基于分层参数化和数据驱动进化优化方法的裂缝介质中多尺度裂缝网络分布反演方法

发布时间: 2021-07-25 　浏览次数: 22

裂缝网络的有效识别和表征是裂缝性储层等裂缝性介质开发的关键。利用从钻孔测井、岩心图像和露头获得的信息，可以粗略估计裂缝的几何形状。然而，这种估计往往具有不确定性，可以通过反建模降低。根据贝叶斯理论，反演建模的一个常见做法是在给定观测数据的情况下，从不确定参数的后验分布中采样。然而，裂缝性储层面临的一个挑战是裂缝多发生在不同尺度上，且裂缝形成不规则的网状结构，难以建模和预测。本文提出了一种多尺度参数化方法来模拟裂缝网络。基于这种参数化方法，我们提出了一种新的历史拟合方法，使用数据驱动的进化算法探索贝叶斯后验空间，减少模型参数的不确定性。通过理论算例和实际露头的实证研究表明，该方法能够在有限的计算预算下对复杂的多尺度裂缝网络进行建模和模拟。