Optimal One-Dimensional Subsurface Sampling via Effective Sample Size and Latin Hypercube Integration

Jose L Hernandez Mejia

doi:10.1007/s11004-026-10302-z

2026-05-27

Jose L Hernandez Mejia *

DOI：10.1007/s11004-026-10302-z

原文链接

查看原文

摘要

En 中文

利用测井资料评估地质构造对于详细的地下描述、高效的数据采集以及获取准确地质、岩石物理和地力学分析所必需的高分辨率信息至关重要。测井资料空间采样的主要挑战在于，在考虑固有变异性和空间自相关性的前提下，如何优化选择采样频率和位置以提供最精确的空间域表征。传统的采样方法，如随机采样、系统采样和K均值聚类采样，往往未能考虑这些因素，导致因空间样本间的自相关性而产生冗余或信息不足。为解决这些挑战，我们开发了一种新的采样技术，该技术整合了有效样本数原则和拉丁超立方采样（LHS）原理，专门针对一维序列，例如用于地下表征的测井操作。开发的“空间有效拉丁超立方采样”（SE-LHS）工作流程将有效样本量计算为最优采样频率，并识别能够最大化空间和特征覆盖范围的采样位置。对于非平稳数据，需要进行初步分段，然后对每个分段应用SE-LHS以确定总样本数及其位置。SE-LHS通过精确再现原始数据集的分布并降低样本间的空间自相关性，在性能上优于传统采样技术。此外，SE-LHS样本产生的统计量更接近原始数据的统计量，且在估计统计特性时提供的置信区间比传统采样方法更窄。这种增强性能尤其有利于最大化昂贵数据采集活动对地下建模的价值，以支持最优资源开发和决策制定。

Keyword:

Spatially Effective Latin Hypercube Sampling (SE-LHS)

Effective sample size

Spatial sampling

Geostatistics

Subsurface characterization