362
Геологическое 3D моделирование
Также показаны вариограммы, смоделированные после оценки данных
по этим направлениям. По ним оценены ранги по направлениям X и Y. В
данном случае они равны 3000 м и 1000 м, соответственно.
Здесь же показан результат применения кригинга с использованием
моделей вариограмм. От каждого узла 2D-сетки с неизвестным значением
отложен эллипс с радиусами, равными рангам вариограмм, полученным
в результате моделирования вариограммы. Далее кригинг присваивает веса
точкам, попавшим внутрь каждого эллипса, и рассчитывает значения в ис-
комых точках (то есть во всех узлах регулярного 2D-грида). В случае при-
менения кригинга для распределение свойств в 3D вариограмма и ее ранги
рассчитываются в трех направлениях (третье — вертикальное). Пример по-
казан на рис. П.6.8 внизу.
Методы геостатистики можно разделить на две широкие категории:
детерминированная геостатистика, которая хотя и основывается на слу-
чайной модели среды, в результате генерирует одну единственную модель
распределения свойств; и стохастическая геостатистика, которая произ-
водит несколько возможных вариантов («реализаций») модели распреде-
ления свойств, каждый из которых обладает равной вероятностью суще-
ствования.
Кригинг сам по себе относится к детерминированным методам геологи-
ческого моделирования. Суть работы детерминированного кригинга заклю-
чается в нахождении «наилучшего результата» (best guess). Однако в реаль-
ном моделировании это часто приводит к слишком гладкому результату,
который очень далек от истинного положения вещей.
Распределение, полученное в результате кригинга, никогда не может
быть истинным по причине ограниченности исходных данных. Кроме того,
геологическая неоднородность, получаемая кригингом (как и любыми дру-
гими методами интерполяции), является гораздо более сглаженной, чем ис-
тинное неизвестное распределение величины. Причина этой сглаженности
заключается в том, что кригинг, как и другие методы интерполяции, стре-
мится рассчитать наиболее вероятное (наименее рискованное) значение
с точки зрения исходных данных. Поэтому рассчитанное значение не может
сильно отличаться от соседнего значения.
Рассмотрим некоторые практические примеры степени значимости па-
раметров вариограмм для моделирования. На рис. П.6.9 приведен пример
влияния величины нагета на степень «зашумленности» куба литологии
(песчаники — желтые, глины — зеленые). Мы видим, что чем больше нагет,