Question

方法检验

Answer 1

本节将通过一个合成的例子对综合地震资料的新方法进行检验。一般来说,地震数据代表了对地下实际储层情况的一个滤过观察(a“ifltered”view),滤过函数F表示了地震数据与实际储层之间的关系。由于滤过函数F依赖于储层真实的地球物理特征,在实际情况中,滤过函数F是很难获得的。Arpat(2005)在利用软数据检验Simpat方法时,考虑到研究目的,利用人工方法合成了软数据的训练图像。即通过滑动加权平均的方法(即为滤过函数)从相的训练图像直接合成地震信息,建立地震训练图像。为了检验新设计的综合地震资料的方法,仍然采取这样的合成地震训练图像的例子,利用合成的地震训练图像识别河道主流线,将识别的河道主流线直接用于河道骨架模型的建立;然后用基于储层骨架的多点地质统计学方法再现河道形态及分布特征。

以单河道模型为例,利用7*7的数据样板对相的训练图像(图8-8a)的每一点都进行了滑动加权平均,形成假想的地震训练图像(图8-8b)。从图8-8可以看出,河道主流线分布于河道相出现概率高的地方。根据河道相出现的概率高低,利用数字化工具,可以直接从地震训练图像上勾绘出可能的河道主流线(图8-8d),并将此河道主流线作为河道中线,输入到基于储层骨架的多点地质统计学随机建模中,很容易建立起河道分布模型(图8-8c)。从图中可以看出,模拟实现的河道模型与实际训练图像具有较高的匹配性。

图8-8 利用地震识别的河道主流线预测河道100*100模拟网格,7*7数据样板

在上面建立的河道分布模型中,并没有参考地震训练图像提供的数据模式约束相建模,但是河道分布模型在河道中线骨架驱动下仍然得到很好地再现。显然,这对我们利用其他方面的信息提供了参考。例如,通过动态资料分析,识别优势通道及河道主流线,为预测河道骨架提供信息;通过高分辨率层序地层分析技术对河道及其延伸方向进行判断,将此信息融入到建模中等。可见基于储层骨架的多点地质统计学随机建模方法具有强大的综合多学科信息的能力。