基于相序的多点地质统计学相建模方法及其应用

doi:10.11743/ogg20230120

摘要/Abstract

摘要：

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。

关键词: 相建模, 建模算法, 相似度对比, 相序, 数据模板, 多点地质统计学, 塔河油田

Abstract:

The current multiple point geostatistical （MPS） modeling methods take the probability or geometric distance， which is inferred from training image based on a certain dimension of data template， as the criterion for determining the simulated value in the unknown area of the simulation grid. The relation between the criterion and geological meaning is weak in geological modeling. In view of the shortcomings of geological connection in the previous MPS modeling methods， returning to the essence of geological modeling， considering the sedimentological significance and geological implication of the similarity comparison between data events and training patterns during the facies modeling process， a facies sequence-based MPS modeling method is proposed. The method takes the facies sequence with sedimentological significance as the basic similarity comparison unit， creates a new variable data template suitable for facies sequence similarity comparison， utilizes the semantic recognition technology， directly calculates the similarity between the known facies sequence in the data event and the corresponding facies sequence in the training pattern， and then simulates the facies of unknown area in the simulation grid， through which realizes MPS modeling of strongly heterogeneous reservoirs from the sedimentological significance. The sedimentary facies simulation results of ideal models and the delta front reservoir in Tahe X area show that the proposed method can effectively reproduce the geometric shape displayed in the training image and well reflect the deposition and distribution of different facies in the reservoir， and greatly improve the accuracy of facies modeling. The method effectively combines sedimentology with MPS， and puts forward a novel similarity comparison means and modeling framework of MPS， which provides a new method for facies modeling of complex reservoirs.

Key words: facies modeling, modeling algorithm, similarity comparison, facies sequence, data template, multiple point geostatistics （MPS）, Tahe oilfield

中图分类号:

TE19

王鸣川,段太忠. 基于相序的多点地质统计学相建模方法及其应用[J]. 石油与天然气地质, 2023, 44(1): 238-246. doi: 10.11743/ogg20230120 Mingchuan WANG,Taizhong DUAN. Facies sequence-based MPS reservoir facies modeling algorithm and its application[J]. Oil & Gas Geology, 2023, 44(1): 238-246. doi: 10.11743/ogg20230120

图/表 10

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

参考文献 29

1	段太忠，王光付，廉培庆，等. 油气藏定量地质建模方法与应用［M］. 北京：石油工业出版社， 2019.
	DUAN Taizhong， WANG Guangfu， LIAN Peiqing， et al. Method and application of quantitative geological modeling for oil and gas reservoirs［M］. Beijing： Petroleum Industry Press， 2019.
2	PYRCZ M J， DEUTSCH C V. Geostatistical reservoir modeling［M］. 2nd ed. Oxford： Oxford University Press， 2014.
3	吴胜和. 储层表征与建模［M］. 北京：石油工业出版社， 2010.
	WU Shenghe. Reservoir characterization & modeling［M］. Beijing： Petroleum Industry Press， 2010.
4	王鸣川，商晓飞，段太忠，等. 海外油气田开发新项目储量评价方法［J］. 石油实验地质， 2020， 42（2）： 296-301.
	WANG Mingchuan， SHANG Xiaofei， DUAN Taizhong， et al. Reserves evaluation for new investment projects in overseas oil and gas field development［J］. Petroleum Geology and Experiment， 2020， 42（2）： 296-301.
5	王鸣川，段太忠，计秉玉. 多点统计地质建模技术研究进展与应用［J］. 古地理学报， 2017， 19（3）： 557-566.
	WANG Mingchuan， DUAN Taizhong， JI Bingyu. Research progress and application of multipoint statistics geological modeling technology［J］. Journal of Palaeogeography， 2017， 19（3）： 557-566.
6	DE ALMEIDA J A. Stochastic simulation methods for characterization of lithoclasses in carbonate reservoirs［J］. Earth-Science Reviews， 2010， 101（3/4）： 250-270.
7	吴胜和，李文克. 多点地质统计学——理论、应用与展望［J］. 古地理学报， 2005， 7（1）： 137-144.
	WU Shenghe， LI Wenke. Multiple-point geostatistics： Theory， application and perspective［J］. Journal of Palaeogeography， 2005， 7（1）： 137-144.
8	尹艳树，张昌民，李玖勇，等. 多点地质统计学研究进展与展望［J］. 古地理学报， 2011， 13（2）： 245-252.
	YIN Yanshu， ZHANG Changmin， LI Jiuyong， et al. Progress and prospect of multiple-point geostatistics［J］. Journal of Palaeogeography， 2011， 13（2）： 245-252.
9	HU L Y， CHUGUNOVA T. Multiple-point geostatistics for modeling subsurface heterogeneity： A comprehensive review［J］. Water Resources Research， 2008， 44（11）： 1-14.
10	ZHOU Fengde， SHIELDS D， TYSON S， et al. Comparison of sequential indicator simulation， object modelling and multiple-point statistics in reproducing channel geometries and continuity in 2D with two different spaced conditional datasets［J］. Journal of Petroleum Science and Engineering， 2018， 166： 718-730.
11	STREBELLE S B， JOURNEL A G. Reservoir modeling using multiple-point statistics［C］//SPE Annual Technical Conference and Exhibition， New Orleans， 2001. Piscataway， NJ： SPE， 2001： SPE-71324-MS.
12	ARPAT G B， CAERS J. Conditional simulation with patterns［J］. Mathematical Geology， 2007， 39（2）： 177-203.
13	ZHANG Tuanfeng， SWITZER P， JOURNEL A. Filter-based classification of training image patterns for spatial simulation［J］. Mathematical Geology， 2006， 38（1）： 63-80.
14	HONARKHAH M， CAERS J. Direct pattern-based simulation of non-stationary geostatistical models［J］. Mathematical Geosciences， 2012， 44（6）： 651-672.
15	MARIETHOZ G， RENARD P， STRAUBHAAR J. The direct sampling method to perform multiple-point geostatistical simulations［J］. Water Resources Research， 2010， 46（11）： W11536.
16	CHEN Qiyu， LIU Gang， MA Xiaogang， et al. 3D stochastic modeling framework for Quaternary sediments using multiple-point statistics： A case study in Minjiang Estuary area， southeast China［J］. Computers & Geosciences， 2020， 136： 104404.
17	VAN DER GRIJP Y， MINNITT R， ROSE D. Modelling a complex gold deposit with multiple-point statistics［J］. Ore Geology Reviews， 2021， 139（Part A）： 104427.
18	SHARIFZADEH LARI M， STRAUBHAAR J， RENARD P. Efficiency of template matching methods for multiple-point statistics simulations［J］. Applied Computing and Geosciences， 2021， 11： 100064.
19	MOHAMMADI H， HOSSEINI S T， ASGHARI O， et al. A direct sampling multiple point statistical approach for multivariate imputation of unequally sampled compositional variables and categorical data［J］. Computers & Geosciences， 2021， 156： 104911.
20	ZUO Chen， PAN Zhibin， YIN Zhen， et al. A nearest neighbor multiple-point statistics method for fast geological modeling［J］. Computers & Geosciences， 2022， 167： 105208.
21	印森林，高阳，胡张明，等. 基于无人机倾斜摄影的露头多点地质统计模拟——以山西吕梁坪头乡石盒子组为例［J］. 石油学报， 2021， 42（2）： 198-216.
	YIN Senlin， GAO Yang， HU Zhangming， et al. Multiple-point geostatistical simulation of outcrop based on UAV oblique photographic data： A case study of Shihezi Formation in Pingtou township， Lvliang City， Shanxi［J］. Acta Petrolei Sinica， 2021， 42（2）： 198-216.
22	HONARKHAH M， CAERS J. Stochastic simulation of patterns using distance-based pattern modeling［J］. Mathematical Geosciences， 2010， 42（5）： 487-517.
23	MARIETHOZ G， RENARD P. Reconstruction of incomplete data sets or images using direct sampling［J］. Mathematical Geosciences， 2010， 42（3）： 245-268.
24	喻思羽，李少华，何幼斌，等. 基于样式降维聚类的多点地质统计建模算法［J］. 石油学报， 2016， 37（11）： 1403-1409.
	YU Siyu， LI Shaohua， HE Youbin， et al. Multiple-point geostatistics algorithm based on pattern scale-down cluster［J］. Acta Petrolei Sinica， 2016， 37（11）： 1403-1409.
25	王鸣川，段太忠. 基于图型矢量距离的多点地质统计相建模算法［J］. 石油学报， 2018， 39（8）： 916-923.
	WANG Mingchuan， DUAN Taizhong. Multipoint geostatistical facies modeling algorithm based on pattern vector distance［J］. Acta Petrolei Sinica， 2018， 39（8）： 916-923.
26	冯文杰，吴胜和，印森林，等. 基于矢量信息的多点地质统计学算法［J］. 中南大学学报（自然科学版）， 2014， 45（4）： 1261-1268.
	FENG Wenjie， WU Shenghe， YIN Senlin， et al. A vector information based multiple-point geostatistic method［J］. Journal of Central South University （Science and Technology）， 2014， 45（4）： 1261-1268.
27	DUAN Taizhong， GRIFFITHS C M， JOHNSEN S O. High-frequency sequence stratigraphy using syntactic methods and clustering applied to the Upper Limestone Coal Group （Pendleian， E1） of the Kincardine Basin， United Kingdom［J］. Mathematical Geology， 2001， 33（7）： 825-844.
28	DUAN Taizhong. Similarity measure of sedimentary successions and its application in inverse stratigraphic modeling［J］. Petroleum Science， 2017， 14（3）： 484-492.
29	ABDOLLAHIFARD M J， FAEZ K. Fast direct sampling for multiple-point stochastic simulation［J］. Arabian Journal of Geosciences， 2014， 7（5）： 1927-1939.

[1]	韩鹏远, 丁文龙, 杨德彬, 张娟, 马海陇, 王生晖. 塔里木盆地塔河油田S80走滑断裂发育特征及其对奥陶系储层的控制作用[J]. 石油与天然气地质, 2024, 45(3): 770-786.
[2]	张三, 金强, 史今雄, 胡明毅, 段梦悦, 李永强, 张旭栋, 程付启. 塔北地区奥陶系地下河溶洞充填规律与储集性能[J]. 石油与天然气地质, 2023, 44(6): 1582-1594.
[3]	康志江, 张冬梅, 张振坤, 王睿奇, 姜文斌, 刘坤岩. 深层缝洞型油藏井间连通路径智能预测技术[J]. 石油与天然气地质, 2023, 44(5): 1290-1299.
[4]	计秉玉, 郑松青, 顾浩. 缝洞型碳酸盐岩油藏开发技术的认识与思考[J]. 石油与天然气地质, 2022, 43(6): 1459-1465.
[5]	吕心瑞, 邬兴威, 孙建芳, 夏东领, 李彦普, 丁炎志, 王斌. 深层碳酸盐岩储层溶洞垮塌物理模拟及分布预测[J]. 石油与天然气地质, 2022, 43(6): 1505-1514.
[6]	张文彪, 张亚雄, 段太忠, 李蒙, 赵华伟, 汪彦. 塔里木盆地塔河油田托甫台区奥陶系碳酸盐岩断溶体系层次建模方法[J]. 石油与天然气地质, 2022, 43(1): 207-218.
[7]	张娟, 杨敏, 谢润成, 王明, 王虹, 罗紫薇. 塔里木盆地塔河油田4区和6区奥陶系小尺度缝洞储集体概率识别方法[J]. 石油与天然气地质, 2022, 43(1): 219-228.
[8]	胡文革. 塔里木盆地塔河油田潜山区古岩溶缝洞类型及其改造作用[J]. 石油与天然气地质, 2022, 43(1): 43-53.
[9]	陈家旭, 王斌, 郭小文, 曹自成, 刘永立, 耿锋, 张旭友, 徐豪, 赵建新. 应用方解石激光原位U-Pb同位素定年确定多旋回叠合盆地油气成藏绝对时间——以塔里木盆地塔河油田为例[J]. 石油与天然气地质, 2021, 42(6): 1365-1375.
[10]	程洪, 张杰, 张文彪. 断溶体储层类型识别、预测及发育模式探讨——以塔里木盆地塔河十区TH10421单元为例[J]. 石油与天然气地质, 2020, 41(5): 996-1003.
[11]	刘永立, 尤东华, 高利君, 张卫峰, 谢乘飞. 塔河油田塔深6井蓬莱坝组硅质岩成因及其地质意义[J]. 石油与天然气地质, 2020, 41(1): 83-91.
[12]	胡迅, 尹艳树, 冯文杰, 王立鑫, 段太忠, 赵磊, 张文彪. 深水浊积水道训练图像建立与多点地质统计建模应用[J]. 石油与天然气地质, 2019, 40(5): 1126-1134.
[13]	贺婷婷, 段太忠, 赵磊, 刘彦锋. 塔里木盆地塔河油田T区三叠纪沉积模式[J]. 石油与天然气地质, 2019, 40(4): 822-834.
[14]	朱桂良, 孙建芳, 刘中春. 塔河油田缝洞型油藏气驱动用储量计算方法[J]. 石油与天然气地质, 2019, 40(2): 436-442,450.
[15]	鲁新便, 荣元帅, 李小波, 吴锋. 碳酸盐岩缝洞型油藏注采井网构建及开发意义——以塔河油田为例[J]. 石油与天然气地质, 2017, 38(4): 658-664.