petrel学习资料Word文档下载推荐.docx

1、该方法主要适用于油田勘探阶段以及开发早期井间砂体和非渗透镉夹层的描述，也可以用于岩芯的描述。 布尔模拟能够忠实某种离散参数的地质形态，如河道、沉积砂体等。该方法的主要优点是：（1）很容易用于二维和三维建模；（2）所用的参数较少；（3）非常灵活。它的主要缺点在于统计推导复杂且困难，模拟结果很难忠实于局部的数据，如钻井所遇到的岩性序列，这些缺点限制了这一方法更广泛的应用。2示性点模拟法 这种方法的优点是难以条件化到已知的实验数据，优点是服从于几何形体的空间分布。对于辫状分流河道沉积相的模拟，可以建立相应的随机模型，并给出相应的结果。这种模拟方法非常优秀，能够模拟任意定义的几何形态。然而，麻烦就在于

2、我们无法知道模拟对象（三类储层）的几何形态、长度、宽度、高度和垂向倾角，水平方向倒可以知道。3序贯指示模拟方法 在序贯指示模拟方法中，不要求对条件分布的参数形式作任何假设，在现有数据和其它相关资料的基础上，根据门楷值将条件数据转化为指示数据。根据相应的指示变差函数，应用简单指示克里格给出每个网格节点处条件分布的估计值。序贯指示模拟最大的优点是可以模拟复杂各向异性的地质现象及连续分布的极值。对于具有不同连续性分布的类型变量（相），可指定不同的变差函数，从而可建立各向异性的模拟图像。其它优点在于：（1）数据的条件化是模拟的一个整体部分，无需作为一个单独的步骤进行处理；（2）变量的分布形式无需作任何

3、假设；（3）协方差或变差函数不限定于某些特殊类型；（4）能综合软信息。主要缺点是：由用户定义的一些参数，参数如果选择不好，产生的结果会存在一些差异性，也就是随机性模拟的不确定性问题。我看操作手册中介绍在计算储量时可以自动生成直方图的,是否在histogramwindow下,在Result中的volumetrics下勾选相应的参数就可以了?我是这样试的,但什么也没显示,是否是要运算到一定的次数才可以生成直方图呢?请指教.这种直方图是储量分布的概率累积分布图，需要多次储量运算结果才能得到这个图。那具体需要多少次运算有要求吗?我按照储量计算不确定性工作流程,做了10个loop,还是得不到概率分布图1

4、0个就已经可以绘制概率累积分布图了。把断层面上的horizon lines 调整之后，重新 make horizon，为什么结果不符合我所做的调整呢？是因为断点的问题，还是我某些地方的选择不对？在Make Horizons 对话框里，需在Settings 表单下的Fault Re-sampling from the Fault Model项选中Lock all Re-sampled Horizon ，这时make horizon才能用到修改后的fault line数据。如果fault line（horizonline）修改幅度不是很大，可以用另一种快速方法调整断层线附近的层面：在欲修改的层面上

5、点击右键调用Settings菜单，选择Operation表项，在Resample to/from fault 下单选第一个按钮Fault model 3D grid后选择断层模型， 执行Resample，很快就可以修改此层面welltops里面如何输出分层的TVD数据Joseph：wells里面的tvd（）well tops里面的ZSSTVD（Sub sea true vertical depth）1、把Wellheader文件当作Production Log输入（KB为某种Production Log，其它忽略），2、然后把KB曲线转换为Well Tops上的一个Attribute。3、在W

6、ell Tops/Attribute上打开计算器，把Z和KB在做一个计算就可以获得最终TVD的Attribute了。各位大侠，小弟刚刚接触petrel，现在对数据分析很模糊，看了不少的变差函数和地质统计学方面的论文及资料，但接触实际情况时还是不懂！数据分析时带宽、搜索半径和步长应该怎样根据实际情况来定。谢谢好心人回复，小弟第一次发帖，急切等待回复！翻过了很多帖子，总结如下（所有权属于以前的作者）：数据分析时带宽半个工区的宽度、搜索半径半个工区的长度，和log distance 1-1.5个井距。容差角需要考虑你的井网形状。我认为一般要大于你的井网的最小角。如果不对，欢迎指正啊。有100口井在平

7、面上一组裂缝线，井和井间知道动态链接的裂缝线，怎么能投影到模型里做裂缝模型，遵守裂缝线走向Overview of Discrete Fracture Network （DFN） ApproachesThe movement of hydrocarbons and other fluids in fractured reservoirs or in conventional reservoirs with significant fracture permeability often is not as expected or predicted. This behavior is seen i

8、n early water breakthroughs; reduced tertiary recovery efficiency due to channeling of injected gas or fluids; dynamic calculations of recoverable hydrocarbons that are much less than static mass balance ones due to reservoir compartmentalization; and dramatic production changes due to changes in re

9、servoir pressure as fractures close down as conduits. These problems often lead to reduced ultimate recoveries or higher production costs. Production experience with fractured reservoirs has repeatedly shown how understanding and exploiting the fracture connectivity at the reservoir scale is an impo

10、rtant factor for optimizing reservoir performance. Discrete fracture network （DFN） models portray fractures and their fracture connectivity very differently from other methods. For example, the conventional method to simulate fracture-dominated reservoirs is to represent the rock as a dual-porosity,

11、 dual-permeability continuum. The matrix is represented as blocks or slabs. The fractures are mathematically represented as another continuum spatially coincident with the block faces. The properties of each matrix block are represented as a symmetrical tensor, and the properties are continuous thro

12、ughout the entire block. Smaller fractures within each matrix block are coupled to the rock by means of factors that are related to the fracture geometry, such as the Sigma factor. Values for the fractures are generally specified as transmissibility multipliers.This type of numerical model cannot re

13、produce many commonly observed types of fractured reservoir behavior because it does not accurately reflect the geometry of fluid flow pathways. Conventional dual-porosity models do not explicitly model the geometry of discrete fractures, solution features, and bedding that control flow pathway geom

14、etry. This inaccurate model of discrete feature connectivity results in inaccurate flow predictions in areas of the reservoir where there is not good well control. DFN models afford an alternative approach. These models more realistically model the connectivity of the faults and joints that give ris

15、e to reservoir-scale and well-scale non-continuum flow behavior. In the DFN model, each conductive fracture is modeled explicitly as one or more 1D, 2D, or 3D element. Physical properties such as transmissivity or storage, and geometrical properties such as size, elongation and orientation are assig

16、ned to each polygon based upon measured data or geologically conditioned statistical distributions derived from measured values. A DFN model typically combines deterministic and stochastic discrete fractures. The deterministic fractures are those directly imaged through seismic or intersected in wel

17、ls. Other, usually smaller-scale fractures may not have been detected through seismic, yet may be very important for reservoir performance. These fractures are generated stochastically. The geometrical and physical properties for these stochastic fractures are assigned through Monte Carlo sampling o

18、f relevant distributions, which may also be conditioned to both structural geology and depositional framework. Examples of fracture models conditioned to fault systems, folding, doming and three-dimensional stratigraphic reconstructions are shown. One of the many advantages of the DFN approach is th

19、at it makes consistent use of a wide variety of disparate geological, geophysical and production data, which conventional dual-porosity models cannot incorporate to the same extent. Data which can be used for constructing DFN models can be derived from lineament maps, outcrops, 2D and 3D seismic, we

20、ll logs of various types, core, single well and multi-well production tests, flow logs, injectivity profiles, as well as structural or depositional conceptual models. Specialized tools have been developed to derive the necessary input data for DFN models from these sources, as illustrated in the pre

21、sentation.DFN models have been used for a wide variety of exploration and production purposes over the last decade. 突然想到的，似乎可以实现，但是没有经过测试：1、老套路，把Polygons做Surface，算法还是Artificial algorithms，参数已经给你说过。结果我们暂称SurfaceA2、Make simple grid，做一个方盒子网格，垂向和横向要足够精细。结果我们暂称GridB3、在GridB基础上构建Facies Model，使用Assign valu

22、e的办法，输入Surface就是SurfaceA。结果我们暂称FaciesC4、把FaciesC转换为Seismic（这需要一个地震数据作Template）。结果我们暂称SeismicD5、把SeismicD改成Ant模板，然后使用SeismicD做Automatic fault extraction。其结果断片数据我们暂称FPatchesE6、Create discrete fracture network，使用Deterministic算法，数据源使用FPatchesE另一个可能性方案：1、创建一个新模型2、利用Polygons直接作垂直断层3、把垂直断层转换为Fault Surfaces

23、4、然后从上面方案一所作步骤6，输入为这些Fault Surfaces方案一的优点在于我们可以对于裂缝的倾角、方位角作一些变化或者朦胧化处理。缺点就是要应用到地震模块还有Ant Tracking许可的问题也比较突出。3答：告诉你一个最笨，但也最简单、最可靠、最准确的方法：做一个相模型，然后在模型上根据解释的裂缝一个K网格一个K网格的用刷子刷。裂缝的三维形态不管多复杂都可以准确的表达出来。然后把刷好的相模型输出成地震数据体，以后你想怎么用都可以了。试想一下，刷一个K网格最多需要一分钟。一个小时就可以刷60个K网格，一天坐着不动地方，完全可以把整个模型刷完。不一定比反复计算麻烦多少。顺便透露一下，

24、刷模型是我常用的一种方法。遇到依靠计算不好解决的问题，我一般都会直接上刷子。我将其称之为“模型解释”，归为地质综合研究的一部分。我加载的射孔数据，最后不能输出来呢？对射孔数据进行粗化，然后用Connection格式输出就可以有谁知道辫状河流相沉积砂体主变程值各位大侠？我在建的是渤海辫状河流砂体模型，（开发中后期，井距为300-400m）。由于没有经验，不知道该主变程值应该取多大合适，根据你们的经验，帮我看看下面的变差设置是否合适？有哪位曾建过辫状河流沉积的模型，辫状河流沉积的砂体通常主变程设为多少合适？是否可以给个大致区间范围？这个变程具有不确定性，同样是辫状河流沉积，不同的研究区域，其变程也

25、是有差异的，没有定数。所谓的变程，就是在变程范围内，井点数据具有相关性，属性预测的时候会起约束作用。建议你先做分析。1、如果井较多，可能通过数据分析来获取变成，但最好还是结合地质认识，例如相图、小层平面图、地震相。等2、个人建议，密井网给小变程。结识实际情况3、如果沉积相类型较多，形态较复杂，“两点地质统计”不好控制。建议使用“分级相控”（例如：基于目标模拟低弯曲河道，然后在背景相上用序贯高斯模拟其他相。比较灵活）或者“多点地质统计”来实现。主变程与河流长度大致相当。次变程相当于河流宽度。不知道这种理解是否正确？1、可以参考河道几何性质给，但 河道的长宽是变程的“上限值”。还要结合井上的情况，

26、可以把井上沉积相饼图投到相图上来观察。 2、如果有相图，最好用相控。但变程不要给大，否则相图控制不住。3、如果用变差函数（两点统计）的话，那么对于低弯曲河道往往不好控制，因为两点统计只能给一个主变程方向，而河道一般不笔直的。要想做精准一些，就要把河道按不同方向分成不同region,然后不同region给不同的主变程方向。4、应用基于目标的方法或者 多点地质统计那位大侠能详细说说蚂蚁追踪技术？我现在看的文献都是英文的，中文介绍太少了，那位大哥大姐能详细介绍蚂蚁追踪技术。或给一些中文的资料， 谢谢！选自之前在论坛上搜集的资料 发帖人：我给忘了中油网消息：斯伦贝谢公司自动构造解释模块荣获世界石油杂志

27、年最佳勘探技术奖，它利用先进的蚂蚁追踪算法，克服了解释主观性，有效提高了断层解释精度，大幅缩减了人工解释时间。弄清断层体系断层面变化趋势及流体流动特征，是储层描述的最主要内容之一。虽然三维地震资料空间立体解释技术已经发展很多年了，但直到目前断层面解释仍然存在很大的主观性。伦贝谢公司最近推出的新型勘探技术-自动构造解释模块，完全改变了这一状况。它利用先进的算法，克服了解释工作中的主观性，有效提高了解释精度，大幅缩减了人工解释时间。自动构造解释模块通过产生三维地震体，清楚显示断层轮廓，并利用智能搜索功能和三维可视化技术，自动提取断层面。该技术重点研究构造地质，而不是常规的断层拾取，加深对地质及构造

28、细节的认识，增加对储层特征的了解，最终更好地建立复杂储层模型。自动构造解释模块在应用新的数据校正程序的基础上，采用先进的算法，使地质专家以更宽的视野完成断层解释，增加构造解释的客观性、准确性及可重复性。利用该技术的自动提取断层功能以及极坐标图和各种筛选程序，可抽提感兴趣的断层体系。算法可根据工作流程需要，按任意比例自动提取断层。例如，在勘探阶段，可将工作重点集中在寻找跨盆地的大型构造断层体系以及确定它们对勘探前景的影响等方面；而在储层评价阶段以及开发和生产阶段，可采用同样的方法，将主要精力放在自动提取往往会影响油气最终采收率的那些局部的小型断层和断层体系上。算法的工作流程分四步：增强边界特征，

29、突出特殊的地层不连续性，预处理地震资料；生成蚂蚁追踪立方体，提取断层；确认、校验断层；创建最终断层解释模型。流程的第一步包括利用边缘探测手段，增强地震资料中的空间不连续性，并通过噪声压制技术，随意预处理地震资料。第二步建立蚂蚁追踪立方体。蚂蚁追踪算法遵循类似于蚂蚁在其巢穴和食物源之间，利用可吸引蚂蚁的信息素（一种化学物质）传达信息，以寻找最短路径的原理。在最短路径上，用更多的信息素做标记，使随后的蚂蚁更容易选择这一最短路径。该技术原理就是在地震体中设定大量这样的电子蚂蚁，并让每个沿着可能的断层面向前移动，同时发出信息素沿断层前移的应该能够追踪断层面，若遇到预期的断层面将用做出非常明显的标记。而

30、对不可能是断层的那些面将不做标记或只做不太明显的标记。算法建立了一种突出断层面特征的新型断层解释技术。通过该算法可自动提取断层组，或对地层不连续详细成图。流程的第三步需要人工交互操作。提取的断层必须要经过评价、校正和筛选，才能得到最后的解释结果。这一过程需要利用交互式立体网络和柱状图滤波器来完成。流程的最后一步，确定的断层既可用于进一步地震解释，也可直接输入到断层模拟中。利用自动构造解释模块，三维地震资料解释人员不需要人工逐一勾绘断层面，从而可用更多的时间和精力研究断层面走向、分析自动提取断层之间的相互关系。该技术的优势主要包括以下几个方面：提高构造解释精度，改善地质细节描述；大大缩短枯燥的人工解释时间；提供客观、详尽、可重复的地层不连续性构造图；充分利用地质模拟技术，更好地建立复杂构造模型，优化应用三维地震资料。从petrel英文