训练图像作为多点地统计学中重要的建模参数,直接决定了建模效果。 在使用多点地统计建模之前,有必要评估并选择候选训练图像。 总的重复概率不足以描述训练图像中单个数据事件的关系。 在此基础上,提出了一种新的训练图像选择方法。 如基本思想所示,单个数据事件的重复概率分布用于表征训练图像中沉积模式的类型和平稳性。 单个数据事件的重复概率均值和偏差反映了训练图像地质模型的平稳性。 数据事件不匹配的比率反映了训练图像中地质模式的多样性。 最佳训练图像的选择是通过组合重复事件的概率和单个数据事件的整体重复概率来实现的。 仿真实验表明,良好的训练图像具有较高的重复概率相容性,单个数据事件重复概率的稳定分布,较