深水濁積水道訓(xùn)練圖像建立與多點(diǎn)地質(zhì)統(tǒng)計(jì)建模應(yīng)用

胡 迅，尹艷樹，馮文杰，王立鑫，段太忠，趙 磊，張文彪

(1.長江大學(xué)，湖北 武漢 430100; 2.中國石化 石油勘探開發(fā)研究院,北京 100083)

隨著人們將目光投向深水區(qū)，深水油氣開發(fā)已經(jīng)成為了油氣增儲上產(chǎn)的熱點(diǎn)。深水水道是深水區(qū)重要的地形單元，其為連接陸架和深海平原的重要通道，是深水油氣主要富集區(qū)，規(guī)模大，儲層質(zhì)量好[1-4]。深水水道主要為沉積物重力流沉積，流體性質(zhì)復(fù)雜，以懸浮式搬運(yùn)為主，沉積機(jī)制復(fù)雜。近些年，很多學(xué)者對深水濁積水道儲層沉積特征與疊置樣式進(jìn)行了解剖，已取得一系列成果。濁積水道主要從單一水道、復(fù)合水道以及濁積水道體系3個(gè)構(gòu)型單元分層次展開研究。單一濁積水道是深水水道的基本組成單元。單一水道間存在著反復(fù)切割與充填，可形成各種疊置樣式的復(fù)合水道。同樣，復(fù)合水道間也存在著切割與充填，最終形成濁積水道體系[5-9]。對于濁積水道空間分布的三維建模，目前也是一個(gè)研究熱點(diǎn)。卜范青等采用分區(qū)法隨機(jī)建模(基于目標(biāo)的序貫指示模擬方法)，用來模擬不同物源，且無交叉疊合的兩套沉積體系，接著采用水道趨勢線法(序貫高斯模擬算法)模擬同一類沉積體系下的高彎度深水濁積水道[10]；張文彪等用基于目標(biāo)的方法模擬深水水道，其中水道參數(shù)由“淺層類比”獲得，完善了深水水道定量分布模式[11]；進(jìn)一步的，張文彪等通過高精度梯度阻抗反演，提取淺層水道目標(biāo)地質(zhì)體作為深水水道定量化三維訓(xùn)練圖像，采用多點(diǎn)統(tǒng)計(jì)Snesim算法進(jìn)行隨機(jī)模擬[12]，取得了較好的應(yīng)用效果；針對水道構(gòu)型解剖級次性，張文彪等采用多級建模的方法，水道級別模擬主要采用基于目標(biāo)的模擬方法，水道內(nèi)部構(gòu)型則采用截?cái)喔咚鼓M方法模擬[13]。

盡管濁積水道建模方法較多，如基于兩點(diǎn)變差函數(shù)建模、基于目標(biāo)建模、基于沉積過程建模以及多點(diǎn)地質(zhì)統(tǒng)計(jì)隨機(jī)建模方法等等。但兩點(diǎn)統(tǒng)計(jì)學(xué)只能表達(dá)空間上兩點(diǎn)之間的變化性，而不足以體現(xiàn)濁積水道儲層非均質(zhì)的復(fù)雜性；基于目標(biāo)如布爾模擬方法對目標(biāo)描述過于簡單，濁積水道的平面擺動模式、垂向加積等現(xiàn)象無法體現(xiàn)；基于沉積過程建模在多井情況下的井?dāng)?shù)據(jù)條件化依然是個(gè)難題；多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)一定程度上綜合了兩點(diǎn)建模與目標(biāo)建模優(yōu)點(diǎn)，更好的再現(xiàn)了儲層分布特征，但其訓(xùn)練圖像獲得具有較大的挑戰(zhàn)性[14-20]。雖然可以依賴于高分辨率地震資料反演獲得訓(xùn)練圖像，但是其所獲得的訓(xùn)練圖像是確定的，而地震資料本身存在多解性，因此確定的訓(xùn)練圖像難以體現(xiàn)儲層變化性；此外，地震高分辨率往往存在于淺層區(qū)，而油氣分布深層區(qū)地震品質(zhì)相對差；淺層地震資料類比需要有充分依據(jù)，如果地震資料品質(zhì)不好，則導(dǎo)致訓(xùn)練圖像難以獲得。因此，有必要圍繞深層濁積水道訓(xùn)練圖像自動建立開展研究，并服務(wù)于深水濁積水道建模。筆者圍繞深水濁積水道訓(xùn)練圖像難以準(zhǔn)確獲得這一難題，對基于沉積過程的Alluvsim方法進(jìn)行了分析和改進(jìn)[21]，使其適用于再現(xiàn)濁積水道演化的過程，重構(gòu)濁積水道規(guī)模和疊置樣式，形成濁積水道訓(xùn)練圖像，服務(wù)于實(shí)際區(qū)多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)建模。通過安哥拉深水水道建模實(shí)例，給出了建模流程；通過對比建立的模型變差函數(shù)與地震屬性變差函數(shù)差異，證實(shí)了建立的模型具有較高的可信度。本研究不僅為多點(diǎn)地質(zhì)統(tǒng)計(jì)應(yīng)用于實(shí)際儲層建模提供了完整的建模流程，也為濁積水道訓(xùn)練圖像自動生成提供了技術(shù)方法。

1 Alluvsim算法原理

Alluvsim算法是Pyrcz等提出的基于沉積過程的河流相隨機(jī)建模方法，該方法通過河道中線操作可模擬河道的側(cè)向遷移、垂向加積、分汊改道和決口等過程，并用幾何形態(tài)參數(shù)對河道中線上所有的節(jié)點(diǎn)賦值，建立每期河道的三維構(gòu)型模型，最終實(shí)現(xiàn)曲流河模擬[21-24]。該算法建模步驟為：

① 產(chǎn)生初始河道中線。根據(jù)已有地質(zhì)知識庫，產(chǎn)生一個(gè)候選河道中線庫，根據(jù)河道水平趨勢分布規(guī)律隨機(jī)地選擇一條河道中線。其中河道中線生成采用的是Ferguson提出的周期性擾動模型，具體是根據(jù)初始節(jié)點(diǎn)位置，步長，初始曲率，主河道方向來產(chǎn)生[25]。

② 根據(jù)幾何形態(tài)參數(shù)對河道中線上所有節(jié)點(diǎn)賦值，建立該條河道的三維構(gòu)型模型。

③ 判斷是否發(fā)生截彎取直。該過程通過比較不相連的節(jié)點(diǎn)間距和河道寬度大小來實(shí)現(xiàn)，如果不相鄰節(jié)點(diǎn)間距小于河寬，則發(fā)生頸切，形成廢棄河道。

④ 產(chǎn)生下一條河道。根據(jù)概率值進(jìn)行河道中線操作，包括產(chǎn)生新河道、河道分叉和河道側(cè)向遷移。產(chǎn)生新河道是在河道中線庫中隨機(jī)選擇；河流改道中分叉位置根據(jù)曲率大小決定，曲率大的位置發(fā)生分叉概率大，分叉節(jié)點(diǎn)后根據(jù)周期擾動模型重新生成河道，在分叉位置之后的原河道則廢棄。

⑤ 判斷砂地比是否達(dá)到指定閾值，達(dá)到則模擬結(jié)束，否則轉(zhuǎn)到步驟②。

⑥ 對產(chǎn)生的模型進(jìn)行條件化處理，得到最終的隨機(jī)模擬結(jié)果。

Alluvsim算法適用于河流沉積環(huán)境，可真實(shí)地再現(xiàn)河流相儲層構(gòu)型要素，如河道、點(diǎn)壩、天然堤、決口扇等幾何形態(tài)和內(nèi)在成因上的聯(lián)系，進(jìn)而建立真實(shí)的地質(zhì)模型。針對該方法所存在的密集井?dāng)?shù)據(jù)條件化困難問題和點(diǎn)壩砂體內(nèi)部構(gòu)型刻畫不足問題，國內(nèi)學(xué)者對該算法做了相應(yīng)改進(jìn)[22-23]。Alluvsim算法也可運(yùn)用在深水環(huán)境中，此時(shí)河道中線操作和構(gòu)型要素需做適當(dāng)調(diào)整[21]。

2 算法改進(jìn)

曲流河道和深水彎曲水道在平面形態(tài)和遷移幾何特征等方面具有許多相似性，如沖裂、復(fù)合水道(河道)帶、側(cè)向遷移以及截彎取直等等。然而，兩者在演化方式上有顯著差異。在陸上曲流河中，河道側(cè)向遷移和向下游方向掃動是一個(gè)連續(xù)過程，垂向加積現(xiàn)象不明顯。在深水體系中，有簡單的下切和垂直堆積形成的橫向不活動的復(fù)合水道，有純向下游遷移的復(fù)合水道，有間斷側(cè)向遷移水道[26-27]。彎曲特征是深水水道最直觀的幾何特征。R.B.Wynn等人介紹了現(xiàn)代不同地區(qū)的眾多深水水道，如Amazon扇、Mississippi扇和Zaire扇等，它們各自深水水道彎曲特征不同。劉新穎等人介紹了西非中部的Rio Muni盆地6條彎曲程度和規(guī)模各異的水道，不同曲率的水道表現(xiàn)不同的充填樣式[6,28]。原Alluvsim算法中，初始河道中線根據(jù)試油資料和地震解釋等能夠提供的儲層水平方向的趨勢信息約束在河道中線庫中選取，而河道中線庫中每一條河道中線的位置和分布是隨機(jī)的；遷移方式上，河道沿古流向整體遷移考慮不足；此外，曲流河演化程度與砂地比及產(chǎn)生新河道的概率有關(guān)，自身曲率難以保證。因此，為了更好地再現(xiàn)濁積水道分布、沿古流向整體遷移特點(diǎn)及其彎曲特征，筆者對Alluvsim進(jìn)行改進(jìn)，以分別適用于不同條件下濁積水道訓(xùn)練圖像建立。

2.1 水道中線庫生成改進(jìn)

深水水道沉積早期，沉積物供應(yīng)充足，侵蝕能力強(qiáng)，水道下切可形成大型海底峽谷底部河床。隨著時(shí)間的流逝，沉積物供應(yīng)相對變少，單個(gè)水道的切割、遷移和加積形成了一個(gè)明顯復(fù)雜的濁積水道體系[29-30]。濁積水道體系會有一個(gè)寬度范圍，而基于周期性擾動模型生成的水道中線庫沒有邊界約束(圖1a)。筆者通過對水道流線末端點(diǎn)做范圍限制，進(jìn)而約束水道中線庫生成，具體實(shí)施步驟如下(圖1b)：

① 確定水道流線初始點(diǎn)的邊界范圍。水道流線起始點(diǎn)可設(shè)置在網(wǎng)格某一邊界上，分布服從正態(tài)分布。根據(jù)均值和標(biāo)準(zhǔn)差來確定初始點(diǎn)的邊界范圍。

② 計(jì)算水道流線末端點(diǎn)的邊界范圍。取水道流向起始點(diǎn)的兩個(gè)端點(diǎn)，根據(jù)主流向分別延長兩個(gè)端點(diǎn)，與網(wǎng)格邊界相交的兩個(gè)端點(diǎn)間的范圍即為水道中線庫末端點(diǎn)的邊界范圍。

圖1 水道中線庫生成改進(jìn)方法及改進(jìn)前、后效果比較Fig.1 An improved method for channel streamline generation and results comparison of the original method and the improved onea. 水道中線庫改進(jìn)前；b. 水道中線庫生成改進(jìn);c. 水道中線庫改進(jìn)后

③ 水道中線庫生成。在水道流線起始點(diǎn)范圍內(nèi)根據(jù)周期性擾動模型產(chǎn)生水道中線，若水道流線末端點(diǎn)在其邊界范圍內(nèi)，保留；否則，重新生成。

將改進(jìn)前后的水道中線分布進(jìn)行對比(圖1)，改進(jìn)前水道中線呈發(fā)散狀態(tài)，位置分布差異大；而改進(jìn)后水道中線在約束的河谷范圍內(nèi)，能夠再現(xiàn)深水水道體系空間分布特征。

2.2 水道沿古流向整體遷移改進(jìn)

在深水體系中，水道在側(cè)向遷移過程中，水道存在向下游的分量，平面上水道向下游方向整體遷移與水道側(cè)向遷移是一個(gè)連續(xù)或者離散的過程[5,7,30]。原Alluvsim算法中側(cè)向遷移和向下游掃動現(xiàn)象是連續(xù)的(圖2a)，可通過控制沉積物供給量(流量)來控制水道側(cè)向遷移過程中向下游遷移的程度。流量小時(shí)，水道以側(cè)向遷移為主，沿古流向整體遷移微弱；流量較大時(shí)，水道可見明顯地向下游掃動的現(xiàn)象。為了模擬濁積水道沿古流向整體遷移的離散過程，可通過將單一水道中線上各節(jié)點(diǎn)沿古流向遷移來再現(xiàn)水道僅向下游掃動現(xiàn)象，節(jié)點(diǎn)坐標(biāo)變換計(jì)算公式為：

X′i=Xi+sin(mCHazi)dist

(1)

Y′i=Yi+sin(mCHazi)dist

(2)

式中:(Xi,Yi)是各節(jié)點(diǎn)整體遷移前的坐標(biāo)；(X′i,Y′i)是各節(jié)點(diǎn)整體遷移后的坐標(biāo);mCHazi是水道的主方向;dist是水道沿古流向掃動的距離，該距離根據(jù)地質(zhì)人員分析獲得對應(yīng)統(tǒng)計(jì)規(guī)律并隨機(jī)抽樣獲取。

圖2b為單一水道側(cè)向遷移和沿古流向整體遷移離散過程的模擬結(jié)果圖，再現(xiàn)了前期側(cè)向遷移為主后期沿古水流向掃動的濁積水道。

2.3 彎曲度指標(biāo)約束水道演化改進(jìn)

1) 初始水道：LI為水道流線長度，?I可近似為水道流線長度與初始彎曲度的比值，計(jì)算兩者比值求取彎曲度kI。

2) 水道截彎取直：LC根據(jù)新的水道流線長計(jì)算，?C可近似為初始河谷長度?I。

3) 水道側(cè)向遷移：LL根據(jù)新的水道流線長計(jì)算，?L可近似為初始河谷長度?I。

圖2 單一水道平面遷移模式改進(jìn)前、后效果比較Fig.2 Results comparison of the horizontal migration patterns of single channel before and after improvementa. 水道中線側(cè)向遷移與沿古流向掃動連續(xù)(改進(jìn)前)；b. 水道中線早期側(cè)向遷移，后期沿古流向掃動(改進(jìn)后)

圖3 水道彎曲度計(jì)算及不同彎曲度水道生成Fig.3 Graphs showing the calculation of the channel curvature and the generation of channels with different curvaturesa. 水道彎曲度計(jì)算示意圖；b. 不同彎曲度水道生成圖

4) 沿古流向整體遷移：彎曲度值不變。水道沿古流向遷移伴隨垂向加積時(shí)，彎曲度值不變；若無垂向加積，形成的復(fù)合水道彎曲度將變小，由于不方便計(jì)算，彎曲度近似為不變。

5) 水道改道：需分段計(jì)算，假設(shè)第m個(gè)節(jié)點(diǎn)前(包括第i個(gè)節(jié)點(diǎn))的所有節(jié)點(diǎn)未移動，為一段，而第i個(gè)節(jié)點(diǎn)后的節(jié)點(diǎn)重新生成，為另一段。再根據(jù)兩段各自的水道流線長除以初始河谷長度的比值之和來得到彎曲度。

每一次產(chǎn)生水道后計(jì)算該彎曲度，并與預(yù)期彎曲度值比較。彎曲度大于預(yù)期彎曲度時(shí)，水道演化終止。如圖3b所示，生成了3期不同彎曲度的水道，水道1、水道2和水道3的彎曲度分別為1.59，1.25以及1.10。

在以上改進(jìn)的基礎(chǔ)上，形成了濁積水道訓(xùn)練圖像生成算法(圖4)，具體步驟如下：

① 統(tǒng)計(jì)研究區(qū)濁積水道體系形態(tài)參數(shù)。

② 水道中線庫生成。根據(jù)已有地質(zhì)知識庫，在水道體系范圍內(nèi)產(chǎn)生一個(gè)候選水道中線庫。

③ 根據(jù)幾何形態(tài)參數(shù)對道中線上所有的節(jié)點(diǎn)賦值，建立該條水道的三維構(gòu)型模型。

④ 由低到高依次選擇水道加積面。根據(jù)水道垂向分布趨勢計(jì)算各加積面對應(yīng)的NTG(砂地比)。最大和最小加積面的高度差為濁積水道體系垂向深度。

⑤ 選擇初始水道中線。以水道水平趨勢分布為約束隨機(jī)地從水道中線庫中選擇一條水道中線。

⑥ 確定水道預(yù)期彎曲度。在彎曲度變化范圍內(nèi)從某種分布中抽取，可以是三角分布(需知彎曲度眾數(shù))或高斯分布等，確定的該彎曲度值用來決定水道演化的最終彎曲形態(tài)。

⑦ 判斷是否發(fā)生截彎取直。發(fā)生水道截彎取直后，重新計(jì)算水道彎曲度。

圖4 濁積水道訓(xùn)練圖像生成流程Fig.4 A flow chart showing the generation of turbidity channel training image

⑧ 產(chǎn)生下一條水道。定義了3個(gè)控制水道演化過程的概率值P1(水道發(fā)生分叉的概率)、P2(水道沿古流向遷移概率)和P3(水道垂向加積概率)，根據(jù)先驗(yàn)知識隨機(jī)產(chǎn)生一個(gè)介于0～1的常數(shù)P。如果P

⑨ 判斷水道NTG是否達(dá)到加積面對應(yīng)的NTG。若未達(dá)到，則仍在該加積面上生成彎曲水道，轉(zhuǎn)到步驟⑤；否則，轉(zhuǎn)到步驟④，直到水道達(dá)到最大加積面及相應(yīng)NTG值。

3 實(shí)際模型研究

以安哥拉地區(qū)某油田濁積水道為例，研究區(qū)共有25口鉆井，區(qū)域大小為3.13×1010m3，地震資料顯示水道主流向朝西南向(圖5)，鉆井資料統(tǒng)計(jì)得工區(qū)砂地比為0.264。前人對該區(qū)開展了精細(xì)地質(zhì)研究[11,31]，獲得了研究區(qū)深水水道地質(zhì)知識庫見表1。

在獲得上述參數(shù)后，基于對研究區(qū)濁積水道地質(zhì)特征的認(rèn)識，采用改進(jìn)的Alluvsim算法在無條件點(diǎn)的情況下生成了研究區(qū)的訓(xùn)練圖像(圖6)。從所建訓(xùn)練圖像看，發(fā)育1個(gè)濁積水道體系，砂體規(guī)模為80.7×108m3，平面上水道體系寬度為1 500～2 000 m，復(fù)合水道彎曲度介于1.2～1.7。其次，剖面上水道體系下部以側(cè)向遷移為主；水道體系中部以垂向加積為主，可見斜列式垂向遷移和擺動式垂向遷移等各種疊置樣式的復(fù)合水道；水道體系上部砂體分布范圍廣，側(cè)向遷移能力較強(qiáng)，與地質(zhì)分析對比合適[12]。由此說明訓(xùn)練圖像反映了工區(qū)地下儲層結(jié)構(gòu)特征，能夠應(yīng)用于多點(diǎn)建模。

圖5 安哥拉地區(qū)某油田地震屬性Fig.5 Seismic attributes of an oilfield in Angola

x方向網(wǎng)格數(shù)119x方向網(wǎng)格大小/m64y方向網(wǎng)格數(shù)179y方向網(wǎng)格大小/m56z方向網(wǎng)格數(shù)20z方向網(wǎng)格大小/m20砂地比0.22單一濁積水道深度/m(14,8)單一濁積水道寬深比(13,3)主方向/(°)(213,1)隨機(jī)種子69 569初始彎曲度1.05時(shí)期時(shí)期1時(shí)期2時(shí)期3預(yù)期彎曲度(1.6,0.1)(1.3,0.1)(1.4,0.1)水道改道概率0.100水道加積概率00.20水道沿古流向整體遷移概率000.2垂向加積距離(水道深倍數(shù))0(0.5,0.25)0沿古流向整體遷移距離(水道寬倍數(shù))(0.5,0.25)0(0.5,0.25)水道加積面高度(網(wǎng)格樓)2,46,8,10,1214,16,18,20…

注：(a，b)表示均值為a，標(biāo)準(zhǔn)差為b。

隨后將該訓(xùn)練圖像作為參數(shù)輸入，提取相應(yīng)的儲層模式。在此基礎(chǔ)上，以井資料為硬條件輸入，以地震屬性作為輔助約束，采用Snesim方法建立了研究區(qū)三維地質(zhì)模型。平面上，從三維模型(圖7e，f)中抽取的3個(gè)地層切片，可見復(fù)合水道的方向大體一致，近北東向，這與地震屬性對應(yīng)地層切片(圖7a—c)的復(fù)合水道形態(tài)較為相似。剖面上(圖7h)，限制性水道體系的形態(tài)和位置與地震資料(圖7g)相比也較符合?？梢?，多點(diǎn)地質(zhì)統(tǒng)計(jì)模擬結(jié)果可較好地反映了實(shí)際儲層分布。然而，模擬結(jié)果的水道構(gòu)型要素難以識別，單一水道和復(fù)合水道難以劃分。分析原因可能有兩點(diǎn)：一是網(wǎng)格大小相對較大，有時(shí)單一水道深度小于一個(gè)縱向網(wǎng)格；二是本文訓(xùn)練圖像僅劃分有水道相和非水道相，其中可適當(dāng)加入天然堤微相，使得相模擬過程中能更好再現(xiàn)水道以及水道與天然堤間的空間結(jié)構(gòu)與幾何特征。

圖6 濁積水道訓(xùn)練圖像Fig.6 The training image of turbidity channels

圖7 安哥拉地區(qū)地震屬性和多點(diǎn)地質(zhì)統(tǒng)計(jì)模擬結(jié)果對比Fig.7 A comparison of seismic attributes and multi-point geostatistical simulation results in Angolaa. 地震屬性地層切片2;b. 地震屬性地層切片12;c. 地震屬性地層切片17;d. 多點(diǎn)地質(zhì)統(tǒng)計(jì)模擬結(jié)果地層切片2;e. 多點(diǎn)地質(zhì)統(tǒng)計(jì)模擬結(jié)果地層切片12;f. 多點(diǎn)地質(zhì)統(tǒng)計(jì)模擬結(jié)果地層切片17;g. 地震屬性剖面;h. 多點(diǎn)地質(zhì)統(tǒng)計(jì)模擬結(jié)果剖面

圖8 安哥拉工區(qū)地震屬性轉(zhuǎn)換的相圖和地質(zhì)統(tǒng)計(jì)模擬結(jié)果計(jì)算的不同方向變差函數(shù)圖比較Fig.8 A comparison of the phase map of seismic attribute transformation and the variogram map of diverse directions obtained by geostatistical simulation in the Angola study area a. 工區(qū)長邊方向變差函數(shù);b. 工區(qū)短邊方向變差函數(shù)

最后，采用定量方法進(jìn)行檢驗(yàn)。由于該區(qū)地震分辨率較高，其整體特征能夠反映地質(zhì)儲層實(shí)際。因此將實(shí)際地震資料計(jì)算的變差函數(shù)與模型計(jì)算的變差函數(shù)進(jìn)行了比較(圖8)。圖8a是短軸方向比較，其中兩者基臺值均為0.2，塊金常數(shù)分別為0.030和0.035，變程分別為2 688 m和1 920 m；圖8b中基臺值均為0.2，塊金常數(shù)分別為0.025和0.030，變程分別為3 472 m和2 520 m。從中可以看出，兩者基臺值、拱高以及變程相近，形態(tài)相似，具有較高的匹配性，相關(guān)系數(shù)達(dá)到0.93，說明建立的模型能夠反映地下實(shí)際，具有較高的精度。模型可以服務(wù)于后期地質(zhì)以及油藏工程方面研究。

4 結(jié)論

1) 多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)核心是訓(xùn)練圖像。深水濁積水道與曲流河相具有可比性。對Alluvsim進(jìn)行改進(jìn)，建立了濁積水道體系訓(xùn)練圖像生成流程，實(shí)現(xiàn)了濁積水道體系訓(xùn)練圖像自動獲取。

2) 利用改進(jìn)后的Alluvsim算法生成安哥拉地區(qū)某油田訓(xùn)練圖像，用于實(shí)際儲層多點(diǎn)地質(zhì)統(tǒng)計(jì)學(xué)建模。從模擬結(jié)果看，模型較好的反映了實(shí)際儲層分布。通過計(jì)算實(shí)際地震屬性變差函數(shù)，并且與建立模型變差函數(shù)相比，兩者具有較好的相似性。表明建立的模型具有較高的精度和可信度，能夠服務(wù)于后期油藏勘探與開發(fā)。