CN109143337B - 一种浊积砂体储层建模方法 - Google Patents
一种浊积砂体储层建模方法 Download PDFInfo
- Publication number
- CN109143337B CN109143337B CN201810886717.9A CN201810886717A CN109143337B CN 109143337 B CN109143337 B CN 109143337B CN 201810886717 A CN201810886717 A CN 201810886717A CN 109143337 B CN109143337 B CN 109143337B
- Authority
- CN
- China
- Prior art keywords
- turbid
- training image
- accumulated sand
- reservoir
- modeling
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6169—Data from specific type of measurement using well-logging
-
- 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
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- 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
Abstract
本发明涉及一种浊积砂体储层建模方法,其具体步骤为:S1、浊积砂体几何要素分析及原型模型建立;S2、井震综合浊积砂体反演,将原有连续的振幅频率属性转变为离散的属性代码获取训练图像;结合原型模型对离散属性的分布样式进行校对,对训练图像的误差层段重新调整时窗提取属性并反复优化,使其与原型模型匹配;S3、浊积砂体多点地质统计储层建模,建立研究区浊积砂体储层地质模型,综合利用生产动态数据库中的动态资料,对不合理的模拟区域进行误差分析,并反复调整方案对训练图像进行优化,建立静态信息与动态信息相结合的验证模型。本发明沉积微相类型建模效果好,能够对浊积砂体定量预测及精细刻画,准确表征浊积砂体空间分布。
Description
技术领域
本发明属于油气勘探技术领域,涉及滩坝砂体预测技术,具体地说,涉及一种浊积砂体储层建模方法。
背景技术
地质统计学最初应用与采矿业中,主要用于解决矿床普查勘探、矿山设计到矿山开采整个过程中各种储量计算和误差估计问题,后来在石油工业中得到迅速的发展,主要应用于储层表征与建模中。传统的建模方法主要利用变差函数来描述地质变量的相关性和变异性,然后变差函数只能把握空间上两点之间的相关性,即在二阶平稳或本征假设的前提下空间上任意两点之间的相关性,因而难于表征复杂的空间结构和再现复杂目标的几何形态,如弯曲河道、冲积扇等空间沉积的连续性和变异性。鉴于传统的基于变差函数的随机建模方法存在的不足,多点地质统计学建模方法营运而生。多点地质统计学是目前储层随机建模的国际前沿研究方向,该方法综合了储层建模中常用的基于目标(即沉积体)和基于象元(即网格)两种算法的优点,应用“训练图像”代替变差函数描述地质变量的空间结构性和相关性,能够有效克服传统两点地质统计学描述复杂空间和几何形态地质体的不足。多点地质统计学应用于随机模型迄今为止只有十余年的研究历史(吴胜和等,2005)。多点地质统计学主要包括两大类方法,即迭代的方法和非迭代的方法。迭代类的方法主要有:模拟退火方法、基于Gibbs取样的后处理迭代方法以及基于神经网络的马尔可夫蒙特卡洛方法,这些方法均为迭代算法,主要受到迭代收敛的局限,因此其应用也受到了限制。Guardianoand Srivastava(1993)提出了一种非迭代算法,即从训练图像中直接提取局部条件概率,并应用序贯指示模拟方法产生模拟实现,但每次扫描训练图像的计算机时过大,限于计算机硬件能力,也一直处于改进状态。直至2000年,Strebelle在前人研究基础上,提出了多点地质统计随机模拟的Snesim算法,通过利用搜索树保存扫描训练图像获得的多点概率,才使算法计算效率得到有效解决,多点地质统计迅速应用于实际储集层建模中,并推动建模学者的研究热潮,成为储层建模研究的重要方向之一。
国内学者吴胜和等(1999、2005)对多点地质统计学的理论及建模方法进行了系统的介绍,并利用多点地质统计学对实际地区进行了沉积微相建模,结果证明对于表征复杂几何形态的沉积体,多点地质统计学模拟比传统地质统计学建模方法更具优势。之后,许多建模工作者对多点地质统计学理论及Snesim算法进行了深入研究,并利用该方法对河流相储层开展了大量建模工作(张伟等,2008;骆杨等,2008;李桂亮等,2008;李少华等,2009;杨宏伟等,2010)。Liu(2005)等认为Snesim算法经过不断完善,可以在一定程度上解决多点地质统计学模拟中所存在的问题,同时他还分析了Snesim程序各参数对模拟结果的影响及部分重要参数的敏感性,提出了较为实用的操作建议。尹艳树、吴胜和等(2008)提出了一种针对河流相储层建模的新方法,即基于储层骨架的多点地质统计学方法,该方法根据基于目标方法建模思路,预测河道骨架(即河道中线)分布,提出采用搜索窗预测河道骨架,然后利用河道骨架对多点地质统计学中的数据事件选择进行约束,从而有效提高数据事件选择的合理性,达到更准确建立河道地质模型的目的。
多点地质统计学目前主要应用于河流相建模中,取得了较丰富的研究成果。通过前人研究成果与文献资料总结,发现该技术在以下两个方面有明显不足:(1)综合地震信息进行建模方面。该问题主要集中在利用地震信息获取训练图像环节。目前的研究技术主要是对地震信息进行地质解释,将其转换为一种训练图像,同时应用井信息和沉积模式得到一个训练图像,然后应用一个联合数据事件对两个训练图像进行扫描,以获取未取样点的综合条件概率。该方法需要地震训练图像与井信息训练图像有较高的一致性,然而地震数据多解性决定了地震信息与测井信息的可信度差异,因此难以获取准确的训练图像。(2)除河流相沉积外,多点地质统计学在其它沉积相类型中的应用较少。相对河流相而言,浊积相属于非平稳性沉积环境,其沉积物源、砂体空间展布特征的受控因素更多,形态多样,传统的多点地质统计Snesim模拟方法受训练图像平稳性、目标体连续性等问题的影响,难以对浊积砂体进行准确预测与模拟。学者们近几年提出了分区模拟的思路,但研究程度尚浅且区域划分较粗。因此,探索多点地质统计学在浊积砂体储层建模中的适用性,建立一套新的储层建模方法,不仅具有一定理论价值,更具有较大的应用前景。
浊积砂体是我国陆相盆地一种重要的沉积类型,形成了储量相当丰富的岩性油气藏,是近年来研究的热点,学者们先后提出各种地方性或区域性的浊积相沉积模式。近十几年来在浊积砂岩内部的层序结构、物源方向、生储盖组合的空间演化等研究方面均取得了一定成果,但关于浊积砂体精细化定量预测与建模研究较为薄弱,模型预测的精度与准确度均有待提高。浊积砂体属于事件沉积即非牵引流范畴,与河流相砂体相比,其沉积物源、砂体空间展布特征的控制因素更多,砂体相变快、形态多样,这给浊积砂体定量预测以及精细地质建模造成了一定难度。传统的基于变差函数的随机建模方法难以准确表征其空间分布样式。此外,与河流相储层相比,浊积砂体中的剩余油气资源更为丰富,对其进行准确的预测与建模具有重要的实际意义。
发明内容
本发明针对现有技术存在的难以对浊积砂体进行定量预测及精细地质建模等上述问题,提供一种对浊积砂体定量预测及精细刻画、准确表征浊积砂体空间分布的浊积砂体储层建模方法。
为了达到上述目的,本发明提供了一种浊积砂体储层建模方法,其具体步骤为:
S1、浊积砂体几何要素分析及原型模型建立;
在研究区进行单砂体划分与对比、浊积砂体沉积微相划分,选取研究区内平均井距小于100m的密井网开发区块,利用研究区钻井岩心、测井曲线与生产动态数据对浊积砂体进行精细描述,统计不同沉积时期单元浊积砂体的长度、宽度、弯曲度和分叉合并情况,明确浊积砂体不同微相的几何学特征及组合模式,建立原型模型;
S2、井震综合浊积砂体反演获取训练图像;
利用研究区三维地震资料,开展井震综合储层反演,对反演后的成果数据体进行属性提取与优选,提取振幅类与频率类的属性,利用聚类分析、判别分析方法,对反演属性体进行数学交换,使原有连续的振幅、频率属性转变为离散型的属性代码;将离散属性的平面分布图作为训练图像,结合原型模型对离散属性的分布样式进行校对,对训练图像的误差层段重新调整时窗提取属性并反复优化,使其与原型模型匹配;
S3、浊积砂体多点地质统计储层建模;
对训练图像进行结构分析,总结浊积砂体各微相的几何形态与空间组合样式,然后对训练图像进行区域划分处理,将处理后的训练图像输入多点地质统计模拟系统,对不同微相发育及组合特征的模拟区域输入不同的训练图像,利用多点地质统计学Simpat算法进行模拟,建立研究区浊积砂体储层地质模型,综合利用生产动态数据库中的动态资料,对不合理的模拟区域进行误差分析,调整训练图像分区输入方案,并反复调整搜索网格参数对训练图像进行优化,建立静态信息与动态信息相结合的验证模型。
优选的,步骤S3中,对训练图像进行区域划分处理的过程为:将训练图像进行区域划分,不同级别、不同类别的区域代表不同的沉积微相或砂体的分布图像,细化训练图像,将一张原始训练图像分为若干张训练图像,每一张训练图像代表一种沉积微相。
优选的,步骤S3中,利用多点地质统计学Simpat算法进行模拟的过程包括:选择随机路径,序贯求取各模拟点的条件概率分布函并通过抽样进行模拟。
优选的,步骤S3中,利用多点地质统计学Simpat算法进行模拟时,利用研究区内所有的井信息。
与现有技术相比,本发明的有益效果在于:
本发明充分借鉴了成熟区块扎实的地质研究结果,同时借助数学方法将井震综合反演与多点地质统计学相结合,通过井震综合储层反演,将测井资料与地震资料有效结合,避免了纯地震数据的多解性,实现多点地质统计学与地震信息的最优组合;在建模过程中,采用区域划分的方法对不同微相发育及组合特征的模拟区域进行划分,不仅对大尺度的沉积相进行划分,还对浊积相内部微相发育及组合特征的区域进行划分,划分尺度小,精度高。本发明对于沉积微相类型的表征精确,建模效果好,能够对浊积砂体定量预测及精细刻画,准确表征浊积砂体空间分布。
附图说明
图1为本发明实施例所述浊积砂体储层建模方法的流程图。
具体实施方式
下面,通过示例性的实施方式对本发明进行具体描述。然而应当理解,在没有进一步叙述的情况下,一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
本发明揭示了一种浊积砂体储层建模方法,其具体步骤为:
S1、浊积砂体几何要素分析及原型模型建立;
在研究区进行单砂体划分与对比、浊积砂体沉积微相划分,选取研究区内平均井距小于100m的密井网开发区块,利用研究区钻井岩心、测井曲线与生产动态数据对浊积砂体进行精细描述,统计不同沉积时期单元浊积砂体的长度、宽度、弯曲度和分叉合并情况,明确浊积砂体不同微相的几何学特征及组合模式,建立原型模型;
S2、井震综合浊积砂体反演获取训练图像;
利用研究区三维地震资料,开展井震综合储层反演,对反演后的成果数据体进行属性提取与优选,提取振幅类与频率类的属性,利用聚类分析、判别分析方法,对反演属性体进行数学交换,使原有连续的振幅、频率属性转变为离散型的属性代码;将离散属性的平面分布图作为训练图像,结合原型模型对离散属性的分布样式进行校对,对训练图像的误差层段重新调整时窗提取属性并反复优化,使其与原型模型匹配;
S3、浊积砂体多点地质统计储层建模;
对训练图像进行结构分析,总结浊积砂体各微相的几何形态与空间组合样式,然后对训练图像进行区域划分处理,将处理后的训练图像输入多点地质统计模拟系统,对不同微相发育及组合特征的模拟区域输入不同的训练图像,利用多点地质统计学Simpat算法进行模拟,建立研究区浊积砂体储层地质模型,综合利用生产动态数据库中的动态资料,对不合理的模拟区域进行误差分析,调整训练图像分区输入方案,并反复调整搜索网格参数对训练图像进行优化,建立静态信息与动态信息相结合的验证模型。
本发明上述方法,采用密井网区砂体建立精细的原型模型,将井震综合储层反演与多点地质统计学方法相结合,以井震综合浊积砂体反演获取的训练图像作为多点地质统计学方法的模拟输入,代替传统的变差函数,模拟准确,通过静态和动态信息验证,对浊积砂体进行建模的效果好。同时经过图像优选与参数调整后可推广至其他沉积相类型的储层建模中。
作为上述方法的优选方案,步骤S3中,对训练图像进行处理的过程为:将训练图像进行区域划分,不同级别、不同类别的区域代表不同的沉积微相或砂体的分布图像,细化训练图像,将一张原始训练图像分为若干张训练图像,每一张训练图像代表一种沉积微相。不仅对大尺度的沉积相进行划分,还对浊积相内部不同微相发育及组合特征的区域进行划分,划分尺度小、精度高。为多点地质统计学的准确模拟奠定了基础。
作为上述方法的优选方案,步骤S3中,利用多点地质统计学Simpat算法进行模拟的过程包括:选择随机路径,序贯求取各模拟点的条件概率分布函并通过抽样进行模拟。
作为上述方法的优选方案,步骤S3中,利用多点地质统计学Simpat算法进行模拟时,利用研究区内所有的井信息。利用研究区内所有的井信息,能够确保随机模拟结果的准确性。
实施例:选取黄骅坳陷板桥凹陷典型的浊积砂岩区作为研究对象。该区面积约40km2,古近系沙河街组一段广泛发育半深湖—深湖浊积砂体。区内钻遇浊积砂体的井数有160余口,平均井距约200m,有覆盖全区的高分辨率三维地震资料。前期研究已建立了全区单砂层级地层、构造模型,完成了浊积砂体的微相划分。采用现有多点地质统计学方法以及本发明所述浊积砂体储层建模方法对该研究区内的浊积砂体进行建模。
多点地质统计学方法综合了基于目标和基于象元两种技术的优势,很容易满足数据条件化,且能够综合不同来源、不同分辨率及可信度的数据。但存在难于获取准确训练图像的问题。现有技术通常采用将地震信息转换为一种训练图像,同时应用井信息和原型沉积模型再得到一个训练图像,然后对两个训练图像进行扫描,以获取未取采样点的综合条件概率。该方法需要地震训练图像与井信息训练图像有较高的一致性,然而地震数据多解性决定了地震信息与测井信息的可信度差异,难以获取准确的训练图像。因此对于沉积微相类型的表征不足,建模效果差,不能对浊积砂体定量预测及精细刻画,准确表征浊积砂体空间分布。
本发明在原型沉积模型建立的基础上,利用三维地震数据开展井震综合储层反演,对反演后的成果数据体进行属性提取与优选,提取振幅类与频率类的属性,利用聚类分析、判别分析方法,对反演属性体进行数学交换,使原有连续的振幅、频率属性转变为离散型的属性代码;将离散属性的平面分布图作为训练图像,结合原型模型对离散属性的分布样式进行校对,对训练图像的误差层段重新调整时窗提取属性并反复优化,使其与原型模型匹配,确保训练图像的准确性,从而实现多点地质统计学与地震信息的最优结合。最后,采用区域划分的方法对不同微相发育及组合特征的模拟区域输入不同的训练图像,利用多点地质统计学进行建模,建模完成后综合利用生产动态数据库中的生产测井资料(产出剖面、注入剖面等)、开发井采油数据、井间注水、井间示踪剂等动态数据检验模型的准确性,对不合理的模拟区域进行误差分析,调整训练图像分区输入方案,并反复调试搜索网格参数对模型进行优化,将动态信息和静态信息相结合验证模型。将井震综合储层反演和多点地质统计学相结合,避免了纯地震数据的多解性,从而实现了井震综合储层反演与多点地质统计学的有效结合。对于沉积微相类型的表征精确,建模效果好,能够对浊积砂体定量预测及精细刻画,准确表征浊积砂体空间分布。
以上所举实施例仅用为方便举例说明本发明,并非对本发明保护范围的限制,在本发明所述技术方案范畴,所属技术领域的技术人员所作各种简单变形与修饰,均应包含在以上申请专利范围中。
Claims (4)
1.一种浊积砂体储层建模方法,其特征在于,其具体步骤为:
S1、浊积砂体几何要素分析及原型模型建立;
在研究区进行单砂体划分与对比、浊积砂体沉积微相划分,选取研究区内平均井距小于100m的密井网开发区块,利用研究区钻井岩心、测井曲线与生产动态数据对浊积砂体进行精细描述,统计不同沉积时期单元浊积砂体的长度、宽度、弯曲度和分叉合并情况,明确浊积砂体不同微相的几何学特征及组合模式,建立原型模型;
S2、井震综合浊积砂体反演获取训练图像;
利用研究区三维地震资料,开展井震综合储层反演,对反演后的成果数据体进行属性提取与优选,提取振幅类与频率类的属性,利用聚类分析、判别分析方法,对反演属性体进行数学交换,使原有连续的振幅类、频率类属性转变为离散型的属性代码;将离散属性的平面分布图作为训练图像,结合原型模型对离散属性的分布样式进行校对,对训练图像的误差层段重新调整时窗提取属性并反复优化,使其与原型模型匹配;
S3、浊积砂体多点地质统计储层建模;
对训练图像进行结构分析,总结浊积砂体各微相的几何形态与空间组合样式,然后对训练图像进行区域划分处理,将处理后的训练图像输入多点地质统计模拟系统,对不同微相发育及组合特征的模拟区域输入不同的训练图像,利用多点地质统计学Simpat算法进行模拟,建立研究区浊积砂体储层地质模型,综合利用生产动态数据库中的动态资料,对不合理的模拟区域进行误差分析,调整训练图像分区输入方案,并反复调整搜索网格参数对训练图像进行优化,建立静态信息与动态信息相结合的验证模型。
2.如权利要求1所述的浊积砂体储层建模方法,其特征在于,步骤S3中,对训练图像进行区域划分处理的过程为:将训练图像进行区域划分,不同级别、不同类别的区域代表不同的沉积微相或砂体的分布图像,细化训练图像,将一张原始训练图像分为若干张训练图像,每一张训练图像代表一种沉积微相。
3.如权利要求1或2所述的浊积砂体储层建模方法,其特征在于,步骤S3中,利用多点地质统计学Simpat算法进行模拟的过程包括:选择随机路径,序贯求取各模拟点的条件概率分布函数并通过抽样进行模拟。
4.如权利要求3所述的浊积砂体储层建模方法,其特征在于,步骤S3中,利用多点地质统计学Simpat算法进行模拟时,利用研究区内所有的井信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810886717.9A CN109143337B (zh) | 2018-08-06 | 2018-08-06 | 一种浊积砂体储层建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810886717.9A CN109143337B (zh) | 2018-08-06 | 2018-08-06 | 一种浊积砂体储层建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109143337A CN109143337A (zh) | 2019-01-04 |
CN109143337B true CN109143337B (zh) | 2020-01-24 |
Family
ID=64791960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810886717.9A Active CN109143337B (zh) | 2018-08-06 | 2018-08-06 | 一种浊积砂体储层建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109143337B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213772A (zh) * | 2019-07-10 | 2021-01-12 | 中国石油天然气股份有限公司 | 一种井震结合识别地下沉积体形态的方法、设备及系统 |
CN110717528A (zh) * | 2019-09-25 | 2020-01-21 | 中国石油大学(华东) | 运用常规测井资料的基于支持向量机的沉积微相识别方法 |
CN112800640A (zh) * | 2019-11-14 | 2021-05-14 | 北京中科联华石油科学研究院 | 一种确定地质模型垂向网格精度的方法 |
CN112100906B (zh) * | 2020-08-21 | 2021-06-22 | 中海石油(中国)有限公司 | 数据驱动的大尺度密度建模方法、计算设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2525242A3 (en) * | 2011-05-20 | 2017-07-12 | Baker Hughes Incorporated | Multiscale geologic modeling of a clastic meander belt including asymmetry using multi-point statistics |
CN104657523A (zh) * | 2013-11-20 | 2015-05-27 | 中国石油化工股份有限公司 | 砂砾岩综合地质建模方法 |
CN108073744B (zh) * | 2016-11-16 | 2021-08-20 | 中国石油化工股份有限公司 | 基于地质统计学的浊积扇推进距离预测方法 |
-
2018
- 2018-08-06 CN CN201810886717.9A patent/CN109143337B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109143337A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109143337B (zh) | 一种浊积砂体储层建模方法 | |
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 | |
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 | |
Liu et al. | HLSTM: Heterogeneous long short-term memory network for large-scale InSAR ground subsidence prediction | |
Lixin et al. | A method of reconstructing 3D model from 2D geological cross-section based on self-adaptive spatial sampling: A case study of Cretaceous McMurray reservoirs in a block of Canada | |
Guo et al. | Multiple-point geostatistics-based three-dimensional automatic geological modeling and uncertainty analysis for borehole data | |
Tahmasebi et al. | Rapid learning-based and geologically consistent history matching | |
CN114529110A (zh) | 一种基于深度神经网络模型的岩相反演方法及系统 | |
Wang et al. | A MPS-based novel method of reconstructing 3D reservoir models from 2D images using seismic constraints | |
CN115877447A (zh) | 一种直平联合井网条件下地震约束三维地质建模的储层预测方法 | |
CN113933899A (zh) | 基于地震属性约束指导下的砂砾岩储层建模方法和系统 | |
Hou et al. | Reconstructing Three-dimensional geological structures by the Multiple-point statistics method coupled with a deep neural network: A case study of a metro station in Guangzhou, China | |
CN110428497B (zh) | 辫状河训练图像生成方法 | |
Yanshu et al. | A three-dimensional model of deep-water turbidity channel in Plutonio oilfield, Angola: From training image generation, optimization to multi-point geostatistical modelling | |
CN110988996A (zh) | 一种基于Adaboost回归算法的储层孔隙度预测方法 | |
Liu et al. | Geostatistical modeling for fine reservoir description of Wei2 block of Weicheng oilfield, Dongpu depression, China | |
CN114676644A (zh) | 一种基于机器学习约束的密度突变界面反演方法及系统 | |
CN115880455A (zh) | 基于深度学习的三维智能插值方法 | |
Yin et al. | A reservoir skeleton-based multiple point geostatistics method | |
Peter et al. | Improved lithology prediction in channelized reservoirs by integrating stratigraphic forward modelling: Towards improved model calibration in a case study of the Holocene Rhine-Meuse fluvio-deltaic system | |
Huang et al. | A Novel Method of 3D Multipoint Geostatistical Inversion Using 2D Training Images | |
CN111815769A (zh) | 逆冲推覆构造带构造的建模方法、计算设备及存储介质 | |
CN115469361B (zh) | 一种碎屑岩地层三维地质建模方法 | |
Christie | Reconstructing the Ocean Floor Shape in Turbidite Basins Using Seismic Interpretations and Forward Modelling | |
CN110930504A (zh) | 一种多粒度矿体三维建模不确定性表达与传递方法 |
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 |