[发明专利]基于相似数据样式聚类的多点地质统计学建模方法

说明书

本发明公开了一种基于相似数据样式聚类的多点地质统计学建模方法，它对样式数据库的所有数据样式做了降维计算，把相同的降维数据样式所对应的数据样式归为同一类即相似数据样式聚类，并计算相似数据样式聚类的数据样式代表，在模拟过程中，将待估点u处的数据事件与数据样式代表进行相似性计算，再与最相似的数据样式代表对应的相似数据样式聚类中所有数据样式进行相似性计算，得到最相似数据样式。而SIMPAT算法在模拟过程中，需将待估点u处的数据事件与样式数据库中所有数据样式进行相似性计算。因此，相比SIMPAT算法，本发明大大提高了多点地质统计学建模算法的效率。

技术领域

本发明涉及储层地质建模技术领域，具体是指一种基于相似数据样式聚类的多点地质统计学建模方法。

背景技术

多点地质统计学是相对于基于变差函数的两点地质统计学而言的。在两点统计里，储集层相关性通过空间两点协方差(变差函数)进行描述。在多点统计里，则是利用空间多个点组合模式进行描述。空间多点组合样式称为数据样板，如果在空间点赋予了值，则为一个特定的空间多点组合模式，称为数据事件。在建模时，对每一个未知点，估计在其处满足给定条件的数据事件出现的概率，随后抽样获得未知点处值或者数据事件，即完成单次模拟。一旦所有节点得到访问，即完成一次模拟实现。

基于多点地质统计学建模算法对油田高效开发具有重要支持作用。Arpat在2003年Stanford油藏预测中心会议上提出基于样式的多点地质统计学算法SIMPAT。SIMPAT是一种完全不同于传统建模的多点统计方法，它结合了计算机视觉及图像处理方面的理论，将地下储集层建模作为储集层图像的恢复过程。采用相似性方法对地下储集层进行图像恢复和再现。数据事件与数据样式之间的相似性由曼哈顿距离函数来表述：

其中，dev_T(u)表示待估点u处的数据事件，pat_T为训练图像内的数据样式，n_T为数据事件的样板框架包含的点的个数，h是节点的向量。选择训练图像中最相似的数据样式替换待估点处数据事件。直至所有待估点都访问并模拟，完成一次随机模拟实现。

随着油田开发的不断深入，地质研究的精度越来越高，从而地质模型的尺度越来越小，例如很多开发中后期的老油田，地质建模的精度达到平面网格划分为10m×10m，纵向0.5m，甚至更小。目前普遍采用随机模拟技术建立地质模型，通常需要建立多个地质模型实现(如100个)，甚至是三维模型。因此，地质建模的效率逐渐成为关注的热点问题。计算热点是程序代码需要耗费大量时间运行的部分，通常是计算性能瓶颈。SIMPAT算法的计算热点主要是数据事件与数量庞大的样式数据库中所有数据样式的相似性计算，因此，计算性能成为普及基于数据样式建模算法的瓶颈。

因此，亟需研究一种针对SIMPAT算法的加速计算改进方法，从而能高效地使用样式相似度匹配策略进行多点地质统计建模。

发明内容

本发明的目的在于提供一种基于相似数据样式聚类的多点地质统计学建模方法，相比SIMPAT算法，本发明大大提高了多点地质统计学建模算法的效率。

为实现上述目的，本发明采用以下技术方案：本发明基于相似数据样式聚类的多点地质统计学建模方法，包括以下步骤：

1)将数据样板扫描训练图像，得到由多个数据样式组成的样式数据库；

2)将样式数据库中的所有数据样式进行等间距取样，得到降维数据样式；将相同的降维数据样式对应的数据样式归位同一类，得到相似数据样式聚类；

3)计算相似数据样式聚类的数据样式代表；

4)构建模拟实现的随机路径；

5)遍历随机路径中的待估点u，将数据样板扫描模拟实现获得待估点u处的数据事件；