前文述及,河道骨架主要用於基於目標的建模方法以及基於變差函數的建模方法。將河道骨架用於多點地質統計學隨機建模,即利用骨架模型所包含的河道形態、河道類型以及河道規模等信息,約束和指導河道多點統計預測。將這種方法稱為基於儲層骨架的多點地質統計學隨機建模方法。由於河道骨架模型在建模之前已經預測出來,因此如果在進行河道儲層預測時沿著河道骨架方向進行,必然能夠減少河道預測的不確定性,而河道連續性也能夠在骨架模型指導下得到再現。基於儲層骨架的多點地質統計學隨機建模方法的模擬步驟為(圖5-11):
1)訓練圖像預處理。
2)產生隨機模擬路徑。
3)條件數據搜索。在河流主方向,以河道中線波動幅度、河道厚度構成的長方體作為搜索窗,對研究區所有條件數據進行歸類並排序。選擇河道條件數據最多的長方體作為骨架模型建立的開始。
4)儲層目標骨架建立。以搜索窗寬度壹半位置作為河道主方向軸,對落入搜索窗內的河道條件數據進行分析,通過隨機數確定條件數據在河道中的位置。根據這些條件數據在河道中的位置,確定河道中線位置。在沒有條件數據點處,根據壹維高斯函數產生河道中線位置。
5)河道生成。沿著產生的河道中線,進行相似性判斷,在河道中線點處,僅選擇包含河道的最相似模式。
6)模擬剩余未模擬節點。直到所有節點都被模擬,完成壹次模擬實現。
由於在相似性計算中,河道百分比可能得不到滿足。因此,在所有河道中線已經模擬完成後,可以計算河道百分比,根據河道百分比情況來判斷是否應該再增加河道中線,並繼續模擬河道。如果河道百分比沒有達到期望的百分比,則可以利用高斯函數隨機產生壹條河道中線,並沿著中線產生河道,直到期望的百分比得到滿足。
圖5-11 基於儲層骨架的多點地質統計學隨機建模流程
在整個隨機建模中,河道骨架模型建立後,對多點統計預測河道分布的約束主要表現為對數據模式選擇的約束,即指導合理地選擇數據模式,從而再現河道形態及分布特征。
前文已經指出了Simpat方法造成河道不連續的壹個重要原因是數據模式的隨機選擇,尤其是在河道中線延伸方向上隨機選擇不包含河道的模式。因此,當順河道中線模擬時,希望在河道中線處選擇包含河道的模式;而在河道模擬完成後,希望在模擬遠離河道區域時數據模式選擇上有壹定的約束。即在遠離河道區域,在隨機選擇相似性數據模式時,僅選擇不包含河道的模式,從而避免了隨機數據模式選擇過程中出現異常的數據模式,導致模擬實現不真實。
在對Simpat方法的分析過程中,數據模式隨機選擇的不確定性,還包括了對條件數據提供信息考慮的不足。當建立河道骨架模型後,河道信息也包含在了骨架模型中,這對數據模式的選擇具有重要意義。當順河道中線進行模擬時,如果河道中線是分支河道中線,那麽在選擇最相似的數據模式時,可以根據河道中線提供的信息,僅在訓練圖像的支流河道中選擇相應的數據模式。顯然,這種從河道骨架模型中獲取的信息能夠對河道性質進行充分考慮,指導數據模式正確選擇。當河道規模發生變化時,如果在河道骨架模型中考慮這種信息,那麽在建模時也可能反映這種河道變化規律。事實上,在Simpat方法中提供了訓練圖像帶以區分不同類型的沈積儲層。這為考慮河道規模或者性質提供了依據。如果將不同規模和性質的河道進行分類,並用不同的代碼來表示這類河道的性質,那麽在進行圖像預處理時,將不同規模和性質的河道按照不同的類別進行處理,形成各自的訓練圖像帶,在建模時就很容易對不同規模和性質的河道區分對待,從而較準確地建立具有不同規模和性質的河道分布。
通過河道骨架模型約束數據模式選擇,還可以有效解決河道建模中非平穩性問題。在Simpat方法中,由於沒有考慮河道分汊和規模變化信息,導致在建模時對數據模式選擇約束不夠,不能夠再現河道分汊和規模變換。而基於骨架模型的方法可以通過河道骨架信息識別主河道和支河道以及河道規模變化,從而約束數據模式選擇。由於河道分汊和規模變化,可以理解為河道非平穩特征的表現。因此考慮河道骨架模型提供的信息,從而正確選擇數據模式,壹定程度上解決了河道非平穩性問題。
因此,在河道骨架模型建立後,為了充分體現河道骨架模型對數據模式選擇的約束,需要在相似性計算以及選擇過程中考慮河道骨架模型提供的信息。如河道類型、規模等。經過這樣考慮,對上述5)、6)步驟作了壹些修改:
步驟5):在河道中線處,根據河道中線攜帶的信息,如河道性質、規模等,在相似性計算時,僅在訓練圖像中考慮包含相應信息的河道,從中選擇最相似的數據模式。
步驟6):當河道中線模擬完成後,計算河道百分比。當河道百分比小於期望值時,在未模擬區域隨機產生河道中線,隨後模擬河道;直到河道百分比達到期望值。
步驟7):在河道模擬完成後,對未模擬節點,如果不包含河道信息,在進行相似性計算時候僅考慮不包含河道的數據模式。當所有節點被模擬後,就完成了壹次模擬實現。