基于openinventor的储层可视化

《基于openinventor的储层可视化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于OpenInventor的储层可视化研究摘要：利用OpenInventor三维图形开发来进行地质储层可视化。通过面向像素可视化技术，得到了地质数据的三维显示，实现了以图形的形式显示数据体的空间模型。关键词：OpenInventor；地质储层；町视化0引言通过对地质储层的可视化，实现了数据--图形转换，在空间屮再现Y地质数据的特点。用三维真实感图像表达地质储层，直观展示储层物性参数空间分布。可应用于油藏模拟的分析和处理，指导油田开发。以往实现储层可视化一般都使用OpenGL图形库进行开发，但OpenGL提供的函数并不多，只有一百多个核心函数，而且OpenGL使

2、用的是而向过程的编程方法，提供的功能过于基本和底层,因此不易在短时间内掌握。作者在本文屮采用的是目前使用比较广泛的三维图形开发包OpenInventor来作为发工具。1OpenInventor简介OpenInventor是一个面向对象的跨平台的专业三维图形软件，提供广泛的面向对象集（超过1300个易于使用的类），并集成了用户友好的系统架构进行快速开发。OpenInventor使用的是面向对象的编程方法。通过一个个矣对象，开发人员有可能花费最小的代价，开发出能充分利用圈形硬件特性的程序，且程序具有简单、高效的特点。2地质储层可视化的具体实现地质储层的可视化可分成三

3、个步骤，分别为：建模、数据处理以及颜色映射。2.1建模建模通常表现为用来定义几何对象的顶点数据。在木文中即为布网格，为数据--图形变换建立一座桥梁，把数据和图形联系到一起。步网格过程为根据地质储层数据中给定的X、Y、z方向的起始点、步长值以及网格数FI,就可以确定图形的大致形状。使用的网格为三维不规则笛卡尔网格，在OpenInVentOr屮类PbCartesianGrid3D描述了此网格。三维不规则笛卡尔网格的每个单元是六面体，六面体相对的两个面不一定是平行的，因而单元块不一定是的长方体或者正方体，网格点之间的间距互不相同。这类网格的数据必须有显式的坐标信息。数

4、据在网格上的排列顺序是沿Z、Y、X方向排。设numX表示网格模型X方向的节点数，numY表示网格模型Y方向上的i点数，numZ表示网格模型的Z方向的节点数，共-有(numX-l)*(numY-l)*(numZ-l)个单元格。图1的例子中numX=5,numY=4,numZ=2,该网格的儿何结构由X坐标数组X、Y坐标数组Y、Z坐标数组Z定义，每个数组均有numX*numY*numZ个素。v是数据数组，Pijk这一点的X坐标是x[i*numY*numZ+j*numZ+k]，Y坐标是y[i*numY*numZ+j*numZ+k

5、,Z坐标是z

6、i*numY*numZ+j

7、*numZ+k

8、，数据值为v

9、i*numY*numZ+j*numZ+k]0ntt/n图1三维不规则笛卡尔网格2.2数据处理数据处理作用于第一步建模后的顶点数据，目标是确定哪些数据对象可以在屏幕上显示。通过地质建模软件petrel,使用克里金插值算法得到每个网格的深度值，使用地质统计学算法模拟岀对应网格的三维空间坐标。由这两个算法获得了一组四维坐标向量。即为步网格时所需的数据。因为通过petrel导出的数据可能存在无效值，所以需要对这些无效值进行处理。本文中所采用的办法是对四维坐标向量的前三个分量(即对应网格的三维空间坐标)进行范围约束。对每个三维空间坐标的X、Y

10、、Z设定最大最小值，满足在这个最大最小范围内的坐标向量就是有效值，插入到网格中，否则就为无效值，舍弃。2.3颜色映射颜色映射负责把颜色值赋给网格。网格就是潜在的像素。每个网格都具奋一个颜色属性以及在屏幕坐标系中的位置属性，网格的位置属性对应于缓存中某个像素的位置。网格的颜色要么由顶点属性决定，要么通过顶点颜色插值计算得到。本文屮采用的是由顶点属性得到网格颜色。在第二步数据处理后，得到了有效的四维坐标向量，其中最后一个分量为每个网格的深度值(即网格的属性值)。对这些网格的属性值进行处理，得到最大值和最小值，求出两个最值差值的绝对值。然后对这个绝对值均等分，由份数确

11、定有多少种颜色，每一个属性值对应一种颜色。在OpenInventor中利用PoNonLinearDataMapping2类中的成员函数对读取的属性值进行颜色赋值。3结束语本文利用OpenInventor显示地质储层，大大简化了程序开发过程。通过建模、数据处理以及颜色映射三个步骤，根据基于像素的可视化技术，实现了数-形转换。可以对显示的三维图形进行任意旋转和剖切，从不同的角度观察储层外部形态及其内部特征。用三维阁形表达地质储层模型，加深了使用者对油藏非均质性的认识和理解。不过在数据处理部分只是对数据做了范围约束而进行限制，还比较粗糙。因此还需要搜寻新的算法来对数据

12、进行更加合理的处理。参考