三维储层模型的优选流程

1．构造模型的优选

构造模型的不确定性建模的主要思路是基于不确定性的各种数据源生成多个可选的构造模型，这些数据源中一部分是离散变量，如构造解释成果;一部分是连续变量，如给定一个层面的变化区间来模拟断层或者层面的位置，在此变化中，用一种特定的方式来变化位置。例如随机变化一个层面的简单方法是表现这个面的厚度图。

然而，在处理构造模型的不确定性时出现了各种各样的方法，这阻止了软件的实现及推广，主要原因是构造模型难于自动生成，特别是在构造复杂的地区。因此多数工具通过扰动一个地层网格来减少不确定性，而不是变化或者模拟构造模型(图6-28)。

图6-28 确定构造模型的不确定性示意图

拓扑关系的不确定性抽样还处在研究级别，因为需要代替所有对构造模型的人工编辑，如生成断层网络可以从有关断层的方位和形状、断层规模和断距关系、断层簇的截断规则的统计信息来生成。

2．储层属性模型的优选

传统的优选方法如地质储量、连通性应用流线模拟、示踪剂模拟等，已经得到了大量的关注，但当有多个流动响应变量时，没有唯一的优选索引指示，可见没有一个优选的度量方法是完美的。一个特定的优选度量参数必须与生产状况相关联，目前常用优选的中心思想是采用一个相对简单的静态方法来精确地挑选地质实现，这些实现与生产响应的目标百分位相对应，例如P10、P50、P90的代表，这虽然定义了一个不确定性边界，但没有进行小尺度的流动模拟。

采用度量空间方法可以用来快速决策和分析一组储层建模的实现，当有大量的储层模型的实现需要分析时，该方法是不确定性研究或敏感性分析的有吸引力的方法(图6-29)。在储层建模中，度量空间定义为相似距离函数，该函数定义了一组储层模型的相似性。一般来讲，模型i和模型j之间的距离与模型j和模型i之间的距离相同，则需估计储层模型距离的个数为N×(N－1)/2。该距离矩阵就定义了一个度量空间，然而，该空间难以可视化。为了便于可视化该空间，可以采用多维标度法(MDS)，其输出可以转换为一个二维图像。多维标度法把距离矩阵转化成n维欧氏空间中的点的组合，n一般选取较小值(n=2，…，10)。每一个点代表一个储层模型的实现，尽可能地优化欧氏距离与距离矩阵中的近似距离相对应(图6-30)。

把这些欧氏空间中的点用主成分分析或者聚类算法分组，再挑选每一类中具有代表性的点(或者实现)，该过程就相当于优选出了代表性的模型。然而，这些传统的统计技术都假设了欧氏空间中点的结构是线性的，而在很多现实应用中，这些点的结构是非线性的。这样，就需要把非线性的欧氏空间R转换到一个新的线性空间F，该空间称之为要素空间，采用的方法以核方法为主，核变换的目的就是使新空间中点的关系更加线性化。这时就可以使用模式识别中标准的线性工具，成功率也大大提高。这样就可以在大量的储层模型中挑选出有不同的流动特征的具有代表性的模型。应用核变换之后，在要素空间中应用经典的K均值聚类算法来确定聚类中心点定义的一个点的子集，K均值算法根据欧氏距离来聚类，也就是相邻的点为同一类。而且，选取的度量距离越合适，意味着具有相似流动响应的点越相邻。每类中点的个数可以作为与之所代表储层模型的权值，选取的模型子集虽然很小，但足以代表了原来的所有模型的信息。

图6-29 储层模型的优选流程

图6-30 MDS方法中2D欧氏空间中一个点代表一个储层模型的实现

传统的敏惯性参数分析方法使用实验设计方法，该方法首先定义一系列参数值(最小值和最大值)，然后进行流动模拟，其目的是确定影响流动特征的每一个参数的影响因子，在敏感性分析中使用流动模拟是利用参数的函数来构建一个代表流动变化的多项式模型。度量空间的方法在对选取的代表性模型的建模参数进行分析，就可以得到一个地质参数的构成，确定与之对应的敏感性参数。在使用该方法时还需注意以下问题:①选取的储层模型的个数。数量足够才能估计模型的相关因素。②在每个选取的实现中，每个参数的最大值和最小值须有代表性。尽管实验设计看起来很精确，但需要进行大量的模拟，而本方法既不需要耗时的流动模拟，又只需要分析选取的建模参数，更直观明了。