CN113406702B - 基于相约束可变网格的地质统计学反演方法及装置 - Google Patents

基于相约束可变网格的地质统计学反演方法及装置 Download PDF

Info

Publication number
CN113406702B
CN113406702B CN202110514491.1A CN202110514491A CN113406702B CN 113406702 B CN113406702 B CN 113406702B CN 202110514491 A CN202110514491 A CN 202110514491A CN 113406702 B CN113406702 B CN 113406702B
Authority
CN
China
Prior art keywords
data
inversion
target area
seismic
variable
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
CN202110514491.1A
Other languages
English (en)
Other versions
CN113406702A (zh
Inventor
吴秋波
李乐
杨平
刘璞
徐晨
唐浩
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 National Petroleum Corp
BGP Inc
Original Assignee
China National Petroleum Corp
BGP Inc
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 National Petroleum Corp, BGP Inc filed Critical China National Petroleum Corp
Priority to CN202110514491.1A priority Critical patent/CN113406702B/zh
Publication of CN113406702A publication Critical patent/CN113406702A/zh
Application granted granted Critical
Publication of CN113406702B publication Critical patent/CN113406702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G01V1/50—Analysing data
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本申请实施例提供一种基于相约束可变网格的地质统计学反演方法及装置，方法包括：根据目标区域地震相数据生成可变网格，由预设数据自可变网格中确定多个目标点并抽取虚拟井，预设数据包括确定性反演结果；对待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到正态变换结果数据；基于各目标点预设距离范围内已知属性值的均值和方差构建高斯分布并得到该高斯分布的累积概率分布；基于累积概率分布模拟预设距离范围内未知点储层参数的实现，与地震数据最佳匹配的实现作为地质统计学反演结果。本申请能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，进而能够有效提高地质统计学反演的效率及准确性。

Description

基于相约束可变网格的地质统计学反演方法及装置
技术领域
本申请涉及地震勘探技术领域，具体涉及基于相约束可变网格的地质统计学反演方法及装置。
背景技术
地质统计学反演以地质框架模型、测井和地震资料为基础，以层为单位，利用储层参数的空间分布特征和空间结构相关性进行随机模拟和反演，获得一组等概率的储层参数模型，高分辨和不确定性是地质统计学反演的重要特征。
地质统计学反演通常应用于井较多的开发阶段，横向有着足够的控制点来约束。充分且具有代表性的测井资料，是做好地质统计学反演的重要前提之一。实际勘探开发生产实践中，井位常位于有经济价值的有效储层区带内，不具有经济价值的区域，代表性就不能充分体现。甚至，在钻井不是很多的情况下，地质统计学反演也常常用来研究并描述储层。基于上述现状，补充测井信息是合理应用地质统计学反演方法的重要技术需求。
目前，一种有效的测井信息补充手段是将高分辨的确定性反演结果按照一定网格抽稀为虚拟井，较为简单的抽稀规则为正交等距网格，正交等距规则简单易行，不过，若钻井之间的距离过大则不能有效补充信息，不能对横向储层有效地控制，距离过小则带来巨大的运算量，影响地质统计学反演的效率。
另一方面，地质统计学反演的储层参数需满足平稳的要求，即储层参数围绕着某个均值波动，并呈现正态分布特征。横向同一沉积相带且纵向同一套地层内地层沉积是相对稳定的，此地层单元内的储层参数去掉趋势后基本满足平稳特征，但不排除有异常，为满足高斯模拟的条件，不满足平稳条件的储层参数需进行正态变换。
正态变换的实质为将储层参数转化为一个正态分布的随机变量，理论基础为概率积分变换理论，即任意分布的随机变量可以通过把服从(0,1)的均匀分布的随机变量带入该分布的反函数方法得到。对于正态分布来讲，将均匀分布的随机变量带入正态分布的反函数即可获得正态分布随机变量。正态分布的反函数没有解析解，常采样切比雪夫近似来构建数值解，如正态分布反函数的Hastings近似。
如前所述，开发阶段的储层精细描述用到了大量的测井信息(或通过其他途径补充的虚拟井信息)，这对正态变换的效率提出了较高的要求。
发明内容
针对现有技术中的问题，本申请提供一种基于相约束可变网格的地质统计学反演方法及装置，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，以提高地质统计学反演的效率及准确性，进而有效且快速的进行储层预测。
为解决上述技术问题，本申请提供以下技术方案：
第一方面，本申请提供一种基于相约束可变网格的地质统计学反演方法，包括：
根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果；
对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；
基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果。
进一步地，所述根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，包括：
获取所述目标区域的地震相数据；
对目标区域实施预设的实施高分辨率确定性地震反演，得到所述目标区域的确定性地震反演结果；
根据目标区域的地震相数据，生成所述目标区域对应的可变网格，其中，所述可变网格的网格大小根据道间距和网格阶数确定；
自所述可变网格中确定多个目标点并由所述确定性反演结果抽取多个虚拟井。
进一步地，所述对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据，包括：
应用正态分布反函数的预设近似函数，对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
其中，所述预设近似函数ftf(t)如公式一所示：
Figure BDA0003058342750000031
在公式一中，t＝1.0–ru，且ru为(0,1)间的均匀随机数；a1＝2.505922；a3＝-15.73223；a5＝23.54337；b2＝-7.337743；b4＝14.97266；b6＝-6.016088。
进一步地，所述确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布得到该高斯分布的累积概率分布，包括：
应用预设的克里金法确定各个所述目标点预设距离范围内的已知属性值的均值和方差；
根据各个所述目标点预设距离范围内的已知属性值的均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
进一步地，所述基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，包括：
在均匀分布的随机数(0，1)之间进行一次随机抽样，得到对应的抽样结果。
进一步地，所述基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，包括：
在均匀分布的随机数(0，1)之间进行多次随机抽样，得到对应的多个抽样结果；
基于预设的褶积理论数据在每个所述目标点各自对应的多个储层参数实现数据中选取与所述目标区域对应的地震数据的匹配度最高的一个实现，作为各个所述目标点唯一对应的储层参数；
将各个所述目标点各自对应的所述储层参数作为用于获取所述目标区域的地质统计学反演结果。
第二方面，本申请提供一种基于相约束可变网格的地质统计学反演装置，包括：
根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果；
对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；
基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果。
进一步地，所述可变网格生成模块用于执行下述内容：
获取所述目标区域的地震相数据；
对目标区域实施预设的实施高分辨率确定性地震反演，得到所述目标区域的确定性地震反演结果；
根据目标区域的地震相数据，生成所述目标区域对应的可变网格，其中，所述可变网格的网格大小根据道间距和网格阶数确定；
自所述可变网格中确定多个目标点并由所述确定性反演结果抽取多个虚拟井。
进一步地，所述正态变换模块用于执行下述内容：
应用正态分布反函数的预设近似函数，对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
其中，所述预设近似函数ftf(t)如公式一所示：
Figure BDA0003058342750000041
在公式一中，t＝1.0–ru，且ru为(0,1)间的均匀随机数；a1＝2.505922；a3＝-15.73223；a5＝23.54337；b2＝-7.337743；b4＝14.97266；b6＝-6.016088。
进一步地，所述累积概率分布模块用于执行下述内容：
应用预设的克里金法确定各个所述目标点预设距离范围内的已知属性值的均值和方差；
根据各个所述目标点预设距离范围内的已知属性值的均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
进一步地，所述反演结果获取模块用于执行下述内容：
在均匀分布的随机数(0，1)之间进行一次随机抽样，得到对应的抽样结果。
进一步地，所述反演结果获取模块用于执行下述内容：
在均匀分布的随机数(0，1)之间进行多次随机抽样，得到对应的多个抽样结果；
基于预设的褶积理论数据在每个所述目标点各自对应的多个储层参数实现数据中选取与所述目标区域对应的地震数据的匹配度最高的一个实现，作为各个所述目标点唯一对应的储层参数；
将各个所述目标点各自对应的所述储层参数作为用于获取所述目标区域的地质统计学反演结果。
第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于相约束可变网格的地质统计学反演方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于相约束可变网格的地质统计学反演方法。
由上述技术方案可知，本申请提供的一种基于相约束可变网格的地质统计学反演方法及装置，方法包括：根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果；对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，能够将正交等距网格横向控制约束改进为由相带控制的可变网格约束，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，同时改进了输入储层参数正态变换实施方式，进而能够有效提高地质统计学反演的效率及准确性，有效提高基于地质统计学反演结果获取储层数据的准确性及效率，进而能够有效且快速的进行储层预测，并有效节省人力、物力成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例中的基于相约束可变网格的地质统计学反演方法的流程示意图。
图2是本申请实施例中的基于相约束可变网格的地质统计学反演方法中步骤100的流程示意图。
图3是本申请实施例中的基于相约束可变网格的地质统计学反演方法中步骤300的流程示意图。
图4是本申请实施例中的基于相约束可变网格的地质统计学反演方法中步骤400的其中一种具体流程示意图。
图5是本申请实施例中的基于相约束可变网格的地质统计学反演装置的结构示意图。
图6是本申请应用实例中的相约束可变网格地质统计学反演方法流程示意图。
图7是本申请应用实例中的基于地震相约束的可变网格虚拟井抽取示意图。
图8是本申请应用实例中的正态变换前的储层属性示意图。
图9是本申请应用实例中的正态变换前的储层属性分布直方图。
图10是本申请应用实例中的正态变换后的储层属性示意图。
图11是本申请应用实例中的正态变换之后的储层属性分布直方图。
图12是本申请应用实例中的常规地质统计学反演方法反演效果示意图。
图13是本申请应用实例中的基于相约束可变网格的地质统计学反演方法反演效果示意图。
图14是本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了有效提高地质统计学反演横向的控制性，并回避虚拟井点密集而产生的大量运算，本申请提供一种基于相约束可变网格的地质统计学反演方法，也即：由地震相确定的变网格约束虚拟井确定方法；同时，在数据准备阶段，采用新的切比雪夫近似公式来描述正态分布的反函数，以提高正态变换的效率。
基于上述内容，本申请提供一种基于相约束可变网格的地质统计学反演方法的实施例，参见图1，所述基于相约束可变网格的地质统计学反演方法具体包含有如下内容：
步骤100：根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果。
可以理解的是，所述目标区域是指地震勘探的作业区域，所述预设数据并不仅限于确定性反演结果，还可以包含有其它可用数据，具体可以根据实际应用情形设置。
在步骤100中，所述确定性反演结果是根据预设的确定性地震反演方式获取的，所述确定性反演方式是指根据目标区域中的已经确定的实钻井进行的地震反演(seismicinversion)。其中，所述地震反演是指把常规的界面型反射剖面转换成岩层型的测井剖面，将地震资料变成可与测井资料直接对比的形式，实现这种转换的处理过程。地震反演是利用地表观测地震资料，以已知地质规律和钻井、测井资料为约束，对地下岩层空间结构和物理性质进行成像(求解)的过程，广义的地震反演包含了地震处理解释的整个内容。
步骤200：对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据。
步骤300：确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
步骤400：基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果。
在步骤400中，可以输出用于获取所述目标区域的储层数据的地质统计学反演结果值用户的客户端设备或显示设备上。
从上述描述可知，本申请实施例提供的基于相约束可变网格的地质统计学反演方法，通过根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果；对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，能够将正交等距网格横向控制约束改进为由相带控制的可变网格约束，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，同时改进了输入储层参数正态变换实施方式，进而能够有效提高地质统计学反演的效率及准确性，以有效提高基于地质统计学反演结果获取储层数据的准确性及效率，进而能够有效且快速的进行储层预测，并有效节省人力、物力成本。
在一种基于相约束可变网格的地质统计学反演方法的实施例中，参见图2，所述基于相约束可变网格的地质统计学反演方法中的步骤100具体包含有如下内容：
步骤110：获取所述目标区域的地震相数据。
步骤120：对目标区域实施预设的实施高分辨率确定性地震反演，得到所述目标区域的确定性地震反演结果。
步骤130：根据目标区域的地震相数据，生成所述目标区域对应的可变网格，其中，所述可变网格的网格大小根据道间距和网格阶数确定。
步骤140：自所述可变网格中确定多个目标点并由所述确定性反演结果抽取多个虚拟井。
具体来说，地震相可以由地质特征和地球物理如利用地震属性来描述，通常划分为三到五种，通过地震相来确定不同网格的大小。可变网格的具体实现可以描述为，在整个工作区域由下式确定初始网格和加密网格，即：
g＝dx×2r
其中，g为网格大小，dx为道间距，r为阶数，取值为1，2，3，4和5。初始网格可以通过较大的阶数如r＝4或者r＝5来实现。在有利相带确定的有利储层区域，阶数r＝1或者r＝2。
在一种基于相约束可变网格的地质统计学反演方法的实施例中，所述基于相约束可变网格的地质统计学反演方法中的步骤200还可以具体包含有如下内容：
步骤210：应用正态分布反函数的预设近似函数，对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据。
其中，所述预设近似函数ftf(t)如公式一所示：
Figure BDA0003058342750000091
在公式一中，t＝1.0–ru，且ru为(0,1)间的均匀随机数；a1＝2.505922；a3＝-15.73223；a5＝23.54337；b2＝-7.337743；b4＝14.97266；b6＝-6.016088。
具体来说，油气开发阶段常用地质统计学反演方法来精细描述油气储层，测井数据是地质统计学反演方法高分辨信息的来源。测井数据通常不满足正态分布特征，需要对测井数据进行正态变换。常规正正态变换采用正态分布反函数的Hastings近似：
Figure BDA0003058342750000092
这里，
Figure BDA0003058342750000093
ru是(0,1)均匀分布的随机数，如果ru大于0.5，则ru等于1.0减去原ru值；其他参数a0＝2.155517，a1＝0.802853，a2＝0.010328，b1＝1.432788，b2＝0.189269，b3＝0.001308。
而在本申请的一个实施例中，则是采用正态分布反函数的Byars-Roscoe近似来实施正态变换：
Figure BDA0003058342750000094
这里，t＝1.0–ru，且ru为(0,1)间的均匀随机数。其他参数a1＝2.505922，a3＝-15.73223，a5＝23.54337，b2＝-7.337743，b4＝14.97266，b6＝-6.016088。
在一种基于相约束可变网格的地质统计学反演方法的实施例中，参见图3，所述基于相约束可变网格的地质统计学反演方法中的步骤300具体包含有如下内容：
步骤310：应用预设的克里金法确定各个所述目标点预设距离范围内的已知属性值的均值和方差。
步骤320：根据各个所述目标点预设距离范围内的已知属性值的均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
在一种基于相约束可变网格的地质统计学反演方法的实施例中，所述基于相约束可变网格的地质统计学反演方法中的步骤400的第一种实现方式具体包含有如下内容：
步骤411：在均匀分布的随机数(0，1)之间进行一次随机抽样，得到对应的抽样结果。
在一种基于相约束可变网格的地质统计学反演方法的实施例中，参见图4，所述基于相约束可变网格的地质统计学反演方法中的步骤400的第二种实现方式具体包含有如下内容：
步骤421：在均匀分布的随机数(0，1)之间进行多次随机抽样，得到对应的多个抽样结果。
步骤422：基于预设的褶积理论数据在每个所述目标点各自对应的多个储层参数实现数据中选取与所述目标区域对应的地震数据的匹配度最高的一个实现，作为各个所述目标点唯一对应的储层参数。
步骤423：将各个所述目标点各自对应的所述储层参数作为用于获取所述目标区域的地质统计学反演结果。
综上所述，本申请实现了一种基于相约束可变网格的地质统计学反演方法，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，同时改进了输入储层参数正态变换实施方式，进而能够有效提高地质统计学反演的效率及准确性，以有效提高基于地质统计学反演结果获取储层数据的准确性及效率，进而能够有效且快速的进行储层预测，并有效节省人力、物力成本。
从软件层面来说，为了有效提高地质统计学反演横向的控制性，并回避虚拟井点密集而产生的大量运算，本申请提供一种用于实现所述基于相约束可变网格的地质统计学反演方法中全部或部分内容的基于相约束可变网格的地质统计学反演装置的实施例，参见图5，所述基于相约束可变网格的地质统计学反演装置具体包含有如下内容：
可变网格生成模块10，用于根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果。
正态变换模块20，用于对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据。
累积概率分布模块30，用于确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
反演结果获取模块40，用于基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果。
本申请提供的基于相约束可变网格的地质统计学反演装置的实施例具体可以用于执行上述实施例中的基于相约束可变网格的地质统计学反演方法的实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
从上述描述可知，本申请实施例提供的基于相约束可变网格的地质统计学反演装置，通过根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果；对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，能够将正交等距网格横向控制约束改进为由相带控制的可变网格约束，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，同时改进了输入储层参数正态变换实施方式，进而能够有效提高地质统计学反演的效率及准确性，以有效提高基于地质统计学反演结果获取储层数据的准确性及效率，进而能够有效且快速的进行储层预测，并有效节省人力、物力成本。
在一种基于相约束可变网格的地质统计学反演装置的实施例中，所述基于相约束可变网格的地质统计学反演装置中的可变网格生成模块10用于执行下述内容：
步骤110：获取所述目标区域的地震相数据。
步骤120：对目标区域实施预设的实施高分辨率确定性地震反演，得到所述目标区域的确定性地震反演结果。
步骤130：根据目标区域的地震相数据，生成所述目标区域对应的可变网格，其中，所述可变网格的网格大小根据道间距和网格阶数确定。
步骤140：自所述可变网格中确定多个目标点并由所述确定性反演结果抽取多个虚拟井。
具体来说，地震相可以由地质特征和地球物理如利用地震属性来描述，通常划分为三到五种，通过地震相来确定不同网格的大小。发明的可变网格的具体实现可以描述为，在整个工作区域由下式确定初始网格和加密网格，即：
g＝dx×2r
其中，g为网格大小，dx为道间距，r为阶数，取值为1，2，3，4和5。初始网格可以通过较大的阶数如r＝4或者r＝5来实现。在有利相带确定的有利储层区域，阶数r＝1或者r＝2。
在一种基于相约束可变网格的地质统计学反演装置的实施例中，所述基于相约束可变网格的地质统计学反演装置中正态变换模块20用于执行下述内容：
步骤210：应用正态分布反函数的预设近似函数，对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据。
其中，所述预设近似函数ftf(t)如公式一所示：
Figure BDA0003058342750000121
在公式一中，t＝1.0–ru，且ru为(0,1)间的均匀随机数；a1＝2.505922；a3＝-15.73223；a5＝23.54337；b2＝-7.337743；b4＝14.97266；b6＝-6.016088。
具体来说，油气开发阶段常用地质统计学反演方法来精细描述油气储层，测井数据是地质统计学反演方法高分辨信息的来源。测井数据通常不满足正态分布特征，需要对测井数据进行正态变换。常规正正态变换采用正态分布反函数的Hastings近似：
Figure BDA0003058342750000131
这里，
Figure BDA0003058342750000132
ru是(0,1)均匀分布的随机数，如果ru大于0.5，则ru等于1.0减去原ru值；其他参数a0＝2.155517，a1＝0.802853，a2＝0.010328，b1＝1.432788，b2＝0.189269，b3＝0.001308。
而在本申请的一个实施例中，则是采用正态分布反函数的Byars-Roscoe近似来实施正态变换：
Figure BDA0003058342750000133
这里，t＝1.0–ru，且ru为(0,1)间的均匀随机数。其他参数a1＝2.505922，a3＝-15.73223，a5＝23.54337，b2＝-7.337743，b4＝14.97266，b6＝-6.016088。
在一种基于相约束可变网格的地质统计学反演装置的实施例中，所述基于相约束可变网格的地质统计学反演装置中的累积概率分布模块30具体用于包含有如下内容：
步骤310：应用预设的克里金法确定各个所述目标点预设距离范围内的已知属性值的均值和方差。
步骤320：根据各个所述目标点预设距离范围内的已知属性值的均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
在一种基于相约束可变网格的地质统计学反演装置的实施例中，所述基于相约束可变网格的地质统计学反演装置中的反演结果获取模块40的具体用于包含有如下内容：
步骤411：在均匀分布的随机数(0，1)之间进行一次随机抽样，得到对应的抽样结果。
在一种基于相约束可变网格的地质统计学反演装置的实施例中，所述基于相约束可变网格的地质统计学反演装置中的反演结果获取模块40的还具体用于包含有如下内容：
步骤421：在均匀分布的随机数(0，1)之间进行多次随机抽样，得到对应的多个抽样结果。
步骤422：基于预设的褶积理论数据在每个所述目标点各自对应的多个储层参数实现数据中选取与所述目标区域对应的地震数据的匹配度最高的一个实现，作为各个所述目标点唯一对应的储层参数。
步骤423：将各个所述目标点各自对应的所述储层参数作为用于获取所述目标区域的地质统计学反演结果。
综上所述，本申请提供了一种基于相约束可变网格的地质统计学反演装置，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，同时改进了输入储层参数正态变换实施方式，进而能够有效提高地质统计学反演的效率及准确性，以有效提高基于地质统计学反演结果获取储层数据的准确性及效率，进而能够有效且快速的进行储层预测，并有效节省人力、物力成本。
为进一步说明本方案，本申请还提供一种应用基于相约束可变网格的地质统计学反演装置实现基于相约束可变网格的地质统计学反演方法的具体应用实例，其中，地震相可以由地质特征和地球物理如利用地震属性来描述，通常划分为三到五种，通过地震相来确定不同网格的大小。发明的可变网格的具体实现可以描述为，在整个工作区域由下式确定初始网格和加密网格，即：
g＝dx×2r
其中，g为网格大小，dx为道间距，r为阶数，取值为1，2，3，4和5。初始网格可以通过较大的阶数如r＝4或者r＝5来实现。在有利相带确定的有利储层区域，阶数r＝1或者r＝2。
油气开发阶段常用地质统计学反演方法来精细描述油气储层，测井数据是地质统计学反演方法高分辨信息的来源。测井数据通常不满足正态分布特征，需要对测井数据进行正态变换。常规正正态变换采用正态分布反函数的Hastings近似：
Figure BDA0003058342750000141
这里，
Figure BDA0003058342750000142
ru是(0,1)均匀分布的随机数，如果ru大于0.5，则ru等于1.0减去原ru值；其他参数a0＝2.155517，a1＝0.802853，a2＝0.010328，b1＝1.432788，b2＝0.189269，b3＝0.001308。
本应用实例采用正态分布反函数的Byars-Roscoe近似来实施正态变换：
Figure BDA0003058342750000143
这里，t＝1.0–ru，且ru为(0,1)间的均匀随机数。其他参数a1＝2.505922，a3＝-15.73223，a5＝23.54337，b2＝-7.337743，b4＝14.97266，b6＝-6.016088。
在一种具体应用举例中，参见图6，所述基于相约束可变网格的地质统计学反演方法具体可以包含有如下内容：
1.叠研究区域实施高分辨率确定性地震反演；
2.根据沉积相及确定性反演结果，采用可变网格抽出虚拟井；
3.参与序贯高斯模拟的实钻井及虚拟井属性值按照Byars-Roscoe近似进行正态变换；
4.由克里金算法计算待估计点一定范围内的已知属性值的均值和方差，并由此均值和方差构建高斯分布，得到高斯分布的累积概率分布；
5.在均匀分布的随机数(0，1)间随机抽样，由高斯分布的累积概率分布得到未知点储层参数的一个实现；
6.在均匀分布的随机数(0，1)间多次随机抽样，由高斯分布的累积概率分布未知点储层参数的多个实现，由褶积理论判断这些实现，输出与地震数据最佳匹配的实现，作为地质统计学反演的结果。
参见图7所示的基于地震相约束的可变网格虚拟井抽取结果示意图，由相带确定的曲线圈定区域，是储层发育有利区，可采用本应用实例所确定的调节阶数方法使得虚拟井适当加密。
参见图8所示的正态变换前的储层属性和图9所示的正态变换前的储层属性分布直方图(双峰，非正态分布)，在执行正态变换操作后，正态变换后的储层属性参见图10，正态变换之后的储层属性分布直方图(单峰，服从正态分布特征)参见图11。
基于上述内容，常规地质统计学反演方法反演效果参见图12，本申请提供的基于相约束可变网格的地质统计学反演方法反演效果参见图13，由此可知，基于相约束可变网格的地质统计学反演方法结果更符合地质规律，更有利于储层的精细描述。
本申请应用实例提供的基于相约束可变网格的地质统计学反演方法，较好地解决了地质统计学反演纵横向的井间控制问题，使得反演结果更合理，降低地下地质情况的多解性，利于油气储层精细描述；同时，本应用实例将地质统计学反演必要步骤中的正态变换由Hastings近似改变为Byars-Roscoe近似后，提高了正态变换的效率。
从硬件层面来说，本申请提供一种用于实现所述基于相约束可变网格的地质统计学反演方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
图14为本申请实施例的电子设备9600的装置构成的示意框图。如图14所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图14是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
在一实施例中，基于相约束可变网格的地质统计学反演功能可以被集成到中央处理器中。其中，中央处理器可以被配置为进行如下控制：
步骤100：根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果。
可以理解的是，所述目标区域是指地震勘探的作业区域，所述预设数据并不仅限于确定性反演结果，还可以包含有其它可用数据，具体可以根据实际应用情形设置。
在步骤100中，所述确定性反演结果是根据预设的确定性地震反演方式获取的，所述确定性反演方式是指根据目标区域中的已经确定的实钻井进行的地震反演(seismicinversion)。其中，所述地震反演是指把常规的界面型反射剖面转换成岩层型的测井剖面，将地震资料变成可与测井资料直接对比的形式，实现这种转换的处理过程。地震反演是利用地表观测地震资料，以已知地质规律和钻井、测井资料为约束，对地下岩层空间结构和物理性质进行成像(求解)的过程，广义的地震反演包含了地震处理解释的整个内容。
步骤200：对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据。
步骤300：确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
步骤400：基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果。
在步骤400中，可以输出用于获取所述目标区域的储层数据的地质统计学反演结果值用户的客户端设备或显示设备上。
从上述描述可知，本申请实施例提供的电子设备，通过根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果；对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，能够将正交等距网格横向控制约束改进为由相带控制的可变网格约束，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，同时改进了输入储层参数正态变换实施方式，进而能够有效提高地质统计学反演的效率及准确性，以有效提高基于地质统计学反演结果获取储层数据的准确性及效率，进而能够有效且快速的进行储层预测，并有效节省人力、物力成本。
在另一个实施方式中，基于相约束可变网格的地质统计学反演装置可以与中央处理器9100分开配置，例如可以将基于相约束可变网格的地质统计学反演装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现基于相约束可变网格的地质统计学反演功能。
如图14所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图14中所示的所有部件；此外，电子设备9600还可以包括图14中没有示出的部件，可以参考现有技术。
如图14所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的基于相约束可变网格的地质统计学反演方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的基于相约束可变网格的地质统计学反演方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤100：根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果。
可以理解的是，所述目标区域是指地震勘探的作业区域，所述预设数据并不仅限于确定性反演结果，还可以包含有其它可用数据，具体可以根据实际应用情形设置。
在步骤100中，所述确定性反演结果是根据预设的确定性地震反演方式获取的，所述确定性反演方式是指根据目标区域中的已经确定的实钻井进行的地震反演(seismicinversion)。其中，所述地震反演是指把常规的界面型反射剖面转换成岩层型的测井剖面，将地震资料变成可与测井资料直接对比的形式，实现这种转换的处理过程。地震反演是利用地表观测地震资料，以已知地质规律和钻井、测井资料为约束，对地下岩层空间结构和物理性质进行成像(求解)的过程，广义的地震反演包含了地震处理解释的整个内容。
步骤200：对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据。
步骤300：确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
步骤400：基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果。
在步骤400中，可以输出用于获取所述目标区域的储层数据的地质统计学反演结果值用户的客户端设备或显示设备上。
从上述描述可知，本申请实施例提供的计算机可读存储介质，通过根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性反演结果；对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，能够将正交等距网格横向控制约束改进为由相带控制的可变网格约束，能够有效提高地质统计学反演横向的控制性，并能够有效降低由于虚拟井点密集而导致的数据运算量，同时改进了输入储层参数正态变换实施方式，进而能够有效提高地质统计学反演的效率及准确性，以有效提高基于地质统计学反演结果获取储层数据的准确性及效率，进而能够有效且快速的进行储层预测，并有效节省人力、物力成本。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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装置。
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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种基于相约束可变网格的地质统计学反演方法，其特征在于，包括：
根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性地震反演结果；
对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；
基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果；
所述根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，包括：
获取所述目标区域的地震相数据；
对目标区域实施预设的高分辨率确定性地震反演，得到所述目标区域的确定性地震反演结果；
根据目标区域的地震相数据，生成所述目标区域对应的可变网格，其中，所述可变网格的网格大小根据道间距和网格阶数确定；
自所述可变网格中确定多个目标点并由所述确定性地震反演结果抽取多个虚拟井。
2.根据权利要求1所述的基于相约束可变网格的地质统计学反演方法，其特征在于，所述对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据，包括：
应用正态分布反函数的预设近似函数，对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
其中，所述预设近似函数ftf(t)如公式一所示：
Figure FDA0004038966680000011
在公式一中，t＝1.0–ru，且ru为(0,1)间的均匀随机数；a1＝2.505922；a3＝-15.73223；a5＝23.54337；b2＝-7.337743；b4＝14.97266；b6＝-6.016088。
3.根据权利要求1所述的基于相约束可变网格的地质统计学反演方法，其特征在于，所述确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布，包括：
应用预设的克里金法确定各个所述目标点预设距离范围内的已知属性值的均值和方差；
根据各个所述目标点预设距离范围内的已知属性值的均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
4.根据权利要求1所述的基于相约束可变网格的地质统计学反演方法，其特征在于，所述基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，包括：
在均匀分布的随机数(0，1)之间进行一次随机抽样，得到对应的抽样结果。
5.根据权利要求1所述的基于相约束可变网格的地质统计学反演方法，其特征在于，所述基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果，包括：
在均匀分布的随机数(0，1)之间进行多次随机抽样，得到对应的多个抽样结果；
基于预设的褶积理论数据在每个所述目标点各自对应的多个储层参数实现数据中选取与所述目标区域对应的地震数据的匹配度最高的一个实现，作为各个所述目标点唯一对应的储层参数；
将各个所述目标点各自对应的所述储层参数作为用于获取所述目标区域的地质统计学反演结果。
6.一种基于相约束可变网格的地质统计学反演装置，其特征在于，包括：
可变网格生成模块，用于根据目标区域的地震相数据，生成所述目标区域对应的可变网格，并自该可变网格中确定多个目标点并由预设数据抽取多个虚拟井，其中，所述预设数据包括：确定性地震反演结果；
正态变换模块，用于对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
累积概率分布模块，用于确定各个所述目标点预设距离范围内的已知属性值的均值和方差，并基于该均值和方差构建高斯分布，得到该高斯分布的累积概率分布；
反演结果获取模块，用于基于所述累积概率分布模拟预设距离范围内未知点储层参数的实现，将该未知点储层参数的实现与地震数据最佳匹配的实现作为地质统计学反演结果；
所述可变网格生成模块用于执行下述内容：
获取所述目标区域的地震相数据；
对目标区域实施预设的高分辨率确定性地震反演，得到所述目标区域的确定性地震反演结果；
根据目标区域的地震相数据，生成所述目标区域对应的可变网格，其中，所述可变网格的网格大小根据道间距和网格阶数确定；
自所述可变网格中确定多个目标点并由所述确定性地震反演结果抽取多个虚拟井。
7.根据权利要求6所述的基于相约束可变网格的地质统计学反演装置，其特征在于，所述正态变换模块用于执行下述内容：
应用正态分布反函数的预设近似函数，对所述目标区域中待进行高斯模拟处理的实钻井和虚拟井进行正态变换，得到对应的正态变换结果数据；
其中，所述预设近似函数ftf(t)如公式一所示：
Figure FDA0004038966680000031
在公式一中，t＝1.0–ru，且ru为(0,1)间的均匀随机数；a1＝2.505922；a3＝-15.73223；a5＝23.54337；b2＝-7.337743；b4＝14.97266；b6＝-6.016088。
8.根据权利要求6所述的基于相约束可变网格的地质统计学反演装置，其特征在于，所述累积概率分布模块用于执行下述内容：
应用预设的克里金法确定各个所述目标点预设距离范围内的已知属性值的均值和方差；
根据各个所述目标点预设距离范围内的已知属性值的均值和方差构建高斯分布，得到该高斯分布的累积概率分布。
9.根据权利要求6所述的基于相约束可变网格的地质统计学反演装置，其特征在于，所述反演结果获取模块用于执行下述内容：
在均匀分布的随机数(0，1)之间进行一次随机抽样，得到对应的抽样结果。
10.根据权利要求6所述的基于相约束可变网格的地质统计学反演装置，其特征在于，所述反演结果获取模块用于执行下述内容：
在均匀分布的随机数(0，1)之间进行多次随机抽样，得到对应的多个抽样结果；
基于预设的褶积理论数据在每个所述目标点各自对应的多个储层参数实现数据中选取与所述目标区域对应的地震数据的匹配度最高的一个实现，作为各个所述目标点唯一对应的储层参数；
将各个所述目标点各自对应的所述储层参数作为用于获取所述目标区域的地质统计学反演结果。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至5任一项所述的基于相约束可变网格的地质统计学反演方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5任一项所述的基于相约束可变网格的地质统计学反演方法。
CN202110514491.1A 2021-05-10 2021-05-10 基于相约束可变网格的地质统计学反演方法及装置 Active CN113406702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110514491.1A CN113406702B (zh) 2021-05-10 2021-05-10 基于相约束可变网格的地质统计学反演方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110514491.1A CN113406702B (zh) 2021-05-10 2021-05-10 基于相约束可变网格的地质统计学反演方法及装置

Publications (2)

Publication Number Publication Date
CN113406702A CN113406702A (zh) 2021-09-17
CN113406702B true CN113406702B (zh) 2023-04-07

Family

ID=77678321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110514491.1A Active CN113406702B (zh) 2021-05-10 2021-05-10 基于相约束可变网格的地质统计学反演方法及装置

Country Status (1)

Country Link
CN (1) CN113406702B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508489A (zh) * 2018-03-19 2018-09-07 中国海洋石油集团有限公司 一种基于波形微变化匹配的地震反演方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016083861A1 (en) * 2014-11-27 2016-06-02 Total Sa Mapping a geological parameter on an unstructured grid
CN107607996B (zh) * 2017-08-23 2019-07-16 电子科技大学 基于相控的序贯协同模拟地质建模方法
CN110031896B (zh) * 2019-04-08 2021-02-12 中国石油天然气集团有限公司 基于多点地质统计学先验信息的地震随机反演方法及装置
CN110333551B (zh) * 2019-07-26 2020-09-25 长江大学 基于井震结合的白云岩储层预测方法、系统及存储介质
CN111273348B (zh) * 2020-01-21 2021-02-05 长江大学 基于更新概率比率恒定理论的多点地质统计叠前反演方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508489A (zh) * 2018-03-19 2018-09-07 中国海洋石油集团有限公司 一种基于波形微变化匹配的地震反演方法

Also Published As

Publication number Publication date
CN113406702A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
Yan et al. A robust deep learning workflow to predict multiphase flow behavior during geological CO2 sequestration injection and Post-Injection periods
EP3688498B1 (en) Systems and methods for estimating a likelihood of reservoir productivity as a function of position in a subsurface volume of interest
US10909281B2 (en) History matching of hydrocarbon production from heterogenous reservoirs
Zhao et al. Generating facies maps by assimilating production data and seismic data with the ensemble Kalman filter
US10534877B2 (en) Adaptive multiscale multi-fidelity reservoir simulation
AU2012217609A1 (en) System and method for uncertainty quantification in reservoir simulation
Manchuk et al. A flexible sequential Gaussian simulation program: USGSIM
RU2008150484A (ru) Электромагнитные изыскания
AU2013274839B2 (en) System and method for optimizing the number of conditioning data in multiple point statistics simulation
AU2017202784B2 (en) Gridless simulation of a fluvio-deltaic environment
US10235478B2 (en) Pseudo-phase production simulation: a signal processing approach to assess quasi-multiphase flow production via successive analogous step-function relative permeability controlled models in reservoir flow simulation
CN108153933A (zh) 一种致密储层生产预测方法及装置
FR3048300A1 (fr) Representation hybride geocellulaire en 3d de sous-ensembles de reseau de fracture naturelle choisis
US20160177681A1 (en) Pseudo phase production simulation: a signal processing approach to assess quasi-multiphase flow production via successive analogous step-function relative permeability controlled models in reservoir flow simulation in order to rank multiple petro-physical realizations
US10061875B2 (en) Relative permeability inversion from historical production data using viscosity ratio invariant step-function relative permeability approximations
Cornelio et al. Residual learning to integrate neural network and physics-based models for improved production prediction in unconventional reservoirs
CN113406702B (zh) 基于相约束可变网格的地质统计学反演方法及装置
Razak et al. Embedding physical flow functions into deep learning predictive models for improved production forecasting
US9250173B2 (en) Identifying potential fracture treatment locations in a formation based on production potential
Baroni et al. Forecasting production in shale and tight reservoirs: a practical simulation method capturing the complex hydraulic fracturing physics
CN111145346A (zh) 油藏属性在断面的投影方法及装置
Wang et al. Development of a Machine-Learning-Based Workflow for Well Completion Optimization in Permian Basin
CN113075747B (zh) 储层裂缝发育区域的预测方法及装置
Mirzadeh et al. Reservoir simulation design strategy for next-generation multi-level assisted history matching
Szklarz et al. A case study of the history matching of a sector of the norne field using the ensemble kalman filter

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