基于样式降维聚类的多点地质统计建模算法

评 价多点地质统计建模算法的一个重要指标是能否在保证建模质量的同时较好地协调计算效率和内存空间二者的平衡。基于样式的多点地质统计建模算法SIMPAT存在一定不足,使得SIMPAT算法在提出多年后仍然难以实际应用。国外学者提出了SIMPAT算法的改进算法：Filtersim和DisPat,但是在平衡计算效率和内存空间问题上仍存在一定的不足。通过深入剖析SIMPAT算法的原理和特点提出了基于样式降维聚类的多点地质统计建模算法。新算法采用邻近等间距取样法对所有数据样式进行降维聚类处理,把相似的数据样式聚为一类。不同于SIMPAT算法的一次相似度匹配计算,新算法采用2次相似度比较：先比较数据事件与样式类代表性样式的相似度,找到最相似的样式类;再进一步比较数据事件与该样式类中全部数据样式的相似度,进而确定相似度最大的数据样式。以 二维和三维实例比较了新算法与传统多点地质统计建模算法SIMPAT、Snesim、Filtersim和DisPat在相同参数条件下的模拟计算效率。结果表明,新算法在保证模拟质量基础上极大提高了基于样式的多点地质统计建模算法的计算效率,并节省内存空间。     

基于相序的多点地质统计学相建模方法及其应用

目前的多点地质统计建模方法均以一定维度的数据模板为载体,将概率或几何距离作为建模工区未知区域模拟取值的判定标准,该判定标准在地质建模时与地质含义的联系较为薄弱。针对上述不足,文章回归地质建模的本质,考虑相建模过程中数据事件与训练图型对比的地质含义,提出基于相序的多点地质统计相建模方法。该方法以具有沉积学意义的相序为基本的相似度对比单元,新建适合于相序相似度对比的动态数据模板,采用句法模式识别技术,通过动态规划方法计算数据事件中已知相序与训练图型中对应相序的相似度,对建模工区未知区域进行相模拟,实现了从沉积学意义出发对强非均质性储层进行多点地质统计学建模。理想模型和塔河X区三角洲前缘储层沉积相模拟表明,本文方法能够有效重现训练图像所显示的各地质体的几何形态,较好地反映储层不同相的沉积展布规律,大幅提高了相建模的精度。该方法将沉积学与多点地质统计学有效结合,提出了一种全新的多点地质统计学相似度对比方法和多点地质统计学建模框架,为复杂储层的相建模提供了一种新的方法。     

基于p-stable LSH的多点地质统计建模算法

SIMPAT将图像重建思想引进储层地质建模领域,借助于弱化概率的相似性判别指标,用最相似地质模式替换待估点处的数据事件完成预测。当模型较大且数据样式较多时,海量的数据样式相似度计算使得SIMPAT的计算效率较低。为了有效平衡多点地质统计建模算法效率和内存的矛盾,基于SIMPAT算法,提出基于p-stable局部敏感哈希的多点地质统计建模算法LSHSIM,该方法使用局部敏感哈希将数据样式的特征向量映射到哈希表。建模时从哈希表里取出与数据事件的特征向量具有相同哈希值的数据样式,用最相似的数据样式替换覆盖待估区的数据事件完成建模。利用实例对比新算法与SIMPAT等现有方法的结果表明,LSHSIM算法计算效率高,并节省了内存空间,对算法的关键参数进行了敏感性分析、非条件和条件模拟,能较好再现训练图像的先验地质模式。     

多点地质统计学DS-MPS算法在储层沉积相建模中的应用

传统的多点地质统计学沉积相建模存在计算量大、模拟目标体连续性差等缺点,而基于直接取样的多点地质统计学(DS-MPS)算法在模拟过程中直接使用数据事件之间的相似性进行判断,当从训练图像中搜到与待估点周围的条件数据事件相似时,则直接将训练图像中相应位置的相类型赋于待估点.这一过程不用预先构建搜索树,节约了计算机内存.在详细剖析模拟原理的基础上,以几类不同特征的沉积相建模为例,将DS-MPS算法与传统的Snesim模拟算法比较.结果表明DS-MPS算法在目标体的连续性方面有较大的改进,在相类型多于2类时有较大的优势.     

基于众数法聚类的多点地质统计学方法

多点地质统计学在建立复杂结构的地质模型方面应用较为广泛。基于样式的多点地质统计学方法 SIMPAT在提取数据样式、计算数据样式相似度上效率存在不足。笔者提出了一种基于众数法聚类的多点地质统计学方法(CMMS)。基本思想是定义大小2类模板,通过大模板扫描训练图像提取数据样式,并使用小模板对大模板提取的数据样式进行降维。针对离散型变量,把大模板提取的数据样式中出现次数最多的相作为对应小模板的相类型。针对连续型变量,把数据样式中各网格的变量平均值作为对应小模板的值。相似的样式通过小模板降维可以聚为一类,这种降维方式对大模板提取数据样式包含的信息保真度较高。模拟时先比较数据事件与聚类样式代表,找出最相似的一类样式,然后在选取的样式类中寻找最匹配的数据样式。通过2次样式的比对,大大减少样式相似度计算的次数。通过实例的模拟效果、计算时间对比、统计特征再现等测试表明,CMMS算法在样式对比上的计算效率比SIMPAT提高30～40倍,CMMS的模拟结果能够很好地再现训练图像中的地质模式及统计特征,并且该方法能够直接应用到连续型变量的模拟。     

多点地质统计学算法Snesim参数敏感性分析

Snesim是第一个被应用到油田储层建模中的多点地质统计学算法。文中以弯曲河道作训练图像,对该算法建模过程中常涉及到的参数(如目标边际分布与伺服系统参数、搜索半径与搜索角、旋转角与仿射率,以及多重网格层数等)进行敏感性分析。分析结果表明:当目标相比例值与训练图像边际概率值接近时,模拟结果较合理;增大伺服系统参数可使模拟结果的边际概率接近目标相比例,但伺服系统参数设置过高将降低河道连续性;搜索邻域应与模拟维度相适应;局部旋转角和仿射率可将训练图像中的平稳与非平稳信息融合起来,用于趋势模拟;多重网格模拟中,网格层数取决于最大尺度结构信息的大小。以上认识可为利用Snesim算法进行储层建模提供一定的指导。     

基于三维训练图像的多点地质统计学岩相建模

针对多点地质统计学算法在三维区块模拟中获取合适的训练图像较为困难的问题,尝试用多点地质统计学方法建立了马岭油田长821小层的三维岩石相模型。首先介绍了多点地质统计学的基本原理和方法;然后结合已有的地质认识和相关的文献等资料建立了各岩相的空间接触关系,并对砂岩含量属性图阀值化建立起了研究区长821小层的训练图像;最后以井上解释的岩相数据为硬数据,各岩相比例统计成果为软数据,利用多点地质统计学中的Snesim算法实现了对长821小层的岩石相建模,并通过一系列模型检验方法对训练图像的维数、各岩相比例进行了对比分析;研究结果表明:在各岩相比例合适的前提下,采用阀值化方法获取的三维训练图像使多点地质统计学能更好的适应本区的岩石相建模,再现不同岩相砂体的复杂空间分布特征,为马岭油田有效储集砂体的预测提供了新的解决手段,对马岭油田的进一步开发具有重要指导意义。     

基于单一图像生成对抗神经网络方法在沉积相建模中的应用

沉积相建模是储层建模中的一个重要环节,有多种方法可以用来建立沉积相模型。传统的建模方法需要利用各种参数对变量的空间结构信息进行刻画,如变差函数、数据样式等,在模拟中再现这种空间结构。利用生成对抗神经网络方法（GAN,Generative Adversarial Nets）建模采用了不同的策略,通过对大量图像（模型）的学习,生成与学习样本具有高度相似特征的模型。基于单一图像生成对抗神经网络方法（SinGAN,Generative Adversarial Nets based on single image）对传统的GAN方法进行改进,仅需一张图像进行训练就能够生成高度相似的图像。以N气田2个小层的沉积微相图为例,建立了相应的沉积相模型,并与经典的基于样式的多点地质统计学建模方法（Simpat）对比可以看出,SinGAN方法与训练图像刻画的沉积微相空间结构更相似,具有良好的应用前景。     

多点地质统计学中训练图像优选方法及其在地质建模中的应用

在前人提出的高阶兼容性优选方法的基础上,提出一种基于数据事件重复概率的训练图像优选方法。其基本思路是提取条件数据中蕴含的数据事件,统计所提取的数据事件在训练图像中的重复次数并计算其重复概率,得到数据事件的无匹配率及其重复概率方差两个统计指标,用于表征训练图像中沉积模式的多样性与平稳性,评价其与建模区井数据蕴含的地质体空间结构的匹配性。无匹配率反映训练图像内地质模式的完备性,为首选指标;重复概率方差反映训练图像内地质模式的平稳性,为辅助指标,综合以上两种指标实现了对训练图像的优选。多组理论模型测试表明,重复概率方差小、无匹配率低的训练图像为最优训练图像。运用该方法对安哥拉Plutonio油田浊积水道训练图像进行优选,结果表明所建立的地质模型与地震属性吻合度高,能够更好地刻画水道的形态特征及砂体的分布模式。图9参24     

提高河流相储层建模精度的河道中线约束方法

提出了在建立河流相储层地质模型时提高建模精度的河道中线约束方法.利用基于目标的方法中发展的线模型方法产生河道中线,并将此河道中线用于Simpat方法中,约束数据事件的选择.在河道中线处,仅选择包含河道中线信息的数据事件,而在没有河道中线处,则不选择包含河道中线的数据模式,从而达到更准确再现河流储层的目的.通过理论模型以及实际区块检验证明,加入河道中线约束的Simpat方法较原始Simpat方法能够更准确再现河道连续性分布.表明利用河道中线约束方法能够提高河流相储层建模的精度.     

综合沉积正演与多点地质统计模拟碳酸盐岩台地——以巴西Jupiter油田为例

为有效提高碳酸盐岩沉积相(岩相)模拟的精度,以巴西Jupiter油田为例,在岩心、测井及地震资料综合分析的基础上,通过多条件约束建立该地区碳酸盐岩台地沉积正演模型,以此作为多点地质统计模拟的三维训练图像,并利用成熟的Snesim算法对实际油田数据进行模拟。研究结果表明:沉积正演模拟初始控制条件对碳酸盐岩台地沉积分布影响较大,主要包括水深、风向、波浪能量、碳酸盐岩产率等,其中水深(主要影响温度和光照)对碳酸盐岩产率影响最大;波浪能量大小控制不同类型碳酸盐岩分布特征,高能环境沉积物主要为生物礁及颗粒灰岩,低能环境沉积物主要为泥晶灰岩;碳酸盐岩沉积正演模型体现了高能生物礁与低能泥晶灰岩的渐变接触关系,符合碳酸盐岩生长规律,将其转化为三维训练图像,多点模拟结果既满足所有钻井认识又体现了训练图像反映的相结构关系。本研究总结了碳酸盐岩台地沉积正演模拟的分析方法,提出三维训练图像获取较新的思路,综合了沉积正演模拟与多点统计模拟的优势,并在实际油田应用中取得一定效果,对类似孔隙性碳酸盐岩油藏地质建模具有借鉴意义。     

A framework to integrate history matching and geostatistical modeling using genetic algorithm and direct search methods

History matching is an inverse problem where the reservoir model is modified in order to reproduce field observed data. Traditional history matching processes are executed separately from the geological and geostatistical modeling stage due to the complexity of each area. Changes made directly on the reservoir properties generally yield inconsistent geological models. This work presents a framework to integrate geostatistical modeling and history matching process, where geostatistical images are treated as matching parameters. The traditional optimization methods normally applied in history matching generally use gradient information. The treatment of geostatistical images as matching parameters is difficult for these methods due to the strong non-linearities in the solution space. Therefore, another objective of this work is to investigate the application of two optimization methods: genetic algorithm and direct search method in the proposed framework. In order to accelerate the optimization process, two additional techniques are used: upscaling and distributed computing. Results are presented showing the viability of the genetic algorithm in the type of problem addressed in this work and also that direct search method can be used with some restriction. Finally, the benefits of distributed computing and the consistence of the upscaling process are shown.     

深水浊积水道训练图像建立与多点地质统计建模应用

深水浊积水道具有丰富油气,是油气勘探开发的热点领域。以安哥拉深水浊积水道为对象,开展基于多点地质统计的储层建模研究。针对深水水道沉积以及迁移特征,对基于沉积过程的Alluvsim算法进行了改进。通过在Alluvsim中增加整体迁移算法,模拟浊积水道的整体迁移沉积过程。根据浊积水道决口少而弯曲度增加的特点,在Alluvsim中增加了弯曲度指标约束,从而再现浊积水道的弯曲特征。根据安哥拉深水浊积水道地质知识库文献调研,获得了研究区浊积水道形态以及统计特征参数信息。采用改进的Alluvsim算法获得了研究区浊积水道的训练图像。以此训练图像作为模式输入,以井资料作为条件输入,以地震资料作为趋势约束,采用多点地质统计Snesim算法建立了安哥拉深水浊积水道三维地质模型,再现了安哥拉浊积水道的空间分布特征。对模型进行了检验表明,建立的地质模型计算的变差函数与地震属性获得变差函数具有较好的一致性,建立的三维地质模型可以用于后续油藏工程与数值模拟研究,指导油田勘探开发。该研究不仅为多点地质统计应用于实际储层建模提供了完整的建模流程,也为浊积水道训练图像自动生成提供了技术保障。     

深层-超深层碳酸盐岩储层精细地质建模技术进展与攻关方向

深层-超深层碳酸盐岩油气是业界普遍关注的热点和重点领域。如何精准刻画深层-超深层碳酸盐岩储集体空间展布及储集参数分布特征,是高效勘探开发面临的重大技术问题。在对储层地质分析、测井评价、地震预测、地质建模等相关技术发展现状分析的基础上,针对深层-超深层碳酸盐岩储层研究面临资料少、品质差、精度低,加之储层非均质性强等难题,深入开展了深层碳酸盐岩优质储层发育机理与分布规律研究,研发集成了深层碳酸盐岩储层描述与建模的关键技术系列,包括：(1)多尺度、多属性深层碳酸盐岩储层知识库构建技术;(2)地质分析新技术——从宏观到微观的储层地质观测分析技术,储层微区原位沉积、成岩环境定性-定量分析技术,储层发育机理与过程实验和数值模拟分析技术;(3)深层碳酸盐岩储层测井解释新技术——基于全域测井仿真的储层类型识别与参数定量评价技术,基于机器学习的沉积微相识别技术;(4)深层碳酸盐岩储层地震预测新技术——深层碳酸盐岩地震岩石物理建模技术,岩石物理引导的机器学习储层参数预测与不确定性评价技术;(5)深层碳酸盐岩地质建模新技术——多点地质统计学新算法,地质过程模拟技术,人工智能地质建模技术。分别建立了面控、断控...     

基于多点地质统计学的岩性气藏精细建模方法与应用

针对岩性气藏复杂地质特征导致的气藏描述和预侧中的不确定性,在对比评价随机建模理论与方法适应性的基拙上,提出以多点地质统计学为核心的“井一震一沉积模式”岩性气藏随机建模方法,即以先验地质认识为基拙,充分利用井点“硬数据”、三维地震数据及现代河流沉积模式等多域信息,以多点地质统计学的训练图像代替经典地质统计学的变差函数,综合运用各种信息,形成了岩性气藏精细地质建模技术与方法。在苏里格气田某三维试验区,通过多点地质统计学多域信息整合功能,建立试验区精细地质模型。模型评价结果表明,井震结合建模策略可以有效降低河流相岩性气藏储层表征的不确定性,显著提高了模拟精度和运算效率。