基于多点统计学的天然裂缝系统随机建模方法研究及并行实现

Due to limitations of the traditional geostatistical methods on description of the spatial distribution, the multi-point geostatistical methods are becoming a major tool for reservoir modeling. But during application of multi-point statistical methods to the large-scale geological modeling, CPU serial implementation is typically limited by some parameters, which may lead to the slow computational efficiency, excessive memory consumption and even program collapse. Above restrictions make it difficult to achieve the desired effect during practical application of point simulation..This project proposed stochastic simulation of spatial distribution of natural fractures in fractured reservoirs based on multiple point geostatistics method. According to the fine modeling of three-dimensional natural fracture system in reservoir modeling, researching the stochastic modeling method of SNESIM on small scale fractures, and the simulation method based on GPU parallel algorithm. Single grid and multi-grid implementation of SNESIM stochastic simulation strategy would be given. Through the module task of probability distribution function of the node to be simulated is allocated to GPU parallel execution, to improve the efficiency of calculation. For multi-grid method, buffer is set in the GPU memory to reduce the interaction time of the data transfer between the CPU and GPU. Through the research of path level and node level of GPU parallel algorithm, to improve the accuracy and simulation speed of natural fracture system for large-scale simulation. This research has very important scientific significance, provide a solid foundation for the development of unconventional oil and gas reservoirs.

由于传统地质统计学方法在描述空间分布方面的限制，多点统计方法成为主要的储层建模手段。但大规模模拟时，CPU串行方法受到一些参数限制导致计算效率缓慢，甚至出因内存过度消耗而计算崩溃，使逐点模拟算法的实际应用难以达到理想效果。.本项目提出基于多点地质统计方法随机模拟裂缝性油藏天然裂缝的空间分布。针对三维天然裂缝系统的精细建模问题，研究小尺度裂缝的SNESIM随机建模方法，以及该方法基于GPU的并行算法，实现随机模拟策略的单网格方法和多重网格方法。将计算待模拟结点概率分布函数的模块任务在GPU上进行多线程并行执行，提高计算效率。针对多重网格方法，提出在GPU内部设置数据缓冲区的方案，减少CPU主机和GPU之间的数据读取交互时间。通过研究路径级和节点级的GPU并行算法，提高大规模模拟天然裂缝系统的准确性和模拟速度。本项目研究具有十分重大的科学意义，为我国非常规油气藏的开发提供坚实的基础。

基于多点地质统计学方法的SNESIM随机模拟算法，在裂缝性油藏天然裂缝系统建模方面优势明显。通过参数敏感性分析，得出二维随机模拟中，搜索半径长短轴相等、搜索角度为0，最大条件数10-25，最小重复数2-5，多重网格级数为3-5时，模拟效果最好。.实现了SNESIM随机模拟的单网格算法和多重网格算法，将计算待模拟结点概率分布函数的任务模块在基于CUDA构架的GPU流处理器上进行了多线程并行计算，提高了计算效率。针对多重网格方法，提出了在GPU内部设置数据缓冲区的方案，减少CPU主机和GPU之间数据的读取交互时间。通过研究路径级和节点级的GPU并行算法，提高了大规模模拟天然裂缝系统的准确性和模拟速度。在模拟程序的测试环境为Intel Xeon E5-2689、NVIDIA Geforce GTX 1050Ti和32G内存的计算机上开展的算法研究和算例分析表明，不论CPU串行算法或GPU并行算法，随着数据模板尺寸的增加，三维随机模拟结果中的天然裂缝结构变好，并且多重网格方法模拟结果中的天然裂缝结构也比单网格方法的模拟结果好。在模拟速度方面，随着搜索模板的增大，GPU并行算法的速度提升程度也越明显。以数据模板300为例，与CPU的单网格算法相比，GPU并行算法的速度提升达到了25倍。此外，GPU算法不需要预处理训练图像形成搜索树，内存需求大大减小，随着搜索模板的增大，CPU串行算法消耗内存迅速增加，而GPU并行算法的内存消耗基本不变，该特性使GPU并行算法更适用于硬件环境受限制的大规模模拟计算。.通过SNESIM算法与克里金插值算法、序贯高斯模拟、序贯指示模拟的比较数据，表明SNESIM模拟方法对比原训练图像的均值相对误差以及方差都最小。变差函数拟合图也表明，SNESIM模拟结果也比其他随机模拟结果在裂缝信息相似程度上更贴近于原始训练图像。.本项目研究成果对多点地质统计学领域的随机模拟算法研究，以及石油地质领域的岩心重构技术方面均具有重大的科学意义和广阔的应用前景。