下载文档原格式
储层随机建模中变差函数分析变差函数一直是随机建模过程中研究较少但又十分重要的一个环节，不管是对储层非均质性研究，砂体展布还是对油气田开发中数值模拟的研究都起着至关重要的作用。
通过对前人变差函数分析方法的思考并结合实际油田数据进行了细致的研究，提出了一套详细可行的变差函数分析方法，在实际操作中取得了较好的效果。
标签：随机建模;岩相模型;变差函数储层随机建模是现代油藏描述的重要内容。
随机建模是以现有的有限数据和信息为基本条件，以地质模型和数理统计原理为基础，采用一定的计算方法，通过计算机技术人工合成多个可选的、等概率和高精度的，反映现有参数数据空间分布或该参数理论分布的模型。
亦即对控制点间应用随机模拟方法给出多种可能的预测结果或实现[1]。
储层地质建模是将地质认识、测井，地震等进行综合分析，在此基础上借助软件形成三维可视模型。
而如何通过宏观的地质认识和定量的单井数据等资料来模拟地下储层，如砂体分布和储层的物性变化情况，这就需要在储层随机建模中通过对数据进行变差函数分析，使模型更能反应地下的真是情况。
1 随机建模过程中变差函数拟合方法随机建模中利用已知的井数据和（或）地震数据，通过分层位、分相带建立变异函数模型，运用一定的插值（或模拟）方法建立不同的连续变量的分布模型，以更精确地表征储层参数场的空间变化情况[2]。
变差函数的分析主要就是求取平面和垂向的变程值，在相模型中变程值更是变征了砂体的延伸尺度，对砂体规模的预测和沉积相的划分都具有一定的指导意义。
数据在变差函数分析前需将数据进行转换来满足高斯模拟的计算，常用的转换包括正态转换和对数转换。
含水饱和度和孔隙度一般做正态转换，而孔隙度比较符合对数分布，所以对于孔隙度要先做对数转换再进行正态转换。
变差函数参数设置。
储层物性模型的精确程度以及展布，其关键的决定因素在变差函数的设置。
变差函数的设置既要符合数学统计规律，又要符合实际地质变化特征，因此结合地质认识设置函数中的一些参数，使变差函数能够真实的反映储层参数的空间变化情况。
多点地质统计学随机建模方法原理详细教程多点地质统计学（Multiple-Point Geostatistics，简称MPGS）是一种用于地质建模的统计学方法，旨在综合考虑多个地质属性之间的空间关系，可以用于模拟地质体结构和属性的空间分布。
下面是一个详细的MPGS建模方法的教程。
1.数据收集和准备首先，需要收集和准备地质数据。
这些数据可以包括钻孔数据、采矿数据、地球物理数据等。
数据应该包括多个不同属性的测量结果。
2.数据预处理对收集的数据进行预处理是为了消除异常值、填充缺失值和准备数据用于建模。
这些步骤可以包括数据清洗、插值等。
3.定义模型网格创建一个用于建模的三维网格，通常由正交的网格单元组成。
网格的尺寸和边界应根据实际问题的要求进行选择。
4.模式提取在做MPGS建模之前，需要从数据中提取出具有空间一致性和相关性的模式。
这可以通过模式提取算法实现，如基于模拟退火算法的直方图匹配。
5.模式匹配在模型建模过程中，需要通过模式匹配找到与已知数据最相似的地质模式。
这可以通过计算模式之间的相似性指标，如多点统计函数（MPS）实现。
6.模式合成一旦找到与已知数据相似的地质模式，可以根据模式之间的空间关系来生成新的地质模式。
这可以通过使用概率或变异性模型来实现。
7.模型重建利用已生成的地质模式，可以在模型网格单元上对地质属性进行插值，以重建地质体的结构和属性分布。
这可以使用插值方法，如克里金插值、逼近法等。
8.模型评估和修正完成模型重建后，需要评估模型的性能并根据需求对模型进行修正。
可以利用模型与实际数据之间的比较以及其他准则来评估模型的准确性和合理性。
9.模型应用完成最终的地质建模后，可以将模型应用于相关的地质问题，如矿产资源评估、地质风险评估等。
以上是MPGS建模方法的详细教程。
这种方法在地质建模中广泛应用，可以提供更准确和全面的地质属性分布信息，对于地质资源开发和管理具有重要意义。
变差函数的概念与计算分析变差函数是数学分析中常见的一个概念。
它主要用于描述一个函数在一些区间上的变化情况，从而可以对函数的性质进行更加深入的分析。
本文将介绍变差函数的概念、相关定义和性质，并讨论如何计算变差函数。
一、概念：变差函数是指一个实数域上的函数，它在给定区间上的变化程度的度量。
通俗地说，变差函数可以理解为一个函数在一些区间上取值的波动程度。
如果一个函数在一个区间上的变化程度很小，那么它的变差函数就会比较小；相反，如果函数的波动较大，那么它的变差函数就会较大。
二、定义和性质：1.定义：设f(x)是定义在区间[a,b]上的一个函数，变差函数V(f,x)表示f(x)在区间[a,x]上的总体变化量。
其中，V(f,x)可以定义为：V(f,x) = sup{∑(f(x_i) - f(x_{i-1}))}其中，sup表示上确界，x_i是[a,x]上的一个子区间，∑(f(x_i) -f(x_{i-1}))表示这个子区间上f(x)的变化量的总和。
2.性质：（1）非负性：变差函数V(f,x)是非负的。
（2）可加性：对于任意的[a,c]和[c,b]，有V(f,b)=V(f,c)+V(f,b)。
（3）上有界：变差函数V(f,x)在[a,b]上是有上界的。
（4）可分割性：对于边界上的两个点x_1和x_2，若x_1<x_2，则有V(f,x_2)-V(f,x_1)=V(f,[x_1,x_2])。
（5）作为测度的应用：如果一个函数的变差函数V(f,x)有界，那么该函数是有界变差函数。
三、计算分析：变差函数V(f,x)的计算是通过求解上述定义中的上确界来实现的。
换言之，我们需要找到最适合的子区间，使得其上的f(x)的变化尽可能大。
为了计算方便，我们可以选取一些特殊的区间进行计算，如等距划分、平方划分等。
1.等距划分计算变差函数：设[a,b]上的等距划分为x_0=a,x_1=a+h,...,x_n=b，其中h=(b-a)/n。
1变差函数（Variogram）基础变差函数是用来描述油藏属性空间变化的一种方法，可以定量的描述区域化变量的空间相关项。
变差函数的原理是空间上相近的样品之间的相关性强，而相距较远的样品之间的相关性较小，当超过一个最小相关性时，距离的影响就不大了。
这种空间上的相关性是各向异性的，因此需要从不同方向上描述某个属性的变差函数。
通过从输入数据中得到变差函数，在属性模型中利用变差函数建模，从而可以在最终模型中体现出实验数据的空间相关性。
1.1变差函数原理与数据分析1.1.1变差函数的原理变差函数图即变差函数与滞后距（空间的距离）的关系图。
计算方法是：对一组滞后距相近的数据，计算这组数据的变差，最后做出不同滞后距的变差曲线。
Sample variogram从一组实验样本数据中计算结果。
Variogram model根据理论变差函数模型拟合的结果。
Transition曲线类型。
常用的变差函数类型有指数型、球状模型、高斯模型。
Plateau在变差函数曲线上，随着横坐标距离的增加，纵坐标变差值不再增加，即为Plateau。
Range变程：当曲线达到高台水平段（Plateau）时的距离。
变程范围之内，数据具有相关性，变程范围之外，数据之间互不相关，即变程之外的观测值不对估计结果产生影响。
Sill基台值：当横坐标大于变程时的纵坐标变差值。
描述了两个不相干的样本间的差异性。
当数据的基台值为1或者比1偏差0.3时，表明数据间有空间趋势性。
Nugget块金值：横坐标为0处的变差值，描述了数据在微观上的变异性。
由于在垂向上数据间的距离较小，所以块金值可以从这些垂向数据中精确的得到。
1.1.2变差函数的数据分析在计算数据样本的变差时，程序会根据指定的距离和方向搜索数据。
搜索半径除以步长间隔即为步长的数目。
由于数据点在空间上的分布具有或多或少的随机性，所以在搜索方向和距离上允许存在一定的容差（tolerance）。
1.1.2.1变差函数的方向由于各向异性，变差函数需要从不同的方向上进行计算。
