А можно для не уловивших повторить, что такое "гашёные логи"?
и второе - сильно расходятся входящи и извлеченные... кто?
ДАННЫЕ... Имею в виду контроль качества - гистограммы и синтетику (извлечённые из куба кривые).....Т.е. между входящими данными (well logs) и смоделированным свойством не должно быть большого расхождения.... вот и суть моей проблемы.
Из апскейленных кривулек (а гасятся они с тем, чтоб токмо по продуктивной части были значения - в моём случае Кн и Кп) моделируем свойство в Пете - я лично методом kriging interpolation.... А може я ваш вопрос не поняла??????))))))))
И откуда только такая нарисовалась... Хмм...
По теме, заголовок вводит в заблуждение. Проблема не в кригинге. Где-то косяк, а где именно, тут вам не "нагадают" скорее всего.
это не проблема))), а его особенность. Не вдаваясь в теорию - в общем случае кригинг сужает гистограмму вокруг среднего у смоделированных данных по сравнению со скважинными данными, потому что, по его мнению)), лучшее значение в ячейках на большом расстоянии от скважин (больше ранга вариограммы до ближайшей скважины) - это среднее значение. а если расстояние от моделируемой ячейки до ближайшей скважины меньше ранга соответствующей вариограммы, то смоделированное значение будет тем ближе к среднему чем больше расстояние до смоделированной ячейки.
кригинг покажет хорошее сходство гистограмм только если моделируемая площадь плотно и равномерно разбурена, впрочем практически любой интерполяционный метод обладает такой особенностью при таких условиях.
а если моделируется участок на котором только часть площади разбурена эксплуатационными скважинами, а километрах в десяти от них стоят несколько разведок, то вполне приемлемо что гистограмма не совпадает. понимаете почему? это ваш случай?
2. сильно расходятся исходные и извлеченные логи, скорее всего потому что они как раз "гашеные" и сильно расходятся на тех участках скважин, где отсутствуют исходные логи? в противном случае какой способ осреднения вы использовали?
Из апскейленных кривулек (а гасятся они с тем, чтоб токмо по продуктивной части были значения - в моём случае Кн и Кп) моделируем свойство в Пете - я лично методом kriging interpolation.... А може я ваш вопрос не поняла??????))))))))
Да хоть заинтерполируйся данные в точках скважин остаются неизменными.
Если сделано все правильно и статистика оценивается по одинаковым выборкам (только в объеме модели), то чем грубее сетка, тем больше будет расхождение.
Да хоть заинтерполируйся данные в точках скважин остаются неизменными.
Если сделано все правильно и статистика оценивается по одинаковым выборкам (только в объеме модели), то чем грубее сетка, тем больше будет расхождение.
Из апскейленных кривулек (а гасятся они с тем, чтоб токмо по продуктивной части были значения - в моём случае Кн и Кп) моделируем свойство в Пете - я лично методом kriging interpolation.... А може я ваш вопрос не поняла??????))))))))
Проблемы надо искать в: 1. Корявом алгоритме апскейлинга 2. Слишком грубой сетке.
Сравнивая изначальные велллоги и "синтетику из куба" вы просто сравниваете изначальное и апскейленное свойство. Алгоритм создания куба здесь вообще непричем.
это не проблема))), а его особенность. Не вдаваясь в теорию - в общем случае кригинг сужает гистограмму вокруг среднего у смоделированных данных по сравнению со скважинными данными, потому что, по его мнению)), лучшее значение в ячейках на большом расстоянии от скважин (больше ранга вариограммы до ближайшей скважины) - это среднее значение. а если расстояние от моделируемой ячейки до ближайшей скважины меньше ранга соответствующей вариограммы, то смоделированное значение будет тем ближе к среднему чем больше расстояние до смоделированной ячейки.
кригинг покажет хорошее сходство гистограмм только если моделируемая площадь плотно и равномерно разбурена, впрочем практически любой интерполяционный метод обладает такой особенностью при таких условиях.
а если моделируется участок на котором только часть площади разбурена эксплуатационными скважинами, а километрах в десяти от них стоят несколько разведок, то вполне приемлемо что гистограмма не совпадает. понимаете почему? это ваш случай?
2. сильно расходятся исходные и извлеченные логи, скорее всего потому что они как раз "гашеные" и сильно расходятся на тех участках скважин, где отсутствуют исходные логи? в противном случае какой способ осреднения вы использовали?
Спасибо за понимание проблемы!!!! Теоретически всё понятно...площадь, с которой работаю, находится в промышленной разработке (сетка 300х300)...в противном случае использовала бы стохастику.))))) А почему вообще возник вопрос - заметила, что в некоторых скв. входящее значение по данному интервалу в логе (ну, скажем, Кн) 0,85-0,92 уменьшается и на выходе, в модели, этот же интервал даёт нам уже 0,40-0,45... Ранги вариограмм 5000/5000, вертикальный - 10, наггет - 0.1.... При апскейлинге метод осреднения - арифм.
Спасибо за понимание проблемы!!!! Теоретически всё понятно...площадь, с которой работаю, находится в промышленной разработке (сетка 300х300)...в противном случае использовала бы стохастику.))))) А почему вообще возник вопрос - заметила, что в некоторых скв. входящее значение по данному интервалу в логе (ну, скажем, Кн) 0,85-0,92 уменьшается и на выходе, в модели, этот же интервал даёт нам уже 0,40-0,45... Ранги вариограмм 5000/5000, вертикальный - 10, наггет - 0.1.... При апскейлинге метод осреднения - арифм.
Neta, на сам деле странно - если апскейлить арифметически и потом сравнить (чтобы об одном и том же говорить, повторю местных товарищей)... и потом сравнивать снятую с куба синтетику с исходным каротажем, то непонятно, как при апскейлинге значений 0.85 и выше выходят средние в 0.45...
Вы обрезаете (гасите ) синтетику в неколлекторе, когда сравниваете? хотя заковырка явно не тут... если только в неколлекторе вы не присваиваете нули... ?
ПС: а сам механизм распределения свойств, снова повторю форумчан, тут не при чем, если сравниваем каротажи
Спасибо за понимание проблемы!!!! Теоретически всё понятно...площадь, с которой работаю, находится в промышленной разработке (сетка 300х300)...в противном случае использовала бы стохастику.))))) А почему вообще возник вопрос - заметила, что в некоторых скв. входящее значение по данному интервалу в логе (ну, скажем, Кн) 0,85-0,92 уменьшается и на выходе, в модели, этот же интервал даёт нам уже 0,40-0,45... Ранги вариограмм 5000/5000, вертикальный - 10, наггет - 0.1.... При апскейлинге метод осреднения - арифм.
Какое счастье что не приходится сталкиваться по работе с таким глубоким непониманием процесса построения модели. Интерполяция распространяет поле параметра между скважинами. Вы же сравниваете исходные данные по стволу скважины с тем как эти данные перенеслись на сетку модели только в точках пересечения. Ваши параметры интерполяции тут абсолютно не причем о чем было сказано много раз выше.
При правильном переходе от скважинных данных к сетке не может происходить значительного изменения значения параметров. Но вы можете делать это неправильно, например, у вас в одной ячейке две скважины или исходный лог параметра содержит нулевые значения, т.е. в одну ячейку пополам попадают и ваши 0,85-0,92 и ноль (0) из части неколлектора, в среднем и получите 0,40-0,45.
А можно для не уловивших повторить, что такое "гашёные логи"?
и второе - сильно расходятся входящи и извлеченные... кто?
И причем при переносе скважинных данных в куб кригинг?
Гашенные логи это в нашем понимании эфективная пористость а не общая я так понимаю.
ДАННЫЕ... Имею в виду контроль качества - гистограммы и синтетику (извлечённые из куба кривые).....Т.е. между входящими данными (well logs) и смоделированным свойством не должно быть большого расхождения.... вот и суть моей проблемы.
магистр йода нарисовался,
тут люди попроще общаются так что не поленитесь писать ясным человеческим языком
И откуда только такая нарисовалась... Хмм...
По теме, заголовок вводит в заблуждение. Проблема не в кригинге. Где-то косяк, а где именно, тут вам не "нагадают" скорее всего.
1. "проблемы" с гистограммой у кригинга
это не проблема))), а его особенность. Не вдаваясь в теорию - в общем случае кригинг сужает гистограмму вокруг среднего у смоделированных данных по сравнению со скважинными данными, потому что, по его мнению)), лучшее значение в ячейках на большом расстоянии от скважин (больше ранга вариограммы до ближайшей скважины) - это среднее значение. а если расстояние от моделируемой ячейки до ближайшей скважины меньше ранга соответствующей вариограммы, то смоделированное значение будет тем ближе к среднему чем больше расстояние до смоделированной ячейки.
кригинг покажет хорошее сходство гистограмм только если моделируемая площадь плотно и равномерно разбурена, впрочем практически любой интерполяционный метод обладает такой особенностью при таких условиях.
а если моделируется участок на котором только часть площади разбурена эксплуатационными скважинами, а километрах в десяти от них стоят несколько разведок, то вполне приемлемо что гистограмма не совпадает. понимаете почему? это ваш случай?
2. сильно расходятся исходные и извлеченные логи, скорее всего потому что они как раз "гашеные" и сильно расходятся на тех участках скважин, где отсутствуют исходные логи? в противном случае какой способ осреднения вы использовали?
Если сделано все правильно и статистика оценивается по одинаковым выборкам (только в объеме модели), то чем грубее сетка, тем больше будет расхождение.
+1
1. Корявом алгоритме апскейлинга
2. Слишком грубой сетке.
Сравнивая изначальные велллоги и "синтетику из куба" вы просто сравниваете изначальное и апскейленное свойство. Алгоритм создания куба здесь вообще непричем.
Neta, на сам деле странно - если апскейлить арифметически и потом сравнить (чтобы об одном и том же говорить, повторю местных товарищей)... и потом сравнивать снятую с куба синтетику с исходным каротажем, то непонятно, как при апскейлинге значений 0.85 и выше выходят средние в 0.45...
Вы обрезаете (гасите
) синтетику в неколлекторе, когда сравниваете? хотя заковырка явно не тут... если только в неколлекторе вы не присваиваете нули... ? 
ПС: а сам механизм распределения свойств, снова повторю форумчан, тут не при чем, если сравниваем каротажи
Интерполяция распространяет поле параметра между скважинами. Вы же сравниваете исходные данные по стволу скважины с тем как эти данные перенеслись на сетку модели только в точках пересечения. Ваши параметры интерполяции тут абсолютно не причем о чем было сказано много раз выше.
При правильном переходе от скважинных данных к сетке не может происходить значительного изменения значения параметров. Но вы можете делать это неправильно, например, у вас в одной ячейке две скважины или исходный лог параметра содержит нулевые значения, т.е. в одну ячейку пополам попадают и ваши 0,85-0,92 и ноль (0) из части неколлектора, в среднем и получите 0,40-0,45.
Всем огромное спасибо!!!!! Мои логи были с нулевыми значениями в неколлекторах....