CN108986217B - 基于图型矢量距离的多点地质统计学建模方法 - Google Patents

基于图型矢量距离的多点地质统计学建模方法 Download PDF

Info

Publication number
CN108986217B
CN108986217B CN201710398919.4A CN201710398919A CN108986217B CN 108986217 B CN108986217 B CN 108986217B CN 201710398919 A CN201710398919 A CN 201710398919A CN 108986217 B CN108986217 B CN 108986217B
Authority
CN
China
Prior art keywords
training pattern
training
data
angle value
pattern
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.)
Active
Application number
CN201710398919.4A
Other languages
English (en)
Other versions
CN108986217A (zh
Inventor
王鸣川
段太忠
王光付
赵磊
商晓飞
廉培庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Exploration and Production Research Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Exploration and Production Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Exploration and Production Research Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201710398919.4A priority Critical patent/CN108986217B/zh
Publication of CN108986217A publication Critical patent/CN108986217A/zh
Application granted granted Critical
Publication of CN108986217B publication Critical patent/CN108986217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于图型矢量距离的多点地质统计学建模方法，其包括以下步骤：S10：获得训练图型库；S20：将训练图型库中的训练图型归为多个训练图型类；S30：计算每个训练图型类的训练图型原型；S40：构建模拟实现的随机路径；S50：遍历随机路径中的待模拟点，用数据模板扫描模拟现实得到待模拟点处的数据事件；S60：将总角度值与该数据事件的总角度值最接近的训练图型原型所对应的训练图型类作为与该数据事件最相似的训练图型类；S70：获得到与数据事件最相似的训练图型；S80：用最相似的训练图型替换数据事件；S90：重复步骤S50至步骤S80，直至随机路径中所有的待模拟点都被模拟。

Description

基于图型矢量距离的多点地质统计学建模方法
技术领域
本发明属于油气田开发地质技术领域，具体涉及一种基于图型矢量距离的多点地质统计学建模方法。
背景技术
地质建模是定量表征储层的重要手段。目前已经发展起来的地质建模技术主要分为：基于变差函数的两点地质统计学建模方法、基于目标的地质建模方法和多点地质统计学建模方法。基于变差函数的两点地质统计学建模方法只能反映空间两点之间的相关性，不能较好地再现地下储层的复杂地质结构和形态；基于目标的地质建模方法虽能较好地再现较简单储层的形态特征，但地质体的形态参数化困难，而且数据的条件化也比较困难。多点地质统计学建模方法能综合上述两种建模方法的优势，具有很好的发展前景。(吴胜和等，多点地质统计学—理论、应用与展望，古地理学报，2005，7(1)：137-144)
训练图像是多点地质统计学建模方法的基础，训练图像的创建和特征Mariethoz和Caers在著作《Multiple-point Geostatistics:Stochastic Modeling with TrainingImages》中有详细论述。Strebelle和Journel(Reservoir Modeling Using Multiple-Point Statistics，SPE 71324，2001：1-11)提出Snesim多点地质统计学建模方法，采用多点联合分布的概率对数据事件的中心点进行模拟，建模效果较传统建模方法有了明显提高，但是易导致目标体不连续。随着多点地质统计学理论的发展，基于多点地质统计学的建模方法也在不断发展。Apart等(A Multiple-Scale,Pattern-Based Approach toSequential Simulation，Geostatistics Banff，2004：255-264)提出了基于图型(pattern)相似度的Simpat方法，直接采用图型与数据事件的距离(相似度)来选取最相似的图型，但由于Simpat方法图型选取计算量大，不适合推广应用。尹艳树等(基于储层骨架的多点地质统计学方法，中国科学D辑，2008，38(SⅡ):157-164)、石书缘等(基于随机游走过程的多点地质统计学建模方法，地质科技情报，2011，30(5):127-131)在Simpat方法中分别引入河道中线和随机游走过程，提出了基于储层骨架的多点地质统计学建模方法(SMPS)和基于随机游走过程的多点地质统计学建模方法(RMPS)，但这些方法只适用于物源方向或地质体形态明晰的沉积储层。Zhang等(Filter-Based Classification of TrainingImage Patterns for Spatial Simulation，Mathematical Geology，2006，38(1):63-80)在Simpat方法的基础上提出了Filtersim方法，采用过滤器对图型进行聚类，根据数据事件与图型类的距离(相似度)来得到最相似的图型类，在图型类内随机选取图型替换模拟网格中的数据事件，但Filtersim方法图型聚类标准难以反映图型的几何结构特征。Honarkhah等(Stochastic Simulation of Patterns Using Distance-Based Pattern Modeling，Math Geosci，2010，42：487-517)在Filtersim方法的基础上，改进了图型聚类方法，提出了Dispat方法，考虑了图型的几何结构特征，提高了计算效率。
虽然Dispat方法在数据事件与图型相似度计算过程中考虑了图型的几何结构特征，但对图型所反映的地质意义难以定量表征。因此，需要研究一种在数据事件与图型相似度计算过程中既能考虑图型的几何结构特征又能定量表征图型地质意义的多点地质统计学建模方法。
发明内容
针对上述技术问题，本发明提出了一种基于图型矢量距离的多点地质统计学建模方法，其包括以下步骤：
S10：采用数据模板扫描训练图像，得到由多个训练图型组成的训练图型库；
S20：计算出训练图型库中每个训练图型的总角度值；根据训练图型的总角度值所在范围，将训练图型库中的训练图型归为多个训练图型类；
S30：计算每个训练图型类的训练图型原型；
S40：构建模拟实现的随机路径；
S50：遍历随机路径中的待模拟点，用数据模板扫描模拟实现得到待模拟点处的数据事件；
S60：计算待模拟点处的数据事件的总角度值以及每个训练图型原型的总角度值，将总角度值与该数据事件的总角度值最接近的训练图型原型所对应的训练图型类作为与该数据事件最相似的训练图型类；
S70：计算待模拟点u处的数据事件与其最相似的训练图型类里每个训练图型的相似性，得到与数据事件最相似的训练图型；
S80：用最相似的训练图型替换数据事件；
S90：重复步骤S50至步骤S80，直至随机路径中所有的待模拟点都被模拟。
在一个具体的实施例中，训练图型的总角度值的计算方法：在每个训练图型中以训练图型的中心点为原点，以分别平行于训练图型中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；循环判断训练图型中每个容纳有已知取样数据的网格单元的中点与原点之间的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；将记录下的角度值进行累加获得该训练图型对应的总角度值。
在一个具体的实施例中，在步骤S20中，采用K-means聚类方法对训练图型库中的训练图型进行聚类。
在一个具体的实施例中，步骤S20包括步骤S21～S24，
S21：随机选取训练图型库的K个训练图型的总角度值作为种子点，K≥2；
S22：计算所有训练图型的总角度值到K个种子点之间的距离，将距离种子点近的训练图型聚为种子点所在的类；
S23：对每类里所有训练图型的总角度值求平均，作为类的新的种子点；
S24：重复步骤S22和S23，直至种子点没有移动。
在一个具体的实施例中，在步骤S30中训练图型原型的算式：
Figure BDA0001309240390000031
式中，RPT(i,j,k)为表示训练图型原型；
PT(i,j,k)为表示在训练图型类里的第T个训练图型；
n为训练图型类里的训练图型的总数；
i、j、k为训练图型或与训练图型原型对应的数据载体网格的网络单元在三个相互垂直方向的索引。
在一个具体的实施例中，数据事件的总角度值的计算方法：在每个数据事件中以数据事件的中心点为原点，以分别平行于数据事件中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；循环判断数据事件中每个容纳有已知取样数据的网格单元的中点与原点之间的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；将记录下的角度值进行累加获得该数据事件对应的总角度值。
在一个具体的实施例中，训练图型原型的总角度值的计算方法：在每个训练图型原型中以训练图型原型的中心点为原点，以分别平行于训练图型原型中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；循环判断训练图型原型中每个容纳有已知取样数据的网格单元的中点与原点之间的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；将记录下的角度值进行累加获得该训练图型原型对应的总角度值。
在一个具体的实施例中，在步骤S70中，采用欧式距离衡量数据事件与训练图型之间的相似性，与数据事件欧式距离最短的训练图型为最相似的训练图型，欧式距离的计算式为：
d(DEVT-PT)＝[(DEVT(i,j,k)-PT(i,j,k))2]1/2
式中，DEVT表示待模拟点处的数据事件，PT(i,j,k)表示第T个训练图型，i、j、k为训练图型或与数据事件对应的数据载体网格的网络单元在三个相互垂直方向的索引。
采用本发明进行人工合成工区非条件化模拟的结果表明，对于训练图像所反映的地质体特征，无论是在空间形态、连续性，还是在空间接触关系上，其地质体的再现能力都有显著提高；无论对硬数据(如井数据)，还是对软数据(如地震提出的概率体)，都有较好的条件化能力。
实际工区的建模效果表明，本发明提出的基于图型矢量距离的多点地质统计建模方法可行，模拟结果可靠，可以实现对复杂储层的地质建模。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1显示了本发明的一个实施例中的数据模板的结构；
图2显示了本发明的一个实施例中采用数据模板扫描训练图像的过程；
图3显示了本发明的一个实施例中网格单元的中点与原点之间的线段与xy平面之间的夹角为零时的示意图；
图4显示了本发明的一个实施例中网格单元的中点与原点之间的线段与xy平面之间的夹角不为零时的示意图；
图5显示了本发明的对比例1中采用三种建模方法建模后的结果；
图6显示了本发明的对比例2中采用本发明中的方法所得到的模拟实现模型；
图7显示了本发明的对比例2中采用地震协同序贯指示模拟方法所得到的模拟实现模型；
图8显示了本发明的对比例2中采用常用的序贯指示模拟方法所得到的模拟实现模型。
在附图中，相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合附图对本发明作进一步说明。
本实施例中的一种基于图型矢量距离的多点地质统计学建模方法包括以下步骤：
步骤S10：采用数据模板扫描训练图像，得到由多个训练图型组成的训练图型库。
如图1所示，X、Y、Z轴分别指向了三个相互垂直的方向。网格单元是具有指定长、宽、高的矩形立方单元，其长、宽、高分别依次与X、Y、Z轴平行。网格单元通常为正方体。网格单元存储具体数值代表其属性。数据模板为由多个呈三维矩阵排列的网格单元组成的立方体网络结构。数据模板的长、宽、高依次与X、Y、Z轴平行。数据模板能够表述实际储层结构、结合形态及其分布模式的局部数字化模型，是基于样式的多点地质统计学建模方法的基本结构单元。
训练图像是指先验地质概念模型。训练图像是能够表达实际储层结构、几何形态及其分布模式的数字化模型。训练图像为由多个呈三维矩阵排列的网格单元组成的网络结构。该网络结构的规模大于数据模板的网络结构的规模。训练图像中的网格单元与数据模板中的网格单元的尺寸一致。训练图像中的网格单元的长、宽、高分别依次与X、Y、Z轴平行。在训练图像中，Z轴表达现实中的竖直向上的方向，现实中的水平面与X、Y轴均平行。
如图2所示，采用数据模板扫描训练图像是指将训练图像中连续分布的局部数据按照数据模板的尺寸提取出来形成新的训练图型的过程。训练图型为局部空间数据组合体，通常采用呈三维矩阵排列的多个网格单元来承载数据。即，在一个训练图像上能被一个数据模板框住的一组数据作为一个训练图型，这组数据中数据的相对位置不变。训练图型的集合为训练图像数据库。训练图型通常需要尽可能多。
步骤S20：计算出训练图型库中每个训练图型的总角度值；根据训练图型的总角度值所在范围，将训练图型库中的训练图型归为多个训练图型类。
训练图型的总角度值的计算方法：在每个训练图型中以训练图型的中心点为原点，以分别平行于训练图型中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；循环判断训练图型中将每个容纳有已知取样数据的网格单元的中点A与原点O相连的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值(如图3所示，角度值为∠B的值)，否则记录该夹角的角度值(如图4所示，角度值为∠C的值)；将记录下的角度值进行累加获得该训练图型对应的总角度值。
在该步骤中，采用K-means聚类方法对训练图型库中的训练图型进行聚类。具体地，步骤S20包括步骤S21～S24。
S21：随机选取训练图型库的K个训练图型的总角度值作为种子点，K≥2；
S22：计算所有训练图型的总角度值到K个种子点之间的几何距离，将距离种子点近的训练图型聚为种子点所在的类；
S23：对每类里所有训练图型训练图型的总角度值求平均，作为类的新的种子点；
S24：重复步骤S22和S23，直至种子点没有移动。
步骤S30：计算每个训练图型类的训练图型原型。
训练图型原型的计算方法：对训练图型类里的所有图型进行点对点取平均值得到图型原型，训练图型原型的算式：
Figure BDA0001309240390000061
(1)式中，RPT(i,j,k)为表示训练图型原型；PT(i,j,k)为表示在训练图型类里的第T个训练图型；n为训练图型类里的训练图型的总数；i、j、k为训练图型或与训练图型原型对应的数据载体网格的网络单元在X、Y、Z方向的索引。
步骤S40：构建模拟实现的随机路径。
模拟实现是指模拟的模型结果，其采用呈三维矩阵排列的网格单元组成的网络结构作为数据载体。模拟实现是能够表述实际储层结构、几何形态及其分布模式的数字化模型。
步骤S50：遍历随机路径中的待模拟点，用数据模板扫描模拟实现得到待模拟点处的数据事件。
数据事件是指采用数据模板为框架将模拟实现中连续分布的局部数据按照数据模板的尺寸提取出来的局部空间数据组合体。数据事件为局部空间数据组合体，通常采用呈三维矩阵排列的多个网格单元来承载数据。
步骤S60：计算待模拟点处的数据事件的总角度值以及每个训练图型原型的总角度值，将总角度值与该数据事件的总角度值最接近的训练图型原型所对应的训练图型类作为与该数据事件最相似的训练图型类。
数据事件的总角度值的计算方法：在每个数据事件中以数据事件的中心点为原点，以分别平行于数据事件中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；循环判断数据事件中将每个容纳有已知取样数据的网格单元的中点与原点相连的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；将记录下的角度值进行累加获得该数据事件对应的总角度值。
训练图型原型的总角度值的计算方法：在每个训练图型原型中以训练图型原型的中心点为原点，以分别平行于训练图型原型中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；循环判断训练图型原型中将每个容纳有已知取样数据的网格单元的中点与原点相连的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；将记录下的角度值进行累加获得该训练图型原型对应的总角度值。
步骤S70：计算待模拟点处的数据事件与其最相似的训练图型类里每个训练图型的相似性，得到与数据事件最相似的训练图型。
相似性计算方法：采用欧式距离衡量数据事件与训练图型之间的相似性，欧式距离的算式为：
d(DEVT-PT)＝[(DEVT(i,j,k)-PT(i,j,k))2]1/2 (2)
(2)式中，DEVT表示待模拟点处的数据事件，PT(i,j,k)表示第T个训练图型。i、j、k为训练图型或与训练图型原型对应的数据载体网格的网络单元在X、Y、Z方向的索引。与数据事件欧式距离最短的训练图型即为最相似的训练图型。
步骤S80：用最相似的训练图型替换数据事件；
步骤S90：重复步骤S50至步骤S80，直至随机路径中所有的待模拟点都被模拟。
通过图型矢量距离，对数据事件与图型进行二次匹配，在提高图型匹配效率的同时提高图型的匹配精度，达到提高建模可靠性的目的。
对比例1
如图5所示，数据化训练图像TI，创建模拟网格(与训练图像相同)，设定Snesim方法、Dispat方法和本发明方法的模拟参数，分别按照三种方法的模拟步骤，对训练图像进行非条件化模拟(无硬数据和软数据)，得到三种方法的三个实现。
在图5中，TI为训练图像，1、2、3分别为采用Snesim、Dispat、本发明的三种模拟方法模拟的结果，a、b、c为对应的三个实现。人工合成工区采用本发明中的方法与采用目前最具应用前景的Dispat方法相比，100个模拟实现对比的情况下，采用本发明的方法模拟得到的实现与训练图像的距离之差较Dispat方法提高40.63％，本发明的方法模拟实现的距离差的方差39.37％。说明本发明的方法的模拟效果好且方法的稳定性高。
对比例2：(碳酸盐岩实际工区)
设定序贯指示模拟方法的变差函数等模拟参数和本发明方法的模拟参数，根据各方法的要求增加相应的硬数据和软数据，按照各自的模拟步骤，对碳酸盐岩储层工区进行模拟，分别得到如图6、7、8中依次展示的采用本发明的方法、地震协同序贯指示模拟方法以及常用的序贯指示模拟方法所获得的三个模拟实现模型。
模拟结果表明：常用的序贯指示模拟方法所建模型中，岩石类型主要集中在具有分布优势的RT2和RT4上，岩石类型之间的变化呈现出快速突变的特征；地震协同序贯指示模拟方法所建模型一定程度上改善了不同岩石类型之间的接触，使模拟的岩石类型种类更加丰富和相对更加接近地质认识；采用本发明中的方法所建模型岩石类型空间接触关系和展布符合地质认识，模型更为可靠合理。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (6)

1.一种基于图型矢量距离的多点地质统计学建模方法，包括以下步骤：
S10：采用数据模板扫描训练图像，得到由多个训练图型组成的训练图型库；
S20：计算出训练图型库中每个训练图型的总角度值；根据训练图型的总角度值所在范围，将训练图型库中的训练图型归为多个训练图型类；
S30：计算每个训练图型类的训练图型原型；
S40：构建模拟实现的随机路径；
S50：遍历随机路径中的待模拟点，用数据模板扫描模拟实现得到待模拟点处的数据事件；
S60：计算待模拟点处的数据事件的总角度值以及每个训练图型原型的总角度值，将总角度值与该数据事件的总角度值最接近的训练图型原型所对应的训练图型类作为与该数据事件最相似的训练图型类；
S70：计算待模拟点处的数据事件与其最相似的训练图型类里每个训练图型的相似性，得到与数据事件最相似的训练图型；
S80：用最相似的训练图型替换数据事件；
S90：重复步骤S50至步骤S80，直至随机路径中所有的待模拟点都被模拟；
其中，步骤S20包括步骤S21～S24，
S21：随机选取训练图型库的K个训练图型的总角度值作为种子点，K≥2；
S22：计算所有训练图型的总角度值到K个种子点之间的距离，将距离种子点近的训练图型聚为种子点所在的类；
S23：对每类里所有训练图型的总角度值求平均，作为类的新的种子点；
S24：重复步骤S22和S23，直至种子点没有移动；
训练图型的总角度值的计算方法：
在每个训练图型中以训练图型的中心点为原点，以分别平行于训练图型中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；
循环判断训练图型中将每个容纳有已知取样数据的网格单元的中点与原点相连的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；
将记录下的角度值进行累加获得该训练图型对应的总角度值。
2.根据权利要求1所述的多点地质统计学建模方法，其特征在于，在步骤S20中，采用K-means聚类方法对训练图型库中的训练图型进行聚类。
3.根据权利要求1所述的多点地质统计学建模方法，其特征在于，在步骤S30中训练图型原型的算式：
Figure FDA0003094635990000021
式中，RPT(i,j,k)为表示训练图型原型；
PT(i,j,k)为表示在训练图型类里的第T个训练图型；
n为训练图型类里的训练图型的总数；
i、j、k为训练图型或与训练图型原型对应的数据载体网格的网络单元在三个相互垂直方向的索引。
4.根据权利要求1至3中任一项所述的多点地质统计学建模方法，其特征在于，数据事件的总角度值的计算方法：
在每个数据事件中以数据事件的中心点为原点，以分别平行于数据事件中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；
循环判断数据事件中将每个容纳有已知取样数据的网格单元的中点与原点相连的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；
将记录下的角度值进行累加获得该数据事件对应的总角度值。
5.根据权利要求1至3中任一项所述的多点地质统计学建模方法，其特征在于，训练图型原型的总角度值的计算方法：
在每个训练图型原型中以训练图型原型的中心点为原点，以分别平行于训练图型原型中的网格单元的长、宽、高的三个方向为x、y、z坐标轴建立直角坐标系；
循环判断训练图型原型中将每个容纳有已知取样数据的网格单元的中点与原点相连的线段与xy平面之间的夹角是否为零，若是则记录该线段与x轴之间的角度值，否则记录该夹角的角度值；
将记录下的角度值进行累加获得该训练图型原型对应的总角度值。
6.根据权利要求1至3中任一项所述的多点地质统计学建模方法，其特征在于，在步骤S70中，采用欧式距离衡量数据事件与训练图型之间的相似性，与数据事件欧式距离最短的训练图型为最相似的训练图型，欧式距离的计算式为：
d(DEVT-PT)＝[(DEVT(i,j,k)-PT(i,j,k))2]12
式中，DEVT表示待模拟点处的数据事件，PT(i,j,k)表示第T个训练图型，i、j、k为训练图型或与数据事件对应的数据载体网格的网络单元在三个相互垂直方向的索引。
CN201710398919.4A 2017-05-31 2017-05-31 基于图型矢量距离的多点地质统计学建模方法 Active CN108986217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710398919.4A CN108986217B (zh) 2017-05-31 2017-05-31 基于图型矢量距离的多点地质统计学建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710398919.4A CN108986217B (zh) 2017-05-31 2017-05-31 基于图型矢量距离的多点地质统计学建模方法

Publications (2)

Publication Number Publication Date
CN108986217A CN108986217A (zh) 2018-12-11
CN108986217B true CN108986217B (zh) 2021-07-27

Family

ID=64501056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710398919.4A Active CN108986217B (zh) 2017-05-31 2017-05-31 基于图型矢量距离的多点地质统计学建模方法

Country Status (1)

Country Link
CN (1) CN108986217B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084785B (zh) * 2019-04-01 2020-12-08 南京工程学院 一种基于航拍图像的输电线垂弧测量方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886216A (zh) * 2014-04-04 2014-06-25 中国石油大学(北京) 一种基于地质矢量信息的多点地质统计方法
CN104850682A (zh) * 2015-04-17 2015-08-19 长江大学 基于位置的多点地质统计学建模方法
CN105426626A (zh) * 2015-12-08 2016-03-23 长江大学 基于相似数据样式聚类的多点地质统计学建模方法
CN106227929A (zh) * 2016-07-19 2016-12-14 长江大学 基于各向异性的非平稳建模方法
CN106294540A (zh) * 2016-07-22 2017-01-04 长江大学 基于p‑stable局部敏感哈希检索数据样式的多点地质统计建模方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE533075T1 (de) * 2007-12-21 2011-11-15 Prad Res & Dev Ltd Mehrpunkt-geostatistikverfahren mit abzweigungs- lauflängen-kompression und lokaler rastertransformation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886216A (zh) * 2014-04-04 2014-06-25 中国石油大学(北京) 一种基于地质矢量信息的多点地质统计方法
CN104850682A (zh) * 2015-04-17 2015-08-19 长江大学 基于位置的多点地质统计学建模方法
CN105426626A (zh) * 2015-12-08 2016-03-23 长江大学 基于相似数据样式聚类的多点地质统计学建模方法
CN106227929A (zh) * 2016-07-19 2016-12-14 长江大学 基于各向异性的非平稳建模方法
CN106294540A (zh) * 2016-07-22 2017-01-04 长江大学 基于p‑stable局部敏感哈希检索数据样式的多点地质统计建模方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Quantifying natural delta variability using a multiple-point geostatistics prior uncertainty model;Scheidt, C 等;《JOURNAL OF GEOPHYSICAL RESEARCH-EARTH SURFACE》;20161031;第121卷(第10期);第1800-1817页 *
基于局部各向异性的非平稳多点地质统计学算法;喻思羽 等;《物探与化探》;20170430;第41卷(第2期);第262-269页 *
基于样式降维聚类的多点地质统计建模算法;喻思羽 等;《石油学报》;20161130;第37卷(第11期);第1403-1409页 *
多点地质统计学研究进展与展望;尹艳树 等;《古地理学报》;20110430;第13卷(第2期);第245-252页 *

Also Published As

Publication number Publication date
CN108986217A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
US10467357B2 (en) Geobody continuity in geological models based on multiple point statistics
CN106126807B (zh) 一种基于大数据挖掘的无线信道建模方法
EP2869096B1 (en) Systems and methods of multi-scale meshing for geologic time modeling
AU2013296416B2 (en) Method for editing a multi-point facies simulation
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
US10234583B2 (en) Vector based geophysical modeling of subsurface volumes
CN111612906B (zh) 一种三维地质模型的生成方法、系统及计算机存储介质
US20140058713A1 (en) Seismic modeling system and method
US20130329986A1 (en) System and method for optimizing the number of conditioning data in multiple point statistics simulation
CN107204040B (zh) 多点地质统计学建模方法及装置、计算机存储介质
WO2014099201A1 (en) Geophysical modeling of subsurface volumes based on horizon extraction
CN104504754A (zh) 一种多点统计建模的方法及装置
Strebelle Multiple-point geostatistics: from theory to practice
US8422745B2 (en) Method of modelling an underground heterogeneous medium from multipoint statistics
CN106875484B (zh) 一种基于三维地形的地质堆积体快速拟合建模方法
CN108986217B (zh) 基于图型矢量距离的多点地质统计学建模方法
Zhou 3D urban modeling from city-scale aerial LiDAR data
CN110687598A (zh) 一种加速微震数值模拟的方法及装置
US20150317419A1 (en) Local direct sampling method for conditioning an existing reservoir model
CN108537883B (zh) 一种基于MapReduce框架的地质建模方法
Smith et al. Map Comparison Methods for Three‐Dimensional Space and Time Voxel Data
Mencos et al. Orientation domains: A mobile grid clustering algorithm with spherical corrections
CN113298952B (zh) 一种基于数据扩容与相似性度量的残缺点云分类方法
Wong et al. Modelling a fluvial reservoir with multipoint statistics and principal components
EP3320450A1 (en) Improved geobody continuity in geological models based on multiple point statistics

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