分区域多点统计随机地质建模方法——以柴达木盆地辫状河三角洲沉积储集层为例

陈更新，赵凡，王建功，郑红军，严耀祖，王爱萍，李积永，胡云鹏

（1.中国地质大学（北京）能源学院；2.中国石油勘探开发研究院西北分院；3.中国石油青海油田勘探开发研究院；4.中国石油勘探开发研究院）

分区域多点统计随机地质建模方法
——以柴达木盆地辫状河三角洲沉积储集层为例

陈更新1,2，赵凡2，王建功2，郑红军2，严耀祖2，王爱萍2，李积永3，胡云鹏4

（1.中国地质大学（北京）能源学院；2.中国石油勘探开发研究院西北分院；3.中国石油青海油田勘探开发研究院；4.中国石油勘探开发研究院）

通过对密井网区精细地质研究，结合沉积物理模拟实验，对柴达木盆地昆北油田辫状河三角洲沉积模式开展研究，获得沉积微相单元的统计特征参数和平面配置关系，建立辫状河三角洲不同沉积区域的训练图像，最终建立辫状河三角洲储集层地质模型。采用角度旋转、比例缩放、邻区序贯条件模拟方法，分区分训练图像建立精细的辫状河三角洲沉积微相模型。分区域多点统计随机建模间接放宽多点统计随机建模平稳性要求，并改善了河道连续性，提高了训练图像的可移植性。在柴达木盆地昆北油田油藏描述应用中，模型与生产实际吻合较好，取得较好应用效果，证明该方法的可靠性和可行性，探索了采用随机模拟方法准确刻画辫状河三角洲沉积储集层的新途径。图8参29

分区域多点统计；随机地质建模；训练图像；沉积微相；辫状河三角洲；柴达木盆地

0 引言

随着石油勘探与开发程度不断提高，研究领域不断扩大，勘探目标地质体的空间结构和几何形态日益复杂，油藏和储集层类型更加多样，因此区域化地质变量不仅与矢量距离有关，更与空间位置相关。传统的两点地质统计模拟方法（如截断高斯模拟、序贯指示模拟）基于变差函数表达两点间相关性，其优点是易于忠实条件数据,不足之处是只能在二阶平稳或本征假设前提下，把握空间任意两点之间的相关性，因而难以表征复杂空间结构和几何形态（如弯曲河道）。因此Guardiano等提出一种新的基于象元的多点地质统计随机模拟方法[1-2]。

相对于两点地质统计学，多点地质统计学应用“训练图像”代替变差函数表达多点间相关性，即地质变量的空间结构性。训练图像是能够表达实际储集层结构、几何形态和分布模式的数字化图像，它能够反映先验地质概念和沉积模式。多点地质统计学方法仍然采用基于象元的序贯算法，因而易于忠实硬数据，与两点统计本质区别在于它通过给定数据事件对训练图像进行

扫描来获取条件概率分布函数。Strebelle等在前人研究的基础上，提出Snesim算法[3-4]，将多点统计概率保存于“搜索树”中，大大提高计算效率，解决了需要反复扫描训练图像的问题，自此多点地质统计学真正成为一种实用的随机建模方法。此后，国外研究者又提出许多新的多点算法或改进算法，如Simpat、Filtersim、Growth-sim算法等[5-6]。以吴胜和、王家华为代表的学者将多点地质统计学的概念、内涵、算法引入国内，并取得一些研究进展[7-10]。目前，主流储集层建模软件Petrel和RMS中均有多点统计随机建模模块。

多点地质统计建模在再现储集层构型及数据条件化方面，相对于传统的两点统计建模有较大提高，但也存在一些不足。该方法要求训练图像平稳，即训练图像内目标体的几何构型及目标形态在全区基本不变，没有明显趋势或明显局部变异性。而实际储集层受多种因素影响，往往具有复杂的非均质性，即非平稳性。非平稳训练图像会导致杂乱无章的模拟实现[11-12]。Zhang提出通过旋转和比例压缩将非平稳训练图像变为平稳训练图像，并建立多个训练图像以获取未取样点条件概率分布函数，是一种简单化的解决途径，但具有局限性[13]。另外受遍历性假设和随机性影响，Snesim算法再现目标体连续性的能力有限，尤其是穿越整个工区的河道[14]。尹艳树等针对河流相储集层提出了基于储集层骨架的多点地质统计学方法，比Snesim和Simpat方法在河道模拟方面更加有效、稳定[15]；另外如何建立适宜的训练图像，还没有统一的成熟方法。

在辫状河三角洲的不同沉积区域，微相类型多，平面配置关系复杂，微相单元形态迥异，利用多点统计随机模拟建立此类储集层沉积微相模型是研究难点[16]。本次研究针对辫状河三角洲沉积特点，以及多点地质统计学存在的问题，采用分区域建立训练图像的方法，对辫状河三角洲储集层进行多点统计地质建模，精细表征研究区沉积微相分布。

图1 研究区位置图

1 多点统计地质建模训练图像的建立

训练图像是多点统计随机模拟的基本工具和输入条件。建立准确的、包含更多普适地质信息的训练图像是多点建模成功的关键。一般根据先验认识、专业知识或类比地质知识库，通过露头建模或现代沉积考察、密井网区精细地质研究、岩心观察分析、地震信息挖掘等，建立储集层微相单元结构或空间组合模式[17-21]。研究区昆北油田位于柴达木盆地西缘（柴西缘）南段（见图1），被阿尔金山和昆仑山所围，两大山系为柴西缘古近系提供大量的陆源碎屑物质，是沉积物的主

要来源。研究区主要储集层为古近系路乐河组，沉积物主要来自昆仑山祁漫塔格物源，发育辫状河三角洲—湖泊沉积体系，沉积相带宽，岩性以中—粗砂岩为主，沉积层理和构造发育[22-23]。

本次研究首先根据沉积物理模拟实验、现代沉积研究成果以及辫状河三角洲认识，结合岩心测井资料确定研究区粗略沉积模式，主要包括沉积相类型、形态特征，平面、垂向配置关系等。采用多井对比、井组解剖、生产动态验证等方法对该模式进行拟合，确定研究区各沉积微相单元统计特征参数（宽度、厚度、宽厚比等）。

对研究区进行沉积物理模拟实验，有助于分析路乐河组（E1+2）沉积期辫状河三角洲沉积特征（见图2）。模拟实验考虑了古地形、古盐度、古水深、湖盆边界、构造运动强度、古气候、物源供应、水流速度和携砂量等因素对沉积过程的控制作用，其中考虑古盐度影响是本实验的特殊之处。采用活动底板分多次进行沉降过程模拟，实验初期地形坡度相对较陡，以充填作用为主，沉积速率快，河道迁移摆动，各类砂坝相继形成。随着沉积过程不断进行，地形坡度逐渐变缓，限制了辫状河三角洲前缘的发育空间。推测柴西缘古湖水深约25～30 m，实验装置内最大水深可达60 cm，设计水深比尺为1∶50。柴西缘第三纪湖泊以微咸—咸水湖为主。下干柴沟组下段（E31）平均氯离子浓度为3 056×10−6，下油砂山组（N21）平均氯离子浓度为2 723×10−6，据水体盐度计算得到柴西缘E31、N21时期湖盆水体盐度分别为15‰～16‰、21‰～30‰，因此，实验中第三纪湖盆水体盐度设计为15‰～30‰。路乐河组沉积过程模拟设定边界条件：西部为阿尔金山脉，南部边界为现今盆缘以南20～30 km处，北部为赛什腾山—绿梁山，按照一定比例（纵向、横向和深度上比例分别为1∶28 000，1∶20 000，1∶2 000）设计实验模型。陆上沉积泥岩颜色、蒸发岩和古生物证据都表明，柴西缘第三纪处于干旱环境[24-25]。路乐河组至下干柴沟组下部沉积时期气候干热，实验过程按此控制洪水期、中水期和枯水期时间比例为2∶4∶6。沉积物理模拟实验结果为沉积微相的形态特征和平面配置关系提供了定性认识[26-28]。

图2 辫状河三角洲沉积物理模拟实验结果

物理实验结果表明辫状河三角洲平原河道外部构型呈窄条状，三角洲前缘河道呈宽带状，坝体呈狭长型或透镜状。通过对不同微相砂体规模的定量测量和统计，结合前人研究成果，建立咸化湖盆水深、砂体厚度、宽度、流速与湖水密度（盐度）等参数之间的经验公式，为咸化湖盆砂体预测提供参考。

式中 d——颗粒直径，m；g——重力加速度，m/s2； L——砂体厚度，m；M——粉砂及黏土含量，%，根据数据计算定义为7%；V——河流流速，m/s；W——单河道宽度，m；ρs——泥沙密度，kg/m3，泥沙的湿密度一般为（1.6～1.7）×10−3kg/m3；ρ——咸水密度，kg/m3；t——时间，s；µ0——清水粘结系数，N·s/m2；µ——咸水粘结系数，N·s/m2。

本次建模对象为昆北油田E1+2油藏。通过对密井网区的精细地质研究和构型分析，主力含油层段上部为三角洲前缘亚相（Ⅱ-5—Ⅱ-8小层），下部为三角洲平原亚相（Ⅱ-9—Ⅱ-11小层），整体为水进退积过程，自下而上，砂体从水上分流河道逐渐过渡到水下分流河道，

到滨浅湖的河口坝与席状砂。Ⅱ-5—Ⅱ-11小层的微相接触关系包括垂向重叠、侧向拼接和侧向分割（见图3）。根据单井相以及生产动态资料，判断砂体连通关系，勾画砂体边界，进而获取沉积微相单元规模统计（见图4）。

图3 研究区垂直物源方向沉积微相剖面图（图中数据为深度）

图4 辫状河三角洲沉积主力砂体规模概率统计图

精细地质研究认为研究区E1+2油藏辫状河三角洲平原水上分流河道砂体宽度为200～400 m，多点统计随机建模结果见图5，宽厚比为30～55，平均41.7；三角洲前缘水下分流河道宽度为300～600 m，河道宽深比为50～80，平均59.2；河口坝长度为300～800 m，宽度为200～400 m，长宽比1.3～2.4，平均1.9；辫状河三角洲为近物源沉积，坡度较陡，河道形态以顺直或低弯度为主（见图6）。

通过设定前期研究获取的地质体形态、规模等参数，纵向以相比例曲线为约束，采用目标体随机模拟、多重实现方式初步建立多个训练图像，然后人工参与进行优选和后期修改，以求最大限度地反映沉积微相单元的形态特征和空间组合关系（见图5、图6）。

图5 Ⅱ-10小层辫状河三角洲平原多点统计随机建模结果

图6 Ⅱ-6小层辫状河三角洲前缘分区域多点统计随机建模

2 分区域多点统计随机建模的实现

辫状河三角洲平原主要发育泛滥平原和水上分流河道两种微相，平面配置关系简单，交织叠置的水上分流河道为主要储集层，泛滥平原则发育隔夹层，整个工区可采用一种训练图像进行模拟。将训练图像旋转25°，与祁漫塔格物源方向一致；也可通过设定纵向、横向、深度3个方向因子在建模过程中对训练图像进行比例缩放。通过角度旋转和比例缩放，可以使训练图像适应相似的沉积模式、不同沉积规模和不同物源方向的储集层建模，因此训练图像具有较强的可移植性。

多点地质统计建模易于实现数据条件化（建模结果与井数据吻合较好），通过学习训练图像包含的相模式完成随机建模。该方法避免人工绘制沉积相的主观差异性，而且速度比手工勾画要快（见图5），当然也需要训练图像包含更多普适性地质信息。

辫状河三角洲前缘微相类型多，平面配置关系复杂，形态迥异，一种训练图像难以表达如此复杂的信息，必须分区域采用不同训练图像进行随机建模，并在分区边界上进行拼接，可取得较好效果。分区域建模大大提高了多点统计建模适用性，可用于建立复杂多尺度的沉积微相模型。

首先将单井相在平面上投影，同时参考砂体厚度等值线图（类似于手工勾画沉积亚相平面图），勾画水下分流河道、河口坝及席状砂微相的分布区域。3个区域分别采用不同训练图像进行模拟：三角洲前缘上游，储集层砂体主要是水下分流河道交织叠置为主，透镜状或狭长的河口坝和水下分流河道在河口处交替分布，河口坝和分流河道末端发育连片分布的席状砂体。理论上，各区域可同时或按任意顺序进行模拟，但这样会造成分区边界上明显的相不连续。采用邻区序贯条件模拟：从已经模拟完的区域的邻区中（除第1个区）选择一个区域进行模拟，并以模拟完的区域值为条件序贯进行模拟，至所有区域完成模拟。这样每个模拟区内，模拟条件不仅包含本区内的属性值，而且包含模拟完成区域的值（主要是边界附近的），从而保证区域边界的相连续性[29]。前提是两个区域的训练图像包含相同的相类型。

多点统计随机建模结果既反映了训练图像所包含的沉积模式，又与单井数据完全吻合，更加精细和定量地表征微相单元，刻画辫状河三角洲前缘二级分岔河道，再现河口坝受湖水改造的沉积样式（见图6）。

对单井相进行数据分析，绘制垂向各微相体积百分比曲线（见图7a），反映相比例随深度变化规律。后续模拟中，各微相体积百分比曲线作为输入条件约束模型垂向变化，从而保证相模型和井点数据统计的一致性。Ⅱ-6小层上部主要发育分流间湾，其次为分流河道和席状砂（见图7b）；下部主要发育分流间湾（见图7c），中部大量发育分流河道、席状砂和河口坝（见图7d）。多点建模结果不仅平面上符合沉积样式，也较好地表征了垂向非均质性。

需要说明的是，训练图像和井点统计的相比例往往不一致，这是建立的模式和实际储集层间存在误差的表现。模拟时，允许误差存在，但误差不能太大，最好小于10%。因此建立训练图像需考虑井点数据的分析结果。目前还不能通过三维训练图像体现模型的

纵向非均质性，因为相类型随深度变化几乎不满足平稳性要求，因此借鉴两点建模采用垂向比例曲线作为约束条件体现模型的纵向非均质性：当全局相比例和垂向比例同时设定时，全局相比例会被忽略。

图7 Ⅱ-6小层分区域多点统计随机建模实现的纵向沉积微相变化

根据地质研究结果，Ⅱ-7小层和Ⅱ-8小层的沉积环境、样式、规模非常相似，直接把Ⅱ-7小层的河道训练图像用来模拟Ⅱ-8小层水下分流河道，也达到理想建模效果。因此充分证明其可移植性，这也是训练图像优于手工绘制相图之处。

与辫状河三角洲相比，以曲流河为供源的正常三角洲，在三角洲平原部分，河道数量少，形态相对稳定，根据厚度较容易划分出河道发育区域和泛滥平原区域。河道发育区域基本满足多点统计建模的稳定性要求；三角洲前缘部分，由于水体与河流动力强度变化，砂体形态为鸟足状或朵状，因此需根据实际情况划分模拟区域，从而满足稳定性要求。

图8 切6-325井组示踪剂监测结果

3 效果分析

分区域多点统计随机建模在柴达木盆地昆北油田取得较好应用效果。从切6-325井组的示踪剂监测结果（见图8）可看出，砂体连通区域的监测井可见示踪剂，被分流间湾隔挡区域的切6-327等井则未见示踪剂显

示。水驱数据显示水驱前缘推进具有明显的方向性：顺物源方向水驱速度快，切6-345井和切6-315井分别为4.76 m/d、3.35 m/d；垂直物源方向明显较慢，切6-323井和切6-343井分别为1.13 m/d、1.80 m/d。示踪剂监测结果和水驱速度证明建模结果的可靠性，也证明分区多点统计建模方法的可行性。

砂体在不同沉积区域展布特征不同：在河道区，辫状分流河道砂体顺物源方向交织叠置；席状砂区，席状砂体垂直物源方向连片叠置，呈迷宫状；河口坝区，河口坝呈椭圆状向湖方向延伸，长轴与物源方向一致；分流间湾主要发育隔夹层，且具有明显方向性。分流间湾在河道区域顺物源方向呈条带状分布，在席状砂区与湖岸线方向平行（见图7）。

多点地质统计建模充分展现了辫状河三角洲沉积模式，同时满足与单井数据吻合较好。模型受井点统计相概率和训练图像约束。精细刻画发育储集层砂体和隔夹层的沉积微相，对注水高效开发具有较强的指导性，可为注采井网调整提供依据，指导井网优化部署。

4 结论

针对辫状河三角洲多点地质统计建模中建立训练图像和满足其平稳性的问题，采用分区域多点随机统计对咸化湖盆辫状河三角洲进行地质建模。通过密井网区精细地质研究和构型分析，结合室内辫状河三角洲沉积物理模拟实验，获得研究区沉积微相单元平面配置关系、形态特征及规模概率分布，采用目标体随机模拟方法，整合多种信息建立辫状河三角洲不同沉积区域的训练图像。采用邻区序贯条件模拟方法实现分区分训练图像多点建模，保证分区边界上相的连续性；通过角度旋转及比例缩放，使得训练图像适应不同物源方向、不同沉积规模的储集层建模，具有较好的可移植性；间接地放宽了多点统计随机建模对平稳性的要求，更好地体现了河道的连续性。

分区域多点统计随机建模既满足了数据条件化，又实现了训练图像包含的沉积模式，避免人工绘制相图的主观差异性，且模拟速度快，对沉积微相的刻画更加精细和定量化。沉积微相模型与生产实际吻合性较好，证明该方法的可靠性、可行性和实用性。该方法不仅适用于辫状河三角洲沉积储集层建模，对其他沉积类型的微相模拟也具有借鉴意义。

致谢：感谢中国石油勘探开发研究院西北分院油气地质研究所杜斌山、刘应如、张平、张婷静提供的大量帮助，感谢中国石油勘探开发研究院西北分院袁剑英教授和中国石油青海油田研究院屈信忠教授的指导。

[1] Cuardiano F,Srivastava R M.Multivariate geostatistics:Beyond bivariate moments[M]//Snares A.Geostatistics Troia’92.Dordrecht:Kluwer Academic Publishers,1993:133-144.

[2] Caers J.Petroleum Geostatistics[M].Texas:Society of Petroleum Engineers,2005:1-12.

[3] Strebelle S,Journel A.Reservoir modeling using multiple-point statistics[R].SPE 71324,2001.

[4] Strebelle S.Conditional simulation of complex geological structures using multiple-point statistics[J].Mathematical Geology,2002,34(1):1-21.

[5] Arpat G B,Cares J.A multiple-scale,pattern-based approach to sequential simulation[J].Quantitative Geology &Geostatistics,2005,12:255-264.

[6] Arpat G B.Sequential simulation with patterns[D].California:Stanford University,2005:1-85.

[7] 王家华.迎接油气储层建模理论、应用的大发展:从2007年国际石油地质统计学大会谈起[J].地学前缘,2008,15(1):16-25.Wang Jiahua.Greeting the great development of theories and applications of reservoir modeling[J].Earth Science Frontiers,2008,15(1):16-25.

[8] 吴胜和,李宇鹏.储层地质建模的现状与展望[J].海相油气地质,2007,12(3):53- 60.Wu Shenghe,Li Yupeng.Reservoir modeling:Current situation and development prospect[J].Marine Origin Petroleum Geology,2007,12(3):53- 60.

[9] 吴胜和,李文克.多点地质统计学:理论、应用与展望[J].古地理学报,2005,7(1):137-144.Wu Shenghe,Li Wenke.Multiple-point geo-statistics:Theory,application and perspective[J].Journal of Palaeogeography,2005,7(1):137-144.

[10] 尹艳树,吴胜和.储层建模方法研究进展[J].天然气地球科学,2006,17(2):200-206.Yin Yanshu,Wu Shenghe.The progress of reservoir stochastic modeling[J].Natural Gas Geoscience,2006,17(2):200-206.

[11] Manuel L,Carrera J.Application of multiple point geostatistics to non-stationary images[J].Mathematical Geosciences,2009,36(8):29-42.

[12] 李宇鹏,吴胜和.储集层构型分级套合模拟方法[J].石油勘探与开发,2013,40(5):630-635.Li Yupeng,Wu Shenghe.Hierarchical nested simulation approach in reservoir architecture modeling[J].Petroleum Exploration and Development,2013,40(5):630-635.

[13] Zhang T.Rotation and affinity invariance in multiple-point geostatistics[R].California:Stanford Center of Reservoir Forecast Annual Meeting,2002.

[14] Arpat G B,Caers J.Conditional simulation with patterns[J].Mathematical Geology,2007,39(2):177-203.

[15] 尹艳树,吴胜和,张昌民,等.基于储层骨架的多点地质统计学方法[J].中国科学:地球科学,2008,38(ZKⅡ):157-164.Yin Yanshu,Wu Shenghe,Zhang Changmin,et al.A reservoir skeleton-based multiple point geostatistics method[J].SCIENCE CHINA Earth Sciences,2009,52(zkⅠ):171-178.

[16] 张团峰.在储层建模中利用多点地质统计学整合地质概念模型及其解释[J].地学前缘,2008,15(1):26-34.Zhang Tuanfeng.Incorporating geological conceptual modes and interpretations into reservoir modeling using multiple-point geo-statistics[J].Earth Science Frontiers,2008,15(1):26-34.

[17] Zhang T,Switzer P,Journel A.Filter-based classification of training image patterns for spatial simulation[J].Mathematical Geology,2006,38(1):63-80.

[18] 李少华,张昌民.储层建模中几种原型模型的建立[J].沉积与特提斯地质,2004,24(3):102-106.Li Shaohua,Zhang Changmin.The construction of prototype models in reservoir modeling[J].Sedimentary Geology and Tethyan Geology,2004,24(3):102-106.

[19] 王家华,赵巍.基于地震约束的地质统计学建模方法研究[J].海洋石油,2010,30(4):46-49.Wang Jiahua,Zhao Wei.Research on geo-statistical modeling method constrained by seismic data[J].Offshore Oil,2010,30(4):46-49.

[20] GonzáLez E F,Mukerji T,Mavko G.Seismic inversion combining rock physics and multiplepoint geostatisitics[J].Geophysics,2008,73(1):11-21.

[21] Strebelle S.Simulation of petro-physical property trends within facies geobodies[J].Petroleum Geostatistics,2007,9:10-14.

[22] 罗晓容,孙盈,汪立群,等.柴达木盆地北缘西段油气成藏动力学研究[J].石油勘探与开发,2013,40(2):159-170.Luo Xiaorong,Sun Ying,Wang Liqun,et al.Dynamics of hydrocarbon accumulation in the west section of the northern margin of the Qaidam Basin,NW China[J].Petroleum Exploration and Development,2013,40(2):159-170.

[23] 孙平,郭泽清,刘卫红,等.柴达木盆地英东一号油气田成藏机理[J].石油勘探与开发,2013,40(4):429-435.Sun Ping,Guo Zeqing,Liu Weihong,et al.Accumulation mechanism of the Yingdong I field in the Qaidam Basin,NW China[J].Petroleum Exploration and Development,2013,40(4):429-435.

[24] Zhao F.Lacustrine algal limestone reservoir in western Qaidam Basin,China[J].Carbonates and Evaporates,2013,28:182-191.

[25] Zhao F.Identification of Neogene mixed lacustrine carbonate in western Qaidam basin[J].Carbonates and Evaporates,2014,29:210-217.

[26] 张春生.碎屑岩沉积模拟技术[M].北京:石油工业出版社,2003:3-12.Zhang Chunsheng.Sedimentary physical simulation technology of clastic rock[M].Beijing:Petroleum Industry Press,2003:3-12.

[27] 张春生,刘忠保,施冬,等.利用数值模拟方法预测辫状河砂体几何形态[J].石油勘探与开发,2004,31(增刊):85-88.Zhang Chunsheng,Liu Zhongbao,Shi Dong,et al.Braid river sand body shape forecast by numerical simulation method[J].Petroleum Exploration and Development,2004,31(Supp.):85-88.

[28] 王俊辉,姜在兴.三角洲沉积的物理模拟[J].石油与天然气地质,2013,34(6):758-763.Wang Junhui,Jiang Zaixing.Physical simulation of deltaic deposits[J].Oil &Gas Geology,2013,34(6):758-763.

[29] Remy N,Boucher A,Wu Jianbing.Applied geostatistics with SGeMS:A user’s guide[M].Cambridge:Cambridge University Press,2009:132-214.

（编辑 林敏捷）

Regionalized multiple-point stochastic geological modeling:A case from braided delta sedimentary reservoirs in Qaidam Basin,NW China

Chen Gengxin1,2,Zhao Fan2,Wang Jiangong2,Zheng Hongjun2,Yan Yaozu2,Wang Aiping2,Li Jiyong3,Hu Yunpeng4
(1.School of Energy Resources,China University of Geosciences,Beijing 100083,China;2.PetroChina Research Institute of Petroleum Exploration &Development-Northwest,Lanzhou 730020,China;3.PetroChina Qinghai Oilfield,Dunhuang 736200,China;4.PetroChina Research Institute of Petroleum Exploration &Development,Beijing 100083,China)

Research on the depositional model of a braided delta in Kunbei oilfield,Qaidam Basin,was conducted with a fine geologic study in a dense well network area by combining sedimentary physical simulation to obtain statistical characteristic parameters and allocation relations of plane sedimentary facies units.On this basis,training images in different sedimentary regions of the braided delta were developed for reservoir modeling.In each sub-region,sequential conditional simulation in adjacent regions used different training images with angle revolving and scaling.This simulation succeeded in finely modeling the sedimentary microfacies of the braided delta.This method relaxed the requirement for a stationary training image in multipoint simulation and improved channel continuity as well as portability of the training image.In the fine reservoir description of the Kunbei oilfield,the model results were consistent with practical production and have the potential to guide effective water-flooding development.Effective application demonstrated the feasibility and practicability of the method.This paper presents a new method for accurately characterizing the braided delta using stochastic simulation.

regionalized multi-point statistics;stochastic geological modeling;training image;sedimentary microfacies;braided delta;Qaidam Basin

国家科技重大专项（2011ZX05007-006）；中国石油重大科技专项（2011E-0308）

TE122

A

1000-0747(2015)05-0638-08

10.11698/PED.2015.05.11

陈更新（1984-），男，山东菏泽人，中国地质大学（北京）在读博士，主要从事开发地质、储集层建模和油藏数值模拟研究。地址：甘肃省兰州市雁儿湾路535号，中国石油勘探开发研究院西北分院油气地质研究所，邮政编码：730020。E-mail：chen_gx@petrochina.com.cn

2014-04-11

2015-07-26