储层随机建模方法研究

详细信息    本馆镜像全文|  推荐本文 |  |   获取CNKI官网全文

英文题名：The Methodological Research of Reservoir Stochastic Modeling 作者：赵启蒙 论文级别：硕士 学科专业名称：地球探测与信息技术 中文关键词：油藏描述 ; 随机模拟方法 ; 序贯指示 ; 模拟退火 ; 变异函数 英文关键词：reservoir description ; the method of stochastic simulation ; sequential indicator ; simulated annealing ; variogram function 学位年度：2004 导师：高美娟 学科代码：081802 学位授予单位：大庆石油学院 论文提交日期：2004-03-20

摘要

现代油藏描述技术在勘探开发中的应用成效关键在于对油藏认识是否符合客观实际，十年来的油藏描述实践表明，要建立符合客观实际的三维油藏地质模型，关键在于不同的油藏类型，不同的勘探开发阶段，不同资料拥有程度和精度，应采用不同的油藏描述技术路线。
     本文在前人研究的基础上，主要对序贯指示随机模拟方法和退火随机模拟方法作了深入的探讨。随机模拟方法越来越多的适用于储层非均质性建模中，各种随机模拟方法在其基本原理、复杂程度和应用条件诸方面均有不同，每一种方法都有它的适用条件、优点及缺点。
     序贯指示随机模拟方法首先将地质信息进行离散编码，通常编码成0与1两值的指示变量，然后将克里金的基本思想用于指示变量，最终得到指示变量的克里金估计，即未知位置变量的概率分布的估计。定义一个经过所有网格节点的随机路径，在给定n个条件数据的情况下，在第一个网格节点处从随机变量的条件分布中抽取一个值，将这个新值加入到条件数据集中，在给定的n+1个条件数据的情况下，在节点处从随机变量的条件分布中抽取一个值，重新进行，直到所有节点被模拟完为止。在模拟过程中，克里金方法本身不与模型发生关系，它仅利用协方差或变异函数这个矩信息，这样就克服了克里金方法对参数的光滑效应，使得其适用于象渗透率这样变化幅度较大的地质参数的数值模拟，对地质专家和油藏工程师最关心的渗透率的特高值或特低值的分布情况预测更为全面、准确。
     模拟退火方法是一种启发式蒙特卡罗法，在解决优化的问题中，它克服了常规蒙特卡罗方法盲目的随机搜索机制，而是在一定的理论指导下搜索，故能保证搜索成功。而且在搜索的过程中，不仅接受使目标函数变好的解，而且还能以一定的概率接受坏解，这样将尽量避免陷入局部极值解而达到全局最优解。同时，它几乎可以满足任意给定的统计量，正是模拟退火法的这一系列优点，本文将其应用于储层建模的优化问题中，以更好的搜寻满足建模条件的优化解。
How to evaluate the effect of modern technology of reservoir description in exploration and development, this mainly based on whether what we know about reservoir match what it is. Ten-year practice of reservoir description indicate: if we want to establish objective 3-dimension geological model of reservoir, the different reservoir type, the different exploration and development phase, the different data quantity and quality decide what technical route of reservoir description we should apply.
    Doing the deep discussion about the method of sequential indicator stochastic simulation and annealing stochastic simulation on the foundation of study of predecessor in this paper. More and more people applied the method of stochastic simulation to heterogeneous modeling of reservoir. And each method is different from others such as basal principle, extent of complex, applied condition and so on. They all have their own applicability, advantages and disadvantages.
    The method of sequential indicator stochastic simulation firstly make the geological information discretization code, normally two indicator variables of 0 and 1. Then make the Kriging theory act on the variables to get the Kriging estimation of indicator variables, namely estimation of probability distribution of the variables in a unknown position. Define a random route, which pass through all the grid node, on the condition of given n conditional datum, get a value on the first grid node from the conditional distribution of stochastic variable, Add the new value into the conditional datum as a new conditional data. On the condition of current n+1 conditional datum, get a new value from conditional distribution of stochastic variable on the next node again. Then continue until all the nodes gets own value. In the course of simulation, the model has no relation to Kriging method, it only use the matrix information of covariance or variogram. So it can conquer the disadvantage that Kriging method smooth the
    geological parameters, and fit the numerical simulation for the geological parameters such as permeability whose values change quickly and largely. It can estimate the distribution of extra high value and extra low value of permeability more perfectly and more accurately, which the geologist and field engineer mainly care for.
    Simulated annealing algorithm is a kind of heuristic Monte Carlo method. In the course of solve the optimum problem, it conquer the blindfold searching mechanism of normal Monte Carlo method, and based on a appointed theory to guides search, so it can ensure a successful search. In the course of searching the optimum solution, it can accept a value make objective function good, but also a bad one. In this way it will avoid falling into a local extremum and get a global optimum value. At the same time, it can almost fulfill any statistical request. Just about its advantages, try to solve the optimum problem of reservoir modeling by it to searching better solution.

引文

[1] 陈丽华，王家华，李应暹，田崇鲁等编著．油气储层研究技术．北京：石油工业出版社，2000
    [2] 陈霞，荆克尧译．油藏描述与生产预测的随机方法．国外石油地质，1998，33-42，封三
    [3] 陈希孺，王松桂．近代回归分析——原理方法及应用．安徽：安徽教育出版社，1987
    [4] 陈永生．油田非均质对策论．北京：石油工业出版社，1993
    [5] 陈月明．油藏数值模拟基础．山东：石油大学出版社，1989，1-5
    [6] 杜启振，侯加根．储层随机建模综述．世界石油科学，(5)，1997
    [7] 高海余，赵鹏大，王家华．确定勘探井位的识别概率和伪熵标准．第30届国际地质大会论文集(25卷)．北京：地质出版社，1999
    [8] 郭福星，戴俭华．概率论与数理统计．上海：上海科学技术出版社，1991，112-142
    [9] 纪发华，熊琦华．序贯指示建模方法在枣南油田储层非均质研究中的应用．石油学报，15(增)，1994
    [10] 李龙滟，张振顺．用随机模拟方法对井间砂体预测．石油与天然气地质，20(2)，1999，179-181
    [11] 吕晓光，王德发，姜洪福．储层地质模型及随机建模技术．大庆石油地质与开发，第19卷，第1期，2000
    [12] 穆龙新，贾文瑞．油藏早期评价阶段储层建模技术的发展方向．石油勘探与开发21(5)，1994
    [13] 穆龙新，贾爱林，陈亮，黄石岩．储层精细研究方法．北京：石油工业出版社，2000．3
    [14] 钱敏平．随机过程引论．北京：北京大学出版社，1990
    [15] 秦同洛，李汤，陈元干．实用油藏工程方法．北京：石油工业出版社，1989，40-45
    [16] 裘怿楠．储层描述中的几个问题．江苏油气．No．1，1993，2-9
    [17] 裘怿楠，薛叔浩等．油气储层评价技术．北京：石油工业出版社，1994
    [18] 裘怿楠，陈子琪．油藏描述．北京：石油工业出版社，1996
    [19] 陈洪泉．地质统计学及其应用．北京：中国矿业大学出版社，59-69，1990
    [20] 文健，王军等．埕岛油田馆陶组上段储集层随机模型．石油勘探与开发，25(1)，1998，69-72
    [21] 王家华，高海余，周叶．克里金地质绘图技术——计算机的模型算法．北京：石油工业出版社，1999
    [22] 王仁铎，胡光道．线性地质统计学．北京：地质出版社，1989
    [23] 王学仁，王松桂．实用多元统计分析．上海：上海科学技术出版社，1984
    [24] 王志章，石占中等．现代油藏描述技术．北京：石油工业出版社，1999．12
    [25] 魏宗舒，吕乃刚(译)．统计思想．上海：上海翻译出版公司，1987
    [26] 吴胜和，熊琦华等．储层建模中随机模型的地质适用性分析．石油地球科学文集．北京：石油工业出版社，1998
    [27] 张团峰，王家华．利用随机模拟提高油藏数值模拟的效果．西安：西安石油学院学报，Vol．11，No．3，1996
    [28] 张团峰，王家华．试论克里金估计与随机模拟的本质区别．西安：西安石油学院学报，Vol．12，No．2，1997
    [29] 张团峰，王家华．油气储层随机模拟的基本原理．测井技术，No．4，1995
    [30] 张永贵，陈明强．模拟退火组合优华算法在油气储层随机建模中的应用．西南石油学院学报，19(3)，1997
    [31] 张永贵，李允．储层地质统计随机模拟．石油大学学报，22(3)，1998
    
    
    [32] 赵永胜．储层三维地质模型难使数值模拟摆脱困境．石油学报，22(3)．113～116，119，1998
    [33] 钟宝荣，李龙滟等．储层随机建模与条件模拟的计算机实现．油气成藏机理及油气资源评价国际研讨会，北京：石油工业出版社，1996
    [34] 俞寿朋．高分辨率勘探．第一版．北京：石油工业出版社，1993．
    [35] 牟永光．地震资料数字处理．第一版．1981．
    [36] 陆基孟．地震勘探原理．第一版．山东东营：石油大学出版社，1993．156．
    [37] 孙洪泉．地质统计学及其应用．徐州：中国矿业大学出版社，1990．
    [38] 牟永光．储层地球物理．石油工业出版社，1996．
    [39] 侯景儒等编译．地质统计学的理论与方法．地质出版社，1990．
    [40] 纪发华等编译．地质统计学在油藏描述中的应用．石油大学出版社，1992．
    [41] 柏森，李小敏．球状模型的最优参数估计．物探化探计算技术，1998，20(1)：25-29．
    [42] 侯景儒，郭光裕．矿床统计预测及地质统计学的理论和应用．北京：冶金工业出版社，1993．
    [43] 田开铭，万力．各向异性裂隙介质渗透性的研究与评价．北京：学苑出版社，1989．
    [44] 孟粹娟等．计算机图形学．北京：科学出版社，1992．
    [45] 王劲峰，李全林，Fischer M M．地震趋势区划结构自适应模型[J]．中国地震，1996，12(增刊)：78-88．
    [46] 于兴河，李剑峰．碎屑岩系储层地质建模及计算机模拟．北京：地质出版社，1996．
    [47] 王家华，张团峰．油气储层随机建模．北京：石油工业出版社，2001．
    [48] Haining R. Spatial Data Analysis in the Social and Environmental Sciences[M]. Great Britain: Cambridge University Press, 1990. 291-312.
    [49] Deutsch C V, Journel A G, GSLIB, Geostatistical Software Library and User's Guide[M]. New York: Oxford University Press, 1998.
    [50] Goovaerts P. Geostatistics for Natural Resource Evaluation[M]. New York: Oxford University Press, 1997.
    [51] Oliver M A. Geostatistics, rare disease and the environment[A] ln: Fischer M, Scholten H J, Unwin D. Spatial Analytical Perspeetives on GIS[C]. London: Taylor and Francis Ltd, 1996. 67-85.
    [52] Ripley B D. Spatial Statistics[M]. New York: Wiley, 1981
    [53] Matheron G. Principles of geostatistics[J] . Economic Geology, 1963, 58: 1246-1266.
    [54] Trenberth I,Kevin E. Climate System Modelling[M]. Cambridge: Cambridge University Press, 1992.
    [55] Sava, D., Florez, J. and Mavko, G., 2002, Seismic Fracture Characterization Using Statistical Rock Physics: James Lime Reservoir, Neuville Field, 72nd Ann. Internat. Mtg:Soc. of Exp1. Geophys., 1889-1892.
    [56] Zhang, Y. and Hubral, P., 2002, 2D ZO CRS stack and redatuming for a complex top surface topography, 72nd Ann. Internat. Mtg: Soc. of Expl. Geophys., 2051-2053.
    [57] Jones, I., 2002, Continuous high resolution velocity as a 4D attribute, 72nd Ann. Internat. Mtg: Soc. of Expl. Geophys.,1715-1718.