Có nhiều cách để xây dựng mô hình tham số phụ thuộc vào số lượng cũng như sự phân bố của các giếng khoan trên vùng nghiên cứu, tài liệu địa chấn, sự phân bố tướng… Sau khi đã nạp đủ số liệu đầu vào thì việc chạy thử mô hình tham số xác định (deterministic petrophysical modeling) với các thông số đầu vào là hằng số trung bình là cần thiết nhằm có được hình ảnh ban đầu về phân bố tham số theo các số liệu thực có từ các giếng khoan cũng như từ đó tạm tính được trữ lượng xác định (deterministic volumetric) làm cơ sở cho đánh giá thống kê và chọn lựa các giá trị trữ lượng sau này. Việc xây dựng mô hình tham số ba chiều dựa trên mô hình phân bố tướng là phương pháp hay dùng, trong đó có sử dụng các số liệu sau:
- Số liệu độ rỗng: có thể ở dạng phân bố hai hoặc ba chiều, dạng log, dạng hằng số, dạng file mã hóa. Tuy nhiên với phần mềm RMS (Roxar) và với người mới làm công tác mô hình hóa thì đưa các thông số vào file giếng khoan theo dạng hàng cột (xem phụ lục 1) là hợp lý hơn cả.
- Phân bố tướng: chính là kết quả của mô hình hóa tướng hay phân bố 3 chiều. - Phân bố thuộc tính địa chấn: dạng phân bố 2 chiều (2D trend) hay phân bố 3 chiều (3D cube).
- Các kết quả phân tích số liệu đầu vào như histogram, transform, variogram - Các hàm quan hệ giữa các tham số (PHIT – PIGN), (K – PHIT…) (hình 20). Từ các số liệu trên ta đưa ra các bước thực hiện mô hình hóa tham số như sau:
Từ các dữ liệu phân tích theo xác suất thống kê như biểu đồ phân bố, đồ thị biến đổi, phân bố chuẩn sau biến đổi, v.v thuộc tính địa chấn (hình 8 & 9) và phân bố tuớng được kết hợp để tiến hành mô hình hóa tham số độ rỗng hiệu dụng (hình 21-23).
Mô hình hóa các tham số khác (độ thấm, độ rỗng tổng, độ bão hòa nước, NTG, các giá trị tới hạn) thông qua mô hình tham số độ rỗng dựa theo các quan hệ dạng hàm (tuyến tính, bậc hai…) hoặc dạng logic. Công việc này được thực hiện thông qua ngôn ngữ lập trình IPL (xem
phụ lục 5).
Chạy nhiều mô hình (realization). Kiểm tra và đánh giá kết quả.
đến phân bố độ rỗng và trữ lượng sau này. Kết quả so sánh cho thấy, trường hợp có sử dụng TTĐC, thường thì sự phân bố độ rỗng hiệu dụng hợp lý và tin tưởng hơn. Tuy nhiên, nếu hệ số tương quan giữa TTĐC và độ rỗng mà cao
trong khi số lượng giếng khoan hạn chế thì sẽ gây ra rủi ro lớn nhất là con số trữ lượng có thể sai khác rất nhiều so với thực tế. Kết quả mô hình cho chúng ta thấy quy luật phân bố độ rỗng có sự thay đổi lớn tại ranh giới tiếp xúc giữa các tướng, trong khi ít biến đổi hơn ở nội tại vùng phân bố của mỗi tướng. Điều này chỉ ra tính chất quan trọng của xây dựng mô hình tướng. Mặc dù vậy, do việc xây dựng mô hình phân bố môi trường trầm tích và tướng thạch học mang nhiều rủi ro liên quan đến tính bất đồng nhất địa chất mà mô hình địa chất được xây dựng chỉ có thể ngày càng tiệm cận với nó mà thôi nên mô hình tham số xây dựng trên nền mô hình tướng cũng sẽ chịu chung rủi ro này. Hơn thế nữa, mô hình nhiều tướng có thể tạo ra nhiều giới hạn biên làm giảm tính liên thông thủy động lực của vỉa chứa.
Để đánh giá chất lượng mô hình và nhằm mục đích xác định vị trí giếng khoan tiếp theo, từ các phân bố độ rỗng ba chiều có thể xây dựng các bản đồ phân bố độ rỗng trung bình của mỗi tập chứa hoặc thậm chí từng lớp mà trong đó mỗi giá trị độ rỗng hiệu dụng (hoặc độ rỗng tổng) là trung bình theo cột (gồm một hay nhiều cell) của lớp đầu tiên đến lớp cuối cùng của tập chứa đó (hình 24).
Các mặt cắt ngang và dọc của tướng và độ rỗng hiệu dụng cho các tập chứa được xem xét cho thấy một cách định tính tính liên tục và liên thông khá tốt của các vỉa cát . Trong tập chứa 1 tùy mặt cắt theo các hướng khác nhau mà ta thấy được các tính chất liên tục của vỉa chứa (hình 25-26) .