Методы многомерной регрессии являются одними из основных при создании пространственных моделей распределения свойств в осадочных толщах. При этом зачастую приходится использовать разные группы данных, которые имеют разные погрешности и характеризуются разным объемом. Типичный пример - моделирование распределения пористости, для чего используются как лабораторные измерения по керну, так и оценки, полученные путем интерпретации каротажных данных, а также результаты сейсмической инверсии. Погрешности разных групп данных обычно можно оценить. И возникает вопрос - с какими относительными весами следует учитывать эти данные для создания наиболее достоверных моделей. Мы исследовали этот вопрос путем генерации "измерений" с разными погрешностями от заданных аналитических моделей с последующей оценкой точности аппроксимаций, получаемых с разными относительными весами данных. В качестве метода аппроксимации, позволяющего работать с многомерными данными больших объемов (big data), использован аппарат сплайн-регрессии. Выявленные зависимости относительных погрешностей данных и оптимальных весов в случае сплайн-регрессии оказались сходными для разных аналитических моделей. Представлен пример моделирования пористости методом сплайн-аппроксимации с разными весами исходной информации для одного из газонефтяных месторождений Западной Сибири. Дальнейшее улучшение полученной модели возможно после учета материалов акустической инверсии сейсмического куба для изучаемого объекта.