Вы находитесь на странице: 1из 23

ФИЗИКА ЗЕМЛИ, 2019, № 6, с.

  107–129

УДК 550.834

ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ


ИНФОРМАЦИИ ПРИ ИНВЕРСИИ СЕЙСМИЧЕСКИХ ДАННЫХ
© 2019 г. К. А. Эпов
АО Руспетро, г. Москва, Россия
E-mail: epovk@yandex.ru
Поступила в редакцию 25.01.2018 г.
Принята в печать 25.03.2019 г.

В работе предлагается подход к параметризации априорных геологических представлений об из­


менениях условий осадконакопления в пространстве и геологическом времени для использо­
вания их в процессе инверсии геофизических данных на количественном уровне. Идея метода
заключается в описании наблюдаемого или предполагаемого фациального разнообразия при
помощи небольшого количества статистически независимых факторов («обобщенных геоло­
гических переменных»). Топология и метрика модели определяются набором базисных обста­
новок осадконакопления и статистиками фациальных переходов. Введенные параметры позво­
ляют оценить вероятности появления различных фаций в каждой точке модели. Предлагаемая
методика может быть применена к районам с различной степенью изученности скважинными
методами и детальностью существующих геологических представлений.

Ключевые слова: сейсмическая инверсия, обстановки осадконакопления, фации, условная вероят­


ность, априорная информация, теорема Байеса.
DOI: https://doi.org/10.31857/S0002-333720196107-129

ВВЕДЕНИЕ геологического развития изучаемых интервалов


разреза.
Современные технологии построения объ­
емных геологических моделей основываются Большую практическую значимость с точки
зрения изучения строения месторождений неф­
на  комплексном анализе скважинных данных
ти и газа на сегодняшний день получил метод
и результатов интерпретации материалов дис­
инверсии сейсмических данных, позволяющий
танционных геофизических наблюдений. Реше­
перейти от  амплитудных характеристик отра­
ние задачи восстановления физических свойств женных волн к упругим свойствам среды [Sen,
внутренних точек среды по  геофизическим 2006; Russell, 1998; Sen, Stoffa, 1991; Гогоненков,
данным, полученным на дневной поверхности 1987; Кабанихин, Исаков, 2007]. Поскольку амп­
или в скважинах, во многих случаях позволяет литуды отражений содержат информацию лишь
уменьшить неопределенность прогноза различ­ об относительных изменениях значений упругих
ных характеристик геологической среды в меж­ параметров, корректное решение данной задачи
скважинном пространстве. С другой стороны, возможно лишь при условии включения в мо­
хорошо известно, что обратные задачи геофи­ дель среды постоянной составляющей и  дру­
зики являются некорректными. Для их решения гих компонент, находящихся вне сейсмического
применяются различные ограничения, позволя­ диапазона частот. В самом простом случае регу­
ющие сузить класс возможных моделей, удов­ ляризация задачи сейсмической инверсии сво­
летворяющих наблюденным данным [Тихонов, дится к построению низкочастотной фоновой
Арсенин, 1979; Tarantola, 2005; Scales, Tenorio, модели упругих параметров и наложении ряда
2001]. Подобные ограничения базируются на ап­ ограничений на допустимые отклонения реше­
риорной информации, не содержащейся в ин­ ния от этого начального приближения.
вертируемых данных. Основным источником та­ Фоновая модель является главным фактором,
кой информации являются геологические пред­ контролирующим уровень значений упругих па­
ставления об условиях формирования и истории раметров, получающихся в результате инверсии

107
108 Эпов

сейсмических данных (см., например, [Ball et al., набором фаций, а описание априорной геологи­
2015]). В процессе дальнейшей количественной ческой модели выполняется путем оценки зна­
интерпретации они используются для оценки чений вероятностей появления этих фаций для
таких свойств пород, как пористость, глинис­ каждой точки исследуемого объема. Комплекси­
тость и др. При этом параметры зависимостей, рование геофизических и геологических данных
на которых базируется такой прогноз, во мно­ осуществляется с  опорой на  теорему Байеса.
гом определяются предполагаемой фациальной При последующей интерпретации результатов
принадлежностью отложений. Поэтому очевид­ сейсмической инверсии, например, оценка ве­
но, что корректная оценка петрофизических роятности появления фаций (Fi), обусловлен­
свойств по результатам инверсии сейсмических ных значениями упругих свойств среды (melas),
данных может быть выполнена только при ус­ выполняется следующим образом:
ловии использования фоновой модели упругих
параметров, согласованной с априорными гео­ p(melas | Fi ) × P ( Fi )
P ( Fi | melas ) = . (1)
логическими и петрофизическими представле­ p prior (melas )
ниями.
Прогноз коллекторских свойств (mres) может
С этих позиций сейсмическая инверсия
быть осуществлен путем оценки их функции
должна рассматриваться не как формализован­
плотности вероятности, обусловленной значе­
ная процедура пересчета амплитуд отражений
в разрез упругих параметров при уже заданной ниями упругих параметров:
«извне» фоновой модели, а  как процесс гео­ p (mres | melas ) = å p(mres | melas , Fi )× P ( Fi | melas ).  (2)
логического моделирования, обусловленный i
сейсмическими и скважинными данными [Haas, Использование подобных выражений поз­
Dubrule, 1994; Grana, 2013; Bosch et al., 2010; воляет не  только получить пространственные
Яковлев и др., 2011]. Вместе с тем, на сегодняш­ модели таких характеристик среды, как веро­
ний день использование геологической инфор­ ятности литотипов, пористость и глинистость,
мации при количественной интерпретации сейс­ но  и  оценить неопределенность выполненно­
мических данных весьма ограничено на практи­ го прогноза. Однако при глубокой проработ­
ке. Технология построения начальных моделей
ке алгоритмов сейсмического моделирования
инверсии во многих случаях по-прежнему сво­
и инверсии, обеспечивающих переход от сейс­
дится к проведению интерполяции данных акус­
мических данных к упругим параметрам {melas},
тического и плотностного каротажа в межсква­
жинное пространство, а последующий количест­ и  технологий петроупругого моделирования,
венный прогноз свойств может выполняться позволяющих оценить вероятностные распреде­
с привлечением геологических представлений, ления p (melas| Fi) и p (mres| melas, Fi), участвующие
не использовавшихся при построении фоновой в выражениях (1) и (2) [Mukerji et al., 2001; Avseth
модели. Такой подход характеризуется рядом et al., 2005; Mavko et al., 2009; Grana et al., 2012;
серьезных недостатков, способных привести Dvorkin et al., 2014], особенностям оценки апри­
к получению необоснованных с геологической орных вероятностей P (Fi) в сегодняшней произ­
точки зрения результатов, что неоднократно от­ водственной практике уделяется незначительное
мечалось во многих публикациях [Sams, Saussus, внимание. Пожалуй, один из самых распростра­
2013; Kemper, Gunning, 2014; Мясоедов, 2015]. ненных подходов к их заданию основан на ана­
Одним из  препятствий на  пути интегриро­ лизе пропорций литотипов в разрезах скважин
вания геологических представлений в процесс в ограниченных стратиграфических интервалах
интерпретации геофизических данных являет­ и применении этих пропорций на всей площади
ся качественный характер первых. Для решения исследований в предположении об отсутствии
данной задачи необходимо выполнить описание латеральной изменчивости данных вероятнос­
геологических знаний некоторым набором ко­ тей. В  подавляющем большинстве случаев та­
личественных показателей. Публикуемые в пос­ кая методика оценки не выдерживает никакой
леднее время результаты работ показывают, что критики как с  точки зрения статистики, так
наиболее перспективным с этой точки зрения, и с геологических позиций. Более обоснованные
по-видимому, является подход, основанный подходы базируются на попытках явного учета
на  байесовском формализме [Duijdnam, 1998; фациальной зональности в  начальной модели
Bulland et al., 2008; Bosch et al., 2010; Ulvmoen, с последующей настройкой вероятностных рас­
Omre, 2010]. В рамках данного подхода разно­ пределений индивидуально для каждой из выде­
образие типов пород кодируется дискретным ленных зон [Gonzalez et al., 2016]. Это требует

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 109

картирования границ таких зон до выполнения Reading, 2001]. Диагностика обстановок осадко­
инверсии сейсмических данных. накопления осадочных отложений выполняется,
Для выполнения обоснованного построе­ как правило, по набору структурно-текстурных
ния моделей пространственных распределений признаков пород. Однако использование лито­
величин P (F i) необходимо привлекать такие логических критериев самих по себе, без при­
разнородные и разномасштабные данные, как вязки к генезису, редко когда позволяет удачно
результаты макро- и микроскопических иссле­ параметризовать фациальную модель с  точки
дований керна, седиментационного моделиро­ зрения решения рассмотренной выше задачи.
вания, циклофациального анализа, петрофизи­ Это связано, например, с тем, что сходный лито­
ческой и геологической интерпретации данных логический состав пород может формироваться
ГИС, кинематической интерпретации сейсми­ в принципиально различных обстановках осад­
ческих данных, а также региональные геологи­ конакопления. Поэтому важную роль при фаци­
ческие представления. Оценка априорных веро­ альной диагностике играет также анализ пара­
ятностей, основанная на подобных материалах, генетических ассоциаций фаций, позволяющий
подразумевает переход к  количественному учитывать закономерности переходов от одного
описанию последних. В связи с этим большое типа пород к другому.
значение начинает играть выбор удачной пара­ Направленность геологических процессов
метризации имеющихся знаний о геологическом во  времени и  наличие определенных трендов
строении изучаемого объема пород. В настоя­ в пространственной смене обстановок осадкона­
щей работе рассматривается методика такой па­ копления во многих случаях приводит к умень­
раметризации при помощи небольшого набора шению возможных вариаций фациального об­
переменных, связанных с факторами, контроли­ лика пород при перемещении от  одной точки
рующими фациальное (в седиментологическом пространства к другой. Это приводит к появле­
смысле) разнообразие исследуемого объекта. нию корреляционных связей между различными
При выполнении ряда условий эти «обобщен­ фациями, накладывая ряд дополнительных ог­
ные геологические координаты» играют роль раничений на возможные значения априорных
латентных переменных априорной геолого- вероятностей фаций в (1). Поэтому данные ве­
геофизической модели среды, определяющих роятности не могут задаваться в модели незави­
(с некоторым уровнем погрешности) остальные симо друг от друга.
ее свойства: вероятности появления седименто­
логических фаций и петрофизически значимых Основная идея настоящей работы состоит
типов пород, упругие характеристики, значения в том, чтобы описать наблюдаемое или предпо­
инженерных параметров и другие. лагаемое разнообразие обстановок осадконакоп­
ления, представленное набором из N фаций {Fi},
небольшим числом независимых факторов, ко­
ФАЦИАЛЬНОЕ МНОГООБРАЗИЕ личество которых существенно меньше N. При
Современный подход к построению геологи­ этом близкие по генезису фации должны харак­
ческих моделей осадочных комплексов основан теризоваться близкими значениями этих пара­
на реконструкции обстановок осадконакопле­ метров. Рассмотрим кратко принципы, лежащие
ния, установлении связей литологического со­ в основе предлагаемого подхода.
става пород с процессами седиментации через Осадочный материал в  приемном бассейне
систему генетически связанных фаций и после­ накапливается под действием различных физи­
дующем моделировании распределения фаций ческих процессов, в условиях конкуренции по­
в  пространстве. Фациальная принадлежность следних за аккомодационное пространство. При
пород наиболее уверенно диагностируется вдоль изменении внешних условий меняется и отно­
стволов скважин на  основе изучения данных сительный вклад этих процессов, что приводит
керна и  ГИС. Поэтому основной задачей при к вариациям литологического состава и структур­
построении пространственных априорных гео­ но-текстурных признаков пород, в итоге выра­
логических моделей является оценка вероятнос­ жающихся в закономерной смене фаций. Таким
тей P (Fi) в межскважинном пространстве. образом, разнообразие возможных направле­
Важно подчеркнуть, что закладываемый сов­ ний фациальных переходов (то есть разнообра­
ременными геологами смысл в понятие «фация» зие фациальных рядов) напрямую определяется
напрямую связан с информацией об условиях числом и изменчивостью нескольких факторов,
формирования и истории геологического разви­ отражающих вариации относительных вкладов
тия изучаемых пластов [Крашенинников, 1971; процессов, контролирующих осадконакопление.

ФИЗИКА ЗЕМЛИ № 6 2019


110 Эпов

Задача параметризации принципиальной фаци­ определенным условиям гладкости), будет соот­


альной модели может быть сведена к количест­ ветствовать некоторое векторное дифференци­
венному описанию этих факторов. Следует от­ альное уравнение. Его решениям соответствует
метить, что идея многофакторной параметри­ семейство фазовых траекторий, описывающее
зации условий седиментации достаточно давно историю развития осадочного бассейна. Седи­
и успешно применяется в геологии. Так, в рам­ ментационное моделирование позволяет на ка­
ках подходов стратиграфии секвенций разнооб­ чественном уровне восстановить фазовый порт­
разие прибрежно-морских обстановок опреде­ рет системы, не выписывая в явной форме сами
ляется положением относительного уровня моря определяющие дифференциальные уравнения.
и аккомодационным пространством, связанным При переходе к количественному описанию
со скоростью тектонического погружения и ко­ ключевым является вопрос задания метрики
личеством привносимого осадочного материала модели. По мнению автора, подход к заданию
[Catuneanu et al., 2011; The Sedimentary…, 2003]. меры близости фаций, используемой при ре­
Разнообразие фаций глубоководья хорошо опи­ шении задачи построения пространственных
сывается трехфакторной моделью [Zavala et al., геологических моделей, должен быть непос­
2008]. Для континентальных условий широко редственно связан с  анализом вероятностей
применяется принципиальная модель, объясня­ переходов между фациями. В  фиксированном
ющая разнообразие фаций речных и озерно-бо­ стационарном состоянии седиментационной
лотных обстановок взаимодействием следующих системы, отвечающем некоторой обстановке Fi,
двух факторов: увеличением аккомодационного среди всех возможных фациальных переходов c
пространства и  суммарным влиянием твердо­ большей вероятностью следует ожидать появле­
го и жидкого стока [Bochas, Suter, 1997; Carroll, ния переходов к таким обстановкам Fj, которые
Bohacs, 1999]. Однако до сих пор подобные мо­
характеризуются максимально близкими усло­
дели были лишены метрики, хорошо описывая
виями к Fi (при условии равновесия внешних,
наблюдаемое фациальное разнообразие лишь
«глобальных» факторов). И обратно, чем ближе
на качественном уровне.
природа физических процессов, определяющих
Рассмотрим множество возможных состоя­ условия осадконакопления, тем выше вероят­
ний некоторого элементарного участка земной ность соседства соответствующих фаций.
поверхности, на  котором в  разные моменты
Различные исследователи неоднократно де­
геологического времени реализуются различ­
лали попытки применить данный принцип для
ные обстановки осадконакопления. История
количественного описания фациальных моде­
этих изменений может быть описана как пара­
лей [Miall, 1973; Harper 1984; Riegl, Purkis, 2009;
метрическая кривая в некотором многомерном
пространстве, определяемом разнообразием Colombera et al., 2013], а полученные результаты
возможных механизмов осадконакопления. На­ подтверждают возможность использования этой
личие корреляционных связей между фациями идеи для введения метрики на фациальном мно­
приводит к тому, что на множество возможных гообразии. Более того, согласно хорошо извест­
фазовых траекторий, описывающих эволюцию ному принципу Вальтера–Головкинского [Одес­
обстановок осадконакопления, могут наклады­ ский, 1992; Nurgalieva et al., 2007], вероятности
ваться дополнительные ограничения. Это поз­ перехода между фациями, оцениваемые по вер­
воляет выделить в рассматриваемом пространст­ тикальным разрезам, должны быть связаны с ве­
ве многообразие реализуемых состояний гео­ роятностями латеральных фациальных перехо­
логической среды. Количественное описание дов. Данный принцип открывает возможности
фациальной модели может быть сведено к  па­ для использования результатов статистического
раметризации данного фациального многооб­ анализа фациальных переходов в разрезах сква­
разия набором «карт» отдельных его областей, жин при построении фациальной модели в меж­
на каждой из которых можно ввести некоторую скважинном пространстве.
систему координат. Задание правила перехода В процессе геологической интерпретации
между этими системами координат позволяет диагностика фаций выполняется всегда с  не­
объединить «карты» многообразия в  «атлас». которой степенью неопределенности. При­
Такая абстрактная геометризация фациальной рода этой неопределенности связана не  толь­
модели позволяет провести аналогию с теорией ко с  несовершенством применяемых моделей
дифференциальных уравнений [Арнольд, 2012]. и погрешностями определения генезиса пород
Каждому векторному полю, заданному на рас­ по их структурно-текстурным признакам. Сами
сматриваемом многообразии (и  отвечающему принципы современного фациального анализа

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 111

подразумевают наличие некоторого естествен­ к заданию распределений P(x|Fi) и набора пра­


ного уровня флуктуаций условий осадконакоп­ вил, описывающих возможные комбинации
ления, присущих каждой отдельно взятой фа­ априорных вероятностей фаций P(Fi). В то же
ции. Эти флуктуации отражаются на внутренней время, избыточность описания априорной ин­
изменчивости литологического состава (не при­ формации Ia набором вероятностей фаций P(Fi)
водя при этом к фациальному переходу), а так­ наталкивает на мысль о возможности построе­
же позволяют определять наличие генетической ния более эффективной параметризации моде­
связи и «степень сродства» фаций при выделе­ ли, например, за счет факторизации множества,
нии парагенетических ассоциаций. Без наличия описываемого выражением (4).
таких связей фациальная модель характеризова­ В большинстве практических ситуаций любые
лась бы дискретной топологией. две генетически связанные фации могут форми­
Естественно принять, что каждой фации Fi ровать непрерывный фациальный ряд. Под ге­
отвечает некоторое вероятностное распределе­ нетической связанностью здесь подразумевается
ние P (L|Fi), заданное на пространстве литоло­ тот факт, что данные фации формировались под
гических признаков {L}, или соответствующее действием общего набора процессов осадкона­
ему распределение P(x|Fi), где {Х} – пространст­ копления. Различия между фациями заключают­
во факторов, описывающих процессы осадко­ ся лишь в относительном вкладе этих процессов.
накопления. Тогда априорное распределение То есть, для некоторых двух генетически связан­
функции плотности вероятности p(x) может ных фаций Fs и Fp области значений параметров
быть представлено следующим образом: {x}, на которых функции плотности вероятности
P(x|Fs) и P(x|Fp) строго положительны, характе­
p ( x, f ) = åP ( x | Fi )× P ( Fi ).  (3) ризуются непустым пересечением. Это означа­
i
ет, что в условиях, отвечающих точкам из этого
Здесь f – вектор априорных вероятностей на­ пересечения, существует вероятность появления
бора фаций f = {P(Fi)}. Как было сказано выше, обоих фаций. Следовательно, и фациальный пе­
параметризация геологической модели при по­ реход возможен только в точках данной области
мощи вектора f является довольно неудачной, пространства седиментационных факторов {X}.
поскольку между его компонентами, как прави­
ло, существует тесная взаимосвязь. Тогда одним из возможных вариантов пара­
метризации фациальной модели является разби­
С другой стороны, пусть известные геологи­ ение всей совокупности фаций на подмножест­
ческие законы и принципы, а также любые дру­ ва генетически связанных фаций (парагенезов)
гие сведения о закономерностях изменчивости и описание каждого такого подмножества набо­
фациального облика пород представлены апри­ ром элементов некоторого параметрического се­
орной информацией Ia. Учет этой информации мейства распределений:
приводит к появлению ограничений на допус­
тимые или наиболее вероятные значения фак­ P ( x | Fs ) « p ( x, θs ).  (5)
торов {x} (или соответствующих им литологи­
ческих признаков {L}), что задает некоторое Параметризация (5) означает переход от {X}
распределение p(x|Ia). Подстановка этого рас­ в двойственное пространство {θ}, каждая точка
пределения в левую часть выражения (3), позво­ которого отвечает некоторому распределению
ляет связать априорные ограничения и наблюда­ вероятностей в пространствах {L} или {X}. А век­
емые геологические фации через вероятностное тор параметров θs играет роль «координат» соот­
описание множества «допустимых» значений ветствующих фаций в данном пространстве. Такой
факторов {x}, которое контролируют процессы подход позволяет посмотреть на рассматриваемую
осадконакопления: проблему с геометро-статистической точки зрения
[Морозова, Ченцов, 1991; Amari, Nagaoka, 2000].
p ( x | I a ) = åP ( x | Fi )× P ( Fi ).  (4) История развития осадочного бассейна будет опи­
i
сываться при этом набором параметрически задан­
Другими словами, привлечение априорной ных кривых θ(t). Изменениям состояния осадоч­
информации Ia позволяет выделить среди все­ ной системы соответст­вуют касательные вектора
возможных взаимоотношений факторов {x} до­ к данным кривым ∂tθ(t). Множеству возможных на­
пустимые с точки зрения априорных геологичес­ правлений фациальных переходов в каждой фик­
ких представлений состояния среды. А представ­ сированной точке фациального многообразия от­
ление (4) подсказывает, что данные априорные вечает гиперплоскость: касательное пространство,
ограничения могут быть формально сведены базисом в котором служит линейно-независимая

ФИЗИКА ЗЕМЛИ № 6 2019


112 Эпов

система таких векторов. Размерность касательного F1 F2


пространства определяет размерность фациаль­
ного многообразия. Естественной метрикой для P(F1 x) P(F2 x)
такой модели является информационная метрика
Фишера [Amari, Nagaoka, 2000; Морозова, Ченцов,
1991]. Эта метрика индуцирует на многообразии
распределений риманову геометрию: подмножест­
во (5) может быть описано системой криволиней­
ных координат, а роль метрического тензора игра­ x1 x* x
ет при этом тензор Фишера. Ошибка классификации в точке x1:
Таким образом, топология создаваемой па­
раметрической фациальной модели определяет­
ся размерностью пространства параметров {θ},
а метрика – «информационной близостью» фа­ Вероятность ошибки классификации:
ций. Однако основной сложностью при оценке
свойств распределений (5) на практике являет­
ся отсутствие параметризации пространств {X}
Рис. 1. Связь фациальных переходов с задачей клас­
и {L}. С другой стороны, это дает определенную сификации условий осадконакопления. Х-параметр,
свободу действий при выборе семейства рас­ характеризующий условия осадконакопления. Фа­
пределений, на которое выполняется проекция циям F1 и F2 отвечают свои распределения вероят­
фациальной модели (одним из  существенных ностей P(F1|x) и P(F2|x). В точке x* вероятность появ­
преимуществ использования метрики Фишера ления фаций одинакова, что соответствует условиям
максимальной вероятности фациального перехода
является ее инвариантность к преобразованиям между F1 и F2. Полная вероятность фациального пе­
координат исходного пространства {X}). Если рехода определяется величиной перекрытия между
по набору каких-либо статистических показате­ соответствующими функциями распределения, оп­
лей, полученных в процессе анализа геологичес­ ределяющей вероятность ошибки классификации.
кой информации, удается количественно оха­
рактеризовать меру различия между фациями,
отвечающих некоторым обстановкам x1, осущест­
то параметризация модели может быть выполне­
вляется диагностика той фации, вероятность по­
на путем «проекции» фаций на любое парамет­
рическое семейство вероятностных распределе­ явления которой в данных условиях максимальна
ний, в котором удастся реализовать полученные (рис. 1). В условиях x*, где вероятности двух фаций
метрические соотношения. То  есть, «расстоя­ равны друг другу (P(F1|x*) = P(F2|x*)), вероятность
ния» между образами фаций в параметрическом диагностики границы между фациями максималь­
семействе должны соответствовать оцененной на (здесь и далее, если не оговорено обратное, мы
по результатам анализа геологической инфор­ будем отождествлять понятия фациального пере­
мации мере различия между фациями. Как оп­ хода и фациального соседства). Однако в точках,
ределить эту меру различия? отличных от x*, также существует ненулевая веро­
Вообще говоря, количественная характеристика ятность присутствия фациального перехода – эта
степени подобия/отличия распределений вероят­ вероятность равна вероятности присутствия в рас­
ностей друг от друга может быть выполнена разны­ сматриваемых условиях фации, отличной от диаг­
ми способами [Rao, 1987]. Применительно к рас­ ностированной фации. То есть если на заданном
сматриваемой задаче фациального анализа автору множестве условий {X} возможно присутствие двух
представляется оправданным подход, основанный фаций, описываемых соответствующими распре­
на использовании дивергенции Чернова [Chernoff, делениями, то априорная вероятность соседства
1952; Nielsen, 2013]. В данном подходе степень бли­ фаций формально равна вероятности ошибочной
зости фаций определяется тем, насколько велика классификации точек {X}:
вероятность ошибочной диагностики одной фа­
ции вместо другой. Эта мера оказывается связана Perr ( F1, F2 ) = ò P ( Error | x ) p ( x ) dx =
с вероятностью фациального перехода (соседства). X
Поясним это на следующем примере. Рассмотрим = ò min {P ( F1 | x ), P ( F2 | x )}× p ( x ) dx.  (6)
две генетические связанные фации F1 и F2 и соот­ X
ветствующие им функции распределения p(x|F1)
и p(x|F2). В процессе фациального анализа при В качестве меры сходства функций плот­
условии наблюдения признаков горных пород, ности вероятностей, основанной на  оценке

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 113

сверху вероятности ошибки классификации, фации Fs), через P (Trsp| Fs). Обозначим также че­
может быть использован коэффициент Чернова рез Nsp число наблюдаемых переходов между Fs
[Chernoff, 1952; Nielsen, 2013]: и Fp, а через Ns – общее число переходов с учас­
тием фации Fs:
cα* ( s : p) = min α
( x | Fs ) p1-α( x | F p )dx.  (7)
αÎ (0,1) ò
p N
X N s = åN sk .
Это следует из  того, что для любого k =1

0 < α < 1 ошибка классификации двух фаций Fs и Fp Тогда вероятность фациального перехода


оценивается сверху выражением [Nielsen, 2013]: между двумя фациями Fs и Fp при условиях, от­
1-α
вечающих фации Fs, может быть оценена следу­
α
Err ( Fs , F p )£ P ( Fs ) P ( F p ) ò p ( x | Fs )´
α
ющим образом:
X
N sp
´p 1-α
( x | Fp ) dx.  (8) P (Trsp | Fs ) = . (11)
Ns
Коэффициент Чернова, получаемый при вы­ Исходя из общих соображений, можно пред­
боре оптимального α, позволяет получить наи­ положить, что данная вероятность должна зави­
лучшую оценку данного вида. сеть от априорной вероятности появления фа­
В качестве меры различия двух распределе­ ции Fp в фациальном переходе, а также от сте­
ний используется дивергенция Чернова перво­ пени генетической («внутренней») близости
го типа (или информация по Чернову) [Nielsen, фаций Fs и Fp. С другой стороны, безусловная
2013]: вероятность появления перехода между фация­
ми Fs и Fp может быть выражена следующим об­
DC ( s : p) = - ln éêcα* ( s : p)ùú .  (9) разом:
ë û
Эта характеристика тесно связана с  дивер­ P (Trsp ) = P (Trsp | Fs )× Ptr ( Fs ).  (12a)
генцией Кульбака–Лейблера (которая, в  свою
очередь, связана с метрикой Фишера), однако Здесь Ptr (Fs)  – априорная вероятность по­
при этом является симметричной [Nielsen, 2011]. явления фациального перехода с участием фа­
Величина оптимального значения коэффициен­ ции Fs.
та α* в выражениях (7) и (9) зависит от свойств
В то  же время, поскольку мы не  различаем
сравниваемых распределений. Если они при­
фациальные переходы по их направлению, ве­
надлежат одному семейству и  характеризуют­
ся близкими значениями дисперсии, то следу­ роятность появления перехода (соседства) меж­
ет ожидать, что значение α будет близко к 0.5. ду теми же фациями Fs и Fp может быть оценена
Можно предположить, что данное условие будет через меру множества фациальных переходов
приближенно выполняться для такого набора с обязательным участием фации Fp:
фаций, элементы которого характеризуют оди­ P (Trsp ) = P (Trsp | F p )× Ptr ( F p ).  (12б)
наковые уровни изменчивости (неопределен­
ности) условий осадконакопления. При значе­ Выражения (12а), (12б) дают представление
нии α* равном 0.5, коэффициент Чернова ста­ вероятности фациальных переходов в виде про­
новится равным коэффициенту Бхаттачаррия изведения двух факторов: «внешнего», опреде­
[Bhattacharyya, 1943]:
ляющегося априорными вероятностями появ­
BC ( s, p) = ò ps ( x ) p p ( x )dx. (10) ления фациальных переходов, и «внутреннего»,
связанного с  генетической близостью фаций.
X
С другой стороны, подобная интерпретация мо­
На практике вероятность соседства между жет быть применена и к выражению для меры
фациями может быть оценена путем анализа сходства фаций, основанной на коэффициенте
числа переходов между фациями, наблюдаемы­ Чернова (7). Выберем некоторое 0 < α < 1 и, ис­
ми в разрезах скважин. Обозначим вероятность пользуя (12а), (12б), запишем вероятность фаци­
фациального перехода между двумя фациями Fs ального перехода следующим образом:
и Fp при условии того, что одна из фаций явля­
α 1-α
ется Fs (что можно интерпретировать, как веро­ P (Trsp ) = Ptr ( Fs ) Ptr ( F p ) ´
ятность появления фациального перехода Fs–Fp α 1-α
в обстановках осадконакопления, отвечающих ´ P (Trsp | Fs ) × P (Trsp | F p ) . (13)

ФИЗИКА ЗЕМЛИ № 6 2019


114 Эпов

Выделим из  (13) множители, не  связанные Подставляя (17) в (13), получаем для априор­
с «внешними» факторами, контролирующими ной вероятности фациального перехода:
априорные вероятности появления переходов 1 α 1-α
P (Trsp ) = P ( Fs ) P ( F p ) ´
с участием рассматриваемых фаций. Принимая Z tr
α = 0.5 и учитывая (11), получаем выражение для α 1-α
коэффициента, который назовем коэффициен- ´ éë1 - P ( s : s )ùû éë1 - P ( p : p)ùû ´
том сходства фаций по переходам: α 1-α
´ P (Trsp | Fs ) P (Trsp | F p ) .  (19)
N sp
Csp = P (Trsp | Fs )× P (Trsp | F p ) = .  (14) Сопоставляя (19) и (13) с (7) и (8), получаем,
NsN p
что коэффициент Чернова может быть оценен
Исходя из приведенных выше рассуждений, через статистики фациальных переходов следу­
при условии наличия представительной выбор­ ющим образом:
ки фациальных переходов, данная величина мо­ N sp
жет использоваться в качестве количественной cα* ( s : p) = Bα* ( s, p)× α* 1-α*
. (20)
Ns N p
меры «внутреннего» сходства фаций.
Однако важно отметить, что вероятности Множитель Bα* зависит от априорных вероят­
Ptr(Fs) были определены на множестве событий, ностей появления фаций и фациальных перехо­
не включающем события отсутствия фациально­ дов с их участием:
го перехода. Поэтому прямое использование вы­ *
æ P ( F )ö÷1-α
*
ражения (14) в качестве коэффициента Чернова æ P ( F )ö÷α çç tr p ÷
Bα* ( s, p) = ççç tr s ÷÷ çç ÷ =
не является строго обоснованным – необходимо çè P ( Fs ) ÷ø çè P ( F p ) ø÷÷
выполнить его перенормировку. Обозначим че­
рез P(s : p) вероятность осуществления перехода 1 α* 1-α*

от фации Fs к фации Fp (при условии нахождения


=
Z tr
(1 - P ( s : s )) (1 - P ( p : p)) . (21)
среды в состоянии Fs), а через P (s : s) – вероят­
Величина оптимального значения коэффи­
ность того, что среда останется в том же состо­
циента α* в (20) и (21) определяется характером
янии Fs (фациальный переход не реализуется). вероятностных распределений анализируемых
Очевидно, что фаций. Как уже говорилось, в важном для нас
P ( s : s ) = 1 - åP ( s : p),  (15) частном случае приблизительно одинакового
p¹s
для всех фаций одного парагенеза уровня неоп­
ределенности условий осадконакопления, мож­
а связь оценки P(s : p) с (11) дается выражением: но ожидать, что значение этого коэффициента
P ( s : p) будет близко к 0.5, что приводит выражение (20)
P (Trsp | Fs ) = . (16) к виду:
1- P (s : s) N sp
c0.5 ( s : p) = B0.5 ( s, p) . (22)
Вероятность Ptr(Fs) может быть оценена сум­ NsN p
мированием вероятностей переходов P(s : p)
по всем Fp, отличным от Fs, умноженная на ве­ При s = p для данного коэффициента, по оп­
роятность появления фации Fs. При этом не­ ределению, принимается единичное значение.
обходимо также выполнить нормировку, чтобы Выражение (22) дает ключ к  способу оцен­
сохранить условие равенства единице суммы ки меры близости фаций, основанный на ста­
Ptr(Fs). С учетом (15), это дает: тистиках фациальных переходов. Если выбран
конкретный вид семейства распределений (5),
1 то можно попытаться получить явный вид за­
Ptr ( Fs ) = P ( Fs )× åP ( s : p) = висимости между дивергенцией Чернова, оце­
Z tr p¹s
ниваемой при помощи (22), и  «расстоянием»,
1 определяемым информационной метрикой Фи­
P ( Fs )× éë1 - P ( s : s )ùû .
=  (17)
Z tr шера.
Нормирующий множитель рассчитывается Рассмотрим далее пример применения дан­
следующим образом: ного подхода, основанного на  использовании
наиболее часто встречающегося в приложениях
Z tr = åP ( Fs ) éë1-P ( s : s )ùû =1- åP ( Fs )P ( s : s ).  (18) семейства распределений.
s s
ФИЗИКА ЗЕМЛИ № 6 2019
ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 115

ПАРАМЕТРИЗАЦИЯ НАБОРА обстановок в системе координат {η} может быть


ГЕНЕТИЧЕСКИ СВЯЗАННЫХ ФАЦИЙ подкреплен геологической интерпретацией, пос­
кольку данное пространство, в силу (24), может
Одним из наиболее хорошо изученных тео­ быть отождествлено с пространством достаточ­
ретически и широко используемых на практике ных статистик {t(x)}. Если базисные обстановки
является экспоненциальное семейство распре­ заданы, то любое распределение семейства, от­
делений вероятности. Его элементы имеют вид вечающее какой-либо фации рассматриваемого
[Nielsen, Garcia, 2011]: парагенеза, может быть представлено в виде их
p ( x, θ) = exp éët ( x )× θ - F (θ) + k ( x )ùû .  (23) аффинной комбинации. То есть, например, θ –
«координаты» произвольной фации Fs из  рас­
Здесь θ – вектор канонических параметров сматриваемого подмножества могут быть выра­
экспоненциального распределения, а t(x) – век­ жены в виде:
M +1
тор достаточных статистик. Функция F(θ), ха­ θs = å wsi θi ,  (29)
рактеризующая семейство, – строго выпуклая. i =1
В частности, данному представлению удовлетво­ M +1
ряет семейство многомерных нормальных рас­
пределений фиксированной размерности. Сис­ å wsi = 1.
i =1
тема канонических параметров {θ} (называемых Здесь θi  – вектор канонических координат
также e-аффинными координатами) может быть распределений i-й базисной обстановки, а wsi –
задана, например, путем фиксации M + 1 вер­ соответствующие им веса.
шин M-мерного симплекса (здесь M – размер­
Для общего случая семейства (23), аффинные
ность пространства параметров {θ}).
геодезические (кривые, задаваемые параметри­
Семейство распределений (23) также допус­ ческими уравнениями 1‑й степени θ(t) = a · t + b
кает двойственную к {θ} параметризацию векто­ и η(t) = c · t + d, где a, b, c, d – постоянные век­
ром m-аффинных координат {η} [Ченцов, 1966; торы) не переходят друг в друга при преобразо­
Nielsen, Garcia, 2011]: ваниях (24) и (26). Более того, в общем случае
¶ данные кривые также не являются геодезичес­
ηi = E éëti ( x )ùû = F (θ).  (24) кими в метрическом смысле. Поэтому аффин­
¶θi
ная комбинация m-координат с весами wsi в слу­
Здесь E[ti(x)] математическое ожидание  i-й чае экспоненциального семейства общего вида
достаточной статистики. При преобразовании не будет соответствовать распределению, опре­
(24), функция F(θ) переходит в некоторую функ­ деляемому значением θs из (29) с теми же коэф­
цию G(η). Данные функции связаны друг с дру­ фициентами.
гом преобразованием Лежандра:
Однако, если рассматриваемые фации харак­
G (η) = sup {θ × η - F (θ)}.  (25) теризуют условия осадконакопления с примерно
θ одинаковым уровнем неопределенности, то ес­
Несложно показать, что функция G(η) равна тественным будет выбор семейства распределе­
энтропии, взятой с обратным знаком: ний, на которое выполняется проекция области
фациального многообразия, характеризующее­
G (η) = E éë log p ( x, η)ùû .  (26) ся постоянной матрицей вторых моментов. Ос­
новываясь на  (28), применение этого предпо­
Переход от параметров {η} к параметрам {θ} ложения к экспоненциальному семейству дает
осуществляется следующим образом: распределения с функцией F(θ), представлен­
¶ ной в виде квадратичной формы. То есть опи­
θi = G (η).  (27)
¶ηi сание генетически связанных обстановок осад­
Важно также отметить следующее выражение конакопления выполняется параметрическим
для матрицы вторых моментов (информацион­ семейством многомерных нормальных распре­
ной матрицы Фишера) [Nielsen, Garcia, 2011]: делений N (η, Σ) с  постоянной ковариацион­
ной матрицей Σ. Поскольку все производные
é T ù
E ê(t ( x ) - η) (t ( x ) - η)ú = Ñ2 F (θ).  (28) функции F() выше второго порядка равны  0,
ë û получаемая геометрия семейства распределе­
Вершинам базисного симплекса в  системе ний является плоской: метрический тензор {gij}
координат {θ} отвечают некоторые точки в сис­ (информационная матрица Фишера) не зависит
теме координат {η}. При этом выбор базисных от «координат» {θ}:

ФИЗИКА ЗЕМЛИ № 6 2019


116 Эпов

¶ log ( p ( x, θ)) ¶ log ( p ( x, θ)) То есть, дивергенция Чернова (9) оказывается


I (θ) = ò p ( x, θ) dx = пропорциональна квадрату евклидова «расстоя­
¶θi ¶θ j ния» между фациями в пространстве парамет­
ров {θ} или {η}.
¶ 2 F (θ)
= = { gij } = const . Использование выражений (34) и (32) позво­
¶θi ¶θ j ляет связать вероятности переходов между фа­
(30)
циями одного парагенеза с «информационным
«Расстояние» между распределениями такого расстояниями» между ними в пространстве ка­
семейства определяется расстоянием Махала­ нонических параметров {θ}. Поскольку базисные
нобиса [Mahalanobis, 1936]. Заменой координат обстановки принадлежат тому же пространству,
можно привести эту матрицу к диагональному что и исходный набор фаций, то способ задания
меры близости между ними (а значит и метрики
виду. Более того, поскольку «информационное
пространства параметров) должен быть основан
расстояние», определяемое тензором Фишера,
на том же принципе: расстояние между базис­
инвариантно относительно гладких преобразо­ ными обстановками в пространстве параметров
ваний «координат» {θ}, ковариационная матри­ {θ} должно определяться вероятностью соседства
ца (28) без потери общности решаемой задачи между ними. С другой стороны, если расстояния
может быть приведена к изотропному виду, при между базисными обстановками зафиксирова­
котором дисперсии по всем направлениям оди­ ны, априорные вероятности переходов между
наковы и равны 1. В результате такой замены, фациями могут быть рассчитаны из координат
функция F (θ) преобразуется к простому виду: базисных литотипов и выражений (29). Но тог­
да, если в  процессе геологических изысканий
1 d удалось оценить коэффициенты {wsi} и получить
F (θ) = θT θ + ln (2π).  (31)
2 2 представительные статистики фациальных пере­
Здесь d  – размерность координатного про­ ходов, можно попытаться решить обратную за­
дачу по оценке «расстояний» между базисными
странства.
обстановками.
Более того, в данном, частном случае, оказы­ Описание геологической модели при помо­
вается, что параметры θ в точности равны па­ щи набора фаций вынуждает нас оперировать
раметрам η. Метрический тензор равен единич­ дискретным набором состояний среды. При
ному тензору, то есть пространства параметров этом обычно предполагается, что каждая фа­
{θ} и {η} наделены обычной евклидовой геомет­ ция описывает стационарное (в смысле дина­
рией. мического равновесия процессов осадконакоп­
С другой стороны, подставляя (31) в (7), по­ ления) состояние. В рамках заданного уровня
лучаем выражение для коэффициента Чернова: неопределенности седиментационной модели
характер смены базисных обстановок в преде­
cα (θs : θ p ) = exp éê-J Fα (θs : θ p )ùú ,  (32) лах фации предполагается случайным (однако
ë û
устойчивые последовательности смены обста­
где JFα  – α-дивергенция Дженсена [Nielsen, новок осадконакопления могут присутство­
2013]: вать на более детальном уровне рассмотрения).
Случайный характер флуктуаций подразуме­
J Fα (θs : θ p ) = α × F (θs ) + (1 - α)´
вает, что события появления диагностических
´ F (θ p ) - F (α × θs + (1 - α) × θ p ).  (33) признаков базисных обстановок в породе, от­
вечающих некоторой фации Fs, принимаются
Для нормальных распределений с одинаковой независимыми. Благодаря совпадению e-афин­
дисперсией значение коэффициента α* в выра­ ных и m-афинных координат, естественно при­
жении (7) равно 0.5, что приводит нас к коэф­ нять, что вероятности появления диагности­
фициенту Бхаттачаррия (10). В результате этого, ческих признаков, отвечающих  i-й базисной
выражение (33) переходит в: обстановке, равны весам {wsi} из представления
(29). Поэтому, если наблюдаемый набор при­
T
θTs θs + θTp θ p (θ s + θ p ) (θ s + θ p ) знаков горных пород был продиагностирован
J F0.5 (θ s : θ p ) = 4
-
8
= как некоторая фация Fs, то данному состоянию
будет соответствовать матрица вероятностей
T
(θ s - θ p ) (θ s - θ p ) переходов между базисными обстановками,
= . (34) составленная из элементов wsiwsj. Кроме того,
8
ФИЗИКА ЗЕМЛИ № 6 2019
ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 117

из-за генетической связности фаций, из дан­ (12) для несовпадающих индексов i и j. Поэтому,
ного состояния существует вероятность пере­ если каким-то образом удалось оценить вероят­
хода к другому состоянию Fp. Каждому фаци­ ности P (s : s), то оценка квадратов «расстояния»
альному переходу Fs–Fp будет соответствовать между литотипами выполняются напрямую с ис­
матрица вероятностей переходов между базис­ пользованием выражений (9) и (22). Отметим,
ными обстановками [wsiwpj]. Поэтому заданно­ что часто при этом в практических приложени­
му вектору априорных вероятностей появления ях численное значение коэффициента B0.5 (s, p)
фаций P (Fs) соответствует матрица вероятнос­ в (22) оказывается близким к единице. Это поз­
ти переходов между базисными обстановками, воляет в ряде случаев использовать для оценки
составленная из следующих элементов: меры близости фаций при задании метрики мо­
N é ù дели непосредственно коэффициент сходства
Bij = åP ( Fs )× êê wsi wsj × P ( s : s ) + åP ( s : p) wsi w pj úú . (14) вместо (22).
s=1 êë p¹s úû Альтернативный подход к заданию метрики
 (35) модели может быть основан на  сужении про­
странства анализируемых событий, по которым
Используя выражение (16), получаем: вычисляются статистики, до наблюдаемых в раз­
N резах скважин фациальных переходов. В этом
Bij = åP ( Fs )´ случае вероятность появления перехода меж­
s=1 ду i-м и j-м базисными литотипами на множест­
é ù ве фациальных границ может быть представлена
´ êê P ( s : s ) × wsi wsj + (1 - P ( s : s )) åP (Trsp | Fs ) wsi w pj úú . следующим образом:
êë p¹s úû
 (36)
Bij = å P (Trij | Fs « Fp ) × P (Fs « Fp ).  (37)
s, p>s

Следовательно, если определены априорные


Здесь P (Trij | Fs « F p )  – вероятность перехо­
вероятности P(Fs) и P(s : s), то для заданных ве­
да (соседства) между базисными обстановками i
совых коэффициентов {wsi} и оцененных по ста­
и j на границе перехода между фациями Fs и Fp;
тистикам фациальных переходов вероятностей
P ( Fs « F p )  – вероятность фациального перехода
P (Trsp|Fs), выражение (36) дает оценку априорных
(соседства) между фациями Fs и Fp. Первая, как
вероятностей перехода между базисными обста­
было сказано выше, определяется элементами
новками. С другой стороны, априорные веро­
ятности P(s : s) должны зависеть от метрических матрицы [wsiwpj], симметричными относительно
свойств фациального многообразия, которые главной диагонали:
задаются искомыми величинами Bij (чем силь­ P (Trij | Fs « F p ) = wsi w pj + w pi wsj .  (38)
нее перекрываются распределения p(x|Fs), тем
выше энтропия модели и меньше вероятность Оценка вероятности P ( Fs « F p ) с  точнос­
P(s : s)). В связи с этим, несмотря на привлека­
тью до нормирующего множителя Z f может быть
тельность выражения (36), его прямое использо­
основана на  выражениях (11) и  (13), что для
вание на практике для задания метрики модели
α = 0.5 дает:
крайне затруднено. Пожалуй, единственным ис­
ключением является тот случай, когда имеющи­ 1 N sp
еся результаты наблюдений позволяют оценить P ( Fs « F p ) = Ptr ( Fs )× Ptr ( F p ) . (39)
Zf NsN p
величины P(s : s) и P(Fs). Например, иногда это
может оказаться возможным при параметриза­ Если принять также, что вся доступная апри­
ции литофаций, распознанных в непрерывных орная информация о вероятностях появления
колонках керна. Как правило, исследования кер­ фациальных переходов с участием определенной
на предваряют построение фациальной модели, фации заключена в статистиках фациальных пе­
основанной на ГИС-фациях, и позволяют сфор­ реходов, то все вероятности Ptr(Fs), участвующие
мировать априорные представления о базисных в  формировании выражений (39), могут быть
обстановках осадконакопления. Поэтому на эта­ приняты равными 1/N. Нормирующий множи­
пе такого первичного анализа, может оказаться тель Z f выбирается таким образом, чтобы сумма
удобным сразу работать с базисным набором ли­ вероятностей по всем неупорядоченным парам
тофаций. Коэффициенты wsi в этом случае будут фаций Fs – Fp была равна 1:
представлены символами Кронекера, а выраже­ N sp
ние (36), используя (17), преобразуется к виду Zf = å . (40)
s, p>s N N s N p
ФИЗИКА ЗЕМЛИ № 6 2019
118 Эпов

Подставляя (39) и (38) в (37), получаем: определяются при этом как аффинная комбина­
ция данных базисных обстановок.
1 N sp
Bij = ×å
Z f × N s, p>s N s N p
(wsi w pj + w pi wsj ). (41) 2. Оценка меры близости между базисными
обстановками, основываясь на анализе статис­
тик фациальных переходов и заданных аффин­
Основываясь на данных величинах, оценка ных координатах фаций.
вероятности появления перехода с участием i-й
базисной обстановки равна: 3. Задание системы прямоугольных коорди­
нат, удовлетворяющей полученной на предыду­
Pi = åBij .  (42) щем этапе метрике модели. Расчет «координат»
j фаций рассматриваемого подмножества из «ко­
ординат» базисных фаций.
Тогда величины Zij = Bij / (Pi – Bii) будут харак­
теризовать априорные вероятности появления Шаг (1) задает топологию модели и «аффин­
перехода между i-м и j-м базисными литотипа­ ные координаты» элементов рассматриваемой
ми среди всех переходов с участием i-го базис­ совокупности фаций. Этап (2) определяет мет­
ного литотипа (здесь из пространства событий рику модели.
исключены переходы i–i). Используя логику пе­ Шаг (3) может быть выполнен с применением
рехода от (12) к (22), для оценки коэффициента методов факторного анализа (например, метода
Чернова, отвечающего двум различным базис­ Торгерсона [Torgerson, 1952; Дэйвисон, 1988]).
ным обстановкам i и j, получаем следующее вы­ Система координат при этом определяется с точ­
ражение: ностью до постоянных сдвигов и поворотов/от­
ражений. Важным фактом является совпадение
1 æ B ö÷æç B jj ö÷ e- и m-параметризаций {θ} и {η} в рамках рас­
Cij = çç1 - ii ÷ç1 - ÷ ´ смотренного подхода. Благодаря тому, что про­
÷
1 - å kBkk ççè Pi ÷÷øççè Pj ÷÷ø странство параметров {η} связано с факторами
1 Bij {X}, контролирующими изменчивость механиз­
´ Z ij Z ji = .  (43) мов седиментации, удачный выбор направления
1 - å kBkk Pi Pj осей полученной системы координат позволяет
При получении данного выражения было ис­ придать им в ряде случаев ясную геологическую
пользовано предположение о равенстве априор­ интерпретацию. Условие прямоугольности коор­
ных вероятностей появления базисных литоти­ динат выражается в том, что метрический тензор
пов величинам (42), а в качестве аналога P(s : s) в выбранной системе имеет диагональный вид:
из (21) выступали отношения Bii/Pi. скалярные произведения векторов, направлен­
ных вдоль осей, равны нулю. Это означает от­
Как и  при использовании (22), при совпа­
сутствие корреляции между соответствующими
дении индексов i и j, значение Cii принимается
факторами. Благодаря этому интерполяция дан­
равным 1.
ных параметров в межскважинное пространство
Квадрат «расстояния» между базисными ли­ может выполняться независимо друг от  друга
тотипами, в  соответствии с  (32) и  (34), будет при построении сеточных моделей.
пропорционален минус логарифму от (43), что
Шаг (1) подразумевает представление каждой
также находится в соответствии с (9). Коэффи­
фации как суперпозиции нескольких базисных
циент пропорциональности равен 1/8.
обстановок осадконакопления в виде (29). Такое
Рассчитывая значения дивергенции Чернова представление выполняется на основе априор­
для всех пар (i–j), получаем матрицу, на коли­ ных геологических знаний и  позволяет учесть
чественном уровне характеризующую различия информацию об ограниченном количестве ме­
между базисными литотипами в некотором па­ ханизмов, контролирующих разнообразие фа­
раметрическом пространстве. Наличие такой ций. В качестве базисных могут быть выбраны
матрицы позволяет выполнять параметризацию крайние элементы наблюдаемых или предпола­
совокупности генетически связанных фаций гаемых фациальных рядов. В этом случае каж­
следующим образом: дая точка фациального ряда получается путем
1. Выбор набора базисных обстановок осад­ смешивания состояний среды, отвечающих его
конакопления. Число M + 1 базисных обстано­ крайним элементам. Либо вершины базисного
вок задает максимально возможную размер­ симплекса могут быть получены путем экстра­
ность пространства параметров M. Все эле­ поляции нескольких фациальных рядов до полу­
менты рассматриваемого подмножества фаций чения «чистых» состояний в точке пересечения

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 119

их «продолжений». Практические способы за­ определении весов wij следует отдавать методи­
дания весов {wsi} в  (29) могут быть основаны ке, основанной на выражении (44). Некоторые
на двух подходах. сложности в реализации второго подхода могут
Во‑первых, веса wij могут назначаться, исходя быть связаны с тем, что выборка данных керн-
из эмпирических и эвристических соображений ГИС часто является недостаточно представи­
о  природе действовавших геологических про­ тельной с точки зрения определения коэффи­
цессов. Конкретные значения wij задаются на ос­ циентов Piq = P (Jq|Fi). Это может являться при­
нове экспертных оценок, основанных на имею­ чиной необходимости выполнения коррекции
щемся опыте работы с рассматриваемыми об­ параметров Piq либо wij на  основе априорных
становками осадконакопления. Например, для геологических представлений.
таких оценок могут привлекаться результаты
седиментологических исследований, базирую­ СИНТЕТИЧЕСКИЙ ПРИМЕР
щихся на материалах бурения на прилегающих
территориях. Данный подход имеет преимущест­ В качестве первой иллюстрации рассмот­
ва на площадях с небольшим числом скважин, рим абстрактный синтетический пример, по­
охарактеризованных керном, либо для непред­ лученный посредством моделирования после­
ставительных выборок керна. довательностей литотипов при помощи цепей
Маркова. Пусть разрезы скважин некоторого
Второй метод основан на  статистическом исследуемого участка представлены чередова­
анализе фаций, определенных по керну. Пусть нием микрослоев, сложенных одним из  трех
при таком анализе была разработана система базисных литотипов {L1, L2, L3}. Для простоты
фаций {Jq}, которая, как правило, не совпадает рассмотрим сначала ситуацию с одной скважи­
с набором каротажных фаций {Fi}. Для выпол­ ной, в  которой оказалось возможным выпол­
нения корректной увязки результатов этих ис­ нить полный статистический анализ переходов
следований достаточно выполнить оценку весов между этими литотипами. Пусть в первом случае
bqj = P(g j|Jq), обозначающих вероятность появле­ появление литотипов в разрезе происходит под
ния j-го базисного литотипа в q-й фации, диаг­ действием закономерно меняющихся внешних
ностированной в керне (аналог весов wij для на­ условий: на начальной стадии преобладают ус­
бора каротажных фаций, задающих вклад j-го ловия, отвечающие фациям L1 и L2, а в конце –
базисного процесса). Эти величины оценива­ L2 и L3 (рис. 2а). Литотипы L1 и L3 гораздо реже
ются в процессе седиментологического анализа соседствуют в разрезе между собой, чем с лито­
керна по комплексу структурно-текстурных по­ типом L2. Это означает, что между событиями
казателей и других диагностических признаков появления литотипов L1 и L3 наблюдается об­
процессов осадконакопления. ратная корреляция. Поскольку данный пример
Кроме того, потребуются оценки вероятнос­ является синтетическим, для него оказывается
тей Piq = P(Jq|Fi) появления керновых фаций {Jq} возможным применить подход к заданию мет­
в обстановках, отвечающих каротажным фаци­ рики модели, основанный непосредственно
ям {Fi}. Данные параметры могут быть оценены на  выражении (22). Модель параметризуется
по результатам статистического анализа фаций двумя переменными. Рассчитывая матрицу ди­
керн-ГИС. вергенций (22) и факторизуя ее (см. Приложе­
После этого переход к коэффициентам wij вы­ ние), получаем «координаты» (x1, x2) базисных
полняется следующим образом: литотипов в некотором пространстве «обобщен­
NJ NJ ных геологических переменных». Точки, отвеча­
wij = P ( g j | Fi ) = åP ( g j | J q )× P ( J q | Fi ) = åPiq bqj . ющие базисным литотипам, образуют треуголь­
q=1 q=1 ник, показанный в правой части рис. 2а. Видно,
(44) что «расстояние» L1–L3 примерно в полтора раза
Следует отметить, что в  связи с  наличием превышает «расстояния» L1–L2 и L2–L3.
непосредственных диагностических признаков Второй пример, представленный на рис. 2б,
геологических процессов в  керновом матери­ соответствует ситуации с  другой направлен­
але, определение коэффициентов bqj = P(g j|Jq), ностью седиментационного тренда. На началь­
как правило, выполняется с  гораздо меньшей ной стадии накопления осадков (нижняя часть
степенью неопределенности, чем непосредс­ литологической колонки) отмечается преоб­
твенное задание весов wij для каротажных фа­ ладание условий седиментации, отвечающих
ций с помощью эвристического подхода. В свя­ литотипам L1  и  L3. По  мере смещения вверх
зи с этим, по возможности, предпочтение при по  разрезу увеличивается роль обстановок,

ФИЗИКА ЗЕМЛИ № 6 2019


120 Эпов

(а) (б)
Модель с седиментационным трендом L1–L2–L3 Модель с седиментационным трендом L1 L3–L2
L1
L2
L3

L1 L2 L3
L3

L2 L1

Матрица переходов: Матрица переходов:


L1 L2 L3 L1 L2 L3
Матрица «расстояний»: Матрица «расстояний»:
L1 81 40 12 L1 37 42 39
L1 L2 L3 L1 L2 L3
L2 43 69 38 L2 41 109 28
L1 0 0.95 1.5 L1 0 1.01 0.86
L3 8 41 68 L3 39 28 37
L2 15 0 0.94 L2 1.01 0 1.17
L3 0.95 0.94 0 L3 0.86 1.17 0

Рис. 2. Пример двух простых моделей разрезов, составленных из чередующихся слоев, представленных тремя ли­
тотипами {L1, L2, L3}, и соответствующие им метрические модели, построенные с использованием выражения (20).
Стрелками показано направление седиментационного тренда, отвечающего представленным разрезам.

соответствующих L2. Это отражается на статис­ модель не исключает возможности осуществле­


тиках фациальных переходов: вероятность со­ ния и непосредственного перехода L1–L3, при­
седства L1–L3 оказывается несколько выше, чем сваивая лишь небольшую вероятность данному
вероятность соседства этих литотипов с литоти­ событию. Получить подобный результат с доста­
пом L2. Поэтому в получаемой метрической мо­ точной степенью обоснованности было бы слож­
дели «расстояние» L1–L3 оказывается меньше, но, опираясь только на анализ толщин прослоев
чем «расстояния» L1–L2  и  L2–L3. Более того, литологических разностей по разрезам скважин,
поскольку литотип L2 «обособлен» от остальных в которых присутствуют явно выраженные седи­
двух, сложенные им пласты характеризуются ментационные тренды.
в среднем большей толщиной, нежели пропласт­ Как уже отмечалось ранее, из-за того, что
ки литотипов L1 и L3 (за счет большей вероят­ в  практических ситуациях оценка величины
ности соседства L1–L1). нормировочного коэффициента B0.5(s : p) в (22)
Приведенные примеры иллюстрируют одну крайне затруднена, задание метрики модели
важную особенность предлагаемого метода. Не­ предпочтительнее выполнять с использованием
смотря на то, что анализируемые последователь­ статистик фациальных переходов и априорных
ности не  отвечают стационарному состоянию весов (29). Проиллюстрируем методику такой
седиментационой системы, созданная модель оценки на следующем примере. Пусть некото­
неплохо соотносится с представлениями о сте­ рый исследуемый пласт вскрыт двумя скважи­
пени сродства наблюдаемых фаций, которые нами, в разрезах которых была диагностирова­
могли бы быть получены, исходя из визуального на последовательность смены обстановок осад­
анализа представленных разрезов. Например, на конакопления, представленная чередованием
рис. 2а довольно легко идентифицировать факт пяти фаций F1–F5 (см.  рис.  3а). Пусть также
разобщенности условий осадконакопления, диагностированные фации являются результа­
отвечающих литотипам L1 и L3: переход между том композиции трех базисных обстановок, рас­
этими двумя обстановками с большой вероят­ смотренных в предыдущем примере (рис. 3б),
ностью будет осуществляться через промежуточ­ а веса базисных литотипов {wsi}, представленные
ное состояние L2. Однако при этом построенная в таблице на данном рисунке, были определены

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 121

(а) Фациальная характеристика пласта по разрезам двух скважин


и гипотетический фациальный разрез

Вариант геологической
интерпретации

(б) Фации, слагающие разрезы скважин:

Базисные литотиты:
L1
Веса фаций:
L2 L L L 1 2 3
F 0.8 0.2 0
L3 F 0.45
1
0.4 0.15
2
F3 0.3 0.23 0.45
F4 0 0.5 0.5
F5 0 0.2 0.8
L3

F5

F3
F4

F2
F1
L1 L2
F1 F2 F3 F4 F5

Рис. 3. Гипотетический пример фациальной характеристики некоторого пласта, полученной по разрезам двух сква­
жин. Пять наблюдаемых фаций {F1,..F5} представлены аффинной комбинацией трех базисных литотипов L1, L2, L3.

по  результатам анализа кернового материала. получен предполагаемый геологический разрез


Данные веса задают аффинные координаты фа­ межскважинного пространства, например та­
ций, определяющие лишь относительное их по­ кой, как показан в правом нижнем углу рис. 3а.
ложение внутри треугольника (симплекса), вер­ Границы фациальных переходов на таких раз­
шины которого отвечают базисным обстановкам резах обычно рисуются геологом-интерпрета­
седиментации. тором, исходя из представлений качественного
В процессе геологической интерпретации, ос­ характера о направленности развития осадочно­
нованной на циклофациальном анализе и прин­ го бассейна и присущей ему палеогеографичес­
ципе Вальтера–Головкинского, может быть кой зональности на каждом стратиграфическом

ФИЗИКА ЗЕМЛИ № 6 2019


122 Эпов

1. Матрица фациальных 3. «Координаты»


переходов базисных литотипов
F1 F2 F3 F4 F5
Х Y
F1 6
L1 –0.54 0.129
F2 4 5 1
L2 0.097 –0.37
F3 1 4
L3 L3
F4 0.444 0.237
3
L1
F5 1 3 2
5
(строки – подстилающие фации, 3
столбцы – перекрывающие); 1
пустые ячейки – отсутствие 2 4
фациальных переходов 4. «Координаты» фаций
Х Y
2. Матрица коэффициентов F1 –0.41 0.03
Чернова для базисных литотипов
F2 –0.14 –0.05
L1 L2 L3 L2
F3 0.062 0.054
L1 1 0.31 0.22
L2 F4 0.271 –0.06
0.31 1 0.37
L3 0.22 0.37 1 F5 0.375 0.117

Рис. 4. Результат факторизации фациальной модели из гипотетического примера, показанного на рис. 3. Стрелкой
показано направление седиментационного тренда.

уровне. Латеральные фациальные переходы при F4  и  F5  главным образом кодируются именно
этом увязываются как с общим седиментацион­ второй «обобщенной координатой».
ным трендом, определяемым по точкам скважин, Необходимо оговориться, что в  приведен­
так и с вертикальными последовательностями ных примерах при расчете матрицы различий
фаций в разрезах скважин. Метод, изложенный не  учитывался фактор 1/8, присутствующий
в настоящей работе, позволяет получить учиты­ в выражении (32) (это обосновывается тем, что
вающий данные принципы результат на основе окончательные оценки вероятностей фаций ин­
формализованного подхода. вариантны относительно процедуры поворота
Сначала, используя статистики фациаль­ и сжатия/растяжения получаемой системы ко­
ных переходов и веса, представленные в таблице ординат).
на рис. 3б (заданные в данном примере априорно), Следующим шагом после проведения фактори­
с использованием (41) рассчитывается матрица ко­ зации фациальной модели является выполнение
эффициентов Чернова для базисных обстановок. интерполяции значений «обобщенных геологи­
Затем они пересчитывается в матрицу диверген­ ческих переменных», определенных вдоль стволов
ций Чернова, которая подвергается двойному цент­ скважин, в межскважинное пространство. Пос­
рированию и факторизации (см. Приложение). кольку эти переменные характеризуют состояние
Результат данной процедуры показан на рис. 4. седиментационной системы, зная их, оказывается
В отличие от диаграммы, приведенной на рис. 3б, возможным для каждой точки среды оценить ве­
здесь расстояния между точками на графике отра­ роятность появления каждой фации.
жают вероятность возникновения перехода меж­
ду соответствующими фациями (больше расстоя­ ПОСТРОЕНИЕ
ние – меньше вероятность). ПРОСТРАНСТВЕННОЙ МОДЕЛИ
В полученной модели разнообразие фаций Так как получаемые при факторизации матри­
описывается двумя переменными, при этом цы различий оси координат являются ортогональ­
первый фактор (горизонтальная ось на графи­ ными, интерполяция значений каждого фактора
ке рис. 4) значительно доминирует над вторым. может выполняться независимо от остальных. Это
Именно его изменение характеризует глав­ является существенным преимуществом такой па­
ную составляющую седиментационного тренда раметризации геологической модели. Кроме того,
(от условий отвечающих фации F1 с преоблада­ во многих случаях полученным «обобщенным гео­
нием литотипа L1, к обстановкам, отвечающим логическим переменным» можно дать физическую
фациям F4 и F5). Второй фактор определяет ме­ интерпретацию и статистически связать их с неко­
нее значимые вариации обстановок осадкона­ торыми внешними атрибутами (такими, напри­
копления. Например, отличия между фациями мер, как палеоструктурный план или атрибуты

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 123

сейсмической записи). Подобные корреляцион­ информации такой результат для средней точки
ные зависимости могут быть использованы при профиля дадут большинство алгоритмов интер­
интерполяции, что дополнительно помогает сни­ поляции). Также предположим, что была выпол­
зить уровень неопределенности получаемых мо­ нена оценка погрешности интерполяции, кото­
делей. рая для обоих факторов составила 0.2. Приме­
Затем, на основе созданной пространствен­ нение выражения (46) для оценки вероятностей
ной модели геологических факторов {x} может появления фаций {F1,.. F5} в данной точке раз­
быть выполнена оценка вероятности присутст­ реза дает следующие значения: (0.01, 0.16, 0.39,
вия фаций P (Fi|x) в каждой ячейке сеточной мо­ 0.27, 0.16). То  есть в  рассматриваемой ячейке
дели: априорной модели с наибольшей вероятностью
ожидается появление фаций F3 и F4. Присутствие
p ( x | Fi )× P ( Fi ) p ( x | Fi )× P ( Fi ) фации F1 маловероятно. Такой результат хорошо
P ( Fi | x ) = = .
p( x ) å k p( x | Fk )× P (Fk ) согласуется с вариантом геологического разреза,
показанного на рис. 3а. Полученные таким об­
(45) разом оценки вероятностей могут быть напря­
Здесь распределения p(x|Fi) характеризуют ве­ мую поданы на вход геостатистической инвер­
роятность получения заданных значений обоб­ сии, либо использованы для расчета фоновой
щенных переменных {x} в фиксированной ячей­ модели для детерминистической инверсии сей­
ке модели для фации Fi . Данные распределения смических данных и последующей интерпрета­
зависят от точности параметризации фациаль­ ции ее результатов с применением выражений,
ной модели и погрешности интерполяции зна­ подобных (1).
чений обобщенных геологических переменных Анализируя приведенный простой пример
в межскважинное пространство. Первая опре­ несложно понять важность правильной оценки
деляется величинами отброшенных в  процес­ метрики модели. Для точки с фиксированными
се факторизации пространства геологических аффинными координатами изменение располо­
факторов собственных значений. Оценка вто­ жения вершин базисного треугольника, пока­
рой возможна, например, при использовании занного на рис. 4, приведет к перераспределе­
геостатистических алгоритмов типа кригинга. нию значений вероятностей фаций, оценивае­
Если дополнительная информация, позво­ мых по (45).
ляющая дать предпочтение какой-то из фаций Важно подчеркнуть, что применение рас­
набора {Fi} и не учтенная в процессе парамет­ смотренного подхода позволяет автоматичес­
ризации, отсутствует, то априорные вероятности ки получить пространственные распределения
P(Fi) в выражении (45) принимаются равными фаций, увязанные со  скважинными данными
1/N. В этом случае выражение (45) редуцируется и представлениями о закономерностях их пос­
к простому виду: ледовательной смены в пространстве и геоло­
гическом времени (получаемых по результатам
P ( x | Fi ) палеогеографических реконструкций и цикло­
P ( Fi ) = . (46)
å kP ( x | Fk ) фациального анализа). Обычно при геологи­
ческой интерпретации традиционными метода­
Возвращаясь к  примеру, показанному на ми на практике тратится много сил и времени
рис. 3 и рис. 4, предположим, что нам необхо­ на создание таких согласованных моделей.
димо оценить литологический состав в  точке
В качестве показателя уровня неопределен­
профиля, расположенной посередине между
ности получаемой фациальной модели в каж­
скважинами на некотором стратиграфическом
дой точке может быть использована величина
уровне. Пусть на  этом  же стратиграфическом энтропии:
уровне разрезы скважин представлены фация­
ми F2 и F5. Согласно выполненной параметри­ H ( F ) = -åP ( Fi )× ln (P ( Fi )).  (47)
зации (рис. 4), этим фациям отвечают значения i
«обобщенных координат» (–0.14, –0.05) и (0.375, Максимальной энтропией будут характеризо­
0.117). Предположим, что в результате интерпо­ ваться ячейки модели с равновероятным появ­
ляции для данной точки разреза были получе­ лением фаций, а минимальной – области вокруг
ны значения «обобщенных координат» (0.12, стволов скважин. Отметим также, что в случае
0.03). (эти величины получены осреднением выполнения параметризации принципиальной
указанных выше значений «координат» в точ­ фациальной модели, при которой в расчет при­
ках скважин: при отсутствии дополнительной нимаются только наиболее значимые главные

ФИЗИКА ЗЕМЛИ № 6 2019


124 Эпов

компоненты, применение выражения (46) для метода может быть расширена и на более слож­
расчета вероятностей появления фаций в точках ные седиментационные системы, состоящие
скважин дает значения, меньшие 1. Этот эффект из  нескольких подсистем со  своим набором
позволяет наглядно продемонстрировать влия­ базисных процессов. Каждому из  таких под­
ние неопределенности, связанной с «огрублени­ множеств генетически связанных фаций мож­
ем» модели за счет учета только самых значимых но поставить в соответствие некоторую область
факторов, отвечающих за изменчивость условий фациального многообразия, на которой может
седиментации. быть введена метрика и задана своя система ко­
ординат. Эти локальные «карты» объединяются
ИЕРАРХИЧЕСКАЯ СИСТЕМА в «атлас» фациального многообразия. Если на­
ОБСТАНОВОК ОСАДКОНАКОПЛЕНИЯ боры базисных процессов этих подсистем имеют
непустое пересечение, то получаемая модель фа­
Предложенная методика количественного циального многообразия является односвязной.
учета априорной геологической информации В некоторых случаях, при соблюдении ряда ус­
основана на параметризации обстановок осад­ ловий, между этими системами координат может
конакопления, разнообразие которых связанно быть осуществлен переход при помощи невы­
с совместным действием нескольких базисных рожденного взаимооднозначного преобразова­
процессов. Для непосредственного применения ния. Это дает возможность ввести единую систе­
выражений (41) и (43) необходимо, чтобы для му координат на всем многообразии, используя
любых двух базисных обстановок существовало отображения отдельных «карт» друг на  друга.
непустое множество фациальных переходов, ко­ Но расстояния при таких преобразованиях ко­
торым отвечает ненулевая вероятность перехода ординат, вообще говоря, не сохраняются. Поэ­
между этими базисными литотипами. Другими тому в общем случае для параметризации слож­
словами, данные выражения позволяют ввести ных седиментационных систем целесообразно
метрику и задать единую систему обобщенных применять подход, основанный на построении
координат на подмножестве фаций, характери­ иерархических моделей обстановок (рис.  5).
зующихся общим набором базисных обстановок. Каждый узел промежуточного слоя такой модели
Однако область применимости изложенного отвечает набору генетически связанных фаций

Обстановки
Энтропия фациальной модели

осадконакопления G1 G2
Базисные
A1 A2
обстановки
g1 g2 g3 g4
для фаций {Fi}

F1 F2 F3 F4 F5 F6 F7 F8 F9 ... фации F1 F2 F3 F4 F5 F6 F7 F8 F9 ...

Симплициальный комплекс
Многообразие для {A} A1 G1 G2 для обстановок {A}
A2

g2 Симплициальный комплекс
Многообразие для {F}
для обстановок {F}
A2
A1 Fi
g4
g1 g3

Рис. 5. Абстрактный пример седиментационной системы, содержащей две подгруппы обстановок A1 и А2. Фаци­
альное разнообразие внутри подгрупп определяется частично перекрывающимися наборами базисных процессов
{g1, g2, g3} и {g2, g3, g4}. Каждая подгруппа может быть параметризована своей системой «обобщенных геологических
переменных», задающих «карты» соответствующих областей фациального многообразия. Фации F5, F6, F7 присутст­
вуют на двух «картах». Полная параметризация всей системы осуществляется путем задания вероятностей P(A1)
и P(A2) и значений «обобщенных геологических координат» для подсистем {F1,.., F7} и {F5,.., F9,..}.

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 125

из нижележащего уровня, которые являются его появления базисных обстановок и  переходов


«потомками». Каждому уровню иерархической между ними. В предельном случае, на вершине
модели отвечает свое представление многообра­ иерархической схемы фациальная модель харак­
зия обстановок и соответствующее ему симпли­ теризуется максимальной неопределенностью
циальное разбиение, вершины которого являют­ условий – любые две вершины симплициаль­
ся базисными обстановкам для данного уровня. ного комплекса соединены ребром, то есть воз­
По мере продвижения вниз по иерархии модели можны переходы между любыми двумя фациями
количество базисных обстановок увеличивается, модели. Именно такой ситуации максимальной
а структура многообразия может усложняться. неопределенности фациальных переходов отве­
Узлы иерархической модели, имеющие обще­ чает подход к заданию априорных вероятностей
го «родителя», характеризуются общим набором фаций в выражениях, подобных (1), по пропор­
базисных литотипов и принадлежат одной «кар­ циям литотипов, оцененных на основе анализа
те» фациального многообразия данного уровня, разрезов всех скважин изучаемой территории.
на которой задается метрика при помощи изло­ Привлечение генетической информации при­
женного выше подхода. Применительно к  мо­ водит к наложению ограничений на возможные
дели, изображенной на рис. 5, параметризация фациальные переходы и учету седиментацион­
всего многообразия обстановок осуществляется ных трендов, что сопровождается уменьшением
с использованием пяти факторов: по два факто­ энтропии получаемой модели.
ра на подмножества фаций {F1,.., F7} и {F5,.., F9,..}
и один фактор, задающий вероятности появле­ ЗАКЛЮЧЕНИЕ
ния самих «макрофаций» A1 и A2.
Изложенный выше подход позволяет решить
Следует подчеркнуть, что для того, чтобы из­ проблему учета априорной геологической ин­
ложенный подход можно было использовать для формации на количественном уровне, остро сто­
параметризации фациальной модели, обстанов­ ящую при решении обратных задач геофизики.
ки одного уровня иерархической схемы должны Получаемый при этом набор «обобщенных гео­
характеризоваться одинаковыми значениями логических координат» описывает разнообразие
неопределенности задания условий осадкона­ условий образования исследуемых пород, то есть
копления. параметризует причины, приводящие к наблю­
Интересно отметить следующее свойство даемым вариациям свойств горных пород. По­
получаемых моделей. При переходе от нижних этому можно ожидать, что данные переменные
уровней к  верхним, минимальное количество будут являться гиперпараметрами, определяю­
базисных обстановок, необходимых для задания щими (с некоторой погрешностью) все осталь­
симплициальных комплексов, уменьшается. При ные свойства геолого-геофизической модели.
этом две вершины симплициального комплек­ Существующие сегодня технологии совместно­
са соединяются ребром, если соответствующие го анализа сейсмических и скважинных данных
базисные процессы участвуют в формировании позволяют естественным образом на количест­
условий хотя бы одного подмножества генети­ венном уровне увязать описание исследуемого
чески связанных фаций (имеющих общий «ро­ объекта посредством набора таких гиперпара­
дительский» узел). С другой стороны, переход метров с реализованными на практике алгорит­
к  верхним уровням иерархии сопровождается мами интерпретации материалов ГИС и сейс­
увеличением неопределенности задания условий мической инверсии (см., например, [Eidsvik et
осадконакопления. Однако, если сохранить на­ al., 2002]. Поскольку в результате предложенной
бор базисных обстановок неизменным, то пере­ методики получается пространственная модель
ход к вышележащим уровням иерархической мо­ вероятностей фаций (литотипов), данный под­
дели будет сопровождаться появлением допол­ ход особенно хорошо подходит для комбиниро­
нительных ребер в симплициальном комплексе, вания с технологиями геостатистической инвер­
что эквивалентно увеличению энтропии модели. сии [Gunning, Glinsky, 2004; Gunning et al., 2014;
Если в фациальной модели, отвечающей нижне­ Saussus, Sams, 2012; Walker et al., 2016; Rimstad,
му уровню иерархической схемы, вероятности Omre, 2010; González, 2008].
перехода между какими-то базисными литоти­ Можно также ожидать, что рассмотренная
пами были малы или равны нулю, то при после­ методика параметризации геологической ин­
довательном смещении на вышележащие уров­ формации может найти применение при реше­
ни они увеличатся. При этом в целом будет на­ нии более широкого круга задач геологического
блюдаться уменьшение различий в вероятностях моделирования, не ограничиваясь проектами,

ФИЗИКА ЗЕМЛИ № 6 2019


126 Эпов

на которых применяется технологии инверсии ПРИЛОЖЕНИЕ.


сейсмических данных. По мнению автора, ве­ Расчет «обобщенных координат»
роятностное описание геологических моделей фаций по матрице различий
несет в  себе значительный потенциал с  точки
зрения практического применения. Расчет значений «обобщенных геологи­
Очевидно, что область применимости пред­ ческих переменных» из  величин (17) выпол­
ставленного подхода к построению геолого-гео­ няется с применением алгоритма Торгерсона
физических моделей определяется тем, насколь­ [Torgerson, 1952], лежащего в  основе класси­
ко сильна причинно-следственная связь между ческого метода многомерного шкалирования
изменчивостью обстановок осадконакопления [Дэйвисон, 1988; Borg, Groenen, 2005]. Метод
и  характеристиками горных пород, прогнози­ базируется на  идее восстановления коорди­
руемыми по результатам инверсии геофизичес­ нат объектов по заданным расстояниям меж­
ких данных. Как правило, такая связь выраже­ ду ними. Он включает расчет центрированной
на достаточно хорошо даже в тех случаях, когда ковариационной матрицы и последующую ее
присутствуют и другие факторы, оказывающие факторизацию.
существенное влияние на различные физичес­ Пусть дана матрица различий D, элемента­
кие параметры. Например, известно, что диаге­ ми которой являются квадраты «расстояний»
нетические преобразования тесно связаны с из­ между N объектами анализируемого множества
начальным фациальным составом отложений (в рамках данной работы  – базисными обста­
[Ajdukiewicz, Lander, 2010; Morad et al., 2010]. новками):
В частности, на практике широко применяется æ 0 d12 .. d1N ö÷
разделение трендов уплотнения для пород раз­ çç ÷
личной литологии при выполнении интерпрета­
çç d 0 .. d2 N ÷÷÷
D = çç 12
÷÷. (П.1)
ции сейсмических и скважинных данных [Avseth çç : : : : ÷÷
çç ÷
et al., 2005]. Во многих случаях понимание усло­ çèd1N d2 N .. 0 ÷÷ø
вий формирования осадочных пород позволяет
точнее описывать и учитывать вариации свойств Переход к центрированной ковариационной
отложений, связанные со вторичными преобра­ матрице R осуществляется следующим образом:
зованиями и  современным напряженным со­
стоянием геологической среды. В связи с этим 1
R =- ×J ×D×J. (П.2)
можно ожидать, что даже в тех случаях, когда фа­ 2
циальная изменчивость не является единствен­ Здесь матрица J рассчитывается с помощью
ным фактором, контролирующим физические выражения:
свойства пород, использование рассмотренного 1
подхода способно значительно снизить уровень J = E - × l T l,
неопределенности и  повысить достоверность N
получаемых геолого-геофизических моделей. где: E – единичная матрица; N – размерность
матрицы D (число сравниваемых объектов),
Благодарности а  l  =  {1,1,.. 1}  – вектор-строка, составленная
из N единиц.
Автор выражает глубокую признательность док­ В скалярных обозначениях выражение (П. 2)
тору геол.-мин. наук, профессору геологического записывается в  следующем виде [Дэйвисон,
факультета МГУ им М.В. Ломоносова Валенти­ 1988]:
не Алексеевне Жемчуговой. Основные идеи, на­ 1
шедшие отражение в данной публикации, роди­ rij = - (dij - di * - d* j + d** ).  (П.3)
лись в результате многолетнего сотрудничества 2
и плодотворных дискуссий при совместной работе Здесь: dij – элемент матрицы D (квадрат «рас­
над производственными проектами по комплекс­ стояния» между i-м и j-м объектом); di* – сред­
ной интерпретации сейсмических и скважинных нее значение элементов i-й строки; d*j – среднее
данных. значение элементов j-го столбца; d** – среднее
Автор также благодарен доктору физико-ма­ значение элементов матрицы D.
тематических наук чл.-корр. РАН Сергею Анд­ Пусть далее  V  – матрица собственных  век­
реевичу Тихоцкому за  ценные комментарии, тор-столбцов матрицы R (единичной длины),
высказанные им в процессе обсуждения и под­ а Λ – матрица, на диагонали которой находятся
готовки данной публикации. соответствующие собственные значения. Тогда

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 127

значения координат объектов в новой фактори­ СПИСОК ЛИТЕРАТУРЫ


зованной ортогональной системе определяются
вектор-строками матрицы X: Арнольд В.И. Обыкновенные дифференциальные урав­
нения. Новое издание, исправл. М.: МЦНМО. 2012.
X = V × Λ1 2 .  (П.4) 344 с.
Гогоненков Г.Н. Изучение детального строения осадоч­
Ковариационная матрица при такой за­ ных толщ сейсморазведкой. М.: Недра. 1987. 221 с.
мене координат не  меняется (в  силу RV = VΛ Дэйвисон М. Многомерное шкалирование: методы на­
и V TV = E): глядного представления данных. М.: Финансы и  ста­
тистика. 1988. 254 с.
X × X T = V × Λ1 2 × Λ1 2 ×V T = V × Λ ×V T = R. Кабанихин С.И., Исаков К.Т. Обратные и некорректные
задачи для гиперболических уравнений. Алматы: Казах­
С другой стороны, в  силу  V TV = E, матри­ ский нац. педагогический ун-т им. Абая. 2007. 330 с.
ца X TX = Λ является диагональной. То есть фак­ Крашенинников Г.Ф. Учение о  фациях. Учеб. пособие.
торы, отвечающие осям новой системы коор­ M.: Высшая школа. 1971. 368 с.
динат, являются статистически независимыми Морозова Е.А., Ченцов Н.Н. Естественная геометрия
вероятностных законов. Итоги науки и техн. соврем.
(выборочные коэффициенты корреляции зна­ пробл. матем. Фундам. направления. ВИНИТИ. 1991.
чений координат равны нулю), а  выборочные Т. 83. С. 133–265.
дисперсии значений координат равны собствен­ Мясоедов Д.Н. Влияние интерполяционной модели
ным значениям матрицы R. Поэтому размер­ на результат геостатистической инверсии // Геофизи­
ность координатного пространства может быть ка. 2015. № 6. С. 20–28.
уменьшена без существенной потери точности, Одесский И.А. Пространственно-временное содержание
путем отбрасывания факторов, отвечающих ма­ породно-слоевых границ // Записки Горного Институ­
та. 1992. Т. 134. С. 116–123.
лым собственным числам. При этом матрицы Λ
Тихонов А.Н., Арсенин В.Я. Методы решения некоррект­
и V в выражении (П.4) заменяются на матрицы
ных задач. М.: Наука. 1979. 285 c.
Λ1 и V1, отвечающие наибольшим собственным
Ченцов Н.Н. К  систематической теории экспоненци­
числам, а вместо матрицы X получается прямо­ альных семейств распределений вероятностей // Тео­
угольная матрица координат  X1  с  небольшим рия вероятностей и ее применения. 1966. Т. 11. Вып. 3.
числом столбцов K < N: С. 483–494.
Яковлев И.В., Ампилов Ю.П. Филиппова К.Е. Почти
X 1 = V1 × Λ11 2 .  (П.5) все о  сейсмической инверсии, часть 2  // Технологии
сейсморазведки. 2011. № 1. С. 5–15.
Зная матрицу W весов базисных обстановок
(7), координаты фаций получаются из рассчи­ Ajdukiewicz J.M., Lander R.H. Sandstone reservoir quality
prediction: The state of the art  // AAPG Bulletin. 2010.
танных с помощью выражения (П.5) координат V. 94. № 8. P. 1083–1091.
базисных обстановок X1 следующим образом: Amari Shun-ichi, Nagaoka Hiroshi. Methods of information
geometry (translated from the Japanese by Daishi Harada).
Y = W × X 1.  (П.6) Oxford University Press: Translations of mathematical
Здесь i-я строка матрицы Y содержит K < N monographs. 2000. V. 191.
«обобщенных координат» i-й фации. Размер­ Avseth P., Mukerji T., Mavko G. Quantitative seismic
ность модели K определяется количеством фак­ interpretation: Applying rock physics tools to reduce
interpretation risk. Cambridge University Press. 2005. 359 p.
торов, значимых с точки зрения точности вос­
Bhattacharyya A. On a measure of divergence between
становления исходной матрицы различий (П.1). two statistical populations defined by their probability
Погрешность полученной параметризации distribution // Bulletin of the Calcutta Mathematical Society.
определяется суммой отброшенных собственных 1943. V. 35. P. 99–110.
значений. Эта величина может быть использо­ Ball  V., Tenorio L., Schiott C., Blangy J.P., Thomas M.
вана при оценке распределений вероятностей P Uncertainty  in  inverted elastic properties resulting from
uncertainty  in the low-frequency model  // The Leading
(Fi|x), участвующих в расчете P(Fi) в (46) и (47), Edge. 2015. V. 34 №. 9. P. 1028–1030, 1032, 1034–1035.
а также при задании моделей пространственной Bohacs K., Suter J. Sequence stratigraphic distribution of
корреляции (вариограмм) в процессе интерпо­ coaly rocks: Fundamental controls and paralic examples //
ляции в межскважинное пространство. AAPG Bulletin. 1997. V. 81. № 10. P. 1612–1639.

ФИЗИКА ЗЕМЛИ № 6 2019


128 Эпов

Borg I., Groenen P.J.F. Modern multidimensional scaling: Gunning J.S., Kemper M., Pelham A. Obstacles, challenges


Theory and applications. NY: Springer. 2005. 614 p. and strategies for facies estimation in AVO seismic inversion //
Bosch M., Mukerji T., Gonzalez E.F. Seismic  inversion for 76  th EAGE Conference & Exhibition 2014. Extended
reservoir properties combining statistical rock physics and abstract.
geostatistics: A review // Geophysics. 2010. V. 75. № 5. Haas A., Dubrule O. Geostatistical inversion – a sequential
Buland A., Kolbjornsen O., Hauge R., Skjæveland O., method of stochastic reservoir modelling constrained by
Duffaut K. Bayesian lithology and f luid prediction from seismic data // First Break 1994. V. 12. P. 561–569.
seismic prestack data  // Geophysics. 2008. V.  73. №  3. Harper C.W.J. Facies model revisited: an examination of
P. C13–C21. quantitative methods  // Geoscience Canada. 1984. V.  11.
Carroll A.R., Bohacs K.M. Stratigraphic classification of № 4. P. 203–207.
ancient lakes: Balancing tectonic and climatic controls // Kemper M.A.C., Gunning J. Joint  impedance and facies
Geology. 1999. V. 27. № 2. P. 99–102. inversion – seismic inversion redefined // First Break. 2014.
Catuneanu O., Galloway W.E., Kendall C.G.S.t.C., Miall A.D., V. 32 (9). P. 89–95.
Posamentier H.W., Strasser A., Tucker M.E. Sequence Larsen A.L., Ulvmoen M., Omre, H., Buland, A. Bayesian
Stratigraphy: Methodology and Nomenclature // Newsletters lithology/fluid prediction and simulation on the basis of
on Stratigraphy. 2011. V. 44. № 3. P. 173–245. a Markov-chain prior model // Geophysics. 2006. V. 71 (5).
Chernoff H. A measure of asymptotic efficiency for test of a P. R69–R78.
hypothesis based on the sum of observations // The Annals Mahalanobis P.C. On the generalised distance in statistics.
of Mathematical Statistics. 1952. V. 23. № 4. P. 493–507. Proceedings of the National Institute of Sciences of India 2
Colombera L., Mountney N.P., Mccaffrey W.D. A quantitative (1). 1936. P. 49–55.
approach to fluvial facies models: Methods and example Mavko G., Mukerji T., Dvorkin J. The rock physics handbook.
results // Sedimentology. 2013. V. 60. P. 1526–1558. Cambridge University Press. 2009.
Dubrule O. Geostatistics for seismic data integration in Earth Miall A.D. Markov chain analysis applied to an ancient
models. 2003 SEG/EAGE Distinguished Instructor Short alluvial plain succession  // Sedimentology. 1973. №  20.
Course. 283 p. P. 347–364.
Duijndam A.J.W. Bayesian Estimation in Seismic Inversion. Morad S., Al-Ramadan K., Ketzer J.M.. De Ros L.F.
Part I: Principles // Geophysical Prospecting. 1998. V. 36. The impact of diagenesis on the heterogeneity of sandstone
Duijndam A.J.W. Bayesian Estimation in Seismic Inversion. reservoirs: A review of the role of depositional facies and
Part II: Uncertainty Analysis // Geophysical Prospecting. sequence stratigraphy // AAPG Bulletin. 2010. V. 94. № 8.
1988. V. 36. P. 1267–1309.
Dvorkin J., Gutierrez M.A., Grana D. Seismic reflections of Mukerji T., Avseth P., Mavko G., Takahashi I., Gonzalez E.F.
rock properties. Cambridge University Press. 2014. 352 p. Statistical rock physics: Combining rock physics, information
Eidsvik J., Mukerji T., Switzer P. Modeling lithofacies theory, and geostatistics to reduce uncertainty  in seismic
alternations from well logs using Hirarchical Markov reservoir characterization // The Leading Edge. 2001. V. 20.
Chains. SEG Technical Program Expanded Abstracts. 2002. P. 313–319.
P. 2463–2466. Nielsen F. An  information-geometric characterization of
Eidsvik J., Avseth P., More H., Mukerji T., Mavko G. Chernoff  information  // IEEE Signal Processing Letters.
Stochastic reservoir characterization using prestack seismic 2013. V. 20. № 3. P. 269–272.
data // Geophysics. 2004. V. 69. № 4. P. 978–993. Nielsen F. Chernoff  information of exponential families.
González E.F., Gesbert S., Hofmann R. Adding geologic prior arXiv:1102.2684 v1, 2011.
knowledge to Bayesian lithof luid facies estimation from Nielsen F., Garcia V. Statistical exponential families: a digest
seismic data // Interpretation. 2016. V. 4. № 3. with flash cards. arXiv:0911.4863 v2, 2011.
González E.F., Mukerji T., Mavko G. Seismic  inversion Nurgalieva N.G., Vinokurov  V.M., Nurgaliev D.K. The
combining rock physics and multiple-point geostatistics // Golovkinsky strata formation model, basic facies law and
Geophysics. 2008. V. 73. № 1. P. R11‑R21. sequence stratigraphy concept: historical sources and
Grana D., Pirrone M., Mukerji T. Quantitative log relations // Russ. J. Earth Sci. 2007. V. 9. ES 1003.
interpretation and uncertainty propagation of petrophysical Rao C.R. Differential metrics  in probability spaces.
properties and facies classification from rock-physics Differential geometry in statistical inference / ed. By S. Amari,
modeling and formation evaluation analysis // Geophysics. O. Barndorff-Nielsen, R. Kass, S. Lauritzen, C.R. Rao. IMS
2012. V. 77 (3). P. WA45‑WA63. Lecture Notes.V. 10. Hayward, CA. 1987. P. 217–240.
Grana D. Bayesian inversion methods for seismic reservoir Reading H.G. Clastic facies models, a personal perspective //
characterization and time-lapse studies. Dis… Stanford Bulletin of the Geological Society of Denmark. 2001. V. 48.
University. 2013. 211 p. P. 101–115.
Gunning J., Glinsky M. Delivery: An open-source model- Riegl B., Purkis S.J. Markov models for linking environments
based Bayesian seismic inversion program // Computers and and facies in space and time (recent Arabian Gulf, Miocene
Geosciences. 2004. V. 30. P. 619–636. Paratethys). Perspectives in Carbonate Geology: A Tribute

ФИЗИКА ЗЕМЛИ № 6 2019


ПАРАМЕТРИЗАЦИЯ АПРИОРНОЙ ГЕОЛОГИЧЕСКОЙ ИНФОРМАЦИИ 129

to the Career of Robert Nathan Ginsburg. 2009. IAS Special Tarantola A. Inverse problem theory and methods for model
Publication 41. parameter estimation. SIAM. 2005. 342 p.
Rimstad K., Omre H. Impact of rock-physics depth trends The sedimentary record of sea-level change. Edited by
and Markov random f ields on hierarchical Bayesian Angela L. Coe. Cambridge, UK: Cambridge University Press
lithology/fluid prediction // Geophysics. 2010. V. 75. № 4.
and the Open University. 2003. 287 p.
R93‑R108.
Russell B.H. Introduction to seismic  inversion methods. Torgerson W.S. Multidimensional scaling: I. Theory and
SEG. 1988. 178 p. method // Psychometrica. 1952. V. 17. № 4. P. 401–419.
Sams M., Saussus D. Practical implications of low frequency Ulvmoen M., Omre H. Improved resolution  in Bayesian
model selection on quantitative interpretation results. SEG lithology/fluid inversion from prestack seismic data and well
Technical Program Expanded Abstracts. 2013. P.  3118– observations: Part 1 – Methodology // Geophysics. 2010.
3122. V. 75. № 2.
Saussus D., Sams M. Facies as the key to using seismic
Walker M., Grant S., Conolly P., Smith L. Stochastic inversion
inversion for modelling reservoir properties // First Break.
2012. V. 30. № 7. P. 45–52. for facies: A case study on the Schiehallion f ield  //
Interpretation. 2016. V. 4 (3). P. SL9–SL20.
Scales J.A., Tenorio L. Prior information and uncertainty
in  inverse problems  // Geophysics. 2001. V. 66. №  2. Zavala C., Carvajal J., Mercano J., Delgado M. Sedimentolo
P. 389–397. gical indices: A new tool for regional studies of hyperpycnal
Sen M.K. Seismic inversion. SPE. 2006. 120 p. systems. Sediment transfer from shelf to deepwater  –
Sen M.K., Stoffa P.L. Nonlinear one‐dimensional seismic Revisiting the delivery mechanisms: Conference Proceedings.
waveform inversion using simulated annealing // Geophysics. AAPG Search and Discovery Article 50076. AAPG Hedberg
1991. V. 56. № 10. P. 1624–1638. Conference. March 3–7, 2008.

Parameterization of A Priori Geological Knowledge in Seismic Inversion


K. A. Epov a
a
JSC Ruspetro, Moscow, 125167 Russia
e-mail: epovk@yandex.ru
Received March 25, 2019

An approach to parameterization of prior geological knowledge concerning the changes in depositional


environment in space and geological time for their quantitative use in the workflow of seismic inversion
is presented. The idea is to describe the observed or expected facies diversity in terms of a few statistically
independent factors (generalized geological variables). The topology and metrics of the model are determined
by the set of basic depositional environments and the statistics of facies transitions. The introduced parameters
make it possible to estimate the occurrence probability of different facies at each model point. The proposed
technique can be applied for regions with various degree of detail of the existing geological knowledge and
amount of available well logging data.

Keywords: seismic inversion, depositional environments, facies, conditional probability, a priori


knowledge, Bayes’ theorem

ФИЗИКА ЗЕМЛИ № 6 2019