🗊Презентация Гауссово моделирование

Гауссово моделирование основано на Кригинге и использует смоделированные/получееные кригингом значения, как данные для воспроизведения ковариации между всеми моделируемыми значениями Гауссово моделирование основано на Кригинге и использует смоделированные/получееные кригингом значения, как данные для воспроизведения ковариации между всеми моделируемыми значениями Гауссово распределение: легко создать условное распределение (форма всех условных распределений = нормальному/гауссову) Математическое ожидание и дисперсия: взята из кригинга Последовательное Гауссово моделирование широко используемый алгоритм GSLib, также используемый Petrel для стохастического моделирования. Из ограниченного количесвта данных может построить модель, с учетом следуещего: Преобразование к нормальному распределению: Исходные данные преобразуются с мат. ожиданием =0 и стд. Отклонением =1. Результат моделирования автоматически преобразуется к исходному распределению Стационарность: Среднее значение данных не меняется латерально, поведение данных не зависит от их расположения (Отсутствие трендов в данных) Выходные данные: Множество РАВНОВЕРОЯТНЫХ реализаций (обусловленные случайной траекторией)

3D грид состоит из пронумерованных ячеек. Случайная формула для траектории задает порядок обхода 3D грид состоит из пронумерованных ячеек. Случайная формула для траектории задает порядок обхода

1. Преобразование входных данных к Гауссовому распределению, используя преобразование к нормальному распределению, дающую гладкую кривую CDF 1. Преобразование входных данных к Гауссовому распределению, используя преобразование к нормальному распределению, дающую гладкую кривую CDF

3. Рассчитывается условная кумулятивная функция распределения (CCDF) , базирующуюся на исходных и заранее смоделированных данных. Отображается смоделированное значение CCDF. 3. Рассчитывается условная кумулятивная функция распределения (CCDF) , базирующуюся на исходных и заранее смоделированных данных. Отображается смоделированное значение CCDF.

В случае, если нет никаких входных данных, можно использовать безусловное моделирование: В случае, если нет никаких входных данных, можно использовать безусловное моделирование: Пользователь определяет разброс выходных данных Пользователь определяет среднее значение и среднеквадратическое отклонение Результирующая поверхность получает значения в требуемом интервале с помощью обратного преобразования из среднего значения и стандартного отклонения Рассчитывается CDF, которая используется для обратного преобразования.

Гауссово моделирование Алгоритмы Гауссова моделирования в Petrel

Упражнение