用于优化多点统计仿真中的调节数据的数量的系统和方法
【专利摘要】一种用于优化多点统计仿真中所使用的调节数据的数量的计算机系统和计算机实现的方法。所述方法包括：输入表示地下地质异质性的训练图像；并且输入调节数据的初始保守数量。所述方法还包括：选择模板的几何形状，其中，模板的大小由调节数据的保守数量限定；通过下述方式来使用模板构建搜索树，即，用模板扫描训练图像，并且将存在于训练图像中的数据模式存储在搜索树中以获得多种模式；并且确定调节数据的阈值数量，所述阈值数量小于调节数据的初始保守数量，超过所述阈值数量所估计的相概率不会被附加数量的调节数据大幅修改。
【专利说明】用于优化多点统计仿真中的调节数据的数量的系统和方法
【技术领域】
[0001]本发明总地涉及计算方法，更具体地讲，涉及一种用于优化多点统计仿真中所使用的调节数据的数量的计算机系统和计算机实现的方法。
【背景技术】
[0002]在石油工业中的油田的表征中，使用地质统计学的3D建模通常用于评估储层异质性和连通性。地质统计学通常使用kriging来在数据点或调节数据之间进行插值。调节数据包括测井硬数据，但是还可以包括软数据，典型地，地震数据。
[0003]常规的3D建模方法基于变量图或两点统计。基于变量图的算法允许使用基于像素的方法来整合井数据和地震数据。首先，将井数据分块到储层地层网格，即，将井数据值分配给井穿透并且取样的单元。然后，使用某一形式的kriging，以井数据和地震数据为条件对储层地层网格中的所有未取样单元进行仿真。然而，使用常规的基于变量图的方法构建的模型通常大多与地质学解释不一致。基于变量图的地质统计学不足以整合地质概念:两点统计变量图不允许对复杂的地质异质性进行建模。结果，基于变量图的方法通常产生提供不良的储层性能预测的模型。
[0004]在过去的10年里，传统的基于变量图的方法已经被多点统计(MPS)方法取代。MPS方法用地下地质学的3D数字概念模型取代传统的变量图，所述3D数字概念模型也被称为训练图像。
[0005]MPS仿真是使用概念性地质模型作为3D训练图像(或训练立方)来产生在地质学上逼真的储层模型的储层相建模技术。训练图像基于测井解释和储层构型建模中的一般经验来提供地下地质地物的概念性描述。MPS仿真从训练图像提取多点模式，并且将这些模式锚定到储层井数据。
[0006]3D数据模板由用户提供以定义将从训练图像再现的多点模式的维度。具体地讲，3D数据模板的大小对应于用于在MPS仿真处理期间从训练图像推断统计数据的调节数据的最大数量。模板越大(即，调节数据的数量越多)，训练图像所显示的地质特征的再现越好。然而，因为MPS仿真的计算时间随着模板的大小成指数增加，所以在仿真计算时间与训练模式再现质量之间进行权衡。权衡是要建模的相的数量和训练图像的复杂度的函数。
[0007]针对给定的训练图像优化模板大小(S卩，MPS仿真中所使用的调节数据的数量)的一种常规方法是通过试错法，在试错法中，多个MPS仿真使用各种模板大小运行，并且保留允许合理的训练图像再现的最小模板大小。然而，该常规方法的计算时间非常密集(即，CPU时间密集)，并且很少被使用。相反，常见的常规方法由以下步骤组成，即，由有经验的建模者将模板大小(即，调节数据的最大数量)设置为保守的并且高到足以确保合理的模式再现(即使使用复杂的多相训练图像)的任意数量。例如，在某些情况下，默认模板大小被设置为40个单元。在这种情况下，模式再现在大多数情况下是令人满意的。然而，一个缺点是仿真可能占用几个小时(在某些情况下，数十个小时)。
[0008]因此，需要一种消除常规方法中的这些和其他缺陷的用于优化调节数据模板以便找到最佳的模板大小或最佳的调节数据数量的方法，所述最佳的模板大小或最佳的调节数据数量将最小化MPS仿真的计算时间，同时保持训练模式再现质量。
【发明内容】
[0009]本发明的一方面是提供一种用于优化多点统计仿真中所使用的调节数据的数量的计算机实现的方法。所述方法包括:将表示地下地质异质性的训练图像输入到计算机中；将调节数据的初始保守数量输入到所述计算机中；由所述计算机选择模板的几何形状，其中，模板的大小由调节数据的初始保守数量限定；使用所述计算机，通过下述方式来使用模板构建搜索树，即，用模板扫描训练图像，并且将存在于训练图像中的数据模式存储在搜索树中以获得多种模式；并且由所述计算机确定调节数据的阈值数量，所述阈值数量小于调节数据的初始保守数量，超过所述阈值数量所估计的相概率不会被附加的调节数据大幅修改。
[0010]本发明的另一方面是提供一种用于优化多点统计仿真中的调节数据模板的系统。所述系统包括:计算机可读存储器，其被配置为存储输入数据，所述输入数据包括表示地下地质异质性的训练图像；以及调节数据的初始保守数量。所述系统还包括与计算机可读存储器进行通信的计算机处理器，所述计算机处理器被配置为:读取所述输入数据；选择模板的几何形状，其中，模板的大小由调节数据的初始保守数量限定；通过下述方式来使用模板构建搜索树，即，用模板扫描训练图像，并且将存在于训练图像中的数据模式存储在搜索树中以获得多种模式；并且确定调节数据的阈值数量，所述阈值数量小于调节数据的初始保守数量，超过所述阈值数量所估计的相概率不被附加的调节数据大幅修改。
[0011]尽管根据本发明的一个实施例的方法的各个步骤在以上段落中被描述为按一定的次序发生，但是本申请不受各个步骤发生的次序限制。事实上，在替代实施例中，各个步骤可以按与以上描述的或本文中以其他方式描述的次序不同的次序执行。
[0012]当参照附图考虑以下描述和所附权利要求书时，本发明的这些和其他目的、特征和特性、以及结构的相关元件的操作方法和功能、以及部件的组合和制造的经济性将变得更清楚，所有附图形成本说明书的一部分，其中，相似的标号在各个图中指定相应的部分。然而，将明确地理解的是，附图仅仅是出于例示说明和描述的目的，而非意图作为本发明的限制的定义。如本说明书和权利要求书中所使用的，单数形式“一”和“所述”包括复数指示物，除非上下文另有明确规定。
【专利附图】
【附图说明】
[0013]在附图中:
[0014]图1描绘根据本发明的实施例的多点统计(MPS)储层建模方法的工作流程图；
[0015]图2示出根据本发明的实施例的搜索树的例子；
[0016]图3描绘根据本发明的实施例的模板和用于该模板的数据模式的例子；
[0017]图4A是根据本发明的实施例的模式表的例子的上半部分，所述模式表列出当使用各种模式Tl，T2, T3,…，T9作为所使用的调节数据的数量的函数时找到相(例如，页岩)的各种概率；
[0018]图4B是根据本发明的实施例的模式表的例子的下半部分，所述模式表列出当使用各种模式τ?，T2, T3,…，T9作为所使用的调节数据的数量的函数时找到相(例如，页岩)的各种概率；
[0019]图5是表示计算机系统的示意图，所述计算机系统用于实现根据本发明的实施例的用于优化多点统计仿真中所使用的调节数据的数量的方法；
[0020]图6是根据本发明的实施例的用于优化优化多点统计仿真中所使用的调节数据的数量的计算机实现的方法的流程图；
[0021]图7是图6中所提供的用于确定调节数量的阈值数量的过程的流程图；和
[0022]图8是图6中所提供的确定调节数据的阈值数量的进一步过程的细节的流程图。
【具体实施方式】
[0023]在一个实施例中，MPS仿真包括，在储层地质网格的每个单元处，给定最靠近该单元的调节数据，推断局部相概率(即，每个相存在于单元位置处的概率)。因为MPS仿真是顺序仿真方法，即，储层地层网格中的所有未取样单元都被沿着随机路径访问和仿真，所以调节数据包括分块到地质网格的原始测井数据以及以前仿真的单元。
[0024]图1描绘了根据本发明的实施例的MPS储层建模方法的工作流程图。所述方法包括:在S10，构建期望的地质区域10中的网格，并且解释该网格内的特定单元处的相。所述方法还包括:在S12，构建训练图像12。尽管训练图像12被显示为两维，但是训练图像事实上是3D训练图像或训练立方。在一个实施例中，训练图像12可以被构建为不包含绝对或相对空间信息的一组相模式，即，训练图像不受井数据制约。训练图像可以例如使用来自航空摄影、露头图片、手绘素描等的信息而产生。构建训练图像的最常规的方法在于产生基于无条件对象的模型。首先，描述每个相的维度、形状和方位，然后指定各个相(砂、页岩、粘土等)之间的关联。接着，在S14，可以指定训练图像内的各个相的几何形状约束(诸如方位角、对象大小等)14和比例约束(即，相比例图或相比例曲线)16。
[0025]MPS建模方法还包括，在S16，执行MPS仿真以获得显示出相模型的仿真图像18。MPS仿真在储层地质网格的每个单元处，在最靠近该单元的调节数据给定的情况下，推断局部相概率(即，每个相存在于单元位置处的概率)，并且使用Monte-Carlo方法来从这些概率绘制相值。通过在训练图像中查找与调节数据匹配的所有模式来推断局部相概率。所述方法还可以包括，在S18，用孔隙率和/或渗透率参数填充相模型以获得表示相对孔隙率和/或渗透率的图像20。
[0026]局部相概率的计算包括对在训练图像中可以找到与调节数据类似的模式(S卩，具有与调节数据相同的地质构造和数据值的模式)的次数进行计数。在另一个实施例中，不是重复地针对将被仿真的每个单元扫描训练图像，而是在仿真之前将存在于训练图像中的所有模式都存储在被称为搜索树的动态数据结构中。只有实际上在训练图像上出现的模式存储在搜索树中。定义限制这些模式的几何广度的数据模板。该数据模板的大小对应于将用于对每个未取样单元进行仿真的调节数据的最大数量。搜索树存储在存储装置或存储器中。搜索树被组织为使得可以相对快地检索任何特定模式，从而在给定任何特定的调节模式的情况下相对快地计算相概率。搜索树通过下述方式而构建，即，用数据模板仅扫描训练图像一次，并且将存在于训练图像中的数据模式存储在搜索树中以形成模式表中的多种模式。数据模板越大(即，用于对每个未取样单元进行仿真的调节数据的最大数量越多)，模式表或搜索树越大，并且从模式表检索相概率所花费的时间越多。例如，如果建模者想要使用最多40个调节数据，则用由40个单元组成的数据模板产生模式表。例如，如果每个单元可能是砂或页岩，则与数据模板相应的并且可能出现在训练图像中的置换模式的最大数量大约为240个(大约1012个)，这是相当大的。如果调节数据的数量降至少于40个，例如，20个，则在训练图像中可以找到的置换模式的最大数量降至220个(大约106个)，这导致节省存储器空间，最终，缩短用于检索模式表内的概率的计算时间。如果调节数据的数量降至非常低的水平，例如，诸如5个单元，则用户将具有从训练图像捕捉模式的困难，并且如果例如在训练图像中存在通道(即，训练图像本质上有些复杂)，则将不能再现训练图像中的模式。因此，在调节数据的以下两个数量之间存在妥协或权衡，即，再现训练图像中的地质模式、但是用于运行MPS仿真以从搜索树检索训练模式的计算时间(例如，小时数)增加的很大的保守数量，以及实现MPS仿真的相对快的计算时间、但是从训练图像再现模式的再现性降低的低数量。
[0027]图2示出了根据本发明的实施例的搜索树的例子。搜索树40是从训练图像构建的在附近的调节数据给定的情况下提供相概率的数据结构。
[0028]图3描绘了根据本发明的实施例的数据模板的例子。模板60的几何形状由用户提供以限定存储在搜索树中的模式的最大大小和3D维度。对于从业者的一个主要挑战是选择模板60的大小(例如，单元的数量)。模板越大，使用的调节数据越多，并且局部相概率的推断越准确精密。然而，模板越大，从搜索树检索模式和相概率所花费的时间也越长。实际上，MPS仿真计算时间随着模板大小成指数增加。通过用模板60扫描训练图像，在搜索树中获得多种模式。模板60还描绘了具有调节单元62和调节单元62的调节模式，调节单元62具有页岩相，调节单元64具有砂相。用“X”标记的单元是未知相，而用“？”标记的单元表示要仿真的单元。模板60具有32个单元，即，大小为32个,并且包含25个已知的调节数据，这些调节数据要么是页岩相，要么是砂相。在调节单元62和64给定的情况下，在用“？”标记的居中的单元处获得页岩或砂的概率可以从通过使用模板60扫描训练图像而构建的搜索树计算得到。
[0029]为了以调节模式60为条件计算相概率，MPS仿真检索与25个已知的调节数据匹配的所有的训练模式。理论上，与调节数据62和64匹配的可能的模式的数量可能很大。例如，在诸如页岩和砂的两个相的情况下，7个用“X”标记的不知情单元中的每一个可能要么在页岩中，要么在砂中，这产生27 = 128种可能的模式。在实践中，实用模式的数量低于128个，因为一些模式是纯随机的，并且就地质学而言，它们不具有意义，因此它们不存在于训练图像中，并且不被存储在搜索树中。
[0030]目前，用户选择保守的、相当大的模板大小，即使当MPS仿真计算时间可能花费几个小时时，例如，在复杂的多相训练图像的情况下，该模板大小也提供可靠的相概率。然而，在利用多相训练图像(即，具有多于两个的相的图像)的情况以及训练图像的几何形状本质上可能复杂的情况下，这可能不是最佳策略。
[0031 ]因此，在本发明的一个实施例中，提供一种优化模板大小、同时实现相对准确精密的相概率的方法。因此，在一个实施例中，目标是找到提供准确精密的相概率的调节数据的最少数量。
[0032]在一个实施例中，所述方法包括当推断局部相概率时估计通过附加的调节数据带来的信息的值。所述方法还包括定义阈值，超过该阈值附加的调节数据不会大幅修改所估计的相概率。为了找到该阈值，所述方法对于存储在训练图像中的每种模式计算作为调节数据的数量的函数的相应的相概率。
[0033]图6是根据本发明的实施例的用于优化多点统计仿真中的调节数据模板的计算机实现的方法的流程图。所述方法包括，在S80，将表示地下地质异质性的训练图像输入到计算机中。所述方法还包括，在S82，将调节数据的初始保守数量输入到所述计算机中。调节数据的保守数量意指调节数据的提供相对准确的相概率的数量。例如，在一个实施例中，调节数据的保守数量可以被设置为等于40个单元。所述方法还包括在S84，由所述计算机选择模板的几何形状，其中，模板的大小由调节数据的保守数量限定。所述方法然后在S86，使用所述计算机，通过下述方式来构建搜索树，即，用模板扫描训练图像，并且将存在于训练图像中的数据模式存储在搜索树中以获得多种模式，并且在S88，进一步由所述计算机确定调节数据的阈值数量，该阈值数量小于调节数据的初始保守数量，超过该阈值数量所估计的相概率不会被附加的调节数据大幅修改。例如，如果调节数据的阈值数量为20个，则当使用多于20个的调节数据数量，诸如21、22等时，在调节数据数量等于20个的情况下获得的所估计的相概率无明显改变。
[0034]在一个实施例中，包括对嵌套的越来越精细的网格进行仿真的多网格仿真方法可以用于MPS仿真以从训练图像捕捉大规模特征，在这种情况下，一些模板需要在粗网格上定义。例如，一开始，MPS可以对原始的储层地层网格的每第8个单元进行仿真(在每个X方向、y方向和Z方向上)。然后，MPS可以顺序地对原始地层网格中的每第4个单元、每第2个单元，最终，所有的其余的单元进行仿真。结果，需要针对每个嵌套网格重新定义模板。因为模板在网格之间变化，所以本文中所描述的方法适用于每个嵌套网格。实际上，调节数据的最佳数量也在网格(以及相应的模板)之间变化。因此，在一个实施例中，当使用多网格仿真时，选择模板的几何形状包括使用以前仿真的、较粗的网格中的知情单元以及将被仿真的当前的更精细的网格中的不知情单元两者。
[0035]在一个实施例中，选择几何形状包括选择椭圆几何形状、圆形几何形状或多边形几何形状、或者根据训练图像的任何其他几何形状。Strebelle的美国专利申请公开N0.US2006/0041410中提供了确定几何形状的示例方法，该申请的全部内容通过引用并入本文。
[0036]图7是图6的S88处所提供的用于确定调节数据的阈值数量的过程的流程图。在一个实施例中，如以上段落中所阐述的，确定过程包括在S90，对于所述多种模式中的每种，确定作为调节数据的数量的函数的相应的相概率。在一个实施例中，S88处的确定包括在S92，由计算机使用搜索树来使用调节数据的初始数量计算所述多种模式中的第一模式的中心位置处的相的概率，所述初始数量默认设置为0。确定过程还包括:在S94，由计算机递增调节数据的初始数量，并且重复使用搜索树计算所述多种模式中的第一模式的中心位置处的相的概率，直到第一模式的中心位置处的相的概率基本上不会因递增调节数据的初始数量而变化为止。确定过程还包括，在S96，由计算机确定调节数据的第一阈值数量，从该第一阈值数量起，第一模式的中心位置处的相的概率变得基本上不变。
[0037]如在下面的段落中将进一步说明的，在一个实施例中，重复使用搜索树计算所述多种模式中的第一模式的中心位置处的相的概率，直到第一模式的中心位置处的相的概率基本上不会因递增调节数据的初始数量而变化为止包括:重复所述计算，直到第一模式的中心位置处的相的概率的变化不超过当使用所有的调节数据时所获得的最终概率值的所设置的百分比容限值(诸如，5%)为止。
[0038]图8是图6中的S88处所提供的用于确定调节数据的阈值数量的进一步过程的细节的流程图。在一个实施例中，确定过程包括在S100，由计算机重复第二模式的中心位置处的相的概率的计算，直到第二模式的中心位置处的相的概率基本上不变为止。确定过程还包括:在S102，由计算机确定调节数据的第二阈值数量，从该第二阈值数量起，第二模式的中心位置处的相的概率变得基本上不变；并且在S104，由计算机从第一阈值数量和第二阈值数量确定全局阈值数量。可以认识到，在一个实施例中，可以对于存储在搜索树中的多种模式中的每种模式重复该确定过程。将在下面的段落中更详细地说明确定全局阈值。
[0039]图4A和4B提供了根据本发明的实施例的表的例子，该表列出了当使用存储在搜索树中的各种模式T1，T2，T3，…，T9作为所使用的调节数据的数量的函数时找到相(例如，页岩或砂等)的各种概率。该表内的概率从搜索树计算得到，搜索树从训练图像构建。尽管，在该表上报告了九种模式，但是可以认识到，在搜索树中可以存在数百种或者甚至数千种模式。例如，在模式Tl (第一模式)的情况下，当调节数据的数量等于O时，找到给定相的概率为0.648224。给定相的概率随着调节数据的数量增加而提高或降低。然而，在一定数量的(在这种情况下，28个)输入的调节数据之后，给定相的概率基本上不变。这意味着，给定相的概率在阈值数量的(28个)调节数据之后收敛到一个概率值(例如，对于第一模式，0.181818)。这意味着，在这种情况下，使用多于28个的数量的调节数据是计算资源的浪费，并且将只会增加计算时间，而不会在估计相概率时提供额外的精度。类似地，在另一种模式Τ2(第二模式)的情况下也可以进行分析。在这种情况下，如果百分比容限被设置为例如5%，则在调节数据的数量达到28个之后也获得相概率的收敛性。
[0040]在图4Α和4Β中所示的表中的九种模式(第一模式、第二模式等)之中，如果相概率收敛容限被设置为+/-5%，则对于11、了2、了3、了4、了5、了6和了9，在阈值数量的(28个)调节数据之后获得相概率的收敛性，对于Τ7和Τ8，在阈值数量的(25个)调节数据之后获得相概率的收敛性。全局解决方案包括估计可以用于所有模式的调节数据的阈值数量。该全局阈值数量可以被定义为在存储在搜索树中的所有模式上计算的阈值数量的百分位数，例如，90百分位数。在本文中所讨论的例子中，90百分位数将对应于28个调节数据，这意味着对于存储在搜索树中的至少90%的模式，相应的相概率在调节数据的数量达到28个之后收敛(在这种情况下，收敛在被设置为+/-5%的给定容限内)。将模板大小或调节数据的数量从40减小到大约28，结果是缩短用于执行MPS仿真的计算时间。
[0041]全局解决方案将最佳的模板大小定义为调节数据的这样的数量，该数量使得可以至少对于存储在搜索树中的给定比例(例如，90%)的模式在给定容限(例如，5%)内推断相概率。换句话说，确定全局阈值数量包括定义调节数据的阈值数量，在该点，对于树中的所有模式的百分比截止数量(例如，90% )估计的相概率基本上不变。
[0042]全局最佳模板大小在MPS仿真期间用作用于检索局部相概率的调节数据的数量。全局最佳数量根据训练图像的复杂度而变化，但是它通常远低于一开始由用户设置的任意的保守模板大小(例如，40)。这使得可以使总仿真运行时间缩短几个数量级。
[0043]在另一个实施例中，不是使用全局解决方案，而是可以实现局部解决方案，在该局部解决方案中，记录对于每种模式计算的调节数据的阈值数量，并且在MPS仿真期间使用该阈值数量来确定用于根据调节数据所形成的模式检索局部相概率的调节数据的数量。也就是说，不是每一个模板一个阈值(调节数据的一个最佳数量)，而是可以根据模式每一个模板具有多个阈值。例如，调节数据的一个最佳数量可以针对从模板的第一位置处的砂值开始的模式而确定，并且调节数据的另一个最佳数量可以针对从该第一位置处的页岩值开始的模式而确定。
[0044]在一个实施例中，上述一种方法或多种方法可以实现为可以被计算机执行的一系列指令。可以意识到，术语“计算机”在本文中用于包含任何类型的计算系统或装置，包括个人计算机(例如，台式计算机、膝上型计算机或任何其他手持计算装置)、或大型计算机(例如，IBM主机)、或超级计算机(例如，CRAY计算机)、或分布式计算环境下的多个联网计算机。
[0045]例如，所述一种方法(多种方法)可以实现为可以存储在计算机可读介质上的软件程序应用程序，所述计算机可读介质诸如硬盘、CDR0M、光盘、DVD、磁光盘、RAM、EPROM、EEPROM、磁卡或光卡、闪卡(例如，USB闪卡)、PCMCIA存储卡、智能卡或其他介质。
[0046]可替代地，一部分或整个软件程序产品可以经由网络(诸如互联网、ATM网络、广域网(WAN)或局域网)从远程计算机或服务器下载。
[0047]可替代地，代替将所述方法实现为包含在计算机中的一个计算机程序产品(多个计算机程序产品)(例如，软件产品)或者除此之外，所述方法可以实现为硬件，在该硬件中，可以设计例如专用集成电路(ASIC)来实现所述方法。
[0048]图5是表示用于实现根据本发明的实施例的方法的计算机系统100的示意图。如图2中所示，计算机系统110包括处理器(例如，一个或多个处理器)120以及与处理器120进行通信的存储器130。计算机系统110还可以包括用于输入数据的输入装置140 (诸如键盘、鼠标等)以及输出装置150 (诸如用于显示计算结果的显示装置)。
[0049]从以上描述可以意识到，计算机可读存储器130可以被配置为存储输入数据，所述输入数据包括表示地下地质异质性的训练图像；以及调节数据的初始保守数量。处理器被配置为:读取所述输入数据；选择模板的几何形状，其中，模板的大小由调节数据的保守数量限定；通过下述方式来使用模板构建搜索树，即，用模板扫描训练图像，并且将存在于训练图像中的数据模式存储在搜索树中以获得多种模式；并且确定调节数据的阈值数量，所述阈值数量小于调节数据的初始保守数量，超过所述阈值数量所估计的相概率不会被附加的调节数据大幅修改。
[0050]尽管已经为了例示说明的目的基于目前被认为是最实用的优选实施例的内容对本发明进行了详细描述，但是要理解，这样的细节仅仅是出于该目的，并且本发明不限于所公开的实施例，而是相反，意图覆盖在所附权利要求书的精神和范围内的修改和等同布置。例如，要理解，本发明设想，尽可能地，任何实施例的一个或多个特征可以与任何其他实施例的一个或多个特征组合。
[0051]此外，因为许多修改和改变将容易被本领域的技术人员想到，所以并不期望使本发明限于本文中所描述的准确的构造和操作。因此，所有合适的修改和等同都应被认为落在本发明的精神和范围内。
【权利要求】
1.一种用于优化多点统计仿真中所使用的调节数据的数量的计算机实现的方法，所述方法包括: 将表示地下地质异质性的训练图像输入到计算机中； 将调节数据的初始保守数量输入到所述计算机中； 由所述计算机选择模板的几何形状，其中，所述模板的大小由调节数据的初始保守数量限定； 使用所述计算机，通过下述方式来构建搜索树:用所述模板扫描所述训练图像，并且将存在于所述训练图像中的数据模式存储在所述搜索树中以获得多种模式；和 由所述计算机确定调节数据的阈值数量，所述阈值数量小于调节数据的初始保守数量，超过所述阈值数量所估计的相概率不会被附加的调节数据大幅修改。
2.根据权利要求1所述的方法，其中，由所述计算机确定的步骤包括:对于所述多种模式中的每种模式，计算作为调节数据的数量的函数的相应的相概率，所述调节数据的数量等于或小于调节数据的初始保守数量。
3.根据权利要求1所述的方法，其中，所述确定包括: 由所述计算机使用搜索树来使用调节数据的初始数量计算所述多种模式中的第一模式的中心位置处的相的概率； 由所述计算机递增调节数据的初始数量，并且重复使用所述搜索树计算所述多个模式中的第一模式的中心位置处的相的概率，直到第一模式的中心位置处的相的概率基本上不因递增调节数据的初始数量而变化为止；和 由所述计算机确定调节数据的第一阈值数量，从所述第一阈值数量起，第一模式的中心位置处的相的概率变得基本上不变。
4.根据权利要求3所述的方法，其中，重复使用搜索树计算所述多个模式中的第一模式的中心位置处的相的概率，直到第一模式的中心位置处的相的概率基本上不因递增调节数据的数量而变化为止包括:重复所述计算，直到第一模式的中心位置处的相的概率的变化不大于当使用所有调节数据时所获得的相概率值的所设置的百分比容限值。
5.根据权利要求3所述的方法，其中，所述确定还包括: 由所述计算机重复使用搜索树计算所述多个模式中的第二模式的中心位置处的相的概率，直到第二模式的中心位置处的相的概率基本上不变为止； 由所述计算机确定调节数据的第二阈值数量，从所述第二阈值数量起，所述模式的中心位置处的相的概率变得基本上不变；和 由所述计算机从第一阈值数量和第二阈值数量确定全局阈值数量。
6.根据权利要求5所述的方法，其中，确定全局阈值数量包括:选择百分比截止数量，以使得全局阈值数量被计算为调节数据的数量，超过所述数量，至少对于存储在搜索树中的所述百分比截止数量的模式，相概率变得基本上不变。
7.根据权利要求1所述的方法，其中，选择初始模板的几何形状包括:当在多点统计仿真中使用多网格仿真方法时，使用粗网格中的单元。
8.根据权利要求1所述的方法，其中，选择初始模板的几何形状包括:当在多点统计仿真中使用多网格仿真方法时，优化网格内的知情单元的数量。
9.根据权利要求1所述的方法，其中，选择初始模板的几何形状包括选择椭圆几何形状、圆形几何形状或多边形几何形状。
10.根据权利要求1所述的方法，还包括通过使用多种数据模式中的每种数据模式确定所述训练图像内的每个相的相概率来执行多点仿真，所述多种数据模式具有由调节数据的阈值数量限定的大小。
11.一种用于优化多点统计仿真中的调节数据模板的系统，包括: 计算机可读存储器，所述计算机可读存储器被配置为存储输入数据，所述输入数据包括: 表示地下地质异质性的训练图像；以及 调节数据的初始保守数量；和 计算机处理器，所述计算机处理器与所述计算机可读存储器进行通信，所述计算机处理器被配置为: 读取所述输入数据； 选择模板的几何形状，其中，所述模板的大小由调节数据的初始保守数量限定； 通过下述方式来使用所述模板构建搜索树:用所述模板扫描所述训练图像，并且将存在于所述训练图像中的数据模式存储在所述搜索树中以获得多种模式；和 确定调节数据的阈值数量，所述阈值数量少于调节数据的初始保守数量，超过所述阈值数量所估计的相概率不被附加的调节数据大幅修改。
12.根据权利要求11所述的系统，其中，所述处理器被配置为:对于所述多种模式中的每种模式，计算作为调节数据的数量的函数的相应的相概率，所述调节数据的数量等于或小于调节数据的初始保守数量。
13.根据权利要求11所述的系统，其中，所述处理器被配置为: 使用所述搜索树计算所述多种模式中的第一模式的中心位置处的相的概率，所述第一模式使用调节数据的初始数量； 递增调节数据的初始数量，并且重复使用所述搜索树计算所述多个模式中的第一模式的中心位置处的相的概率，直到第一模式的中心位置处的相的概率基本上不因递增调节数据的初始数量而变化为止；和 确定调节数据的第一阈值数量，从所述第一阈值数量起，所述第一模式的中心位置处的相的概率变得基本上不变。
14.根据权利要求13所述的系统，其中，所述处理器被配置为:重复所述计算，直到第一模式的中心位置处的相的概率的变化不大于使用所有调节数据而获得的相概率值的所设置的百分比容限值。
15.根据权利要求13所述的系统，其中，所述处理器被配置为: 重复所述模式的中心位置处的相的概率的计算，直到所述多个模式中的第二模式的中心位置处的相的概率基本上不变为止； 确定调节数据的第二阈值数量，从所述第二阈值数量起，所述第二模式的中心位置处的相的概率变得基本上不变；和 从第一阈值数量和第二阈值数量确定全局阈值数量。
【文档编号】G01V99/00GK104380145SQ201380030685
【公开日】2015年2月25日 申请日期:2013年4月24日 优先权日:2012年6月11日
【发明者】S·B·思垂拜勒, C·E·卡维流思 申请人:雪佛龙美国公司