利用梯度信息进行优化的方法

摘要

本发明涉及一种改进地下区域的地质模型的方法。选择一组或更多组参数值。每个参数表示地质特性。为每组参数值获得代价和代价梯度。构造由一个或更多个地层限定的参数空间的几何近似。生成表示与每个地层相关联的代价和梯度的响应面模型。当不满足结束条件时，至少部分地基于与先前选择的组相关联的响应面模型选择至少一个额外组。继续利用所选的额外组重复该方法的若干部分，从而更新几何近似和响应面模型，直到满足结束条件。输出具有至地下区域的地质模型的预定等级代价的组和/或其相关联的预测结果，从而更新地质模型。

说明书

相关申请的交叉参考

本申请要求于2009年10月23日提出申请的标题为“Method for  Optimization with Gradient Information”美国临时专利申请61/254,383 的权益，其整个内容通过引用并入本文。

技术领域

本发明公开涉及确定数值模型的自由参数以便最小化或最大化作 为结果的预测的数值优化的若干方面。

背景技术

本部分是为了引入可以与所公开技术和方法的各方面相关联的本 领域的不同方面。在该部分的末尾提供了参考文献目录，并且在下文 中可以参考这些参考文献。包括参考文献的本讨论被认为有助于提供 框架从而促进更好地理解本公开的具体方面。因此，应当就此而论阅 读本部分，不一定承认本部分是现有技术。

在许多学科中会出现非线性优化，例如金融、制造、运输或碳氢 化合物资源的探测和生产。如图1中所述，可以用公式表达用于使由 数值模型预测的特定量最小化的基本优化方法，在图1中在10表明该 方法。在框12，选择一组模型参数值。在框13，通过数值模型运行参 数值，从而预测特定量。在框14，确定是否充分最小化该量或是否超 过规定的迭代次数。如果确定充分最小化该量或是超过规定的迭代次 数，那么方法在框15结束。否则，在框12选择新的参数值，并且重 复执行该方法。

另一个优化方式是将数值模型的输出与某些数据或观察值进行比 较。目标是寻找最大化预测值和观察值之间的相似性或最小化其之间 的差异的一组模型参数。将这个差异称为失配、代价或代价函数。针 对所有可能的参数组合对代价函数求值限定了响应面。这个方法被称 为反演，其可以被认为是寻找响应面最小值。反演在碳氢化合物探测 和生产的领域中的应用包括地震反演、地质建模和历史拟合。图2是 示出已知的简单反演方法的流程图，一般在20表明。在框22选择一 组模型参数值。在框23，通过数值模型运行参数值，从而提供对输出 结果的预测，在框24示出。将该预测与观察的特性或数据进行比较， 在框25中示出，从而产生代价函数。在框26确定该代价函数是否被 充分最小化。如果是，那么方法在框27结束。如果未充分最小化代价 函数，那么在框22选择新的参数值，并重复该方法。

由于诸如地质建模的复杂问题可能具有许多独立参数或自由参 数，所以通过估算所有可能的参数组合构造地质模型的响应面几乎是 不可能的。也禁止通过对参数空间进行系统采样(因此对参数进行系 统测试)构造近似的响应面，因为通过反演不仅仅得到一些自由参数。

代替的是，通常对参数空间执行迭代采样，并且问题是选择要用 于迭代过程中的参数值。一个策略是寻找参数空间中代价函数的梯度 消失之处的点，或换句话说，寻找响应面是平的之处的点。这些点示 出代价函数的局部最大值或局部最小值，并具有与观察值的局部最大 相似性或局部最小相似性。在所有其他的点，梯度是非零值，且表明 代价函数的值减少最多的方向，因而表明朝着具有较低代价的参数的 方向。如图3的方法30中所示，在框32选择初始的参数组，其等同 于选择响应面上的初始点。在框34数值模型可以用于对代价函数和代 价函数的梯度求值。在框36，当未充分最小化代价函数时，从先前的 值中选择在响应面上向下的参数空间中的新参数值。可以重复该方法 直到达到最小值，或直到迭代次数超过规定极限。对于许多问题而言 遗憾的是，在响应面上存在各种最小值，这几乎保证寻找到的解不是 全局最优值而仅仅是局部最优值。换句话说，解陷入局部最小值。

参数选择的另一个策略是对响应面进行采样，并且创建引导参数 选择的响应面模型。这在图4中所述的方法40中示出，其中在框42 基于数值模型的输出和相关联的代价函数估计响应面模型。使用每次 迭代，更新响应面模型，希望引起更好的参数选择(在框44)，以在 下一次迭代中使用。响应面模型方法通常重新结合当前最佳解的参数 或生成接近当前最佳解的新参数。实际上，可以引入某种程度的随机 性，从而保持寻找响应面的有希望区域，从而降低陷入局部最小值的 风险。

对解决与优化方法和算法相关联的各种问题已经进行了许多尝 试。例如，Sambridge(1999)提出了通过Voronoi镶嵌(或构型)动 态分割参数空间的全局最优化方法。然而，只考虑代价函数的求值， 并且不建议用代价函数梯度补充代价函数。因此，响应面被建模为分 段恒定的。

Rickwood和Sambridge(2006)揭示了对原始的相邻算法的改进， 其更适合于并行计算环境。原始算法成批地估算参数和更新响应面模 型，其使算法同步和强迫周期暂停，以允许所有的处理器接近。该改 进消除了这个障碍，但是未揭示代价函数梯度的用法。

Koza的美国专利4,935,877提出了用于求解优化问题但不处理包 含的代价函数梯度信息的非线性遗传算法。

Kohn等人的美国专利7,216,004、Kohn等人的美国专利7,072,723 B2和Kohn等人的美国专利公开US2005/0102044揭示了用于通过在高 维域上最小化数学建模优化问题的函数的方法寻找针对遗传优化问题 的最优解或接近的最优解的方法和系统。这些方法将代价函数变换为 被数值求解的微分方程系统。未公开的是响应面模型的使用或代价函 数的离散近似。

Chiang等人的美国专利公开US20030220772A1公开了寻找多个 局部最优值然后其中选择最优值的优化方法。

Teughels等人(2003)提出了组合全局优化和局部优化但不揭示 用于创建响应面模型的Voronoi或德劳内镶嵌的用法的优化方法。

Shang和Wah(1996)提出了组合全局搜索和局部搜索从而探索 解空间、定位有希望的区域和寻找局部最小值的混合优化方法。为了 引导探索解空间，其使用梯度探索局部最小值，但是一旦找到微小改 进则离开。该算法基于神经网络方法，且不使用明确的代价函数离散 化。

本领域中需求的前述讨论是代表性的而非详尽列举。处理一个或 更多这种需求或本领域中某其他相关的劣势的技术将使钻井和油藏开 发规划受益，例如为更加有效和更加有益地开发油藏提供决策或规划。

与本发明相关和本文中提及的参考材料包括以下：

Sambridge，“Geophysical Inversion with a Neighbourhood  Algorithm-I Searching a parameter space”，Geophysical Journal  International(国际地球物理学杂志)，138，479-494，1999。

Rickwood和Sambridge，“Efficient parallel inversion using the  Neighbourhood Algorithm”，Geochemistry Geophysics Geosystems，7， Q11001，doi：10.1029/2006GC001246，2006。

Shang和Wah，“Global Optimization for Neural Network Training”， IEEE Computer，29(3)，45-54，1996。

Teughels等人的“Global optimization by coupled local minimizers  and its application to FE model updating”Computer&Structure，81 (24-25)，2337-2351，2003。

Koza的美国专利4,935,877，“Non-linear genetic algorithms for  solving problems”。

Kohn等人的美国专利7,216,004B2，“Method and system for  optimization of general problems”。

Kohn等人的美国专利7,072,723B2，“Method and system for  optimization of general problems”。

Kohn等人的美国专利公开US2005/0102044A1，“Method and  system for optimization of general symbolically expressed problems，for  continuous repair of state function，including state function derived from  solutions to computational optimization，for generalized control of  computational processes，and for hierarchical meta-control and  construction of computational processes”。

Chiang等人的美国专利公开US20030220772A1，“Dynamical  methods for solving large-scale discrete and continuous optimization  problems”。

发明内容

公开一种改进地下区域的地质模型的方法。选择一组或更多组参 数值。每个参数直接或间接地表明地质特性。一组或更多组参数值中 的每个均被输入数值模型，从而为每组参数值生成预测结果。将每组 参数值的预测结果与地下区域的观察值进行比较，两者之间的差异被 定义为与每组参数值相关联的代价。获得与每组参数值相关联的代价 的梯度。构造由一个或更多个地层限定的参数空间的几何近似。每个 地层对应于一组参数值，已经针对该组参数值估算代价和代价梯度。 基于几何近似生成响应面模型。响应面模型表示与每个地层相关联的 代价和代价梯度。当未满足结束条件时，至少部分地基于与先前选择 的参数值组相关联的响应面模型选择额外组的参数值。继续地利用所 选的额外组的参数值重复该方法的若干部分，从而更新几何近似和响 应面模型，直到满足结束条件为止。具有预定等级代价的至少一组参 数值被输出至地下区域的地质模型。考虑到输出的参数值组和/或相对 应的预测结果(若干)中的至少一个，更新地质模型。

根据所公开技术和方法的各方面，几何近似可以基于利用Voronoi (沃罗诺伊)镶嵌的插值和外推，以及至少一个地层可以是多面体。 几何近似可以基于利用德劳内三角测量法的插值和外推，以及至少一 个地层可以是超级三角形。当已经选择预定数量组的参数值时、当已 经超过预定的计算机运行时间量时、或当已经发现小于预定最小值或 大于预定最大值的代价时，则满足结束条件。通过从具有比几何近似 中其他地层的代价更高的与其相关联代价的地层内选择额外组的参数 值可以至少部分地选择额外组的参数值中的每个。通过从概率函数中 选取一个数可以选择额外组的参数值中的每个。当从概率函数中选取 的数大于预定阈值时，可以在具有第N个最佳代价的地层内选择额外 组的参数值，并将其与几何近似中其他地层相关联的代价进行比较， 其中N是正整数。当从概率函数中选取的数不大于预定阈值时，可以 在几何近似中随机选择的地层内选择额外组的参数值。通过在具有比 与几何近似中其他地层的代价更好的相关联代价(如在与之相关联的 参数值组估算的)的地层内执行随机游动，可以选择至少一个额外组 的参数值，随机游动因与地层相关联的代价梯度而偏离。随机游动可 以使用超越函数的反演来确定额外组参数值的参数值。可以基于更新 的地质模型从地下区域中提取碳氢化合物。可以显示更新的地质模型。 利用有限差分法或伴随法可以获得代价的梯度。

在另一个方面中，提供用于改进地下区域的地质模型的方法。获 得地下区域中的地质特性的观察值。地质特性优选地包括渗透性和/或 多孔性。选择一组或更多组参数值。每个参数直接或间接地表示一种 地质特性。该组参数值被输入数值模型，从而为每组参数值生成预测 结果。对于每组参数值，根据预测结果和观察值之间的差异获得代价。 获得与每组参数值相关联的代价的梯度。构造由一个或更多个地层限 定的参数空间的几何近似。每个地层对应于一组参数值，已经针对该 组参数值估算代价和代价梯度。基于几何近似生成响应面模型。该响 应面模型表示与每个地层相关联的代价和代价的梯度。当未满足结束 条件时，至少部分地基于与先前选择的参数值组相关联的响应面模型 选择额外组的参数值。继续利用所选的额外组的参数值重复该方法的 若干部分，从而更新几何近似和响应面模型直到满足结束条件。具有 预定等级代价的至少一组参数值被输出至地下区域的地质模型。考虑 输出的参数值组和/或相关联的预测结果，更新地质模型。

根据所公开的技术和方法的方面，结束条件可以是与任意组的参 数值相关联的代价小于最小代价或大于最大代价或是已经选择预定数 目的额外组参数值。几何近似可以是Voronoi镶嵌，并且多个地层可以 包括多面体，而与地层相关联的代价函数可以包括基于相关联的代价 和代价梯度的线性模型。几何近似可以是德劳内三角测量，而多个地 层可以包括超级三角形。地层中的代价函数可以包括诸如基于在超级 三角形顶点的代价和代价梯度的多项式的函数。可以在具有比与几何 近似中其他地层相关联的代价更好的代价(如在与之相关联的参数组 估算的)的地层内选择至少一个额外组的参数值。考虑具有更好代价 的地层的代价梯度，可以选择至少一个额外组的参数值。选择至少一 个额外组的参数值可以包括选择具有比与几何近似中其他地层的代价 更好的代价(如在与之相关联的参数值组估算的)的一组参数值。选 择额外组的参数值可以包括在具有与之相关联的第N个最佳代价的地 层内选择一组参数值，其中N是正整数。选择额外组的参数值之一可 以包括估算具有随机数输入的概率函数。当概率函数的输出大于预定 阈值时，可以在具有与之相关联的第N个最佳代价的地层内选择额外 组的参数值，其中N是正整数。当概率函数的输出不大于预定阈值时， 可以在几何近似中随机选择的地层内选择额外组的参数值。选择额外 组的参数值可以包括在具有比与几何近似中其他地层的代价更好的代 价的地层内执行随机游动，更好的代价在与之相关联的参数组估算， 其中随机游动因与地层相关联的代价和代价梯度而偏离。可以基于具 有比其他组的参数值更好的代价的参数值组的最佳估计选择至少某些 所选参数值组。至少某些所选参数值组是随机选择的。

在另一个方面中，公开具有的计算机可执行逻辑记录在有形的机 器可读介质上的计算机程序产品。该计算机程序产品可以包括：用于 选择一组或更多组参数值的代码，每个参数表示地下区域的地质特性； 用于将一组或更多组参数值中的每组参数值输入数值模型从而生成每 组参数值的预测结果的代码；用于将每组参数值的预测结果与地下区 域的观察值进行比较的代码，两者之间的差异被定义为与每组参数值 相关联的代价；用于获得与每组参数值相关联的代价梯度的代码；用 于构造由一个或更多个地层限定的参数空间的几何近似，每个地层对 应于一组已经估算代价和代价梯度的参数值；用于基于几何近似生成 响应面模型的代码，该响应面模型表示与每个地层相关联的代价和代 价梯度；用于至少部分地基于与先前选择的参数值组相关联的响应面 模型选择额外组的参数值的代码，当未满足结束条件时所述代码执行 选择额外组的参数值；用于继续利用所选额外组的参数值重复执行代 码的其他部分从而更新几何近似和响应面模型直到满足结束条件的代 码；和用于将具有预定代价等级的至少一组参数值输出至地下区域的 地质模型。在另一个方面中，可以提供用于利用输出的至少一组参数 值更新地质模型的代码。

还是在另一个方面中，提供从地下区域提取碳氢化合物的方法。 选择一组或更多组参数值。每个参数表示地质特性。将一组或更多组 参数值的每组参数值输入数值模型，从而生成针对每组参数值的预测 结果。将针对每组参数值的预测结果与地下区域的观察值进行比较， 两者之间的差异被定义为和每组参数值关联的代价。获得与每组参数 值相关联的代价梯度。构造由一个或更多个地层限定的参数空间的几 何近似。每个地层对应于一组参数值，已经针对该组参数值估算代价 和代价梯度。基于几何近似生成响应面模型。响应面模型表示与每个 地层相关联的代价和代价梯度。当未满足结束条件时，至少部分地基 于与先前选择的参数值组相关联的响应面模型选择额外组的参数值。 继续利用所选的额外组参数值重复该方法的若干部分，从而更新几何 近似和响应面模型直到满足结束条件。具有预定等级代价的参数值组 中的至少一组和/或其相关联的预测结果用于预测地下区域的碳氢化合 物的存在和位置中的至少一个。基于预测的存在和/或位置管理地下区 域中的碳氢化合物。

附图说明

查看下面的详细说明和实施例的非限制性实例的附图之后，前述 的优势和其他优势将变得明显，在附图中：

图1是描述已知的优化方法的流程图；

图2是描述已知的优化方法的流程图；

图3是描述已知的优化方法的流程图；

图4是描述已知的优化方法的流程图；

图5是描述优化方法的流程图；

图6是示出二维Voronoi镶嵌的图；

图7是示出具有相关联的响应面模型的多面体的图；

图8是示出构造优化方法中的初始响应面模型的方法的流程图；

图9是示出利用Voronoi镶嵌的优化方法的流程图；

图10是示出选择优化方法中的参数组的方法的流程图；

图11是示出沿着多面体和相关联的响应面模型的随机游动的图；

图12是描述与优化方法一起使用的参数的边界的图；

图13是描述与优化方法一起使用的参数的边界的图；

图14是示出沿着多面体的随机游动的图；

图15是示出二维德劳内三角测量的图；

图16是示出德劳内三角形和与其中一个三角形相关联的响应面 模型的图；

图17是示出利用德劳内三角测量的优化方法的流程图；

图18是示出代价函数的图；

图19A、19B、19C、和19D是示出利用Voronoi镶嵌的优化方法 的输出的图；

图20A、20B、20C、和20D是示出另一个利用Voronoi镶嵌的优 化方法的输出的图；

图21是计算机环境的简化框图；

图22是机器可读的计算机代码的简化框图；

图23是碳氢化合物提取行为的示意图；和

图24是从地下区域提取碳氢化合物的方法的流程图。

在一定程度上，下面的详细说明书是所公开技术的特定实施例或特 定用途所特有的，这仅仅是为了说明而非解释为限制本发明的范畴。 正相反，意在涵盖可以包括在由权利要求所限定的本发明的精神和范 畴内的所有替代物、改进和等价物。

具体实施方式

以计算系统或计算装置中存储器内的数据位上操作的过程、步骤、 逻辑块、处理和其他的象征表示给出以下的详细说明的某些部分。这 些描述和表示是数据处理领域中的技术人员使用的手段，以将其工作 的主旨传达给本领域的其他技术人员。在这个详细说明中，过程、步 骤、逻辑块、处理等被认为是导致期望结果的步骤或指令的前后一致 序列。步骤是需要对物理量进行物理处理的步骤。通常，尽管不是必 须的，这些量采用能够被存储、转移、组合、比较和其他处理的电信 号、磁信号或光信号的形式。已经证明，主要由于普遍用法，将这些 信号称为位、值、元件、符号、字符、项、数字等有时候是方便的。

除非具体说明，否则从下面的讨论可以明显看出，诸如“选择”、 “输入”、“产生”、“比较”、“限定”、“和……相关联”、“计 算”、“输出”、“构造”、“使用”、“包括”、“生成”、“表 示”、“重复”、“输出”、“更新”、“考虑到”、“发现”、“估 算(或求值)”、“显示”、“获得”、“选择”、“确定”、“重 构”、“预测”、“执行”、“管理”等的术语可以指计算机系统或 其他的电子装置将表示为某些电气装置的存储器内的物理(电子的、 磁的或光的)量的数据转换为类似表示为存储器或传输装置或显示装 置内的物理量的其他数据的行为和过程。这些术语和相似的术语与合 适的物理量相关联，并且这些术语仅仅是应用于这些量的简便标记。

本文中公开的实施例还涉及执行本文中操作的设备。为了所需目的 可以专门构造该设备，或该设备可以包含由存储在计算机中的计算机 程序或代码选择性激活或重配置的通用计算机。这种计算机程序或代 码可以存储或编码进计算机可读介质或在某类型的传输介质上实施。 计算机可读介质包括用于存储或传输由诸如计算机(“机器”和“计 算机”在本文中同义使用)的机器可读的形式的信息的任何介质或机 构。举非限制性的实例来说，计算机可读介质可以包括计算机可读存 储介质(例如“ROM”)、随机存取存储器(“RAM”)、磁盘存储 介质、光存储介质、闪存装置等。传输介质可以是双绞线、同轴电缆、 光纤、或某些其他合适的传输介质，用于传输诸如电、光、声或其他 形式的传播信号(例如，载波、红外信号、数字信号等)。

而且，模块、特征、属性、方法和其他方面可以实施为软件、硬件、 固件或其任意组合。无论什么情况下本发明的部件实施为软件，部件 可以实施为独立程序、更大程序的部分、多个单独程序、静态或动态 连接库、内核可加载模块、装置驱动器，和/或以计算机编程领域的技 术人员现在或将来已知的每种方式和任何其他方式实施。此外，本发 明不限于在任何专用操作系统或环境中的实施。

下面定义本文中使用的各种术语。在一定程度上，以下未定义权利 要求中使用的术语，它应当被给予如在至少一个印刷刊物或授权专利 中反映的，相关领域中的人员已经给出的最广泛的可能定义。

如此处所使用的，放置在第一实体和第二实体之间的“和/或”是 指(1)第一实体、(2)第二实体和(3)第一实体与第二实体中的一 个。应当以相同的方式解释用“和/或”列出的多个元素，例如，如此 结合的“一个或更多个”元素。

如此处所使用的，当期望最小代价时，“最佳代价”是指低于已经 估算的所有其他代价的代价。当期望最大代价时，“最佳代价”是指 高于已经估算的所有其他代价的代价。

如此处所使用的，当期望最小代价时，“较佳代价”是指低于其他 代价的代价。当期望最大代价时，“较佳代价”是指高于其他代价的 代价。

如此处所使用的，“代价”或“代价函数”是指观察值和基于特定 的参数组的预测值之间的差异。

如此处所使用的，“德劳内(Delaunay)网”是通过连接Voronoi 网格中Voronoi单元的相邻结点形成的三角形网。在二维德劳内网中， 利用在三角形顶点的网结点将域划分为三角形，使得三角形填充域。 对该公开而言，这个域将被称为参数空间。当穿过三角形顶点的圆(外 接圆)在其中不包含任何其他结点时，这种三角测量是德劳内。在三 维德劳内网中，利用在其顶点的网结点将域划分为四面体。甚至是在 更高维中，利用在其顶点的网结点将域划分为超级三角形。德劳内网/ 三角测量可以用于生成Voronoi网格，并且Voronoi网格可以用于生成 德劳内网。

如此处所使用的，“显示”包括引起显示的直接行为，以及促进显 示的任何间接行为。间接行为包括提供软件给最终用户、维护用户通 过其能够影响显示的网站、超链接至这种网站或与执行这种直接行为 或间接行为的实体合作。因此，第一方可以单独操作或与第三方卖主 合作操作，从而能够在显示装置上生成参考信号。显示装置可以包括 适于显示参考图像的任何装置，例如但不限于CRT监视器、LCD监视 器、等离子体装置、平板显示装置或打印机。显示装置可以包括已经 通过使用打算在估算、校正和/或改进显示结果时使用的任何传统软件 进行校准的装置(例如，已经利用监视器校准软件进行调整的彩色监 视器)。代替(或另外)在显示设备上显示参考图像，与本发明相一 致的方法可以包括提供参考图像给对象。“提供参考图像”可以包括 通过物理传送、电话传送或电子传送创建参考图像或将参考图像分配 给对象，通过网络提供对参考图像的访问，或创建软件或将构造为在 包括参考图像的对象工作站或计算机上运行的软件分配给对象。在一 个实例中，提供参考图像可以包括使得对象能够通过打印机以硬拷贝 形式获得参考图像。例如，信息、软件和/或指令可以被传送(例如， 通过数据存储装置或硬拷贝电子地或物理地)和/或以其他方式获得(例 如，通过网络)，从而便于对象利用打印机打印参考图像的硬拷贝形 式。在这种实例中，打印机可以是已经通过使用打算在估算、校正和/ 或改进打印结果时使用的任何传统软件进行校准的打印机(例如，已 经利用彩色校正软件调整的彩色打印机)。

如此处所使用的，“极值”是最大值或最小值。极值可以是局部极 值，它是关于邻近值的最大值或最小值。极值可以是全局极值，它是 针对整个解集的最大值或最小值。

如此处所使用的，“地层”是诸如四面体或超级三角形的几何近似 的一部分。

如此处所使用的，“碳氢化合物储层”包括含有任何碳氢化合物物 质的储层，包括例如以下物质中的任何一种或更多种：油(通常也被 称为石油)、天然气、凝析气、柏油和沥青。术语“碳氢化合物储层” 也包括用于存储CO₂的储层，例如从而提高碳氢化合物的产量或隔离 CO₂。

如此处所使用的，“碳氢化合物管理”或“管理碳氢化合物”包括 碳氢化合物提取、碳氢化合物生产、碳氢化合物勘探、识别可能的碳 氢化合物资源、识别井位置、确定井注入和/或提取速度、识别油层连 通性、获得、处置和/或放弃碳氢化合物资源、检查现有的碳氢化合物 管理决策、和任何其他的碳氢化合物相关的行为或活动。术语“碳氢 化合物管理”也用于碳氢化合物或CO₂的注入或存储，例如CO₂的隔 离。

如此处所使用的，“超级三角形”是二维三角形或三维四面体到任 意维数的概括。超级三角形包括但不限于二维三角形和三维四面体。

如此处所使用的，“机器可读介质”是指直接或间接地参与提供信 号、指令和/或数据。机器可读介质可以采用包括但不限于非易失性介 质(例如，ROM、磁盘)和易失性介质(例如，RAM)的形式。常见 形式的机器可读介质包括但不限于软盘、柔性磁盘、硬盘、磁带、其 他磁介质，CD-ROM、其他光介质，穿孔卡、纸带、具有孔图案的其 他物理介质，RAM、ROM、EPRM、FLASH-EPROM或其他存储芯片 或存储卡、存储棒和计算机、处理器或其他电子装置可以从其读取的 其他介质。

如此处所使用的，在需要方法或系统来寻找最佳解或做出最佳决策 的意义上而言，术语“最优的”、“正在优化”、“优化”、“最优 性”、“最优化”(和这些术语的派生词和其他形式以及语言上相关 的词或短语)不是为了限制需要寻找最佳解或做出最佳决策的方法或 系统。尽管数学最优解实际上可以出现在所有数学上可获得的可能性 的最佳处，但是优化例程、方法、模型和过程的现实实施例可以针对 这样的目标进行工作，根本不用达到完美。因此，应当理解，这些术 语都是更普通的。术语可以描述致力于找到可以是最佳可用解、优选 解、或提供约束范围内的特定利益的解的解；或者不断改进；或改善； 或搜索目标的高点或最大值(或低点或最小值)；或处理从而降低补 偿函数或代价函数等。

如此处所使用的，“多面体”是二维多边形到任意维数的概括。举 非限制性的实例来说，二维多面体是多边形，而三维多面体是多面体。

如此处所使用的，“随机游动”描述选择响应面模型或其一部分内 的一个或更多个参数值的过程，其中选择在已知的参数值开始，利用 随机性程度迭代地选择新的参数值。

如此处所使用的，“响应面”是针对参数值的多个组合估算的代价 函数值的组合。

如此处所使用的，“岩石”包括在钻井操作期间可能遇到的各种地 质材料，除了形式上分类为“岩石”的那些材料之外，还包括例如盐、 粘土、页岩、砂等。

如此处所使用的，“地下的”是指无论是在海平面以上、以下或在 海平面的任意海拔或海拔范围的任意陆地块的顶面以下，和/或无论是 在海平面以上、以下或在海平面的任意水域的底面以下。

如此处所使用的，“镶嵌(或构型)”是指无间隙或重叠地填充可 能的多维空间的多面体的集合。在二维中，例如，镶嵌就由覆盖平面 的多边形集合构成。在三维中，例如，镶嵌就由覆盖体积的多面体集 合构成。

如此处所使用的，“Voronoi(沃罗诺伊)单元”被定义为比任何 其他结点更接近于其结点的空间区域，其中单元与结点和一连串邻近 单元相关联。Voronoi网格是由Voronoi单元构成的。Voronoi网格在 几何意义上是局部垂直的；也就是说，单元边界与连接每个边界的两 侧上的结点的线垂直。为此，Voronoi网格也被称为直交平分(PEBI) 网格。矩形网格块或笛卡尔网格是Voronoi网格的特例。Voronoi网格 具有柔韧性从而广泛地表示变化的域几何，因为可以自由地选择结点 的位置。通过指派给定域中的结点位置然后以下面的方式生成单元边 界，即每个单元含有比任何其他结点位置更接近其结点位置的所有点， 生成Voronoi网格。

参考流程图可以更好地理解实例方法。当为了说明的简要，将所述 方法示出和描述为一连串的框，应当理解的是，方法并不限于按照框 的顺序，因为某些框可以按照与所示和描述的不同的顺序进行和/或其 他框同时进行。而且，实施实例方法可能需要比所有所示框少的框。 可以将框组合或分割成多个部件。而且，额外的和/或替代的方法可以 使用在此处未示出的额外框。尽管附图示出了连续进行的各种行为， 但是可以理解，不同的行为可以连续地、基本并行地、和/或在基本时 间不同的点发生。

先前描述的已知优化方法可以被分类为全局方法或局部方法。全局 优化方法，如图1和图2中所示的那些，通过引导的反复试验程序对 参数空间进行采样，其中所有先前试验的参数和作为结果的代价函数 均用于预测希望更好的参数组，其将用于数值模型的下一次求值，从 而增加相似性并且因此降低代价函数。局部优化方法，如图3和图4 中所示的那些，寻求通过代价函数梯度的分析估算或近似估算来稳定 地降低代价函数，分析估算或近似估算允许沿着代价函数表面向下移 动或向下前进至极值(例如，最小值)。在本发明方法的一个方面中， 局部优化方法使用有限差分法和/或伴随法确定或获得代价函数梯度。 局部优化方法通常要求用于优化的起始点接近极值。因为该极值最有 可能是局部极值，所以局部优化方法通常找不到全局极值。

根据公开的技术和方法，针对数值模型不仅预测相关联的代价或代 价函数，而且关于寻找参数，即朝着局部较好参数的方向预测代价或 代价函数的梯度的情况，描述用于非线性优化的引导的反复试验方法。 该方法组合全局优化方法和局部优化方法，减少了模型估算次数并且 因此减少优化复杂的潜在非线性问题的计算开销。这在图5中示出的 方法50中在一般意义中示出。在框52中选择参数的值之后，在框54 应用数值模型基于在55存储的地下区域的观察值预测或获得结果和相 关联的代价与代价梯度。在框56，确定参数的值是否描述了被充分最 小化或最大化的响应面上的位置，或是否超过规定的迭代次数。如果 不是，那么在框58估计响应面的模型，并且方法返回至框52从而基 于估计的响应面模型选择新的一组参数值。重复方法50直到在框56 中确定这组参数值是否描述了被充分最小化或最大化的响应面上的位 置，或是否超过规定的迭代次数。如果是，那么在框59输出具有最佳 代价的这组参数值。在一个方面中，输出具有最佳相关联代价的这组 参数值，从而更新地下区域的地质模型。可以完成这点以预测地下区 域中碳氢化合物的存在和/或位置，因此，可以在地下区域上执行碳氢 化合物提取活动。在另一个方面中，输出具有比其他组更好的相关代 价的多组参数值，从而更新地质模型。可以完成这点以提供多组参数 用于进一步的优化过程，在此未进行详细地讨论。进一步，可以输出 这些参数值组和其代价用于进一步的分析，例如估计灵敏性或不确定 性，或是估计或更新诸如后验概率密度的统计量。

以下从数学上描述所公开的方面。假设正演模型或数值模型L，其 使用一组独立或自由参数x进行某些预测p。参数、正演模型和预测之 间的关系可以写为：L(x)＝p。如果数据或观察值d是可用的，那么 可以对测量预测值和观察值之间差异的代价函数C求值。代价函数可 以被定义为C(x)＝C(p(x)，d)＝|p(x)-d|，其定义由参数x和代价函数C (x)形成的多维空间中的离散点。响应面R(x)构成该多维空间中的 面。由于明确地计算响应面几乎不可能，所以可以通过从代价函数C(x) 的一些样本计算来插值进行近似或建模。表达式r(x)表示从代价函数 C(x)的样本计算中获得的响应面的模型。最后，代价函数梯度或伴随 矩阵被定义为a(x)＝▽C(x)。利用一组参数对数值模型求值不仅提供了代 价函数的值，而且提供了代价函数梯度a(x)的值，因此允许通过其泰 勒展开式r(x’)＝C(x)+a(x)(x’-x)，局部地定义或建模响应面。因此，使 新参数、或响应面上或参数空间中的额外点的选择偏向于较低的代价函 数值。

参数空间的Voronoi镶嵌可以用于建模响应面。在Voronoi镶嵌中， 每个多面体表示在给定点组中每个周围的影响区域。图6描述Voronoi 镶嵌的二维实例，一般由参考数字60表明。每个点62表示一组参数， 已经针对该组参数估算预测值、代价函数和代价函数梯度。Voronoi多 面体64(其在二维中是多边形)标记每个点的单独影响区域，因此每 个多面体定义比参数空间中的任何其他点更接近其相关联点的所有解 集。图7示出与Voronoi镶嵌75中的特定多面体74相关联的响应面模 型72。响应面模型72具有值，在三维中用图将该值表示为超出多面体 的高度。响应面的值或高度对应于代价函数的值。响应面模型还具有 对应于代价函数梯度的斜面。响应面模型的斜面表明可以存在多面体 内的更优解的方向。在图7中箭头76表示在沿着响应面模型72的面 向下方向的代价函数梯度点。箭头76表明在响应面模型72内将使代 价函数最小化的方向。

图8和图9示出其中Voronoi镶嵌用于建模响应面从而寻找极值的 方法80。为了构造初始的Voronoi镶嵌，需要多个点。在框82中，选 择多组初始参数值，而在框83中将多组初始参数值中的每组应用于数 值模型以预测结果。观察值(框84)用于预测和/或计算针对初始参数 组中每个的关联代价和关联代价梯度。在框85存储预测值用于另外的 迭代。在框86中利用Voronoi镶嵌估计参数空间的初始几何近似，其 中定义多面体的每个点对应于一组初始参数值。可以如图6和图7中 所示构造Voronoi镶嵌。根据与多组初始参数值中每组初始参数值相关 联的代价和代价梯度形成初始的响应面模型。附图中将响应面模型示 为具有三维，然而在具有多于两个参数模型中，可以在许多维中表征 响应面模型。一旦构造初始的几何近似和响应面模型，就通过考虑响 应面模型选择随后的参数值组，和通过估算数值模型和其相关联的代 价函数与代价函数梯度检验随后的参数值组。在框92中(图9)，通 过从具有当前最小代价函数值的一个多面体中选择或随机地选取点可 以选择新的一组参数。使该随机选取偏向于利用相关联的代价函数梯 度值的局部线性响应面模型的较小值。然而，应当注意，选择新的一 组参数——和因此增加新的点至Voronoi镶嵌——可能需要划分其中 已经选取或选择新的点的Voronoi单元。而且，选择给定多面体内的新 的一组参数可以影响镶嵌中的其他多面体。因为每个多面体表示包括 在多面体中的点的最近影响区域，所以增加点也将迫使邻近多面体的 体积缩小，因为新的点在其影响区域下将需要某些邻近多面体的体积。 因此，增加新点将不仅分离一个多面体也将通过调整那些其他多面体 的边界重新调整几何近似中的其他多面体的体积。

通过选择当前N个最佳多面体中的一个可以实现对新一组参数值 (即，图6中所示镶嵌中的新的点)的随机选取或选择，其中“最佳 多面体”被定义为具有最小代价函数值的多面体。应当选择N的值以 提高收敛至最优解的可能性。小的N数，例如1或2，将导致迅速收 敛至“最优”多面体和相关联的参数组，但是几乎确保“最优”参数 组将仅仅是次最优局部极值，既不是全局极值也不是真正好的局部极 值。较大的N值将提高寻找到优良的局部极值的可能性。然而，全局 极值或至少最佳局部极值可能不位于当前N个最佳多面体附近。在该 情形中，永远也找不到全局极值，因为方法不断地选择接近当前被定 义为最佳多面体的新参数组，而全局极值可以定位在当前未定义为最 佳多面体的多面体中。因此，该方法使用概率阈值q(在范围0≤q≤1 内的数)，其表明多久一次从任意多面体内选择新的参数组，而不是 从与当前N个最佳多面体相关联的多面体之一内选择。概率阈值p＝1-q 表明多久一次在当前最佳参数组中一个参数组附近或在与其相关联的 多面体内选择新的参数组。大的p值，因此小的q值倾向于强调响应 面模型的局部优化，而小的p值因此大的q值倾向于强调通过任意探 究响应面模型的全局发现。

似乎控制变量N和q是互斥的，因此该方法对N、p、和q的选择 敏感。然而，这两个控制变量结合得比起初更明显。首先，已经估算 几组参数值，并且Voronoi镶嵌由非常大的多面体构成。专注当前最佳 多面体仍导致随机搜索，因为由于多面体的尺寸大，相关联的响应面 不能通过线性近似表示。然而，在进行多次迭代之后，在曾经认为是 最佳的参数组附近选择许多参数组。因此，大量的参数组至少将至少 是次最优的。随机地选择多面体用于对分或划分将逐渐地产生这些较 小、次最优的参数组和多面体中的一个，而不是整体次最优的但可以 含有其边界内的更好参数组的较大多面体。因此，可以看出，该方法 通过专注探索整个参数空间开始，逐渐地朝着参数空间的已识别部分 (即多面体)中的优化移动。控制变量N和q的值引导探索如何迅速 地过渡到优化。

局部极值中针对截留的额外保护措施是基于选择用于改进的多面 体的体积或至少基于其估计。一旦发现极值(最有可能是局部极值) 的一般位置，那么算法根据代价函数的值和代价函数梯度保持选择附 近的点，直到以某种方式出现更好的极值。在这样做时，与那些附近 的所选点相关联的多面体逐渐变小，并且可以降到浮点数的分辨率以 下。而且，求解具有过度精度的最优值是无意义的，尤其如果该极值 是局部极值时。因此，如果所选用于改进的多面体的尺寸下降到阈值 以下，则不考虑该多面体用于进一步的改进。相反，通过随机选取或 选择、改进随机多面体或改进下一个最佳多面体查找新的参数。这些 选择中的任一个将算法从局部优化模式切换至全局优化模式，全局优 化模式搜索参数空间中有希望的区域。

图10是示出完成图9中框92的可能步骤的流程图。在框101，选 取0和1之间的随机数，并与q和/或q-1进行比较。如果该数小于q， 那么选择随机多面体用于进一步的估算。否则，选择当前N个最优多 面体中的一个多面体。高的q值增加了选择随机多面体用于进一步估 算的可能性，如在框102所示。高的p值增加了从当前N个最优多面 体之一选择多面体的可能性，如在框103中所示。在框104，确定所选 多面体的尺寸或体积是否小于预定的阈值。如果所选多面体的尺寸或 体积小于预定阈值，那么在框102选择随机多面体。

一旦在框103或在框102已经选择合适尺寸的多面体，在框105 就通过在倾斜的响应面模型上执行随机游动来选择用于估算数值模型 和其代价函数与代价函数梯度的下一组参数值

r(x)＝C(x_i)+a(x_i)(x-x_i)                        (等式1)

其中x_i表示控制该特定多面体的先前求值(或估算)的参数组。该随机 游动因代价函数梯度而偏移，为梯度方向的点提供被选择的较高可能性。 因为从多维多面体中随机选择点在计算上是困难的，所以可以通过如下 所述沿着每个维的随机游动的几次迭代替代随机选择多面体中的点。图 11示出与表示解空间的二维多面体112相关联的响应面模型110，由点 x_i定义解空间。解空间具有两个参数：参数1和参数2。随机游动在点 x_i开始。通过利用超越分布随机选取或选择新值可以在多面体边界内寻 找到参数1的新值，超越分布如图12中参考数字120所示。超越分布y₁(x₁)可以被表征为可以随着参数1从第一多面体边界b₁变化到第二多 面体边界e₁关于参数1变化的在0和1之间的值。超越分布的值可以和 响应面模型沿着第一参数维的轨迹相关，如图13中130所示。针对具有 梯度分量a₁的第一参数的超越分布y₁(x₁)可以被定义为：

$y_1\left(x_1\right)=1-\frac{x_1^2}{{(e_1-b_1)}^2}$对于a₁＞0

$y_1\left(x_1\right)=\frac{x_1}{(e_1-b_1)}$对于a₁＝0            (等式3)

$y_1\left(x_1\right)=\frac{x_1^2}{{(e_1-b_1)}^2}$对于a₁＜0

在附图12和13中可以看到，关于在第一多面体边界b₁和第二多面体边 界e₁之间的参数1的值，较高超越分布值120对应于较小的响应面模型 值130。

为了选取偏向于参数1的优化的新点，可以从在零和一之间的均匀 分布选择随机数y₁，并且超越分布的反函数可以应用于该随机数。对 于随机数y₁，新的点x₁明确地被确定为

$x_1=(e_1-b_1)\sqrt{1-y_1}$对于a₁＞0

x₁＝(e₁-b₁)y₁    对于a₁＝0            (等式3)

$x_1=(e_1-b_1)\sqrt{y_1}$对于a₁＜0

换句话说，随机数的值被设定为超越的值，如图12中122所示。 新点的值是在第一多面体边界b₁和第二多面体边界e₁之间的对应于所 选超越值的参数值，如124所示。在图14中示出新点为点124。继续 在多面体112内的随机游动，利用与用于参数1的概念相似的概念可 以寻找到参数2的新值。例如，在多面体112的边界内寻找到参数2 的新值，该边界在点124开始和在点142结束，表示在第一多面体边 界b₂和第二多面体边界e₂之间关于参数2的值。该过程迭代地和顺序 地搜索参数1和参数2的新值，在多面体112内寻找到新点143、144、 145直到达到点x_i+1。然而，经过所有维或所有参数的一个迭代通常是 不充分的，并且按照该方式重复几次该迭代过程，从而使参数变成独 立的或无关联的。通过对每个参数顺序地和迭代地重复该过程寻找到 每个额外参数的新值。迭代次数越多，新的参数组被梯度偏离得越好。 然而，实际上，已经显示三次到五次迭代是足够的。响应面模型的斜 面偏离但不会迫使随机游动朝向具有较低代价函数的参数。

回到方法图9，一旦已经通过在当前的响应面模型上的随机游动来 选择参数，在框94就将数值模型应用于参数，从而预测结果和相关联 代价与代价梯度，如先前描述的。如果在框96确定还未定位令人满意 的极值或还未超过规定的迭代次数，在框98就通过Voronoi镶嵌估计 与所选参数相关联的响应面。重复执行框92、94和98直到已经定位 令人满意的极值或已经超过规定的迭代次数。如果是，在框99，如本 文中先前所讨论的输出具有最佳代价的参数组。这些参数值组可以用 于更新地下区域的地质模型或辅助其他碳氢化合物管理活动。此外， 或替代地，可以输出与具有最佳代价的参数组(若干)相关联的预测 结果(若干)，并将其用于更新地质模型。

另一个方面是基于结合基于插值的响应面模型的德劳内三角测量， 其中插值优先地基于三次方函数，尽管可以使用利用代价和梯度可以 完全参数化的其他函数形式。在德劳内三角测量中，从一组点形成非 重叠的三角形，以便于这些三角形将所述三角形所有角度的最小角度 最大化，换句话说，它们倾向于避免“裂片”三角形，即，高度细长 的窄三角形。通过将参数空间分割为四面体或超级三角形，可以将该 思想推广到三维或更多维。图15描述针对和图6中所示的Voronoi镶 嵌中使用的参数值组相同的参数值组的德劳内三角测量150。每个点 62表示一组参数值，已经针对该组参数值对预测结果、代价函数和代 价函数梯度求值。短划线152表示与点62相关联的Voronoi多面体64 的边界。德劳内三角形154以限定三角形顶点的点62构造。图16描 述与参数组x_i相关的一组德劳内三角形160a、160b、160c。对于每个 德劳内三角形或超级三角形，对应于其顶点的参数值组用于数值模型 计算，因此针对代价C和代价函数梯度a被求值。然而，更实际的是 根据已知顶点构造三角形，即，根据直到那时利用数值模型已经被估 算的所有参数组构造三角形。对于每个三角形或超级三角形，接着创 建响应面模型162。在优选的三次方情形中，可以基于缺少双线性项的 不完全三次多项式创建响应面模型。例如，在二维中，与一个德劳内 三角形160a相关联的响应面r(x，y)可以是等式4中所示的形式：

r(x，y)＝a₀₀+a₁₀x+a₀₁y+a₂₀x²+a₀₂y²+a₂₁x²y+a₁₂xy²+a₃₀x³+a₀₃y³ (等式4)

该等式具有九个自由系数a_ij，并由九个值确定：三个顶点中每个顶点的 代价和两个梯度系数。

改进参数组x_i，或换句话说，搜索接近x_i的更优参数组通过识别 出从顶点x_i指向方向a_i的德劳内超级三角形开始。利用三角形的顶点 (即，参数组)和其相关联代价与代价梯度构造其响应面模型r(x)。 响应面模型用于使从该超级三角形内部选择新的参数组偏离。可以分 析地或随机地利用三次方响应面模型寻找新的参数组。在分析方法中， 多维微积分用于确定最优立方体模型。在随机方法中，在立方体面上 执行随机游动，如本文中先前已经讨论的。

图17是示出利用德劳内三角测量寻找极值的方法170的流程图。 在框172，从当前的响应面模型选择参数组，即点，以及如果不存在响 应面模型，那么随机地或半随机地选择一组参数值。在框174，通过数 值模型运行这组参数值，从而获得预测输出，并利用在框176中存储 的观察值获得其代价函数和代价函数梯度。如果在框177确定未满足 结束条件，则在框178利用德劳内三角测量估计响应面的模型，优选 地利用本文中所公开的三次方外推。当构造德劳内三角测量时，最近 选择的这组参数值加入到在方法的先前迭代中选择的参数值组。方法 返回至框172，并重复执行直到满足结束条件。

通过参考实例二维问题可以演示创造性方面，在实例二维问题，等 式5中给出真实的响应面：

$R\left(x\right)=R(x,y)=2\mathrm{xy}{J}_1(16*\sqrt{x^2+y^2})/(x^2+y^2)$(等式5)

在图18中在参考数字180通过图显示出该真实的响应面。该真实 的响应面具有局部最优值182或局部极值184。真实的响应面还具有全 局最优值或极值186。本文公开的方法可以用于搜索全局最优值186， 如图19A-D中所描述的，其示出二维的响应面180。图19A描述随机 或半随机地选择作为初始猜测或估计的20组参数值的选择，其中在响 应面中可以出现最优值或极值。参数组的这些猜测或估计可以被称为 种子模型，并可以根据图8中所示的方法选择。每个参数组被表示为 点192，短划线194表示响应面180的轮廓线。来自图18的局部最优 值182、184和全局最优值196也在图19A-D中示出。基于具有例如多 面体196a和196b的种子模型可以生成参数空间的Voronoi镶嵌。在已 经基于种子模型生成Voronoi镶嵌之后，可以根据所公开的方面迭代地 选择额外的参数组，例如参考图5和/或图9-图15中公开的方法。图 19B示出在已经选择和估算示出为点的额外60组参数值之后的优化过 程。将参数值组加入模型已经改变了Voronoi镶嵌的结构，以包括较小 的多面体。此时，所选的参数值组集中于局部最优值184。这是期望的， 因为所公开的方法倾向于生成靠近此时已知的最佳参数组的新参数 组。然而，当多面体被划分而逐渐变得更小时，和/或概率q被设定为 高于概率p(如关于图10所讨论的)时，随机地选择新的多面体，并 估算新的多面体中的参数组。对于总数为160的参数组，在已经选择 超过80的参数组(图19C)之后，对于进一步有意义的分析而言，定 义局部极值184的多面体非常小。随机选择参数组，最后估算靠近全 局极值186的参数组。结果，所公开的方法在全局极值上有效，如图 19D中所示，其描述在已经估算总数为240的参数组之后的参数空间。

在图19A-19D中所示的优化使用的变量N的值为1。换句话说， 从当时最优的多面体中选择每个额外的参数组。图20A-20D示出利用 N＝5的代价函数180的优化方法。换句话说，从当时最优的5个多面 体中选择每个额外的参数组。来自20个种子模型(图20A)的优化在 当N＝1时近似地进行，但是通过80个参数组(图20B)和160个参数 组(图20C)跟踪局部极值184至更大程度。在参数组160周围发现 全局极值186，并且优化开始以重新集中于全局极值。到估算参数组 240时(图20D)，优化已经集中在全局极值186。

在实际的优化问题中，极有可能预先并不知道代价函数等式(其表 征响应面模型)，以及也不知道在图19A-19D中所示的轮廓。而且， 在参数空间的给定区域内的已估算参数组的数目并不指示最优解，而 是与所选参数组的历史更相关。例如，尽管图19D示出了靠近局部极 值184的点比靠近全局极值186的点更多，但是是数值模型的输出确 定参数组是在全局极值还是靠近全局极值——不是在参数空间的给定 区域内的参数组数目。

图21图解说明在用于实施本公开的系统的计算环境内的示例性系 统，其包括计算系统210形式的计算装置，该计算装置可以是基于UNIX 的工作站或可从Intel、IBM、AMD、Motorola、Cyrix和其他公司商购 的。计算系统210的部件可以包括但不限于处理单元214、系统存储器 216和耦合包括系统存储器的各种系统部件到处理单元214的系统总线 246。系统总线246可以是任意类型的总线结构，包括存储总线或存储 控制器、外部总线和使用多种总线结构的局部总线。

计算系统210一般包括多种计算机可读介质。计算机可读介质可 以是计算系统210可以访问的任何可用介质，包括易失性介质和非易 失性介质、与可移动介质和不可移动介质。举例而非限制，计算机可 读介质可以包含计算机存储介质和通信介质。计算机存储介质包括用 于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息 的方法或技术中实施的易失性介质和非易失性介质、可移动介质和不 可移动介质。

计算机存储器包括但不限于RAM、ROM、EEPROM、闪存或其它 存储技术、CD-ROM、数字通用盘(DVD)或其它光盘存储器、盒式 磁带、磁带、磁盘存储器或其它磁存储装置、或可以用于存储期望信 息并可以由计算系统210访问的任何其他介质。

系统存储器216包括易失性存储器和/或非易失性存储器形式的计 算机存储介质，例如只读存储器(ROM)220和随机存取存储器(RAM) 222。含有有助于在计算系统210内的元件之间转移信息，例如在启动 期间，的基本程序的基本输入/输出系统224(BIOS)一般存储在ROM 220中。RAM 222一般含有可以立刻被访问和/或目前处理单元214正 在操作的数据和/或程序模块。举例而非限制，图21示出了操作系统 226、应用程序230、其它程序模块230和程序数据232。

计算系统210也可以包括其它可移动/不可移动的、易失性/非易失 性存储介质。仅仅是举例，图21示出了从不可移动的、非易失性磁介 质上读取信息或向不可移动的非易失性磁介质写入信息的硬盘驱动器 234、从可移动的非易失性磁盘238读取信息或向可移动的非易失性磁 盘238写入信息的磁盘驱动器236和从诸如CD ROM或其它光介质的 可移动的非易失性光盘242读取信息或向可移动的非易失性光盘242 写入信息的光盘驱动器240。可以用于示例性的操作环境的其它可移动 的/不可移动的、易失性/非易失性计算机存储介质包括但不限于磁带、 闪存卡、数字通用盘、数字视频带、固态RAM、固态ROM等。硬盘 驱动器234一般通过诸如接口244的不可移动的存储器接口连接系统 总线246，而磁盘驱动器236与光盘驱动器240一般通过诸如接口248 的可移动存储器接口连接系统总线246。

以上讨论和在图21中所图解说明的驱动器和其相关联的计算机存 储介质为计算系统210提供计算机可读指令、数据结构、程序模块和 其它数据的存储。在图21中，例如，硬盘驱动器234图解为存储操作 系统278、应用程序280、其它程序模块282和程序数据284。这些部 件可以是与操作系统226、应用程序230、其它程序模块230、和程序 数据232相同或是不同的。为操作系统278、应用程序280、其它程序 模块282和程序数据284提供不同的数字阐明它们是不同的拷贝。

用户可以通过输入装置将指令和信息输入计算系统210，输入装置 例如是写字板、电子数字转换器250、麦克风252、键盘254和定点装 置256，其中定点装置一般被称为鼠标、轨迹球或触摸板。这些和其它 的输入装置通常可以通过耦合系统总线218的用户输入接口258连接 处理单元214，但是可以通过其它接口和总线结构连接，例如并行端口、 游戏端口或通用串行总线(USB)。

监视器260或其它类型的显示装置也可以通过诸如视频接口262 的接口连接系统总线218。监视器260可以和触摸屏面板等集成。监视 器和/或触摸屏面板可以物理耦合外罩，其中计算系统210包含在外罩 内，例如写字板类型的个人计算机。此外，诸如计算系统210的计算 机可以包括可以通过输出外围接口268等连接的其它外围输出装置， 例如扬声器264和打印机266。

计算系统210可以在利用至一个或更多个远程计算机，例如远程计 算系统270的逻辑连接的网络环境中工作。远程计算系统270可以是 个人计算机、服务器、路由器、网络PC、对等装置或其它普通的网络 结点，远程计算系统270一般包括以上关于计算系统210描述的许多 或所有元件，尽管在图21中仅仅示出了存储装置272。在图21中描述 的逻辑连接包括通过网络接口286连接的局域网(LAN)274和通过调 制解调器288连接的广域网(WAN)276，但是也可以包括其它网络。 这种网络环境是办公室常用网络、企业范围的计算机网络、企业内联 网和互联网。

例如，计算机系统210可以包含从其上正在移植数据的源机器，而 远程计算系统270可以包含目的地机器。然而，应当注意，源机器和 目的地机器不需要通过网络或任何其它方式连接，相反，可以通过能 够由源平台写入和由目的地平台或(或若干目的地平台)读取的任何 机器可读介质移植数据。

中央处理器操作系统(或若干中央处理器操作系统)可以存在于中 央位置或分布式位置(例如，镜像的或独立的)。软件程序或模块指 示操作系统执行诸如但不限于帮助客户端请求、系统维护、安全、数 据存储、数据备份、数据挖掘、文档/报告生成和算法的任务。提供的 功能可以直接在硬件、由处理器执行的软件模块中，或是两者的任意 组合中体现。

而且，一个或更多个服务器或客户端系统通过硬件、软件模块或两 者的任意组合可以部分地或整体地执行软件操作。软件模块(程序或 可执行的)可以存在于RAM存储器、闪存、ROM存储器、EPROM 存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM、 DVD、光盘或本领域已知的任何其他形式的存储介质。例如，存储介 质可以耦合到处理器，以便处理器可以从存储介质读取信息和向存储 介质写入信息。或者，存储介质可以集成到处理器中。处理器和存储 介质也可以存在于专用集成电路(ASIC)中。总线可以是根据本领域 中已知的各种协议工作的光学总线或传统总线。一个可以使用的系统 是具有Linux64位或32位Red Hat Linux WS3操作系统和NVIDIA  Quadro图形卡的Linux工作站配置。然而，该系统可以在许多硬件上 工作。

图22是可以与诸如计算系统210的计算系统一起使用的机器可读 代码300的表示框图。在框302，提供用于选择一组或更多组参数值的 代码，其中每个参数直接或间接地表示地下区域的地质特性。直接表 示地质特性的参数实例是渗透性。通过数值模型的结果输出控制数值 模型从而间接地表示地质特性的参数实例是沉积物沉积率。在框304， 提供用于将每组参数值输入数值模型从而为每组参数值生成预测结果 的代码。在框306，提供用于将每组参数值的预测结果与地下区域的观 察值进行比较的代码，这两者之间的差异被定义为与每组参数值相关 联的代价。在框308，提供用于获得(例如通过计算或估计)与每组参 数值相关联的代价梯度的代码。在框310，提供用于构造由一个或更多 个地层限定的参数空间的几何近似的代码，其中每个地层对应于一组 参数值，代价和代价梯度已经针对该组参数值被求值。如此所使用的， 几何近似可以是Voronoi镶嵌或德劳内三角测量，或其他类型的几何近 似。在框312，提供用于基于几何近似生成响应面模型的代码，响应面 模型表示与每个地层相关联的代价和代价梯度。在框314，提供用于至 少部分地基于与先前选择的参数值组相关联的响应面模型选择额外组 的参数值的代码。当未满足结束条件时，执行在框314中提供的代码。 在框316，提供用于继续地利用所选的额外组的参数值重复执行框304、 306、308、310、312和314中的代码，直到满足结束条件的代码。在 框318，提供用于将具有预定等级代价的至少一组参数值输出至地下区 域的地质模型的代码。也可以提供用于利用一组或更多组参数值和/或 对应于任意组参数值的预测结果更新地质模型的代码。同样可以提供 用于完成或执行所公开方面和方法的其他特征的代码。这个额外的代 码在图22中表示为框320，并可以根据计算机代码编程技术将额外代 码放置在代码300内的任意位置。

本文中公开的方面可以用于执行诸如从地下区域提取碳氢化合物 的碳氢化合物管理活动，在图23中由参考数字332表明。在图24中 示出了从地下油藏332中提取碳氢化合物的方法340。在框342，从地 下区域的地质模型接收输入，其中已经利用此处公开的方法和方面改 进该地质模型。在框344，预测地下区域中碳氢化合物的存在和/或位 置。在框346，提取碳氢化合物从而从地下区域中除去碳氢化合物，可 以通过利用石油钻探设备336(图23)钻井334来实现碳氢化合物的 提取。利用本发明可以执行其他的碳氢化合物管理活动，例如CO₂的 隔离。

所公开的实施例和方法可以受到各种的改进和可选形式的影响，并 且已经仅仅作为例子示出。所公开的实施例和方法并不限于本文中所 公开的具体实施例，还包括落在相关权利要求的精神和范畴内的所有 替代物、改进、等价物。