多点地质统计建模算法已由基于概率模拟发展到基于相似度模拟的新阶段,基于相似度模拟的算法的关键是从训练图像中选取与数据事件最为相似的训练图型.以Simpat算法为基础发展起来的最具代表性的Filtersim和DisPat算法,采取先聚类、再匹配的建模策略,在训练图型选取的计算效率上较Simpat算法具有明显改进,但其匹配数据事件与训练图型仍采用标量距离度量二者相似度的方法.标量距离度量相似度的方法虽然具有较好的图形识别功能,但对于具有地质意义的训练图型(而非单纯的几何图形),该方法的相似度判断往往难以获取在地质含义上与数据事件最佳匹配的训练图型.考虑图型选取过程中的地质含义,兼顾实际储层的非平稳性,提出了基于图型矢量距离的多点地质统计相建模算法.新算法在训练图型和数据事件矢量距离计算的基础上,采用二次匹配方式通过矢量距离对数据事件与训练图型的相似度进行度量,最终确定与数据事件相似度最大的训练图型.以文献算例定性和定量对比了新算法和Snesim、Filtersim、DisPat算法的建模效果,并以实际油藏为例,对比了新算法与传统两点建模方法、Snesim和DisPat算法的建模效果.结果表明,新算法显著降低了训练图型选取的不确定性,所建模型更符合地质认识,从而为复杂油气藏相建模提供了一种新的方法.