠。然后，单元列的水平或映射相比例数据基于沉积中心区域的边界而确定。每个相的比例跨越其相关边界从各个相的沉积中心区域的沉积中心处的最大值平滑过渡到位于该沉积中心侧面的最小值。沉积中心映射也可以包括特定相可能存在于其中的截断区域。相反地，特定相可能在截断区域外部的区域中不存在。

转变滤波器理想地用来将水平相比例数据从沉积中心处的最大值平滑过渡或转变到最小值。转变滤波器可以用来定义远离沉积中心区域的边界的具体横向距离，相出现的相对可能性在其上衰减到零。作为选择，井中数据的定量反演可以用来确定控制转变滤波器的最佳参数。

然后垂直和水平相比例数据结合以创建相概率立方，其中单元被指定相的出现概率。理想地，该结合使用幂定律变换。这种变换允许具有特定相的0％或100％垂直比例的层在结合之后保持分别0％或100％。变换允许具有特定相的0％～100％的垂直比例的层保持在0％～100％。

构建相概率立方的方法也可以说明存在单元列的主要或最小水平相比例的情况。用户可以定义这些相比例的上阈值和下阈值。如果相的比例落在阈值之下或之上，垂直和水平相数据的结合将利用特别开发的加权相比例数据。该数据说明在单元列中找到特定相的低或高概率。

同样描述产生S网格的水平相比例数据的方法。该数据反映S网格内相的地区分布。该网格包括单元的层和列。在地区沉积中心映射上定义边界以描绘各个相可能在S网格内出现的沉积中心区域。理想地，这些沉积中心区域通常独立于彼此而估计以减小复杂度，否则当试图同时说明S网格中所有相的存在时可能引起该复杂度。水平相比例数据基于沉积中心区域的定义边界对单元列而产生，每个相的比例在从各个相沉积中心区域的沉积中心处的最大值到位于沉积中心侧面的最小值的范围变化。优选地，转变滤波器应用于沉积中心边界以将相概率从最大值转变到最小值。

本发明的一个目的在于创建反映S网格中相的出现可能性的地区沉积中心映射，其中相的比例从相沉积中心区域的沉积中心处的最大值降低到与沉积中心横向相隔的最小值。

另一个目的在于使用转变滤波器从沉积中心区域的定义边界中计算水平相比例数据，其中转变滤波器可以容易地改变使得可以快速地创建并估计多个相概率立方。

再一个目的在于在垂直和水平相比例数据的结合中使用幂变换定律，使得具有特定相的0％～100％垂直比例的层甚至在结合之后将维持在那些各自水平。

另一个目的在于提供列单元中相比例的最大和最小阈值，其中当相的比例落在那些阈值之下或超出那些阈值时，特殊的垂直比例数据集在垂直和水平相数据的结合时使用。

附图说明

本发明的这些和其他目的、特征和优点将关于下面的描述、未决的权利要求和附随附图而变得更好理解，其中：

图1是描述根据本发明构造储集相模型的优选工作流程的流程图；

图2显示地质解释如何用来创建3D训练图像，然后3D训练图像局限于可用数据以创建多点地质统计模型；

图3A-B显示说明估计相的几何特性和关联性的通过3D训练图像的各个切片和横截面；

图4A-E分别显示训练图像和用来产生训练图像中的相地质体的相几何参数(映射视图形状、横截面形状、尺寸、方向和弯曲)；

图5A-C描绘用来构建训练图像的相之间的关系/规则；

图6A-C说明相之间的垂直和水平约束；

图7是用来创建地质解释的相概率立方，以及最终，相储集层模型的相分布模拟技术的示意图；

图8A-B说明指定到井的一系列相以及相应相图例；

图9A-B显示从S网格中获取的波状垂直截面，其中相指定到位于该截面的四个井，以及变平之后的该截面；

图10显示数字化到垂直截面上的多边形，其代表模拟者对沿着该截面的相的地质存在的概念；

图11是显示沿着垂直截面的每层的相比例的估计的垂直比例图，其中每层上的比例合计达100％；

图12显示实例全局垂直比例图；

图13说明包含重叠相沉积中心区域的沉积中心趋势映射；

图14A-D显示四个不同相的数字化沉积中心区域，其暗示哪些相可能在S网格的地区或映射视图中找到；

图15A-F显示使用一对矩形波串滤波器将沉积中心区域平滑成分级概率曲线；

图16A-B显示在创建加权垂直相比例图时使用的主要和最小加权图；

图17显示在创建加权垂直相比例图时使用的S网格的垂直截面；以及

图18显示加权垂直相比例图。

具体实施方式

图1显示根据本发明优选实施方案用于创建储集相模型的工作流程100。特别地，工作流程在地质统计仿真中使用训练图像，结合地质解释的相概率立方作为软约束来创建储集相模型。

工作流程中的第一步骤110是构建代表模拟的地下区域的S网格。S网格几何形状有关储集层地层相关性。反映每个相的解释几何形状以及相之间的关联性的训练图像在步骤120中创建。然后地质解释的相概率立方在步骤130中创建。该相概率立方基于地质沉积信息和概念化捕获关于S网格中相的绝对空间分布的信息。相概率立方理想地遵守局部相分布信息例如井中数据。地质统计仿真在步骤140中执行以创建储集相模型。

图2说明调节数据例如测井记录，以及储集层模拟可以在地质解释中使用以创建3D训练图像或概念地质模型。储集相模型通过优选地经由MPS仿真再现前述训练图像的模式，同时遵守可用调节数据，特别是井中数据和地质解释的相概率立方而产生。

I.构建训练图像

创建包含单元的层和列的地层3D网格(S网格)以模拟地下区域，其中一个或多个储集层将被模拟。S网格由几乎同时代的层(地质方面同时沉积的层)组成。网格从地震信息以及从井标记解释的地平线和断层构建。作为储集层的解释地质环境的3D绘制的“训练图像”优选地在用于模拟储集层的S网格中构建。但是，训练图像也可以在不同于该S网格的网格上产生。训练图像基于可以从井中数据、地震解释、野外模拟、露头岩数据或由地质学者手绘的图像中获得的地层输入几何形状而构造。

多相训练图像可以通过根据用户指定的相之间的空间关系组合对象来产生。这种关系基于沉积规则，例如一些相由其他相侵蚀，或者彼此之间相的相对垂直和水平定位。

图3A和3B说明训练图像水平截面和训练图像横截面。对比阴影指示不同的相类型。训练图像不包含绝对(仅相对)空间信息并且不需要局限于井。

创建训练图像的直接方法例如在图4A中看到，包括使用下面两个步骤过程产生无调节的基于对象的仿真实现。首先，地质学者提供在模型中使用的每个沉积相的描述，除了“背景”相之外，背景相经常是页岩。该描述包括可能由2D映射形状和2D横截面形状的组合定义的相地质体的几何3D形状。例如，潮汐沙洲可以使用椭圆体作为映射视图形状且使用S形作为横截面形状来模拟，如图4B和4C中所示。

如图4D中说明的，相地质体的尺寸(长度、宽度和厚度)以及主要方向也量化。代替常值，这些参数可以从均匀的三角形或高斯分布中绘制。图4E显示弯曲参数，也就是波幅和波长也可以由一些类型的相元素例如水道所要求。

此外，定义相之间的关系/规则。例如，在图5A中，显示相2侵蚀相1。相反地，图5B显示相2被相1侵蚀。在图5C中，显示相2包含在相1中。

图6A-C描绘垂直和/或水平约束。在图6A中，不存在垂直约束。在图6B中显示相2限制在相1上面。最后，在图6C中，相2限制在相1下面。

相模拟领域的技术人员将理解可以使用其他方法和工具来创建相训练图像。通常，这些相训练图像有助于在数据调节的基于像素的算法中使用。

II.地质解释的相概率立方

相概率立方基于利用映射、记录和横截面的地质解释而创建。该概率立方提供在创建储集相模型时对于相空间分布的增强控制。相概率立方在用来创建储集相模型的3D储集层S网格上产生。相概率立方包括在S网格的每个单元中相的出现概率。

图7显示相概率立方通过组合使用垂直和水平或映射截面收集的相比例数据来创建。在该优选实例实施方案中，垂直比例数据从解释的相测井记录、概念地质横截面以及垂直比例截面或图中获得。水平相比例数据使用相沉积中心趋势映射而获得。优选地，相比例数据的估计从由模拟者数字化的垂直和映射视图截面产生。这些截面显示反映来自所有可用信息的相知识的相趋势，包括但不局限于，来自测井记录的数据、露头岩数据、岩心、地震、模拟和特定地层间隔的地质专业知识。然后使用算法组合来自垂直和水平比例数据的信息以构造相概率立方。然后主要基于地质解释的该相概率立方可以在地质统计仿真中使用以创建储集相模型。

模拟的地下区域的相类型数目理想地从相测井记录数据中确定。利用太多相类型不利于构建在储集层仿真中使用的3D模型。在相概率立方中使用的相类型数目通常在2至9的范围变化，更优地，模型将具有4至6个相类型。在下面描述的实例实施方案中，存在选自相测井记录数据的五个相类型。图8A和8B显示具有指定相类型和相应图例条的井。这些实例相类型包括：1)页岩；2)潮汐沙坝；3)潮汐沙滩；4)河口沙；以及5)海侵滞留。当然，另外或不同的相类型可以依赖于模拟的区域的地质环境来选择。

已知井位置的相类型然后指定到S网格内的适当位置的单元。因为测井记录通常以比S网格(～2-3ft)更细的尺度(～0.5ft)采样，可以选择使用给定单元中最主要的井中相数据，还是与单元中心最接近的井中相数据点。为了保持薄层的概率，选择与单元中心最接近的相数据点可能是优选的。

该实例实施方案中下一个步骤是创建垂直地质横截面，其捕获野外的沉积模型可能看上去像什么的概念图像。截面可能沿着S网格的任何方向而选择。通常，选择该截面以与尽可能多的井相交。用来创建截面的线可能是直线或者可能是Z字形。

图9A说明井中相数据附加到截面的实例截面。该特定截面呈Z字形并且与四个井相交。可以将该截面变平且变直，如图9B中所示。变平的截面使得截面更容易概念化和数字化。特别地，可能期望将作为海泛面的表面变平。如果表面是侵蚀性的，那么优选地不将表面变平。在大多数情况下，优选地将截面变直。

沉积多边形在垂直S网格截面上数字化以创建地质横截面，如图10中所示。多边形代表该截面上地质相地质体的位置的最佳估计。在确定如何数字化沉积多边形时应当考虑的因素包括沉积环境的理解、沉积相形状和沉积相之间的关系。

图11显示指定每层的每种相类型的期望百分比的垂直“比例截面或图”。对于每层，所有相百分比合计达100％。该比例截面提供每种相类型的比例如何沿着垂直面趋向变化的思想。

然后，整体或合成垂直比例图/数据通过组合分别使用相测井记录数据、数字化的地质横截面和垂直比例截面计算的垂直比例图来创建。每个垂直比例图可以根据该特定图准确地表示相的垂直相趋势或分布的确定性来加权。例如，如果地质横截面包含许多井和许多井中数据，可能给予相应垂直比例图相对高的权重。相反地，如果仅一个或两个井可用，可能给予从该井中数据计算的比例图低的权重。然后，加权的比例图标准化以产生合成垂直比例图，其中每层中相的比例合计达100％。垂直比例图的简单实例在图12中显示。

下一个步骤是创建图13中所示每个相的沉积中心映射。匹配3D模型S网格的顶层尺寸的地区2D S网格用来构建沉积中心映射。一个或多个多边形在2D映射上数字化以定义可能在3D S网格的某个深度包含相的“沉积中心区域”。沉积中心区域不需要互斥，但是代替地可能彼此重叠。

图14A-D显示已经对于四个各自的相而数字化的四个沉积中心区域的边界。沉积中心区域可以包括映射视图的整个区域，在该情况下不需要数字化(这称作背景)。在每个多边形的中心区域的是沉积中心，它是可以期望特定相在其下的最高出现可能性的区域。“截断”区域也可以对于每个相而数字化，它定义认为相超出该区域而不存在的区域。也就是，相不能在为各个相定义的截断区域外部存在。

理想地，沉积中心区域的每个通过数字化而独立绘制。当对S网格中其他相的存在做一些考虑时，理想地，模拟者将主要集中于认为特定相将在映射视图中哪里出现。这简化组合的重叠沉积中心映射的创建，如图13中所示。

相反地，常规水平趋势映射经常依赖于单个水平截面上所有相的同时绘制和说明。否则，可以开发描述跨越水平映射的相的概率分布的常规联立方程。创建这种水平趋势映射的思维过程比单独地集中于为每个独立相创建沉积中心映射复杂得多且更具挑战性。

图15A-F显示已经使用转变滤波器平滑以将在单元列中出现的相的概率从最大值分布到最小值的沉积中心区域。如图15A中所示，可以绘制曲线以说明概率的相对级别，随着它们远离沉积中心而降低。阴影的沉积中心区域显示在映射的中心。

在该特定实例实施方案中，矩形串波滤波器用作转变滤波器。本领域技术人员将理解也可以使用许多其他类型的滤波器或数学运算来跨越沉积中心区域和映射截面平滑概率。概率依赖于所选滤波器远离中心区域而衰减。两个的滤波器数目要求相概率从数字化沉积中心区域的边缘或边界衰减到0％两个单元，如图15B和15D中所示。类似地，选择4个的滤波器数目将使得在四个单元上从边界衰减到0％，如图15C和15E中说明的。4-2的滤波器数目可以用来平均使用来自4号滤波器和2号滤波器的输出的平均值的结果。图13显示滤波操作已经在相A，B和C的沉积中心区域上发生之后单元的特定列的值(0.28，0.60和0.26)。注意，值没有标准化，也就是，它们不需要合计达1.C。

这种转变滤波器的使用使得模拟者能够快速地产生许多不同的沉积中心映射。模拟者简单地改变一个或多个滤波器参数以创建新的沉积中心映射。因此，模拟者可以通过试错法选择最适当的滤波器以创建特定相沉积中心映射。作为结果的沉积中心映射理想地将与从测井记录数据以及相空间分布信息的其他源收集的相信息一致。

在本发明的另一种实施方案中，可以使用目标函数建立应当使用哪个滤波器以将沉积中心映射最佳地匹配到已知井中相数据。可以使用许多不同的滤波器为特定相创建沉积中心映射。然后每个沉积中心映射的结果相对于井中相数据数学地比较。然后选择产生相应沉积中心映射和测井记录相数据之间最小差异的滤波器以在创建相概率立方时使用。

通常，地区沉积中心趋势映射和数据说明沿着S网格的列或深度的相的出现可能性(参看图13)。相反地，垂直比例图/数据有关相将在某个层上存在的可能性(参看图12)。组合相在某个(垂直)层以及在某个(地区)沉积中心区域中存在的趋势以产生相在S网格的每个单元中存在的概率的总体估计。用于组合垂直比例数据和映射或水平比例数据以得出S网格的总体相概率立方的优选算法将在下面描述。

关于该过程存在优选约束。如果垂直比例图指示在一层中应当存在100％的相，或在一层中存在0％相，当计算总体单元概率时该值不应当改变。实现该目标的一种优选过程是使用幂定律变换以组合垂直和水平(映射)比例数据。在该实例中使用的幂变换定律符合下面的等式：

\frac{Σ_{l = 1}^{N} {[V_{f} (l)]}^{w (l)}}{N} = P_{f} - - - (1)

其中

l ＝垂直层下标；

V_f(l)＝层l中的相f的比例；

P_f ＝单元列中的相f的平均概率；

w(l) ＝幂指数；以及

N ＝S网格中的层数。

下面的简化实例描述垂直和水平相数据如何结合。图12说明具有三种类型的相(A，B和C)的简单垂直比例图。注意，S网格包括三层(N＝3)并且每层具有相A，B和C的比例(V_f)。相应沉积中心趋势映射在图13中描绘。绘制边界以建立相A，B和C的初始沉积中心区域。随后，使用滤波器例如矩形串波滤波器执行相A，B和C的概率跨越沉积中心边界的平滑。对于在映射位置(x，y)处考虑中的单元列，相A，B和C的存在概率(P_f)分别确定为0.28，0.60和0.26。来自滤波操作的这些值在该实例中没有标准化。

基于上面等式(1)的幂变换定律，下面三个方程为三个相而创建：

\frac{{0.3}^{w 1} + {0.2}^{w 1} + {0.6}^{w 1}}{3} = 0.28

\frac{{0.2}^{w 2} + {0.4}^{w 2} + {0.4}^{w 2}}{3} = 0.60

\frac{{0.5}^{w 3} + {0.4}^{w 3} + 0^{w 3}}{3} = 0.26

求解方程以提供w₁＝1.3，w₂＝0.45和w₃＝1.2。

然后，以层为基础沿着该列为层上每个单元计算相概率。

层	相A	相B	相C
层	相A	相B	相C	1	0.3^1.3	0.2^1.3	0.5^1.3
2	0.2^0.45	0.4^0.45	0.4^0.45	1	0.3^1.3	0.2^1.3	0.5^1.3
2	0.2^0.45	0.4^0.45	0.4^0.45	3	0.6^1.2	0.4^1.2	0.0

这产生下面的值：

层	相A	相B	相C
层	相A	相B	相C	1	0.209	0.123	0.406
2	0.485	0.662	0.662	1	0.209	0.123	0.406
2	0.485	0.662	0.662	3	0.542	0.333	0.000

标准化之后，每个单元的相比例是：

层	相A	相B	相C
层	相A	相B	相C	1	0.283	0.167	0.550
2	0.268	0.366	0.366	1	0.283	0.167	0.550
2	0.268	0.366	0.366	3	0.619	0.381	0.000

重复该过程以确定S网格的所有单元中的相概率。

特殊垂直比例图

在某些实例中，单元列中相的比例可能与单元层中该相的比例明显不同。如果一个或多个相在单元列中主要或最小，则该比例的不一致可能发生。在这种情况下，可以在计算单元概率时使用特殊加权垂直比例图以提供该单元列的垂直和水平比例数据之间的更好相关。

用户理想地定义单元列的主要和最小阈值相比例限制。例如，用户可以指定如果该列中90％或更多的单元包含相A，单元列具有主要相A。同样，用户可以指定最小相阈值比例限制，也就是15％或更少。作为选择，主要和最小阈值可能固定在计算机程序中，使得用户不需要输入这些阈值。

特殊加权垂直比例图/数据通过使用加权函数修改垂直截面的比例来创建。这种加权函数的实例在图16A-B中显示。图16A显示与主要相一起使用的加权函数，而图16B说明与最小相一起使用的实例加权函数。垂直截面可能是概念地质横截面，例如图17中所示。

理想地，加权垂直比例图对于最小和主要相的每个而创建。对于图17中所示的截面，最小和主要加权比例图对于相A，B和C的每个而创建，总共六个加权截面图。下面将描述相A的最小加权比例图的构造。该作为结果的实例比例图在图18中显示。其他比例图没有显示，但是可以与图18的比例图类似的方式构造。

首先定义加权函数并且在图16A-B中显示。在图16A中，显示从75％处的值0.0线性地上升至85-100％处的值1.0的主要加权函数。基于相加权比例图为其构造的垂直截面的每列中找到的特定相的比例，从加权函数中选择权重。例如，如果加权比例图为相A构造，那么每列中相A的百分比将控制该列的权重。

图16B显示与具有相的最小存在的单元列一起使用的加权函数。在该情况下，权重1.0在列中相A的百分比为0-20％时指定并且线性地降低到30％处的值0.0。优选地，加权函数包括倾斜部分以在0.0和1.0的值之间平滑转变。当然，加权函数的前述线性倾斜部分也可能是非线性形状，如果如此期望的话。

来自加权函数的权重应用于垂直截面的每层的单元中的相的比例。然后加权比例的和除以权重的和以得到层的加权相比例。更特别地，相根据下面的等式计算：

\frac{Σ w_{c} \cdot f_{l}}{Σ w_{c}} = V_{f} (l) - - - (2)

其中

w_c＝特定单元列的权重；

f_l＝相f在单元中存在时1.0；

＝相f在单元中不存在时0.0；

∑w_c＝单元层中的权重的和；以及

V_f(l)＝层中相的比例。

现在将描述如何确定用于构造加权比例图的比例值的实例。看图17中垂直截面的第一列，列1中相A的百分比是10％。参考图16B的加权图，因为10％落在20％阈值内，权重1.0指定到该列。在列2中，相A的总体百分比是20％。再次，这落在20％的阈值内，所以1.0的全部权重指定到列2。在列3中，相A的百分比是25％。25％的值落在加权函数的线性递减区域中。因此，相应权重0.5为列3中的单元而选择。对于列4，相A的百分比是35％。因为35％在30％的阈值之外，权重0.0指定到列4。剩余的列都包含超过30％的相A。因此，所有这些列都指定权重0.0。因此，仅前三列在创建垂直比例图时使用，以供相A的最小比例从沉积中心映射中在单元列中找到时使用。

列1，2和3的权重，分别是1.0，1.0和0.5将乘以每个单元中相的比例。因为每个单元仅指定一个相，所以当特定相存在时比例将是1.0，而当该相不存在时是0.0。下面是几层的相比例使用等式(2)的实例计算。

层20和19，相A：

(1.0×1.0+1.0×1.0+0.5×1.0)/(1.0+1.0+0.5)＝1.0

层20和19，相B和C：

(1.0×0.0+1.0×0.0+0.5×0.0)/2.5＝0.0

层18和17，相A：

(1.0×0.0+1.0×1.0+0.5×1.0)/2.5＝0.6

层18和17，相B：

(1.0×1.0+1.0×0.0+0.5×0.0)/2.5＝0.4

层18和17，相C：

(1.0×0.0+1.0×0.0+0.5×0.0)/2.5＝0.0

层16，相A：

(1.0×0.0+1.0×0.0+0.5×1.0)/2.5＝0.2

层16，相B：

(1.0×1.0+1.0×1.0+0.5×0.0)/2.5＝0.8

层16，相C：

(1.0×0.0+1.0×0.0+0.5×0.0)/2.5＝0.0

层3，相A：

(1.0×0.0+1.0×0.0+0.5×0.0)/2.5＝0.0

层3，相B：

(1.0×1.0+1.0×0.0+0.5×0.0)/2.5＝0.4

层3，相C：

(1.0×0.0+1.0×1.0+0.5×1.0)/2.5＝0.6

执行这些计算，直到相A，B和C的所有比例对于所有层而计算，以创建图18中所示最小相A的加权比例图。重复该过程以创建其他五个加权比例图。这些图将再次使用从垂直截面的列中适当相的百分比确定的、来自最小和主要加权函数的权重，其然后乘以单元中的相比例并且除以权重的总和。再次，来自这些特殊加权比例图的垂直比例值将与等式(1)一起使用以计算相概率立方的单元概率。

S网格中相的空间分布的不确定性的模拟可以通过改变地质假设来完成。例如，不同的地质截面可以数字化以反映关于地质截面可能如何实际出现的不同理论。作为选择，可以创建不同版本的垂直比例图以捕获关于相趋势如何跨越S网格从一层到另一层有所不同的不同选项。类似地，可以使用多个不同沉积中心映射以捕获S网格的映射视图中相的分布的不确定性。此外，不同的滤波器可以应用于沉积中心区域以创建备选的水平相数据，以及最终，相概率立方。

III.利用训练图像和地质获得的相概率立方创建储集相模型

本发明在储集相模拟期间将地质知识或信息分段成两个不同的概念。首先，训练图像的使用捕获相连续性、关联性和异质性方面的相信息。其次，使用通过使用概念地质估计或关于沉积地质的解释而产生的相概率立方增强关于储集相模型中存在的相的相对连通性和空间知识。

不确定性在本发明中可以通过利用单个相概率立方结合可以基于相连续性、关联性和异质性的不确定性而构建的几个不同训练图像来说明。相反地，可以使用单个训练图像和使用关于S网格中相的空间分布的不同地质概念而产生的许多相概率立方执行许多MPS仿真。因此，主要关于相连续性、关联性和异质性的不确定性可以使用许多训练图像来捕获，而主要与那些相在S网格模型中的绝对空间分布相关的不确定性可以通过使用多个相概率立方来确定。

该优选实施方案中的储集相模型可以与由Caers，J.，Strebelle，S.，和Payrazyan，K.，Stochastic Integration of Seismic Data andGeologic Scenarios：AWest Africa Submarine Channel Saga(地震数据与地质情况的随机结合：西非海底通道传奇)，前沿，2003年3月描述的相当的方式建立。如上面提供的，该论文描述地震获得的相概率立方如何可以用来进一步增强创建储集相模型时的常规MPS仿真。本发明利用地质获得的相概率立方，与使用地震获得的相概率立方相对比。这提供结合来自储集层模拟的地质信息并且去除地震数据人工因素的优点。

训练图像和地质获得的相概率立方在地质统计仿真中使用以创建储集相模型。在本发明中使用的优选地质统计方法是多点统计仿真(或MPS)。使用其他地质统计方法结合训练图像和地质获得的相概率立方以构造具有增强相分布和连续性的储集相模型也在本发明的范围内。

多点地质统计仿真程序SNESIM(单个正则方程仿真)优选地用来产生再现由训练图像显示的相模式，同时遵守硬调节井中数据的相模型。SNESIM使用仿真网格单元沿着随机路径访问一次的顺序仿真范例。一旦被仿真，单元值变成将调节按顺序随后访问的单元的仿真的硬数据。在每个未采样单元，以由n个最接近的相数据共同构成的数据事件B为条件的任何相A的出现概率通过简单计数从训练图像中推理：识别根据贝叶斯关系的概率比P(A，B)/P(B)的相概率P(A|B)可以通过将训练图像中共同事件{A和B}的出现次数P(A，B)除以事件B的出现次数(P(B))而获得。然后，使用Monte-Carlo仿真从作为结果的条件相概率分布中随机绘制相值，并且指定到网格单元。Monte-Carlo采样过程对于统计员众所周知。它包括绘制0和1之间的随机值，并且从待采样的概率分布中选择相应分位数值。

SNESIM对于相和储集层模拟领域中的技术人员众所周知。特别地，SNESIM在Strebelle，S.，2002，Conditional Simulation ofComplex Geological Structures Using Multiple-Point Statistics(使用多点统计的复杂地质结构的条件仿真)：数学地质学，V.34，No.1；Strebelle，S.，2000，Sequential Simulation of Complex GeologicalStructures Using Multiple-Point Statistics(使用多点统计的复杂地质结构的顺序仿真)：博士论文，斯坦福大学中描述。基本SNESIM代码也可以在网站 http://pangea.stanford.edu/～strebell/research.html获得。同样包括在网站中的是提供SNESIM背后的理论并且包括各种用例研究的PowerPoint演示文稿senesimtheory.ppt。PowerPoint演示文稿senesimprogram.ppt通过底层SNESIM代码提供指导。再次，这些发表物对于在创建相和储集层模型时使用多点统计的相模拟者是众所周知的。这些发表物在此引用其全部内容作为参考。

本发明扩展SNESIM程序以包括地质获得的概率立方。在每个未采样网格单元，更新条件相概率P(A|B)以说明由地质获得的概率立方提供的局部相概率P(A|C)。该更新优选地使用在Journel，A.G.，2003，p.583，Combining Knowledge From Diverse Sources：AnAlternative to Traditional Data Independence Hypotheses(组合来自各种源的知识：传统数据无关假设的备选方案)，数学地质学，Vol.34，No.5，2002年7月，p.573-596。在此引用该参考文献的讲授的全部内容作为参考。

考虑A的边界概率的逻辑型比例：

a = \frac{1 - P (A)}{P (A)}

类似地

b = \frac{1 - P (A | B)}{P (A | B)},

c = \frac{1 - P (A | C)}{P (A | C)},

x = \frac{1 - P (A | B, C)}{P (A | B)}

其中

P(A|B，C)＝给定训练图像信息和地质获得的相概率立方，相A的更新概率。

比例的永久性相当于假设：

\frac{x}{b} &cong; \frac{c}{a}

如由Journel描述的，这暗示着“数据事件C对于A的知识的增加贡献在知道B之后或之前是相同的”。

然后条件概率计算为：

P (A | B, C), = \frac{1}{1 + x} = \frac{a}{a + bc} &Element; [0,1]

使用该公式的一个优点在于它防止次序关系问题：所有更新的相概率P(A|B，C)在0和1之间，并且它们合计达1。然后通过使用Monte-Carlo仿真从作为结果的更新相概率分布中随机地绘制相以填充S网格的单元。

最后的结果是每个相然后可以填充有性质例如多孔性、渗透性和含水饱和度的储集相模型。然后，这种储集层模型可以与储集层仿真器一起使用。这种商业储集层仿真器包括Schlumberger的ECLIPSE仿真器，或ChevronTexaco CHEARS仿真器。

虽然在前述说明书中本发明已经关于其某些优选实施方案而描述，并且许多细节已经为了说明而陈述，但是对于本领域技术人员将显然，本发明容易更改并且在这里描述的某些其他细节可以相当多地改变，而不背离本发明的基本原理。

Claims

1.一种创建相概率立方的方法，包括步骤：

产生代表包含相的地下体积的S网格，该网格包含单元层和单元列；

确定单元层的垂直相比例数据；

在地区沉积中心映射上限定边界以创建各个相可能在S网格内出现的沉积中心区域；

利用沉积中心区域的边界确定单元列的水平相比例数据，使得每个相的比例在从各个沉积中心区域的相沉积中心处的最大值到位于相沉积中心侧面的最小值的范围变化；以及

将垂直相比例数据与水平相比例数据结合以创建各个单元被指定相的出现的概率的相概率立方。

2.根据权利要求1的方法，其中：

沉积中心映射包括至少一个截断区域，特定相不能存在于该区域外部。

3.根据权利要求1的方法，其中：

垂直相比例数据从井中数据、概念地质截面和垂直比例图中的至少一个确定。

4.根据权利要求1的方法，其中：

垂直比例数据是从井中数据、概念地质截面和垂直比例图中的至少两个获得的数据的加权平均。

5.根据权利要求1的方法，其中：

垂直相比例数据从垂直概念地质截面中确定。

6.根据权利要求1的方法，其中：

定义沉积中心区域的边界针对每个相而被独立映射。

7.根据权利要求1的方法，其中：

使用转变滤波器以将水平相比例数据从沉积中心处的最大值转变到最小值。

8.根据权利要求7的方法，其中：

转变滤波器是矩形串波滤波器。

9.根据权利要求7的方法，其中：

转变滤波器限定相的出现相对可能性离开沉积中心边界衰减到零的横向距离。

10.根据权利要求8的方法，其中：

转变滤波器由从井中数据的定量反演确定的参数控制。

11.根据权利要求1的方法，其中：

对于水平相比例数据规定主要分数限制；以及

垂直和水平相比例数据到单元概率的结合至少部分地依赖于使用加权列分析而产生的加权垂直相比例数据。

12.根据权利要求11的方法，其中：

加权列分析使用具有上阈值和下阈值的加权图。

13.根据权利要求12的方法，其中：

加权图包括转变区域以反映权重从1.0到0.0的逐步减小。

14.根据权利要求1的方法，其中：

以垂直和水平数据的结合使用幂变换定律。

15.根据权利要求14的方法，其中：

幂变换定律符合下面的等式：

\frac{{Σ_{l = 1}^{N} [V_{f} (l)]}^{w (l)}}{N} = P_{f}

其中

l ＝垂直层下标；

V_f(l) ＝层l中的相f的比例；

P_f ＝列中的相f的平均概率；

w(l) ＝幂指数；以及

N ＝S网格中的层数。

16.一种创建识别S网格内相的分布的区域沉积中心映射的方法，包括：

在S网格的地区沉积中心映射上限定边界以创建各个相可能在S网格内出现的沉积中心区域；以及

基于沉积中心区域的限定的边界确定单元列的水平相比例数据，使得每个相的比例在从各个相沉积中心区域的沉积中心的最大值到位于该沉积中心侧面的最小值的范围变化。