CN104620135A - 用于编辑多点相模拟的方法 - Google Patents
用于编辑多点相模拟的方法 Download PDFInfo
- Publication number
- CN104620135A CN104620135A CN201380047433.6A CN201380047433A CN104620135A CN 104620135 A CN104620135 A CN 104620135A CN 201380047433 A CN201380047433 A CN 201380047433A CN 104620135 A CN104620135 A CN 104620135A
- Authority
- CN
- China
- Prior art keywords
- unit
- phase
- mps
- shape template
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 169
- 208000035126 Facies Diseases 0.000 title claims abstract description 26
- 238000004088 simulation Methods 0.000 title claims description 17
- 238000012549 training Methods 0.000 claims abstract description 88
- 230000008021 deposition Effects 0.000 claims description 36
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 12
- 239000004927 clay Substances 0.000 description 4
- 238000005553 drilling Methods 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- -1 shale Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/665—Subsurface modeling using geostatistical modeling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/665—Subsurface modeling using geostatistical modeling
- G01V2210/6652—Kriging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
用于组合多点统计和基于对象的方法的计算机系统以及混合方法,包括:使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中多点统计是从使用训练图像生成参数创建的训练图像得出的;使用参数生成每个相类型的一个或多个对象-形状模板以及沉积坐标;在MPS模型中定位模板,使得模板最大程度地关联到MPS模型;给定位的模板中的每个指定唯一事件;确定哪些单元可用于编辑;以及如果可用于编辑的单元在其最优相关位置被位于MPS模型中的相模板包含,则把所述单元指定给相。
Description
技术领域
本发明一般涉及计算方法并且更具体而言涉及组合用于创建储层属性模型的多点统计和基于对象的方法以及用于编辑多点相模拟(MPS)的方法的计算机系统和计算机实施的方法。
背景技术
在石油行业中油田的特征化过程中,使用地质统计的三维(3D)建模常常被用来评估储层的异质性和连通性。地质统计常常使用克里金方法(kriging)在数据点或调节数据之间插值。调节数据包括测井硬数据,但是还可以包括软数据,通常是地震数据。
传统的3D建模方法是基于变量图或两点统计。基于变量图的算法允许使用基于像素的方法积分钻井和地震数据。首先,钻井数据被分块到储层地层网格,即,钻井数据值被指定给钻井穿过并采样的单元。然后,使用某种形式的kriging,储层地层网格中所有未被采样的单元都被有条件地模拟为钻井和地震数据。但是,使用常规基于变量图的方法建立的模型很多时候与地质解释不一致。基于变量图的地质统计对于集成地质概念是不充分的:两点统计变量图不允许建模复杂的地质异质性。因此,基于变量图的方法通常生成提供差储层性能预测的模型。
在过去的10年,传统的基于变量图的方法已经被多点统计(MPS)方法代替。MPS方法使用地下地质的3D数值概念模型,也称为训练图像,代替传统的变量图。
MPS模拟是储层相建模技术,所述技术使用概念性地质模型作为3D训练图像(或训练立方体)来生成地质现实储层模型。基于测井解释和储层架构建模中的一般经验,训练图像提供对地下地质体的概念性描述。MPS模拟从训练图像提取多点模式并且将所述模式锚定到储层钻井数据。3D数据模板由用户提供,以定义要从所述训练图像再现的多点模式的维度。具体而言,3D数据模板的尺寸对应于在MPS模拟过程期间用来从所述训练图像推断统计量的调节数据的最大数目。
另一种相建模技术是基于对象的建模(也称为布尔建模)技术。基于对象的建模是在地球模型中使用并分布可量化的3D相几何结构或形状的方法。在基于对象的建模方法中,多种预定义的3D地质形状,诸如多边形形状、圆柱形状或更复杂的形状,用来在地球模型中建模相的分布。
多点统计(MPS)和基于对象的建模都促进了在基于地质统计相的属性建模以便为储层模拟建立地质细胞模型的当前技术发展水平。MPS具有可以更容易匹配调节相数据与钻井数据的好处。基于对象的建模具有“沉积”属性趋势(诸如沉积矿床(sedimentarydeposit))可以以类似真正沉积矿床的方式沿着对象的边界放在对象中的好处。
但是,还没有常规方法在创建基于相的储层模型中实现期望的结果,所述模型可以匹配调节相数据与钻井数据并且提供将沉积趋势放在对象的边界中以模拟真正沉积矿床的能力。此外,还没有常规方法能够再现训练图像中存在的大规模的相连续性。因此,存在对解决常规MPS和基于对象的方法的以上及其它缺陷的方法的需求。
发明内容
本发明的一方面是提供一种用于组合多点统计和基于对象的方法的计算机实施的混合方法。所述混合方法包括:利用计算机系统,使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中多点统计是从使用训练图像生成参数创建的训练图像得出的;以及利用计算机系统,使用训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标。所述混合方法还包括:利用计算机系统,在MPS模型中定位一个或多个所生成的对象-形状模板,以便所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;以及利用计算机系统,给一个或多个定位的对象-形状模板中的每个指定唯一事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元。所述混合方法还包括:利用计算机系统,使用对象中与给定事件编号相关联的单元的相对位置向MPS模型中与所述事件编号关联的每个单元提供沉积或结构坐标;以及利用计算机系统,使用所述沉积或结构坐标给属性建模,以捕捉每个对象-形状模板中的地质趋势。
本发明的另一方面是提供一种用于实施用于组合多点统计和基于对象的方法的混合方法的计算机系统。所述计算机系统包括:配置为存储输入数据的计算机可读存储器,其中所述输入数据包括调节数据、约束和训练图像生成参数。所述计算机系统还包括处理器,所述处理器配置为读取包括所述调节数据、约束和训练图像生成参数的输入数据,以便:(a)使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中多点统计是从使用训练图像生成参数创建的训练图像得出的;(b)使用训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标;(c)在MPS模型中定位一个或多个所生成的对象-形状模板,使得所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;(d)给一个或多个定位的对象-形状模板中的每个指定唯一事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元;(e)使用对象中与给定事件编号相关联的单元的相对位置向MPS模型中与所述事件编号关联的每个单元提供沉积或结构坐标;以及(f)使用所述沉积或结构坐标给属性建模,以捕捉每个对象-形状模板中的地质趋势。
本发明的另一方面是提供一种用于组合多点统计和基于对象的方法的计算机实施的混合方法。所述混合方法包括:利用计算机系统,使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中多点统计是从使用训练图像生成参数创建的训练图像得出的;以及利用计算机系统,使用训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标。所述方法还包括:利用计算机系统,在MPS模型中定位一个或多个所生成的对象-形状模板,使得所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;以及利用计算机系统,给一个或多个定位的对象-形状模板中的每个指定唯一事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元。所述方法还包括:利用计算机系统,确定哪些单元要留着不被编辑以及哪些单元可用于编辑;以及利用计算机系统,如果可用于编辑的单元在其最优相关位置被位于MPS模型中的相对象-形状模板包含,则把所述可用于编辑的单元指定给相。
本发明的另一方面是提供一种用于实施用于组合多点统计和基于对象的混合方法的计算机系统。所述计算机系统包括:配置为存储输入数据的计算机可读存储器,其中所述输入数据包括调节数据、约束和训练图像生成参数。所述计算机系统还包括处理器,所述处理器配置为读取包括调节数据、约束和训练图像生成参数的输入数据,以便:(a)使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中多点统计是从使用训练图像生成参数创建的训练图像得出的;(b)使用训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标;(c)在MPS模型中定位一个或多个所生成的对象-形状模板,使得所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;(d)给一个或多个定位的对象-形状模板中的每个指定唯一事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元;(e)确定哪些单元要留着不被编辑以及哪些单元可用于编辑;以及(f)如果可用于编辑的单元在其最优相关位置被位于MPS模型中的相对象-形状模板包含,则把所述可用于编辑的单元指定给相。
虽然在以上段落中根据本发明一种实施例所述方法的各个步骤被描述为按某个次序发生,但是本申请不受各个步骤发生的次序的限定。实际上,在备选实施例中,各个步骤可以以与以上或者本文其它所述次序不同的次序执行。
当参考附图考虑以下描述和所附权利要求时,本发明的这些和其它目标、特征和特点,以及操作方法和相关结构元件的功能及部件的组合和制造的经济性,都将变得更加清晰,其中附图、以下描述和权利要求都构成本说明书的一部分,其中在各个图中相同的标号都指示对应的部分。但是,应当明确地理解,附图仅仅是为了说明和描述的目的而不是要作为本发明限制的定义。如在说明书和权利要求中所使用的,除非上下文清楚地另外指出,否则单数形式“一”、“一个”和“所述”也包括复数的所指对象。
附图说明
在附图中:
图1是根据本发明实施例为了创建适合储层流模拟的储层属性模型而组合多点统计和基于对象的方法的混合方法的流程图;
图2是根据本发明实施例示出用于卷积对象-形状模板与MPS模型的卷积过程的流程图;
图3是根据本发明实施例的形状识别过程的流程图;
图4绘出了MPS模型中的训练图像;
图5绘出了在不使用本文所述混合方法的情况下图4中所示MPS模型中的属性模型;
图6绘出了在MPS模型中使用训练图像生成参数创建的训练图像的切片;
图7绘出了在应用本文所述的混合方法之后图6中所示训练图像的切片中的属性趋势模型;
图8是根据本发明实施例用于编辑MPS模型的方法的流程图;
图9是根据本发明实施例用于编辑MPS模型的方法的流程图;
图10绘出了包含连接的直通道的3D训练图像的2D切片;
图11绘出了基于3D训练图像的2D切片的2D常规MPS模拟;
图12绘出了输入MPS模型的2D切片,所述输入MPS模型的2D切片包括断开的通道;
图13绘出了使用本文所述的编辑方法获得的编辑后MPS模型的2D切片;以及
图14是根据本发明实施例代表用于实现本文所述方法的计算机系统的示意图。
具体实施方式
图1是根据本发明实施例为了创建适合储层流模拟的储层属性模型而组合多点统计和基于对象的方法的混合方法的流程图。所述方法包括在S10创建多点统计(MPS)模型。MPS模型可以使用满足调节数据和约束的任何MPS方法创建,其中多点统计是从使用训练图像生成参数创建的训练图像得出的。训练图像生成参数包括对象形状、朝向、位置、尺寸等。形状的例子包括三角形、正方形、矩形、半圆形、带状或者更复杂的形状。
在一种实施例中,MPS方法可以包括在期望的地质区域中建立网格并且解释在所述网格(MPS网格)中具体单元的相。所述方法还包括建立或生成MPS训练图像(即,3D训练图像或训练立方体)。MPS训练图像可以被建立作为不包含绝对或相对空间信息的相模式的集合,即,训练图像不以钻井数据为条件。例如,训练图像可以例如使用来自航空摄影、露出地面的岩层的照片、手绘草图等的信息生成。
在一种实施例中,一种被用来建立MPS训练图像的方法包括生成无条件的基于对象的模型。首先,每个相的维度、形状和朝向被描述,然后各个相(砂、页岩、粘土,等等)之间的关联被指定。接下来,可以指定MPS训练图像中各个相的几何约束(诸如方位角、对象尺寸,等等)和比例约束(即,相比例图或相比例曲线)。
MPS建模方法还包括执行MPS模拟,以获得示出相模型的模拟图像。给定最接近单元的调节数据,MPS模拟在储层地质网格的每个单元推断局部相概率(即,每个相在所述单元位置存在的概率),然后使用蒙特卡洛法(Monte-Carlo method)从这些概率得出相值。局部相概率是通过在MPS训练图像中查找匹配调节数据的所有模式来推断的。因此,MPS模拟包括把相指定给储层地质网格的每个单元中的每个像素。
局部相概率的计算包括计数与调节数据相似的模式的数目,即,具有与调节数据相同的几何配置和相同的数据值的模式可在MPS训练图像中被找到的次数。在另一种实施例中,代替重复地扫描要模拟的每个单元的训练图像,所述训练图像中存在的所有模式都在模拟之前被存储在称为搜索树的动态数据结构表中。只有经MPS训练图像实际发生的模式才被存储在搜索树中。数据模板被定义成限制这些模式的几何范围。这种数据模板的尺寸对应于将被用来模拟每个未采样单元的调节数据的最大数目。所述搜索树存储在存储设备或存储器中。所述搜索树被组织成允许对任何特定的模式有相对快的检索,因此,给定任何特定的调节模式,允许对相概率的相对快的计算。示例MPS方法可以在由Sebastien B.Strebelle等人所写的、标题为“SYSTEM AND METHOD FOR OPTIMIZING THE NUMBER OFCONDITIONING DATA IN MULTIPLE POINT STATISTICSSIMULATION”的美国专利申请13/493,062中找到,所述申请的全部内容通过引用被结合于此。
所述方法还包括在S12使用训练图像生成参数生成每个相类型的一个或多个(例如,多样的)3D对象-形状和沉积或结构坐标(也被称为一个或多个对象-形状模板)。在地质意义上与相的沉积有关的术语“沉积坐标”在本文中仅用于说明目的而不旨在限制。如可以理解的,其它类型的坐标也可以采用,诸如更一般地与相的结构有关的结构坐标。训练图像生成参数包括对象形状、朝向、位置、尺寸等。类似于MPS模拟,形状的例子包括三角形、正方形、矩形、半圆形、带状或者更复杂的形状。因此,可以存在对象-形状的集合,所述集合可以包括具有不同尺寸和朝向的矩形、具有不同尺寸和朝向的三角形以及具有不同尺寸和朝向的带状,等等。每种对象形状(具有朝向和尺寸)可以表示为像素的数字立方体。应当指出,与生成基于对象的训练图像相关联的对象-形状模板可以和MPS模拟中与MPS训练图像相关联的对象-形状相同或不同。
如果训练图像使用多于一个对象生成,则只有与其它对象隔离的对象被用作对象-形状模板。只使用一个对象生成的训练图像可以增强创建对象-形状模板的效率。在一种实施例中,当把对象-形状模板应用到网格时,一般不使用与网格边界相交的对象-形状模板。但是,在有些情况下,可以使用与网格边界相交的对象-形状模板。例如,如果在与MPS模型的网格具有相同尺寸并且具有指定的训练图像参数的网格中生成的大多数对象与具体网格边界相交,则对象-形状模板与那个具体网格边界的相交不被拒绝。例如,南北朝向的长通道对象总是与训练图像和MPS网格的南北边界相交。由此,与这些边界的相交不被用作拒绝对象与边界相交的拒绝标准。
在一种实施例中,用于对象-形状模板生成的指定参数(即,对象的形状、对象的尺寸、对象的朝向、对象的位置,等等)可以与用于MPS相模拟的参数相同,但是也可以不同。
所述方法还包括在S14在MPS模型中定位所生成的对象-形状模板以及所生成的对象-形状模板的拷贝,以便所生成的对象-形状模板最大程度地关联到MPS模拟。这可以使用用于模式识别的任意算法实现。所述方法还包括在S16向每个这样定位的对象-形状模板指定唯一事件参考,诸如例如唯一事件编号,并且对象-形状模板中的单元也被指定所述相同的唯一事件编号。在以下段落中,术语“事件编号”被用于说明目的,而不限于仅“一个编号”的任何意图。实际上,如可以理解的,可以使用任何类型的“事件参考”,包括字母、标签、标志、标记、或者编号、或者其任意组合。所述方法还可以包括在S18把相同的事件编号指定给不具有事件编号的相邻或邻近单元。
在一种实施例中,定位可以包括卷积对象-形状模板与MPS模型,以便为每个对象-形状模板产生卷积得分体积。卷积得分可以由其标准差来归一化。卷积得分的局部最大值是在MPS模型中定位对象-形状的候选位置。
例如,第一对象-形状模板可以与MPS模型卷积,以产生第一卷积得分体积。所述第一卷积得分可以被归一化,以获得第一归一化的卷积得分并且可以确定第一归一化的卷积得分的局部最大值。类似地,第二对象-形状模板可以与所述相同的MPS模型卷积,以产生第二卷积得分体积。所述第二卷积得分可以被归一化,以获得第二归一化的卷积得分并且可以确定第二归一化的卷积得分的局部最大值。所述方法还包括将使用一个对象-形状模板(例如,第一对象-形状模板)与另一个对象-形状模板(例如,第二对象-形状模板)产生的归一化的卷积得分(例如,第一归一化的得分和第二归一化的得分)的局部最大值进行比较,以确定哪个对象-形状(例如,第一对象-形状或第二对象-形状)更好地拟合MPS模型。
在一种实施例中,对这个过程的近似使用二维(2D)卷积并且在随后的阶段添加第三个维度。图2是根据本发明实施例示出用于卷积对象-形状模板与MPS模型的卷积过程的流程图。在一种实施例中,卷积过程是使用2D对象-形状模板代替3D对象-形状模板来执行的。第三个维度在执行卷积之后添加。例如,通过使用2D对象-形状模板代替3D对象-形状模板,可以实现更快的卷积过程。在一种实施例中,为了获得2D对象-形状模板,在S30,3D对象-形状模板被投影到地图-视图切片上,以创建2D对象“阴影”。在S32,对象阴影与MPS模型的每个地图-切片卷积。卷积可以使用或不使用快速傅立叶变换(FFT)方法来执行。但是,当使用FFT方法时,卷积可以更快执行。
在2D空间中使用2D对象-形状模板执行卷积之后,在S34,卷积得分在所述体积中通过标准差被归一化。在S36,跨所有对象-形状模板(例如,第一对象-形状模板和第二对象-形状模板),为MPS模型中的每个相类型(例如,砂、页岩,等等)确定最大卷积得分(MaxScore)。例如,对于砂相类型,从在使用第一对象-形状模板时获得的卷积得分和在使用第二对象-形状模板时获得的卷积得分中确定最大卷积得分。类似地,对于页岩相类型,也从在使用第一对象-形状模板时获得的卷积得分和在使用第二对象-形状模板时获得的卷积得分中确定最大卷积得分。
接下来,通过使用2D或3D归一化卷积得分,所述方法识别MPS模型中最佳匹配每个相(例如,砂、页岩,等等)的对象形状。第一个匹配的对象被记录为事件编号一。第二个匹配的对象被记录为事件编号2,等等。
图3是根据本发明实施例的形状识别过程的流程图。在一种实施例中,形状识别过程对一系列渐减的得分阈值,T1,T2…Tn,运行。所述过程包括在S40把事件编号E初始化为1(即,E=1)。当MPS模型中的单元被指定事件编号时,它们被认为是“作标记的”。接下来,对每个阈值T1,T2…Tn,执行以下步骤:
i)在S42,对于MPS模型中给定相的所有还未使用对象事件编号标记的单元,确定哪个单元具有最大得分及其对应的对象形状模板。
ii)在S44,定位对象形状模板在这个单元的质心。
iii)在S46,如果使用2D而不是3D卷积得分,则:(a)计数落在所述模板内的给定相的未标记单元的数目,以及(b)上下移动所述对象形状模板的质心,以确定最大化之前步骤中的单元计数的位置。
iv)当其质心就像在步骤ii)和iii)中使用事件编号E定位时,标记对象形状模板中所有未标记的单元并递增事件编号,即,E=E+1。在S48,对象形状模板的沉积或结构坐标被拷贝到每个这样的单元。
v)在S50,迭代步骤i)至iv),直到不存在得分高于当前得分阈值Tn的未标记单元。
vi)在S52,通过递归过程,把标记的单元中的事件编号和沉积或结构坐标传播到邻近单元,所述邻近单元又向其邻居传播,等等。
在一种实施例中,除在向下方向中不进行传播之外,传播限于共享相的单元。这种形式的传播适于在沉积对象的基部保持对象形状。传播限于其归一化卷积得分高于给定传播阈值Pthresh的单元。在一种实施例中,阈值Pthresh通过以下等式(1)与得分阈值Tn相关。
Pthresh=Tn*Tn/MaxScore (1)
当所有未标记的邻近单元都或者具有不同的相或者具有低于Pthresh的卷积得分时,这种递归传播过程完成。可选地,最后一次迭代中的Pthresh可以设为0,以允许对指定了非背景相的所有MPS单元的标记。
所述方法还可以包括在S20迭代地执行对象模板的定位和事件编号的指定,其中一组最佳拟合的对象形状模板被定位并传播到附近的单元,之后是一组次好拟合的对象,等等。所述方法还包括在S22使用其在给定事件编号的对象中的相对位置向这个给定事件编号的每个模型单元提供沉积或结构坐标。
所述方法还包括在S24使用沉积或结构坐标给属性建模,以捕捉每个对象-形状模板中的地质趋势。在一种实施例中,这可以通过在过程中创建属性趋势来执行,所述过程从通过使用沉积或结构坐标来捕捉每个对象中的地质趋势的对象(布尔)建模中是众所周知的。在一种实施例中,坐标包括在横向方向离对象轴的距离、沿每个对象的长轴的距离或者离对象的基部的垂直距离、或者其任意组合。属性趋势可以或者概念性地或者凭经验指定给这三个坐标,诸如:a)从对象的轴朝其边缘增加粘土含量,b)从近端到远端部分增加粘土含量,或者c)从基部层到顶层增加粘土含量。
图4绘出了MPS模型中的训练图像。图5绘出了在不使用本文所述混合方法的情况下图4中所示MPS模型中的属性模型。即使当使用各向异性的变量图时,属性模型也不地质地遵循对象形状。
图6绘出了在MPS模型中使用训练图像生成参数创建的训练图像的切片。图7绘出了在应用本文所述的混合方法之后图6中所示训练图像的切片中的属性趋势模型。属性趋势模型是使用沉积或结构横向坐标指定的。如图7中所示,属性趋势以地质上合理的方式遵循对象形状和维度。
如可以从以上段落中理解的,混合方法提供了用于把MPS模型中的每个单元(除背景相单元之外)指定给仅在所述MPS模型中部分保存的具体对象形状模板的方法。在以下段落中,描述用于以这样一种方式编辑MPS模型的方法,以大大增加模型中对象形状模板的保存并且由此显著增加结果模型的相连续性。执行所述编辑方法的一个结果是定性和定量编辑后的MPS模型更类似于训练图像。
图8是根据本发明实施例用于编辑MPS模型的方法的流程图。在一种实施例中,用于编辑MPS模型的方法包括在S60为混合MPS-布尔模型提供感兴趣区域中每个单元的相。所述方法还可以包括在S62提供背景相数目、在感兴趣区域中每个单元的相概率、硬数据位置,并且可选地提供目标相比例、对象-形状模板、在感兴趣区域中每个单元的对象事件编号指定、在感兴趣区域中每个单元的沉积或结构坐标指定。
所述方法还包括输入参数。在一种实施例中,输入包括在S64给非背景相排序,以便在排序后的相O1、O2、On中,预期相On比相On-1具有更大的连续性。在一种实施例中,输入还包括在相的排序中留下最大相概率不被修改(MaxUnModified).
所述方法还包括,在S66,对于在次序O1、O2、…On中取得的每个相F:(a)编辑不在硬数据位置或调节数据位置(即,在硬数据位置之外)并且其中用于相F的相对相概率大于最大相概率MaxUnModified的所有模型单元。
所述方法还包括,在S68,(i)如果编辑后的单元在其最优相关位置被位于模型中的相对象形状模板包含,则把所述模型单元指定给相F;以及(ii)指定相对于在前一步骤(i)中找到的对象形状模板的质心的沉积或结构坐标。如果多于一个对象形状模板包含所述单元,则可以使用具有与未编辑的MPS模型相关性最高的对象形状模板。
所述方法还包括,可选地,在S70,对于在次序O1、O2、…On中取得的每个相F,仅指定有限数目的对象-形状模板,其中所述对象-形状模板的有限数目允许匹配目标相比例。
所述方法还包括,可选地,在S72,对于在次序O1、O2、…On中取得的每个相F,仅指定每个对象-形状模板的有限部分,其中所述每个对象-形状模板的有限部分允许匹配目标相比例。在一种实施例中,只有对象的基部部分可以被用来创建现实的地质相模式。
图9是根据本发明实施例用于编辑MPS模型的方法的流程图。在一种实施例中,编辑方法包括在S80使用任何MPS方法创建MPS模型。在一种实施例中,编辑方法包括在S82为MPS模型中的每个单元(除背景相单元之外)指定位于模型中在其最优相关位置的具体对象形状模板,如以上在MPS-布尔混合方法中所描述的。
所述编辑方法还包括在S84为MPS模型中的每个单元(除背景相单元之外)指定对于每个相以索引一开始的对象事件编号,如以上在混合方法中所描述的。较低的对象事件编号指示更好地拟合MPS相模拟的对象。
所述编辑方法还包括在S86通过以下获得相概率立方体:(a)使用在生成MPS模型中所使用的概率立方体;或者(b)在用于每个相的每个单元中的存在/缺失标志上使用3D平滑过滤器。
所述编辑方法还包括输入参数。参数的输入包括在S88给相排序,使得在排序后的相O1、O2、On中,预期相On比相On-1具有更大的连续性,即,增加的连续性;并且所述输入还包括在相的排序中留下最大相概率不被修改(MaxUnModified)。
所述编辑方法还包括在S90通过被用于每个相的最大概率去除或者使用任何其它合适的规范(norm)从相概率中计算相对相概率或目标相比例。替代地,相对相概率可以作为输入约束获得或者从原始输入MPS模型计算。但是,存在各种决定是否把单元从一种相改成另一种相的约束。其中一个约束可以是例如不同的相的比例要保持相同,如以下段落中将更详细解释的。但是,其它类型的约束也可以被实施。
所述编辑方法包括制作包含硬数据(例如,钻井调节数据)的单元位置列表。
在一种实施例中,所述编辑方法包括在S92把编辑后的MPS模型设置成原始MPS模型,并且对于从次序O1、O2、…On中取得的每个相F,在S94执行以下把单元指定给相以及把沉积或结构坐标指定给单元的过程:
(a)访问不是硬数据单元并且与相F不同并且其中相对相概率大于MaxUnModified的所有模型单元;
(b)如果这些单元在其最优相关位置被位于模型中的相对象-形状模板包含,则把这些单元指定给相F,如以上段落中所描述的;
(c)把相对于之前找到的对象形状模板的质心的沉积或结构坐标指定给这些单元。如果多于一个对象形状模板包含所述单元,则可以使用具有最低事件编号的对象形状模板。
在一种实施例中,所述编辑方法还包括,如果不需要匹配目标相比例,则编辑过程完成。否则,如果需要匹配目标相比例,则对每个相F执行以下过程:
(a)创建指定给包含硬数据的模型单元的所有对象事件编号的长度(NEventsWithHardData(F))的带硬数据(F)的事件列表;
(b)计算最终模型中相F匹配目标相比例(NObjectCells(F))所需单元的总数;
(c)使用以下等式(2)计算要指定给相F的单元的附加数目(NTargetCells(F))。即,单元的附加数目(NTargetCells(F))等于目标相比例(NObjectCells(F))与带硬数据的事件列表的长度(NEventsWithHardData(F))之差。
NTargetCells(F)=
NObjectCells(F)-NEventsWithHardData(F) (2)
(d)如果单元的附加数目(NTargetCells(F))等于或大于零(即,NTargetCells(F)=或>0)),则执行以下过程。
(i)计算指定给(不在列表EventsWithHardData中的)每个对象事件编号的单元的数目;
(ii)作为事件编号的函数,计算单元的累积数目;以及
(iii)找出事件编号截止(EventNumberCutoff(F)),以便事件编号小于事件编号截止(EventNumberCutoff(F))的单元的累积数目近似地等于单元的附加数目(NTargetCells(F))。
(e)否则,如果单元的附加数目(NTargetCells(F))小于0(NTargetCells(F)<0),则:
(i)作为垂直沉积坐标(垂直坐标0处于对象的基部)的函数,计算指定给F的单元的累积数目;以及
(ii)找出垂直沉积坐标截止(VerticalDepositionalCoordinateCutoff(F)),以便垂直沉积坐标小于垂直沉积截止(VerticalDepositionalCoordinateCutoff(F))的单元的累积数目近似地等于单元的附加数目(NTargetCells(F))。
在一种实施例中,所述编辑方法还可以包括,对于从次序O1、O2、…On中取得的每个相F,使用事件编号截止(EventNumberCutoff(F))或垂直沉积坐标截止(VerticalDepositionalCoordinateCutoff(F))的附加截止约束重复地访问所有模型单元。
图10绘出了包含连接的直通道100的3D训练图像的2D切片。图11绘出了基于3D训练图像的2D切片的2D常规MPS模拟。如图11中所示,常规的MPS模拟生成更短的断开通道102。因此,常规的MPS模拟难以再现在训练图像中存在的大规模相连续性。
图12绘出了输入MPS模型的2D切片。所述输入MPS模型的2D切片包括断开的通道104。图13绘出了使用本文所述的编辑方法获得的编辑后的MPS模型的2D切片。如图13中所示,编辑后的MPS模型的2D切片包括连续的通道106。所述编辑方法增强了连续性和对象形状再现,这增加了与训练图像的相似性。
在一种实施例中,上述一个或多个方法可以实施为可以由计算机执行的一系列指令。如可以理解的,术语“计算机”在本文中用来涵盖任何类型的计算系统或设备,包括个人计算机(例如,台式计算机、膝上型计算机、或者任何其它手持式计算设备)或者大型计算机(例如,IBM大型机)或者超级计算机(例如,CRAY计算机),或者分布式计算环境中的多台联网计算机。
例如,(一个或多个)方法可以实施为可存储在计算机可读介质中的软件程序应用,其中计算机可读介质诸如硬盘、CDROM、光盘、DVD、磁光盘、RAM、EPROM、EEPROM、磁或光卡、闪存卡(例如,USB闪存卡)、PCMCIA存储卡、智能卡、或者其它介质。
替代地,软件程序产品的一部分或者其整个可以经诸如因特网、ATM网络、广域网(WAN)或局域网的网络从远程计算机或服务器下载。
替代地,代替把方法实施为在计算机中体现的计算机程序产品(例如,实现为软件产品)或者除此之外,所述方法可以实施为硬件,其中,例如专用集成电路(ASIC)可以设计为实施所述方法。
图14是根据本发明实施例代表用于实施所述方法的计算机系统110的示意图。如图14中所示,计算机系统110包括处理器(例如,一个或多个处理器)120和与处理器120通信的存储器130。计算机系统110还可以包括用于输入数据的输入设备140(诸如键盘、鼠标等)和诸如用于显示计算结果的显示设备的输出设备150。
如从以上描述中可以理解的,计算机可读存储器130可以配置为存储包括调节数据和约束和训练-图像生成参数的输入数据。处理器120可以配置为读取包括调节数据和约束和训练-图像生成参数的输入数据,以便:(1)使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中多点统计是从使用训练-图像生成参数创建的训练图像得出的;(2)使用训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标;(3)在MPS模型中定位一个或多个所生成的对象-形状模板,以便所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;(4)给一个或多个定位的对象-形状模板中的每个指定唯一事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元;(5)使用与给定事件编号相关联的对象中的单元的相对位置向MPS模型中与所述事件编号关联的每个单元提供沉积或结构坐标;以及(6)使用沉积或结构坐标给属性建模,以捕捉每个对象-形状模板中的地质趋势。
此外,如从以上描述中还可以理解的,计算机可读存储器130可以配置为存储包括调节数据和约束和训练图像生成参数的输入数据。处理器120可以配置为读取包括调节数据和约束和训练图像生成参数的输入数据,以便:(1)使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中多点统计是从使用训练图像生成参数创建的训练图像得出的;(2)使用训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标;(3)在MPS模型中定位一个或多个所生成的对象-形状模板,以便所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;(4)给一个或多个定位的对象-形状模板中的每个指定唯一事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元;(5)确定哪些单元要留着不被编辑以及哪些单元可用于编辑;以及(6)如果可用于编辑的单元在其最优相关位置被位于MPS模型中的相对象-形状模板包含,则把所述可用于编辑的单元指定给相。
虽然已经为了说明而基于目前被认为最实际和优选的实施例对本发明进行了详细描述,但是应当理解,这种细节仅仅是为了那个目的并且本发明不限于所公开的实施例,相反,它是旨在覆盖属于所附权利要求主旨与范围的修改和等效布置。例如,应当理解,就可能的程度而言,本发明预期任何实施例的一个或多个特征可以与任何其它实施例的一个或多个特征组合。
此外,由于各种修改和变化将是本领域技术人员容易想到的,因此不期望把本发明限定到本文所描述的精确构造和操作。因此,任何合适的修改和等效物都应当被认为落入本发明的主旨与范围。
Claims (34)
1.一种用于组合多点统计和基于对象的方法的计算机实施的混合方法,包括:
利用计算机系统,使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中所述多点统计是从使用训练图像生成参数创建的训练图像得出的;
利用计算机系统,使用所述训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标;
利用计算机系统,在MPS模型中定位一个或多个所生成的对象-形状模板,以便所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;
利用计算机系统,给一个或多个定位的对象-形状模板中的每个指定唯一的事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元;
利用计算机系统,确定哪些单元要留着不编辑以及哪些单元可用于编辑;以及
利用计算机系统,如果可用于编辑的单元在其最优相关位置被位于MPS模型中的相对象-形状模板包含,则把所述可用于编辑的单元指定给相。
2.如权利要求1所述的方法,其中把所述可用于编辑的单元指定给相包括:对于按增加连续性的次序取得的每个相,仅指定有限数目的对象-形状模板,其中所述对象-形状模板的有限数目允许匹配目标相比例。
3.如权利要求1所述的方法,其中把所述可用于编辑的单元指定给相包括:对于按增加连续性的次序取得的每个相,仅指定每个对象-形状模板的有限部分,其中所述每个对象-形状模板的有限部分允许匹配目标相比例。
4.如权利要求1所述的方法,其中给一个或多个定位的对象-形状模板中的每个指定包括:把MPS模型中除背景相单元之外的每个单元指定给位于模型中其最优相关位置处的具体对象形状模板。
5.如权利要求1所述的方法,其中给一个或多个定位的对象-形状模板中的每个指定包括:把MPS模型中除背景相单元之外的每个单元指定给对于每个相以索引一开始的对象事件编号,其中较低的对象事件编号指示更好拟合MPS模拟的对象。
6.如权利要求1所述的方法,其中确定哪些单元要留着不编辑以及哪些单元可用于编辑包括:
利用计算机系统,或者通过使用在MPS模型创建中所使用的概率立方体或者使用在用于每个相的每个单元中的3D平滑过滤器,获得相概率立方体;
把参数输入所述计算机系统,所述参数包括相的次序,以便后面的相比前面的相具有更大的连续性,并且最大相概率不被修改;以及
编辑在调节数据位置之外的所有单元,其中用于按增加连续性的次序取得的每个相的相概率大于要留着不修改的最大相概率。
7.如权利要求6所述的方法,还包括使用计算机从所述相概率计算相对相概率或目标相比例。
8.如权利要求7所述的方法,其中所述计算包括:通过被用于每个相的最大概率去除来从所述相概率计算所述相对相概率或目标相比例。
9.如权利要求6所述的方法,还包括通过把编辑后的MPS模型设置成未编辑的原始MPS模型来初始化编辑。
10.如权利要求1所述的方法,还包括:如果需要匹配目标相比例,则对于每个相:
创建指定给包含硬数据的模型单元的所有对象事件参考的带硬数据的事件列表;
计算最终模型中要匹配所述目标相比例所需的相单元的总数;以及
计算要指定给相的单元的附加数目,所述单元的附加数目等于目标相比例与带硬数据的事件列表的长度之差。
11.如权利要求10所述的方法,还包括:如果单元的附加数目等于或大于零,则:
计算指定给不在带硬数据的事件列表中的每个对象事件编号的单元的数目;
作为事件编号的函数,计算单元的累积数目;以及
找出事件编号截止,使得事件编号小于事件编号截止的单元的累积数目近似地等于要指定给相的单元的附加数目。
12.如权利要求10所述的方法,还包括:如果单元的附加数目小于零,则:
作为垂直沉积坐标的函数,计算指定给相的单元的累积数目,其中垂直坐标零处于对象的基部;以及
找出垂直沉积坐标截止,以便垂直沉积坐标小于垂直沉积截止的单元的累积数目近似地等于要指定给相的单元的附加数目。
13.如权利要求12所述的方法,还包括:对于按增加连续性的次序取得的每个相,使用事件编号截止或垂直沉积坐标截止的附加截止约束重复地访问所有单元。
14.如权利要求1所述的方法,其中训练图像生成参数包括对象形状、朝向、位置或尺寸、或者其任意组合。
15.如权利要求1所述的方法,其中使用MPS方法包括在期望的地质区域中建立网格并且解释所述网格中具体单元处的相。
16.如权利要求15所述的方法,其中MPS方法包括使用基于对象的模型建立训练图像。
17.如权利要求15所述的方法,其中MPS方法还包括执行MPS模拟,以获得示出MPS相模型的模拟图像。
18.如权利要求1所述的方法,其中生成一个或多个对象-形状模板包括:当使用多于一个对象生成训练图像时,使用所述训练图像中与所述训练图像中其它对象隔离的一个或多个对象。
19.如权利要求1所述的方法,其中一个或多个所生成的对象-形状模板在MPS模型中的定位包括卷积所述一个或多个对象-形状模板与所述MPS模型,以便为所述一个或多个对象-形状模板中的每个产生卷积得分体积。
20.如权利要求19所述的方法,还包括通过其标准差归一化所述卷积得分。
21.如权利要求20所述的方法,其中定位包括找出卷积得分的局部最大值,以及根据其局部最大值在MPS模型中定位所述一个或多个对象形状中的对象-形状。
22.如权利要求19所述的方法,其中卷积包括使用一个或多个2D对象-形状模板代替一个或多个3D对象-形状模板,所述一个或多个2D对象-形状模板是通过把所述一个或多个3D对象-形状模板投影到MPS模型的地图-视图切片上来创建的。
23.如权利要求1所述的方法,其中向一个或多个定位的对象-形状模板中的每个指定唯一事件参考包括向所述一个或多个定位的对象-形状模板中的每个指定唯一事件编号。
24.如权利要求23所述的方法,其中向一个或多个定位的对象-形状模板中的每个指定唯一的事件编号包括通过使用2D或3D归一化卷积得分来识别MPS模型中最佳匹配每个相的对象形状。
25.一种用于实现用于组合多点统计和基于对象的方法的混合方法的计算机系统,所述计算机系统包括:
计算机可读存储器,配置为存储包括调节数据、约束和训练图像生成参数的输入数据;以及
处理器,配置为读取包括所述调节数据、约束和训练图像生成参数的输入数据,以便:
使用满足调节数据和约束的多点统计(MPS)方法创建MPS模型,其中所述多点统计是从使用训练图像生成参数创建的训练图像得出的;
使用所述训练图像生成参数生成每个相类型的2D或3D对象-形状的一个或多个对象-形状模板以及沉积或结构坐标;
在MPS模型中定位一个或多个所生成的对象-形状模板,以便所述一个或多个所生成的对象-形状模板最大程度地关联到所述MPS模型;
给一个或多个定位的对象-形状模板中的每个指定唯一的事件参考并且把相同的唯一事件参考指定给每个对应对象-形状模板中的或在其附近的单元;
确定哪些单元要留着不编辑以及哪些单元可用于编辑;以及
如果可用于编辑的单元在其最优相关位置被位于MPS模型中的相对象-形状模板包含,则把所述可用于编辑的单元指定给相。
26.如权利要求25所述的计算机系统,其中所述处理器配置为指定有限数目的对象-形状模板或者每个对象-形状模板的有限部分,其中所述对象-形状模板的有限数目或者每个对象-形状模板的有限部分允许匹配目标相比例。
27.如权利要求25所述的计算机系统,其中所述处理器配置为把MPS模型中除背景相单元之外的每个单元指定给对于每个相以索引一开始的对象事件编号,其中较低的对象事件编号指示更好拟合MPS模拟的对象。
28.如权利要求25所述的计算机系统,其中所述处理器配置为:
或者通过使用在MPS模型创建中所使用的概率立方体或者使用在用于每个相的每个单元中的3D平滑过滤器,获得相概率立方体;
接收包括相的次序的参数,以便后面的相比前面的相具有更大的连续性,并且最大相概率不被修改;以及
编辑在调节数据位置之外的所有单元,其中用于按增加连续性的次序取得的每个相的相概率大于要留着不修改的最大相概率。
29.如权利要求25所述的计算机系统,其中所述处理器配置为:
创建指定给包含硬数据的模型单元的所有对象事件参考的带硬数据的事件列表;
计算最终模型中要匹配所述目标相比例所需的相单元的总数;以及
计算要指定给相的单元的附加数目,所述单元的附加数目等于目标相比例与带硬数据的事件列表的长度之差。
30.如权利要求25所述的计算机系统,其中训练图像生成参数包括对象形状、朝向、位置或尺寸、或者其任意组合。
31.如权利要求25所述的计算机系统,其中所述处理器配置为当使用多于一个对象生成训练图像时,使用所述训练图像中与所述训练图像中其它对象隔离的一个或多个对象。
32.如权利要求25所述的计算机系统,其中所述处理器配置为卷积所述一个或多个对象-形状模板与所述MPS模型,以便为所述一个或多个对象-形状模板中的每个产生卷积得分体积。
33.如权利要求25所述的计算机系统,其中所述处理器配置为向所述一个或多个定位的对象-形状模板中的每个指定唯一事件编号。
34.如权利要求33所述的计算机系统,其中唯一事件编号包括通过使用2D或3D归一化卷积得分来识别MPS模型中最佳匹配每个相的对象形状。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/564,225 | 2012-08-01 | ||
US13/564,225 US8666149B2 (en) | 2012-08-01 | 2012-08-01 | Method for editing a multi-point facies simulation |
PCT/US2013/053048 WO2014022573A2 (en) | 2012-08-01 | 2013-07-31 | Method for editing a multi-point facies simulation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104620135A true CN104620135A (zh) | 2015-05-13 |
Family
ID=48948552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380047433.6A Pending CN104620135A (zh) | 2012-08-01 | 2013-07-31 | 用于编辑多点相模拟的方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8666149B2 (zh) |
EP (1) | EP2880469A2 (zh) |
CN (1) | CN104620135A (zh) |
AU (1) | AU2013296416B2 (zh) |
CA (1) | CA2880507A1 (zh) |
WO (1) | WO2014022573A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787597A (zh) * | 2016-01-20 | 2016-07-20 | 北京优弈数据科技有限公司 | 一种数据优化处理系统 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3006773B1 (fr) * | 2013-06-11 | 2020-09-11 | Total Sa | Procede et dispositif de determination de cubes de proportions. |
US10467357B2 (en) | 2015-07-08 | 2019-11-05 | Conocophillips Company | Geobody continuity in geological models based on multiple point statistics |
KR101625660B1 (ko) * | 2015-11-20 | 2016-05-31 | 한국지질자원연구원 | 지구통계기법에서의 관측자료를 이용한 2차자료 생성 방법 |
US11960045B2 (en) * | 2016-07-07 | 2024-04-16 | Total Se | Method of characterising a subsurface region using multiple point statistics |
EP3624052A1 (en) | 2017-05-12 | 2020-03-18 | Fujitsu Limited | Distance image processing device, distance image processing system, distance image processing method, and distance image processing program |
JP6860066B2 (ja) * | 2017-05-12 | 2021-04-14 | 富士通株式会社 | 距離画像処理装置、距離画像処理システム、距離画像処理方法および距離画像処理プログラム |
US11255996B2 (en) | 2019-04-08 | 2022-02-22 | Chevron U.S.A. Inc. | Systems and methods for estimating a likelihood of an object element in a given position in a subsurface volume of interest |
US11604909B2 (en) | 2019-05-28 | 2023-03-14 | Chevron U.S.A. Inc. | System and method for accelerated computation of subsurface representations |
US11249220B2 (en) | 2019-08-14 | 2022-02-15 | Chevron U.S.A. Inc. | Correlation matrix for simultaneously correlating multiple wells |
US11269099B2 (en) | 2019-08-26 | 2022-03-08 | Chevron U.S.A. Inc. | Systems and methods for generating facies realizations |
US11010969B1 (en) | 2019-12-06 | 2021-05-18 | Chevron U.S.A. Inc. | Generation of subsurface representations using layer-space |
US10984590B1 (en) | 2019-12-06 | 2021-04-20 | Chevron U.S.A. Inc. | Generation of subsurface representations using layer-space |
US11187826B2 (en) | 2019-12-06 | 2021-11-30 | Chevron U.S.A. Inc. | Characterization of subsurface regions using moving-window based analysis of unsegmented continuous data |
US11320566B2 (en) | 2020-01-16 | 2022-05-03 | Chevron U.S.A. Inc. | Multiple well matching within subsurface representation |
US11263362B2 (en) | 2020-01-16 | 2022-03-01 | Chevron U.S.A. Inc. | Correlation of multiple wells using subsurface representation |
US11397279B2 (en) | 2020-03-27 | 2022-07-26 | Chevron U.S.A. Inc. | Comparison of wells using a dissimilarity matrix |
CN113269743B (zh) * | 2021-05-20 | 2022-09-30 | 北京理工大学重庆创新中心 | 一种基于迭代平移核实的芯片数量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040160223A1 (en) * | 2003-02-18 | 2004-08-19 | Pathfinder Energy Services, Inc. | Passive ranging techniques in borehole surveying |
US20060041409A1 (en) * | 2004-08-20 | 2006-02-23 | Chevron U.S.A. Inc. | Method for making a reservoir facies model utilizing a training image and a geologically interpreted facies probability cube |
CN101726754A (zh) * | 2009-11-30 | 2010-06-09 | 上海第二工业大学 | 基于连续型多点地质统计法和软硬数据的图像模拟方法 |
CN101802649A (zh) * | 2008-04-10 | 2010-08-11 | 普拉德研究及开发股份有限公司 | 利用井眼图像、数字岩石样品以及多点统计算法生成数值假岩心的方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1584060A (en) | 1977-09-13 | 1981-02-04 | Schlumberger Ltd | Processing well logging data for example for verification and calibration of well logs |
US6035255A (en) * | 1997-12-01 | 2000-03-07 | Schlumberger Technology Corporation | Article of manufacturing for creating, testing, and modifying geological subsurface models |
US7516055B2 (en) | 2004-08-20 | 2009-04-07 | Chevron U.S.A. Inc | Multiple-point statistics (MPS) simulation with enhanced computational efficiency |
US7079953B2 (en) | 2004-08-20 | 2006-07-18 | Chevron U.S.A. Inc. | Method for creating facies probability cubes based upon geologic interpretation |
WO2006113502A2 (en) | 2005-04-14 | 2006-10-26 | Swanson Consulting, Inc. | Modeling clastic reservoirs |
US7630517B2 (en) | 2005-07-13 | 2009-12-08 | Schlumberger Technology Corporation | Computer-based generation and validation of training images for multipoint geostatistical analysis |
FR2905181B1 (fr) | 2006-08-28 | 2008-10-10 | Inst Francais Du Petrole | Methode pour modeliser un milieu heterogene souterrain a partir des statistiques multipoints et des donnees auxiliaires. |
FR2914434B1 (fr) | 2007-03-30 | 2009-05-22 | Inst Francais Du Petrole | Methode de calage d'historique d'un modele geologique par modification graduelle des proportions des facies lithologiques |
FR2926379B1 (fr) | 2008-01-11 | 2010-02-12 | Total Sa | Procede, programme et systeme informatique de construction d'un modele geologique 3d |
WO2009138290A2 (en) | 2008-05-16 | 2009-11-19 | Ephesia Consult Sa | Multi-point reservoir modelling |
WO2010057505A1 (en) | 2008-11-20 | 2010-05-27 | Université De Neuchâtel | A deterministic version of the multiple point geostatistics simulation / reconstruction method wxth. the simulated / reconstructed values are directly taken from the training images without prior estimation of the conditional |
FR2947345B1 (fr) | 2009-06-26 | 2011-07-15 | Inst Francais Du Petrole | Methode pour modifier des proportions de facies lors du calage d'historique d'un modele geologique |
FR2954557B1 (fr) | 2009-12-23 | 2014-07-25 | Inst Francais Du Petrole | Methode d'exploitation d'un gisement petrolier a partir d'une construction d'une carte de facies |
US8452580B2 (en) | 2010-02-26 | 2013-05-28 | Chevron U.S.A. Inc. | Method and system for using multiple-point statistics simulation to model reservoir property trends |
US8838425B2 (en) | 2010-03-18 | 2014-09-16 | Schlumberger Technology Corporation | Generating facies probablity cubes |
US20120296618A1 (en) * | 2011-05-20 | 2012-11-22 | Baker Hughes Incorporated | Multiscale Geologic Modeling of a Clastic Meander Belt Including Asymmetry Using Multi-Point Statistics |
-
2012
- 2012-08-01 US US13/564,225 patent/US8666149B2/en active Active
-
2013
- 2013-07-31 CN CN201380047433.6A patent/CN104620135A/zh active Pending
- 2013-07-31 WO PCT/US2013/053048 patent/WO2014022573A2/en active Application Filing
- 2013-07-31 CA CA2880507A patent/CA2880507A1/en not_active Abandoned
- 2013-07-31 EP EP13745991.3A patent/EP2880469A2/en not_active Withdrawn
- 2013-07-31 AU AU2013296416A patent/AU2013296416B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040160223A1 (en) * | 2003-02-18 | 2004-08-19 | Pathfinder Energy Services, Inc. | Passive ranging techniques in borehole surveying |
US20060041409A1 (en) * | 2004-08-20 | 2006-02-23 | Chevron U.S.A. Inc. | Method for making a reservoir facies model utilizing a training image and a geologically interpreted facies probability cube |
CN101802649A (zh) * | 2008-04-10 | 2010-08-11 | 普拉德研究及开发股份有限公司 | 利用井眼图像、数字岩石样品以及多点统计算法生成数值假岩心的方法 |
CN101726754A (zh) * | 2009-11-30 | 2010-06-09 | 上海第二工业大学 | 基于连续型多点地质统计法和软硬数据的图像模拟方法 |
Non-Patent Citations (1)
Title |
---|
王家华 等: "基于地震约束的地质统计学建模方法研究", 《吐哈油气》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787597A (zh) * | 2016-01-20 | 2016-07-20 | 北京优弈数据科技有限公司 | 一种数据优化处理系统 |
CN105787597B (zh) * | 2016-01-20 | 2019-12-06 | 大连优弈数据科技有限公司 | 一种数据优化处理系统 |
Also Published As
Publication number | Publication date |
---|---|
EP2880469A2 (en) | 2015-06-10 |
CA2880507A1 (en) | 2014-02-06 |
AU2013296416B2 (en) | 2016-06-23 |
US8666149B2 (en) | 2014-03-04 |
AU2013296416A1 (en) | 2015-02-19 |
WO2014022573A3 (en) | 2014-06-05 |
US20140037197A1 (en) | 2014-02-06 |
WO2014022573A2 (en) | 2014-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104620136B (zh) | 组合多点统计和基于对象的方法的计算机系统和混合方法 | |
CN104620135A (zh) | 用于编辑多点相模拟的方法 | |
US9733391B2 (en) | Method and system for geophysical modeling of subsurface volumes | |
AU2013274839B2 (en) | System and method for optimizing the number of conditioning data in multiple point statistics simulation | |
AU2020397825B2 (en) | Generation of subsurface representations using layer-space | |
AU2020398568B2 (en) | Generation of subsurface representations using layer-space | |
CN103592681A (zh) | 一种基于信号分类的地震图像层位追踪方法 | |
CN103797382A (zh) | 地下层位分配的方法和系统 | |
Amorim et al. | 3D geological modeling using sketches and annotations from geologic maps | |
Hong et al. | Model selection for mineral resource assessment considering geological and grade uncertainties: Application of multiple-point geostatistics and a cluster analysis to an iron deposit | |
Jia et al. | Combining a connected-component labeling algorithm with FILTERSIM to simulate continuous discrete fracture networks | |
Zoraster | A surface modeling algorithm designed for speed and ease of use with all petroleum industry data | |
Yu et al. | Machine Learning Empowered Well Placement in a Large Unconventional Tight Gas Field in China | |
Su et al. | Nonstationary training image partition algorithm based on deep features | |
Hill et al. | Describing and generating facies models for reservoir characterisation: 2D map view | |
Teixeira | Application of Multiple-Point Simulation of Mineral Deposits Based on Discrete Wavelet Transform | |
Mello et al. | AAPG/Datapages Discovery Series No. 7: Multidimensional Basin Modeling, Chapter 16: A Topologically Based Framework for 3-D Basin Modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150513 |