油藏地质建模原理和方法ppt课件.ppt

油藏地质建模原理和方法,前 言,现代油藏描述以建立定量三维油藏地质模型为最终目标。这是计算机技术在油藏描述中广泛应用的结果，也是提高油藏模拟和开采动态预测精度的要求。由于计算机技术的发展，地质和数学更进一步的结合，以及地质工作本身向定量化的深入发展，使过去只能以各种二维图件来表现油藏地质面貌的传统地质工作方法已逐步被应用计算机技术建立和显示三维的、定量的地质模型所代替，各种建模技术和计算机软件、不断地问世，成为近十几年来油藏描述向油藏表征推进的主要标志。,一个完整的油藏地质模型应包括：构造模型 储层模型 流体模型根据油田不同开发阶段的任务，对油藏地质模型的精细程度要求不同，依此通常可以把油藏地质模型分为三类:概念模型 静态模型 预测模型,一、油藏地质模型的类别,依据油藏描述规模的地质模型分类。为配合油藏模拟进行不同开发问题的研究，实际工作经常需要建立不同规模的地质模型，常用的有： 一维单井地质模型 二维砂体剖面模型 二维砂体平面模型 三维砂体模型 二维层系剖面模型 三维井组模型 三维油藏整体摸型 二维层内隔层模型 三维层内隔层模型,一、油藏地质模型的类别,油藏地质模型建模技术中的关键点，是如何根据已知的控制点资料内插、外推资料点间及以外的油藏特性。根据这一特点，建立油藏地质模型方法可分两大类： 确定性模型 随机性模型目前通行的软件建模方法 一般是把整个油藏网块化。先建立井模型，把各井同层位网块等时对比相连建立层模型，以同层位网块高程表征油藏构造特征，以非储层网块分隔的储层网块表征储层的格架，以储层网块中记入各种储层属性的量值表征这些参数空间的分布和非均质面貌。网块尺寸的大小反映模型的粗细程度；属性量值的精度，特别是无资料控制点处的内插外推值的精度则反映模型的精度。,二、建模的原理和方法,(一)确定性建模原理及方法,确定性建模方法认为资料控制点间的插值是唯一解，确定性的。传统地质工作方法的内插编图，就属于这一类。克里金作图和一些数学地质方法作图也属这一类建模方法。开发地震的储层解释成果和水平井沿层直接取得的数据或测井解释成果，都是确定性建模的重要依据。,克里金方法在地质统计学中已经得到了广泛的应用，从数学角度抽象来说，它是一种对空间分布数据求最优、线性、无偏内插估计量（Best Linear Unbiased Estimation，简写为BLUE）的方法。较常规方法而言，它的优点在于不仅考虑了各已知数据点的空间相关性，而且在给出待估计点的数值的同时，还能给出表示估计精度的方差。经过多年的发展完善，克里金方法已经有了好几个变种，如普通克里金法、泛克里金法、析取克里金法、对数正态克里金法、协同克里金法、因子克里金法等，这些方法分别用于不同的场合。下面以满足二阶平稳假设时采用的普通克里金法来说明其基本思想。,克里金方法方法简介,设研究区域中有n个已知数据点，采用线性组合的方式，可以获得影响范围内任意点的估计值：,式中，i是与已知数据点Z(xi)有关的加权系数，它表示各个已知数据点对待估计点的数值的贡献。,上式为n+1个方程的普通克里格方程组。该方程组有n1个未知数和n1个方程组，因此是有解的。根据克里金方法求得各网格点的估计值后即可以用图形函数库进行编程实现来绘制三维图。,储层三维地质建模步骤,数据准备数据来源：岩心、测井、地震、试井、开发动态。从建模内容来看，基本数据类型包括以下四类：坐标数据；分层数据；断层数据；储层参数数据。储层数据又分为以下三种： 井眼储层数据；岩心分析和测井解释硬数据：包括井内相、砂体、隔夹层、孔隙度、渗透率、含油饱和度等数据，即井模型。 地震储层数据：主要为速度、波阻抗、频率等，为储层建模的软数据。 试井（包括地层测试）储层数据：其一为储层连通性信息，可作为储层建模的硬数据；其二为储层参数数据，因它为井筒周围一定范围内的渗透率平均值，精度相对较低，一般做为储层建模的软数据。,储层三维地质建模步骤,数据集成及质量检查数据集成是多学科综合一体化储层表征和建模的重要前提。集成各种不同比例尺、不同来源的数据（井数据、地震数据、试井数据、二维图形数据等），形成统一的储层建模数据库，以便于综合利用各种资料对储层进行一体化分析和建模。对不同数据来源的数据进行质量检查也是储层建模的十分重要的环节。为了提高储层建模精度，必须尽量保证用于建模的原始数据特别是硬数据的准确可靠性，而应用错误的原始数据进行建模不可能得到符合地质实际的储层模型。构造模型的建立构造模型反映储层的空间格架。因此，在建立储层属性的空间分布之前，应进行构造建模。构造模型由断层模型和层面模型组成。,储层三维地质建模步骤,储层参数模型建立在构造模型基础上，建立储层属性的三维分布数值模型。在构造模型的基础上，利用井数据和（或）地震数据，按照一定的插值（或模拟）方法对每个三维网块进行赋值，建立储层属性（离散和连续属性）的三维数据体，即储层数值模型。模型网块尺寸越小，标志着模型越细；每个网块上参数值与实际误差值越小，标志着模型的精度越高。 模型精度及可信度分析资料丰富程度及解释精度：资料丰富程度不同，所建模型精度亦不同。对于给定的工区及给定的赋值方法，可用的资料越丰富，所建模型精度越高。另一方面，对于已有的原始资料，其解释的精度亦严重影响储层模型的精度。如沉积相类型的确定、测井资料的解释精度，等等。赋值方法：赋值方法很多，就井间插值（或模拟）而言，有传统的插值方法（如中值法、反距离平方法等）、各种克里金方法等。不同的赋值方法将产生不同精度的储层模型。因而，建模方法的选择是储层建模的关键。此外，建模人员的技术水平，包括储层地质理论水平及对工区地质的掌握程度、计算机应用水平及对建模软件的掌握程度等，也是影响储层模型精度的因素。,储层三维地质建模步骤,建立数值模型即三维数据体图形显示主要包括三维图形显示、任意旋转、不同方向切片、从不同角度显示储层的外部形态及其内部特点，地质人员和油藏管理人员可据此三维图件进行三维储层非均质分析和进行油藏开发管理。 据三维储层模型进行油气储量计算层总体积；储层总体积以及不同相（或流动单元）的体积；储层孔隙体积及含烃孔隙体积；油气体积及油气储量；连通体积（连通的储层岩石体积、孔隙体积及油气储量）；可采储量。 储层数值模型输出应用与油藏数值模拟一般需要对储层数值模型进行模型粗化，使细网格的精细地质模型“转化”为粗网格模型，使等效粗网格模型能反映原模型的地质特征及流动响应。,储层三维地质建模步骤,(二)随机建模原理及方法,随机建模（Stochastic Modeling）：就是以地质统计学为基础，综合地质学、沉积学等学科的现有知识，根据岩心分析、测井解释、地震勘探、生产动态以及露头观察等多种来源的已知数据，对沉积相单元、岩相、砂体、断层、裂缝或具体的流动单元的空间分布以及物性参数在空间的变化性进行模拟，从而产生一系列等概率的储层一维或多维图象或实现。这些实现表达了储层各种尺度的变化特征和内部结构，是高分辨率的、数字化的、定量的储层表征方式，而且易于在计算机上重复产生多个这样的实现。每个实现都是对现实的合理抽样，实现之间的差别反映了由于资料缺乏等原因引起的不确定性。,随机建模就是对于一个非均质场中变量Z(u) 的分布，人工合成反映Z(u) 空间分布等概率的模型过程。如果模拟中，每个实现在它的已知点位置处的值与原来的样品值一致，则称之为条件模拟。所谓等概率是指模拟的各个实现，其总体的统计量符合样品或理论的统计量，这里的统计量是指直方图、累积频率图、变异函数等。由于对应每个模拟点都有一个分布，所以，对预测值不确定性就有一个定量的描述，可以指出预测值在某一区间的概率。随机建模方法承认地质参数的分布有一定的随机性，而人们对它的认识总会存在一些不确定的因素，因此建立地质模型时考虑这些随机性引起的多种可能出现的实现，供地质人员选择。,1、储层随机建模原理,2、储层随机建模方法,离散型模型用来描述离散性的地质特征，如砂体的分布，隔层的分布，岩石类型的分布等。 连续型模型用来描述储层参数连续变化的特性，如孔隙度、渗透率、饱和度的空间分布。,3、储层随机建模步骤,1.原始数据库的建立 原始数据库，即基础地质数据库，如坐标数据、分层数据、断层数据和储层数据等。主要用于建立定性的地质概念模型，以指导随机建模的过程；用作模拟的条件限制；模拟参数（统计特征值）的确定。建立模型的构造格架。 2.建立定性的地质概念模型 根据原始数据库及其它基础地质资料，建立定性的地质概念模型，如沉积相分布模型、砂体连续性模型等。定性的地质概念模型的建立主要是为随机建模选择模拟方法、确定模拟参数、指导实现的优选等服务。,3、储层随机建模步骤,3.构造建模主要根据地震等资料，建立研究区的构造模型。应用高分辨层序地层学建立地层的等时间界面，为后续的骨架模型和物性参数模型的建立做准备。4.地层坐标转换储层形成以后，由于受到构造、压实、剥蚀等一系列地质作用，使得储层变的厚薄不均。而储层特征的分布及其持续性和有利方向是沿地层坐标的，并不是笛卡尔坐标。同一地层它的厚度在横向上有变化，但它代表的时间间隔是一样的。因此，在进行模拟之前，要进行坐标转换。模拟前把地层厚度转换成时间间隔，模拟时垂向上按时间间隔划分网格，模拟后再转换成地层厚度。,3、储层随机建模步骤,5.确定模拟输入的统计特征参数主要包括两类：统计特征参数；条件限制参数（原始数据）。 6.建立储层骨架模型在构造模型和地层坐标变换的基础上，首先建立能够表征储层较大规模非均质性的骨架模型。这种非均质性主要是由不同地质体或不同沉积相的空间分布引起的。根据地质概念模型、研究目的及现有的技术条件选择合适的随机模拟方法。 7.建立储层物性参数模型在骨架模型的基础上，对不同沉积相带内各种物性参数分别建模。这些模型主要用来表征储层各地质体或沉积相内部岩石性质小范围的变化。,3、储层随机建模步骤,8.储层评价及优选随机模型随机建模可以产生大量等概率的实现，实现之间的差别可以用来对储层的不确定性进行评价。另外，由于计算时间和费用的限制，往往只选择几个实现作为数模的输入。因此，需要从生成的大量实现中优选几个有代表性的实现。通常可以根据以下几个标准进行选择：（1）定性的地质概念模型；（2）随机实现的统计参数与输入参数的接近程度；（3）抽稀检验，根据模拟实现是否忠实于未输入模型真实的数据和特征进行选择；（4）模拟实现是否符合生产动态，可通过简单的二维油藏数值模拟或局部的三维数模的“历史拟合”情况来进行判别。 9.粗化及作为油藏数模的输入由于地质模型的网格划分比较小，数模要求的节点数有限，因此需要对优选的实现进行粗化，以便作为油藏数值模拟的输入。在粗化过程中应尽量采用各种先进技术，避免有用信息的损失。,3、储层随机建模步骤,4、相控随机建模原理及方法,目前，储层随机建模技术已经得到充分发展，并形成一些较成熟、合理的建模策略，在油田应用中取得了良好的效果。相控建模策略就是其中发展较成熟，应用较广的建模技术。 越来越多的学者认识到沉积微相对储层物性参数有控制作用，沉积物的沉积属性(成分、粒度等)是影响储层孔隙度、渗透率等物性参数的最主要因素。在建立储层物性模型时加入相的控制，必然使模拟结果更具合理性和准确性。Damslesh阐述了相控建模的基本思路。首先应用离散随机模拟方法建立三维沉积相储层结构模型，然后根据不同沉积相(砂体类型)的储层参数定量分布规律，分相(或砂体类型)进行连续变量的随机模拟，建立三维储层参数分布模型。,4、相控随机建模原理及方法,具体步骤如下：1、利用能够获得的有限钻井的定量资料。研究工区是否存在沉积微相对物性参数的明显控制。在单并相分析基础上，采用统计方法，统计各微相内物性参数的平均值、均方差列成表格后比较。如果各微相的上述统计参数表现出明显的差异，表明沉积微相控制了物性参数展布，对物性建模时应该加入相的控制。2、利用序贯指示模拟技术建立微相的骨架模型。3、建立各沉积微相的相控模型，使用能够获得的有限井的岩心分析或测井解释定量资料，获得不同微相物性参数分布规律。对不同微相采用高斯模拟技术建立物性空间分布模型。,4、相控随机建模原理及方法,顺序指示模拟方法可以在模拟时对不同的变量采用不同的变差函数，从而在模拟过程中同时考虑不同变量的各自特点，所以一般选用该方法对微相进行模拟。对于物性参数，由于顺序高斯模拟是应用广泛的连续性变量的随机模拟方法，该方法被认为是模拟连续型变量的首选方法。因此，针对不同微相采用顺序高斯模拟分别进行模拟。下面对这两种方法分别加以介绍。,4、相控随机建模原理及方法,顺序模拟的基本原理,顺序模拟的基本思路是沿着给定的随机路径顺序地求取各网格点的局部条件概率分布（lcdf），然后从lcdf中随机抽取模拟值。基本算法如图所示, 随机地选择一个还没有被模拟的网格点。 在该处估计局部条件概率分布（LCPD）。 从LCPD中随机地抽取一个值。 把新模拟的值包括到条件数据集中。 重复步骤，直到所有的网格点都被模拟,4、相控随机建模原理及方法,顺序指示模拟顺序指示模拟既可用于离散变量，又可用于连续变量的随机模拟。该方法不需要对原始条件数据分布的参数形式作任何假设，而是在现有资料的基础上，通过一系列的门槛值把条件数据转化成指示数据。根据各离散变量的指示变差函数，采用指示克里金法对每个网格点处的局部条件概率分布（LCPD）进行估计。其主要特点是变量的指示变换，指示克里金和顺序模拟算法。,4、相控随机建模原理及方法,4、相控随机建模原理及方法,4、相控随机建模原理及方法,应用顺序指示模拟对离散变量进行条件模拟,4、相控随机建模原理及方法,应用顺序指示模拟对离散变量进行条件模拟,4、相控随机建模原理及方法,顺序高斯模拟,高斯随机域是最经典的随机函数。该模型的最大特征是随机变量符合高斯分布（正态分布）。该方法主要用于连续变量（如孔隙度、厚度）的随机模拟。顺序高斯模拟是一种应用高斯概率理论和顺序模拟算法产生连续变量空间分布的随机模拟方法。模拟过程是从一个象元到另一个象元顺序进行的，用于计算某象元LCPD的条件数据除包括在给定有效范围内的原始数据和已被模拟的网格数据。,4、相控随机建模原理及方法,顺序高斯模拟,顺序高斯模拟变量的步骤如下： 确定代表整个研究区的单变量分布函数（cdf）。如果Z数据分布不均，则应先对其进行去丛聚效应分析。 利用变量的分布函数，对Z数据进行正态得分变换转换成y数据，使之具有标准正态分布的分布函数。 检验y数据的二元正态性。如果符合则可使用该方法，否则应考虑其它随机模型,4、相控随机建模原理及方法,顺序高斯模拟, 如果多变量高斯模型适用于y变量，则可按下列步骤进行顺序模拟： a.确定随机访问每个网格节点路径。指定估计网格点的邻域条件数据（包括原始y数据和先前模拟的网格节点的y值）的个数（最大值和最小值）。b.应用简单克里金来确定该节点处随机函数的条件分布函数（ccdf）的参数（均值和方差）。c.从ccdf随机地抽取模拟值。d.将模拟值加入已有的条件数据集。e.沿随机路径处理下一个网格节点，直到每个节点都被模拟，就可得到一个实现。 把模拟的正态值经过逆变换变回到原始变量的模拟值。在逆变换过程中可能需要进行数据的内插和外推。,4、相控随机建模原理及方法, 如果多变量高斯模型适用于y变量，则可按下列步骤进行顺序模拟： a.确定随机访问每个网格节点路径。指定估计网格点的邻域条件数据（包括原始y数据和先前模拟的网格节点的y值）的个数（最大值和最小值）。b.应用简单克里金来确定该节点处随机函数的条件分布函数（ccdf）的参数（均值和方差）。c.从ccdf随机地抽取模拟值。d.将模拟值加入已有的条件数据集。e.沿随机路径处理下一个网格节点，直到每个节点都被模拟，就可得到一个实现。 把模拟的正态值经过逆变换变回到原始变量的模拟值。在逆变换过程中可能需要进行数据的内插和外推。整个顺序模拟过程可以按一条新的随机路径重复以上步骤，以获取一个新的实现，通常的做法是改变用于产生随机路径的随机种子数。,