米兰体育

近日，长江大学米兰体育 喻思羽副教授以第一作者和通讯作者身份，在《Computers & Geosciences》在线发表论文“Improving the efficiency of Snesim modeling based on reverse query search tree”。长江大学为论文第一署名单位。研究提出正反向混合查询方法，提升Snesim多点地质统计模拟的概率检索效率。

图1 论文米兰体育

多点地质统计模拟利用训练图像再现河道等复杂地质体的空间结构。Snesim通过搜索树查询地质模式，但在模拟初期，已知条件稀疏，正向查询难以及时排除不匹配的分支，造成大量无效遍历。

研究为原搜索树构建反向辅助检索结构（RARS），从已知条件直接定位候选节点，再核验其余条件，减少无效访问（图2）。随着模拟推进、已知条件增多，算法切换回正向查询，形成正反向混合检索策略。

图2 基于RARS的反向查询过程（原文图7）

二维、三维代表性算例中，混合策略相较于单纯正向查询分别实现4.09倍、9.46倍加速。方法保留原有统计模型和随机抽样流程，在测试中保持了可比的空间相关结构，硬条件数据均得到保留。

图3显示，在5组训练图像测试中，RARS占搜索树与辅助索引合计内存的约5%。该索引主要保存节点引用，不复制完整频数统计，以较小的额外存储开销支持查询加速。

图3 不同训练图像下的搜索树与RARS内存占用（原文图12）

研究为Snesim高效建模提供了新的实现思路，有助于降低储层地质建模中多次随机模拟的计算成本。

研究得到国家科技重大专项（2025ZD1404303）和油气资源与勘探技术教育部重点实验室（长江大学）开放基金（PI2023-04）支持。

论文链接：//doi.org/10.1016/j.cageo.2026.106281