儲層不確定性建模研究進展

戴危艷，李少華，譙嘉翼，劉詩宇（.長江大學油氣資源與勘探技術教育部重點實驗室，武漢43000；.長江大學地球科學學院，武漢43000）

儲層不確定性建模研究進展

戴危艷1，李少華2，譙嘉翼2，劉詩宇2
（1.長江大學油氣資源與勘探技術教育部重點實驗室，武漢430100；2.長江大學地球科學學院，武漢430100）

由于資料的不完備性及儲層的非均質性，使得儲層及其屬性分布預測結果存在較大的不確定性。隨機建模技術通過改變隨機模擬路徑并建立多個實現來刻畫地質模型中的不確定性。儲層不確定性建模是在隨機建模的基礎上發(fā)展起來的一項新技術，更加強調從數據獲取、建模參數設置到模型響應各個階段的不確定性表征與評價。在大量文獻調研的基礎上，對儲層建模過程中的不確定性來源進行了分類，對儲層建模中的局部不確定性、空間不確定性和響應不確定性進行了系統的闡述，并提出了一些降低不確定性的方法?，F階段儲層不確定性的研究主要集中在2個方面，即不確定性評價和如何降低不確定性，而針對不確定性建模方法的研究有待進一步加強。

非均質性；隨機模擬；儲層地質模型；不確定性

0　引言

由于儲層存在非均質性，尤其是陸相碎屑巖儲層非均質性嚴重，使得用有限的資料來預測儲層的屬性存在較大的不確定性［1-3］。近年來，不確定性在油藏開發(fā)工作中備受關注，許多學者對儲層建模過程中的不確定性進行了研究［4-9］。不確定性問題解決得好，儲層建模的結果就會更合理，更符合地質認識，也就能更好地指導油田的開發(fā)工作［10-14］。現階段儲層不確定性的研究主要集中在2個方面，即不確定性評價和如何降低不確定性，而針對不確定性建模方法的研究則相對較少。目前常用的儲層建模方法是隨機建模，它利用隨機模擬方法，對井間產生可選的、等概率的預測結果，從而對儲層進行不確定性評價，可滿足儲層開發(fā)風險性分析的需要［15-16］。不確定性建模即建立表征不確定性的模型，它是在隨機建模的基礎上發(fā)展起來的，兩者之間既相互聯系，也存在差別。相對于隨機建模來說，不確定性建模對不確定性的針對性更強，它能利用數學方法表征隨機模擬方法所構建的儲層地質模型的不確定性。因此，加強儲層不確定性建模的研究，對于油氣的勘探開發(fā)，尤其是非均質性嚴重的儲層的勘探開發(fā)具有十分重要的意義。

筆者在已做研究和文獻調研的基礎上，詳細分析儲層建模過程中不確定性的來源，對儲層表征中的3類不確定性及其建模方法進行系統的總結和闡述，提出一些降低不確定性的方法，以期為油田開發(fā)提供借鑒。

1　不確定性來源分析

對不確定性的來源，不同的人有不同的認識，比較系統的劃分是客觀世界的不確定性和認知的不確定性［17-18］。弄清儲層建模過程中不確定性來源對準確預測儲層內部結構至關重要，因為只有如此，才能尋求合適的方法來評價并降低不確定性帶來的影響。Manceau等［19］總結出儲層建模過程中不確定性來源主要有5個，即靜態(tài)模型、模型粗化、數值模擬、生產數據整合以及生產方案與經濟評估。Singh等［20］提出在油田開發(fā)階段早期，不確定性來源主要有4個，即地球物理的不確定性、地質的不確定性、巖石物理特征的不確定性及動態(tài)的不確定性。吳勝和等［21］研究認為，地下儲層表征中的不確定性源于資料的不完善和研究人員對儲層概念模式認知的不足及分歧。Zee Ma等［22］提出造成儲層建模不確定性的主要因素有油藏建模數據的質量、不同算法參數的選取以及研究者自身的理論基礎和實踐經驗?？偨Y不同學者對儲層不確定性來源的認識可知，儲層建模過程中的不確定性來源除了建模資料不完善外，還有建模軟件本身的局限性、模擬算法的選取、參數的設置以及建模人員對研究區(qū)認識程度和對軟件熟悉程度等因素。儲層非均質性及資料的不完善會使隨機模擬的結果存在多解性；建模過程中若不能選取合適的模擬算法并設置模擬參數，會使構建的靜態(tài)地質模型存在不確定性；在進行油藏數值模擬之前，考慮到計算時間及成本的限制，需要對精細地質模型進行粗化，而這一過程也會產生不確定性。上述所有來源的不確定性最終將會導致儲層預測結果的不確定性。

2　儲層表征中的不確定性

在儲層表征過程中，主要有3類不確定性：局部不確定性、空間不確定性和響應不確定性［23］。局部不確定性指未取樣點處變量值的不確定性，在儲層地質模型中表現為單個網格模擬值的不確定性?？臻g不確定性指幾個點的聯合不確定性，在儲層地質模型中表現為多個網格模擬值的不確定性。由于儲層存在非均質性，特別是陸相碎屑巖儲層非均質性嚴重，使得用有限的資料來預測儲層的屬性存在很大的不確定性。在實際研究中，通常需要建立多個模型，然后從中優(yōu)選出一個或幾個模型進行數值模擬研究，這些模型的聯合不確定性就稱為空間不確定性。響應不確定性指儲層預測結果的不確定性，它由轉換函數造成。如在實際建模過程中，為了節(jié)省時間，通常用粗化后的靜態(tài)模型進行數值模擬，但在粗化模型時針對不同的屬性要選擇不同的粗化算法，還要對多個參數進行數值設定，這一過程會產生較大的不確定性，特別是對于那些非均質性嚴重的儲層，粗化后的網格不能充分體現其內部復雜的非均質性，而這種不確定性就稱為響應不確定性。在這3類不確定性中，最易描述的是局部不確定性，其次是空間不確定性，而響應不確定性的描述則最為復雜。

2.1局部不確定性建模

局部不確定性建模的目的是表征模型中單個網格模擬結果的不確定性，目前主要利用累積概率分布曲線法表征這種不確定性［24］。

累積概率分布曲線法是一種數理統計方法，它是通過計算隨機模擬生成的多個實現中正確的模擬結果所占的比例，來表征模型的局部不確定性。Goovaerts［25］利用序貫高斯模擬算法構建了多個三維地質模型，分別在離井較近處和離井較遠處隨機選取2個點u1和u2（圖1，圖中不同顏色的點表示滲透率值已知的井點），再從各個模型中提取出這2個點的滲透率模擬結果，進而統計分析這些值出現的頻率，繪制累積概率分布圖，并根據由該圖得出的所有屬性模擬值中正確的值所占的比例，評價了模擬結果的局部不確定性。圖2（a）和圖2（b）分別為u1和u2模擬結果的累積概率分布圖，圖中箭頭所指處為實際滲透率值。u1處有約35%的模擬值與實際滲透率值接近，而u2處只有約1%的模擬值與實際滲透率值接近。造成這種情況的原因是u1離井較近，與條件數據的空間相關性較大，而u2離井較遠，與條件數據的空間相關性較小，對u1進行模擬時會受到條件數據的約束，所以u1模擬結果的不確定性要小于u2。

圖1　取樣點位置分布（據文獻［25］修改）Fig.1Location of samples

圖2　累積概率分布圖［25］Fig.2Cumulative probability distribution

局部不確定性、空間不確定性和響應不確定性三者相互關聯，局部不確定性越大，空間不確定性和響應不確定性就越大。因此，要降低空間不確定性和響應不確定性，首先得降低局部不確定性。在井點稀少的研究區(qū)，可應用地震資料來增加橫向儲層分布預測的可靠程度，以降低因取樣點少而帶來的不確定性。地震資料在空間上提供了眾多數據點作為約束條件，井資料為計算變差函數提供了準確的數據，這些都能在一定程度上降低建模過程中的不確定性。應用從構造、沉積及成巖背景相似的成熟研究區(qū)提取的資料來約束建模過程，也可降低儲層建模過程中的不確定性。此外，還可通過改善算法或使用多種算法來降低建模過程中的不確定性。當然，選擇合理的建模策略也很重要，許多研究人員在實際建模過程中，針對不同類型的儲層采取不同的建模策略，節(jié)省了不少人力和物力。不同建模方法各有其適用條件，研究人員應了解各種建模方法的優(yōu)缺點，以便合理使用。

2.2空間不確定性建模

2.2.1散點圖法

散點圖是度量兩變量關系強弱的最直觀的圖形。通過觀察2個網格模擬結果的散點圖，可以直觀地看出在2個網格上模擬結果都正確的點所占的比例，該比例越大，表示空間不確定性越小；反之，則表示空間不確定性越大。Goovaerts［26］通過繪制相同模擬條件下由同一算法建立的多個模型中2個不同網格屬性模擬值的散點圖，計算圖中在2個網格上模擬結果都正確的點所占的比例，并據此比例值評價了模擬結果的空間不確定性（圖3）。圖3中箭頭所指位置為實際滲透率值，越靠近2個箭頭的交會點，不確定性就越小。

圖3　點u1和u2處100個滲透率值的散點圖（據文獻［26］修改）Fig.3Scatter plot of 100 permeability values at u1and u2

2.2.2距離法

距離法利用距離函數計算各個模型之間的差異，然后根據差異的大小來判斷模擬結果的不確定性，差異越大，不確定性就越大，差異越小，不確定性就越小。度量差異的距離函數有很多，如歐氏距離、馬氏距離、切比雪膚距離、曼哈頓距離及明考斯基距離等等［27-30］。其中，最常用的是歐氏距離，也稱歐幾里得距離，它是在m維空間中2個點之間的真實距離。在二維和三維空間中的歐氏距離就是兩點之間的距離［31-32］，其計算公式為

式中：i和j分別表示2個模型；n為模型網格總數；xin和xjn分別為這2個模型第n個網格的屬性值，可以是滲透率或孔隙度，亦或其他一些特征值。該公式的原理是先計算2個模型相對應的每個網格屬性值差的平方和，然后取平方根得到的結果，即為2個模型的歐氏距離。歐氏距離是2個模型所對應的每個網格屬性模擬值差異的累加，可以用該距離函數來刻畫模型的差異。

Scheidt等［33］提出利用歐氏距離來表征模擬結果的空間不確定性，即利用多個點模擬結果的差異來判斷空間不確定性的大?。▓D4）。首先提取出各個模型中這些點的模擬值，再以這些模擬值為原數據，利用距離函數計算模型之間的差異，差異越大，表示模擬結果的空間不確定性越大。圖4中δ表示模型與模型之間的差異。

圖4　歐式距離矩陣［33］Fig.4Representing spatial uncertainty of simulated results using distances

由于空間不確定性是多個點的聯合不確定性，所以只要單個點模擬結果的不確定性（局部不確定性）較大，就會使得這些點模擬結果的聯合不確定性較大，即空間不確定性較大。因此，要降低模擬結果的空間不確定性，首先就得降低模擬結果的局部不確定性。

上述2種空間不確定性建模方法中，散點圖法表征的是各模型對2個網格模擬結果的聯合不確定性，當要表征模型中2個以上網格模擬結果的聯合不確定性時，該方法就不適用了，而距離法表征的是對所有網格模擬結果的聯合不確定性，它能夠得出各模型中所有網格模擬結果之間的差異，因而可以直觀地反映模擬結果的空間不確定性。

2.3響應不確定性建模

響應不確定性建模的目的是為了研究各種不確定性因素對響應值（產油量、儲量和見水時間等）的影響。目前，研究響應不確定性的方法主要有標準偏差法、方差分析法和敏感性分析法。這些方法可分別從不同角度對響應不確定性進行表征。

2.3.1標準偏差法

標準偏差反映數值相對于平均值的離散程度。標準偏差法通過計算模擬結果的標準偏差來判斷不確定性因素對響應值的影響。Goovaerts［34］分別用序貫指示模擬、序貫高斯模擬、概率場模擬和模擬退火等算法建立滲透率的三維地質模型，然后在模型中隨機選取一個網格，計算各算法在實現個數不同時，對該網格的模擬結果的標準偏差，并統計了隨著實現個數增加，各算法模擬結果的標準偏差的變化。結果表明，當實現個數小于10時，隨著實現個數的增加，模擬結果的標準偏差急劇增大，而當實現個數大于10時，標準偏差基本不再變化（圖5）。這說明當隨機模擬生成的實現個數較多時，其模擬結果的不確定性會降低。

圖5　實現個數和算法對模擬結果的影響［34］Fig.5Impact of simulation algorithm and number of realizations on the simulated results

2.3.2方差分析法

方差分析是統計學的一個概念，又稱“變異數分析”或“F檢驗”，用于2個及2個以上樣本均數差別的顯著性檢驗，是一種比較不同數據間是否有明顯差別的方法［35］。李少華等［36］利用方差分析得到了影響河流相儲層砂體連通體積因素的重要性排序（表1）。其中，NTG和河寬對砂體連通體積的影響特別顯著，井距對砂體連通體積的影響顯著，曲率對砂體連通體積有影響但不顯著，而寬厚比與偏離角則對砂體連通體積無影響，各影響因素的重要性依次為NTG、河寬、井距、曲率、偏離角和寬厚比。Loska等［37］通過方差分析對雷布尼克儲層沉積物中重金屬來源進行分析，得到了沉積物中重金屬的主要來源和次要來源。Gill［38］利用方差分析對儲層進行評價，取得了一定的成果。

表1　方差分析［36］Table 1Analysis of variance

2.3.3敏感性分析法

敏感性分析是指從眾多不確定性因素中找出對分析對象具有重要影響的敏感性因素，并分析、測算其對分析對象的影響程度和敏感性程度，是一種不確定性分析方法，已在石油地質學領域得到廣泛應用［39-40］。敏感性分析主要包括以下幾個步驟［41-42］：①確定分析的對象；②選定不確定性因素，并設定其變化范圍；③計算不確定性因素的變化對分析對象的影響程度，并找出敏感性因素；④繪制敏感性分析圖。崇仁杰等［43］通過敏感性分析對影響模型地質儲量計算的不確定性因素進行了分析（圖6），得出孔隙度下限的變化對模型地質儲量影響最大，其次是氣水界面（其值越大，模型地質儲量也越大），再次是巖相體積比，而沉積微相變異函數、沉積微相體積比以及孔隙度變異函數對模型地質儲量影響不大。Caers［44］利用敏感性分析方法對某油田影響累計產油量的4個不確定性參數進行了分析，得出河道厚度對產油量的影響最大，其次為河道曲折度和河道寬厚比，而砂巖含量對產油量的影響最小。Fenwick等［45］通過敏感性分析認識到相對滲透率和滲透系數對累計產油量有較大的影響。

標準偏差、方差分析和敏感性分析等方法都能對響應不確定性進行定量表征，但標準偏差法一次僅能考慮一種因素的影響，若要研究多個不確定性因素的影響，則需要做多次模擬實驗，且不能給出各因素對響應值的影響程度。相比較而言，方差分析法和敏感性分析法則能同時考慮多個不確定性變量對響應值的影響，且能計算各個影響因素的重要性，因此，這2種方法在響應不確定性建模研究中更為實用。

圖6　地質儲量敏感性分析［43］Fig.6Sensitivity analysis of geologic reserves

3　結論

（1）儲層建模過程中的不確定性來源包括建模資料不完善、建模軟件本身的局限性、模擬算法的選取、參數的設置以及建模人員對研究區(qū)認識程度和對軟件熟悉程度等因素，其中建模資料不完善是主要影響因素。

（2）局部不確定性在儲層地質模型中表現為單個網格模擬值的不確定性，可通過繪制累積概率分布曲線對其進行表征。通過分析地震數據和在相似露頭區(qū)收集的資料、優(yōu)化算法以及合理選擇建模方法，可降低模擬結果的局部不確定性。

（3）空間不確定性在儲層地質模型中表現為多個網格模擬值的不確定性，可通過歐氏距離法和繪制模擬結果散點圖對其進行表征。散點圖法適用于表征各模型對2個網格模擬結果的聯合不確定性，而要表征模型中2個以上網格模擬結果的聯合不確定性時，距離法比散點圖法更實用。

（4）響應不確定性指儲層預測結果的不確定性，它由轉換函數造成，可通過標準偏差法、方差分析法和敏感性分析法對其進行表征。標準偏差法一次僅能考慮一種因素的影響，且不能給出各因素對響應值的影響程度，而方差分析法和敏感性分析法能同時考慮多個不確定性參數對響應值的影響，且能計算各個影響因素的重要性。方差分析法和敏感性分析法在響應不確定性建模研究中更為實用。

（5）儲層不確定性建模研究對油氣勘探和開發(fā)具有重要的意義，尤其是對于非均質性嚴重的儲層，更應加強對其儲層不確定性建模的重視和深入研究。目前，國內對儲層不確定性的研究集中在不確定性評價和如何降低不確定性等2個方面，今后還需進一步加強對不確定性建模方法的研究。

（References）：

［1］李少華，張昌民，彭裕林，等.儲層不確定性評價［J］.西安石油大學學報：自然科學版，2004，19（5）：16-19. Li Shaohua，Zhang Changmin，Peng Yulin，et al.Assessment of reservoir uncertainty［J］.Journal of Xi'an Shiyou University：Natural Sciences Edition，2004，19（5）：16-19.

［2］孫立春，高博禹，李敬功.儲層地質建模參數不確定性研究方法探討［J］.中國海上油氣，2009，21（1）：35-38. Sun Lichun，Gao Boyu，Li Jinggong.A discussion on the method to study uncertainty of geologic modeling parameters［J］.China Offshore Oil and Gas，2009，21（1）：35-38.

［3］Oberkampf W L，de Land S M，Rutherford B M，et al.Error and uncertainty in modeling and simulation［J］.Reliability Engineering& System Safety，2002，75（3）：333-357.

［4］Bárdossy G，Fodor J.Evaluation of uncertainties and risks in geology：New mathematical approaches for their handling［M］.Germany：Springer，2013.

［5］霍春亮，劉松，古莉，等.一種定量評價儲集層地質模型不確定性的方法［J］.石油勘探與開發(fā)，2007，34（5）：574-579. Huo Chunliang，Liu Song，Gu Li，et al.A quantitative method for assessing uncertainty of the reservoir geological model［J］.Petroleum Exploration and Development，2007，34（5）：574-579.

［6］Zafari M，Reynolds A C.Assessing the uncertainty in reservoir description and performance predictions with the ensemble Kalman filter［J］.SPE Journal，2007，12（3）：382-391.

［7］Smalley P C.Handling risk and uncertainty in petroleum exploration and asset management［J］.AAPG Bulletin，2008，92（10）：1251-1261.

［8］Maschio C，de Carvalho C P V，Schiozer D J.A new methodology to reduce uncertainties in reservoir simulation models using observed data and sampling techniques［J］.Journal of Petroleum Science and Engineering，2010，72（1）：110-119.

［9］Armstrong M，Ndiaye A，Razanatsimba R，et al.A scenario reduction applied to geostatistical simulations［J］.Mathematical Geosciences，2013，45（2）：165-182.

［10］薛艷霞，廖新武，趙春明，等.基于隨機建模技術的油田開發(fā)初期河流相儲層不確定性分析方法——以渤海A油田為例［J］.巖性油氣藏，2012，24（1）：80-83. Xue Yanxia，Liao Xinwu，Zhao Chunming，et al.Uncertainty analysis of fluvial reservoir in oilfield early development period based on stochastic modeling：A case study from A oilfield in Bohai Bay［J］.Lithologic Reservoirs，2012，24（1）：80-83.

［11］羅文生，孫立春，鄭洪印，等.蒙特卡羅法在海上某油田儲量評價中的應用［J］.巖性油氣藏，2014，26（1）：105-109. Luo Wensheng，Sun Lichun，Zheng Hongyin，et al.Application of Monte-Carlo method to OOIP estimation of an offshore oilfield［J］. Lithologic Reservoirs，2014，26（1）：105-109.

［12］Srivastava R M.The visualization of spatial uncertainty［J］.AAPG Computer Applications in Geology，1994（3）：339-345.

［13］Kupfersberger H，Deutsch C V.Ranking stochastic realizations for improved aquifer response uncertainty assessment［J］.Journal of Hydrology，1999，223（1）：54-65.

［14］張婷，徐守余.儲層地質建模技術研究與展望［J］.長春理工大學學報：高教版，2009，4（4）：191-192. Zhang Ting，Xu Shouyu.Research and prospect of reservoir geologic modeling technology［J］.Journal of Changchun University of Science and Technology，2009，4（4）：191-192.

［15］于興河.油氣儲層表征與隨機建模的發(fā)展歷程及展望［J］.地學前緣，2008，15（1）：1-15. Yu Xinghe.A review of development course and prospect of petroleum reservoir characterization and stochastic modeling［J］.Earth Science Frontiers，2008，15（1）：1-15.

［16］蘇進昌，張嵐，馬新福.河流相儲層開發(fā)初期地質建模［J］.巖性油氣藏，2008，20（3）：114-118. Su Jinchang，Zhang Lan，Ma Xinfu.Geological modeling in initial stage of development of fluvial reservoir［J］.Lithologic reservoirs，2008，20（3）：114-118.

［17］McVay D A，Lee W J，Alvarado M G.Calibration improves uncertainty quantification in production forecasting［J］.Petroleum Geoscience，2005，11（3）：195-202.

［18］Floris F J T，Bush M D，Cuypers M，et al.Methods for quantifying the uncertainty of production forecasts：A comparative study［J］. Petroleum Geoscience，2001，7（S1）：S87-S96.

［19］Mezghani I Z，Manceau E，Feraille M.Uncertainty management：From geological scenarios to production scheme optimization［J］. JournalofPetroleumScienceandEngineering，2004，44（1）：11-25.

［20］Singh V，Hegazy M，Fontanelli L.Assessment of reservoir uncertainties for development evaluation and risk analysis［J］.The Leading Edge，2009，28（3）：272-282.

［21］吳勝和，楊延強.地下儲層表征的不確定性及科學思維方法［J］.地球科學與環(huán)境學報，2012，34（2）：72-80. Wu Shenghe，Yang Yanqiang.The uncertainty and scientific thinking method of reservoir characterization［J］.Journal of Earth Science and Environment，2012，34（2）：72-80.

［22］Zee Ma Y，La Pointe P.Uncertainty Analysis and Reservoir Modeling［M］.American：AAPG，2011.

［23］Goovaerts P.Geostatistical modeling of the spaces of local，spatial，and response uncertainty for continuous petrophysical properties［J］.AAPG Computer Applications in Geology，2006（5）：59-79.

［24］Goovaerts P.AUTO-IK：A 2D indicator kriging program for the automated non-parametric modeling of local uncertainty in earth sciences［J］.Computers&geosciences，2009，35（6）：1255-1270.

［25］Goovaerts P.Impact of the simulation algorithm，magnitude of ergodic fluctuations and number of realizations on the spaces of uncertainty of flow properties［J］.Stochastic Environmental Research and Risk Assessment，1999（13）：161-182.

［26］Goovaerts P.Geostatistical modelling of uncertainty in soil science［J］.Geoderma，2001，103（1）：3-26.

［27］Groenen P J F，Jajuga K.Fuzzy clustering with squared Minkowski distances［J］.Fuzzy Sets and Systems，2001，120（2）：227-237.

［28］de Maesschalck R，Jouan-Rimbaud D，Massart D L.The mahalanobis distance［J］.Chemometrics and intelligent laboratory systems，2000，50（1）：1-18.

［29］Sim D G，Kwon O K，Park R H．Object matching algorithm using robust Hausdorff distance measures［J］．IEEE Trans．Image Process，1999，8（2）：425-429．

［30］Rote G.Computing the minimum Hausdorff distance between two point sets on a line under translation［J］．Information Process Letters，1991，38：123-127．

［31］賀玲，吳玲達，蔡益朝.高維空間中數據的相似性度量［J］.數學的實踐與認識，2006，36（9）：189-194. He Ling，Wu Lingda，Cai Yichao.Similarity measurement of data in high dimensional spaces［J］.Journal of Mathematics in Practice and Theory，2006，36（9）：189-194.

［32］Carter R L，Morris R，Blashfield R K.On the partitioning of squared Euclidean distance and its applications in cluster analysis［J］.Psychometrika，1989，54（1）：9-23.

［33］Scheidt C，Caers J.Representing spatial uncertainty using distances and kernels［J］.Mathematical Geosciences，2009，41（4）：397-419.

［34］Goovaerts P.Geostatistical modelling of spatial uncertainty using p-field simulation with conditional probability fields［J］.International Journal of Geographical Information Science，2002，16（2）：167-178.

［35］呂棟雷，曹志耀，鄧寶，等.利用方差分析法進行模型驗證［J］.計算機仿真，2006，23（8）：46-48. Lü Donglei，Cao Zhiyao，Deng Bao，et al.Application of variance analysis in model validation［J］.Computer Simulation，2006，23（8）：46-48.

［36］李少華，李強，李君.影響砂體連通體積因素的定量評價［J］.天然氣地球科學，2014，25（5）：643-648. Li Shaohua，Li Qiang，Li Jun.Quantitative evaluation of the factors controlling the sand body connected volumes［J］.Natural Gas Geoscience，2014，25（5）：643-648.

［37］Loska K，Wiechula D.Application of principal component analysis for the estimation of source of heavy metal contamination in surface sediments from the Rybnik Reservoir［J］.Chemosphere，2003，51（8）：723-733.

［38］Gill D.Application of a statistical zonation method to reservoir evaluation and digitized-log analysis［J］.AAPG Bulletin，1970，54（5）：719-729.

［39］馬功聯.斷塊油藏特高含水期水驅開發(fā)因素敏感性分析［J］.海洋石油，2005，25（1）：46-49. Ma Gonglian.Sensitivity analysis of waterflooding development factors in extra high water cut period of fault block reservoirs［J］. Offshore Oil，2005，25（1）：46-49.

［40］趙靜，趙泉.低滲透分支井井網產能預測及參數敏感性分析［J］.西南石油大學學報：自然科學版，2010，32（1）：112-116. Zhao Jing，Zhao Quan.Deliverability for recast for multi-lateral well pattern and parameter sensitivity research in low-permeability reservoirs［J］.Journal of Southwest Petroleum University：science&Technology Edition，2010，32（1）：112-116.

［41］Oakley J E，O'Hagan A.Probabilistic sensitivity analysis of complex models：A Bayesian approach［J］.Journal of the Royal Statistical Society：Series B（Statistical Methodology），2004，66（3）：751-769.

［42］Van Griensven A，Meixner T，Grunwald S，et al.A global sensitivity analysis tool for the parameters of multi-variable catchment models［J］.Journal of hydrology，2006，324（1）：10-23.

［43］崇仁杰，于興河，李婷婷.應用實驗設計優(yōu)選隨機建模的儲層模型［J］.石油與天然氣地質，2012，33（1）：94-100. Chong Renjie，Yu Xinghe，Li Tingting.Selecting reservoir model built by stochastic modeling through experimental design［J］.Oil and Gas Geology，2012，33（1）：94-100.

［44］Caers J.Modeling Uncertainty in the Earth Sciences［M］.Chichester：Wiley Blackwell，2011.

［45］Fenwick D，Scheidt C，Caers J.Quantifying asymmetric parameter interactions in sensitivity analysis：Application to reservoir modeling［J］.Mathematical Geosciences，2014，46（4）：493-511.

（本文編輯：于惠宇）

Progress of reservoir uncertainty modeling

Dai Weiyan1，Li Shaohua2，Qiao Jiayi2，Liu Shiyu2
（1.Key Laboratory of Exploration Technologies for Oil and Gas Resources，Ministry of Education，Yangtze University，Wuhan 430100，China；2.School of geosciences，Yangtze University，Wuhan 430010，China）

Due to the incomplete information and reservoir heterogeneity，it is unable to accurately determine the distribution of reservoir and its properties.Stochastic modeling technique can characterize the uncertainty of geologic model by generate multiple realizations through changing the stochastic simulation path.Reservoir uncertainty modeling is a new technology developed on the basis of the stochastic modeling，and it paid more emphasis on the characterization and evaluation of uncertainty that resulted from data acquisition，modeling parameter and response of models.Based on a large number of relevant references，this paper classified the sources of uncertainty in the process of reservoir modeling，expounded the local uncertainty，spatial uncertainty and response uncertainty in reservoir modeling，and put forward some methods to reduce the uncertainty.The research of the reservoir uncertainty mainly focused on the aspects of uncertainty evaluation and uncertainty reduction at present，and the research of uncertainty modeling methods should be strengthen.

heterogeneity；stochastic simulation；reservoir geologic model；uncertainty

TE121.1+5

A

1673-8926（2015）04-0127-07

2014-12-10；

2015-02-22

國家自然科學基金項目“點壩砂體內部非均質性的層次建模法”（編號：41272136）和非常規(guī)油氣湖北省協同中心創(chuàng)新基金項目“頁巖氣儲量計算的概率體積法”（編號：HBUOG-2014-14）聯合資助

戴危艷（1991-），女，長江大學在讀碩士研究生，研究方向為地質建模和油藏描述。地址：（430100）湖北省武漢市蔡甸區(qū)大學路特1號長江大學地球科學學院。E-mail：879573435@qq.com

李少華（1972-），男，教授，博士生導師，主要從事地質統計學、地質建模方面的研究與教學工作。E-mail：jpishli@163.com。