CN109801369B - 复合浊积水道训练图像的自动生成方法 - Google Patents

Abstract

本发明复合浊积水道训练图像的自动生成方法，所述方法包括水道中线演化；每次水道中线演化后，比较当期水道弯曲度和理论弯曲度，若当期水道弯曲度小于理论弯曲度，则继续进行下一次水道中线演化，若当期水道弯曲度大于等于理论弯曲度，则通过当期弯曲度和上一期弯曲度与理论弯曲度的接近程度来确定复合浊积水道的演化程度。本发明所述复合浊积水道训练图像的自动生成方法可以快速的将研究区的调研结果与地质库统计数据结合，转化为针对工数字化的训练图像。

Description

复合浊积水道训练图像的自动生成方法

技术领域

本发明涉及油气勘探开发技术领域，具体地说涉及复合浊积水道训练图像的自动生成方法。

背景技术

浊积水道是深水扇的重要组成部分，又是深水油气勘探、评价与开发过程中十分复杂且备受重视的储集体。关于浊积水道体系构型的划分，国内外还没有统一的方案，目前使用较为广泛的是林煜(2013)的7级构型单元划分方案，主要从单一水道、复合水道以及水道体系3个层次研究浊积水道沉积模式。卜范青等(2013)采用分区法随机建模，用来模拟不同物源且无交叉叠合的两套沉积体系；采用水道趋势线法模拟同一类沉积体系下的高弯度深水浊积水道；张文彪等(2015)用基于目标的方法模拟深水水道，其中水道参数由“浅层类比”获得，完善了深水水道定量分布模式；进一步的，张文彪等(2016)通过高精度梯度阻抗反演，提取浅层水道目标地质体作为深水水道定量化三维训练图像，采用多点统Snesim算法进行随机模拟，取得了较好的应用效果。多点地质统计学一定程度上综合了两点建模与目标建模的优点，更好地再现了储层分布特征。尽管目前有众多学者对浊积水道进行了研究，并生成了相应的训练图像，但很少有学者专门研究复合浊积水道训练图像的生成，许多难题，例如：单一浊积水道演化成复合水道过程中如何沿古流向整体迁移、如何垂直向加积，如何约束单一水道的演化程度等，都还不存在针对性的方法。

因此，如何获取复合浊积水道的训练图像仍然是一个难题，有必要围绕复合浊积水道训练图像自动建立开展研究，并服务于深水浊积水道建模。

发明内容

为了克服现有技术的不足，本发明提供了一种复合浊积水道训练图像的自动生成方法，可以快速的将研究区的调研结果与地质库统计数据结合，转化为针对实际工区数字化的训练图像。

本发明所述复合浊积水道训练图像的自动生成方法包括水道中线演化；每次水道中线演化后，比较当期水道弯曲度和理论弯曲度，若当期水道弯曲度小于理论弯曲度，则继续进行下一次水道中线演化，若当期水道弯曲度大于等于理论弯曲度，则通过公式(6)确定复合浊积水道的演化程度，

其中，ntime为水道中线演化终止时的期数，K_t为理论弯曲度，n为上一期序数，K_n为上一期水道弯曲度，n+1为当期序数，K_n+1为当期水道弯曲度。

进一步地，每次水道中线演化的方式选自侧向迁移、沿古流向整体迁移和垂向加积中的一种。

进一步地，所述沿古流向整体迁移是指水道中线上各节点在平面上沿古流向整体迁移，各节点迁移后的平面坐标由公式(4)计算得到：

其中，(X_i'，Y_i')是节点i迁移后的平面坐标，(X_i，Y_i)是节点i迁移前的平面坐标，mCHazi是浊积水道的主方向，dist是沿古流向整体迁移的距离。

所述垂向加积是指水道中线上各节点在垂向上整体迁移，各节点迁移后的纵坐标由公式(5)计算得到，

Zi′＝Zi+l公式(5)，

其中，Zi′是节点i垂向加积后的纵坐标，Zi是节点i垂向加积前的纵坐标，l是垂向加积的距离。

进一步地，还包括水道中线演化完成后，顺次刻画各期水道的形态并赋相；各期水道的剖面形态受公式(7)或(8)所示的边界函数控制，

当0<a<0.5时：

当0.5≤a<1时：

其中，H为水道深度，H_max为深泓线处的水道深度，b为水道半宽，a为深泓线到左岸的距离，w为网格中心到左岸的距离。

进一步地，对于单一网格，前期相值为非水道相而后期相值为水道相时，后期水道相相值替换前期非水道相相值。

有益效果：

本发明基于研究区浊积水道的规模参数、形态参数等数据特征以及地质上对复合浊积水道形成与分布的认识，提出了一种复合浊积水道训练图像的自动生成方法。该方法可以快速的将研究区的调研结果与地质库统计数据结合，转化为针对实际工区数字化的训练图像，为之后的多点地质统计建模提供较为准确地地质模式库，大大降低了多点建模的难度。

附图说明

图1为本发明所述复合浊积水道训练图像自动生成方法的实施步骤图；

图2为本发明所述第1期水道中线的示意图；

图3为本发明所述侧向迁移的示意图；

图4为本发明所述沿古流向整体迁移的示意图；

图5为本发明所述垂向加积的示意图；

图6为本发明所述后两期水道弯曲度与理论弯曲度的示意图；

图7为本发明所述水道剖面形态的示意图；

图8为本发明实施例1获得的复合浊积水道训练图像。

具体实施方式

以下结合附图详细说明本发明的实施情况，但它们不构成对本发明的限定，仅作举例而已。同时通过和具体实施对本发明作进一步的详细描述。

除非另外说明，本发明所使用的所有科技术语具有与本发明所属领域技术人员的通常理解相同的含义。本发明涉及的所有专利和公开出版物通过引用方式整体并入本发明。术语“包含”或“包括”为开放式表达，即包括本发明所指明的内容，但并不排除其他方面的内容。在本发明中，无论是否使用“大约”或“约”等字眼，所有在此公开了的数字均为近似值。每一个数字的数值有可能会出现10％以下的差异或者本领域人员认为的合理的差异，如1％、2％、3％、4％或5％的差异。

本发明是通过如图1所示的实施步骤来快速获取复合浊积水道训练图像的。

步骤1：统计工区单一浊积水道和复合浊积水道的形态参数特征；同时建立对应的地质网格模型，输入工区的物源方向。

步骤2：产生第1期水道中线。

步骤3：水道中线演化。

步骤4：比较演化后当期水道弯曲度和理论弯曲度；若当期水道弯曲度小于理论弯曲度，则重复步骤3，若当期水道弯曲度大于等于理论弯曲度，则比较最后两期水道弯曲度与理论弯曲度的接近程度，从而进一步确定演化终止时的期数。

步骤5：刻画复合浊积水道的水谷边界并赋相；

步骤6：输出复合浊积水道的训练图像。

具体如下：

步骤1：统计实际工区单一浊积水道形态参数特征；同时建立对应的地质网格模型，输入工区的物源方向。通常地，左岸指物源方向的左侧，右岸指物源方向的右侧。

根据已有地质资料，统计单一浊积水道的参数特征：单一水道的宽度的变化范围，深度的变化范围，延伸距离的变化范围，振幅的变化范围；弯曲度的变化范围；沿古流向整体迁移距离的变化范围；垂向加积距离的变化范围。

步骤2：产生第1期水道中线。

如图2所示，给定一个初始曲率，这个初始曲率可以是实际工区的最小弯曲度，也可以是接近最小弯曲度的值，该值通常大于1；给定工区浊积水道的主方向；给定工区的阻尼系数或者根据经验公式获取阻尼系数，该系数介于0到1之间；给定一个初始位置(x₀，y₀)；通过公式(1)计算得到水道中线。

其中，k＝2π/λ，λ为波长，h为阻力系数，s_i为第i节点的流线长，θ_i为第i节点的方位角，ε_i是第i节点的扰动值。

上述周期性扰动模型逼近二阶自回归模型，因此，公式(1)也可以近似为：

θ_i-b₁θ_i-1-b₂θ_i-2＝ε_i公式(2)

式(2)中，ε_i表示第i个节点的扰动值，b₁和b₂为自回归系数，均与k和h有关，具体地，b₁＝2e^{-khcos(kcos(arcsinh))}，b₂＝-e^-2kh。

步骤3：水道中线演化。

水道中线演化方式包括侧向迁移、沿古流向整体迁移和垂向加积三种。通过前期统计，可得三种演化方式的概率值(三个概率值的加和为“1”)，将三个概率值在0-1范围内划分为三个区间段，每个区间段的长度等于对应演化方式的概率值。抽取0到1之间的随机数，判断随机数落入的区间并根据区间确定下一次水道中线演化的方式。

本发明中，所述侧向迁移是指河床向凹岸迁移的现象，如图3所示，虚线是侧向迁移前的水道中线，实线是侧向迁移后的水道中线。水道中线上各节点的迁移距离由式(3)得到，

其中，ζ_s为侧向迁移距离，E为侵蚀系数，

为第i节点的近岸流速，由下式计算得到，

式中C_f为摩擦系数；g为重力加速度；A'为冲刷因子，是一个正数常量；Q为河道平均流量；I为水道比降；b为水道半宽；Δs为两节点之间的距离；C_i为水道中线上第i个点的瞬时曲率，由下式计算得到；

而h₀可根据下式计算得到：

式中，H_max为深泓线处的水道深度，mCHwdratio为宽深比。

本发明中，所述沿古流向整体迁移是指水道中线上各节点在平面上沿古流向整体迁移。如图4所示，虚线是沿古流向整体迁移前的水道中线，实线是沿古流向整体迁移后的水道中线。各节点迁移后的平面坐标由公式(4)计算得到：

其中，(X_i'，Y_i')是节点i沿古流向迁移后的平面坐标，(X_i，Y _i)是节点i沿古流向迁移前的平面坐标，mCHazi是浊积水道的主方向，dist是沿古流向迁移的距离，该距离可以根据工区的统计规律等给出，也可以是一个与水道宽度相关的随机数。

本发明中，所述垂向加积是指水道中线上各节点在垂向上整体迁移。如图5所示，虚线是垂向加积前的水道中线，实线是垂向加积后的水道中线。各节点迁移后的纵坐标由公式(5)计算得到：

Zi′＝Zi+l 公式(5)，

其中，Z_i'是节点i垂向加积后的纵坐标，Z_i是节点i垂向加积前的纵坐标，l是垂向加积的距离，该距离可以根据工区的统计规律等给出，也可以是一个与水道深度相关的随机数。

步骤4：通过弯曲度指标来约束复合浊积水道演化程度。

查阅工区弯曲度的范围，根据三角分布或是正太分布取个理论值，得到理论弯曲度a。每期水道弯曲度则根据

计算得到，其中h_a是水道弯曲长度，h_l是水谷长度。

每次水道中线演化后，比较当期水道弯曲度和理论弯曲度，若当期水道弯曲度小于理论弯曲度，则继续进行下一次水道中线演化，若当期水道弯曲度大于等于理论弯曲度，则通过公式(6)确定复合浊积水道的演化程度，

其中，ntime为水道中线演化终止时的期数，K_t为理论弯曲度，n为上一期序数，k_n为上一期水道弯曲度，n+1为当期序数，k_n+1为当期水道弯曲度。

如图6所示，上一期水道弯曲度与理论水道弯曲度差值的绝对值小于当期水道弯曲度与理论水道弯曲度差值的绝对值，因此在上一期停止水道中线演化。

步骤5：刻画复合浊积水道的水谷边界并赋相。

确定第1期水道中线所在的平面。先判断该网格中心点与水道中线的最短距离是否在该水道半宽范围内，若不在，则该网格以及纵向上其它所有网格均为非水道相；若在，则该网格在水道内部，赋水道相。该节点纵向上的其他网格进行赋相时取决于该节点处的剖面形态，所述剖面形态受公式(7)或(8)所示的边界函数控制。

当0<a<0.5时：

当0.5≤a<1时：

其中：H为水道深度，H_max为深泓线处的水道深度，b为水道半宽，w为网格中心点到左岸的距离，a为深泓线到左岸的距离，由下式计算得到，

其中，C_i为水道中线上第i个点的瞬时曲率，C_max是水道中线所有点的最大曲率值，瞬时曲率C_i根据下式计算，

图7为某一剖面形态示意图，在剖面内的相为水道相，在剖面外的相为非水道相。

初始水道赋相完成后，用相同的方法顺次刻画各期水道剖面形态并赋相，顺次得到各期水道，需要注意的是：先保留前面期次的水道相，当该期水道相与之前水道相不同时，以该期水道相为准。换句话说，对于单一网格，前期相值为非水道相而后期相值为水道相时，后期水道相相值替换前期非水道相相值。

步骤6：输出复合浊积水道训练图像。

实施例1

1、根据工区的实际情况确定训练图像的网格划分为120×200×36，原始网格点数目为3200000个，网格尺寸为3(m)×3(m)×0.5(m)。其中单一浊积水道穿过整个工区，深度为3米到10米，平均为5米，宽度为30米到200米，平均为75米，宽深比介于10到40之间，平均为15，弯曲度范围为1.0到5.4，平均为1.9。

2、在已有的测量数据范围内取值，取单一水道最大深度值为5米，宽深比为13米，初始弯曲度为1.30，理论弯曲度K_t为1.90，单一水道主方向为180°。沿古流向整体迁移的水道中线演化概率为0.1；垂向加积的水道中线演化概率为0.1；进行侧向迁移的水道中线演化概率为0.8，在本实施例中，利用蒙特卡洛方法，抽取0到1之间的随机数，若随机数在0到0.1则进行沿古流向整体迁移的水道中线演化；若随机数在0.1到0.2之间则进行垂向加积的水道中线演化；若随机数在0.2到1.0之间则进行侧向迁移的水道中线演化。

3、根据单一浊积水道主方向为180°，步长为

(xsiz和ysiz是网格的长宽尺寸)，取波长为20.94m，经计算

取h＝0.8，通过公式(2)确定第1期水道中线：

θ_i-b₁θ_i-1-b₂θ_i-2＝ε_i公式(2)，

其中，b₁＝2e^{-0.3*0.8cos(0.3*cos(arcsin0.8))}＝1.58，b₂＝-e^-2*0.3*0.8＝-0.62，因此，第1期水道中线进一步地可由公式(2-a)确定，

θ_i-1.58θ_i-1+0.62θ_i-2＝ε_i公式(2-a)。

4、进行第1次水道中线演化，得到第2期水道中线。抽取0到1之间的随机数，得到随机数0.1955，其值介于0.1到0.2之间，因此，进行垂向加积的水道中线演化。各节点迁移后纵坐标由公式(5)计算得到，

Zi′＝Zi+l公式(5)

其中l＝H_max*(1.0/4.0+pptmp/4.0)，H_max为5.0米；pptmp为随机数0.1955，计算得到l＝1.49，则各节点迁移后纵坐标进一步地由公式(5-a)计算得到

Zi′＝Zi+1.49公式(5-a)。

由于第1次水道中线演化方式为垂向加积，因此第2期水道弯曲度不发生变化，仍然为1.30，比理论的弯曲度值小，故继续进行下一次水道中线演化。

5、进行第2次水道中线演化，得到第3期水道中线。抽取随机数为0.4598，其值介于0.2到1.0之间，因此，进行侧向迁移的水道中线演化，具体地根据公式(3)来进行节点迁移：

其中

上式中，C_f＝0.0036，A'＝10.0，Q＝0.5，I＝0.001，

因此，

侧向迁移后，第3期水道弯曲度为1.43，小于理论弯曲度1.90，故继续进行下一次水道中线演化。

6、进行第3次水道中线演化，得到第4期水道中线。抽取随机数为0.4718，其值介于0.2到1.0之间，因此同上一步一样，继续进行侧向迁移的水道中线演化。侧向迁移后第4期水道弯曲度为1.60，仍小于理论弯曲度，故继续进行下一次水道中线演化。

7、进行第4次水道中线演化，得到第5期水道中线。抽取随机数为0.0420，其值介于0.1到0.2之间，因此进行沿古流向整体迁移的水道中线演化，根据公式(5)进行节点迁移：

其中，dist＝H_max*mCHwdratio*(1.0/5.0+pptmp/5.0)，H_max是深泓线处的水道深度；mCHwdratio是宽深比，取13；pptmp为随机数0.0420。

由于第4次水道中线演化方式为沿古流向整体迁移，因此第5期水道弯曲度不变，仍为1.60，小于理论弯曲度1.90，故继续进行下一次水道中线演化。

8、继续进行第5次、第6次、第7次和第8次水道中线演化，分别得到第6期水道中线、第7期水道中线、第8期水道中线和第9期水道中线，对应的水道弯曲度分别为1.60、1.85、1.85和2.15。由于第9期水道弯曲度为2.15，大于理论弯曲度值，因此需要根据该期弯曲度2.15和上一期弯曲度1.85与理论弯曲度1.90的接近程度，选取更接近理论弯曲度值的那一期水道中线，确定演化程度，选取方法如公式(6)所示：

此时，k_n＝1.85，k_n+1＝2.15，K_t＝1.90，n＝8。由于|1.82-1.90|≤|1.90-2.15|，表明单一浊积水道在第8期水道中线演化完成后水道演化终止。

9、刻画单一浊积水道的水谷边界并赋相。先对第1期的单一浊积水道赋相，水道中线在z＝8.0的平面上，从该平面有顺序的依次取网格赋相，先对网格坐标为(1，1，16)的网格坐标赋相，该网格中心的位置到水道中线的距离大于单一水道半宽，为泥岩相，再对x＝1,y＝1的纵向网格赋相，全为泥岩相。当z＝8.0平面上某网格到水道中线距离小于单一水道半宽时，该网格为水道相，再根据公式(7)、(8)的水道剖面形态对该网格对应的纵向坐标赋相：

当0<a<0.5时：

当0.5≤a<1时：

剖面内的为水道相，剖面外的为泥岩相。第1期单一浊积水道赋相完后，再用上面方法依次对各期单一浊积水道进行赋相，赋相时保留前面期次的水道相，当后期水道相网格为前期非水道相网格时，以该期水道相为准。

输出模拟结果，得到如图8所示的复合浊积水道训练图像。

Claims (5)

1.复合浊积水道训练图像的自动生成方法，其特征在于：包括：

统计工区单一浊积水道和复合浊积水道的形态参数特征；同时建立对应的地质网格模型，输入工区的物源方向；

产生第1期水道中线；

水道中线演化；

每次水道中线演化后，比较当期水道弯曲度和理论弯曲度，若当期水道弯曲度小于理论弯曲度，则继续进行下一次水道中线演化，若当期水道弯曲度大于等于理论弯曲度，则通过公式(6)确定单一浊积水道的演化程度，

其中，ntime为水道中线演化终止时的期数，K_t为理论弯曲度，n为上一期序数，K_n为上一期水道弯曲度，n+1为当期序数，K_n+1为当期水道弯曲度；

刻画复合浊积水道的水谷边界并赋相；

输出复合浊积水道的训练图像；

其中，所述的刻画复合浊积水道的水谷边界并赋相，包括：

水道中线演化完成后，顺次刻画各期水道的形态并赋相；各期水道的剖面形态受公式(7)或(8)所示的边界函数控制，

当0<a<0.5时：

当0.5≤a<1时：

其中，H为水道深度，H_max为深泓线处的水道深度，b为水道半宽，a为深泓线到左岸的距离，w为网格中心到左岸的距离。

2.根据权利要求1所述的复合浊积水道训练图像的自动生成方法，其特征在于：每次水道中线演化的方式选自侧向迁移、沿古流向整体迁移和垂向加积中的一种。

3.根据权利要求2所述的复合浊积水道训练图像的自动生成方法，其特征在于：所述沿古流向整体迁移是指水道中线上各节点在平面上沿古流向整体迁移，各节点迁移后的平面坐标由公式(4)计算得到：

其中，(x_i'，y_i')是节点i迁移后的平面坐标，(x_i，y_i)是节点i迁移前的平面坐标，mCHazi是浊积水道的主方向，dist是沿古流向整体迁移的距离。

4.根据权利要求2所述的复合浊积水道训练图像的自动生成方法，其特征在于：所述垂向加积是指水道中线上各节点在垂向上整体迁移，各节点迁移后的纵坐标由公式(5)计算得到，

Zi′＝Zi+ε 公式(5)，

其中，Zi′是节点i垂向加积后的纵坐标，Zi是节点i垂向加积前的纵坐标，l是垂向加积的距离。

5.根据权利要求1所述的复合浊积水道训练图像的自动生成方法，其特征在于：对于单一网格，前期相值为非水道相而后期相值为水道相时，后期水道相相值替换前期非水道相相值。

Images