Tải bản đầy đủ - 0 (trang)
d. Minh giải và mô hình Variogram:

d. Minh giải và mô hình Variogram:

Tải bản đầy đủ - 0trang

Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



không đạt tới Sill được kỳ vọng. Hầu hết dữ liệu vỉa biểu lộ cả tính dị hướng hình học và

tính dị hướng theo đới.



Figure 9: Tính dị hướng của vỉa (Geostatistics in 12 lessons)



Tính dị hướng theo đới có thể là kết quả của hai đặc tính vỉa khác nhau:

 Lớp, variogram ngang không đạt giá trị Sill kỳ vọng do có nhiều lớp như các

hướng đang tồn tại và variogram không đạt được sự biến đổi tồn bộ.

 Các hướng khu vực, variogram đứng khơng đạt được giá trị Sill kỳ vọng do một

sự khác biệt lớn trong giá trị trung bình tại mỗi giếng.

Tính chu kỳ

Hiện tượng địa chất thường được hình thành trong chu kỳ lặp lại, đó là mơi trường trầm

tích giống nhau xảy ra lặp đi lặp lại. Mơ hình variogram sẽ cho thấy đặc điểm này có tính

chu kỳ. Variogram đo lường tương quan không gian sẽ đi qua những vùng chịu tương

quan dương sau đó tương quan âm trong khi vẫn theo hướng khơng tương quan.

Hình 10 mơ tả cát do gió và tương quan semivariance theo phương đứng và phương

ngang. Semivariance được tính tốn trên sự chuyển đổi điểm chuẩn (màu tối biểu thị hạt

mịn có độ thấm thấp). Ứng xử chu kỳ theo phương đứng và phương ngang có bán kính

tương quan lớn hơn phương đứng.



Nguyễn Mạnh Trường



MSSV: 31204214



Page 16



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



Figure 10: Chu kỳ variogram (Deutsh, Geostatistical Reservoir Modeling)



Những hướng quy mô lớn (Large Scale Trends):

Hầu như tất cả các quá trình địa chất truyền cho một hướng trong việc phân phối đặc tính

thạch học. Đơlơmit hóa là kết quả của thủy nhiệt dòng chất lưu, đi lên làm sạch hạt vụn…

là những hướng quy mô lớn. Hướng này gây ra giá trị variogram leo lên và vượt ngưỡng

Sill là 1.



Nguyễn Mạnh Trường



MSSV: 31204214



Page 17



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



Figure 11: Một log độ rỗng (lưu ý tỉ lệ) từ một chuỗi châu thổ được hiển thị bên trái và tương quan

variogram điểm chuẩn được hiển thị bên phải (Deutsh, Geostatistical Reservoir Modeling)



Mơ hình variogram

Tất cả các hướng variogram phải được xem xét đồng thời để hiểu tương quan không gian

3D

 Tính tốn và vẽ variogram thực nghiệm trong những cái được cho là hướng chính

liên tục dựa trên một kiến thức địa chất có trước.

 Đặt một đường nằm ngang đại diện cho giá trị Sill lý thuyết. Sử dụng giá trị của

phương sai (tĩnh tại)thực nghiệm cho các biến liên tục (1 nếu dữ liệu đã được

chuẩn hóa) và p(1-p) cho các biến rời rạc khi p là tỉ lệ tồn cục cho hạng mục quan

tâm. Thơng thường, variogram là có hệ thống để khớp với giá trị Sill lý thuyết và

tất cả phương sai bên dưới Sill phải được giải thích trong các bước tiếp theo.



Nguyễn Mạnh Trường



MSSV: 31204214



Page 18



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



 Nếu variogram thực nghiệm tăng cao hơn Sill, rất có khả năng tồn tại một hướng

trong dữ liệu. Hướng này nên được loại bỏ chi tiết bên trên trước khi tiếp tục để

minh giải variogram thực nghiệm.

 Minh giải:

 Phương sai tỉ lệ nhỏ (Short-scale variance): hiệu ứng nugget là một variance

không liên tục tại gốc ứng với sự biến đổi quy mơ nhỏ. Nó phải được chọn để

bằng nhau trong tất cả các hướng, chọn từ hướng variogram thực nghiêm có

nugget nhỏ nhất. Đơi khi, có thể chọn để hạ thấp nó hoặc thậm chí đặt nó bằng 0.

 Phương sai tỉ lệ vừa (Intermediate-scale variance): Bất đẳng hướng hình học ứng

với hiện tượng các bán kính tương quan khác biệt trong các hướng khác nhau. Mỗi

hướng bắt gặp toàn bộ sự biến đổi trong cấu trúc. Có thể tồn tại nhiều hơn một cấu

trúc như vậy.

 Phương sai tỉ lệ lớn (Large-scale variance): (1) Bất đẳng hướng theo đới, được đặc

tính bởi variogram chạm tới một đoạn bằng tại một phương sai thấp hơn giá trị Sill

lý thuyết, hoặc (2) hiệu ứng lỗ khoan đại diện cho một hiện tượng mang tính chu

kỳ và được đặc tính bởi các gợn sóng trên variogram. Hiệu ứng lỗ khoan thậm chí

khơng góp phần vào tổng phương sai của các hiện tượng, tuy nhiên, biên độ và tần

số của nó phải được nhận biết trong suốt thủ tục mình giải, ngồi ra, nó có thể chỉ

tồn tại trong một hướng.

 Một khi tất cả phương sai các khu vực được giải thích và mỗi cấu trúc có liên quan

đến một q trình địa chất, người ta có thể tiến hành mơ hình variogram bằng cách

chọn một kiểu mơ hình hợp pháp (mơ hình hàm cầu, hàm mũ, Gaussian) và bán

kính tương quan cho mỗi cấu trúc. Bước này có thể được coi là phần ước tính

thơng số của phân tích variogram. Ràng buộc mơ hình variogram bằng một bước

minh giải trước đó với sự nhận dạng cấu trúc có thể dẫn đến việc tự động phù hợp

đáng tin của mơ hình variogram thực nghiệm.

Các loại mơ hình variogram phổ biến:

 Hiệu ứng Nugget. Hiệu ứng nugget thường chỉ nên giải thích khi lên đến 30%

phương sai. Hiệu ứng nugget là một phần của phương sai do sai sót và sự biến đổi

tỉ lệ nhỏ. Đó là đặc điểm xảy ra tại một tỉ lệ nhỏ hơn dữ liệu khác biệt khoảng cách

nhỏ nhất.



Nguyễn Mạnh Trường



MSSV: 31204214



Page 19



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



 Mơ hình hình cầu. Mơ hình hình cầu là loại mơ hình variogram phổ biến nhất và

được đặc trưng bởi một ứng xử tuyến tính tại những khác biệt khoảng cách nhỏ và

sau đó cong tại sill bằng 1.



 Mơ hình hàm mũ. Mơ hình hàm mũ giống với mơ hình hình cầu nhưng nó gần như

tiệm cận với sill.



Nguyễn Mạnh Trường



MSSV: 31204214



Page 20



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



 Mơ hình Gaussian. Mơ hình Gaussiance là đặc trưng tương quan cao trên bán kính

ngắn và được dùng để mơ hình các hiện tượng có tính liên tục cao.



e. Workflow:



Nguyễn Mạnh Trường



MSSV: 31204214



Page 21



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



Nguyễn Mạnh Trường



MSSV: 31204214



GVHD: TS. Tạ Quốc



Page 22



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



Nguyễn Mạnh Trường



MSSV: 31204214



GVHD: TS. Tạ Quốc



Page 23



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



III. Khái niệm lập bản đồ địa thống kê:

1. Giới thiệu:



Tại bất kì thời điểm nào trong thời gian, ln có một phân bố đúng của một thuộc tính địa

chất. Phân bố đúng là khơng có sẵn, nhưng có cách tốt nhất để có thể lập bản đồ phân bố

đúng từ một số dữ liệu lấy mẫu. Việc lập bản đồ phân bố đúng càng chính xác có thể cho

nhiều thuật tốn nội suy được phát triển. Phổ biến nhất là phương pháp Kriging. Kriging

là một phương pháp nội suy chính xác và trơi chảy, thích hợp cho hiển thị hóa các hướng,

nhưng khơng thích hợp cho mơ phỏng dòng chảy nơi bảo tồn bất đồng nhất trong vỉa là

quan trọng. Một thuật toán kriging mở rộng là mô phỏng liên tục (sequential simulation).

Mô phỏng liên tục thích hợp cho mơ phỏng và cho phép đánh giá ngẫu nhiên với sự thực

hiện các phương án thay thế.

Nguyễn Mạnh Trường



MSSV: 31204214



Page 24



Báo cáo Địa thống kê trong mơ hình hóa vỉa

Dũng



GVHD: TS. Tạ Quốc



2. Ước tính:

Xét vấn đề ước tính giá trị của một thuộc tính tại vị trí bất kỳ khơng lấy mẫu u, được ký

hiêu z*(u), chỉ sử dụng dữ liệu mẫu được tập hợp trên khu vực nghiên cứu A, được ký

hiệu z(un) được mơ tả như hình 12



Figure 12: Geostatistics in 12 lessons



Thuật toán để giải quyết vấn đề này là kriging. Kriging là một công cụ của ứng dụng lập

bản đồ truyền thống và là một thành phần cần thiết của phương pháp mơ phỏng địa thống

kê. Thuật tốn kriging là một hệ thống suy rộng các kĩ thuật hồi quy bình bình cực tiểu để

ước tính z*(u) sử dụng dữ liệu lấy mẫu z(un). Phương trình kriging thường dùng:

n



z (u ) - m(u) =�l a .[z(u a - m (u a )]

*



a =1



(3.1)



Với

z*(u) là giá trị ước tính tại vị trí khơng lấy mẫu u

m(u) là trị trung bình cho trước tại vị trí khơng lấy mẫu u

λα, α= 1,…,n là các trọng số được áp dụng cho n dữ liệu

z(uα), α= 1,…, n là n giá trị dữ liệu

m(uα), α= 1,…, n là giá trị trung bình cho trước tại các vị trí dữ liệu

Tất cả các giá trị trung bình cho trước có thể được thiết đặt thành một trị trung bình

khơng đổi m(u)= m(uα)= m nếu khơng có thơng tin cho trước trên các hướng là có sẵn.

Xét một giá trị ước tính tại vị trí khơng có dữ liệu:

Nguyễn Mạnh Trường



MSSV: 31204214



Page 25



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

d. Minh giải và mô hình Variogram:

Tải bản đầy đủ ngay(0 tr)

×