CN108876916A - 辫状河训练图像生成方法及设备 - Google Patents
辫状河训练图像生成方法及设备 Download PDFInfo
- Publication number
- CN108876916A CN108876916A CN201810563669.XA CN201810563669A CN108876916A CN 108876916 A CN108876916 A CN 108876916A CN 201810563669 A CN201810563669 A CN 201810563669A CN 108876916 A CN108876916 A CN 108876916A
- Authority
- CN
- China
- Prior art keywords
- channel bar
- dam
- bar dam
- model
- braided stream
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Abstract
本发明涉及一种辫状河训练图像生成方法,步骤为:构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。本发明提供的辫状河训练图像生成方法能够较为真实地表征三维河道的空间结构。
Description
技术领域
本发明涉及地质探测和绘制技术领域,特别是涉及一种辫状河训练图像生成方法。
背景技术
多点地质统计学是一种建立地质模型的方法,该方法比传统的两点地质统计学更适合河流相沉积体系。多点地质统计学应用“训练图像”代替传统两点地质统计中的变差模型表达多个点之间的相关性,即地质变量的空间结构性。训练图像是能够表征实际储层结构、几何形态和分布模式的数字化图像,是一种概念模型,能够反映先验地质概念和储层中其他地质特征。到目前为止多点地质统计方法中训练图像的建立没有成熟统一的方法,但训练图像的质量直接决定了储层模拟的精度和可靠程度。
训练图像的获取很大程度上依赖地质人员的推测,不确定性较大。并且普通的二维训练图像又难以表征三维河道的空间结构,而三维训练图像的获取难度更大,从而限制了多点地质统计方法在表征辫状河河道方面的应用。
发明内容
基于此,有必要针对上述提到的至少一个问题,提供一种辫状河训练图像生成方法及设备。
一种辫状河训练图像生成方法,适于在计算设备中执行,该方法包括下列步骤:
构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;
获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;
判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。
本发明同时提供一种辫状河训练图像生成装置,包括:
网格构建模块,用于构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;
绘制模块,用于获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;
输出模块,用于判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。
本发明同时提供一种辫状河训练图像生成设备,包括处理器和用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行下列步骤:
构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;
获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;
判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。
本发明提供的辫状河训练图像生成方法及设备通过平面椭圆不断外接心滩坝最大边沿点的方式在垂向上叠加形成心滩坝模型,在心滩坝模型在网格模型中的比例到达预定标准时,即可获取待模拟部分的辫状河训练图像,该方法能够较为真实地表征三维河道的空间结构。
附图说明
图1为本发明一实施例中辫状河训练图像生成方法的流程图;
图2为本发明一实施例中不同粒级心滩坝分布示意图;
图3为本发明另一实施例中不同粒级心滩坝重叠分布示意图;
图4为本发明一实施例中相同粒级心滩坝重叠分布示意图;
图5为本发明一实施例中辫状河训练图像生成装置的结构示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
本发明一实施例中提供了一种辫状河训练图像生成方法,适于在计算设备中执行,如图1所示,该方法包括步骤S100~步骤S300:
步骤S100:构建辫状河的初始网格模型,初始网格模型用于包含若干心滩坝。辫状河是一种平原河流地貌,其主要成因为分汊型河床导致,河床因心滩、沙洲造成河床分汊,宽窄相同,形似发辫。当然,一次模拟整条辫状河的困难可能较大,可采用化整为零的方法先模拟局部,再将各局部数据整合成完整的辫状河数据,因而也可首先构建辫状河的一部分,即部分辫状河的初始网格模型,例如采用199×365×40的网格模型,并在该网格模型内模拟至少两种不同类型的心滩坝,此两种心滩坝的粒级、几何形态参数各不相同,辫状河的网格模型建立时并不包含心滩坝,用于模拟心滩坝的心滩坝模型是在后续处理流程中逐渐形成的。粒度是区分矿粒大小的尺寸,一般以该矿粒最大长度来表示,通常物料是由各种粒度的矿粒群组成的,为了表示物料粒度的组成情况,常以粒级来表示。
步骤S200:获取每个心滩坝的地质属性参数,根据地质属性参数在初始网格模型中,由每个心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,心滩坝椭圆以每层心滩坝的中心为圆心,心滩坝椭圆与相应层的心滩坝的最大边沿点相接。所述地质属性参数包括心滩坝粒级、心滩坝长度、心滩坝宽度、心滩坝厚度和心滩坝在所述部分辫状河中的比例参数。借助地质数据库以及相关研究人员对工区的基础地质研究来获取心滩坝的长度、宽度、厚度、以及各种粒级心滩坝的百分含量,也即在上述确定的199×365×40初始网格模型中,实际心滩坝的长宽高已经知晓,能够知晓心滩坝某一高度上的心滩坝轮廓最大边沿,但并不能确定得出其计算机三维模型以及各心滩坝之间的位置关系,通过不断在各高度上绘制心滩坝椭圆,使其模拟每一层心滩坝的轮廓,当从心滩坝底部到顶部均绘制完成,即在上述辫状河的初始网格模型中得到一个完整心滩坝模型,转而绘制其他心滩坝的心滩坝模型,如此重复,即可绘制初始网格模型中的所有心滩坝模型。优选的,获取心滩坝的相关属性参数之后,再获取心滩坝底部附近的砾岩层地质属性参数,根据预设格式设置所述心滩坝的心滩坝粒级。例如,采集一定高度内的心滩坝砾岩层粒度,根据预设格式设置心滩坝的心滩坝粒级,预设格式可采用粒度范围,根据预先设定的规则,定义该心滩坝的粒级,此项处理具体采用本领域的相关标准规范,不作更多赘述。在进行心滩坝模拟时,心滩坝底部存在发育粒度较粗的砾岩层,该砾岩层与心滩坝其他部分的物性差异明显,为更好模拟储层物性参数,需将其单独作为一种相类型进行模拟,因而需要分别模拟出心滩底部沉积和心滩坝沉积,二者具有明确的空间位置相关性,模拟过程中,具体做法是,根据数据库资料确定心滩坝底部砾岩层的厚度分布、底部砾岩层的宽厚比和长宽比,在模拟心滩坝的过程中,根据砾岩层发育的概率进行蒙特卡洛抽样,进而确定是否在该心滩坝底部模拟砾岩层,如需要模拟,则根据砾岩层的几何形态和规模的分布函数进行抽样,获取相应的厚度、宽度和长度,绘制砾岩层的心滩坝椭圆,并模拟出心滩坝砾岩层模型。
步骤S300:判断到心滩坝模型在网格模型中的网格比例达到心滩坝在辫状河中的比例参数,输出辫状河网格模型。根据相关已知地质数据库,心滩坝在所述辫状河中的比例参数是已知的,当通过计算机绘制的训练图像中的心滩坝模型达到该比例参数时,即完成这一辫状河的网格模型中所有心滩坝的心滩坝模型绘制,将其作为结果输出。
作为一个优选的方案,针对不同粒级的心滩坝,训练图像生成方法会有不同,如图2所示,判断到每两个心滩坝的底部心滩坝椭圆具有重合部;增加两个心滩坝中后绘制心滩坝与先绘制心滩坝的中心间距到两个心滩坝底部椭圆至少在长轴方向相切。在产生一个新的心滩坝时,计算新的心滩坝与已存在的心滩坝的中心距离,通过调整两个心滩坝体的中心距离,使之不断增大直到满足两个心滩坝体不出现重合部分为止,其中一个边界条件是两个心滩坝底部椭圆在长轴方向相切。这种方式产生的心滩坝模型会存在算法收敛问题,因为当心滩坝比例较高时,网格模型中的空间较为密集,无论如何调整心滩坝的位置,都会存在重叠。因而进一步优选的,如图3所示,判断到两个相邻心滩坝的心滩坝椭圆具有重合部,同时判断到心滩坝的粒级相异,调整低优先级心滩坝的心滩坝椭圆轮廓,以重合部中高优先级心滩坝的心滩坝椭圆轮廓为低优先级心滩坝的心滩坝轮廓。心滩坝之间会出现侵蚀,可能是后模拟出来的心滩侵蚀掉前一个模拟的心滩,或者是先前模拟的心滩不受侵蚀,采取保证优先级高的心滩坝不受侵蚀的处理方法,舍弃优先级低的心滩坝的完整性。当然,如图4所示,判断到两个相邻心滩坝的心滩坝椭圆具有重合部,同时判断到所述心滩坝的粒级相同,也可采用直接叠加的妨害,分别绘制两个相邻心滩坝模型。
作为一个优选的方案,为了增加建模算法的灵活度,同时也考虑到建立的训练图像通常代表一个完整的沉积地层单元,因此心滩坝在网格模型内部通常是完整的,也就是需要排除那些在网格模型内只有一部分的心滩坝,因此本发明提供的生成方法增加了一个控制条件,即是否只模拟完整的心滩坝。当判断到心滩坝模型的底部与初始网格模型的底部相交,和/或所述心滩坝模型的顶部与所述初始网格模型的顶部相交,则舍弃该心滩坝模型。优选的,还有当判断到心滩坝模型在某一层面上与初始网格模型的边界相交,同样舍弃该心滩坝模型。当通过上述的过程排除符合条件的心滩坝模型后,剩下的心滩坝模型则完全并且完整地处于网格模型内,确保了辫状河训练图像中心滩坝的完整性。
本发明同时提供一种辫状河训练图像生成装置,如图5所示,包括网格构建模块10、绘制模块20和输出模块30。网格构建模块10,用于构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;绘制模块20,用于获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;输出模块30,用于判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。
基于计算机系统的思想,本发明还提供了一种辫状河训练图像生成设备,包括处理器和用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行步骤S100~S300:
步骤S100:构建辫状河的初始网格模型,初始网格模型用于包含若干心滩坝。
步骤S200:获取每个心滩坝的地质属性参数,根据地质属性参数在初始网格模型中,由每个心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,心滩坝椭圆以每层心滩坝的中心为圆心,心滩坝椭圆与相应层的心滩坝的最大边沿点相接。
步骤S300:判断到心滩坝模型在网格模型中的网格比例达到心滩坝在辫状河中的比例参数,输出辫状河网格模型。
上述实施例阐明的装置或模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于服务端设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已,并不用以限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (10)
1.一种辫状河训练图像生成方法,其特征在于,适于在计算设备中执行,该方法包括下列步骤:
构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;
获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;
判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。
2.根据权利要求1所述的辫状河训练图像生成方法,其特征在于,所述地质属性参数包括心滩坝粒级、心滩坝长度、心滩坝宽度、心滩坝厚度和心滩坝在所述辫状河中的比例参数。
3.根据权利要求1所述的辫状河训练图像生成方法,其特征在于,判断到每两个所述心滩坝的底部心滩坝椭圆具有重合部;增加两个所述心滩坝中后绘制心滩坝与先绘制心滩坝的中心间距到两个所述心滩坝底部椭圆至少在长轴方向相切。
4.根据权利要求1所述的辫状河训练图像生成方法,其特征在于,判断到两个相邻所述心滩坝的心滩坝椭圆具有重合部,同时判断到所述心滩坝的粒级相异,调整所述低优先级心滩坝的心滩坝椭圆轮廓,以所述重合部中高优先级心滩坝的心滩坝椭圆轮廓为所述低优先级心滩坝的心滩坝轮廓。
5.根据权利要求4所述的辫状河训练图像生成方法,其特征在于,判断到两个相邻心滩坝的心滩坝椭圆具有重合部,同时判断到所述心滩坝的粒级相同,分别绘制所述两个相邻心滩坝模型。
6.根据权利要求1所述的辫状河训练图像生成方法,其特征在于,获取所述心滩坝底部附近的砾岩层地质属性参数,根据预设格式设置所述心滩坝的心滩坝粒级。
7.根据权利要求1所述的辫状河训练图像生成方法,其特征在于,判断到所述心滩坝模型的底部与所述初始网格模型的底部相交,和/或所述心滩坝模型的顶部与所述初始网格模型的顶部相交,舍弃所述心滩坝模型。
8.根据权利要求7所述的辫状河训练图像生成方法,其特征在于,判断到所述心滩坝模型在某一层面上与所述初始网格模型的边界相交,舍弃所述心滩坝模型。
9.一种辫状河训练图像生成装置,其特征在于,包括:
网格构建模块,用于构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;
绘制模块,用于获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;
输出模块,用于判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。
10.一种辫状河训练图像生成设备,其特征在于,包括处理器和用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行下列步骤:
构建辫状河的初始网格模型,所述初始网格模型用于包含若干心滩坝;
获取每个所述心滩坝的地质属性参数,根据所述地质属性参数在所述初始网格模型中,由每个所述心滩坝的底部向顶部依次绘制若干层心滩坝椭圆,生成心滩坝模型,所述心滩坝椭圆以每层所述心滩坝的中心为圆心,所述心滩坝椭圆与相应层的心滩坝的最大边沿点相接;
判断到所述心滩坝模型在所述网格模型中的网格比例达到所述心滩坝在所述辫状河中的比例参数,输出所述辫状河网格模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563669.XA CN108876916B (zh) | 2018-06-04 | 2018-06-04 | 辫状河训练图像生成方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563669.XA CN108876916B (zh) | 2018-06-04 | 2018-06-04 | 辫状河训练图像生成方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876916A true CN108876916A (zh) | 2018-11-23 |
CN108876916B CN108876916B (zh) | 2022-06-17 |
Family
ID=64335052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810563669.XA Active CN108876916B (zh) | 2018-06-04 | 2018-06-04 | 辫状河训练图像生成方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876916B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428497A (zh) * | 2019-06-25 | 2019-11-08 | 长江大学 | 辫状河训练图像生成方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030011599A1 (en) * | 2001-07-10 | 2003-01-16 | Mike Du | 3-D map data visualization |
US20090202101A1 (en) * | 2008-02-12 | 2009-08-13 | Dycom Technology, Llc | Electronic manifest of underground facility locate marks |
CN101739887A (zh) * | 2009-12-01 | 2010-06-16 | 陈建平 | 一种获取三维古地形图的方法及装置 |
US20170127025A1 (en) * | 2014-07-31 | 2017-05-04 | Mtt Innovation Incorporated | Numerical approaches for free-form lensing: area parameterization free-form lensing |
-
2018
- 2018-06-04 CN CN201810563669.XA patent/CN108876916B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030011599A1 (en) * | 2001-07-10 | 2003-01-16 | Mike Du | 3-D map data visualization |
US20090202101A1 (en) * | 2008-02-12 | 2009-08-13 | Dycom Technology, Llc | Electronic manifest of underground facility locate marks |
CN101739887A (zh) * | 2009-12-01 | 2010-06-16 | 陈建平 | 一种获取三维古地形图的方法及装置 |
US20170127025A1 (en) * | 2014-07-31 | 2017-05-04 | Mtt Innovation Incorporated | Numerical approaches for free-form lensing: area parameterization free-form lensing |
Non-Patent Citations (2)
Title |
---|
JIANSUN 等: "Development and application of a braided river model with non-uniform sediment transport", 《ADVANCES IN WATER RESOURCES》 * |
张会卿: "心滩坝内部构型及剩余油分布规律研究与应用", 《新疆石油天然气》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428497A (zh) * | 2019-06-25 | 2019-11-08 | 长江大学 | 辫状河训练图像生成方法 |
CN110428497B (zh) * | 2019-06-25 | 2021-08-06 | 长江大学 | 辫状河训练图像生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108876916B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10062207B2 (en) | Method and system for reconstructing a three-dimensional model of point clouds | |
CN103270514B (zh) | 用于生成所关注的地质体积的、受所关注的地质体积的基于过程的模型约束的地质统计模型的系统和方法 | |
Zhang et al. | Filter-based classification of training image patterns for spatial simulation | |
US8355898B2 (en) | System and method for modeling flow events responsible for the formation of a geological reservoir | |
CN104850682B (zh) | 基于位置的多点地质统计学建模方法 | |
CN104297787B (zh) | 河流相低渗致密砂岩储层的三维岩相数据处理方法及装置 | |
CN106340061B (zh) | 一种山区点云滤波方法 | |
CN104635262B (zh) | 一种基于增强型矩形网格的正逆断层等值线自动生成方法 | |
CN106716181A (zh) | 使用多点统计模拟调节基于对象或事件的储层模型 | |
CN104504754B (zh) | 一种油气储层多点统计建模的方法及装置 | |
CA2908934C (en) | Gridless simulation of a fluvio-deltaic environment | |
CN114943178A (zh) | 一种三维地质模型建模方法、装置及计算机设备 | |
CN106875484B (zh) | 一种基于三维地形的地质堆积体快速拟合建模方法 | |
CN104240301B (zh) | 地质曲面重构方法及设备 | |
CN105844710B (zh) | 一种地质体网格化过程中的数据检测方法 | |
CN103678899B (zh) | 一种基于可变影响比的油气藏多点统计建模方法及设备 | |
CN108828669B (zh) | 一种二维相交测线静校正处理方法、装置及系统 | |
CN108876916A (zh) | 辫状河训练图像生成方法及设备 | |
CN107507179B (zh) | 基于gocad的岩土体量化分析方法 | |
CN111413741A (zh) | 一种砂岩型铀矿资源量计算方法和装置 | |
CN103886129B (zh) | 将测井数据离散到储层网格模型的方法和装置 | |
CN115984503B (zh) | 一种地质剖面图生成方法、系统、电子设备及介质 | |
CN112053438A (zh) | 基于水平集的成矿构造深部推断建模方法 | |
CN106443829A (zh) | 一种近地表模型构建方法及装置 | |
CN109712238A (zh) | 平滑处理地质模型的方法及设备 |
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 |