Основные понятия геостатистики в геофизике
Геостатистика — это раздел статистики, специально предназначенный для анализа пространственно связанных данных, то есть данных, значения которых зависят от местоположения. В геофизике данные почти всегда имеют пространственную природу: гравиметрические, магнитометрические, сейсмические и резистивиметрические измерения, а также геохимические данные и данные каротажа скважин привязаны к конкретным координатам. Поэтому геостатистика обеспечивает необходимую основу для понимания закономерностей распределения параметров недр, оценки значений в неизмеренных точках и оценки неопределенности интерпретаций. В данной статье рассматриваются основные понятия геостатистики, наиболее часто используемые в геофизических исследованиях.
Почему геостатистика важна в геофизике?
Геофизические исследования постоянно сталкиваются с ограничениями, связанными с отбором проб. Из-за стоимости, времени и ограничений доступа невозможно измерить каждую точку на поверхности или в недрах. Следовательно, для геофизической интерпретации требуются интерполяция и моделирование. Простые методы интерполяции, такие как взвешивание по обратному расстоянию (IDW), удобны, но они часто игнорируют пространственные корреляционные структуры и не дают оценки неопределенности. Геостатистика решает две ключевые задачи: (1) использование пространственных корреляционных закономерностей данных для получения более реалистичных оценок и (2) предоставление количественной основы для оценки неопределенности с целью принятия решений в области разведки.
В геофизической практике геостатистика используется для создания более точных и согласованных карт аномалий, моделирования свойств горных пород (пористость, проницаемость, скорость распространения волн), интеграции данных из различных источников (например, сейсмических данных и данных скважин) и моделирования подземных моделей для сценариев риска.
Пространственные данные и концепция случайных полей
Суть геостатистики заключается в рассмотрении геологических или геофизических явлений как случайных функций или случайных полей. Это означает, что значения параметров, таких как плотность, магнитная восприимчивость или скорость P в каждой точке, рассматриваются как реализации случайного процесса со специфической структурой. В этом подходе наша цель состоит не просто в том, чтобы «построить карту», а в том, чтобы оценить распределение значений и корреляции между точками.
В геостатистической модели важны два компонента: тренд и локальная изменчивость. Тренд описывает крупномасштабные изменения (например, увеличение плотности с севера на юг из-за региональных литологических изменений). Локальная изменчивость описывает мелкомасштабные флуктуации, часто связанные с неоднородностью горных пород, трещинами или изменениями фаций. Различие между трендом и изменчивостью помогает нам выбрать подходящий метод: следует ли просто предполагать стационарные условия или явно учитывать дрейф/тренд.
Стационарность: широко используемое базовое предположение
Многие классические геостатистические методы основаны на предположении о стационарности, то есть о том, что статистические свойства данных остаются неизменными при изменении местоположения. Наиболее распространенной формой является стационарность второго порядка: среднее значение постоянно, а ковариация зависит только от расстояния и направления разделения (запаздывания), а не от абсолютного положения.
В геофизике это предположение не всегда верно, поскольку геологические условия часто меняются постепенно. Однако в определенных масштабах (например, в пределах одной литологической области) предположение о стационарности часто вполне обосновано. Если данные показывают сильную тенденцию, обычно выполняется удаление тренда или используется вариант метода, такой как универсальный кригинг, учитывающий эту тенденцию.
Вариограмма: основа геостатистики
Наиболее знаковым понятием в геостатистике является вариограмма (или семивариограмма). Вариограмма иллюстрирует, как меняется сходство значений данных в зависимости от расстояния. Интуитивно понятно, что две точки, расположенные близко друг к другу, как правило, имеют схожие значения, в то время как точки, расположенные далеко друг от друга, как правило, имеют разные значения. Вариограмма количественно описывает этот принцип.
Эмпирическая семивариограмма обычно рассчитывается по следующей формуле:
\[
γ(h) = 1/2N(h) ∫_{i=1}^{N(h)}[Z(x_i)-Z(x_i+h)]^2
\]
где \(h\) — запаздывание (расстояние и направление), \(N(h)\) — количество пар данных с этим запаздыванием, а \(Z(x)\) — значение данных.
Три важных параметра вариограммы:
1. Самородок: значение семивариограммы при задержке, стремящейся к нулю. Самородки отражают погрешность измерения, шум или неоднородность в масштабе, меньшем, чем расстояние выборки.
2. Порог: значение семивариограммы, когда она достигает плато. Это связано с общей дисперсией данных в данной области.
3. Диапазон: расстояние, на котором вариограмма приближается к порогу. Ниже диапазона данные по-прежнему коррелированы; выше диапазона корреляция слабая/пропадает.
Вариограммы также могут показывать анизотропию, то есть корреляцию, которая изменяется в зависимости от направления. В геофизике анизотропия часто возникает из-за геологических структур, таких как слоистость, разломы или направление потока осадочного материала. Направленная вариограмма помогает определить направления наибольшей и наименьшей непрерывности, что имеет решающее значение при моделировании пластов или структурной интерпретации.
Вариограммные модели: от эмпирических к математическим функциям
Эмпирические вариограммы часто содержат шум и не всегда соответствуют математическим требованиям для использования в кригинге. Поэтому их необходимо аппроксимировать теоретической моделью, например:
– Сферический
– Экспоненциальный
– Гауссово
– Matérn (более гибкий, но более сложный)
Выбор модели определяется формой эмпирической вариограммы и геологическими особенностями. Например, гауссовские модели часто обеспечивают очень плавные переходы на коротких расстояниях, что подходит для параметров с высокой степенью непрерывности. Экспоненциальные модели дают более грубые переходы на коротких расстояниях, что подходит для явлений с быстрыми изменениями.
Кригинг: Оптимальная оценка на основе вариограммы
Кригинг — это геостатистический метод интерполяции, использующий вариограмму для получения наилучшей линейной несмещенной оценки (BLUE). В отличие от детерминированных методов интерполяции, кригинг:
1. Учитывайте расстояние и пространственную корреляцию.
2. Создает карту оценок, а также карту дисперсии кригинга (неопределенности).
Распространенные типы кригинга:
– Простой кригинг (СК): среднее значение известно и постоянно.
– Обычный кригинг (ОК): среднее значение неизвестно, но предполагается, что оно постоянно в локальной окрестности.
– Универсальный кригинг (Великобритания): включает тренд/дрейф (например, полиномиальная функция относительно координат).
– Ко-кригинг: использование вторичных переменных (например, оценка пористости с помощью сейсмического импеданса).
– Индикаторный кригинг: для категориальных/событийных данных (например, вероятности определенного литологического типа).
В прикладной геофизике обычный кригинг часто является хорошим первоначальным выбором, поскольку он гибок и не требует предположения о существовании известного глобального среднего значения.
Геостатистическое моделирование: больше, чем просто карта.
Интерполяция позволяет получить единственную «наилучшую» модель, но состояние недр никогда не бывает гарантированным. Для оценки риска и создания сценариев используются геостатистические методы моделирования, такие как:
– Последовательное гауссовское моделирование (SGS) для непрерывных переменных.
– Последовательное индикаторное моделирование (SIS) для категориальных переменных.
– Многоточечная статистика для сложных геологических структур на основе обучающих изображений.
Моделирование позволяет получить множество вариантов, которые согласуются с данными и вариограммой, что дает возможность рассчитать диапазоны вероятности, квантили и вероятности. В геофизическом контексте моделирование имеет важное значение для планирования бурения, оценки неопределенности объемов и интеграции с моделированием потоков.
Проверка модели: перекрестная проверка и диагностика.
Качественная геостатистика не ограничивается созданием вариограмм и кригинга. Необходимо проводить оценки, например:
– Перекрестная проверка методом «исключения одного элемента»: для каждой точки прогнозируется значение, полученное с использованием других точек, а затем сравнивается с фактическим значением.
– Анализ остатков: определить, распределены ли остатки случайным образом, и выявить наличие систематической ошибки.
– Проверка дисперсии методом кригинга: является ли неопределенность разумной (высокая в областях с недостатком данных, низкая в областях с большим количеством данных).
Проверка помогает определить, является ли вариограмма слишком «гладкой», слишком ли велик/мал или присутствует ли анизотропия, которая не была учтена.
Общие проблемы в геофизических геостатистических приложениях
Некоторые часто возникающие проблемы:
1. Шум и ненормальное распределение: Геофизические данные часто содержат выбросы и ненормальные распределения. В некоторых случаях необходимы преобразования (например, преобразование в нормальное распределение).
2. Неравномерная выборка: траектория измерения приводит к тому, что данные получаются плотными в одном направлении и разреженными в другом.
3. Нестационарность: изменения литологии или региональной структуры приводят к выраженным трендам.
4. Многомасштабная интеграция: сейсмические данные имеют большой масштаб, но разрешение отличается от очень подробных данных скважин.
Для преодоления этих трудностей необходимо сочетание статистических знаний и геологической/геофизической интуиции.
обложка
Фундаментальные концепции геостатистики — стационарность, вариограмма, кригинг и моделирование — обеспечивают мощную основу для обработки геофизических данных, привязанных к местоположению. С помощью вариограммы мы отображаем пространственную корреляционную структуру; с помощью кригинга мы получаем оптимальные оценки и их неопределенности; а с помощью моделирования мы строим множество сценариев, которые более реалистично отражают неопределенности в недрах. В конечном счете, геостатистика — это не просто метод картирования , а количественный подход к принятию более обоснованных решений в области геофизической разведки и интерпретации.
При желании я могу также добавить примеры практического применения (например, картирование магнитных аномалий или оценка сейсмической скорости) или включить практический алгоритм работы от расчета вариограммы до кригинга в конкретном программном обеспечении.
