利用序列高斯模拟预测孔隙度分布：以苏丹Rawat中央油田的Galhak地层为例

《Journal of African Earth Sciences》：Predicting Porosity Distribution Using Sequential Gaussian Simulation: A Case Study of the Galhak Formation in the Rawat Central Field, Sudan.

精准量化不确定性地质统计学建模框架在苏丹拉窝特中央油田GalhakFormation中的应用研究，通过变差图分析优化参数（准同构水平相关性、垂向各向异性比100:1、周期性孔洞效应），构建了基于序贯高斯模拟（SGS）的孔隙率预测模型，验证显示均方根误差2.8%、相关系数0.89，高置信区（>18%）集中于中东部，60%区域方差<1.0。

　　在石油勘探和开发领域，准确预测油藏中未采样区域的孔隙度对于量化不确定性至关重要。特别是在地质结构复杂、钻井数据有限的区域，传统的地质统计学方法往往难以全面反映地下岩层的空间异质性。因此，本研究提出了一种基于序贯高斯模拟（Sequential Gaussian Simulation, SGS）的地质统计学孔隙度建模框架，专门针对苏丹Rawat中央油田的Galhak组的地质结构和沉积特征进行了优化。通过这一方法，研究团队不仅能够更精确地模拟孔隙度的空间分布，还能在一定程度上提升对地质特征的理解，从而为油田开发提供更加可靠的地质模型。

研究区域位于苏丹东南部的Rawat断陷盆地，属于Melut盆地的一部分，进一步向南苏丹延伸。该盆地由多个呈西北-东南走向的大陆断陷段组成，其中Rawat断陷系统是重要的油气勘探区域。Rawat中央油田位于该断陷系统内，其地质结构和沉积环境具有典型的河流-三角洲特征。这种沉积环境通常表现出高度的沉积周期性和横向岩性不连续性，使得孔隙度预测变得尤为复杂。由于钻井数据有限，如何有效利用现有数据并结合地质知识，成为研究的关键。

在地质统计学建模过程中，研究团队首先对数据进行了站性分析，确保数据在空间上具有一定的自相似性。随后，通过系统性的方法优化了变异函数参数，包括方位角、倾角、角度容忍度和带宽等，以更准确地描述该区域沉积环境的空间连续性特征。变异函数分析结果显示，该区域的孔隙度在水平方向上表现出近似各向同性的相关性，有效范围约为600米。而在垂直方向上，存在显著的各向异性，其垂直相关性仅约为6米，且各向异性比值高达100:1。此外，还观察到了周期性孔洞效应，这反映了沉积周期尺度上的沉积循环特征。这些变异函数模型随后被用于SGS模拟，生成了五个随机实现，以评估孔隙度的空间不确定性。

SGS模拟的结果显示，整个研究区域的平均孔隙度为14.2% ± 3.8%，其中高置信度区域（孔隙度超过18%）主要集中在中央至东部区域。同时，低不确定性区域（方差小于1.0）覆盖了研究区域的60%。模型验证表明，模拟结果与地质解释的岩性分布和沉积序列特征具有较高的吻合度，根均方误差为2.8%，相关系数达到0.89，进一步证明了该方法在捕捉空间异质性和量化不确定性方面的有效性。

在传统地质统计学方法中，克里金法（Kriging）虽然能够提供无偏估计，但往往忽略了空间不确定性范围的多样性，特别是在沉积环境复杂、岩性变化剧烈的区域。相比之下，SGS方法通过生成多个等概率实现，能够更全面地反映孔隙度的空间变化范围，从而提升预测的地质可信度。然而，现有的SGS流程在整合复杂的沉积结构时仍存在不足，导致其在某些情况下无法准确反映沉积环境的空间特征。因此，本研究特别关注如何在SGS过程中有效整合沉积结构和地质约束，以提升模型的可靠性。

为了实现这一目标，研究团队在变异函数的选择上引入了地质控制因素，包括结构倾角和沉积趋势的影响。这种做法有助于确保模拟结果在空间上符合地质现实，从而避免出现与实际地质情况不符的模拟结果。此外，研究还强调了周期性孔洞效应在沉积周期识别中的重要性，这对于理解沉积环境的空间分布和预测孔隙度具有重要意义。通过将这些地质信息整合到变异函数模型中，研究团队能够更精确地描述沉积环境的空间连续性特征，从而提升孔隙度预测的准确性。

本研究的另一个重要贡献在于提出了一个集成的地质统计学工作流程，适用于数据稀缺的油藏建模场景。这一流程不仅考虑了沉积环境的空间连续性特征，还结合了结构倾角的影响，为类似复杂沉积环境的油藏建模提供了可复制的方法。通过这一方法，研究团队能够在有限的数据基础上，构建出更加合理的孔隙度模型，从而为油田开发提供重要的地质依据。

此外，研究还探讨了传统方法在复杂沉积环境中的局限性。例如，克里金法虽然在某些情况下能够提供较为精确的估计，但在面对沉积环境的快速变化和非均质性时，往往难以准确反映孔隙度的空间分布。相比之下，SGS方法通过生成多个随机实现，能够更全面地评估孔隙度的空间不确定性，为油田开发提供更加灵活的决策支持。然而，现有的SGS流程在整合沉积结构时仍存在不足，导致其在某些情况下无法准确反映沉积环境的空间特征。因此，本研究特别关注如何在SGS过程中有效整合沉积结构和地质约束，以提升模型的可靠性。

为了验证模型的有效性，研究团队对SGS生成的五个随机实现进行了详细分析。这些实现不仅反映了孔隙度的空间分布特征，还能够帮助识别高置信度区域和低不确定性区域。例如，高置信度区域的孔隙度超过18%，主要集中在研究区域的中央至东部，而低不确定性区域则覆盖了研究区域的60%。这些结果对于油田开发具有重要意义，因为它们能够帮助识别潜在的高产区域，并优化钻井布局和采油方案。

在模型验证过程中，研究团队还发现，SGS方法能够有效捕捉沉积环境的空间异质性，尤其是在存在明显的沉积周期性和横向岩性不连续性的区域。这一发现表明，SGS方法在处理复杂沉积环境时具有显著的优势，能够提供比传统方法更准确和可靠的孔隙度预测。同时，研究还指出，将地质约束因素整合到SGS流程中，能够进一步提升模型的地质可信度，避免出现与实际地质情况不符的模拟结果。

本研究的成果对于油气勘探和开发具有重要的现实意义。首先，它提供了一种适用于复杂沉积环境的孔隙度预测方法，能够有效应对数据稀缺的挑战。其次，它强调了地质约束在地质统计学建模中的重要性，为类似地质条件下的油藏建模提供了可借鉴的经验。最后，它展示了如何通过SGS方法生成多个随机实现，以评估孔隙度的空间不确定性，从而为油田开发提供更加全面的地质依据。

总的来说，本研究通过引入地质约束因素，优化变异函数参数，并结合SGS方法，成功构建了一个适用于复杂沉积环境的孔隙度预测模型。这一模型不仅能够提高孔隙度预测的准确性，还能够帮助识别高置信度区域和低不确定性区域，为油田开发提供重要的支持。此外，研究还指出了传统方法在处理复杂沉积环境时的不足，并提出了改进的方向，为未来的研究提供了宝贵的参考。通过这一研究，团队希望为类似地质条件下的油藏建模提供一种可复制、可推广的方法，从而提升油气勘探和开发的效率和成功率。