Método de modelado estocástico geoestadístico multipunto basado en el esqueleto del yacimiento

Como se mencionó anteriormente, el esqueleto del canal del río se utiliza principalmente para métodos de modelado basados ​​en objetivos y métodos de modelado basados ​​en variogramas. El esqueleto del canal del río se utiliza para el modelado estocástico geoestadístico multipunto, es decir, la información contenida en el modelo del esqueleto, como la morfología del canal del río, el tipo de canal del río y la escala del canal del río, se utiliza para restringir y guiar la predicción estadística multipunto de el cauce del río. Este método se denomina método de modelado estocástico geoestadístico multipunto basado en el esqueleto del yacimiento. Dado que el modelo del esqueleto del canal del río se predijo antes del modelado, si la predicción del embalse del canal del río se lleva a cabo a lo largo de la dirección del esqueleto del canal del río, la incertidumbre de la predicción del canal del río se reducirá y la continuidad del canal también se puede obtener bajo La guía del modelo de esqueleto. Los pasos de simulación del método de modelado estocástico geoestadístico multipunto basado en el esqueleto del yacimiento son (Figura 5-11):

1) Preprocesamiento de imágenes de entrenamiento.

2) Generar rutas de simulación aleatorias.

3) Búsqueda de datos condicional. En la dirección principal del río, un cuboide compuesto por la amplitud fluctuante de la línea central del río y el espesor del río se utiliza como ventana de búsqueda para clasificar y ordenar todos los datos de condición en el área de estudio. Seleccione el cuboide con la mayor cantidad de datos sobre la condición del río como punto de partida para la construcción del modelo de esqueleto.

4) Establecimiento del esqueleto objetivo del yacimiento. Tomando la mitad del ancho de la ventana de búsqueda como eje de dirección principal del río, analice los datos de condición del río que se encuentran dentro de la ventana de búsqueda y determine la posición de los datos de condición en el río mediante números aleatorios. En base a la posición de estos datos condicionales en el cauce del río, se determina la posición de la línea central del río. En puntos de datos incondicionales, la posición de la línea central del río se genera basándose en la función gaussiana unidimensional.

5) Generación del cauce del río. A lo largo de la línea media generada del canal del río, se realiza un juicio de similitud y en el punto de la línea media del canal del río, solo se selecciona el patrón más similar que contiene el canal del río.

6) Simular los nodos restantes no simulados. Hasta que se simulen todos los nodos, se completa una implementación de simulación.

Debido al cálculo de similitud, es posible que no se cumpla el porcentaje del cauce del río. Por lo tanto, después de simular todas las líneas centrales del canal del río, se puede calcular el porcentaje del canal del río y, en función del porcentaje del canal del río, se juzga si se deben agregar más líneas centrales del canal del río y continuar simulando el canal del río. Si el porcentaje del canal del río no alcanza el porcentaje deseado, se puede usar una función gaussiana para generar aleatoriamente una línea central del canal del río y generar canales del río a lo largo de la línea central hasta que se cumpla el porcentaje deseado.

Figura 5-11 Proceso de modelado estocástico geoestadístico multipunto basado en el esqueleto del yacimiento

En todo el modelado estocástico, una vez establecido el modelo de esqueleto del canal, la predicción estadística multipunto Restricciones en La distribución de los canales de los ríos se manifiesta principalmente como limitaciones en la selección del modelo de datos, es decir, guiar la selección razonable de modelos de datos para reproducir la morfología y las características de distribución de los canales de los ríos.

Se ha señalado anteriormente que una razón importante para la discontinuidad del cauce del río causada por el método Simpat es la selección aleatoria de patrones de datos, especialmente la selección aleatoria de patrones que no incluyen el cauce del río. en dirección a la extensión de la línea central del río. Por lo tanto, al simular a lo largo de la línea media del cauce del río, se espera que el modelo que contiene el cauce del río se seleccione en la línea media del cauce del río y una vez completada la simulación del cauce del río, se espera que así sea; Habrá ciertas limitaciones en la selección de modos de datos al simular áreas alejadas del cauce del río. Es decir, en áreas alejadas del canal del río, cuando se seleccionan aleatoriamente patrones de datos similares, solo se seleccionan patrones que no incluyen canales del río, evitando así patrones de datos anormales durante el proceso de selección de patrones de datos aleatorios, lo que resulta en una implementación de simulación poco realista.

En el proceso de análisis del método Simpat, la incertidumbre de la selección aleatoria de patrones de datos también incluye la falta de consideración de la información proporcionada por los datos condicionales. Cuando se establece el modelo de esqueleto del río, la información del canal del río también se incluye en el modelo de esqueleto, lo cual es de gran importancia para la selección del modo de datos. Al simular a lo largo de la línea central del río, si la línea central del río es la línea central del río ramal, entonces al seleccionar el patrón de datos más similar, el patrón de datos correspondiente se puede seleccionar solo en el canal del río tributario de la imagen de entrenamiento en función de la información proporcionada por el línea central del río. Obviamente, este tipo de información obtenida del modelo de esqueleto del río puede considerar completamente la naturaleza del cauce del río y guiar la selección correcta de modelos de datos. Cuando cambia la escala del cauce del río, si esta información se considera en el modelo de esqueleto del cauce del río, este patrón de cambio del cauce del río también puede reflejarse en el modelado. De hecho, el método Simpat proporciona bandas de imágenes de entrenamiento para distinguir diferentes tipos de reservorios sedimentarios. Esto proporciona una base para considerar la escala o naturaleza del cauce del río.

Si se clasifican ríos de diferentes tamaños y propiedades y se utilizan diferentes códigos para representar las propiedades de dichos ríos, durante el preprocesamiento de imágenes, los ríos de diferentes tamaños y propiedades se procesan de acuerdo con diferentes categorías para formar las respectivas imágenes de entrenamiento. canales de ríos de diferentes escalas y propiedades de manera diferente durante el modelado, estableciendo así con mayor precisión la distribución de canales de ríos con diferentes escalas y propiedades.

Restringir la selección del modo de datos a través del modelo de esqueleto del río también puede resolver eficazmente el problema no estacionario en el modelado del río. En el método Simpat, debido a que no se considera la información de cambio de escala y bifurcación del río, las restricciones de selección del modelo de datos son insuficientes durante el modelado y la transformación de escala y bifurcación del río no se puede reproducir. El método basado en el modelo de esqueleto puede identificar el canal principal y los canales secundarios, así como los cambios en la escala del cauce del río a través de la información del esqueleto del río, lo que limita la selección de modos de datos. Debido a la ramificación y cambios de escala del cauce del río, se puede entender como una manifestación de las características no estacionarias del cauce del río. Por lo tanto, se considera que la información proporcionada por el modelo de esqueleto del río selecciona correctamente el modelo de datos, lo que resuelve en cierta medida el problema de la no estacionariedad del río.

Por lo tanto, una vez establecido el modelo de esqueleto del río, para reflejar completamente las limitaciones del modelo de esqueleto del río en la selección del modo de datos, la información proporcionada por el modelo de esqueleto del río debe considerarse en el cálculo de similitud. y proceso de selección. Como tipo de río, tamaño, etc. Después de dicha consideración, se hicieron algunas modificaciones a los pasos 5) y 6 anteriores):

Paso 5): En la línea central del río, con base en la información que lleva la línea central del río, como la naturaleza y escala del río, la similitud es Al realizar el cálculo, en las imágenes de entrenamiento solo se consideran los canales del río que contienen la información correspondiente y se seleccionan de ellos los patrones de datos más similares.

Paso 6): Una vez completada la simulación de la línea central del río, calcule el porcentaje del cauce del río. Cuando el porcentaje del cauce del río es menor que el valor esperado, la línea media del cauce del río se genera aleatoriamente en el área no simulada y luego se simula el cauce del río hasta que el porcentaje del cauce del río alcanza el valor esperado.

Paso 7): Una vez completada la simulación del río, para los nodos no simulados, si no contienen información del canal del río, solo se considerarán los patrones de datos que no contienen canales del río al realizar cálculos de similitud. Cuando se simulan todos los nodos, se completa la implementación de la simulación.