Петрофизическое моделирование. Обзор

Сентябрь 15, 2022

Главная
Физика
Петрофизическое моделирование. Обзор

Содержание

2. Петрофизическое моделирование Методы моделирования непрерывных свойств в Petrel Детерминистические: Единственный результат Кригинг Стохастические: Множество равновероятных реализаций
3. Петрофизическое моделирование Входные данные для моделирования Скважинные данные: перемасштабированные каротажи Распределение: гистограмма Вариограмма (пространственная модель): -
4. Петрофизическое моделирование Статистический анализ данных – Непрерывные свойства Преобразование данных: распределение данных и пространственные тренды Анализ
5. Петрофизическое моделирование Процесс Data analysis – Распределение (в отдельной фации) Гистограмма для разных фаций: Подходит гистограмма
6. Петрофизическое моделирование Что такое преобразование данных? Преобразование данных – это трансформация реальных данных во внутренние. Последовательно
7. Петрофизическое моделирование Процесс Data analysis – Преобразование (Распределение) Усечение исходного распределения Усекает получившийся результат при обратном
8. Петрофизическое моделирование Процесс Data analysis – Преобразование (Форма и шкала) Не требует входных параметров Убирает ассиметрию
9. Петрофизическое моделирование Процесс Data analysis – Преобразование (Сдвиг/Шкала/Форма) Изменение интервала распределения и шкалы Сдвиг данных по
10. Петрофизическое моделирование Процесс Data analysis – Преобразование (Тренды) Последовательность действий: Есть ли тренд? Если есть, вычесть
11. Петрофизическое моделирование Как происходит 1D Trend преобразование в Petrel Как использовать 1D Trend in the Data
12. Петрофизическое моделирование Пример последовательности преобразований После моделирования: обратное преобразование данных: Отмена преобразования к нормальному распределению Добавление
13. Петрофизическое моделирование Процесс Data analysis – Анализ вариограммы Вариограмма рассчитывается на основе преобразованных данных. Измеряет изменчивость
14. Петрофизическое моделирование Вариограмма – Конус поиска Рекомендуемая длина лага: Вертикальная = толщина ячейки = интервал каротажа
15. Петрофизическое моделирование Процесс создания вариограммы Вертикальная вариограмма большое количество данных легко сделать оценку Соответствие модели экспериментальной
16. Петрофизическое моделирование Вариограмма – Использование вторичных данных для построения горизонтальной вариограммы Первичные данные Вторичные данные Vertical
18. Скачать презентацию

Слайд 2

Петрофизическое моделирование Методы моделирования непрерывных свойств в Petrel
Детерминистические: Единственный результат
Кригинг
Стохастические: Множество

равновероятных реализаций
SGS GRFS

Методы, рассматриваемые в курсе:

Слайд 3

Петрофизическое моделирование Входные данные для моделирования
Скважинные данные: перемасштабированные каротажи
Распределение: гистограмма
Вариограмма (пространственная модель):
-

Направление, тип модели, наггет и плато
- Три ранга вариограммы
Фациальная модель
Пространственные тренды: Из сейсмики/аналогичных свойств и т.д.
Вторичный параметр

Слайд 4

Петрофизическое моделирование Статистический анализ данных – Непрерывные свойства
Преобразование данных: распределение данных и

пространственные тренды
Анализ вариограммы: изменение в пространстве
Корреляция: зависимость между параметрами
В интервалах (зонах) и фациях: сохранение степени похожести и различия

Слайд 5

Петрофизическое моделирование Процесс Data analysis – Распределение (в отдельной фации)
Гистограмма для

разных фаций:
Подходит гистограмма или нуждается в редакции?

Исходное распределение в одной фации

Слайд 6

Петрофизическое моделирование Что такое преобразование данных?
Преобразование данных – это трансформация реальных данных

во внутренние. Последовательно могут быть произведены несколько преобразований. До запуска алгоритма моделирования используется преобразование к стандартному нормальному распределению (Normal Score Среднее =0, ст. отклонение=1.)

Обратное преобразование будет автоматически произведено в обратном порядке для сохранение пространственного тренда и исходного распределения данных в получившемся свойстве.

Слайд 7

Петрофизическое моделирование Процесс Data analysis – Преобразование (Распределение)
Усечение исходного распределения
Усекает получившийся результат

при обратном преобразовании данных для получения величин в желаемом интервале

Output truncation не отображается в виде гистограммы, так как применяется уже после моделирования как ограничение функции распределения

Аномальное распределение пористости в песке (цементирование)

Усекает исходное распределение для удаления нехарактерных значений или помещения их в соседний интервал

Слайд 8

Петрофизическое моделирование Процесс Data analysis – Преобразование (Форма и шкала)
Не требует входных

параметров

Убирает ассиметрию данных и приближает к нормальному распределению

Изменение формы распределения

Логнормальное распределение проницаемости

Гамма-распределение проницаемости

Слайд 9

Петрофизическое моделирование Процесс Data analysis – Преобразование (Сдвиг/Шкала/Форма)
Изменение интервала распределения и шкалы
Сдвиг

данных по среднему и масштабирование по стандартному отклонения – после пространствен-ных преобразований

Заставляет любое распределение принять форму нормального (m=0, std=1)

Mean por = 0.21

Mean por = 0.11

New target mean = Input mean shift - real mean / std.dev

Кривая может быть отредактирована

Слайд 10

Петрофизическое моделирование Процесс Data analysis – Преобразование (Тренды)
Последовательность действий:
Есть ли тренд?
Если есть,

вычесть его из данных.
Рассматривается остаточное свойство (исходное минус гладкий тренд).
Моделируется остаточное свойство.
Тренд добавляется к смоделированному свойству (во время обратных преобразований).

Тренды должны быть убраны из данных для того, чтобы обеспечить их стационарность. Они могут быть 1D (вертикальные, связанные с влиянием глубины), 2D (латеральное изменение фаций) или 3D (другое свойство, коррелирующее с данным).

Пористость - Реальная
Нет стационарности

Тренд = 0.2

0.1

0.4

0.1

0.2

Пористость - Остаточная
Стационарность

Нет тренда

-0.1

+0.2

-0.1

Устранение тренда

Слайд 11

Петрофизическое моделирование Как происходит 1D Trend преобразование в Petrel
Как использовать 1D Trend

in the Data Anlysis process:
Закиньте 1D trend, используя голубую стрелку и выберите Show: Input.
Выберите в качестве тренда кривую регрессии или любую другую
Выберите Show: Output для отображения распределения в остаточном свойстве

Синяя линия показывает примененный тренд

Активировать/ деактивировать

Удаление тренда

Полученное распределение

Исходное распределение

Слайд 12

Петрофизическое моделирование Пример последовательности преобразований
После моделирования: обратное преобразование данных:
Отмена преобразования к нормальному

распределению
Добавление 1D тренда, который был удален
Усечение выходного распределения, соответствующее установкам, заданным в преобразовании Output Truncation.

До моделирования Petrel выполнит следующее преобразование :
Усечение входного распределения (т.е. исключение выбросов)
Удаление1D тренда (это необходимо при наличии тренда)
Преобразование данных к нормальному распределению (т.е. преобразование набора данных в распределение со средним 0, ст. кв. отклонением 1)

Слайд 13

Петрофизическое моделирование Процесс Data analysis – Анализ вариограммы
Вариограмма рассчитывается на основе

преобразованных данных. Измеряет изменчивость с расстоянием.
Рассчитывается в 3 направлениях:
Горизонтальное главное
Горизонтальное второстепенное
Вертикальное
Конус поиска лагами определяет пары точек
Точки = Экспериментальная вариограмма
Линия = Кривая регрессии
Линия = Модельная вариограмма
Гистограмма = Количество пар

Слайд 14

Петрофизическое моделирование Вариограмма – Конус поиска
Рекомендуемая длина лага:
Вертикальная
=

толщина ячейки
= интервал каротажа
Пространственная
= расстояние между скважинами

Слайд 15

Петрофизическое моделирование Процесс создания вариограммы
Вертикальная вариограмма
большое количество данных
легко сделать оценку
Соответствие модели экспериментальной

вариограмме
сферическая, гауссовская, экспоненциальная
Горизонтальная вариограмма
обычно мало данных, тяжело сделать хорошую вариограмму
Может быть:
основана на геологических знаниях
построена на основе коррелирующих данных

Слайд 16

Петрофизическое моделирование Вариограмма – Использование вторичных данных для построения горизонтальной вариограммы
Первичные данные
Вторичные

данные

Vertical

Major

Minor

Петрофизическое моделирование. Обзор

Содержание

Петрофизическое моделирование Методы моделирования непрерывных свойств в PetrelДетерминистические: Единственный результатКригингСтохастические: Множество

Петрофизическое моделирование Статистический анализ данных – Непрерывные свойстваПреобразование данных: распределение данных и

Петрофизическое моделирование Процесс Data analysis – Распределение (в отдельной фации) Гистограмма для

Петрофизическое моделирование Что такое преобразование данных?Преобразование данных – это трансформация реальных данных

Петрофизическое моделирование Процесс Data analysis – Преобразование (Распределение)Усечение исходного распределенияУсекает получившийся результат

Петрофизическое моделирование Процесс Data analysis – Преобразование (Форма и шкала)Не требует входных

Петрофизическое моделирование Процесс Data analysis – Преобразование (Сдвиг/Шкала/Форма)Изменение интервала распределения и шкалыСдвиг

Петрофизическое моделирование Процесс Data analysis – Преобразование (Тренды)Последовательность действий:Есть ли тренд?Если есть,

Петрофизическое моделирование Как происходит 1D Trend преобразование в PetrelКак использовать 1D Trend

Петрофизическое моделирование Процесс Data analysis – Анализ вариограммы Вариограмма рассчитывается на основе

Петрофизическое моделирование Вариограмма – Конус поискаРекомендуемая длина лага: Вертикальная =

Петрофизическое моделирование Вариограмма – Использование вторичных данных для построения горизонтальной вариограммыПервичные данныеВторичные

Похожие презентации