專利名稱：量化評估生產預測不確定性的系統(tǒng)和方法
技術領域：
本發(fā)明大體涉及各種儲層生產情況下的油氣采收估計。更具體的說，本發(fā)明涉及用于量化估計油氣儲層生產預測不確定性的新的儲層數據整合和反演技木。
背景技術：
在大規(guī)模油氣勘探和開采中，不同開采情況下的采收性能的統(tǒng)計分布構成了投資決策過程的量化基礎。精確的儲層預測主要取決于精確估計動態(tài)性能統(tǒng)計數據以及通過儲層模擬評估采收性能。通過儲層模擬評估采收性能是動態(tài)數據整合和反演的一部分，其通常被稱為“歷史擬合”，最終被稱為儲層生產預測。
_7] 歷史擬合歷史擬合表示調整儲層模型直到其近似地再現油田觀測數據的行為。歷史的生產和壓力盡可能匹配。歷史擬合的精確度取決于儲層模型的質量以及壓カ和生產數據的質量和數量。當對模型進行歷史擬合后，尤其在根據儲層內已知的地質特性而對調整進行限制時，該模型可被用于對未來儲層走向(趨勢)進行模擬，并且具有高可信度。通常，歷史擬合由人工執(zhí)行，且仍在廣泛使用二十世紀八十年代的方法。該方法的過程耗時且有人為偏誤的傾向。例如，一次計算ー個參數這種類型的靈敏度研究通常缺少量化精確性，難以核查，且通常必定會產生單匹配儲層模型。對于地質復雜的儲層，對于儲層模擬來說，地層和結構的不確定性對動態(tài)性能統(tǒng)計數據的影響的量化是必需的。為了充分考慮這類不確定性，選擇覆蓋了足夠大的范圍的不同地質實現(geologicalrealization)來接近預測統(tǒng)計數據，后者成為量化儲層管理(QRM)的相關基礎。近來，計算上的發(fā)展產生了新的技術學科，其通常被稱為計算機輔助歷史擬合，其可被分為三種主要方法確定型、隨機型和混合型。歷史擬合是ー種可逆的反演問題，具有高度非線性和不適定性。對該問題的解決方案不可避免地求助于遞歸算法，遞歸算法依賴于先驗信息，其可以掲示整組模型(即實現)來擬合動態(tài)數據。過去十年中，隨機型方法在油氣產業(yè)中被廣泛熟知，其在領域內的主要發(fā)展在于i)演化算法(例如，遺傳算法或演化策略)；ii)使用集合卡爾曼濾波的數據同化；以及Iii)基于貝葉斯理論的序列蒙特卡洛或馬爾可夫鏈蒙特卡洛(MCMC)方法。在貝葉斯抽樣時，使用貝葉斯公式來構造目標函數P ギ(m\d) =」~——
PAd)此公式將觀測數據與先驗地質信息結合，其中Pm|d(m|d)，Pd|m(d|m)和Pm(m)分別表示后驗、似然度和先驗概率分布。歸一化因子Pd(d)表示與數據相關的概率，它與模型參數無關且通常被視為常數?；谪惾~斯理論的序列蒙特卡洛或馬爾可夫鏈蒙特卡洛(MCMC)方法為后驗概率密度函數(Pdf)抽樣提供了在統(tǒng)計上最嚴謹且最精確的方式，但在直接(模擬)模擬中應用該方法時，由于高判退率以及必須對提出的每個實現模型運行完整的模擬流程，會產生令人望而卻步的高計算成本。該方法對于線性問題有效，但對于非線性的計算機輔助歷史擬合應用不佳。這一問題已經通過一種兩階方法的提出得到解決，其具有M-H算法的高接受概率。該方法在線性問題下運行良好，但在非線性計算機輔助歷史擬合的應用下運行不佳。為了改進上述問題，提出了一種嚴謹的兩階MCMC方法，該方法使用借助于流線追蹤技術計算得到的靈敏度(即廣義行程時間相對于給定儲層性質的導數)來增加可接受率，并減少計算量。暈化和儲層生產不確定性預測不確定性表示主要由于數據噪聲、系統(tǒng)建模誤差、以及反演問題求解過程的非唯一性而存在于動態(tài)儲層建模中的固有分量。通常，分析靜態(tài)數據(例如鉆井記錄、地核和地震道)和動態(tài)數據(例如，生產歷史，瞬變壓力測試等)。近來在靜態(tài)建模技術上的改進使得能夠快速構造大量的地質實現，但是與全物理儲層模擬相關的計算成本仍是驚人的。由 于所使用的數據在異質性的長度、標度上都存在差異，且通常具有不同的精密度，整合不同數據源的數據是很繁瑣的工作。歷史擬合中實施的數據整合是數據同化過程的一部分，該過程涉及基于測量數據來估計模型的參數和動態(tài)變量。所述模型指的是“油儲層模型”，并根據基于性能準則來建立生產公式。在地表下建模中整合附加數據可能會降低不確定性，并被視為是智能儲層管理的重要部分之一?，F有技術中不確定性管理和生產預測的工藝應用組合使用了實驗設計、最大熵估計、集合卡爾曼濾波或鄰域算法。鄰域算法是已知的用于解決非線性地球物理反演問題的算法，通常包括兩個階段i)搜索階段一一在多維參數空間內進行搜索的方法，其目標是在提供給用戶的目標函數的可接受數值內尋找模型，以及ii)評價階段一一其中搜索階段中生成的整個模型集合被用于導出一些貝葉斯測量形式(例如協方差或臨界roF)。因此需要整合各種儲層數據以支持動態(tài)量化數據反演、隨機不確定性管理以及智能儲層管理。

發(fā)明內容
本發(fā)明提供了更新后驗地質模型的系統(tǒng)和方法，該系統(tǒng)和方法通過整合各種儲層數據以支持動態(tài)量化數據反演、隨機不確定性管理以及智能儲層管理，滿足了上述需求并克服了現有技術中一個或多個缺陷。一個實施例中，本發(fā)明包括一種更新后驗地質模型的方法，其包括i)為先驗地質模型計算新的地質實現；ii)使用先驗地質模型的新的地質實現或者使用先驗地質模型的可接受數量的新的地質實現來計算目標函數的精確似然性；iii)基于目標函數的精確似然性來定義連續(xù)的蒙特卡洛鏈的初始狀態(tài)；iv)基于序列蒙特卡洛的初始狀態(tài)和先驗地質模型的隨機樣本，定義新樣本；v)使用新樣本來計算目標函數的近似似然性；vi)如果目標函數的近似似然性不滿足接受準則，則僅基于先驗地質模型的另一隨機樣本重復上述定義新樣本的步驟；vii)如果新樣本滿足所述接受準則，則使用新樣本來計算目標函數的另一精確似然性如果目標函數的另ー個精確似然性不滿足另ー接受準則，則僅基于先驗地質模型的另ー隨機樣本重復上述定義新樣本的步驟；ix)僅基于先驗地質模型的另一隨機樣本重復上述定義新樣本的步驟，直到滿足收斂準則；以及，X)存儲滿足接受準則和另ー接受準則的每個新樣本，每個新樣本表示各個更新的后驗地質模型。 另一個實施例中，本發(fā)明包括ー種程序攜載設備，其攜載有用于更新后驗地質模型的計算機可執(zhí)行指令，所述指令可被執(zhí)行以實現i)為先驗地質模型計算新的地質實現；ii)使用先驗地質模型的新的地質實現或者使用先驗地質模型的可接受數量的新的地質實現來計算目標函數的精確似然性；iii)基于目標函數的精確似然性來定義序列蒙特卡洛鏈的初始狀態(tài)；iv)基于序列蒙特卡洛的初始狀態(tài)和先驗地質模型的隨機樣本，定義新樣本；v)使用新樣本來計算目標函數的近似似然性；vi)如果目標函數的近似似然性不
滿足接受準則，則僅基于先驗地質模型的另ー隨機樣本重復上述定義新樣本的步驟；vii)如果新樣本滿足接受準則，則使用新樣本來計算目標函數的另一精確似然性如果目標函數的另一精確似然性不滿足另ー接受準則，則僅基于先驗地質模型的另ー隨機樣本重復上述定義新樣本的步驟；ix)僅基于先驗地質模型的另ー隨機樣本重復上述定義新樣本的步驟，直到滿足收斂準則；x)存儲滿足接受準則和另一接受準則的每個新樣本，每個新樣本表示各個更新的后驗地質模型。根據下文中對各個實施例和相關附圖的說明，本發(fā)明的其他方面、優(yōu)點和實施例對本領域技術人員來說將顯而易見。


下面參照附圖來具體描述本發(fā)明，其中相同的元件標示有相同的參考標記，其中圖I是執(zhí)行本發(fā)明的方法的一個實施例的流程圖。圖2是執(zhí)行本發(fā)明的方法的另ー個實施例的流程圖。圖3是執(zhí)行圖I和2中步驟103和203的方法的一個實施例的流程圖。圖4是執(zhí)行圖3中步驟306的方法的一個實施例的流程圖。圖5是分別執(zhí)行圖I和2中步驟114和204，217的方法的一個實施例的流程圖。圖6A是圖3中步驟305的3D巖石物性實現的生成的多個2D圖像。圖6B是圖4中步驟404的3D結果的多個2D圖像。圖6C是圖4中步驟407中存儲的3D結果的多個2D圖像。圖7是執(zhí)行本發(fā)明的系統(tǒng)的ー個實施例的方框圖。
具體實施例方式以具體說明的方式描述了本發(fā)明的主題，然而，該說明本身不g在限制本發(fā)明的范圍。因此，能夠以其他方式實施本發(fā)明的主題，從而包括類似于在此描述的、與其他技術結合的不同步驟或者步驟的組合。此外，盡管在此使用術語“步驟”來描述應用的方法的不同要素，該術語不應該被解釋為暗示在此描述的不同步驟之中或之間的任何特定順序，除非另外通過說明明確限定了特定順序。雖然下述說明涉及石油和天然氣產業(yè)，但是本發(fā)明的系統(tǒng)和方法并不限于此，還可以被應用到其他產業(yè)而獲得相同的結果。方法說明下述方法，根據流線模擬，提出了一種在不確定性的動態(tài)量化中的積分閉環(huán)方式，作為地質模型的再篩選技術。所述方法將快速數據反演算法與高效模型參數化，以及用于在儲層管理過程中快速作出決策的排序技術進行結合。
現在參看圖1，其為例示了執(zhí)行本發(fā)明的方法100的實施例的流程圖。步驟101，對于方法100，使用參照圖7所描述的客戶界面和/或視頻界面來輸入先驗地質模型的參數。所述參數可包括，例如滲透率，其可以3D陣列[Nx，Ny，Nz]的形式被輸入。步驟102，使用參照圖7所描述的客戶界面和/或視頻界面，為先驗地質模型定義多個(N個)新的地質實現。步驟103，以參照圖3所進一步描述的方式為先驗地質模型計算所述(N)個新的地質實現。步驟104，使用計算出的新的地質實現來計算先驗地質模型的目標函數的精確似然性。例如，一種技術通過采用本領域已知技術以及為先驗地質模型計算出的多(N)個新的地質實現來執(zhí)行正演模擬、流線追蹤和導數計算(calculation of derivatives),以獲得模型響應g(m)、數據錯位(dp-g(m))以及生產數據靈敏度系數陣列Sp e從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，P是開采油井的數量。例如，另一種技術可通過采用本領域已知技術以及為先驗地質模型計算出的多(N)個新的地質實現來執(zhí)行正演模擬、流線追蹤和導數計算，以獲得模型響應g(m)、數據錯位(dp-g(m))以及靈敏度系數陣列Sp e R[Nx—和靈敏度系數陣列Ss e Rtewywz]'從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，p是開采油井的數量，其中ds = d(s)是觀測(時移)地震數據矢量，s是(時移)地震數據控制點的數量。在流體飽和度表格和壓力示意圖中使用的地震數據可以通過例如地震反演導出。這些圖提供了除生產數據之外的獨立約束集合。就生產數據P以及(時移)地震數據S而論，通過結合靈敏度導數，目標函數的精確似然性的引伸項具有下列貝葉斯公式Pm|d(m|d) exp[-0(m)]其中O(W)= ^(dp - g{m))T Cp (dp - g{m)) + 士( - g{m)f C51 (ds - g{m))Cp和Cs是分別與生產數據P和(時移)地震數據S相對應的協方差矩陣。步驟105，定義序列蒙特卡洛(MC)鏈的初始狀態(tài)。所提出的該序列MC鏈的初始狀態(tài)的一種定義是例如Hii ；i = I :1，其中I等于序列MC鏈的重復次數。步驟106，使用隨機行走取樣器mi+1 = Hii+。ε對條件概率密度函數(pdf) q(nf |Hii)取樣，以定義新樣本，其中σ是鏈步長(chain step size), ε是先驗地質模型的隨機樣本?？蛇x擇地，也可使用其他已知取樣器，例如獨立取樣器或朗之萬(Langevin)取樣器。步驟107，使用步驟106中定義的新樣本來計算目標函數的近似似然性。例如，一種技術通過提出躍迂δ m = Hf-Hii來計算目標函數的近似似然性，該躍迂δ m = Hf-Hii使用生產數據靈敏度矩陣Sp定義了在正演模型響應期間的變化；δ dp = Sp · δ m。例如，另一種技術通過提出躍迂δ m = Hf-Hii來計算目標函數的近似似然性，該躍迂δ m = Hi^mi使用生產數據靈敏度矩陣Sp ; δ dp = Sp · δ m以及地震數據靈敏度矩陣Ss; δ ds = Ss · δ m定義了在正演模型響應期間的變化。步驟108，方法100判定是否滿足接受準則a ! (m*, Hii)。如果滿足接受準則，方法100則繼續(xù)執(zhí)行步驟110。如果不滿足接受準則，方法100則繼續(xù)執(zhí)行步驟108a。例如，使用本領域已知技術Matropolis-Hastmgs準則來定義所述接受準則。從開區(qū)間U(0,1)上的偽隨機數的標準均勻分布中抽樣數值，比較該接受準則Ci1OAmi)與該抽樣數值。如果該接受準則大于該抽樣數值，則將新樣本Oni)提升到序列MC鏈的推薦狀態(tài)(即，mi+1 = m*)，且方法100繼續(xù)執(zhí)行步驟110。如果該接受準則α ! (πι%π0小于該抽樣數值，則方法100最終返回到步驟106，在該步驟106中定義另一個新樣本。步驟108a,從先驗地質模型中選擇另ー個隨機樣本,方法100返回到步驟106以定義另ー個新樣本。因此，方法100通過步驟106，107，108和108a反復地進行，直到滿足步驟108中的接受準則。步驟110，當滿足步驟108的接受準則后，使用步驟106中定義的最后ー個新樣本來計算目標函數的精確似然性。例如，一種技術通過本領域已知技術以及步驟106中定義的最后ー個新樣本來執(zhí)行正演模擬、流線追蹤和導數計算，以獲得模型響應g(nO、數據錯位(dp-g(nO)以及生產數據靈敏度系數陣列Sp e R—，從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，P是開采油井的數量。例如，另ー種技術通過本領域已知技術以及步驟106中定義的最后ー個新樣本來執(zhí)行正演模擬、流線追蹤和導數計算，以獲得模型響應g (め、數據錯位(dp-g(m*))以及靈敏度系數陣列Sp e R[N—和靈敏度系數陣列Ss e R[Nx~>s，從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，P是開采油井的數量，，其中ds = d(s)是觀測(時移)地震數據矢量，s是(時移)地震數據控制點的數量。在流體飽和度表格和壓カ示意圖中使用的地震數據可以通過例如地震反演導出。這些圖提供了除開采數據之外的獨立約束集合。就生產數據P以及(時移)地震數據S而論，通過結合靈敏度導數，目標函數的精確似然性的引伸項具有下列貝葉斯公式Pm|d(m|d) exp[-0(m)]其中0(w) = -{dp - g{m)f Cp1 (dp - g{m)) + ^(ds - g(m)f Cf (ds - g{m))Cp和Cs是分別與生產數據P和(時移)地震數據S相對應的協方差矩陣。步驟111，方法100判定是否滿足接受準則a 2 (m*, Hii)。如果滿足接受準則，方法100則繼續(xù)執(zhí)行步驟113。如果不滿足接受準則，方法100則繼續(xù)執(zhí)行步驟111a。例如，使用本領域已知技術Matropolis-Hastings準則來定義接受準則a 2 (m*^1)。在開區(qū)間U(0,1)從偽隨機數的標準均勻分布中對數值抽樣，比較該接受準則a2(m% m1)與該抽樣數值。如果該接受準則α2(πι%π0大于該抽樣數值，則將新樣本(Hii)接受為更新后的后驗樣本(即，mi+1=nO，且方法100繼續(xù)執(zhí)行步驟113。如果該接受準則Ci2(H^mi)小于該抽樣數值，方法100則最終返回到步驟106，在該步驟106中定義另一個新樣本。步驟Illa,從先驗地質模型中選擇另ー個隨機樣本,方法100返回到步驟106以定義另ー個新樣本。因此，方法100通過步驟106，107，108，110，111和Illa反復地進行，直到滿足步驟111中的接受準則。步驟113，方法100判定是否滿足收斂準則。如果滿足收斂準則，方法100則繼續(xù)執(zhí)行步驟114。如果不滿足收斂準則，方法100則繼續(xù)執(zhí)行步驟113a。例如，一種收斂準則利用了最大熵準則或方法。例如，可將熵S定義為S = - < pm|d(m| d) log pm|d(m| d)) >,其中Pm|d(m|d)是更新后的后驗地質模型。步驟113a，從先驗地質模型中選擇另一個隨機樣本，且方法100返回到步驟106以定義另一個新樣本。因此，方法100通過步驟106，107，108，110，111，113和113a反復地進行，直到滿足步驟113中的收斂準則。步驟114，將滿足步驟108，111中的接受準則和步驟113中的收斂準則的每個樣本存儲為更新后的后驗地質模型，并以參照圖5進一步描述的方式對其進行動態(tài)排序。步驟115，使用參照圖7所描述的客戶界面和/或視頻界面來評估排序后的后驗地質模型，這使得能夠基于評估結果執(zhí)行一或多個商業(yè)決策。例如，可基于選擇多個排序后的 后驗地質模型進行評估。可以根據相應的最終恢復因子(URF)選擇特定數量的分級排序后的后驗地質模型，并將其轉發(fā)給操作單元，從而例如進一步將其考慮入閉環(huán)儲層管理流程中或者執(zhí)行油井設置優(yōu)化過程?，F在參看圖2，其例示了執(zhí)行本發(fā)明的方法200的另一個實施例的流程圖。步驟201，對于方法200，使用參照圖7所描述的客戶界面和/或視頻界面來輸入先驗地質模型的參數。所述參數可包括，例如滲透率，其可以3D陣列[Nx，Ny，Nz]的形式輸入。步驟202，使用參照圖7所描述的客戶界面和/或視頻界面為先驗地質模型定義多個(N個)新的地質實現。步驟203，以參照圖3所描述的方式為先驗地質模型計算多個(N個)新的地質實現。步驟204，以參照圖5所進一步描述方式對步驟203中計算得到的新的地質實現進行動態(tài)排序。步驟205，使用參照圖7所描述的客戶界面和/或視頻界面，基于可接受的新的地質實現的排序來對其進行選擇。盡管必須至少選擇一個新的地質實現，優(yōu)選為不選擇所有的新的地質實現。可接受的新的地質實現可為例如在一些用戶設定閾值之上的新的地質實現。步驟206，使用所選擇的新的地質實現為先驗地質模型計算目標函數的精確似然性。例如，一種技術通過本領域已知技術以及所選擇的新的地質實現來執(zhí)行正演模擬，流線追蹤和導數計算，以獲得模型響應g(m)、數據錯位(c^-gOn))以及生產數據靈敏度系數陣列Sp e R[Nx~]\從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，P是開采油井的數量。例如，另一種技術通過本領域已知技術以及所選擇的新的地質實現來執(zhí)行正演模擬、流線追蹤和導數計算，以獲得模型響應g(m)、數據錯位(c^-gOn))以及靈敏度系數陣列Sp e R[NxWyWz>p和靈敏度系數陣列Ss e R[Nx ]'從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，P是開采油井的數量，，其中4 = (1 (s)是觀測(時移)地震數據矢量，s是(時移)地震數據控制點的數量。在流體飽和度表格和壓力示意圖中使用的地震數據可以通過地震反演導出。這些圖提供了除生產數據之外的獨立約束集合。就生產數據P以及(時移)地震數據S而論，通過結合靈敏度導數，目標函數的精確似然性的引伸項具有下列貝葉斯公式
Pm|d(m|d) exp[-0(m)]其中0(w)= ^(も ~g(m))T Cp{dp ~g{m)) + ^{ds - g(m))r Cs1 (ds - g{m))Cp和Cs是分別與生產數據P和(時移)地震數據S相對應的協方差矩陣。步驟207，定義序列蒙特卡洛(MC)鏈的初始狀態(tài)。該序列MC鏈的初始狀態(tài)的ー種定義是例如Hii ；i = I :1，其中I等于序列MC鏈的重復次數。步驟208，使用隨機行走取樣器mi+1 = Hibo ε對條件概率密度函數(pdf) q (m* | Hii)取樣以定義新樣本，其中σ是鏈步長(chain step size), ε是先驗地質模型的隨機樣本?？蛇x擇的，也可使用其他已知取樣器，例如獨立取樣器或朗之萬Langevin取樣器。步驟209，使用步驟206中定義的新樣本來計算目標函數的近似似然性。例如，一種技術通過提出躍迂Smznf-mi來計算目標函數的近似似然性，該躍迂Smznf-mi使用生產數據靈敏度矩陣Sp ; δ dp = Sp · δ m定義了在正演模型響應期間的變化；δ dp = Sp · δ m。例如，另ー種技術通過提出躍迂Sm = nf-m1來計算目標函數的近似似然性,該躍迂Sm =Hf-Hii使用生產數據靈敏度矩陣Sp ; δ dp = Sp · 5m以及靈敏度矩陣Ss ; δ ds = Ss · δ m定義了在正演模型響應期間的變化。步驟210，方法200判定是否滿足接受準則a ! (m*, Hii)。如果滿足接受準則，方法200則繼續(xù)執(zhí)行步驟212。如果不滿足接受準則，方法200則執(zhí)行步驟210a?？墒褂帽绢I域已知技術Matropolis-Hastings準則來定義所述接受準則。在開區(qū)間U(0,1)從偽隨機數的標準均勻分布中對數值抽樣，比較該接受準則hOif，m1)與該抽樣數值。如果該接受準則a i (m*, Hii)大于該抽樣數值，則將新樣本Oni)提升到序列MC鏈的推薦狀態(tài)(即，mi+1 =nf)，且方法200繼續(xù)執(zhí)行步驟212。如果該接受準則Ci1OAmi)小于該抽樣數值，方法200最終返回到步驟208，在該步驟208中定義另一個新樣本。步驟210a，從先驗地質模型中選擇另ー個隨機樣本，方法200返回到步驟208以定義另ー個新樣本。因此，方法200通過步驟208，209,210和210a反復進行，直到滿足步驟210中的接受準則。步驟212，當滿足步驟210的接受準則后，使用步驟208中定義的最后ー個新樣本來計算目標函數的精確似然性。例如，一種技術通過本領域已知技術以及步驟208中定義的最后ー個新樣本來執(zhí)行正演模擬、流線追蹤和導數計算，以獲得模型響應g(nO、數據錯位(dp-g(nO)以及生產數據靈敏度系數陣列Sp e R[Nx—'從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，P是開采油井的數量。例如，另ー種技木通過本領域已知技術以及步驟208中定義的最后ー個新樣本來執(zhí)行正演模擬、流線追蹤和導數計算，以獲得模型響應g OO、數據錯位(dp-g(nf))以及靈敏度系數陣列Sp e R[N—和靈敏度系數陣列Ss e R[Nx~>s，從而計算目標函數的精確似然性，其中dp = d(p)是觀測數據矢量，P是開采油井的數量，其中ds = d(s)是觀測(時移)地震數據矢量，s是(時移)地震數據控制點的數量。在流體飽和度表格和壓カ示意圖中使用的地震數據可以通過地震反演導出。這些圖提供了除生產數據之外的獨立約束集合。就生產數據P以及(時移)地震數據S而論，通過結合靈敏度導數，目標函數的精確似然性的引伸項具有下列貝葉斯公式Pm|d(m|d) exp[-0(m)]其中O(W)=マ(も-g{m)f CP\dp -g(m)) + ^(ds - g(m))T Cs1 (ds - g{m))
Cp和Cs是分別與生產數據P和(時移)地震數據S相對應的協方差矩陣。步驟213，方法200判定是否滿足接受準則a 2 (m*, Hii)。如果滿足接受準則，方法200則繼續(xù)執(zhí)行步驟215。如果不滿足接受準則，方法200則繼續(xù)執(zhí)行步驟213a?？墒褂帽绢I域已知技術Matropolis-Hastings準則來定義接受準則a 2 (m*^1)。在開區(qū)間U(0,1)從偽隨機數的標準均勻分布中對數值抽樣，比較該接受準則a2(m% m1)與該抽樣數值。如果該接受準則α2(πι%π0大于該抽樣數值，則將新樣本(Hii)接受為更新后的后驗樣本(即，mi+1 = m*)，且方法200繼續(xù)執(zhí)行步驟215。如果該接受準則α 2 (πι%π0小于該抽樣數值，方法200則最終返回到步驟208，在該步驟208中定義另一個新樣本。步驟213a，從先驗地質模型中選擇另一個隨機樣本，方法200返回到步驟208以定義另一個新樣本。因此，方法200通過步驟208，209，210，212，213和213a反復地進行，直 到滿足步驟213中的接受準則。步驟215，方法200判定是否滿足收斂準則。如果滿足收斂準則，方法200則繼續(xù)執(zhí)行步驟216。如果不滿足收斂準則，方法200則繼續(xù)執(zhí)行步驟215a。例如，一種收斂準則利用了最大熵準則或方法。例如，可將熵S定義為S = - < pm|d(m| d) logpm|d(m| d)) >，其中Pm|d(m|d)是更新后的后驗地質模型。步驟215a，從先驗地質模型中選擇另一個隨機樣本，且方法200返回到步驟208以定義另一個新樣本。因此，方法200通過步驟208，209，210，212，213，215和215a反復地進行，直到滿足步驟215中的收斂準則。步驟216，方法200判定是否執(zhí)行可接受樣本(更新后驗地質模型)的動態(tài)排序。如果需要對更新后的后驗地質模型執(zhí)行動態(tài)排序，方法200則繼續(xù)執(zhí)行步驟217。如果不需要對更新后的后驗地質模型執(zhí)行動態(tài)排序，方法200則繼續(xù)執(zhí)行步驟220?；谥饔^準則決定動態(tài)排序的執(zhí)行，所述主觀準則為例如使用參照圖7所描述的客戶界面和/或視頻界面來確定更新后的后驗地質模型的數量。步驟217，將滿足步驟210、213中的接受準則和步驟215中的收斂準則的每個樣本存儲為更新后的后驗地質模型，并以參照圖5進一步描述的方式對其進行動態(tài)排序。步驟218，使用參照圖7所描述的客戶界面和/或視頻界面來選擇最佳的排序后的后驗地質模型。優(yōu)選地，排位最高的后驗地質模型是最佳的。步驟219，用最佳的排序后的后驗地質模型來替換先驗地質模型，并將其重命名為“先驗地質模型”。方法200返回到步驟202以為先驗地質模型定義多個(N個)其他新的地質實現。步驟220，存儲更新后的后驗地質模型，并使用參照圖7所描述的客戶界面和/或視頻界面、基于更新后的后驗地質模型來執(zhí)行商業(yè)決策。例如，將更新后的后驗地質模型傳送給操作單元后，可進一步考慮將其并入閉環(huán)儲層管理流程中或者執(zhí)行油井設置優(yōu)化任務?，F在參看圖3，其是例示了分別執(zhí)行圖I和2中步驟103和203的方法的一個實施例的流程圖。步驟301，使用參照圖7所描述的客戶界面和/或視頻界面為DESMtm定義框架。例如，可通過將步驟101獲得的參數輸入DESMtm中來定義該框架。步驟302，使用參照圖7所描述的客戶界面和/或視頻界面來定義巖相和巖石物性計算的變差函數參數。在DESMtm中使用用于變差函數建模和計算的技術和算法來初始計算變差函數參數。DESMtm使用已知的克里格法的變量來計算變差函數參數。步驟303，使用參照圖7所描述的客戶界面和/或視頻界面來定義巖相和巖石物性計算的隨機數/種子。例如，已知的標準隨機數生成器可用于將隨機數/因子輸入DESMtm。步驟304，使用步驟301-301中定義的參數來計算新的巖相實現。例如，可通過已知技木-多高斯(Pluri Gaussian)模擬來計算該巖相實現。因此,計算得到單個新的3D巖相實現，其形式為單個列矢量，具有維度[Nx% Ny*, Nz*]。步驟305,使用上述新的巖相實現對3D陣列[Nx, Ny, Nz]形式的巖石物性實現的生成進行約束。例如，可以通過已知技木-回轉帶(Turning bands)模擬來生成巖石物性實現。因此，當生成巖石物性實現時，將巖相實現作為約束。由此計算得到單個新3D巖相實現，其形式為單個列矢量，具有維度[Nx%N/，Nz1。圖6A中用多幅表示原始滲透油田的不同層的2D圖像例示了生成3D巖石物性實現的示例。用于構造圖6A中圖像的數據是由
被稱為Brugge綜合數據集的已知數據源獲取的，該數據源是對公眾開放的。步驟306，以參照圖4進ー步描述的方式對多(N)個新的地質實現中的ー個地質實現執(zhí)行模型參數化。步驟307，方法300判定是否每個新的地質實現都被參數化。如果每個新的地質實現都已被參數化，方法300則繼續(xù)執(zhí)行步驟308。如果不是每個新的地質實現都已被參數化，方法300則繼續(xù)執(zhí)行步驟307a。步驟307a，(η)加一(1)，直到(η)等于所定義的新的地質實現的數量(N)，方法200返回到步驟303以定義另ー個隨機數/因子用于模擬。因此，方法300通過步驟303，304，305，306，307和307a反復地進行，直到每個新的地質實現都已根據步驟306被參數化。步驟308，將每個參數化后的新的地質實現存儲為新的地質實現，然后返回到步驟104 或 204?，F在參看圖4，其是例示了執(zhí)行圖3中步驟306的方法400的一個實施例的流程圖。該方法利用了離散余弦變換(DCT)。DCT是目前用于圖像壓縮和模式識別的最成功的變換方法，其被認為是使用歷史擬合和集合卡爾曼濾波(EnKF)方法對滲透域的新實現進行參數化的有效方法。步驟401，使用參照圖7所描述的客戶界面和/或視頻界面來定義被保留的3D DCT模式的數量(NMODES)?；谥饔^判斷最佳數量來確定3DDCT模式的數量(NMODES)。步驟402，使用步驟305中生成的巖石物性實現、通過以下方式計算3D DCT的ー組基函數(a (u), α (V)，a (w))
_] 隹てω=Β V=。一=· W=0
J~~ u^O I—]j~~因此，Nx, Ny和Nz對應于步驟305中由3D陣列表示的巖石物性實現。步驟403,使用3D DCT的該組基函數a (u), α (ν), α (w)通過以下方式來計算3DDCT 的系數(C(u,v,w))
權利要求
1.一種更新后驗地質模型的方法，其包括 為先驗地質模型計算新的地質實現； 使用為先驗地質模型的所述新的地質實現或者為先驗地質模型的可接受數量的新的地質實現，來計算目標函數的精確似然性； 根據目標函數的所述精確似然性來定義序列蒙特卡洛鏈的初始狀態(tài)； 根據用于序列蒙特卡洛鏈的所述初始狀態(tài)和來自先驗地質模型的隨機樣本，定義新樣本； 使用所述新樣本來計算目標函數的近似似然性； 如果目標函數的近似似然性不滿足接受準則，則僅根據來自先驗地質模型的另一隨機樣本重復所述定義新樣本的步驟； 如果新樣本滿足所述接受準則，則使用所述新樣本來計算目標函數的另一精確似然性； 如果目標函數的所述另一精確似然性不滿足另一接受準則，則僅根據來自先驗地質模型的另一隨機樣本重復所述定義新樣本的步驟； 僅根據來自先驗地質模型的另一隨機樣本重復所述定義新樣本的步驟，直到滿足收斂準則； 存儲滿足所述接受準則和所述另一接受準則的每個新樣本，每個新樣本表示先驗地質模型的各個更新后的后驗地質模型。
2.如權利要求I所述的方法，還包括定義多(N)個新的地質實現，以用于先驗地質模型計算。
3.如權利要求I所述的方法，其中使用用于先驗地質模型的參數來計算所述新的地質實現。
4.如權利要求I所述的方法，還包括對每個更新后的后驗地質模型進行動態(tài)排序。
5.如權利要求4所述的方法，還包括 對經排序更新后的后驗地質模型進行評估；以及 根據所述評估執(zhí)行商業(yè)決策。
6.如權利要求I所述方法，還包括 對新的地質實現進行動態(tài)排序；以及 根據新的地質實現的動態(tài)排序后，選擇可接受數量的新的地質實現。
7.如權利要求I所述的方法，還包括 對每個更新后的后驗地質I吳型進行動態(tài)排序； 選擇最佳排位、更新后的后驗地質模型； 用所述最佳排位、更新后的后驗地質模型來替換先驗地質模型； 將所述最佳排位、更新后的后驗地質模型重命名為先驗地質模型； 定義多(N)個新的地質實現，以用于先驗地質模型計算；以及 重復權利要求I的步驟。
8.如權利要求I所述的方法，還包括根據每個更新后的后驗地質模型來執(zhí)行商業(yè)決策。
9.如權利要求7所述的方法，其中所述最佳排位、更新后的后驗地質模型表示最高排位、更新后的后驗地質模型。
10.如權利要求4所述的方法，其中通過對應于每個更新后的后驗地質模型的最終恢復因子來對每個更新后的后驗地質模型進行排序。
11.一種程序攜載設備，其攜載有用于更新后驗地質模型的計算機可執(zhí)行指令，所述指令可被執(zhí)行，以實施 為先驗地質模型計算的新的地質實現； 使用為先驗地質模型的所述新的地質實現或者為先驗地質模型的可接受數量的新的地質實現，來計算目標函數的精確似然性； 根據目標函數的所述精確似然性來定義序列蒙特卡洛鏈的初始狀態(tài)； 根據用于序列蒙特卡洛鏈的所述初始狀態(tài)和來自先驗地質模型的隨機樣本，定義新樣本； 使用所述新樣本來計算目標函數的近似似然性； 如果目標函數的近似似然性不滿足接受準則，則僅根據來自先驗地質模型的另一隨機樣本重復所述定義新樣本的步驟； 如果新樣本滿足接受準則，則使用所述新樣本來計算目標函數的另一精確似然性； 如果目標函數的所述另一精確似然性不滿足另一接受準則，則僅根據來自先驗地質模型的另一隨機樣本重復所述定義新樣本的步驟； 僅根據來自先驗地質模型的另一隨機樣本重復所述定義新樣本的步驟，直到滿足收斂準則； 存儲滿足所述接受準則和所述另一接受準則的每個新樣本，每個新樣本表示先驗地質模型的各個更新后的后驗地質模型。
12.如權利要求11所述的程序攜載設備，還包括定義多(N)個新的地質實現，以用于先驗地質模型計算。
13.如權利要求11所述的程序攜載設備，其中使用用于先驗地質模型的參數，來計算所述新的地質實現。
14.如權利要求11所述的程序攜載設備，還包括對每個更新后的后驗地質模型進行動態(tài)排序。
15.如權利要求14所述的程序攜載設備，還包括 對經排序更新后的后驗地質模型進行評估；以及 根據所述評估執(zhí)行商業(yè)決策。
16.如權利要求11所述的程序攜載設備，還包括 對新的地質實現進行動態(tài)排序；以及 根據新的地質實現的動態(tài)排序后，選擇可接受數量的新的地質實現。
17.如權利要求11所述的程序攜載設備，還包括 對每個更新后的后驗地質I吳型進行動態(tài)排序； 選擇最佳排位、更新后的后驗地質模型； 用所述最佳排位、更新后的后驗地質模型來替換先驗地質模型； 將所述最佳排位、更新后的后驗地質模型重命名為先驗地質模型； 定義多(N)個新的地質實現，以用于先驗地質模型計算；以及重復權利要求11中的步驟。
18.如權利要求11所述的程序攜載設備，還包括根據每個更新后的后驗地質模型來執(zhí)行商業(yè)決策。
19.如權利要求17所述的程序攜載設備，其中所述最佳排位、更新后的后驗地質模型表不最聞排位、更新后的后驗地質|旲型。
20.如權利要求14所述的程序攜載設備，其中通過對應于每個更新后的后驗地質模型的最終恢復因子，來對每個更新后的后驗地質模型進行排序。
全文摘要
一種更新后驗地質模型的系統(tǒng)和方法，其通過整合各種儲層數據來支持動態(tài)量化數據反演、隨機不確定性管理和智能儲層管理。
文檔編號G01V1/28GK102844681SQ200980161639
公開日2012年12月26日 申請日期2009年9月25日 優(yōu)先權日2009年9月25日
發(fā)明者馬克·馬奧斯, 阿爾文·斯坦利·卡里克 申請人:蘭德馬克繪圖國際公司