Петрофизическое моделирование с использованием вторичной информации Гауссово моделирование

Описание презентации Петрофизическое моделирование с использованием вторичной информации Гауссово моделирование по слайдам

Петрофизическое моделирование с использованием вторичной информации Гауссово моделирование и кригинг – Вторичные данные LocalПетрофизическое моделирование с использованием вторичной информации Гауссово моделирование и кригинг – Вторичные данные Local Varying Mean : использует простой кригинг и обрабатывает вторичные данные как локально зависимое среднее. Collocated Co-Kriging : включает коэффициент корреляции вторичных данных в кригинг уравнениях. Bivariate Distribution : Вторичное свойство используется для определения интервалов, в которых будут рассматриваться разные функции распределения , для обратного преобразования.

 • Z(x i ):  точки данных ( например :  пористость ). • Z(x i ): точки данных ( например : пористость ). • m(x): вторичные входные данные такие, как 2 D карта пористости или свойства с сильно коррелированным положительным значением. • Сумма весов может быть меньше, чем единица. • Чем меньше веса, тем больше влияние локально изменяющегося среднего m(x) в x 0 на рассчитанное значение Z(x 0 ). • Локально изменяющееся среднее влияет сильнее, если x 0 находится далеко от точек данных ( так как веса уменьшаются ) . ВАЖНО : — Вторичные входные данные должны быть сглажены и определены для всех x 0. — Первичные и вторичные данные должны обладать положительной корреляцией !)(]1[)()(00 xmxzxz n i ii i Использование вторичных данных Локально изменяющееся среднее (m)

Вверху :  карта проницаемости :  локально изменяющееся среднее Вверху справа : Вверху : карта проницаемости : локально изменяющееся среднее Вверху справа : Xplot Perm-Por Справа : гистограмма проницаемости. Использование вторичных данных Пример LVM – Моделирование проницаемости, использующее пористость С уменьшением ранга вариограммы влияние вторичных данных на результат увеличивается.

 Традиционное уравнение Co-kriging : Необходима вариограмма для первичного атрибута ,  для вторичного Традиционное уравнение Co-kriging : Необходима вариограмма для первичного атрибута , для вторичного и кроссвариограмма. В результате громоздкая система уравнений и больше ограничений. Collocated co-kriging: Возможное решение в случае большей плотности вторичного атрибута. Необходима только вариограмма для первичного атрибута, использование коэффициента корреляции со вторичным атрибутом Простая система уравнений)()()(0 j jji i i. COKx. Yx. Z )μY(xx. Zi i i. CCOK 00)()(Использование вторичных данных Co-kriging – Общая теория

Использование вторичных данных Collocated co-kriging – Характеристики Упрощенные системы уравнений быстрее, чем обычный Co-krigingИспользование вторичных данных Collocated co-kriging – Характеристики Упрощенные системы уравнений быстрее, чем обычный Co-kriging Избыточные значения вторичного атрибута не является причиной неустойчивости Влияющие параметры: вторичный атрибут, коэффициент корреляции и коэффициент уменьшения дисперсии Только вариограмма для первичного атрибута должна быть смоделирована

Использование вторичных данных Collocated co-kriging – Влияние параметров Полный 3 D грид Каждая 3Использование вторичных данных Collocated co-kriging – Влияние параметров Полный 3 D грид Каждая 3 я ячейка Каждая 10 я ячейка. Количество данных Коэффициент корреляции CC = 0. 8 CC = 0. 5 CC = 0. 2 Variance Reduction Factor VRF = 1. 0 VRF = 0. 2 VRF = 0.

Использование вторичных данных Моделирование проницаемости –  3 D тренд  (Data analysis) АнализИспользование вторичных данных Моделирование проницаемости – 3 D тренд (Data analysis) Анализ данных позволяет управлять преобразованиями Замечание : Моделируйте с трендом только если вторичный атрибут сглажен!

xplot:  Пористость – Проницаемость  ( Log )Использование вторичных данных Двумерное распределение –xplot: Пористость – Проницаемость ( Log )Использование вторичных данных Двумерное распределение – использование в обратном преобразовании Метод двумерного распределения использует вторичное свойство, существующее в той же области, и кросс-плот, построенный по двум переменным, и разбитый на классы Распределение моделируемого свойства будет зависеть от значения вторичного свойства. Распределение будет учитываться при обратных преобразованиях.

П р о н и ц а е м о сть. Cdf для низкойП р о н и ц а е м о сть. Cdf для низкой пористости Cdf для средней пористости Cdf для высокой пористости. Использование вторичных данных Двумерное распределение – функция распределения проницаемости, как функции пористости

Создайте интервалы Нажмите на иконку Create a Raw crossplot Отобразите два свойства ; Создайте интервалы Нажмите на иконку Create a Raw crossplot Отобразите два свойства ; включите перемасштабированные ячейки. Использование вторичных данных Как в кросс-плоте создать разбиение на интервалы ? Выбор точек, выбор области или интервала

Использование вторичных данных Двумерное распределение – проницаемость,  построенная с использованием пористости (разбиение наИспользование вторичных данных Двумерное распределение – проницаемость, построенная с использованием пористости (разбиение на классы) 8 классов Смоделированная проницаемость 3 класса xplot : смоделированная проницаемость — пористость

Упражнения Упражнения