一种多点地质统计学建模方法及系统与流程

1.本发明涉及油气田开发地质技术领域，尤其是涉及一种多点地质统计学建模方法及系统。


背景技术：

2.目前开发的油气藏类型多、储层特征复杂，常规建模方法(主要为基于变差函数的两点地质统计学建模方法和基于目标的地质建模方法)难以建立符合地质认识的模型。多点地质统计建模方法运用“训练图像”获取地质信息，成为近年来定量表征储层的重要手段。
3.现有多点地质统计建模技术主要分为：基于概率的多点地质统计建模方法和基于相似度的多点地质统计学建模方法。其中，基于概率的多点地质统计建模方法，是通过概率对数据事件的中心点进行模拟，建模效果较传统建模方法有了明显提高，但是易导致目标体不连续。基于相似度的多点地质统计学建模方法，是通过对比训练图型与数据事件的相似度，进行数据事件的中心点模拟或数据模板的整体替换，该类方法由于采用了数据模板整体进行相似度比较，较好的改善了目标体连续性模拟的效果。
4.在多点地质统计学相建模中，如何确定待估点的值，降低建模的不确定性，一直是多点地质统计学建模算法成功的关键。上述两种多点地质统计学建模算法，其算法框架均以一定维度的数据模板为载体，并以欧氏距离为相似度的判别标准，在建模模型与地质含义及储层的沉积意义的结合程度上依然存在不足。对于有着明确沉积意义和顺序的沉积相的储层空间来说，现有多点地质统计学建模方法难以解决复杂储层沉积相的建模难题。
5.因此，现有技术中需要提供一种新的多点地质统计学建模方法，使得该方法能够适用于具有复杂储层沉积相特征的储层空间。


技术实现要素：

6.为了解决上述技术问题，本发明提供了一种多点地质统计学建模方法，包括：构建模拟工区的训练图像和模拟网格，并获取所述模拟工区内所有井的沉积序列；将所有沉积序列定位到所述模拟网格中，以及确定初始参数，其中，所述初始参数包括模板形状、条件点数量和由模拟网格顶面所有未知点构成的模拟线路；选取所述模拟线路中的待估点，根据所述初始参数确定针对所述待估点的数据模板规格及相应的数据事件，并按照模板规格遍历所述训练图像，获得与当前数据事件具有相同数据结构的训练图型；将所述数据事件与所述训练图型进行相似度对比，优选最优训练图型并将其中对应点处的沉积序列分配到所述待估点处；在完成所有未知点条件化模拟后，生成含有储层沉积相分布特征的多点地质统计学模型。
7.优选地，在根据所述初始参数确定针对所述待估点的数据模板规格过程中，包括：以所述待估点为中心，按照所述模板形状对数据模板进行缩放处理，将在能够涵盖所述条件点数量个已知点的情况下所对应的最小规格确定为所述数据模板规格。
8.优选地，在将所述数据事件与所述训练图型进行相似度对比步骤中，包括：为所有沉积序列中的每个沉积相设置相应的权重；筛选出所述数据事件内的第一类顶面已知点对应的沉积序列、以及所述训练图型内的与第一类顶面已知点处于同位置的第二类顶面已知点对应的沉积序列，基于此，结合所述权重，计算每个第一类顶面已知点对应的沉积序列与对应位置处的第二类顶面已知点对应的沉积序列的相似度，记为组内相似度；将所有组内相似度求和后，生成当前训练图型的对比结果。
9.优选地，选取最小的对比结果所属的训练图型，作为所述最优训练图型。
10.优选地，在计算所述组内相似度过程中，包括：确定当前第一类顶面已知点对应的沉积序列内每个序列位置处的沉积相的权重、以及第二类顶面已知点对应的沉积序列内每个序列位置处的沉积相的权重，基于此，采用动态规划方法，计算所述组内相似度。
11.优选地，所述方法还包括：判断是否完成所述模拟线路内所有未知点的条件化模拟，若未完成，选取新的待估点，以对当前新的待估点进行条件化模拟。
12.另一方面，本发明还提供了一种多点地质统计学建模系统，包括：信息获取模块，其配置为构建模拟工区的训练图像和模拟网格，并获取所述模拟工区内所有井的沉积序列；初始化配置模块，其配置为将所有沉积序列定位到所述模拟网格中，以及确定初始参数，其中，所述初始参数包括模板形状、条件点数量和由模拟网格顶面所有未知点构成的模拟线路；训练图型生成模块，其配置为选取所述模拟线路中的待估点，根据所述初始参数确定针对所述待估点的数据模板规格及相应的数据事件，并按照模板规格遍历所述训练图像，获得与当前数据事件具有相同数据结构的训练图型；待估点赋值模块，其配置为将所述数据事件与所述训练图型进行相似度对比，优选最优训练图型并将其中对应点处的沉积序列分配到所述待估点处；模型生成模块，其配置为在完成所有未知点条件化模拟后，生成含有储层沉积相分布特征的多点地质统计学模型。
13.优选地，所述初始化配置模块，其进一步配置为以所述待估点为中心，按照所述模板形状对数据模板进行缩放处理，将在能够涵盖所述条件点数量个已知点的情况下所对应的最小规格确定为所述数据模板规格。
14.优选地，所述待估点赋值模块包括：相似度对比子模块，所述相似度对比子模块具备：沉积相权重设置单元，其配置为为所有沉积序列中的每个沉积相设置相应的权重；组内相似度生成单元，其配置为筛选出所述数据事件内的第一类顶面已知点对应的沉积序列、以及所述训练图型内的与第一类顶面已知点处于同位置的第二类顶面已知点对应的沉积序列，基于此，结合所述权重，计算每个第一类顶面已知点对应的沉积序列与对应位置处的第二类顶面已知点对应的沉积序列的相似度，记为组内相似度；对比结果生成单元，其配置为将所有组内相似度求和后，生成当前训练图型的对比结果。
15.优选地，所述组内相似度生成单元，其进一步配置为确定当前第一类顶面已知点对应的沉积序列内每个序列位置处的沉积相的权重、以及第二类顶面已知点对应的沉积序列内每个序列位置处的沉积相的权重，基于此，采用动态规划方法，计算所述组内相似度。
16.与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
17.本发明公开了一种多点地质统计学建模方法及系统。该方法及系统将沉积序列融入到算法里，使待估点的沉积相模拟具有沉积的内蕴假设，因此，从算法的原理和设计上，
要比现有的多点地质统计学建模算法更能反映实际地质含义，模拟结果可靠且精度更高，可以实现对复杂储层的沉积相建模。
18.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
19.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
20.图1是本技术实施例的多点地质统计学建模方法的步骤图。
21.图2是本技术实施例的多点地质统计学建模方法的流程图。
22.图3是本技术实施例的多点地质统计学建模方法中数据模板规格过程的选取原理示意图。
23.图4是本技术实施例的多点地质统计学建模方法中组内相似度计算过程的原理示意图。
24.图5是本技术实施例的多点地质统计学建模方法中第一个示例的训练图像的示意图。
25.图6是本技术实施例的多点地质统计学建模方法中第一个示例的单井沉积序列图像的示意图。
26.图7是本技术实施例的多点地质统计学建模方法中第一个示例的多点地质统计学模型的示意图。
27.图8是本技术实施例的多点地质统计学建模方法中第二个示例的训练图像的整体示意图和栅状图。
28.图9是本技术实施例的多点地质统计学建模方法中第二个示例在条件点数量为3的情况下所生成的多点地质统计学模型的整体示意图和栅状图。
29.图10是本技术实施例的多点地质统计学建模方法中第二个示例在条件点数量为4的情况下所生成的多点地质统计学模型的整体示意图和栅状图。
30.图11是本技术实施例的多点地质统计学建模系统的模块框图。
具体实施方式
31.以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
32.目前开发的油气藏类型多、储层特征复杂，常规建模方法(主要为基于变差函数的两点地质统计学建模方法和基于目标的地质建模方法)难以建立符合地质认识的模型。多点地质统计建模方法运用“训练图像”获取地质信息，成为近年来定量表征储层的重要手段。
33.现有多点地质统计建模技术主要分为：基于概率的多点地质统计建模方法和基于
相似度的多点地质统计学建模方法。其中，基于概率的多点地质统计建模方法，是通过概率对数据事件的中心点进行模拟，建模效果较传统建模方法有了明显提高，但是易导致目标体不连续。基于相似度的多点地质统计学建模方法，是通过对比训练图型与数据事件的相似度，进行数据事件的中心点模拟或数据模板的整体替换，该类方法由于采用了数据模板整体进行相似度比较，较好的改善了目标体连续性模拟的效果。
34.在多点地质统计学相建模中，如何确定待估点的值，降低建模的不确定性，一直是多点地质统计学建模算法成功的关键。上述两种多点地质统计学建模算法，其算法框架均以一定维度的数据模板为载体，并以欧氏距离为相似度的判别标准，在建模模型与地质含义及储层的沉积意义的结合程度上依然存在不足。对于有着明确沉积意义和顺序的沉积相的储层空间来说，现有多点地质统计学建模方法难以解决复杂储层沉积相的建模难题。
35.因此，为了解决上述技术问题，本发明提出了一种基于沉积序列的多点地质统计学建模方法及系统。该方法以多点地质统计学理论为基础，首先建立关于待模拟储层工区的训练图像和模拟网格；将训练图像中的所有单井对应的沉积序列定位至模拟网格中，形成由模拟网络顶面所有未知点构成的模拟线路；在对未知点进行条件化模拟过程中，通过将未知点周围的已知点的沉积序列与遍历训练图像后得到的训练图型内的对应位置处的沉积序列进行相似度对比处理，优选出最优训练图型；最后，将最优训练图型中与未知点具有相同位置点的沉积序列匹配到模拟网络中的未知点位置处，以完成针对当前未知点沉积序列的条件化模拟，从而在完成所有未知点条件化模拟后，生成含有储层沉积相分布特征的多点地质统计学模型。
36.这样，本发明考虑了储层相的沉积序列特征和地质意义，采用沉积相序列的相似度对比方法，提高多点地质统计学建模方法与地质的结合能力，形成一种能够考虑储层相的沉积学意义的多点地质统计学建模方法，从而提高了多点地质统计学相建模的精度，能够针对具有复杂储层沉积相特征的储层空间进行建模。
37.图1是本技术实施例的多点地质统计学建模方法的步骤图。图2是本技术实施例的多点地质统计学建模方法的流程图。下面结合图1和图2对本发明所述的多点地质统计学建模方法进行具体说明。
38.步骤s110构建模拟工区的训练图像和模拟网格，并获取模拟工区内所有井的沉积序列。需要说明的是，在本发明实施例中，模拟工区为需要对某一油气田储层进行地质统计学建模时的整个油气田储层内的部分区域。本发明对模拟工区的规模不作具体限定，本领域技术人员可根据实际需求、油气田储层的地质结构、地质统计学模型的精度等因素进行设置。
39.在步骤s110中，需要构建模拟工区的含有地质沉积相信息的训练图像。训练图像是包含储层沉积规律、地质体几何形态和分布特征的网格化图像，每个网格对应有该网格所属实际地质情况的沉积数据。其中，沉积数据至少包括：当前网格的位置信息、沉积相类型和相应的值。这样，训练图像能够全方位的记录油气田储层的地质含义信息。由于在多点地质学建模技术中，建立训练图像是一项较为独立的技术，故在此不做赘述。如图2和图8所示，分别展示了训练图像的纵向剖面图、立体图和栅格图。
40.另外，本发明实施例所构建的模拟网格是由若干个网格块搭建而成，模拟网格的规格(网格数量、单位网格体积及尺寸、整体体积及尺寸等)无需与训练图像的规模相一致。
在本发明实施例中，本领域技术人员可根据实际工区的情况与建模目标区域确定模拟网格的规格。
41.进一步，在步骤s110中，还需要确定出模拟工区内所有的单井，并获取每口单井的单井沉积序列。需要说明的是，由于模拟工区内的单井可能是整口单井的部分区域，因此，无需获取整口单井的完整沉积序列，仅根据模拟工区所处的深度位置，获取单井在模拟工区内的深度段部分对应的沉积序列即可。单井的沉积序列是由不同深度位置处的沉积数据所构成的，并且将不同深度位置处的沉积数据依据由浅至深的顺序进行排列。如图6所示，展示了模拟工区内每口单井的单井沉积序列，一组单井沉积序列内包含有不同深度位置处的网格对应的沉积数据。
42.这样，在完成地质统计学模型构建过程所需要的基础数据及模型后，进入到步骤s120中。步骤s120将所有沉积序列定位到模拟网格中，以及确定初始参数。
43.在步骤s120中，首先需要将模拟工区内所有单井对应的单井沉积序列定位到模拟网格中。在实际应用过程中，由于模拟网格是油田储层内的部分区域，在构建该模拟网格中，需要记录有当前模拟网格中每个网格块在实际油气田储层的位置信息(深度位置和水平坐标位置)。与此同时，由于在从步骤s110获取到的模拟工区内所有井的沉积序列中，每口井不同深度位置处的沉积数据，都标记有该位置的位置信息(深度位置和水平坐标位置)。因此，根据沉积数据的位置信息、以及模拟网格中各网格块的位置信息，将模拟工区内所有单井的单井沉积序列中不同深度位置处的沉积数据，一一定位到模拟网格内的对应位置的网格处。此时，(模拟工区的)模拟网格模型内部分不同位置处的网格写入了相应的沉积数据，由此将已写入沉积数据的网格确定为已知网格点，将未写入沉积数据的网格确定为未知网格点。
44.需要说明的是，由于单井沉积序列是一口井在不同深度位置处的沉积数据的序列组合，因此，将单井沉积序列分配到模拟网格模型之后，在模拟网格中表现为一条“柱状”数据条，每个网格块对应的深度位置中配置有同一位置的沉积数据。
45.进一步，在完成模拟网格已知点分配操作后，需要确定后续未知点条件化模拟实验所需的初始(配置)参数。其中，初始参数包括但不限于：模板形状、条件点数量和由模拟网格顶面所有未知点构成的模拟线路。在本发明实施例中，模板形状可以为一定规格的立方体、长方体等形状。
46.条件点数量为使用数据模板进行未知点模拟时分布于未知点周围的已知点的数量，该数量越大表明未知点模拟所需的计算量就越大，但模拟结果的精度会更高；反之，该数量越小表明未知点模拟所需的计算量就越小，但模拟结果的精度会随之降低。
47.模拟线路是在模拟网格顶端面设定而成的。具体地，在实际未知点模拟过程中，如果某一未知点完成了针对其自身的条件化模拟，那么该未知点则会在模拟后记录有相应的沉积序列，从而转换为已知点。这样，基于前述原理，在模拟线路规划时，需要在模拟网格模型的顶面，根据所有未知点和所有已知点的相对位置关系，将所有未知点的模拟顺序进行规划，形成为标记有顶面未知点模拟顺序的模拟线路，并为线路中的每个未知点标记相应的模拟顺序序号。
48.由此，在完成初始参数配置后，进入到步骤s130中。步骤s130选取模拟线路中的待估点，根据初始参数确定针对待估点的数据模板规格及相应的数据事件，并按照数据模板
规格遍历训练图像，获得与当前数据事件具有相同数据结构的训练图型。
49.在步骤s130中，首先(步骤s1301，未图示)需要在模拟线路中选取未处理的模拟顺序序号最小的待估点，作为当前次条件化模拟的对象。而后，(步骤s1302，未图示)根据初始参数中的模板形状和条件点数量，确定针对当前待估点的数据模板规格。具体地，在步骤s1302中，以当前待估点为中心，按照已确定好的模板形状，对数据模板进行(等比例)缩放处理，在涵盖条件点数量个已知网格点的情况下，将具有最小规格的数据模板的规格，确定为针对当前待估点的条件化模拟处理所需的数据模板规格。其中，数据模板尺寸，包括：长边所包含的网格数量、宽边所包含的网格数量和高边所包含的网格数量(高边的网格数量可以为1个，也可以为多个)。
50.图3是本技术实施例的多点地质统计学建模方法中数据模板规格过程的选取原理示意图。如图3所示，图3(a)展示出了模拟工区模拟网格的顶端面的一个示例，即模拟网格的顶视图。在模拟网格顶端面中，有4个已知井的沉积数据(4个点)，并假设当前条件点数量为4。图3(b)中的浅灰色区域展示了以3*3的数据模板的顶端面规格大小，该数据模板没有涵盖掉4个顶端面的已知点，因此，不满足当前条件点数量条件。图3(c)展示了扩大数据模板后得到的数据模板顶端面规格大小为5*5，在满足条件点数量后，确定最终的数据模板顶端面规格为5*5。
51.在确定好数据模板规格后，(步骤s1303，未图示)继续确定在当前数据模板规格下所对应的数据事件。当前数据事件为以当前待估点为中心，包括：由当前待估点分别与其周围条件点数量个已知网格点形成的若干向量所构成的数据结构、以及每个网格点的沉积数据。其中，向量的数量与条件点数量相一致。数据结构中记录有：每个已知网格点与当前待估点之间所形成的几何位置关系(包括：每个已知网格点到当前待估点之间的距离、以及相邻向量之间的夹角等信息)、以及每个已知网格点对应的沉积类型。这样，便完成了当前数据事件的确定步骤，从而进入到步骤s1304(未图示)中。
52.进一步，步骤s1304会按照步骤s1302确定好的数据模板规格，遍历整个步骤s130构建的训练图像，获得若干个与当前数据事件具有相同数据结构的训练图型。其中，训练图型的规格与数据模板规格相一致。具体地，在对具有相同数据结构的训练图型进行搜索时，需要检测每个训练图型的中心处周围是否具备与当前数据结构内的各已知网格点的沉积相类型及几何位置关系均一致的条件点数量个网格点，若为是，则将当前训练图型截取出来，作为后续条件化模拟的备选条件，若为否，则对下一个训练图型进行检测。这样，在搜索完全部训练图型后，进入到步骤s140中。
53.步骤s140将当前步骤s130确定好的数据事件与训练图型进行相似度对比，优选最优训练图型，并将最优训练图型中对应点处的沉积序列分配到待估点处。
54.在步骤s140中，首先(步骤s1401，未图示)将步骤s130确定好的数据事件与步骤s130筛选出的若干个符合备选条件的训练图型分别进行相似度对比处理；(步骤s1402，未图示)根据相似度对比处理结果，优选出最优训练图型，并将最优训练图型对应位置处的沉积序列分配到当前待估点处。
55.下面先对相似度对比处理过程进行详细说明。
56.s1、需要为步骤s110获取到的所有已知井的沉积序列中所涉及到的每个沉积相(类型)设置相应的权重。例如：参考图4(b)，模拟工区中具有a、b、c、d四种沉积类型，那么需
要分别为这四种沉积类型设置相应的权重，即为a沉积物设置权重为a、b沉积物设置权重为b、c沉积物设置权重为c、d沉积物设置权重为d。
57.接着，在完成沉积相权重设置后，s2从筛选出当前数据事件内的数据模板顶面内的每个第一类顶面已知点所对应的沉积序列(记为第一沉积序列)、以及训练图型顶面内的每个与第一类顶面已知点处于同位置的第二类顶面已知点对应的沉积序列(记为第二沉积序列)，基于此，结合步骤s1401所设定好的权重值，计算每个第一类顶面已知点对应的第一沉积序列与对应位置处的第二类顶面已知点对应的第二沉积序列的相似度，从而得到针对每组同位置已知点的沉积序列，均得到相应的组内相似度(计算结果)。
58.具体地，第一步，将当前数据模板顶端面内的每个已知点记为第一类顶面已知点(具有条件点数量个)，并提取出每个第一类顶面已知点的沉积序列。需要注意的是，此处提取的不是仅第一类顶面已知网格点对应的沉积数据，而是在数据模板中，以第一类顶面已知网格点为起始点的，起始点及其下方一系列不同深度位置处的沉积数据所形成的(第一)沉积序列。此处第一沉积序列的数量与数据模板规格的高边处所包涵的网格数量相匹配。
59.而后，第二步，将当前训练图型顶端面内的与第一类顶面已知点处于同位置的数据点进行标记，记为第二类顶面已知点(具有条件点数量个)，并提取出每个第二类顶面已知点的沉积序列。需要注意的是，此处提取的不是仅第二类顶面已知网格点对应的沉积数据，而是在当前训练图型中，以第二类顶面已知网格点为起始点的，起始点及其下方一系列不同深度位置处的沉积数据所形成的(第二)沉积序列。此处第二沉积序列的数量与当前训练图型的高边处所包涵的网格数量相匹配。
60.然后，由于数据模板内的每个第一类顶面已知点，在训练图型的相同位置处都对应有相应的第二类顶面已知点，也就是说，针对数据模板内的每个第一沉积序列，也会在训练图型的相同位置处对应有相应的第二沉积序列。因此，第三步，会根据所有第一类顶面已知点(分别)对应的第一沉积序列、以及所有第二类顶面已知点(分别)对应的第二沉积序列，结合模拟工区所涉及的所有沉积相类型的权重，计算出每个第一类顶面已知点对应的第一沉积序列与对应(同)位置处的第二类顶面已知点对应的第二沉积序列的相似度(即，第一沉积序列与第二沉积序列的距离)。这样，针对每组同位置处的第一沉积序列和第二沉积序列，计算出相应的相似度计算结果，即为组内相似度，由此便得到了条件点数量个组内相似度。
61.进一步，在本发明实施例中，在计算每个组内相似度时，需要先确定出当前第一沉积序列内每个序列位置处的沉积相的权重、以及第二沉积序列内每个序列位置处的沉积相的权重，而后，根据这些权重数据，采用动态规划方法，计算出相应的组内相似度数据。
62.图4是本技术实施例的多点地质统计学建模方法中组内相似度计算过程的原理示意图。下面参考图4对组内相似度的计算原理进行说明。图4(a)的左右两个序列分别为同位置处的两个待对比的第一沉积序列和第二沉积序列的一个示例，图4(b)第一沉积序列和第二沉积序列中所涉及的沉积相的设定权重，图4(c)展示了两个沉积序列的相似度对比过程。
63.在动态规划方法中，如果规定第一沉积序列是将不同深度位置处的数据内容按照由浅至深的第一顺序进行排列的序列，并规定第二沉积序列是将不同深度位置处的数据内容按照由浅至深的第二顺序进行排列的序列。组内相似度则是在将第一沉积序列中不同深
度位置处的数据内容转换为与第二沉积序列具有相同数据内容和排列顺序的序列时所需付出的权重代价。在实际应用过程中，由于在转换过程中会使用不同的转换方法(转换路径)，故针对同位置处的两个沉积序列，在计算两个序列的距离时，会得到若干个总权重代价值，此时，将最小的总权重代价值作为组内相似度数据即可。
64.举例来说，如图4(c)所示，表格中的第一列表示第一沉积序列在不同深度位置处的数据内容：a、c、b，并按照位置1、2、3排列，每个数据内容对应有相应的权重a、c、b；表格中的最后一列表示第二沉积序列在不同深度位置处的数据内容：a、b、c、d，并按照位置1、2、3、4排列，每个数据内容对应有相应的权重a、b、c、d。其中，第一沉积序列与第二沉积序列之间的距离的理论公式利用如下表达式表示：
65.d[i,j]＝min{[d[i-i,j]+insertcost(targeti)],[d[i-l，j-1]]+substitutecost(sourcej，targeti)]，[d[i,j-i]+deletecost(sourcej)]}
[0066]
其中，d[i,j]表示第一沉积序列j与第二沉积序列i之间的距离，insertcost(targeti)表示序列转换过程中所执行的插入动作所产生的权重代价值，substitutecost(sourcej,targeti)表示序列转换过程中所执行的替换动作所产生的权重代价值，deletecost(sourcej)表示序列转换过程中所执行的删除动作所产生的权重代价值。
[0067]
举例来说，参考图4(c)，如果要从仅含有数据的a序列转换为仅含有数据的a序列，那么要付出的权重代价值为0。如果要从仅含有数据的c序列转换为仅含有数据的b序列，那么要付出的权重代价值为b+c(删除c并插入b)。如果要从序列a、c、b转换为序列a、b、c，有两种路径，第一种路径为先删除c再插入c，那么此种路径所要付出的权重代价值为2c，第二种路径为先删除b再插入b，那么此种路径所要付出的权重代价值为2b。更进一步地说，在本发明实施例中，要想从序列a、c、b转换为序列a、b、c、d，至少有两种路径，第一种路径为先删除c、再插入c、后插入d，那么此种路径所要付出的权重代价值为2c+d；第二种路径为先删除b、再插入b、后插入d，那么此种路径所要付出的权重代价值为2b+d。
[0068]
这样，参考图4(c)，本发明通过上述动态规划方法在对同位置处的两个沉积序列进行距离计算时，得到了两个不同的总权重代价值(参见表格4c中的右上角格子的内容)，分别为：2b+d和2c+d。在实际应用过程中，取最小的总权重代价值作为当前同位置处的两个沉积序列的相似度计算结果，即组内相似度。
[0069]
最后，在完成多处同位置的序列相似度计算后，针对每组同位置的两个沉积序列均得到相应的组内相似度数据。由此，s3将所有组内相似度求和后，生成当前训练图型的相似度对比结果。
[0070]
进一步，通过上述步骤s1～s3针对每个作为备选条件的训练图型均得到相应的相似度对比结果，由此，步骤s1402会先根据这些相似度对比结果，优选出最优训练图型。具体地，在步骤s1402中，选取最小的相似度对比结果所属的训练图型，作为最优训练图型。然后，根据当前数据模板内的待估点的位置信息，在最优训练图型中确定出与当前待估点位置相同的网格点，记为目标网格点，最后，从模拟工区训练图像中提取目标网格点处的沉积序列并将其中的沉积数据一一分配至待估点位置处，以对待估点及其下方不同深度位置网格点进行沉积数据赋值。
[0071]
这样，通过上述步骤s130和步骤s140完成了当前待估点的条件化模拟并进行沉积序列赋值。而后进入到步骤s150中。
[0072]
步骤s150在完成所有未知点条件化模拟后，生成含有储层沉积相分布特征的多点地质统计学模型。在步骤s150中，首先，需要判断是否完成步骤s120中形成的模拟线路内所有未知点的条件化模拟任务。如果仍存在未实施条件化模拟的未知点，那么返回到步骤s130中，选取当前未进行条件化模拟的具有最小序号的新的待估点，以对当前新的待估点进行条件化模拟。另外，如果模拟线路中不存在未实施条件化模拟的未知点，那么则说明所有未知点均已完成了条件化模拟，当前模拟网格模型中的所有网格块均具有相应的沉积数据，从而便完成了多点地质统计学模型的构建任务。
[0073]
此时，本发明所构建的多点地质统计学模型具有模拟工区储层的完整沉积相分布特征信息。本发明实施例将沉积序列融入到算法里，使待估点的沉积相的模拟具有沉积的内蕴假设，而不仅仅是现有算法的“断章取义”。因此，从算法的原理和设计上，本发明所构建的多点地质统计学模型要比现有的多点地质统计学建模算法，更能反映真实的地质含义。
[0074]
下面将本发明实施例所述的多点地质统计学建模方法应用于如下两个实施例中：
[0075]
第一个示例
[0076]
建立模拟工区的训练图像ti(网格规模：200*1*45)，创建模拟网格(与训练图像规模相同)，模拟工区存在5口单井，设定条件点数为4，对模拟工区进行条件化模拟。图5是本技术实施例的多点地质统计学建模方法中第一个示例的训练图像的示意图。图5展示了当前训练图像的纵向剖面图，不同灰度的区域表示不同的沉积相类型。图6是本技术实施例的多点地质统计学建模方法中第一个示例的单井沉积序列图像的示意图。图6分别展示了工区内5口单井的沉积序列所表征的沉积特征。图7是本技术实施例的多点地质统计学建模方法中第一个示例的多点地质统计学模型的示意图。图7展示了当前多点地质统计学模型的纵向剖面图。
[0077]
第二个示例
[0078]
建立模拟工区的训练图像ti(网格规模：69*69*39)，创建模拟网格(与训练图像规模相同)，模拟工区存在7口井，设定条件点数为3、4，对模拟工区进行条件化模拟。图8是本技术实施例的多点地质统计学建模方法中第二个示例的训练图像的整体示意图和栅状图。图8(a)展示了当前训练图像的整体示意图，图8(b)展示了当前训练图像的栅格图。其中，不同灰度的区域表示不同的沉积相类型。
[0079]
图9是本技术实施例的多点地质统计学建模方法中第二个示例在条件点数量为3的情况下所生成的多点地质统计学模型的整体示意图和栅状图。图9(a)展示了在条件点数量为3的情况下所生成的多点地质统计学模型的整体示意图，图9(b)展示了在条件点数量为3的情况下所生成的多点地质统计学模型的栅格图。其中，不同灰度的区域表示不同的沉积相类型。
[0080]
图10是本技术实施例的多点地质统计学建模方法中第二个示例在条件点数量为4的情况下时生成的多点地质统计学模型的整体示意图和栅状图。图10(a)展示了在条件点数量为4的情况下所生成的多点地质统计学模型的整体示意图，图10(b)展示了在条件点数量为4的情况下所生成的多点地质统计学模型的栅格图。其中，不同灰度的区域表示不同的沉积相类型。从对比条件点数量为3和4所生成的多点地质统计学模型可以看出，增加条件点的数量，可以提高本发明的模拟效果。
[0081]
本发明由于在算法的相似度对比中，内蕴了沉积序列的地质意义，使得新方法在相建模精度方面有了大幅提高，能够较好地重现训练图像所显示的地质体的几何形状和分布特征，应用本发明进行相建模是可行且可靠的。
[0082]
另一方面，基于上述多点地质统计学建模方法，本发明还提出一种多点地质统计学建模系统(以下简称“建模系统”)。图11是本技术实施例的多点地质统计学建模系统的模块框图。如图11所示，上述建模系统包括：信息获取模块10、初始化配置模块20、训练图型生成模块30、待估点赋值模块40和模型生成模块50。
[0083]
进一步，信息获取模块10按照上述步骤s110所述的方法实施，配置为构建模拟工区的训练图像和模拟网格，并获取模拟工区内所有井的沉积序列。初始化配置模块20按照上述步骤s120所述的方法实施，配置为将所有沉积序列定位到模拟网格中，以及确定初始参数。其中，初始参数包括模板形状、条件点数量和由模拟网格顶面所有未知点构成的模拟线路。训练图型生成模块30按照上述步骤s130所述的方法实施，配置为选取模拟线路中的待估点，根据初始参数确定针对待估点的数据模板规格及相应的数据事件，并按照模板规格遍历训练图像，获得与当前数据事件具有相同数据结构的训练图型。待估点赋值模块40按照上述步骤s140所述的方法实施，配置为将当前数据事件与训练图型进行相似度对比，优选最优训练图型并将其中对应点处的沉积序列分配到待估点处。模型生成模块50按照上述步骤s150所述的方法实施，配置为在完成所有未知点条件化模拟后，生成含有储层沉积相分布特征的多点地质统计学模型。
[0084]
进一步，初始化配置模块20进一步配置为以当前待估点为中心，按照模板形状对数据模板进行缩放处理，将在能够涵盖条件点数量个已知点的情况下所对应的最小规格确定为数据模板规格。
[0085]
进一步，待估点赋值模块40至少包括：相似度对比子模块41。其中，相似度对比子模块41具备：沉积相权重设置单元411、组内相似度生成单元412和对比结果生成单元413。沉积相权重设置单元411配置为，为所有沉积序列中的每个沉积相设置相应的权重。组内相似度生成单元412配置为筛选出的当前数据事件内的第一类顶面已知点对应的沉积序列、以及训练图型内的与第一类顶面已知点处于同位置的第二类顶面已知点对应的沉积序列，基于此，结合权重，计算每个第一类顶面已知点对应的沉积序列与对应位置处的第二类顶面已知点对应的沉积序列的相似度，记为组内相似度。对比结果生成单元413配置为将所有组内相似度求和后，生成当前训练图型的对比结果。
[0086]
进一步，组内相似度生成单元412进一步配置为确定当前第一类顶面已知点对应的沉积序列内每个序列位置处的沉积相的权重、以及第二类顶面已知点对应的沉积序列内每个序列位置处的沉积相的权重，基于此，采用动态规划方法，计算组内相似度。
[0087]
本发明公开了一种多点地质统计学建模方法及系统。该方法及系统从相建模的沉积意义出发，以多点地质统计学理论为指导，通过可变数据模板来扫描模拟网格和训练图像，确定相应的数据事件和对应数据事件的训练图型；采用动态规划方法，计算数据事件与对应的训练图型的相似度；然后，采用最相似的训练图型对应点处的沉积序列对数据事件待估点处进行赋值，从而在遍历模型网格顶面未模拟网格一次后，得到一个模拟实现。本发明将沉积序列融入到算法里，使待估点的沉积相模拟具有沉积的内蕴假设，而不仅仅是之前算法的“断章取义”，因此，从算法的原理和设计上，要比现有的多点地质统计学建模算法
更能反映实际地质含义，模拟结果可靠且精度更高，可以实现对复杂储层的沉积相建模。
[0088]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
[0089]
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
[0090]
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
[0091]
虽然本发明所披露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。