Ứng Dụng Địa Thống Kê Trong Dự Báo Thông Số Địa Chất Mỏ A, Bề B

Luận văn thạc sĩ kỹ thuật dầu khí ứng dụng địa thống kê trong dự báo thông số địa chất mỏ A Bể B, cung cấp phương pháp và kết quả nghiên cứu chi tiết.

• Tác giả: Lê Quốc Nam
• Người hướng dẫn: Tiến Sĩ Tạ Quốc Dũng
• Trường học: Đại Học Quốc Gia Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Dầu Khí
• Đề tài: Ứng Dụng Địa Thống Kê Trong Dự Báo Thông Số Địa Chất Mỏ A, Bề B
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2017
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• 1. CHƯƠNG 1: NGHIÊN CỨU TỔNG QUAN ĐỊA THỐNG KÊ
• 1.1. Lịch sử hình thành và phát triển địa thống kê
• 1.2. Tình hình nghiên cứu trên thế giới
• 1.3. Tình hình nghiên cứu trong nước
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT ĐỊA THỐNG KÊ
• 2.1. Khái niệm cơ bản về thống kê
• 2.1.1. Thống kê đơn biến
• 2.1.2. Thống kê đa biến
• 2.1.3. Hàm cấu trúc Variogram
• 2.1.4. Các phương pháp thống kê khác
• 2.2. Cơ sở tính toán các thông số đã cho từ tài liệu địa vật lý
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH ĐỊA THỐNG KÊ DỰ ĐOÁN PHÂN BỐ ĐẶC TÍNH VỈA
• 3.1. Đặc điểm bể Cửu Long
• 3.1.1. Vị trí địa lý bể Cửu Long
• 3.1.2. Lịch sử nghiên cứu khu vực
• 3.1.3. Các yếu tố cấu trúc và cơ chế thành tạo
• 3.1.4. Đặc điểm địa tầng
• 3.1.5. Hệ thống dầu khí
• 3.2. Tính toán mô hình địa cơ cho các giếng mỏ A
• 3.2.1. Phân tích và xử lý số liệu đầu vào bằng phần mềm
• 3.2.2. Xây dựng mô hình cho giếng 1P và 2P
• 3.2.3. Dự đoán thông số giếng 3P và so sánh với giếng 3P thực
• 3.2.4. Xây dựng mô hình địa cơ từ giếng 1P, 2P và 3P
• 3.2.5. Kết quả nội suy
• 4. CHƯƠNG 4: KẾT LUẬN VÀ KIẾN NGHỊ
• 4.1. Kết luận
• 4.2. Kiến nghị
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Ứng Dụng Địa Thống Kê Trong Dự Báo Thông Số Địa Chất Mỏ A Bề B

Địa thống kê là một lĩnh vực quan trọng trong ngành địa chất, đặc biệt trong việc dự đoán các thông số địa chất của mỏ A, Bề B. Việc ứng dụng địa thống kê giúp tối ưu hóa quy trình thu thập và phân tích dữ liệu địa chất, từ đó đưa ra các dự đoán chính xác hơn về các thông số địa chất. Nghiên cứu này không chỉ cung cấp cái nhìn tổng quan về các phương pháp địa thống kê mà còn nhấn mạnh tầm quan trọng của nó trong việc giảm thiểu rủi ro và chi phí trong khai thác dầu khí.

1.1. Khái Niệm Cơ Bản Về Địa Thống Kê

Địa thống kê là phương pháp thống kê được áp dụng trong địa chất để phân tích và dự đoán các thông số địa chất. Nó sử dụng các mô hình toán học để nội suy dữ liệu từ các điểm mẫu, giúp xác định các thuộc tính địa chất ở những khu vực chưa được khảo sát.

1.2. Tầm Quan Trọng Của Địa Thống Kê Trong Ngành Dầu Khí

Địa thống kê đóng vai trò quan trọng trong việc dự đoán các thông số địa chất, giúp giảm thiểu rủi ro trong quá trình khoan thăm dò. Việc áp dụng các phương pháp địa thống kê giúp tối ưu hóa quy trình khai thác và tiết kiệm chi phí.

II. Vấn Đề Và Thách Thức Trong Dự Báo Thông Số Địa Chất Mỏ A Bề B

Dự báo thông số địa chất trong mỏ A, Bề B gặp nhiều thách thức do tính phức tạp của dữ liệu địa chất và sự biến đổi không đồng nhất của các thông số. Các yếu tố như độ sâu, cấu trúc địa chất và sự phân bố của các lớp đá có thể ảnh hưởng lớn đến độ chính xác của các dự đoán. Việc thiếu dữ liệu tại một số khu vực cũng làm tăng độ khó trong việc áp dụng các phương pháp địa thống kê.

2.1. Các Yếu Tố Ảnh Hưởng Đến Độ Chính Xác Của Dự Đoán

Độ chính xác của dự đoán phụ thuộc vào nhiều yếu tố như chất lượng dữ liệu đầu vào, mô hình nội suy được sử dụng và sự biến đổi của các thông số địa chất trong khu vực. Việc lựa chọn mô hình phù hợp là rất quan trọng để đạt được kết quả tốt nhất.

2.2. Thiếu Dữ Liệu Tại Một Số Khu Vực

Thiếu dữ liệu tại một số khu vực có thể dẫn đến những sai lệch trong dự đoán. Việc thu thập dữ liệu từ các giếng khoan là cần thiết để cải thiện độ chính xác của các mô hình địa thống kê.

III. Phương Pháp Địa Thống Kê Trong Dự Báo Thông Số Địa Chất

Các phương pháp địa thống kê như Kriging và Co-Kriging được áp dụng để dự đoán các thông số địa chất trong mỏ A, Bề B. Những phương pháp này cho phép nội suy dữ liệu từ các điểm mẫu, giúp xác định các thông số địa chất ở những khu vực chưa được khảo sát. Việc sử dụng các mô hình này không chỉ giúp cải thiện độ chính xác mà còn tiết kiệm thời gian và chi phí trong quá trình khai thác.

3.1. Phương Pháp Kriging Trong Dự Đoán

Kriging là một phương pháp nội suy mạnh mẽ, cho phép dự đoán giá trị tại các vị trí chưa có dữ liệu dựa trên các giá trị đã biết. Phương pháp này sử dụng thông tin không gian để tối ưu hóa dự đoán, từ đó giảm thiểu sai số.

3.2. Co Kriging Và Ứng Dụng Của Nó

Co-Kriging là một phương pháp mở rộng của Kriging, cho phép sử dụng nhiều loại dữ liệu khác nhau để cải thiện độ chính xác của dự đoán. Phương pháp này rất hữu ích trong các trường hợp có dữ liệu bổ sung từ các nguồn khác.

IV. Ứng Dụng Thực Tiễn Của Địa Thống Kê Trong Mỏ A Bề B

Việc ứng dụng địa thống kê trong mỏ A, Bề B đã cho thấy những kết quả khả quan. Các mô hình địa thống kê đã giúp dự đoán chính xác các thông số địa chất, từ đó hỗ trợ trong việc thiết kế giếng khoan và tối ưu hóa quy trình khai thác. Kết quả từ các mô hình này đã được so sánh với dữ liệu thực tế, cho thấy độ tin cậy cao trong các dự đoán.

4.1. Kết Quả Dự Đoán Thông Số Địa Chất

Kết quả dự đoán từ các mô hình địa thống kê cho thấy sự phù hợp với dữ liệu thực tế, cho phép xác định các thông số địa chất một cách chính xác. Điều này giúp giảm thiểu rủi ro trong quá trình khai thác.

4.2. So Sánh Kết Quả Với Dữ Liệu Thực Tế

Việc so sánh kết quả dự đoán với dữ liệu thực tế cho thấy độ tin cậy cao của các mô hình địa thống kê. Điều này khẳng định tính hiệu quả của phương pháp trong việc dự đoán các thông số địa chất.

V. Kết Luận Và Tương Lai Của Địa Thống Kê Trong Ngành Dầu Khí

Địa thống kê đã chứng minh được vai trò quan trọng trong việc dự đoán các thông số địa chất trong ngành dầu khí. Tương lai của lĩnh vực này hứa hẹn sẽ tiếp tục phát triển với sự hỗ trợ của công nghệ và phần mềm hiện đại. Việc áp dụng các phương pháp địa thống kê sẽ giúp tối ưu hóa quy trình khai thác và giảm thiểu rủi ro trong ngành dầu khí.

5.1. Triển Vọng Phát Triển Của Địa Thống Kê

Triển vọng phát triển của địa thống kê trong ngành dầu khí là rất lớn. Sự phát triển của công nghệ và phần mềm sẽ giúp cải thiện độ chính xác và hiệu quả của các mô hình dự đoán.

5.2. Tác Động Đến Ngành Dầu Khí

Địa thống kê sẽ tiếp tục đóng vai trò quan trọng trong việc tối ưu hóa quy trình khai thác dầu khí, giúp giảm thiểu rủi ro và chi phí trong quá trình thăm dò và khai thác.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh nhu cầu tiêu thụ năng lượng hydrocarbon ngày càng tăng, việc thăm dò và khai thác các mỏ dầu khí trở nên cấp thiết và đầy thách thức, đặc biệt tại các vùng nước sâu và điều kiện địa chất phức tạp. Chi phí cao và rủi ro trong khoan thăm dò đòi hỏi các phương pháp dự báo thông số địa chất chính xác nhằm giảm thiểu sai sót và tối ưu hóa hiệu quả khai thác. Luận văn tập trung nghiên cứu ứng dụng địa thống kê trong dự báo các thông số địa chất cơ học tại mỏ A, bể B, với mục tiêu xây dựng mô hình địa cơ học dựa trên dữ liệu địa vật lý và log giếng khoan, áp dụng các phương pháp nội suy như Kriging và Co-Kriging để dự đoán thông số địa cơ cho các giếng khoan chưa có dữ liệu thực tế.

Phạm vi nghiên cứu bao gồm phân tích dữ liệu địa vật lý từ các giếng OA-1P, OA-2P, OA-3P, OA-5P và OA-6P trong khu vực mỏ A, bể B, với thời gian thu thập dữ liệu và nghiên cứu từ năm 2015 đến 2017. Việc áp dụng địa thống kê nhằm xây dựng mô hình phân bố không gian các thông số địa cơ như mô đun đàn hồi Young, ứng suất nén một trục, áp suất lỗ rỗng và hệ số ma sát trong, giúp nâng cao độ tin cậy trong dự báo và hỗ trợ thiết kế giếng khoan hiệu quả. Nghiên cứu có ý nghĩa thực tiễn quan trọng trong việc giảm thiểu rủi ro khoan, tối ưu hóa chi phí và nâng cao hiệu quả khai thác dầu khí tại các mỏ có điều kiện địa chất phức tạp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên nền tảng lý thuyết địa thống kê, trong đó tập trung vào các khái niệm cơ bản như biến ngẫu nhiên đơn biến và đa biến, kỳ vọng, phương sai, hiệp phương sai và hệ số tương quan. Hàm cấu trúc Variogram được sử dụng để mô tả mối quan hệ không gian giữa các điểm dữ liệu, với các mô hình phổ biến như hình cầu, hàm mũ và Gaussian nhằm lựa chọn mô hình phù hợp nhất cho dữ liệu thực tế.

Phương pháp Kriging, đặc biệt là Ordinary Kriging (OK), được áp dụng làm kỹ thuật nội suy tối ưu dựa trên giả thuyết hàm ngẫu nhiên dừng bậc hai, nhằm ước lượng giá trị tại các vị trí chưa có mẫu dựa trên trọng số tối ưu hóa sai số dự báo. Ngoài ra, Co-Kriging được sử dụng để khai thác mối tương quan không gian giữa các biến chính và biến phụ, nâng cao độ chính xác trong dự báo thông số địa cơ.

Các khái niệm chính bao gồm:

• Variogram: Hàm mô tả sự biến đổi không gian của dữ liệu.
• Ordinary Kriging: Phương pháp nội suy tuyến tính không chệch với trọng số tối ưu.
• Co-Kriging: Mở rộng Kriging cho nhiều biến có tương quan không gian.
• Hiệp phương sai và hệ số tương quan: Đo lường mức độ phụ thuộc giữa các biến ngẫu nhiên.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là các số liệu địa vật lý và log giếng khoan thu thập từ mỏ A, bể B, bao gồm các thông số như vận tốc sóng P và S, áp suất lỗ rỗng, độ rỗng, và các thông số cơ học đá. Dữ liệu được xử lý và phân tích bằng phần mềm Interactive Petrophysics (IP) để tính toán các thông số địa cơ học như mô đun Young, ứng suất nén một trục, áp suất lỗ rỗng và hệ số ma sát trong.

Phần mềm GS+ được sử dụng để xây dựng mô hình Variogram, lựa chọn mô hình phù hợp và thực hiện nội suy Kriging, Co-Kriging cho các giếng khoan OA-1P, OA-2P nhằm dự đoán thông số cho giếng OA-3P, sau đó so sánh với dữ liệu thực tế để đánh giá độ tin cậy. Tiếp tục sử dụng hàm phân bố đã xác định để dự báo cho các giếng OA-5P và OA-6P.

Cỡ mẫu nghiên cứu bao gồm dữ liệu từ ít nhất 4 giếng khoan chính, với phương pháp chọn mẫu dựa trên vị trí địa lý và đặc điểm địa chất của mỏ. Phân tích thống kê và kiểm tra chéo (cross-validation) được thực hiện để đánh giá độ chính xác của mô hình. Timeline nghiên cứu kéo dài khoảng 2 năm, từ thu thập dữ liệu, xử lý, xây dựng mô hình đến đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Mô hình Variogram Gaussian phù hợp nhất với dữ liệu địa cơ học: Các mô hình Variogram Gaussian cho các thông số như áp suất lỗ rỗng, mô đun Young và ứng suất thăng đứng đạt hệ số tương quan kiểm tra chéo (cross-validation) trên 70%, trong đó áp suất lỗ rỗng đạt tới 99%, chứng tỏ tính chính xác cao trong mô hình hóa không gian.

2. Độ chính xác nội suy thông số địa cơ cho giếng OA-3P cao: So sánh kết quả dự báo với dữ liệu thực tế cho thấy hệ số tương quan giữa giá trị nội suy và giá trị thực đạt khoảng 85%, sai số trung bình gốc (RMSE) thấp, khẳng định độ tin cậy của phương pháp Kriging trong dự báo thông số địa cơ.

3. Ứng dụng Co-Kriging nâng cao độ chính xác dự báo: Khi sử dụng biến phụ có tương quan như cao trình địa hình và các thông số địa vật lý khác, phương pháp Co-Kriging cải thiện độ chính xác dự báo thông số địa cơ, giảm sai số RMSE khoảng 10% so với Ordinary Kriging.

4. Mô hình địa cơ học xây dựng từ dữ liệu giếng khoan giúp dự báo phân bố thông số cho toàn khu vực mỏ: Mô hình phân bố không gian các thông số địa cơ học được xây dựng thành công, hỗ trợ thiết kế giếng khoan và đánh giá ổn định vỉa trong quá trình khai thác.

Thảo luận kết quả

Nguyên nhân chính của độ chính xác cao trong dự báo là do việc lựa chọn mô hình Variogram phù hợp với đặc tính không gian của dữ liệu, đặc biệt mô hình Gaussian thể hiện tốt tính liên tục và biến đổi mượt mà của các thông số địa cơ. Kết quả kiểm tra chéo cho thấy mô hình có khả năng dự báo chính xác tại các vị trí chưa có dữ liệu thực tế, phù hợp với các nghiên cứu trong nước và quốc tế về ứng dụng địa thống kê trong địa cơ học.

So sánh với các phương pháp truyền thống như nghịch đảo khoảng cách hay phương pháp hồi quy nhị phân, địa thống kê Kriging và Co-Kriging cho kết quả dự báo có sai số thấp hơn đáng kể, đồng thời cung cấp mô hình phân bố không gian chi tiết và có thể đánh giá được độ tin cậy của dự báo. Việc sử dụng Co-Kriging tận dụng mối tương quan giữa các biến giúp cải thiện độ chính xác, phù hợp với các nghiên cứu ứng dụng địa thống kê trong các lĩnh vực khác như thủy văn và môi trường.

Dữ liệu có thể được trình bày qua các biểu đồ Variogram, bản đồ nội suy thông số địa cơ và bảng so sánh hệ số tương quan, sai số giữa giá trị dự báo và thực tế, giúp minh họa rõ ràng hiệu quả của phương pháp nghiên cứu.

Đề xuất và khuyến nghị

1. Triển khai áp dụng mô hình địa thống kê trong thiết kế giếng khoan: Sử dụng mô hình phân bố thông số địa cơ học để tối ưu vị trí và thiết kế giếng khoan, giảm thiểu rủi ro và chi phí khoan trong vòng 1-2 năm tới, do các công ty khai thác dầu khí và đơn vị tư vấn kỹ thuật thực hiện.

2. Mở rộng thu thập dữ liệu địa vật lý và log giếng khoan: Tăng cường thu thập dữ liệu chất lượng cao tại các giếng khoan mới và hiện hữu nhằm cập nhật và hiệu chỉnh mô hình địa cơ học, nâng cao độ chính xác dự báo trong vòng 3 năm, do các đơn vị thăm dò và khai thác chịu trách nhiệm.

3. Phát triển phần mềm tích hợp địa thống kê và mô hình địa cơ học: Xây dựng công cụ phần mềm chuyên dụng tích hợp các phương pháp Kriging, Co-Kriging và mô hình địa cơ học để hỗ trợ phân tích và dự báo nhanh chóng, chính xác, dự kiến hoàn thành trong 2 năm, do các nhóm nghiên cứu và phát triển phần mềm thực hiện.

4. Đào tạo và nâng cao năng lực chuyên môn cho cán bộ kỹ thuật: Tổ chức các khóa đào tạo chuyên sâu về địa thống kê và ứng dụng trong địa cơ học cho kỹ sư và nhà nghiên cứu nhằm nâng cao năng lực áp dụng thực tiễn, triển khai liên tục hàng năm, do các trường đại học và viện nghiên cứu phối hợp thực hiện.

Đối tượng nên tham khảo luận văn

1. Các kỹ sư và chuyên gia địa chất dầu khí: Nghiên cứu giúp nâng cao hiểu biết về ứng dụng địa thống kê trong dự báo thông số địa cơ học, hỗ trợ thiết kế và vận hành giếng khoan hiệu quả, giảm thiểu rủi ro kỹ thuật.

2. Nhà nghiên cứu và sinh viên ngành kỹ thuật địa chất, dầu khí: Cung cấp kiến thức lý thuyết và thực tiễn về địa thống kê, mô hình Variogram, Kriging và Co-Kriging, phục vụ cho các đề tài nghiên cứu và luận văn chuyên sâu.

3. Các công ty khai thác và thăm dò dầu khí: Áp dụng kết quả nghiên cứu để tối ưu hóa quy trình khoan, dự báo chính xác các thông số địa chất, từ đó nâng cao hiệu quả khai thác và giảm chi phí vận hành.

4. Các đơn vị phát triển phần mềm và công nghệ địa chất: Tham khảo để phát triển các công cụ hỗ trợ phân tích dữ liệu địa vật lý và mô hình hóa địa cơ học, tích hợp các thuật toán địa thống kê tiên tiến.

Câu hỏi thường gặp

1. Địa thống kê là gì và tại sao lại quan trọng trong dự báo thông số địa chất?
   Địa thống kê là phương pháp thống kê không gian giúp mô hình hóa và dự báo các biến đổi địa chất dựa trên dữ liệu mẫu có vị trí không gian xác định. Nó quan trọng vì giúp dự báo chính xác các thông số địa chất tại các vị trí chưa có dữ liệu, giảm rủi ro trong khoan và khai thác.

2. Phương pháp Kriging khác gì so với các phương pháp nội suy truyền thống?
   Kriging là phương pháp nội suy tuyến tính tối ưu, không chệch, sử dụng mô hình Variogram để mô tả mối tương quan không gian, cho phép ước lượng với sai số tối thiểu. Các phương pháp truyền thống thường dựa trên khoảng cách địa lý mà không xét đến cấu trúc không gian, dẫn đến sai số lớn hơn.

3. Co-Kriging có ưu điểm gì so với Ordinary Kriging?
   Co-Kriging tận dụng mối tương quan giữa biến chính và biến phụ để cải thiện độ chính xác dự báo, đặc biệt khi biến phụ có dữ liệu phong phú và liên quan mật thiết đến biến chính, giúp giảm sai số và tăng độ tin cậy của mô hình.

4. Làm thế nào để đánh giá độ tin cậy của mô hình dự báo địa cơ học?
   Độ tin cậy được đánh giá qua kiểm tra chéo (cross-validation), so sánh giá trị dự báo với dữ liệu thực tế, sử dụng các chỉ số như hệ số tương quan (R²), sai số trung bình gốc (RMSE) và phân tích phân bố sai số để đảm bảo mô hình phù hợp và chính xác.

5. Ứng dụng thực tiễn của mô hình địa thống kê trong ngành dầu khí là gì?
   Mô hình giúp dự báo các thông số địa cơ học phục vụ thiết kế giếng khoan, đánh giá ổn định vỉa, tối ưu hóa khai thác, giảm thiểu rủi ro kỹ thuật và chi phí khoan, đồng thời hỗ trợ lập kế hoạch phát triển mỏ hiệu quả hơn.

Kết luận

• Đã xây dựng thành công mô hình địa thống kê dự báo các thông số địa cơ học tại mỏ A, bể B, với độ chính xác cao nhờ lựa chọn mô hình Variogram Gaussian phù hợp.
• Phương pháp Ordinary Kriging và Co-Kriging được áp dụng hiệu quả trong nội suy và dự báo thông số địa cơ, với hệ số tương quan kiểm tra chéo đạt trên 70%.
• Mô hình địa cơ học xây dựng từ dữ liệu địa vật lý và log giếng khoan hỗ trợ thiết kế giếng khoan và đánh giá ổn định vỉa, góp phần giảm thiểu rủi ro và chi phí khai thác.
• Đề xuất các giải pháp triển khai ứng dụng mô hình trong thiết kế giếng khoan, mở rộng thu thập dữ liệu, phát triển phần mềm hỗ trợ và đào tạo chuyên môn.
• Khuyến khích các nhà nghiên cứu, kỹ sư và doanh nghiệp ngành dầu khí áp dụng kết quả nghiên cứu để nâng cao hiệu quả khai thác và quản lý mỏ.

Áp dụng mô hình vào các dự án khai thác thực tế, cập nhật dữ liệu liên tục và phát triển công cụ phần mềm tích hợp để nâng cao hiệu quả dự báo và quản lý mỏ.

Trích đoạn nội dung tài liệu

CHƯƠNG I 1570271 NGHIÊN CỨU TỎNG QUAN ĐỊA THÔNG KÊ CHUONG 1: NGHIÊN CUU TONG QUAN DIA THONG KE 1.1 Lich sir hình thành và phat triển địa thống kê Từ những năm đầu của thập ky năm mươi, D. Nhưng với khối quặng nghèo, kết quả tính toán lại bị giảm đi. Sai số hệ thống này không thể khắc phục được băng các phương pháp tính toán truyền thống. Đề khắc phục tinh trạng này, D.

Krige dé nghị phải hiệu chỉnh công thức tính giá trị trung bình cho phù hợp với thực tế. Theo ông, để tính giá trị trung bình gần đúng nhất của khối (Zv) ngoài các thông tin bên trong khối, cần bố sung tat cả các thông tin có thé lay được bên ngoài khối. Về mặt phương pháp luận, Krige hoản toàn đúng vì đã triệt để tận dụng lượng thông tin đã có. Nhưng cách giải quyết, cụ thé là công thức hiệu chỉnh do ông đưa ra chưa hop lý.

[1] Xuất phát từ quan điểm đúng dan của Krige, từ những năm 1955, giáo sư G.Matheron (trường đại học Mỏ quốc gia Pari - Cộng hoa Pháp) đã phát triển thành một bộ môn khoa học là địa thong kê. Dé tôn vinh người đặt nên tảng cho môn học, Matheron lẫy tên Kriging (Kriging) để đặt tên cho phương pháp ước lượng các giá trị trung bình. Mặc dù kỹ thuật Kriging ban đầu được phát triển để giải quyết các van dé ước lượng trữ lượng quặng, với sự ra đời của máy tinh trong những năm 1970, nó pho biến trong nhiều lĩnh vực khác của khoa học trái đất. Tuy nhiên, phải đến những năm 1980 kỹ thuật dia thống kê mới được sử dung rộng rãi trong ngành công nghiệp dau khí, đặc biệt là khi kết hợp với dữ liệu địa chấn 3D.

Các kết quả thường được đưa vào mô phỏng các dòng chất lưu trong vỉa. Cho nên, sử dụng địa thống kê rất cần thiết cho sự phối hợp giữa khoa học địa chất và công nghệ mỏ. đóng góp đáng kế vào quá trình xây dựng mồ hình của mỏ dau khí. LE QUỐC NAM ¬¬ CHUONG I 1570271 NGHIEN CUU TONG QUAN DIA THONG KE Dia chat truyền thông, khi chưa có áp dung máy móc, thì dựa hoàn toàn vào mô ta và sự phân loại các cầu trúc cùng với các hiện tượng địa chât.

Với ứng dụng của thuật toán Kriging các mô hình định tính địa chât được chuyên thành các mô hình sô, mặc dù được tính toán dựa vào các thuật toán hơn là dựa vào các luận giải địa chât. Trong lĩnh vực dau khí, Tyler, Gholston, Tyler và Finley đã chỉ ra rang một số lượng lớn hydrocacbon thường bị bỏ lại trong vỉa chứa. Weber, Srivastava, King và Mansfield, Botton-Dumay et al., va Srinivasan và Caers là người tiên phong trong việc đánh giá sự tác động của tinh không đồng nhất vẻ thu hồi hydrocarbon. Sử dụng Địa thống kê trong mô hình vỉa có lẽ là giải pháp tiềm năng nhất trong việc cải thiện hiệu suất dự báo thông số trong các vỉa chứa bất đồng nhất.

Nó không phải là phương pháp duy nhất, cũng không phải là hữu ích trong mọi trường hợp, nhưng nó là một cách tiếp cận đã được chứng minh có nhiều ưu điểm khi áp dụng với nhiều điều kiện thực tế vốn phúc tạp. Mục tiêu của mô hình về mặt địa thống kê là xây dựng một mô hình thực tế hơn về tính bất đồng nhất. Cũng giống như các phương pháp xác định truyền thống, nó tôn trong dữ liệu. Tuy nhiên, không giỗng như các phương pháp truyền thống, địa thống kê cung cấp cho các nhà khoa học với nhiều kết quả đáng tin cậy.

Với mỗi mô hình khác nhau sẽ cung cấp nhiều kịch bản khác nhau, từ tiềm năng đến không tiềm năng.2 Tình hình nghiên cứu trên thé giới Ngày nay, các nghiên cứu địa lý thống kê được tiến hành với dữ liệu thủy văn (Rouhani va Myers, 1990; Kitanidis, 1996), trong các ứng dụng khai thác mỏ (Kelker và Langenburg, 1997; Schuenemeyer và Power, 2000), các nghiên cứu chất lượng không khí (Guttorp, Meiring va Sampson, 1994; Krajewski, Molinska va Molinska, 1996), dữ liệu soilscience (Webster va Oliver, 1992; Raspa va Bruno, 1993), sinh hoc (Ecker va Gelfand, 1999; Ritvo, Sherman, Lawrence va Samocha, 2000), kinh té (Basu va Thibodeau, 1998; Gelfand, Ecker, Knight andSirmans, 2003), và xây dựng mang lưới quan trắc môi trường (Wikle và Royle, 1999). Sau đây là một số công trình nghiên cứu về địa thông kê điển hình: LE QUỐC NAM ¬¬ CHUONG I 1570271 NGHIEN CUU TONG QUAN DIA THONG KE [1]. Assessment of Heavy Metal Pollution in Chinese Suburban Farmland. Fei Meng, Ning Ding, Ying Jun Sun.

[3] Bai báo đã sử dụng hệ thống thông tin địa chat, địa thống kê (Kriging) dé xác định phân bồ không gian của kim loại nặng và sự biến đôi khu vực. Từ đó nêu ra ảnh hưởng đền môi trường của 8 loại kim loại nặng. 650 mau đất đá được thu thập từ Liêu Thanh, tỉnh Sơn Đông, Trung Quốc để xác định nồng độ của 8 kim loại nang As, Cd, Cr, Cu, Hg, Ni, Pb va Zn. Nong độ mỗi kim loại nặng được biểu diễn băng chỉ số ô nhiễm (Pollution Index: PI), là tỷ số giữa nồng độ kim loại (mg/kg) và giá tri nên (mg/kg).

PI chia làm 3 loại: PI<l (rất thấp), I<PI<2 (thấp), 2<PI<3 (vừa phải), PI>4 (cao). As Cd Cr Cu Hg Ni Pb Zn Mean 10.20 Distribution | Lognormal | Lognormal | Lognomal | Lognormal | Lognormal | Normal Normal Normal Bang 1.1 Thong kê mau theo nông độ cua 8 mâu kim loại. Trong 8 loại kim loại nặng, có sự tương quan với nhau, đặc biệt là Zn-Ni, Zn-Cu, Ni-Cu hệ số tương quan cao trên 0. Pl Number of samples Min Max Mean Low Slight Middle High As 0.2 Thong kê mẫu theo chỉ số PI LE QUỐC NAM ¬¬ CHUONG I 1570271 NGHIEN CUU TONG QUAN DIA THONG KE P36.7°N - [E—lhi<¡ N IM---›:-: ond : , 4 365°N ` Á + [L_ j2<pi<3 }36.5° N ` Í wW Main urban area 36.3° Ny Pere 0 10 20 40 km L-—+_œ.1 Ban do Kriging của 8 kim loại nặng [2].

GEOSTATISTICAL METHODS FOR ESTIMATING SNOWMELT CONTRIBUTION TO THE SEASONAL WATER BALANCE IN AN ALPINE WATERSHED (Thesis of Master, Colorado State University, 2006) [4] +. cả % — * pO gt Sipe in. ° ⁄ ¿2X (xế Ces = : * : / £ a "Jone vờ =. ae ú — os rik Si 2%/5-22 42L of.

ot AF ig «". «ee * Fá * ogee) 9) lv Fed. S z Pt Pee * x - oes AC Oe baka dtCohen Sees { Le. ý oo 8we St,.

eta * ° $ † “é Aes + * ⁄ A Sg 674. ey Serle n e os. ef" oe ise 3M: ug a Tt # — Ne / 3) ì ° v 1 ` h kh Snow Depth Lẻ ce ‡m a Sard Ms Hình 1.2 Phân bỗ mẫu LE QUỐC NAM ¬¬ CHUONG I 1570271 NGHIEN CUU TONG QUAN DIA THONG KE Luan van danh gia su phan bố của thông số độ sâu, mật độ và sự bao phủ của tuyết ảnh hưởng đến dòng chảy đầu nguồn của hồ West Glacial, Colorado, Hoa Ky. Luận văn đã sử dụng nhiều phương pháp nội suy như: phương pháp nghịch đảo khoảng cách, phương pháp cây hồi quy nhị phan, và địa thông kê Kriging.

Ở phương pháp nghịch đảo khoảng cách, nội suy không gian cho kết quả chấp nhận được khi hệ số tương quan cho giá trị từ 0. Phương pháp hồi quy nhị phân cho kết quả độ sâu trung bình, thấp nhất và nhỏ nhất của tuyết thấp hơn nghịch đảo khoảng cách và không thé hiện mối tương quan của độ dốc, ảnh và xem như phân bố bức xạ mặt trời không ảnh hưởng đến kết quả. Tuy nhiên, với phương pháp Kriging, kết quả của hệ số tương quan Ordinary Kriging cho giá trị cao từ 0. Phương pháp địa thông kê trình bày được sự ảnh hưởng của độ dôc, bức xạ mặt trời và Northness.

Model MAE RMSE R? SWE IDW 66.33 1,060 Tree and Residual Kriging 66.61 1,057 Modified Residual Kriging 70.054 Co-kriging, Solar Radiation 5.94 1,060 Co-kriging, Slope 10.94 1,074 Co-kriging, Northness 6.92 1,063 Co-kriging, Elevation 78.3 Tóm tắt kết qua mô phỏng Hình 1.3 Kết quả mô phỏng độ sâu của tuyết rơi bằng phương pháp nghịch đảo khoảng cách LÊ QUỐC NAM ¬ CHƯƠNG I 1570271 NGHIÊN CỨU TONG QUAN DIA THONG KE Hình 1.4 Kết qua mô phỏng độ sâu cua tuyết rơi bằng phương pháp cây hồi quy nhị phan Semvatie a45x% OAL T T T 40 60 00 \danrce im} Hình 1.5 Mô hình Gausse và tính toán Variogram cho khu vực hô West Glacial Hình 1.6 Kết quả mô phỏng độ sâu của tuyết rơi bằng phương pháp địa thống kê [3] LE QUỐC NAM ¬¬ CHUONG I 1570271 NGHIEN CUU TONG QUAN DIA THONG KE [3]. Estimation Spatial distribution of Sodium adsorption ratio (SAR) in Groundwater’s Using ANN and Geostatistics Methods, the case of Birjand Plain, Iran [5] Bai báo ước tinh phân bố không gian của ty số hấp thụ Natri của nước dưới dat tai Iran. Hàm lượng ion Natri trong nước đặc trưng cho lượng nước thải sinh hoạt của khu dân cư băng địa thống kê. _ Na SAR (Ca + Mg) Y 2 Hình 1.7 Công thức tinh ham lượng hấp thụ natri Nghiên cứu cho thay có sự tương quan giữa natri va độ dân điện, clorua và độ dân điện.

Và sử dụng độ dẫn điện làm biến thứ hai để chạy Co-Kriging. Mô hình Gausse được cho là thích hợp nhất dé tính toán Kriging. Legend @ veil | Border ¬ Co-Kriging = SAR(mmoliit)*0.8 Két qua Kriging Nghiên cứu su dung phương pháp Genetic Algorithm, Artificial Neutreu Network và Co-Kriging dé nội suy không gian. LÊ QUOC NAM a CHUONG | 1570271 NGHIEN CUU TONG QUAN DIA THONG KE MAE RMSE RỶ GA-ANN- Cokriging 63/72 73/45 0/896 ANN- Cokriging 78/58 87/36 0.4 Kết quả nội suy và hệ số trơng quan cua thông số tỷ số hấp thụ natri MAE RMSE R° GA-ANN- Cokriging 71/32 67/13 0/926 ANN- Cokriging 83/23 76/23 0.5 Kết quả nội suy và hệ số twong quan của thông số tỷ số Clorua [4] Application of Geostatistics for Evaluation of Spatial variability of Precipitation concentration Index (PCI) in GhaZvin Province, Iran.

[6] Bài báo nghiên cứu sự bién thiên của lượng mua theo thời gian và không gian tai GhaZin, Iran. Dữ liệu được thu thập từ 74 điểm và sử dụng dia thống kê (Kriging và Co-Kriging). Dé biéu diễn thông số phân bố lượng mua, chỉ số nồng độ mưa PCI được tính toán như sau: 12 „x2 ¡=1 Pj (1.1) PC] = ———, ( 12 y’ Interpolation method | MAE RMSE | R2 Cokriging 0.6 Kết quả nội suy từ hai phương pháp - 0 15 30 oes Ki Orn oters Hình 1.9 Ban đô được nội suy từ CoKriging LE QUOC NAM ¬ CHƯƠNG I 1570271 NGHIÊN CỨU TONG QUAN DIA THONG KE [5] Geostatistical Evaluation of Ground Water quality Distribution with GIS (Case Study: Mianab-Shoushtar Plain). Hossein Eslami, Jafar Dastorani, Mohammad reZa Javadi, Hadi Chamheidar.

[7] Bai báo đánh giá sự phân bố chất lượng nước ngầm ở KhouZestan, Iran.