简介:油藏描述是根据数模参数来描述油藏、以便对其进行动态预测的一种方法。我们介绍了一种采用专用设计的遗传算法来搜索最有可能与油藏的测量结果拟合的油藏描述方法。该遗传算法使用六个染色体来代表不同类型的油藏参数。其中三个染色体具有多维实数结构,而另外三个染色体则为一维二进制数组。创造了专门设计的交换和变异算子与非标准的基因组结构一同使用。该方法在真实、复杂的人造油藏模型上进行了试验,并与模拟退火(SA)算法进行了比较。我们证明,遗传算法能获得比模拟退火算法更好的结果,可与人工计算所能得到的结果相媲美。此外我们还证明,对于算法建立的详细过程而言,遗传算法的性能是稳健的。因为该算法易于进行并行处理,对于被丢失和被破坏的解具有稳健性,且能返回一组良好的解,因此它是自动油藏描述算法中的一种理想方法。
简介:基于相关矩阵特征向量的目标分解将地物回波复杂的散射过程分解成相互独立的三种单一散射分量:单向散射、双向散射和交叉散射,分别对应各自的目标相关矩阵.目标分解技术降低了散射回波之间的相关性,有利于分析地物散射机理,有助于提高分类精度.对荷兰Flevoland地区全极化数据进行分解,经过试验和相关性分析,选用7种数据形成多参数数据组合,对其进行最大似然监督分类,同时进行常规三种极化加相位差的分类和基于复Wishart分布的最大似然分类,逐像元计算混淆矩阵,分析对比三种分类结果的精度,试验表明:相对于常规数据组合分类,基于复Wishart分布的监督分类可以小幅度提高分类精度,而利用目标分解得到多参数组合数据进行分类则有大幅度的提高。
简介:对石油地质学家来说,渗透率是一个关键的参数。在多孔介质模型中模拟压实和胶结过程,获得了砂岩储层中渗透率如何受到控制的新认识。对简单砂岩,这种认识可用于预测渗透率。若模型的孔隙几何形态完全被确定,使用流动网格模型则可直接计算渗透率。这种计算所取决的基本原理,在物理上是严密的。与许多以前预测渗透率的方法相比,在计算中勿需调整参数,不需要附加的测量或对比(例如,毛管压力资料或岩石薄片的孔隙资料)。对于致密砂岩、石英胶结砂岩或致密石英胶结砂岩,由模型得出的孔隙度和渗透率趋势与Fontainebleau砂岩样品的测量结果非常一致。这些砂岩样品的渗透率跨度几乎达5个数量级。这种模型也正确地预测了Fontainebleau砂岩孔喉大小分布的压汞测量结果。我们发现,模型的孔隙几何特性在空间上是相关的,这种随机性偏离的空间分布特征大大影响宏观特性,如渗透率。预测和测量结果的一致性表明,空间相关性在粒间孔隙介质中是固有的。因此在这种介质中转移的不相关(或任意相关)模型在物理上不具代表性。我们也讨论了把这种模式延伸到预测较复杂的岩石性质。