CN111859709A - 一种含水层结构变异转移概率的地质统计模拟方法及装置 - Google Patents
一种含水层结构变异转移概率的地质统计模拟方法及装置 Download PDFInfo
- Publication number
- CN111859709A CN111859709A CN202010760640.8A CN202010760640A CN111859709A CN 111859709 A CN111859709 A CN 111859709A CN 202010760640 A CN202010760640 A CN 202010760640A CN 111859709 A CN111859709 A CN 111859709A
- Authority
- CN
- China
- Prior art keywords
- markov chain
- chain model
- vertical
- geological
- calculating
- 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
- 230000007704 transition Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004088 simulation Methods 0.000 title claims abstract description 42
- 238000013179 statistical model Methods 0.000 claims abstract description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012821 model calculation Methods 0.000 claims description 15
- 238000005553 drilling Methods 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004308 statistical model calculation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000002609 medium Substances 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005065 mining Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 208000035126 Facies Diseases 0.000 description 2
- 239000012736 aqueous medium Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于水文地质技术领域，提供了一种含水层结构变异转移概率的地质统计模拟方法及装置，包括：根据地层岩性数据计算目标区域地质类型的垂向离散马尔可夫链模型；根据连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；根据所述垂向连续马尔可夫链模型和所述侧向连续马尔可夫链模型计算三维马尔可夫链模型；根据所述三维马尔可夫链模型获得含水层结构变异转移概率的地质统计模型。通过本发明提供的含水层结构变异转移概率的地质统计模拟方法，可以在减小计算量的前提下提高模拟结果的准确度。
Description
技术领域
本发明属于水文地质技术领域，尤其涉及一种含水层结构变异的转移概率地质统计模拟方法及装置。
背景技术
煤炭作为一种重要的自然资源在经济发展中占据着举足轻重的地位，然而煤炭的大量开采会造成矿区内含水层结构的变异，尤其是群矿开采导致的区域含水层空间结构非均质演化，会严重影响区域地下水循环的演化态势，直接造成矿区地下水资源的流失和短缺。
目前对矿区含水层结构变异的研究方法主要有采动裂隙时空演化的相似材料模拟试验，在矿区进行底面钻孔试验以及仰孔压水试验等，试验方法存在操作不便的问题，另外目前还有基于传统的克里金差值法进行地质统计学分析的方法，然而此方法存在模拟结果准确度低的缺陷。
发明内容
有鉴于此，本发明实施例提供了一种含水层结构变异的转移概率地质统计模拟方法及装置，以解决现有技术中模拟结果准确度低的问题。
本发明实施例的第一方面提供了一种含水层结构变异的转移概率地质统计模拟方法，包括：
根据目标区域的地层岩性数据计算所述目标区域地质类型的垂向离散马尔可夫链模型；
根据连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；
根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；
基于所述垂向连续马尔可夫链模型和所述侧向连续马尔可夫链模型，计算三维马尔可夫链模型；
根据所述三维马尔可夫链模型获得所述目标区域的含水层结构变异的转移概率的地质统计模型。
本发明实施例的第二方面提供了一种含水层结构变异转移概率的地质统计模拟装置，包括：
垂向离散马尔可夫链模型计算模块，用于根据目标区域的地层岩性数据计算所述目标区域地质类型的垂向离散马尔可夫链模型；
垂向连续马尔可夫链模型计算模块，用于根据连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；
侧向连续马尔可夫链模型计算模块，用于根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；
三维马尔可夫链模型计算模块，用于基于所述垂向连续马尔可夫链模型和所述侧向连续马尔可夫链模型计算三维马尔可夫链模型；
含水层结构变异转移概率的地质统计模型计算模块，用于根据所述三维马尔可夫链模型获得含水层结构变异转移概率的地质统计模型。
本发明实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例提供的含水层结构变异转移概率的地质统计模拟方法，包括：根据目标区域的地层岩性数据计算目标区域地质类型的垂向离散马尔可夫链模型；根据连续性马尔可夫链对垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；根据垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；基于垂向连续马尔可夫链模型和侧向连续马尔可夫链模型，计算三维马尔可夫链模型；根据三维马尔可夫链模型获得目标区域的含水层结构变异的转移概率的地质统计模型。本发明实施例提供的含水层结构变异转移概率地质统计模拟方法可以在计算量尽可能小的前提下提高含水层结构变异转移概率地质统计模拟结果的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的含水层结构变异转移概率的地质统计模拟方法流程示意图；
图2是本发明实施例提供的垂向四种地质类型的转移概率曲线矩阵图；
图3是本发明实施例提供的转移概率模拟结果立体图；
图4是本发明实施例提供的转移概率模拟结果剖面图；
图5是本发明实施例提供的含水层结构变异转移概率的地质统计模拟装置的示意图；
图6是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，本发明实施例提供了一种含水层结构变异转移概率的地质统计模拟方法，包括：
S101：根据目标区域的地层岩性数据计算所述目标区域地质类型的垂向离散马尔可夫链模型；
在本实施例中，使用马尔可夫链进行含水层结构变异转移概率地质统计模拟。马尔可夫过程可以理解为，已知随机过程在t0时刻的值为a的条件下，该过程的“过去”情况与过程的“将来”情况是无关的。或者说此种随机过程的“将来”仅通过“现在”与“过去”发生联系，如果已知“现在”，那么“将来”就与“过去”无关。若符合条件的随机过程对应离散的时间集合，则称该随机过程为马尔可夫链；若符合条件的随机过程对应连续的时间，则称该随机过程为马尔可夫过程。进一步的，马尔可夫链既可以表示空间变异的随机性，也可以标识空间变异的结构性。
在本实施例中，基于马尔可夫链的地质统计方法主要利用转移概率来描述区域化变量的空间变换，转移概率的定位为：在初始位置X处的地质类型为j的条件下，在φ方向上与点X相距
处的地质类型为k的概率.
转移概率即条件概率：
在本实施例中，在将马尔可夫链应用在地质统计中时，需要将一维马尔可夫链扩展到三维空间，得到三维马尔可夫链模型。三维空间中的转移概率值不仅和距离有关，还具有各向异性。由于三维空间的方向很多，实际的采样数据密度不足以用于描述空间任意方向的分布特性，因此对于各向异性的马尔可夫链进行建模时，首先需根据地质特征、地质体的倾向、地质体的延伸方向以及层理面来确定主方向，并通过主方向建立笛卡尔三维坐标系统。进一步的，求出主方向上的马尔可夫链的转移概率矩阵，再构建将主方法转移概率变换成任意方向马尔可夫链转移概率的数学表达式。
在本实施例中，选择垂向作为主方向。
在本发明的一个实施例中，在S101之前，还包括：
S201：获取对所述目标区域进行地质钻孔实验后得到的初始地层岩性数据；
在本实施例中，初始地层岩性数据包括钻孔深度、地层厚度数据、地层分层岩性数据以及地层渗透系数数据；
S202：去除所述初始地层岩性数据中的噪声和异常数据，得到第二地层岩性数据；
在本实施例中，S202的具体步骤为：对当前获取的初始地层岩性数据进行协同过滤，去除噪声。对初始地层岩性数据的历史数据进行统计分析，并根据统计分析结果对当前的初始地层岩性数据进行交叉验证，从而对初始地层岩性数据进行异常判定，删去被判定为异常的数据。
可选的，使用数据驱动方法对初始地层岩性数据进行异常判定，降低不确定性。具体的，数据驱动方法包括根据初始地层岩性数据的历史数据建立训练模型的数据测试集合。
S203：补全所述目标区域内的第二地层岩性数据，得到所述目标区域的地层岩性数据。
在本实施例中，S203的具体步骤为：在信息不完全的情况下，利用已有的第二地层岩性数据进行模拟预测，从而补全第二地层岩性数据中缺失的部分，得到目标区域的地层岩性数据。
在本发明的一个实施例中，S101包括：
S301：根据预设距离对所述地层岩性数据进行垂向上的划分，得到垂向上的离散地层岩性数据；
S302：根据所述垂向上的离散地层岩性数据计算所述垂向离散马尔可夫链模型。
在本发明的一个实施例中，S302包括：
根据所述垂向上的离散地层岩性数据计算第一地质类型向第二地质类型转移的转移概率，并得到转移概率矩阵，所述第一地质类和所述第二地质类型均为任一地质类型；
在本实施例中，第一地质类型向第二地质类型转移概率为：
其中j代表第一地质类型，k代表第二地质类型，
为计算转移概率的步长，β为背景地质类型，即所占比例最多的类型。
在本实施例中，第一地质类型和第二地质类型可以相同也可以不同。在本实施例中，转移概率矩阵为大小为N×N的矩阵，其中N为垂向离散马尔可夫链模型中的地质类型种类。
具体的，定义转移概率矩阵为：
根据所述转移概率矩阵计算所述垂向离散马尔可夫链模型。
在本实施例中，需要通过离散的转移概率数据计算原点处的转移概率。
可选的，根据离散的转移概率数据的斜率计算原点处的转移概率。
具体的，原点处的转移概率计算公式为：
rj,k,φ＝0.57·r1+0.29·r2+0.14·r3 (1)
式(1)中，r1，r2，r3分别是离散的转移概率数据中从原点到1个步长、2个步长和3个步长直接连线的斜率。
S102：根据连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；
在本发明的一个实施例中，S102包括：
S401：根据所述垂向离散马尔可夫链模型计算矩阵指数拟合曲线；
在本实施例中，S401的具体方法为：
根据垂向离散马尔可夫链模型前三个步长组合计算矩阵指数拟合曲线；
在一个具体的实施例中，图2为垂向四种地质类型的转移概率曲线矩阵图，图2中虚线为根据地质钻孔实验实测的转移概率曲线，实线为矩阵指数拟合曲线。
参见图2，在主对角线上的转移概率一般为负值，表示地质类型在相近的地方是相似的，随着距离的增加，转向此种类型的概率值逐渐降低并趋于稳定，此稳定值即为这种地质类型的所占比例。在(0,1)处做切线，与X轴的交点，即为该地质类型的平均长度。在非主对角线上的转移概率曲线变化规律为，转移概率从零开始逐渐增大，并趋于稳定值。
S402：根据所述矩阵指数拟合曲线对所述垂向离散马尔可夫链模型进行拟合，得到所述垂向连续马尔可夫链模型。
S103：根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；
在本发明的一个实施例中，S103包括：
根据所述地层岩性数据确定所述目标区域内第一地质类型在侧向和垂向上的平均长度比例，所述第一地质类型为所述目标区域内任一地质类型；
根据所述目标区域内各个地质类型对应的平均长度比例和所述垂向连续马尔可夫链模型计算所述侧向连续马尔可夫链模型。
在本实施例中，将主方向转移概率变换成任意方向马尔可夫链转移概率的表达式为：
式(2)中，β表示背景介质类型，即所占比例最多的地质类型；j和k表示地质类型的种类，hx，hy，hz分别是
的x，y，z方向的分量，hφ为当前点与预设点X在φ方向上的距离。rj,k,x为x主方向上地质类型j向地质类型k转移的转移概率，rj,k,y为y主方向上地质类型j向地质类型k转移的转移概率,rj,k,z为z主方向上地质类型j向地质类型k转移的转移概率。
对于负方向的转移概率矩阵，可定义为：
其中Pk为介质类型k的分布比例，Pj为介质类型j的分布比例。上式表明，转移概率矩阵不具有对称性，而具有方向性，因此，其含水介质空间非均质性可以较好表现。
在本实施例中，垂向转移概率可以通过钻孔连续分布的介质直接计算，但由于不可能有足够的钻孔资料提供离散钻孔统计资料以获得侧向转移概率，所以需要通过钻孔数据估计侧向地质类型和垂向地质类型平均长度的比值计算侧向转移概率。
在本实施例中，平均长度比例的是根据侧向地质类型和垂向地质类型的沉积规律确定的。
在本实施例中，侧向主方向上的侧向连续马尔可夫链模型也可根据地层岩性数据的平面分布规律获得。
在本实施例中，由于地质钻孔数据在垂向上是多层结构，所以作为含水介质的地质类型的侧向转移概率分析不仅要考虑平面的钻孔分布，也要考虑垂向分布。因此，采用划分标高层的方法分析每个地质类型在各个标高层上的分布。统计目标区域内所有钻孔地面标高的极大值与孔底标高的极小值，再根据预设的分段距离，对钻孔进行垂向上的划分，分为多个切片。每个切片上对应较为简单的二维钻孔数据及其对应的地质类型。通过以上步骤将三维钻孔岩性类型转换为多切片的二维数据。分析二维数据时，采用地质统计中各向异性变异属性的方法，计算各个地质类型在水平方向上的转移概率。
在本实施例中，根据瓦尔特相律，垂向岩相沉积的连续性表明沉积环境的侧向岩相沉积的连续性，因此可根据垂向的一维马尔可夫链模型生成三维的马尔可夫链模型来反映目标区域的空间变异性。需要注意的是，在将垂向地质类型转移趋势拓展到侧向时，需考虑地质类型的非对称性趋势。例如，自然情况下，砂砾沉积在砾石上面，因此在垂向转移概率推向侧向转移概率时，需考虑在垂向上砂砾到砾石和砾石到砂砾的转移概率不同，然而在侧向上砂砾到砾石和砾石到砂砾的转移概率是对称的。
S104：基于所述垂向连续马尔可夫链模型和所述侧向连续马尔可夫链模型，计算三维马尔可夫链模型；
S105：根据所述三维马尔可夫链模型获得所述目标区域的含水层结构变异的转移概率的地质统计模型。
在本实施例中，由侧向连线马尔可夫链模型和垂向连续马尔可夫链模型得到三维马尔可夫链模型后，将三维马尔可夫链模型代替变异方差或协方差模型，使用贯序指示模拟方法获得目标区域的三维地质类型模型，最终获得目标区域的含水层结构变异的转移概率的地质统计模型。
作为一个具体的实施例，参见图3及图4，目标区域的上部几乎所有钻孔的地质类型均为含水介质均LOE(黄土)，中下部钻孔的主要地质类型为弱透水介质SIL(粉砂岩)和隔水介质MUD(砂质泥岩)，目标区域东南角钻孔顶部的地质类型为含水介质SAD(中粗粒砂岩)，底部钻孔的地质类型主要为隔水介质MUD。其余区域的地质类型主要为弱透水介质SIL和隔水介质MUD。
在本实施例中，为第一地质类型设计四组不同平均长度比值，进行含水层结构变异转移概率的地质统计模拟，目标区域的地质类型主要为黄土、粉砂岩、砂质泥岩和中粗粒砂岩。为了简化实验，认为地质类型分布在侧向上是各向同性的，即侧向两个主方向上具有相同的转移概率。
表1列出了a/b/c/d四个组别中各地质类型的平均长度比值。HLOE/VLOE为黄土的平均长度比值，HSIL/VSIL为粉砂岩的平均长度比值，HMUD/VMUD为砂质泥岩的平均长度比值，HSAD/VSAD为中粗粒砂岩的平均长度比值。
表1
在本实施例中，图3(a)为各个地质类型的平均长度比例取值如表1中a组所示时的转移概率模拟结果，图4(a)为图3(a)对应的剖面图；图3(b)为各个地质类型的平均长度比例取值如表1中b组所示时的转移概率模拟结果，图4(b)为图3(b)对应的剖面图；图3(c)为各个地质类型的平均长度比例取值如表1中c组所示时的转移概率模拟结果，图4(c)为图3(c)对应的剖面图；图3(d)为各个地质类型的平均长度比例取值如表1中d组所示时的转移概率模拟结果，图4(d)为图3(d)对应的剖面图。
通过各组的转移概率模拟结果可知，平均长度比例的取值对模拟结果影响较大，主要表现在地质类型的水平方向的连续性。如果平均长度比例太小，会导致地质类型分布随机性较强，连续性较差；如果平均长度比例太大，则会导致各个地质类型在水平方向连续性较强，将本该间断的地质类型连在一起。
参见图3及图4，由于图3(a)、图4(a)、图3(b)以及图4(b)设置的各个地质类型的平均长度比例相对较小，因此模拟结果显示各地质类型分散不均。随着各个地质类型对应的平均长度比例的增大，图3(c)、图4(c)、图3(d)以及图4(d)中的地质类型黄土的连续性逐渐增强，其中图3(d)和图4(d)组模型的顶部形成了连续分布的地质类型黄土。与地层岩性数据相比较为一致的是，目标区域底部主要为砂质泥岩和中粗粒砂岩，含有的黄土非常少。
在本实施例中，模拟结果中地质类型的分布总体上与地层岩性数据中的地质类型分布基本一致。不同的是，在多种地质类型混杂的强非均质区，由于马尔可夫转移概率地质统计是随机条件模拟，模拟结果和原始钻孔的岩性分布在条件化数据处理中要保持一致，因此在模拟结果中通常表现为地质类型的突变，而地层岩性数据在这些区域内一般表现为连续等效地质类型，即表现为不同地质类型的综合体现。
在本实施例中，通过本方法可以反映地层分布的非对称性。另一方面，还可以根据已有底层岩性数据设定各个地质类型侧向和垂向上的平均长度比例，调整其转移概率，相比于传统的克里金统计方法，本实施例使用的模型更为成熟固定，模拟准确度更高。同时，使用贯序指示模拟，可以实现地质类型出现概率的统计，更好的捕捉含水介质关键空间特征，建立的模型含水层网络侧向连通性较为突出，相比传统的贯序高斯模拟法忽略与渠道和漫滩相关的地层结构，本方法更好的模拟出多种地层类型。进一步的，使用观测数据进行比较，传统的SIS方法明显降低了土壤类型的连通性，本方法则能提高连通性符合实际的程度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图5是本发明实施例提供的含水层结构变异转移概率地质统计模拟装置示意图，参见图4，在本发明的一个实施例中，含水层结构变异转移概率地质统计模拟装置100包括：
垂向离散马尔可夫链模型计算模块110，用于由地层岩性数据计算目标区域的地质类型垂向离散马尔可夫链模型；
垂向连续马尔可夫链模型计算模块120，用于用连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；
侧向连续马尔可夫链模型计算模块130，用于根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；
三维马尔可夫链模型计算模块140，用于基于所述垂向连续马尔可夫链模型和所述侧向连续马尔可夫链模型计算三维马尔可夫链模型；
含水层结构变异转移概率的地质统计模型计算模块150，用于根据所述三维马尔可夫链模型获得含水层结构变异转移概率的地质统计模型。
在本实施例中，含水层结构变异转移概率的地质统计模拟装置还包括：
初始地层岩性数据获取单元，用于获取对所述目标区域进行地质钻孔实验后得到的初始地层岩性数据；
第二地层岩性数据生成单元，用于去除所述初始地层岩性数据中的噪声和异常数据，得到第二地层岩性数据；
地层岩性数据生成单元，用于补全所述目标区域的第二地层岩性数据，得到所述目标区域的地层岩性数据。
在本实施例中，垂向离散马尔可夫链模型计算模块110包括：
离散地层岩性数据计算子模块，用于根据预设距离对所述地层岩性数据进行垂向上的划分，得到垂向上的离散地层岩性数据；
垂向离散马尔可夫链模型计算子模块，用于根据所述垂向上的离散地层岩性数据计算所述垂向离散马尔可夫链模型。
在本实施例中，垂向离散马尔可夫链模型计算子模块包括；
转移概率矩阵生成单元，用于根据所述垂向上的离散地层岩性数据计算第一地质类型向第二地质类型转移的转移概率，并得到转移概率矩阵；所述第一地质类型和所述第二地质类型均为任一地质类型；
垂向离散马尔可夫链模型计算单元，用于根据所述转移概率矩阵计算所述垂向离散马尔可夫链模型。
在本实施例中，垂向连续马尔可夫链模型计算模块120包括：
矩阵指数拟合曲线计算单元，用于根据所述垂向离散马尔可夫链模型计算矩阵指数拟合曲线；
垂向连续马尔可夫链模型生成单元，用于根据所述矩阵指数拟合曲线对所述垂向离散马尔可夫链模型进行拟合，得到所述垂向连续马尔可夫链模型。
在本实施例中，侧向连续马尔可夫链模型计算模块包括130：
平均长度比例确定单元，用于根据所述地层岩性数据确定所述目标区域内第一地质类型在侧向和垂向上的平均长度比例；所述第一地质类型为所述目标区域内任一地质类型；
侧向连续马尔可夫链模型计算单元，用于根据所述目标区域内各个地质类型对应的平均长度比例和所述垂向连续马尔可夫链模型，计算所述侧向连续马尔可夫链模型。
图6是本发明一实施例提供的终端设备的示意图。如图6所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块110至150的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种含水层结构变异转移概率的地质统计模拟方法，其特征在于，包括：
根据目标区域的地层岩性数据计算所述目标区域地质类型的垂向离散马尔可夫链模型；
根据连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；
根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；
基于所述垂向连续马尔可夫链模型和所述侧向连续马尔可夫链模型，计算三维马尔可夫链模型；
根据所述三维马尔可夫链模型获得所述目标区域的含水层结构变异的转移概率的地质统计模型。
2.如权利要求1所述的一种含水层结构变异转移概率的地质统计模拟方法，其特征在于，在所述根据目标区域的地层岩性数据计算所述目标区域地质类型的垂向离散马尔可夫链模型之前，所述方法还包括：
获取对所述目标区域进行地质钻孔实验后得到的初始地层岩性数据；
去除所述初始地层岩性数据中的噪声和异常数据，得到第二地层岩性数据；
补全所述目标区域的第二地层岩性数据，得到所述目标区域的地层岩性数据。
3.如权利要求1所述的一种含水层结构变异转移概率的地质统计模拟方法，其特征在于，所述根据目标区域的地层岩性数据计算所述目标区域地质类型的垂向离散马尔可夫链模型，包括：
根据预设距离对所述地层岩性数据进行垂向上的划分，得到垂向上的离散地层岩性数据；
根据所述垂向上的离散地层岩性数据计算所述垂向离散马尔可夫链模型。
4.如权利要求3所述的一种含水层结构变异转移概率的地质统计模拟方法，其特征在于，所述根据所述垂向上的离散地层岩性数据计算所述垂向离散马尔可夫链模型，包括：
根据所述垂向上的离散地层岩性数据计算第一地质类型向第二地质类型转移的转移概率，并得到转移概率矩阵；所述第一地质类型和所述第二地质类型均为任一地质类型；
根据所述转移概率矩阵计算所述垂向离散马尔可夫链模型。
5.如权利要求1所述的一种含水层结构变异转移概率的地质统计模拟方法，其特征在于，所述根据连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型，包括：
根据所述垂向离散马尔可夫链模型计算矩阵指数拟合曲线；
根据所述矩阵指数拟合曲线对所述垂向离散马尔可夫链模型进行拟合，得到所述垂向连续马尔可夫链模型。
6.如权利要求1所述的一种含水层结构变异转移概率的地质统计模拟方法，其特征在于，所述根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型，包括：
根据所述地层岩性数据确定所述目标区域内第一地质类型在侧向和垂向上的平均长度比例；所述第一地质类型为所述目标区域内任一地质类型；
根据所述目标区域内各个地质类型对应的平均长度比例和所述垂向连续马尔可夫链模型，计算所述侧向连续马尔可夫链模型。
7.一种含水层结构变异转移概率的地质统计模拟装置，其特征在于，包括：
垂向离散马尔可夫链模型计算模块，用于根据目标区域的地层岩性数据计算所述目标区域地质类型的垂向离散马尔可夫链模型；
垂向连续马尔可夫链模型计算模块，用于根据连续性马尔可夫链对所述垂向离散马尔可夫链模型进行拟合，得到垂向连续马尔可夫链模型；
侧向连续马尔可夫链模型计算模块，用于根据所述垂向连续马尔可夫链模型计算侧向连续马尔可夫链模型；
三维马尔可夫链模型计算模块，用于基于所述垂向连续马尔可夫链模型和所述侧向连续马尔可夫链模型计算三维马尔可夫链模型；
含水层结构变异转移概率的地质统计模型计算模块，用于根据所述三维马尔可夫链模型获得含水层结构变异转移概率的地质统计模型。
8.如权利要求7所述的一种含水层结构变异转移概率的地质统计模拟装置，其特征在于，所述装置还包括：
初始地层岩性数据获取单元，用于获取对所述目标区域进行地质钻孔实验后得到的初始地层岩性数据；
第二地层岩性数据生成单元，用于去除所述初始地层岩性数据中的噪声和异常数据，得到第二地层岩性数据；
地层岩性数据生成单元，用于补全所述目标区域的第二地层岩性数据，得到所述目标区域的地层岩性数据。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010760640.8A CN111859709B (zh) | 2020-07-31 | 2020-07-31 | 一种含水层结构变异转移概率的地质统计模拟方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010760640.8A CN111859709B (zh) | 2020-07-31 | 2020-07-31 | 一种含水层结构变异转移概率的地质统计模拟方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111859709A true CN111859709A (zh) | 2020-10-30 |
| CN111859709B CN111859709B (zh) | 2022-10-18 |
Family
ID=72953817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010760640.8A Expired - Fee Related CN111859709B (zh) | 2020-07-31 | 2020-07-31 | 一种含水层结构变异转移概率的地质统计模拟方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111859709B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116502055A (zh) * | 2023-01-10 | 2023-07-28 | 昆明理工大学 | 一种基于类马尔可夫模型的多维特征动态异常积分模型 |
| CN116958470A (zh) * | 2023-07-25 | 2023-10-27 | 中山大学 | 一种融合马尔可夫链和多点统计学的地质建模方法和装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246783A (zh) * | 2013-05-23 | 2013-08-14 | 合肥工业大学 | 一种含水介质模型的多尺度随机耦合建模方法 |
| CN104866653A (zh) * | 2015-04-29 | 2015-08-26 | 中国地质科学院矿产资源研究所 | 一种获取地下三维密度结构的方法 |
| CN105569650A (zh) * | 2014-11-07 | 2016-05-11 | 中国石油化工股份有限公司 | 基于马尔科夫链数学模型的井间沉积序列研究方法 |
| US20170358090A1 (en) * | 2016-06-09 | 2017-12-14 | The Penn State Research Foundation | Systems and methods for detection of significant and attractive components in digital images |
| CN107633556A (zh) * | 2017-09-22 | 2018-01-26 | 辽宁工程技术大学 | 一种定量获得三维矿床地质模型不确定性的方法 |
| US20180137223A1 (en) * | 2016-11-16 | 2018-05-17 | Saudi Arabian Oil Company | Parallel reservoir simulation with accelerated aquifer calculation |
| CN110059385A (zh) * | 2019-04-09 | 2019-07-26 | 集美大学 | 一种城市元胞自动机情景模拟方法及终端设备 |
| WO2020134790A1 (zh) * | 2018-12-26 | 2020-07-02 | 中兴通讯股份有限公司 | 一种数据异常检测方法、装置及终端设备 |
| CN111458661A (zh) * | 2020-03-03 | 2020-07-28 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网线变关系诊断方法、装置及系统 |
-
2020
- 2020-07-31 CN CN202010760640.8A patent/CN111859709B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246783A (zh) * | 2013-05-23 | 2013-08-14 | 合肥工业大学 | 一种含水介质模型的多尺度随机耦合建模方法 |
| CN105569650A (zh) * | 2014-11-07 | 2016-05-11 | 中国石油化工股份有限公司 | 基于马尔科夫链数学模型的井间沉积序列研究方法 |
| CN104866653A (zh) * | 2015-04-29 | 2015-08-26 | 中国地质科学院矿产资源研究所 | 一种获取地下三维密度结构的方法 |
| US20170358090A1 (en) * | 2016-06-09 | 2017-12-14 | The Penn State Research Foundation | Systems and methods for detection of significant and attractive components in digital images |
| US20180137223A1 (en) * | 2016-11-16 | 2018-05-17 | Saudi Arabian Oil Company | Parallel reservoir simulation with accelerated aquifer calculation |
| CN107633556A (zh) * | 2017-09-22 | 2018-01-26 | 辽宁工程技术大学 | 一种定量获得三维矿床地质模型不确定性的方法 |
| WO2020134790A1 (zh) * | 2018-12-26 | 2020-07-02 | 中兴通讯股份有限公司 | 一种数据异常检测方法、装置及终端设备 |
| CN110059385A (zh) * | 2019-04-09 | 2019-07-26 | 集美大学 | 一种城市元胞自动机情景模拟方法及终端设备 |
| CN111458661A (zh) * | 2020-03-03 | 2020-07-28 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网线变关系诊断方法、装置及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 马雷: "非均质多孔介质多尺度模型及其在地下水模拟中的应用", 《CNKI网络出版》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116502055A (zh) * | 2023-01-10 | 2023-07-28 | 昆明理工大学 | 一种基于类马尔可夫模型的多维特征动态异常积分模型 |
| CN116502055B (zh) * | 2023-01-10 | 2024-05-03 | 昆明理工大学 | 一种基于类马尔可夫模型的多维特征动态异常积分模型 |
| CN116958470A (zh) * | 2023-07-25 | 2023-10-27 | 中山大学 | 一种融合马尔可夫链和多点统计学的地质建模方法和装置 |
| CN116958470B (zh) * | 2023-07-25 | 2024-05-07 | 中山大学 | 一种融合马尔可夫链和多点统计学的地质建模方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111859709B (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103077558B (zh) | 碳酸盐岩缝洞型油藏大型溶洞储集体分布模型的建模方法 | |
| Mariethoz et al. | Reconstruction of incomplete data sets or images using direct sampling | |
| Gringarten et al. | Teacher's aide variogram interpretation and modeling | |
| WO2019062655A1 (zh) | 薄夹层的确定方法和装置 | |
| CN104516018B (zh) | 一种地球物理勘探中岩性约束下的孔隙度反演方法 | |
| US20150113379A1 (en) | Representation of unstructured grids | |
| AU2011354761B2 (en) | Method and system of updating a geocellular model | |
| CN103116192A (zh) | 一种缝洞型碳酸盐岩油藏储集体建模方法 | |
| CN111859709B (zh) | 一种含水层结构变异转移概率的地质统计模拟方法及装置 | |
| CN105005079A (zh) | 一种井曲线反演方法 | |
| Meerschman et al. | Mapping complex soil patterns with multiple‐point geostatistics | |
| Iltaf et al. | Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China | |
| Yin et al. | A location-based multiple point statistics method: modelling the reservoir with non-stationary characteristics | |
| Wang et al. | Fracture-vuggy carbonate reservoir characterization based on multiple geological information fusion | |
| CN115880455A (zh) | 基于深度学习的三维智能插值方法 | |
| Ahmadi et al. | A sensitivity study of FILTERSIM algorithm when applied to DFN modeling | |
| CN115903026B (zh) | 复合砂体构型解析方法、设备及介质 | |
| CN116226623B (zh) | 基于SegNet分段模型的标志层划分方法、装置和计算机设备 | |
| Sun et al. | An Intelligent Inversion Method for Complex Fractures Using Ensemble Neural Network | |
| CN114063169B (zh) | 一种波阻抗反演方法、系统、设备和存储介质 | |
| CN117057116B (zh) | 一种露头岩层非均质性的模型构建方法 | |
| CN117345208B (zh) | 一种压裂优势区定量表征方法、装置、电子设备及介质 | |
| CN117328852B (zh) | 海陆过渡相页岩气有利区确定方法、终端及介质 | |
| Boisvert | Mineral deposit modeling with pseudo-genetically constructed training images | |
| Zhang et al. | Morphological Transformation Strategy for the Computation of Effective Physical Properties Using Digital Rock |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221018 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |