CN103678899B - 一种基于可变影响比的油气藏多点统计建模方法及设备 - Google Patents

Abstract

本发明提供一种基于可变影响比的油气藏多点统计建模方法及设备，该方法包括：采集三维当前油气藏区域对应的测井数据以及地震数据；在测井数据以及地震数据的空间位置的基础上设置三维矩形网格；按照测井数据以及地震数据取值的位置，将油气藏区域的测井数据以及地震数据赋值到相应网格的节点上；获取沉积微相空间变异函数的变程；根据变程将油气藏区域对应的网格分为第一部分区域、第二部分区域；确定油气藏区域中的网格节点的可变影响比；根据可变影响比进行空间建模，得到油气藏区域对应的多点统计建模结果；根据多点统计建模结果确定油气储层。实现了空间内部的各网格节点处的影响比能够随着各被模拟节点相对井的位置的不同而进行改变。

Description

一种基于可变影响比的油气藏多点统计建模方法及设备

技术领域

本发明关于油气田开发工程领域，特别是关于油气田开发建模技术，具体的讲是一种基于可变影响比的油气藏多点统计建模方法及设备。

背景技术

在众多储层地质建模方法中，多点统计建模(MPS,Multiple Point Simulation)是最新发展出来，也是眼下最受专业人士青睐的一种建模方法。它已经成为使用最广泛的一种地质建模方法。这个建模方法最初在上世纪90年代初，由斯坦福大学油藏预测中心的研究人员提出的。围绕着多点统计建模方法的发展，国际上的专业人员提出了不少改进算法，使得多点统计建模方法应用更为广泛。如Snesim算法、Filtersim算法、井震(测井数据和地震数据)结合算法等。

为了降低仅利用测井数据进行油气藏地质建模的不确定性，二十年来，许多学者提出和改进了地震数据和测井数据结合的建模算法，并取得了很大的发展。斯坦福大学儒耳奈尔(Journel)教授于2002年提出了在多点统计建模方法基础上的一种测井数据和地震数据结合的儒尔乃尔影响比算法，在井震结合算法实用方面做出了贡献。

在儒耳奈尔教授的论文中，在给定两种不同来源的概率事件B和C的条件下，利用条件概率P(A|B,C)解决未知参数A的估计问题。其中数据A,B,C能够在多个空间位置处取值，B,C分别代表测井和地震数据。A则是以测井数据和地震数据为约束条件的需要求得一个未知参数，具体地说，A是以离散变量形式出现的沉积微相的空间分布。它不能够直接观测得到的，只是在储层建模中被模拟得到的储层性质。

假设P(A|B)和P(A|C)等两个条件概率都可以被估计得到。这里的挑战是，B和C是不同来源的数据，作为测井数据和地震数据，它们之间具有一定的相关性，不能视为相互独立。如果两者相互独立，则问题就可以利用贝叶斯定理容易地得到解决。

P(A|B,C)可以用于事件A的估计或模拟。在两种数据之间的相关性存在的情况下，传统的条件独立的假设下的结合算法呈现不稳定，会出现各种矛盾。对此，针对包含有许多个空间位置的概率事件，儒耳奈尔教授最主要的贡献是提出了“更新比恒定性”(Permanence of Updating Ratios)的概念。在复杂的数据相互依赖存在的情况下，这个概念保证了所有概率条件的限制作用的稳定性。这个“更新比”就是“影响比”的概念。

影响比是运行软硬数据结合算法时，必须确定的一个参数，它代表地震数据和测井数据对于模拟结果的影响之比。在井震结合建模时，它提供了一个选择，是地震数据的影响大，还是测井数据的影响大。在算法中，影响比是利用两个整数的比值表示，如L:S。L代表测井数据的影响，S则代表地震数据的影响。

然而，儒耳奈尔教授的论文对解决的问题作了一些简化。他在这篇论文中，假定更新比恒定性的观念，可以得到“在认知B前或者后，数据事件C对未知事件A的渐增的作用是一样的”的认识。儒耳奈尔教授的算法，对于建模的三维空间中的每一个网格节点实施的影响比都是一样的。这个简化严重地影响了井震结合建模的效果。因为在建模空间中，网格节点离测井数据的采样点有远近之分。对离测井数据比近的节点，预测所得的未知参数A就受测井数据的影响较大，受地震数据的影响就相对较小。反之测井数据的影响小，地震影响大。

发明内容

为了克服现有技术存在的上述问题，本发明提供了一种基于可变影响比的油气藏多点统计建模方法及设备，针对现有技术中井震结合的儒尔乃尔影响比算法的油气田实际应用而提出，目的在于提供一种基于可变影响比算法的井震结合的油气藏多点统计建模方法，实现了空间内部的各网格节点处的影响比能够随着各被模拟节点相对井的位置的不同而进行改变，提高了井震结合建模的效果，为油气藏进一步的勘测提供了技术支撑。

本发明的目的之一是，提供一种基于可变影响比的油气藏多点统计建模方法，包括：采集三维当前油气藏区域对应的测井数据以及地震数据；在所述测井数据以及地震数据的空间位置的基础上设置三维矩形网格；按照所述测井数据以及地震数据取值的位置，将所述油气藏区域的测井数据以及地震数据赋值到相应网格的节点上；获取沉积微相空间变异函数的变程；根据所述的变程将所述的油气藏区域对应的网格分为第一部分区域、第二部分区域；确定所述油气藏区域中的网格节点的可变影响比；根据所述的可变影响比进行空间建模，得到所述油气藏区域对应的多点统计建模结果；根据所述的多点统计建模结果确定油气储层。

本发明的目的之一是，提供了一种基于可变影响比的油气藏多点统计建模设备，包括：数据采集装置，用于采集当前三维油气藏区域对应的测井数据以及地震数据；网格设置装置，用于在所述测井数据以及地震数据的空间位置的基础上设置三维矩形网格；赋值装置，用于按照所述测井数据以及地震数据取值的位置，将所述油气藏区域的测井数据以及地震数据赋值到相应网格的节点上；变程获取装置，用于获取沉积微相空间变异函数的变程；分部装置，用于根据所述的变程将所述的油气藏区域对应的网格分为第一部分区域、第二部分区域；可变影响比确定装置，用于确定所述油气藏区域中的网格节点的可变影响比；建模装置，用于根据所述的可变影响比进行空间建模，得到所述油气藏区域对应的多点统计建模结果；油气储层确定装置，用于根据所述的多点统计建模结果确定油气储层。

本发明的有益效果在于，针对现有技术中井震结合的儒耳奈尔影响比算法的这一主要缺点提出，提供了一种基于可变影响比算法的井震结合的油气藏多点统计建模方法，根据测井数据和地震数据测量的特点，把整个研究区域划分为两个区域，分别赋予不同的影响比，对于充分发挥测井数据和地震数据各自的作用，完成井震结合的多点统计建模具有良好的调节作用，实现了空间内部的各网格节点处的影响比能够随着各被模拟节点相对井的位置的不同而进行改变，提高了井震结合建模的效果，为油气藏进一步的勘测提供了技术支撑。

为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于可变影响比的油气藏多点统计建模方法的流程图；

图2为图1中的步骤S105的具体流程图；

图3为图1中的步骤S106的具体流程图；

图4为本发明实施例提供的一种基于可变影响比的油气藏多点统计建模设备的结构框图；

图5为本发明实施例提供的一种基于可变影响比的油气藏多点统计建模设备中分部装置500的具体结构框图；

图6为本发明实施例提供的一种基于可变影响比的油气藏多点统计建模设备中可变影响比确定装置600的结构框图；

图7为本发明实施例中将网格分为第一部分区域、第二部分区域的示意图；

图8为根据本发明的建模方法得到的辫状河沉积油田对应的多点统计建模结果示意图；

图9为根据Snesim算法儒耳奈尔影响比1:5得到的辫状河沉积油田对应的多点统计建模结果示意图；

图10为根据Snesim算法儒耳奈尔影响比为5:1得到的辫状河沉积油田对应的多点统计建模结果示意图；

图11为沉积微相的地震标定波阻抗图；

图12为本发明提供的具体实施例中基于可变影响比的油气藏多点统计建模的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对现有技术中井震结合的儒耳奈尔影响比算法的这一主要缺点提出，目的在于提供一种基于可变影响比算法的井震结合的油气藏多点统计建模方法，实现了空间内部的各网格节点处的影响比能够随着各被模拟节点相对井的位置的不同而进行改变，提高了井震结合建模的效果，为油气藏进一步的勘测提供了技术支撑。

下面首先介绍理论。理论算法包括如下的三种数据：A,B,C。

利用贝叶斯公式，在各个条件互相独立时，可以有：

$P\left(A\right|B)=\frac{P(A,B)}{P\left(B\right)}=\frac{P\left(B\right|A)P\left(A\right)}{P\left(B\right|A)P\left(A\right)+P\left(B\right|\tilde{A})P\left(\tilde{A}\right)}---\left(1\right)$

在公式(1)中，利用A|C代替A，于是得到：

$P\left(A\right|B,C)=\frac{P\left(B\right|A)P\left(A\right|C)}{P\left(B\right|A)P\left(A\right|C)+P\left(B\right|\tilde{A})P\left(A\right|\tilde{C})}$

$=\frac{P\left(A\right|B)P\left(A\right|C)\[1-P\left(A\right)\]}{P\left(A\right|B)P\left(A\right|C)\[1-P\left(A\right)\]+\[1-P\left(A\right|B)\]\[1-P\left(A\right|C)\]P\left(A\right)}\∈\[0,1\]---\left(2\right)$

把被估计的数据A的条件概率记为P(A|B,C)，就是以硬数据B(测井数据)，软数据C(地震数据)两者为条件下，进行模拟所得到的参数A的条件概率。

对于各个条件互相不是独立时，儒尔乃耳教授引入更新比恒定性的概念，于是可以假定“在认知B前或者后，数据事件C对未知事件A的渐增的作用是一样的”。

把P(A|B,C)表示成如下形式：

$P\left(A\right|B,C)=\frac{1}{1+x}\∈\[0,1\]---\left(3\right)$

其中，利用参数τ₁,和τ₂，可以定义：

$\frac{x}{a}={\left(\frac{b}{a}\right)}^{{\mathrm{\τ}}_1}{\left(\frac{c}{a}\right)}^{{\mathrm{\τ}}_2}---\left(4\right)$

其中：

P(A|B,C)是需要求取的井震结合为条件的建模结果的概率分布，a代表关于A的先验不确定性的一个度量，b代表对数据事件B的观测后，距事件A的距离，c代表对数据事件C的观测后，距A事件的距离。P(A)是微相分布的先验概率，P(A|B)是测井数据B作为条件的微相的概率分布，P(A|C)是地震数据为条件的的微相的概率分布。

当τ₁＝τ₂＝1时，公式(4)的左段(各条件不独立时的P(A|B,C))，就等于公式(2)的左端(各条件独立时的P(A|B,C))。这表明公式(2)中的P(A|B,C))是公式(3)中的P(A|B,C))的一个特例。这说明在影响比中的测井数据和地震数据的影响均为1时，条件不独立时的P(A|B,C)就会等于条件独立时的P(A|B,C)。

影响比是运行井震结合算法中须预先确定的一个参数。它既是算法中解决测井、地震数据相关的需要，也提供了对于测井、地震相关性先验认识的一个机会。作为一个比值，影响比是地震数据和测井数据对于模拟结果的影响两者的比值。影响比提供了一个选择，以表征地震数据的影响大还是测井数据的影响大。

图1为本发明提供的一种基于可变影响比的油气藏多点统计建模方法的流程图，由图1可知，该方法具体包括：

S101：采集当前三维油气藏区域对应的测井数据以及地震数据。

S102：在所述测井数据以及地震数据的空间位置的基础上设置三维矩形网格。

S103：按照所述测井数据以及地震数据取值的位置，将所述油气藏区域的测井数据以及地震数据赋值到相应网格的节点上，也即三维矩形网格线的交点。

S104：获取沉积微相空间变异函数的变程。在具体的实施方式中，可采用地质统计学(Geostatistics)的基本原理，计算沉积微相空间变异函数的变程R。作为变异函数的一个重要参数，变程R可以用于描述测井数据的影响范围。空间网格点和一口井的距离大于变程时，那么该网格点处沉积微相和该井的测井数据不相关，不受测井数据的影响。当这个距离小于变程时，那么该网格点处的沉积微相才受到该井测井数据的影响。

S105：根据所述的变程将所述的油气藏区域对应的网格分为第一部分区域、第二部分区域。图2为步骤S105的具体流程图，由图2可知，步骤S105具体包括：

S201：以所述油气藏区域的各口井位为中心。

S202：以所述变程为半径建立第一部分区域；

S203：所述油气藏区域中除去所述第一部分区域后剩下的区域即为第二部分区域。

步骤S105利用沉积微相空间变异函数的变程，把整个研究区域的网格节点分为两个部分。第一部分是以各口井位为中心，以变程R为半径的区域。第二部分则是整个研究区域中除去第一部分后剩下的区域。如图7所示的具体实施例中，把整个建模区域分为两部分，第一部分是若干个三维柱状区域的并集。其中，每一个柱状区域对应着以一口井轨迹(无论是直井，还是水平井)为中心，以一定的距离(变程)R为半径的一个三维柱状区域。对于直井而言，这些三维柱状的区域的二维截面可以利用图7中的菱形小格形成的圆形表示。第二部分则是整个建模的三维区域中，除去第一部分后，所剩下的三维区域，并且它们的二维截面就是在图7中除去那些圆形后，余下的白色区域。

研究区域中的东西向的网格线和南北向的网格线的交点就是各个网格节点。这些网格节点就是需要在其上进行模拟的空间位置。其中，菱形小格表示的圆形部分的就是第一部分区域，中心圆圈则表示井的位置，而剩下的部分就是第二部分区域。这个圆的半径即为沉积微相的变异函数的变程。在图中出现的由两个菱形小格形成的圆形，代表在该区域存在着用中心圆圈色表示的两口井各自对应的领域。

由图1可知，该方法还包括：

S106：确定所述油气藏区域中的网格节点的可变影响比。图3为步骤S106的具体流程图，由图3可知，步骤S106具体包括：

S301：判断所述的网格节点是否落在所述的第一部分区域；

S302：当判断为是时，可变影响比以测井数据为主导；

S303：否则，可变影响比以地震数据为主导。

也即，井震结合的建模过程中，被模拟的点落在第二部分区域时，因为和井点的距离超过了变程，所以和各个井点都不相关，于是主要采用地震数据进行模拟。当被模拟的点落在第一部分区域时，因为和井点的距离在变程的范围以内，所以和这些井点有一定的相关性，主要采用测井数据进行模拟。

对于模拟的第一部分区域，测井数据占主要的影响，地震数据的影响很小，影响比以为测井数据为主导。对于区域的第二部分区域，由于测井的影响比较小，地震数据的影响比较大，因此，影响比以地震数据为主导。

对空间中的网格节点赋予可变影响比时，在第一部分区域(利用菱形所标识)内部的网格节点，L₀表示测井数据的影响，赋予较大值的一个整数(例如5)，而S₀表示地震数据的影响，则赋予较小值的一个整数(例如1)，其中，L₀为测井数据的影响，较大，S₀为地震数据的影响，较小。在第二部分区域中的网格节点，对测井数据的影响L₁，赋予较小值的一个整数(例如1)，而对地震数据的影响S₁，则赋予较大值的一个整数(例如5)。其中，L₁为测井数据的影响，较小，S₁为地震数据的影响，较大。

这样，影响比就能随着各被模拟的空间节点的位置不同而进行改变，弥补了儒耳奈尔算法的一个不足。在具体的实施方式中，可通过图12所示的具体实施例中基于可变影响比的油气藏多点统计建模的流程图进行。在图12所示的具体实施方式中，该步骤具体包括：

S401：预处理训练图像，建立搜索，并开始对于各个被模拟点进行多点统计建模。此处的训练图象是多点统计建模方法的概念，表示对模拟结果有参照作用的图像，如对某辫状河道模拟，则选择相似的其它辫状河道图像作为训练图像，使模拟结果与训练图像间具有某种相似性。对空间中的网格节点赋予可变影响比时，在第一部分区域(利用菱形所标识)内部的网格节点，L₀表示测井数据的影响，赋予较大值的一个整数(例如5)，而S₀表示地震数据的影响，则赋予较小值的一个整数(例如1)，其中，L₀为测井数据的影响，较大，S₀为地震数据的影响，较小。在第二部分区域中的网格节点，对测井数据的影响L₁，赋予较小值的一个整数(例如1)，而对地震数据的影响S₁，则赋予较大值的一个整数(例如5)。其中，L₁为测井数据的影响，较小，S₁为地震数据的影响，较大。

S402：分配作为测井数据的沉积微相数据(硬数据)到最近的网格节点；

S403：根据各井的位置，把一个大小与模拟网格等同的三维网格系统G0，分成两个部分分别赋值：对菱形所标识的圆形区域内的网格节点，赋值为V＝0，对于白色区域内的网格节点，则赋值为V＝1。

S404：定义一个随机生成的访问路径,使模拟三维网格所包含的每一个点都能被访问，从而被模拟；

S405：判断网格节点是否已模拟，当判断为是时，执行步骤S407，否则，执行S406；

S406：以当前网格节点为中心,在设定的作为搜索模板的椭球邻域内查找条件数据，然后执行S409；

S407：根据生成的随机访问路径,指向下一个网格节点，执行S408；

S408：判断全部模拟是否已结束，当判断为是时，结束，否则返回执行S405；

S409：判断是否找到条件数据，当判断为是时，执行S412，否则执行S410；

S410：从边缘概率中抽样获取模拟值，然后执行S411；

S411：将模拟值加入到条件数据中，然后执行S407；

S412：在搜索树中查找从以该节点为中心,以邻域存在的数据为条件的数据事件，在训练图像中的重复次数C，然后执行S413；

S413：重复次数C是否大于最小重复次数，当判断为是时，执行S415，否则执行S414；

S414：根据三维网格G0查找该网格节点在G0中的值V，然后执行S416；

S415：去掉离中心位置最远的一个条件数据,形成新的以邻域存在的数据为条件的数据事件，然后执行S412；

S416：判断V是否等于0，当判断为是时，执行S418，否则执行S417；

S417：影响比采用L1：S1，然后执行S419；

S418：影响比采用L0：S0，然后执行S419；

S419：根据软硬数据公式计算概率，从局部条件概率分布中抽样获得模拟值A，然后执行S411。

此处图12的具体实施方式仅为举例。

由图1可知，该方法还包括：

S107：根据所述的可变影响比进行空间建模，得到所述油气藏区域对应的多点统计建模结果。该步骤可通过如下公式进行：

$P\left(A\right|B,C)=\frac{1}{1+x}\∈\[0,1\]---\left(3\right)$

$\frac{x}{a}={\left(\frac{b}{a}\right)}^{{\mathrm{\τ}}_1}{\left(\frac{c}{a}\right)}^{{\mathrm{\τ}}_2}---\left(4\right)$

其中，利用(4)式可以求取x，再利用它代入(3)式的右端，即可求得井震结合为条件的多点统计建模结果的概率分布P(A|B,C)。为此，a是关于A的先验不确定性的一个度量，b为数据事件B的观测后距事件A的距离，c为数据事件C的观测后，距A事件的距离，P(A)为沉积微相分布的先验概率，P(A|B)为测井数据B作为条件的沉积微相的概率分布，P(A|C)为地震数据为条件的沉积微相的概率分布，τ₁为测井数据的可变影响比，τ₂为地震数据的可变影响比，x为计算过程中的一个参数。公式(4)中的τ₁,τ₂，对于第一部分区域的网格，τ₁,τ₂分别取为L₀和S₀，对于第二部分区域的网格，τ₁,τ₂分别取为L₁和S₁。这样进行全部空间的建模后，就可以得到所述油气藏区域对应的多点统计建模结果。

S108：根据所述的多点统计建模结果确定油气储层。

如上所述，本发明提供一种基于可变影响比算法的油气藏多点统计建模方法，利用该方法，空间内部的各网格节点处的影响比，能够随着各被模拟节点相对井的位置的不同而进行改变。

图4为本发明提供的一种基于可变影响比的油气藏多点统计建模设备的结构框图，由图4可知，该设备具体包括：

数据采集装置100，用于采集当前三维油气藏区域对应的测井数据以及地震数据。

网格设置装置200，用于在所述测井数据以及地震数据的空间位置的基础上设置三维矩形网格。

赋值装置300，用于按照所述测井数据以及地震数据取值的位置，将所述油气藏区域的测井数据以及地震数据赋值到相应网格的节点上。

变程获取装置400，用于获取沉积微相空间变异函数的变程。在具体的实施方式中，可采用地质统计学(Geostatistics)的基本原理，计算沉积微相空间变异函数的变程R。作为变异函数的一个重要参数，变程R可以用于描述测井数据的影响范围。空间网格点和一口井的距离大于变程时，那么该网格点处沉积微相和该井的测井数据不相关，不受测井数据的影响。当这个距离小于变程时，那么该网格点处的沉积微相才受到该井测井数据的影响。

分部装置500，用于根据所述的变程将所述的油气藏区域对应的网格分为第一部分区域、第二部分区域。图5为分部装置500的具体结构框图，由图5可知，分部装置500具体包括：

中心设定单元501，用于以所述油气藏区域的各口井位为中心。

第一部分建立单元502，用于以所述变程为半径建立第一部分区域；

第二部分建立单元503，用于所述油气藏区域中除去所述第一部分区域后剩下的区域即为第二部分区域。

分部装置500利用沉积微相空间变异函数的变程，把整个研究区域的网格节点分为两个部分。第一部分是以各口井位为中心，以变程R为半径的区域。第二部分则是整个研究区域中除去第一部分后剩下的区域。如图7所示的具体实施例中，把整个建模区域分为两部分，第一部分是若干个三维柱状区域的并集。其中，每一个柱状区域对应着以一口井轨迹(无论是直井，还是水平井)为中心，以一定的距离(变程)R为半径的一个三维柱状区域。对于直井而言，这些三维柱状的区域的二维截面可以利用图7中的菱形小格形成的圆形表示。第二部分则是整个建模的三维区域中，除去第一部分后，所剩下的三维区域，并且它们的二维截面就是在图7中除去那些圆形后，余下的白色区域。

研究区域中的东西向的网格线和南北向的网格线的交点就是各个网格节点。这些网格节点就是需要在其上进行模拟的空间位置。其中，菱形小格表示的圆形部分的就是第一部分区域，中心圆圈则表示井的位置，而剩下的部分就是第二部分区域。这个圆的半径即为沉积微相的变异函数的变程。在图中出现的由两个菱形小格形成的圆形，代表在该区域存在着用中心圆圈色表示的两口井各自对应的领域。

由图4可知，该设备还包括：

可变影响比确定装置600，用于确定所述油气藏区域中的网格节点的可变影响比。图6为可变影响比确定装置的具体结构框图，由图6可知，可变影响比确定装置具体包括：

判断单元601，用于判断所述的网格节点是否落在所述的第一部分区域；

第一可变影响比确定单元602，用于当所述判断单元判断为是时，可变影响比以测井数据为主导；

第二可变影响比确定单元603，用于当所述判断单元判断为否时，可变影响比以地震数据为主导。

也即，井震结合的建模过程中，被模拟的点落在第二部分区域时，因为和井点的距离超过了变程，所以和各个井点都不相关，于是主要采用地震数据进行模拟。当被模拟的点落在第一部分区域时，因为和井点的距离在变程的范围以内，所以和这些井点有一定的相关性，主要采用测井数据进行模拟。

对于模拟的第一部分区域，测井数据占主要的影响，地震数据的影响很小，影响比以为测井数据为主导。对于区域的第二部分区域，由于测井的影响比较小，地震数据的影响比较大，因此，影响比以地震数据为主导。

对空间中的网格节点赋予可变影响比时，在第一部分区域(利用菱形所标识)内部的网格节点，L₀表示测井数据的影响，赋予较大值的一个整数(例如5)，而S₀表示地震数据的影响，则赋予较小值的一个整数(例如1)，其中，L₀为测井数据的影响，较大，S₀为地震数据的影响，较小。在第二部分区域中的网格节点，对测井数据的影响L₁，赋予较小值的一个整数(例如1)，而对地震数据的影响S₁，则赋予较大值的一个整数(例如5)。其中，L₁为测井数据的影响，较小，S₁为地震数据的影响，较大。

这样，影响比就能随着各被模拟的空间节点的位置不同而进行改变，弥补了儒耳奈尔算法的不足。在具体的实施方式中，可通过图12所示的具体实施例中基于可变影响比的油气藏多点统计建模的流程图进行。在图12所示的具体实施方式中，该步骤具体包括：

S401：预处理训练图像，建立搜索，并开始对于各个被模拟点进行多点统计建模。此处的训练图象是多点统计建模方法的概念，表示对模拟结果有参照作用的图像，如对某辫状河道模拟，则选择相似的其它辫状河道图像作为训练图像，使模拟结果与训练图像间具有某种相似性。对空间中的网格节点赋予可变影响比时，在第一部分区域(利用菱形所标识)内部的网格节点，L₀表示测井数据的影响，赋予较大值的一个整数(例如5)，而S₀表示地震数据的影响，则赋予较小值的一个整数(例如1)，其中，L₀为测井数据的影响，较大，S₀为地震数据的影响，较小。在第二部分区域中的网格节点，对测井数据的影响L₁，赋予较小值的一个整数(例如1)，而对地震数据的影响S₁，则赋予较大值的一个整数(例如5)。其中，L₁为测井数据的影响，较小，S₁为地震数据的影响，较大。

S402：分配作为测井数据的沉积微相数据(硬数据)到最近的网格节点；

S403：根据各井的位置，把一个大小与模拟网格等同的三维网格系统G0，分成两个部分分别赋值：对菱形所标识的圆形区域内的网格节点，赋值为V＝0，对于白色区域内的网格节点，则赋值为V＝1。

S404：定义一个随机生成的访问路径,使模拟三维网格所包含的每一个点都能被访问，从而被模拟；

S405：判断网格节点是否已模拟，当判断为是时，执行步骤S407，否则，执行S406；

S406：以当前网格节点为中心,在设定的作为搜索模板的椭球邻域内查找条件数据，然后执行S409；

S407：根据生成的随机访问路径,指向下一个网格节点，执行S408；

S408：判断全部模拟是否已结束，当判断为是时，结束，否则返回执行S405；

S409：判断是否找到条件数据，当判断为是时，执行S412，否则执行S410；

S410：从边缘概率中抽样获取模拟值，然后执行S411；

S411：将模拟值加入到条件数据中，然后执行S407；

S412：在搜索树中查找从以该节点为中心,以邻域存在的数据为条件的数据事件，在训练图像中的重复次数C，然后执行S413；

S413：重复次数C是否大于最小重复次数，当判断为是时，执行S415，否则执行S414；

S414：根据三维网格G0查找该网格节点在G0中的值V，然后执行S416；

S415：去掉离中心位置最远的一个条件数据,形成新的以邻域存在的数据为条件的数据事件，然后执行S412；

S416：判断V是否等于0，当判断为是时，执行S418，否则执行S417；

S417：影响比采用L1：S1，然后执行S419；

S418：影响比采用L0：S0，然后执行S419；

S419：根据软硬数据公式计算概率，从局部条件概率分布中抽样获得模拟值A，然后执行S411。

此处图12的具体实施方式仅为举例。

由图4可知，该设备还包括：

建模装置700，用于根据所述的可变影响比进行空间建模，得到所述油气藏区域对应的多点统计建模结果。该步骤可通过如下公式进行：

$P\left(A\right|B,C)=\frac{1}{1+x}\∈\[0,1\]---\left(3\right)$

$\frac{x}{a}={\left(\frac{b}{a}\right)}^{{\mathrm{\τ}}_1}{\left(\frac{c}{a}\right)}^{{\mathrm{\τ}}_2}---\left(4\right)$

其中，利用(4)式可以求取x，再利用它代入(3)式的右端，即可求得井震结合为条件的多点统计建模结果的概率分布P(A|B,C)。为此，a是关于A的先验不确定性的一个度量，b为数据事件B的观测后距事件A的距离，c为数据事件C的观测后，距A事件的距离，P(A)为沉积微相分布的先验概率，P(A|B)为测井数据B作为条件的沉积微相的概率分布，P(A|C)为地震数据为条件的沉积微相的概率分布，τ₁为测井数据的可变影响比，τ₂为地震数据的可变影响比，x为计算过程中的一个参数。公式(4)中的τ₁,τ₂，对于第一部分区域的网格，τ₁,τ₂分别取为L₀和S₀，对于第二部分区域的网格，τ₁,τ₂分别取为L₁和S₁。这样进行全部空间的建模后，就可以得到所述油气藏区域对应的多点统计建模结果。

油气储层确定装置800，用于根据所述的多点统计建模结果确定油气储层。

如上所述，本发明提供一种基于可变影响比算法的油气藏多点统计建模设备，利用该方法，空间内部的各网格节点处的影响比，能够随着各被模拟节点相对井的位置的不同而进行改变。

下面结合具体的实施例，详细介绍本发明的技术方案。

如下图8至图11所示，在一个辫状河沉积的油田的剖面图中，分别利用黑色、灰色(内部带小点)、和白色表示心滩、河道、河道间沉积三种微相。图8为根据本发明的建模方法得到的辫状河沉积油田对应的多点统计建模结果示意图，在井间采用影响比为1:5，井位附近的影响比为5:1。图9为根据Snesim算法影响比为1:5得到的辫状河沉积油田对应的多点统计建模结果示意图，图10为根据Snesim算法影响比为5:1得到的辫状河沉积油田对应的多点统计建模结果示意图，图11为沉积微相的地震标定波阻抗图。

图8、图9、图11中，左侧的CN-52和CN-53井间显示出明显的心滩存在(黑色)，然而在图10中相应地方则显示为河道(灰色)。可以进行如下的分析，图8的这个显示和图9的显示相同，这是这部分相应的地震数据的影响比都为5的缘故。图11的这个局部也多为心滩，进一步说明了图8和图9的显示都是正确的。相反，图10中的这个部分显示出多为灰色，和图11的显示有较大的出入，其原因在于这个局部上地震数据的影响仅为1。因此，本发明的可变影响比可以保证在井间的模拟结果上突出地震数据的影响。

在CN-53井处的顶部测井数据显示为泥岩，下部则为心滩和河道。在图8，和图10中，该层顶部的CN-53井的两侧显示的也为泥岩。这是因为利用可变影响比算法获得的图8，突出了该井的测井数据的作用。这个现象和利用Snesim算法的影响比为5:1做出的图10，具有一定的相似性。总起来说，图8，和图10这两张图都是在突出测井数据下获得的。相反，分析图9显示的该层顶部该井两侧的建模结果，仅有一侧是泥岩，另一侧是心滩和砂岩。这是由于儒耳奈尔算法，限制了测井数据的作用。这说明了在井的附近必须突出测井数据，所以可变影响比算法在处理测井数据方面的必要性就显得十分明显了。因此，本发明的可变影响比可以保证在井附近(变程R的范围内)的模拟结果和该井的微相分布比较接近，突出了测井数据的影响。

本发明的可变影响比根据测井数据和地震数据测量的特点，把整个研究区域划分为两个区域，分别赋予不同的影响比，对于充分发挥测井数据和地震数据各自的作用，完成井震结合的多点统计建模具有良好的调节作用。

综上所述，本发明的有益成果是：提供了一种基于可变影响比的油气藏多点统计建模方法及设备，针对现有技术中井震结合的假定“在认知B前或后，数据事件C对未知事件A的渐增的作用是一样的”影响比算法的这一主要缺点提出，提供了一种基于可变影响比算法的井震结合的油气藏多点统计建模方法，根据测井数据和地震数据测量的特点，把整个研究区域划分为两个区域，分别赋予不同的影响比。这样，对于充分发挥测井数据和地震数据各自的作用，完成井震结合的多点统计建模具有良好的调节作用，实现了空间内部的各网格节点处的影响比能够随着各被模拟节点相对井的位置的不同而进行改变，从而，提高了井震结合建模的效果，为油气藏进一步的开发提供了技术支撑。

本发明提供的一种基于可变影响比的油气藏多点统计建模方法及设备能够克服儒耳奈尔影响比算法的两种极端情况造成建模结果的畸变。

第一种极端是，利用儒耳奈尔影响比算法，突出地震数据的影响，如L:S＝1:5时，就会造成地震数据的影响明显大于测井数据的影响。在测井数据和地震数据的不匹配时，在井位附近(包括井位处)的建模结果就呈现地震数据结果，从而引起矛盾。

第二种极端是，突出测井数据的影响。如L:S＝5:1时，在井间和远离各井的位置处进行模拟时，就会呈现出测井数据的明显影响，而受到地震数据的影响则很小。这样，就不适当地排除了地震数据的影响，丧失了井震结合的根本作用。

应用可变影响比算法，当空间网格点和井的距离大于沉积微相空间变异函数的变程R时，突出地震数据的影响，反之则突出测井数据的影响。这样就克服了儒耳奈尔影响比算法的两种极端情况造成建模结果的畸变，改进了建模效果。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一般计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

本领域技术人员还可以了解到本发明实施例列出的各种功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (2)

1.一种基于可变影响比的油气藏多点统计建模方法，其特征是，所述的方法具体包括：

采集三维当前油气藏区域对应的测井数据以及地震数据；

在所述测井数据以及地震数据的空间位置的基础上设置三维矩形网格；

按照所述测井数据以及地震数据取值的位置，将所述油气藏区域的测井数据以及地震数据赋值到相应网格的节点上；

获取沉积微相空间变异函数的变程；

根据所述的变程将所述的油气藏区域对应的网格分为第一部分区域、第二部分区域；

确定所述油气藏区域中的网格节点的可变影响比，影响比是运行井震结合算法中须预先确定的一个参数，作为一个比值，影响比是地震数据和测井数据对于模拟结果的影响两者的比值，影响比提供了一个选择，以表征地震数据的影响大还是测井数据的影响大；

根据所述的可变影响比进行空间建模，得到所述油气藏区域对应的多点统计建模结果；

根据所述的多点统计建模结果确定油气储层；

其中，根据所述的变程将所述的油气藏区域对应的网格分为第一部分区域、第二部分区域包括：以所述油气藏区域的各口井位为中心；以所述变程为半径建立第一部分区域；所述油气藏区域中除去所述第一部分区域后剩下的区域即为第二部分区域；

确定所述油气藏区域中的网格节点的可变影响比包括：判断所述的网格节点是否落在所述的第一部分区域；当判断为是时，可变影响比以测井数据为主导；否则，可变影响比以地震数据为主导；

根据所述的可变影响比进行空间建模通过如下公式进行：

$P\left(A\right|B,C)=\frac{1}{1+x}\∈\[0,1\]$

$\frac{x}{a}={\left(\frac{b}{a}\right)}^{{\mathrm{\τ}}_1}{\left(\frac{c}{a}\right)}^{{\mathrm{\τ}}_2}$

其中，P(A|B,C)是所述测井数据和地震数据为条件的多点统计建模结果的概率分布，比率a为关于A的先验不确定性的度量，定义为比率b为数据事件B观测后距事件A的距离，定义为比率c为数据事件C观测后距A事件的距离，定义为P(A)为三维空间中各点沉积微相分布的先验概率，P(A|B)为测井数据B作为条件的三维空间中各点沉积微相的概率分布，P(A|C)为地震数据为条件的三维空间中各点沉积微相的概率分布，τ₁为测井数据的可变影响比，τ₂为地震数据的可变影响比。

2.一种基于可变影响比的油气藏多点统计建模设备，其特征是，所述的设备具体包括：

数据采集装置，用于采集当前三维油气藏区域对应的测井数据以及地震数据；

网格设置装置，用于在所述测井数据以及地震数据的空间位置的基础上设置三维矩形网格；

赋值装置，用于按照所述测井数据以及地震数据取值的位置，将所述油气藏区域的测井数据以及地震数据赋值到相应网格的节点上；

变程获取装置，用于获取沉积微相空间变异函数的变程；

分部装置，用于根据所述的变程将所述的油气藏区域对应的网格分为第一部分区域、第二部分区域；

可变影响比确定装置，用于确定所述油气藏区域中的网格节点的可变影响比，影响比是运行井震结合算法中须预先确定的一个参数，作为一个比值，影响比是地震数据和测井数据对于模拟结果的影响两者的比值，影响比提供了一个选择，以表征地震数据的影响大还是测井数据的影响大；

建模装置，用于根据所述的可变影响比进行空间建模，得到所述油气藏区域对应的多点统计建模结果；

油气储层确定装置，用于根据所述的多点统计建模结果确定油气储层；

其中，所述的分部装置具体包括：中心设定单元，用于以所述油气藏区域的各口井位为中心；第一部分建立单元，用于以所述变程为半径建立第一部分区域；第二部分建立单元，用于所述油气藏区域中除去所述第一部分区域后剩下的区域即为第二部分区域；

所述的可变影响比确定装置具体包括：判断单元，用于判断所述的网格节点是否落在所述的第一部分区域；第一可变影响比确定单元，用于当所述判断单元判断为是时，可变影响比以测井数据为主导；第二可变影响比确定单元，用于当所述判断单元判断为否时，可变影响比以地震数据为主导；

所述的建模装置通过如下公式进行：

$P\left(A\right|B,C)=\frac{1}{1+x}\∈\[0,1\]$

$\frac{x}{a}={\left(\frac{b}{a}\right)}^{{\mathrm{\τ}}_1}{\left(\frac{c}{a}\right)}^{{\mathrm{\τ}}_2}$

其中，P(A|B,C)是所述测井数据和地震数据为条件的多点统计建模结果的概率分布，比率a为关于A的先验不确定性的度量，定义为比率b为数据事件B观测后距事件A的距离，定义为比率c为数据事件C观测后距A事件的距离，定义为P(A)为三维空间中各点沉积微相分布的先验概率，P(A|B)为测井数据B作为条件的三维空间中各点沉积微相的概率分布，P(A|C)为地震数据为条件的三维空间中各点沉积微相的概率分布，τ₁为测井数据的可变影响比，τ₂为地震数据的可变影响比。