Kĩ Thuật Mô Phỏng Có Điều Kiện

Địa thống kê trong mô hình hóa vỉa GVHD: TS. Tạ Quốc Dũng

I. Kĩ thu ật mô phỏng có điều kiện (Conditional Simulation Techniques):1. Đ ịnh nghĩa: Kỹ thuật mô phỏng có điều kiện, được điều kiện bởi những thông tin cho trước, là một thủ tục mô phỏng các thuộc tính khác nhau tại những vị trí không có mẫu. Sự khác nhau giữa kĩ thuật ước tính truyền thống và kĩ thuật mô phỏng có điều kiện là thuộc tính được ước tính truyền thống nhanh hơn. Trong kĩ thuật mô phỏng, toàn bộ mục đích là mô phỏng hiện thực nhanh hơn để thu được bức tranh vỉa với phương sai bé nhất.Phân biệt mô phỏng có điều kiện và mô phỏng không điều kiện:Mô phỏng không điều kiện: Dữ liệu cứng, cho trước, mô phỏng tại vị trí đã lấy mẫu. Giả thiết phân phối đơn biến cho trước hoặc tương quan không gian được biết, và dựa trên những thông tin này, xây dựng được mô hình vỉa.Mô phỏng có điều kiện: dựa vào nhiều thông tin nhất có thể, tại cùng một thời gian, tối thiểu hóa tính toán để mô phỏng các giá trị thuộc tính. Phương pháp này sẽ nhấn mạnh mộ loại đặc biệt, trong khi bỏ qua hoặc tối thiểu hóa các loại khác trong thông tin.Không có mô phỏng hoàn toàn không điều kiện vì một số thông tin cho trước là luôn có sẵn hoặc được giả định. Trong sự có mặt của thông tin cho trước, miền giải pháp là quá lớn để thu được kết quả dễ hiểu. Ngày nay, không có một thủ tục nào tổ hợp chính xác tất cả thông tin có sẵn từ một vỉa, do đó, phải chọn thủ tục mô phỏng có điều kiện để ưu tiên xem xét những thông tin có giá trị nhất.2. Đặc điểm phân biệt: Có ba đặc điểm phân biệt kĩ thuật mô phỏng có điều kiện từ kĩ thuật mô phỏng truyền thống:a. Sự biến đổi mẫu: Kĩ thuật ước tính truyền thốngCác kĩ thuật ước tính truyền thống giả thiết một quan hệ tuyến tính giữa giá trị được ước tính và các mẫu gần đó. Một mối quan hệ giữa giá trị được ước tính và các mẫu gần đó được cho bởi:1


(5.1)Với z*(u0) là giá trị được ước tính; z(ui) là giá trị tại vị trí lấy mẫu ui; λi là trọng số được gán cho vị trí lấy mẫu ui. Tổng trọng số được gán cho các mẫu đơn bằng 1(5.2)Khi một giá trị được ước tính tại một vị trí không lấy mẫu, giá trị ước tính không bao giờ nhận giá trị cực trị tại vị trí có mẫu (giá trị ước tính luôn rơi vòa khoảng giữa giá trị cực tiểu và cực đại). Ngoại trừ trường hợp chỉ có một mẫu trong vùng nghiên cứu lân cận thì mới nhận giá trị cực trị và giá trị ước tính bằng giá trị cực trị.Hình 1 cho thấy so sánh phân phối đơn biến thu được từ mẫu thực với giá trị ước tính thu được từ OK. Mặc dù tất cả phân phối của dữ liệu mẫu được bảo quản tốt, nhưng giá trị cực đại và cực tiểu thu được trong dữ liệu mẫu không được nắm bắt chính xác. Các giá trị cực trị có thể cấu tạo chỉ từ một phần nhỏ của toàn bộ phân bố. Sự bảo quản của một phần nhỏ như vậy có thể trở nên quan trọng nếu những giá trị cực trị này có một ảnh hưởng không tỉ lệ trên đặc tính vỉa.

2


Kỹ thuật mô phỏng có điều kiệnNếu phân phối đơn biến của đặc tính vỉa là chưa biết, có thể giả thiết đặc tính phân phối thu được từ dữ liệu giếng (có thể không đúng nếu vị trí giếng bị lệch hoặc lấy mẫu một phần). Hơn nữa, độ lệch thêm vào được tạo ra nếu mẫu lõi chỉ được lấy từ việc chọn khoảng cách đúng hơn chọn lựa ngẫu nhiên. Chúng rất quan trọng để xem xét phân phối ngẫu nhiên liên kết với phân phối mẫu ban đầu chưa biết. Kĩ thuật mô phỏng có điều kiện sẽ giải quyết linh hoạt vấn đề này.

3

Figure 1: So sánh giữa phân phối dữ liệu mẫu và kĩ thuật OK cho độ rỗng (Kelkar and Perez, Applied Geostatistics for Reservoir Characterization).


Hình 2 cho thấy so sánh giữa mẫu và giá trị ước tính sử dụng kĩ thuật mô phỏng có điều kiện. Nếu người dùng mong muốn một phân phối các giá trị được ước tính rộng hơn phân phân phối mẫu, thủ tục mô phỏng có điều kiện sẽ tạo ra một phân phối các giá trị ước tính giống như phân phối đầu vào. Nếu duy trì sự biến đổi mẫu mong muốn là quan trọng, kĩ thuật mô phỏng có điều kiện đưa ra lưa chọn này.b. Tương quan không gian mẫu: Trong ước tính địa thống kê truyền thống, cần nhập vào một mối tương quan không gian dựa trên phân tích variogram mẫu. Variogram mẫu này được ước tính dựa trên dữ liệu mẫu và được mô hình bằng những ràng buộc thích hợp. Sau khi ước tính tại các vị trí không lấy mẫu, nếu sử dụng các giá trị ước tính để xây dựng variogram, sẽ thu được variogram dựa trên các giá trị ước tính không phù hợp với variogram mẫu. Variogram dựa trên các giá trị ước tính có Sill nhỏ hơn variogram nhập vào. Hơn nữa, cấu trúc của variogram nhập vào không chính xác với variogram dựa trên giá trị ước tính (hình 3)

4

Figure 2: So sanh giữa phân phối dữ liệu mẫu và kĩ thuật mô phỏng có điều kiện cho độ rỗng (Kelkar and Perez, Applied Geostatistics for Reservoir Characterization).


Figure 3: So sánh giữa mô hình variogram đầu vào và variogram của ước tính kriging cho độ rỗng. (Kelkar and Perez, Applied Geostatistics for Reservoir Characterization).Có hai lý do giải thích cho sự bất đồng của hai mô hình variogram trên: Sil của variogram được chi phối bởi phương sai của thuộc tính. Phương sai cao hơn thì sill cao hơn. Các giá trị ước tính không có cực trị nên it biến đổi hơn các giá trị mẫu. Do các giá trị ước tính có phương sai nhỏ hơn các giá trị mẫu nên sill của variogram dựa trên các giá trị mẫu nhỏ hơn.Do cách ước tính giá trị tại vị trí không mẫu trong kĩ thuật truyền thống: Trong ước tính truyền thống, luôn tôn trọng tương quan không gian giữa các vị trí không lấy mẫu và các điểm lấy mẫu. Vì vậy, khi ước tính giá trị tại vị trí không lấy mẫu, phải đảm bảo rằng tương quan không gian giữa những vị trí lấy mẫu và không lấy mẫu trong vùng lân cận được tính toán, bằng cách gán trọng số cho các vị trí lấy mẫu.

5


Ngược lại, những giá trị được ước tính trước đó trong vùng lân cận được bỏ qua khi ước tính các giá trị tại vị trí không mẫu. Do đó, tương quan không gian giữa giá trị ước tính và giá trị được ước tính trước đó trong vùng nghiên cứu lân cận không được tính toán rõ ràng.Kĩ thuật mô phỏng có điều kiện tính toán tương quan không gian giữa các giá trị được ước tính bằng các điều chỉnh quá trình ước tính truyền thống hoặc sử dụng các loại thuật toán khác (hình 4).

Figure 4: Vùng nghiên cứu lân cận cho kĩ thuật mô phỏng có điều kiện (Kelkar and Perez, Applied Geostatistics for Reservoir Characterization).c. Đ ịnh lượng độ bất định: 6


Một trong những mục đích mong muốn khi áp dụng kĩ thuật địa thống kê là xác minh độ bất định trong ước tính. Độ bất định được định lượng thông qua phương sai. Nếu giả thiết phân phối Gaussian là hợp lệ, độ bất định tại một vị trí không lấy mẫu hoàn toàn được mô tả thông qua phương sai. Không may thay, phương sai là một dấu hiệu tốt cho hình dạng mẫu bao quanh, nhưng không thể tính toán cho độ bất định cục bộ.Mô phỏng có điều kiện cung cấp cho sự biến đổi cục bộ bằng cách luân phiên tạo ra những hình ảnh có xác suất bằng nhau. Thay vì xác định ước tính và kết hợp với độ bất định, độ bất định được đặc tính bởi nhiều khả năng mà biểu hiện sự thay đổi cục bộ. Cho mục đích mô tả vỉa, thủ tục mô phỏng có điều kiện cho phép luân phiên vẽ ra những hình ảnh của vỉa. Càng nhiều thông tin về vỉa, càng nhiều hình ảnh giống nhau được đưa ra và ngược lại, càng ít thông tin về vỉa, càng ít ràng buộc có thể áp đặt vào mô tả vỉa, và do đó, càng nhiều sự khác nhau về các bức ảnh. Mỗi hình ảnh được tạo ra dựa trên những thông tin, ràng buộc giống nhau nên không thể dự đoán một hình ảnh có diễn ra nhiều hơn những cái khác.Bằng cách xây dựng nhiều hình ảnh, có thể hiển thị sự khác nhau giữa hình ảnh đó. Nếu độ bất định cục bộ nhỏ, các hình ảnh sẽ biểu hiện các giá trị giống nhau tại một vị trí cụ thể (phân phối hẹp). Nếu độ bất định cục bộ lớn, các giá trị được mô phỏng tại những vị trí cụ thể sẽ khác nhau trên một khoảng rộng. Bằng việc kiểm tra các hình ảnh cũng như phân phối cục bộ, có thể xác minh độ bất định tại mỗi vị trí. Nếu tạo đủ sô lượng hình ảnh, một trong những hình ảnh sẽ khớp với thực tế (hình 5). Đây là điều khác nhau giữa quá trình mô ước tính truyền thống và quá trình mô phỏng.

7


8


Figure 5: Sáu sự thực hiện có xác suất bằng nhau được sinh ra bởi mô phỏng có điều kiện cho độ rỗng (Kelkar and Perez, Applied Geostatistics for Reservoir Characterization).Thủ tục ước tính truyền thống không bao giờ sao chép thực tế, nó bỏ lọc quá trình và loại bỏ những thông tin tần số cao. Trong mô phỏng có điều kiện, những thông tin tần số cao cũng như tần số thấp đều được bảo quản (hình 5 và hình 6).Nếu tất cả dự đoán tương lai được vẽ ra trên cùng một biểu đồ, chũng sẽ giới hạn các giải pháp có thể. Nếu định lượng độ bất định được biểu diễn, hình ảnh đúng sẽ rơi vào trong giới hạn đó.Ý tưởng bắt giữ một hình ảnh đúng trong giới hạn của nhiều hình ảnh không dễ dàng để đạt được. Cho ví dụ, có 10.000 khối lưới với nhiều đặc tính khác nhau, và mỗi khối lưới liên quan với nhau. Vì vây, có 10.000 biến phân phối cho mỗi đặc tính. Mô phỏng mẫu có điều kiện mỗi hình ảnh từ các phân phối này. Kiến thức về 10.000 biến phân phối có thể không được biết chính xác. Thậm chí nếu tạo ra nhiều hình ảnh đại diện chính xác cho phân phối đa biến, chúng có thể không ràng buộc một hình ảnh đúng.

9


Figure 6: So sánh phân phối đúng cho log độ rỗng giữa ước tính kriging và mô phỏng có điều kiện (1D) (Kelkar and Perez, Applied Geostatistics for Reservoir Characterization).

10


Figure 7: So sánh giữa ước tính kriging và mô phỏng có điều kiện (2D) (Kelkar and Perez, Applied Geostatistics for Reservoir Characterization).Vì có thể không bao giờ đánh giá phân phối đa biến một cách chính xác nên mục đích là kết hợp nhiều thông tin nhất có thể trong toàn bộ quá trình mô tả vỉa. Mô hình không nhất thiết phải đúng với thực tế, 11


chỉ cần chọn được mô hình chính xác nhất trong các mô hình hợp lý nhất là đã thỏa mãn.d. Ph ương pháp mô phỏng dựa trên ô lưới (Grid-Based Simulation Methods):Kĩ thuật mô phỏng dựa trên ô lưới giả thiết vỉa có thể bị gián đoạn được chia thành nhiều khối lưới. Trong mỗi khối lưới đơn, giả thiết đặc tính là đồng nhất. Vì vậy, các khối lưới phải đủ tốt để mô tả chi tiết hơn.II. Mô hình tướng dựa trên ô lưới (Cell Based Facies Modeling): 1. Giới thiệu: Mô phỏng vỉa và ra quyết định dựa yêu cầu phân phối 3D của thuộc tính thạch học (petrophysic attribute) như độ rỗng, độ thấm và độ bão hòa. Không cần trực tiếp mô hình tướng đá. Tuy nhiên, tướng đá được xem là quan trọng vì đặc tính thạch học thường tương quan cao với các loại tướng đá. Kiến thức về các loại tướng đá phục vụ cho ràng buộc về bán kính biến đổi của phân phối các đăch tính bên trong tướng đá. Tướng đá được phân biệt bởi kích thước hạt hoặc bất kì đặc điểm phân biệt khác. Ví dụ, đá phiến sét, đá cát kết, đá vôi, đá đolômit khác nhau từng đôi một. Chúng là yếu tố đầu tiên và quan trọng nhất liên quan đến việc ra quyết định.2. Phương pháp luận: Trước khi bắt đầu một mô hình thạch học nên cân nhắc xem đó có phải là một mạo hiểm đáng giá. Mô hình tướng đá không phải luôn cải thiện dự đoán về đặc tính vỉa. Để ra quyết định này dễ dàng hơn cần xem xét những yếu tố sau:Các loại tướng đá phải có kiểm soát đáng kể trên các đặc tính thạch học; mặt khác mô hình 3D phân phối các tướng có một lợi ích nhỏ do độ bất định sẽ không được giảm và các mô hình kết quả sẽ không có năng lực dự đoán nhiều. Kiểm soát đáng kể: Biểu đồ phân phối tần suất của độ rỗng hoặc độ thấm trong các tướng khác nhau nên có sự khác biệt đáng kể về giá trị trung bình, phương sai, và hình dạng, ví dụ, hơn 30%. Đo lường hàm độ bão hòa giữa các tướng không nên chồng lên nhau.

12


Các tướng phải được nhận biết tại các vị trí giếng, từ dữ liệu log giếng cũng như từ dữ liệu mẫu lõi. Kiểm tra cẩn thận dữ liệu mẫu lõi cho phép nhận biết nhiều tướng, tuy nhiên, sẽ có độ bất định lớn trong mô hình 3D của các tướng chi tiết này nếu chúng không khể được xác định từ lượng lớn dữ liệu log giếng. Sự xem xét này là dễ dàng để kiểm tra.Các ràng buộc trong sự lựa chọn các tướng phải có mô hình không gian biến thiên đơn giản. Sự phân phối các tướng nên được mô hình dễ dàng như dự đoán trực tiếp độ rỗng và độ thấm.Có bao nhiêu tướng nên được mô hình? Số tướng được mô hình là một quyết định phải được thực hiện tại thời gian đang mô hình, tuy nhiên, có một số lời khuyên được đưa ra. Hai tướng đá “thực” (net) và một tướng đá “không thực” (non – net) thường cung cấp đủ chi tiết cho hầu hết các vỉa. Giới hạn khả năng khai thác là ba tướng đá thực và ba tướng không thực. Vượt quá giới hạn này mô hình trở nên gần như không khai thác được. Các tướng đá được phân biệt bằng việc chọn mô hình kĩ thuật: Mô hình dựa trên ô lưới (hoàn toàn ngẫu nhiên).Mô hình dựa trên đối tượng (một phần ngẫu nhiên và một phần xác định).Mô hình xác định (hoàn toàn xác định).Chú ý rằng mô hình xác định luôn được ưu tiên khi có đủ dữ liệu và bằng chứng cho phân phối tướng để loại bỏ bất kì nghi ngờ cho phân phối 3D. Mô hình dựa trên ô lưới là phương pháp không được ưu tiên nhất cho mô hình tướng đá vì một số lý do:Dữ liệu cục bộ được tôn trọng trong mô hình.Yêu cầu thống kê có thể được ưu tiên từ dữ liệu cục bộ ( dữ liệu giếng và dữ liệu log).Dữ liệu mềm và các hướng quy mô lớn (các hướng quy mô nhỏ được xử lý bởi dữ liệu) được hợp thành mô hình trong một hình dạng đơn giản.Các kết quả xuất hiện đặc biệt thực tế khi không có các thành hệ địa chất rõ rệt. 13

Kĩ Thuật Mô Phỏng Có Điều Kiện

Documents

Transcript of Kĩ Thuật Mô Phỏng Có Điều Kiện