利用二维训练图象进行三维多点地质统计学模拟

摘要

多点地质统计学(MPS)算法在三维区块模拟中存在的一个主要问题是缺少合适的三维训练图象.在本文中,通过利用二维训练图象中的信息,我们比较了三种解决三维训练图象缺乏的方法.一种是基于概率聚集的方法,其余两种方法则比较新颖.这两种方法中的一种是利用黑斑羚算法从各种二维训练图象中合并的表格,生成一系列可用于多点地质统计学(MPS)模拟的兼容数据事件；另一种是基于二维切片的序贯模拟,这些二维切片受到先前模拟步骤中得到的条件数据的约束.本文采用两种三维图形作为参照图象来测试这三种方法的模拟再现能力,在实际的实例研究中还考虑了包含沉积构造的二维训练图象.结果表明,要得到三维MPS模拟结果至少需要2个二维训练图象.根据一系列的比较标准表明,这3种方法得到的模拟结果(特别是s2Dcd方法的结果)与参考图象很接近.得到的模拟结果之间的比较表明,利用s2Dsd方法比直接利用三维训练图象的多点统计学算法模拟节省了2到4个数量级的CPU运行时间.这些方法的计算效率以及不需要三维训练图象就可以得到MPS模拟结果的可能性,促进了以下方法的发展:在多点地质统计学(MPS)中加入蒙特卡罗方法、不确定性评价及随机反演问题框架.