Петрофизическое моделирование с использованием вторичной информации. Гауссово моделирование и кригинг – Вторичные данные презентация

данные

Local Varying Mean: использует простой кригинг и обрабатывает вторичные данные как локально зависимое среднее.

Collocated Co-Kriging: включает коэффициент корреляции вторичных данных в кригинг уравнениях.

Bivariate Distribution: Вторичное свойство используется для определения интервалов, в которых будут рассматриваться разные функции распределения, для обратного преобразования.

как 2D карта пористости или свойства с сильно коррелированным положительным значением.
Сумма весов может быть меньше, чем единица.
Чем меньше веса, тем больше влияние локально изменяющегося среднего m(x) в x0 на рассчитанное значение Z(x0).
Локально изменяющееся среднее влияет сильнее, если x0 находится далеко от точек данных (так как веса уменьшаются ) .
ВАЖНО:
Вторичные входные данные должны быть сглажены и определены для всех x0.
Первичные и вторичные данные должны обладать положительной корреляцией!

Использование вторичных данных Локально изменяющееся среднее (m)

вторичных данных Пример LVM – Моделирование проницаемости, использующее пористость

С уменьшением ранга вариограммы влияние вторичных данных на результат увеличивается.

кроссвариограмма.
В результате громоздкая система уравнений и больше ограничений.

Collocated co-kriging:

Возможное решение в случае большей плотности вторичного атрибута.
Необходима только вариограмма для первичного атрибута, использование коэффициента корреляции со вторичным атрибутом
Простая система уравнений

Использование вторичных данных Co-kriging – Общая теория

обычный Co-kriging
Избыточные значения вторичного атрибута не является причиной неустойчивости
Влияющие параметры: вторичный атрибут, коэффициент корреляции и коэффициент уменьшения дисперсии
Только вариограмма для первичного атрибута должна быть смоделирована

10я ячейка

Количество данных

Коэффициент корреляции

CC = 0.8

CC = 0.5

CC = 0.2

Variance Reduction Factor

VRF = 1.0

VRF = 0.2

VRF = 0.5

управлять преобразованиями

Замечание: Моделируйте с трендом только если вторичный атрибут сглажен!

обратном преобразовании

Метод двумерного распределения использует вторичное свойство, существующее в той же области, и кросс-плот, построенный по двум переменным, и разбитый на классы
Распределение моделируемого свойства будет зависеть от значения вторичного свойства. Распределение будет учитываться при обратных преобразованиях.

данных Двумерное распределение – функция распределения проницаемости, как функции пористости

перемасштабированные ячейки

Использование вторичных данных Как в кросс-плоте создать разбиение на интервалы?

Выбор точек, выбор области или интервала

на классы)

8 классов

Смоделированная проницаемость

3 класса

xplot: смоделированная проницаемость - пористость