浅谈地质统计学在属性平面预测中的应用 |
|
|
(h),其表达式为 式中:h为xi和xi+h两点的距离,也称其为滞后距;Z(xi),Z(xi +h)分别为xi和xi+h两点处的观测值;2n(h)为相距为h的数据对的数目;r*(h)为试验变差函数,是用求[Z(xi)-Z(xi+h)]2的算术平均值的方法来计算的。 以变差函数γ(h)为纵轴,以滞后距h为横轴,可做出平面变差曲线图(见图1)和垂向变差曲线图(见图2)。 1.2 实现方法 储层物性平面预测技术就是通过计算地震属性与储层物性之间的相关度,优选出相关度高的属性来约束储层物性的横向外推。其实现方式的本质在于利用线性或神经网络拟合建立地震属性与储层物性的映射关系,将优选出的地震属性作物性参数转换,通过已知井点的物性参数对误差进行的校正,使其外推更为合理。 在实际操作中(以孔隙度预测为例),有以下几步: 1)制作研究区内高精度地震合成记录 精细制作地震合成记录,建立井震之间的对应关系,建立地震属性的时间段与统计井点物性的深度段之间的对应性。 2)物性参数统计 统计研究区内多口井的孔隙度数据。 3)地震属性提取 在地震目标层解释的基础上,开取适当的研究时窗,提取包括振幅、相位、频率、能量类等十余种地震属性。 4)相关性分析 经过计算发现,Avg_Peak_Amplitude属性与统计井的孔隙度数据相关性最好,为67.85%。 5)属性平面预测 利用克里金的、确定的和随机的算法进行计算方法,综合井数据和地震数据产生物性网格数据,实现地层物性由已知井到未知点的合理外推。 6)误差校正,主要分有四步 ① 初步孔隙度预测:利用变差函数将平均波峰振(Avg_Peak_Amplitude) 换算成孔隙度值,得到L85井区孔隙度的初步预测结果。 ② 井点误差校正:孔隙度的初步预测值与已统计井点的真实孔隙度间存在误差,将各井点处的孔隙度误差值计算出来。 ③ 误差校正网格:将井点处的孔隙度误差校正值推广至全区计算,形成全区的误差校正网格。 ④ 最终孔隙度预测:将误差上一页 [1] [2] [3] 下一页 |
|
|
|
上一个论文: 合作学习法在医学统计学教学中的应用 下一个论文: 统计学专业及其就业前景分析 |
|