CN107607996A - 基于相控的序贯协同模拟地质建模方法 - Google Patents
基于相控的序贯协同模拟地质建模方法 Download PDFInfo
- Publication number
- CN107607996A CN107607996A CN201710727338.0A CN201710727338A CN107607996A CN 107607996 A CN107607996 A CN 107607996A CN 201710727338 A CN201710727338 A CN 201710727338A CN 107607996 A CN107607996 A CN 107607996A
- Authority
- CN
- China
- Prior art keywords
- point
- simulation
- valuated
- cokriging
- estimation
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于相控的序贯协同模拟地质建模方法。其包括获取原始数据、构造相模型及设定参数,对井数据和层位数据进行插值,构建主变量和次变量的变差函数,采用最小二乘法计算各沉积相克里金估值对待估值点的贡献比例,在每个模拟平面生成随机路径,根据模拟平面上的随机路径进行协同模拟。本发明针对待模拟点邻域内找点所属的不同沉积相,对克里金估值合理分配权重,使得在整个随机模拟的过程中,不但可以通过变差函数进行相关性(差异性)的控制,也可以通过沉积相这一离散属性进行区域性的控制,从而在两个方面对待估值点进行约束,使得模拟结果更能准确地反映真实的地质情况。
Description
技术领域
本发明属于地质建模技术领域,尤其涉及一种基于相控的序贯协同模拟地质建模方法。
背景技术
石油是现代化社会重要的工业原料,尤其是化工业最重要的原材料。我国石油储量较为匮乏,并且目前国内大多主力油田已经步入开采的后期阶段,其含水度大幅增加,地下油藏呈现出“整体高度分散、局部相对富集”的格局,因此开采难度日益增大,而对于新兴油田的发现又日益困难。因此,在石油开采的过程中对于油藏的精细描述就成为重中之重,也是进行合理有效开发的前提。
随着计算机技术的不断发展与应用,油藏描述技术作为一项综合评定油气藏价值的应用技术也逐渐得到了发展。该技术用到的主要资料包括测井信息、地震解释资料以及相关测试信息等,其评价的内容包含油藏的储存形态、地质属性、油气性质以及空间分布方式等方面。该技术可以对油气藏进行合理的综合评价,对其储量探索、开发方案、布局研究以及收益利润等提供坚实有效的指导。这一技术可以极大的提高油气藏勘探水平并带来可观的开发效益,因此引起了国内外高度重视,并获得迅速发展。
油藏描述的核心技术是随机建模,随机建模就是利用计算机,以地质统计学为基础,结合三维可视化技术,将储层的空间结构真实的展示出来。由于测井数据、地震资料等原始数据的局限性,使得对地下的复杂结构的认知具有一定程度的不确定性。随机建模可以有效的综合不同范围和各种类型的地质信息,结合先进的算法,减小由于原始数据局限性所带来的不确定性,为开发人员提供多个等概率分布的地质模型以供选择。
传统的地质建模技术以测井数据为核心,辅以地震资料、层位解释数据等,在建立合适的变差函数之后使用序贯模拟、指示模拟等方法建立随机模型。由于测井资料较为匮乏,而地震资料的垂直方向分辨率较弱,因此建立的地质模型有时并不能很好的反映真实的地质储层情况。若在此过程中对其方法进行改进,例如并不过分依赖某一沉积区域变量而是综合考虑各个区域对模拟点的贡献,并且充分利用测井数据和地震资料,就可以更好的反映真实的地质情况。
变差函数与克里金方程构成了地质建模理论的两大基石。变差函数从局部反映地质特征的变化,既具有随机性又具有相关性。而克里金方程在考虑了信息样品的形状、大小以及变量的空间结构后,通过对每种样品赋予一定的权值,以达到线性无偏以及具有最小方差的特征。
在传统序贯高斯模拟过程中往往只是利用变差函数体现了数据的空间变化特征,而实际油藏建模过程中,已知点和待模拟点是否属于同一沉积相这一因素往往比空间距离的影响更为重要。但是,现有序贯高斯随机模拟方法中并没有考虑沉积相对模拟结果的影响。
发明内容
本发明的发明目的是:为了解决现有技术中存在的以上问题,本发明提出了一种能够考虑沉积相影响的基于相控的序贯协同模拟地质建模方法。
本发明的技术方案是:一种基于相控的序贯协同模拟地质建模方法,包括以下步骤:
A、获取原始井数据、已进行反演或模拟的数据体及层位数据,构建相模型,设定随机模拟的次数、插值层数及分别在主变量和次变量邻域找点个数;
B、对井数据和层位数据进行插值;
C、将井数据作为主变量,数据体作为次变量,分别构建主变量和次变量的变差函数;
D、采用最小二乘法计算各沉积相克里金估值对待估值点的贡献比例;
E、在每个模拟平面生成随机路径;
F、根据模拟平面上的随机路径进行协同模拟。
进一步地,所述步骤D采用最小二乘法计算各沉积相克里金估值对待估值点的贡献比例具体包括以下分步骤:
D1、设定待估值点总个数为m,各相点个数的下限,领域找点个数下限;
D2、随机选择待估值点,判断待估值点是否满足对F相找点要求;若是则对待估值点进行邻域内搜索;若否则放弃该点,重新随机选择待估值点;
D3、判断步骤D2中进行邻域内搜索得到的点是否分属三种不同的沉积相;若是则进行下一步骤;若否则返回步骤D2;
D4、判断步骤D3中分属三种不同的沉积相的点个数是否满足预设要求;若是则保存该次搜索结果;若否则返回步骤D2;
D4、分别对分属三种不同的沉积相的搜索结果进行克里金估值;
D5、判断待估值点个数是否满足预设要求;若是则采用最小二乘法计算各相克里金估值贡献比例;若否则返回步骤D2。
进一步地,所述步骤D2中对待估值点进行邻域内搜索具体采用空间回环式找点方式,在空间进行上下扩充,将回环路径上的每一个点都纳入搜索范围。
进一步地,所述步骤D5中采用最小二乘法计算各相克里金估值贡献比例的计算公式具体为
(α,β,γ)=(X'TX')-1X'TY'
其中,α,β,γ分别为各相克里金估值贡献比例,Y'=Y′est=(y′0,y′1,…,y′m)T,X′0,X′1,X′2分别为分属三种不同的沉积相的搜索结果的克里金估值向量,Y′est为估值点的值。
进一步地,所述步骤F根据模拟平面上的随机路径进行协同模拟具体包括以下分步骤:
F1、选择待估值点;
F2、寻找待估值点邻域范围内的已知点;
F3、对待估值点进行基于相控的协同克里金估值;
F4、构造高斯分布模型并得到模拟数值。
进一步地,所述步骤F2寻找待估值点邻域范围内的已知点具体为采用空间回环式找点方式,分别搜索待估值点领域范围内的主变量和次变量。
进一步地,所述步骤F3对待估值点进行基于相控的协同克里金估值具体为利用步骤C中主变量和次变量的变差函数计算主变量、次变量及主变量和次变量之间的变异值,得到各相的克里金估值,再按照步骤D中各沉积相克里金估值对待估点的贡献比例对各相的克里金估值进行叠加,得到协同克里金估值。
进一步地,所述步骤F4构造高斯分布模型并得到模拟数值具体为将步骤F2中搜索得到的待估值点邻域范围内的已知点纳入条件累计分布函数中,构造高斯分布模型,将高斯分布模型的均值作为协同克里金估值,将高斯分布模型的方差作为协同克里金方差,并从高斯分布模型中随机抽取一个值作为待估值点的随机模拟值。
本发明的有益效果是:本发明通过对储层建立相模型,并将井数据作为主变量,数据体作为次变量,分别构建变差函数,再采用最小二乘法计算各沉积相克里金估值对待估值点的贡献比例并加入协同克里金插值过程中,使得随机模拟得到的属性建模结果更加符合实际地质特征。
附图说明
图1是本发明的基于相控的序贯协同模拟地质建模方法的流程示意图。
图2是本发明中空间回环式找点方式示意图。
图3是本发明实施例中井1的模拟结果与原始测井数据对比示意图。
图4是本发明实施例中井2的模拟结果与原始测井数据对比示意图。
图5是现有技术得到的过井剖面示意图。
图6是本发明得到的过井剖面示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,为本发明的基于相控的序贯协同模拟地质建模方法的流程示意图。一种基于相控的序贯协同模拟地质建模方法,其特征在于,包括以下步骤:
A、获取原始井数据、已进行反演或模拟的数据体及层位数据,构建相模型,设定随机模拟的次数、插值层数及分别在主变量和次变量邻域找点个数;
B、对井数据和层位数据进行插值;
C、将井数据作为主变量,数据体作为次变量,分别构建主变量和次变量的变差函数;
D、采用最小二乘法计算各沉积相克里金估值对待估值点的贡献比例;
E、在每个模拟平面生成随机路径;
F、根据模拟平面上的随机路径进行协同模拟。
在步骤A中,本发明获取原始井数据、已进行反演或模拟的数据体及层位数据,从而构建相模型;同时设定随机模拟的次数、插值层数及分别在主变量和次变量邻域找点个数等参数。
在步骤B中,本发明通过对井数据和层位数据进行插值,确定整个随机模拟的框架,插值后的数据更为丰富,便于更好地随机模拟。协同模拟的目的就是采用序贯实现的思想,为框架中的每一个网格点填充一个具体的值。
在步骤C中,本发明将井数据作为主变量,数据体作为次变量,从而可以调整模拟结果的形态,使其更为精确。相模型提供了沉积相信息,可以从离散的角度对克里金估值重新刻画;再分别构建主变量和次变量的变差函数。
在步骤D中,本发明以地下模型由三种沉积相组成为例进行说明,设待估值点所属相为F(F=0,1,2),考虑最为复杂的一种情形,即邻域找点分属三种不同的相,对各沉积相内找点后分别计算得到的克里金估值记为x′0,x′1,x′2,对于次变量,每个估计位置值均已知,记为y′est,将各相找点得到的克里金估值对待估值点的贡献比例记为α,β,γ,则将待估值点表示为
y′est=αx′0+βx′1+γx′2
本发明采用最小二乘法计算各沉积相克里金估值对待估值点的贡献比例,即利用次变量获得量化后沉积相的影响,具体包括以下分步骤:
D1、设定待估值点总个数为m,各相点个数的下限,领域找点个数下限;
D2、随机选择待估值点,判断待估值点是否满足对F相找点要求;若是则对待估值点进行邻域内搜索;若否则放弃该点,重新随机选择待估值点;
D3、判断步骤D2中进行邻域内搜索得到的点是否分属三种不同的沉积相;若是则进行下一步骤;若否则返回步骤D2;
D4、判断步骤D3中分属三种不同的沉积相的点个数是否满足预设要求;若是则保存该次搜索结果;若否则返回步骤D2;
D4、分别对分属三种不同的沉积相的搜索结果进行克里金估值;
D5、判断待估值点个数是否满足预设要求;若是则采用最小二乘法计算各相克里金估值贡献比例;若否则返回步骤D2。
在步骤D1中,本发明根据完整的作为协模拟次变量的三维数据体,该数据体可以是已经反演或是模拟好的数据,要求必须与主变量具有一定的相关性,设置找点参数,包括待估值点总个数为m、为满足各相克里金计算的各相点个数的下限及领域找点个数下限。
在步骤D2中,为简化找点方式,提高计算速度,本发明对待估值点进行邻域内搜索具体采用空间回环式找点方式,在空间进行上下扩充,将回环路径上的每一个点都纳入搜索范围。
在步骤D4中,本发明分别对分属三种不同的沉积相的搜索结果进行克里金估值,克里金估值表示为X′0,X′1,X′2,待估值点的值表示为Y′est,
Y'=Y′est=(y′0,y′1,…,y′m)T
其中,X′0为包含沉积相0对m个待估值点的克里金估值的向量,X′1为包含沉积相1对m个待估值点的克里金估值的向量,X′2为包含沉积相2对m个待估值点的克里金估值的向量,为沉积相0对第m个待估值点的克里金估值,为沉积相1对第m个待估值点的克里金估值,为沉积相2对第m个待估值点的克里金估值,y′m为已知的待估值点的实际值。
从而得到最小二乘法计算各相克里金估值贡献比例的计算公式,表示为
(α,β,γ)=(X'TX')-1X'TY'
由于主次变量具有很强的相关性,在得到了所有可能情况的克里金估值贡献比例之后,在对主变量进行估值时也可以采用与次变量估值时一致的贡献比例。以邻域内找点情况分为三种为例,对于主变量待估点而言,其邻域相属性为0,1,2的克里金(协同克里金)估值分别为x0,x1,x2,待估点值Y′est就可以表示为:
y′est=αx0+βx1+γx2
在步骤E中,由于随机模拟的随机性体现在路径是随机的,因此本发明在模拟每个平面的时候都生成一条随机路径,该随机路径要求涵盖该平面内每一个点且不能重复;这样的随机路径使整体的模拟随机性增强,得到的结果更有说服力。如图2所示,为本发明中空间回环式找点方式示意图。
在步骤F中,本发明根据模拟平面上的随机路径进行协同模拟具体包括以下分步骤:
F1、选择待模拟点;
F2、寻找待模拟点邻域范围内的已知点;
F3、对待模拟点进行基于相控的协同克里金估值;
F4、构造高斯分布模型并得到模拟数值。
在步骤F2中,本发明寻找待模拟点邻域范围内的已知点具体为采用空间回环式找点方式,分别搜索待估值点领域范围内的主变量和次变量。
在步骤F3中,本发明对待模拟点进行基于相控的协同克里金估值具体为利用步骤C中主变量和次变量的变差函数计算主变量、次变量及主变量和次变量之间的变异值,得到各相的克里金估值,再按照步骤D中各沉积相克里金估值对待估点的贡献比例对各相的克里金估值进行叠加,从而得到更加精准的协同克里金估值。
在步骤F4中,随着模拟点的不断增加,如果将所有模拟好的点都纳入条件累积分布函数中,计算量会变得十分庞大。因此,本发明构造高斯分布模型并得到模拟数值具体为将步骤F2中搜索得到的待模拟点邻域范围内的已知点纳入条件累计分布函数中,构造高斯分布模型,将高斯分布模型的均值作为协同克里金估值,将高斯分布模型的方差作为协同克里金方差,并从高斯分布模型中随机抽取一个值作为待模拟点的随机模拟值。
下面本发明以具体实施例对本发明的实施效果进行说明。
如图3和4所示,分别为本发明实施例中井1和井2的模拟结果与原始测井数据对比示意图。看出采用相控的空间各向异性随机模拟得到的估计井曲线与原始测井曲线相比,其数值上虽然存在一定的差异,但是在井曲线的形态上,二者几乎一致。从而在说明沉积相这一因子的引入,对井曲线的形态起到了良好的调校作用。
如图5所示,为现有技术采用平面非各向异性序贯高斯模拟方法得到的过井剖面示意图。如图6所示,为本发明得到的过井剖面示意图。就整体显示效果来看,本发明与现有技术得到的的过井剖面示意图形态基本相似,在井曲线的吻合度上也都能达到一致。对比相邻的两张图中圆圈所圈定的区域可以看到,本发明得到的过井剖面图分辨率更高,这说明次变量引入起到了一定的效果。此外,对比本发明与现有技术两种方法得到的剖面图也可以发现,本发明得到的结果在横向连续性上也有了提高。综上,可以得出结论,本发明所提出的随机模拟方法,由于增加了相控和次变量的约束,得到的模拟结果更加可靠、分辨率更高、更接近地质真实。
本发明针对待模拟点邻域内找点所属的不同沉积相,对克里金估值合理分配权重,使得在整个随机模拟的过程中,不但可以通过变差函数进行相关性(差异性)的控制,也可以通过沉积相这一离散属性进行区域性的控制,从而在两个方面对待模拟点进行约束,使得模拟结果更能准确地反映真实的地质情况。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种基于相控的序贯协同模拟地质建模方法,其特征在于,包括以下步骤:
A、获取原始井数据、已进行反演或模拟的数据体及层位数据,构建相模型,设定随机模拟的次数、插值层数及分别在主变量和次变量邻域找点个数;
B、对井数据和层位数据进行插值;
C、将井数据作为主变量,数据体作为次变量,分别构建主变量和次变量的变差函数;
D、采用最小二乘法计算各沉积相克里金估值对待估值点的贡献比例;
E、在每个模拟平面生成随机路径;
F、根据模拟平面上的随机路径进行协同模拟。
2.如权利要求1所述的基于相控的序贯协同模拟地质建模方法,其特征在于,所述步骤D采用最小二乘法计算各沉积相克里金估值对待估点的贡献比例具体包括以下分步骤:
D1、设定待估值点总个数为m,各相点个数的下限,邻域找点个数下限;
D2、随机选择待估值点,判断待估值点是否满足对F相找点要求;若是则对待估值点进行邻域内搜索;若否则放弃该点,重新随机选择待估值点;
D3、判断步骤D2中进行邻域内搜索得到的点是否分属三种不同的沉积相;若是则进行下一步骤;若否则返回步骤D2;
D4、判断步骤D3中分属三种不同的沉积相的点个数是否满足预设要求;若是则保存该次搜索结果;若否则返回步骤D2;
D4、分别对分属三种不同的沉积相的搜索结果进行克里金估值;
D5、判断待估值点个数是否满足预设要求;若是则采用最小二乘法计算各相克里金估值贡献比例;若否则返回步骤D2。
3.如权利要求2所述的基于相控的序贯协同模拟地质建模方法,其特征在于,所述步骤D2中对待估值点进行邻域内搜索具体采用空间回环式找点方式,在空间进行上下扩充,将回环路径上的每一个点都纳入搜索范围。
4.如权利要求2所述的基于相控的序贯协同模拟地质建模方法,其特征在于,所述步骤D5中采用最小二乘法计算各相克里金估值贡献比例的计算公式具体为
(α,β,γ)=(X'TX')-1X'TY'
其中,α,β,γ分别为各相克里金估值贡献比例,Y'=Y′est=(y'0,y1',…,y'm)T,X'0,X1',X'2分别为分属三种不同的沉积相的搜索结果的克里金估值向量,Y′est为待估值点。
5.如权利要求1所述的基于相控的序贯协同模拟地质建模方法,其特征在于,所述步骤F根据模拟平面上的随机路径进行协同模拟具体包括以下分步骤:
F1、选择待估值点;
F2、寻找待估值点邻域范围内的已知点;
F3、对待估值点进行基于相控的协同克里金估值;
F4、构造高斯分布模型并得到模拟数值。
6.如权利要求5所述的基于相控的序贯协同模拟地质建模方法,其特征在于,所述步骤F2寻找待估值点邻域范围内的已知点具体为采用空间回环式找点方式,分别搜索待估值点领域范围内的主变量和次变量。
7.如权利要求5所述的基于相控的序贯协同模拟地质建模方法,其特征在于,所述步骤F3对待估值点进行基于相控的协同克里金估值具体为利用步骤C中主变量和次变量的变差函数计算主变量、次变量及主变量和次变量之间的变异值,得到各相的克里金估值,再按照步骤D中各沉积相克里金估值对待估值点的贡献比例对各相的克里金估值进行叠加,得到协同克里金估值。
8.如权利要求5所述的基于相控的序贯协同模拟地质建模方法,其特征在于,所述步骤F4构造高斯分布模型并得到模拟数值具体为将步骤F2中搜索得到的待估值点邻域范围内的已知点纳入条件累计分布函数中,构造高斯分布模型,将高斯分布模型的均值作为协同克里金估值,将高斯分布模型的方差作为协同克里金方差,并从高斯分布模型中随机抽取一个值作为待估值点的随机模拟值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710727338.0A CN107607996B (zh) | 2017-08-23 | 2017-08-23 | 基于相控的序贯协同模拟地质建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710727338.0A CN107607996B (zh) | 2017-08-23 | 2017-08-23 | 基于相控的序贯协同模拟地质建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107607996A true CN107607996A (zh) | 2018-01-19 |
CN107607996B CN107607996B (zh) | 2019-07-16 |
Family
ID=61065788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710727338.0A Active CN107607996B (zh) | 2017-08-23 | 2017-08-23 | 基于相控的序贯协同模拟地质建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107607996B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772587A (zh) * | 2017-02-23 | 2017-05-31 | 河海大学 | 基于同位多相协同克里金的地震弹性参数相控建模方法 |
CN110702632A (zh) * | 2019-09-29 | 2020-01-17 | 核工业北京地质研究院 | 一种深部岩矿高光谱信息三维建模方法 |
CN110927793A (zh) * | 2019-11-27 | 2020-03-27 | 中国地质大学(北京) | 一种基于序贯随机模糊模拟的储层预测方法及系统 |
CN111175819A (zh) * | 2020-01-06 | 2020-05-19 | 中国石油化工股份有限公司 | 井震多级约束的砂砾岩扇体沉积相带精细划分方法 |
CN113406702A (zh) * | 2021-05-10 | 2021-09-17 | 中国石油天然气集团有限公司 | 基于相约束可变网格的地质统计学反演方法及装置 |
CN117217095A (zh) * | 2023-10-13 | 2023-12-12 | 西南石油大学 | 一种基于深度学习求取地质属性建模中变差函数的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130054203A1 (en) * | 2011-08-29 | 2013-02-28 | Baker Hughes Incorporated | Modeling and simulation of complete drill strings |
CN104616353A (zh) * | 2013-11-05 | 2015-05-13 | 中国石油天然气集团公司 | 储层随机地质模型的建模及优选方法 |
CN105373648A (zh) * | 2015-10-09 | 2016-03-02 | 西南石油大学 | 一种砂泥岩互层型沉积体储层构型的建模方法 |
CN106772587A (zh) * | 2017-02-23 | 2017-05-31 | 河海大学 | 基于同位多相协同克里金的地震弹性参数相控建模方法 |
-
2017
- 2017-08-23 CN CN201710727338.0A patent/CN107607996B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130054203A1 (en) * | 2011-08-29 | 2013-02-28 | Baker Hughes Incorporated | Modeling and simulation of complete drill strings |
CN104616353A (zh) * | 2013-11-05 | 2015-05-13 | 中国石油天然气集团公司 | 储层随机地质模型的建模及优选方法 |
CN105373648A (zh) * | 2015-10-09 | 2016-03-02 | 西南石油大学 | 一种砂泥岩互层型沉积体储层构型的建模方法 |
CN106772587A (zh) * | 2017-02-23 | 2017-05-31 | 河海大学 | 基于同位多相协同克里金的地震弹性参数相控建模方法 |
Non-Patent Citations (1)
Title |
---|
陈建阳 等: "相控储层地质建模在剩余油分布预测中的应用", 《资源与产业》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772587A (zh) * | 2017-02-23 | 2017-05-31 | 河海大学 | 基于同位多相协同克里金的地震弹性参数相控建模方法 |
CN110702632A (zh) * | 2019-09-29 | 2020-01-17 | 核工业北京地质研究院 | 一种深部岩矿高光谱信息三维建模方法 |
CN110702632B (zh) * | 2019-09-29 | 2022-08-19 | 核工业北京地质研究院 | 一种深部岩矿高光谱信息三维建模方法 |
CN110927793A (zh) * | 2019-11-27 | 2020-03-27 | 中国地质大学(北京) | 一种基于序贯随机模糊模拟的储层预测方法及系统 |
CN110927793B (zh) * | 2019-11-27 | 2020-09-29 | 中国地质大学(北京) | 一种基于序贯随机模糊模拟的储层预测方法及系统 |
CN111175819A (zh) * | 2020-01-06 | 2020-05-19 | 中国石油化工股份有限公司 | 井震多级约束的砂砾岩扇体沉积相带精细划分方法 |
CN111175819B (zh) * | 2020-01-06 | 2022-02-18 | 中国石油化工股份有限公司 | 井震多级约束的砂砾岩扇体沉积相带精细划分方法 |
CN113406702A (zh) * | 2021-05-10 | 2021-09-17 | 中国石油天然气集团有限公司 | 基于相约束可变网格的地质统计学反演方法及装置 |
CN117217095A (zh) * | 2023-10-13 | 2023-12-12 | 西南石油大学 | 一种基于深度学习求取地质属性建模中变差函数的方法 |
CN117217095B (zh) * | 2023-10-13 | 2024-05-28 | 西南石油大学 | 一种基于深度学习求取地质属性建模中变差函数的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107607996B (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107607996B (zh) | 基于相控的序贯协同模拟地质建模方法 | |
Gringarten et al. | Teacher's aide variogram interpretation and modeling | |
US10995592B2 (en) | Method and system for analyzing the uncertainty of subsurface model | |
US8838425B2 (en) | Generating facies probablity cubes | |
CN104755960B (zh) | 基于盆地建模对用于处理地震数据的速度模型的改进 | |
CN108931814A (zh) | 一种基于多属性融合的基岩裂缝预测的方法 | |
CN102222365A (zh) | 复杂空间的曲面重构方法 | |
CN106605158B (zh) | 利用用于深度剖绘的参数化模板的沉积物运移模拟 | |
CN105528522A (zh) | 一种基于空间网格计算连续性油气藏资源量的方法及装置 | |
CN106920176B (zh) | 一种矿集区尺度矿产资源估算方法及系统 | |
CN108645994A (zh) | 一种基于多点地质统计学的地质随机反演方法及装置 | |
CN110097637A (zh) | 一种三维地质属性模型时空插值方法及系统 | |
CN109061728B (zh) | 一种滩坝砂体精细预测方法 | |
Martin et al. | Iterative refinement of implicit boundary models for improved geological feature reproduction | |
CN107316341B (zh) | 一种多点地质统计学沉积相建模方法 | |
CN103376468A (zh) | 基于神经网络函数逼近算法的储层参数定量表征方法 | |
Guo et al. | Multiple-point geostatistics-based three-dimensional automatic geological modeling and uncertainty analysis for borehole data | |
Dafflon et al. | Simulated-annealing-based conditional simulation for the local-scale characterization of heterogeneous aquifers | |
CN104834006A (zh) | 结构成因沉积参数图的处理方法和装置 | |
CN102288996B (zh) | 叠前afi反演定量预测含气概率的方法 | |
US20110208499A1 (en) | Method for history matching of a geological model comprising a sub-seismic fault network | |
Correia et al. | Flow simulation using local grid refinements to model laminated reservoirs | |
Lu et al. | Identifying flow units by FA-assisted SSOM—An example from the Eocene basin-floor-fan turbidite reservoirs in the Daluhu Oilfield, Dongying Depression, Bohai Bay Basin, China | |
Dantas et al. | A constrained version for the stereology inverse problem: Honoring power law and persistences of the fracture traces exposed on arbitrary surfaces | |
Zhang et al. | Architecture characteristics and characterization methods of fault-controlled karst reservoirs: A case study of the Shunbei 5 fault zone in the Tarim Basin, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |