Grid-Based Modeling

El corazon de la tecnica es una función de dos puntos estadísticos llamados variogramas que describe la diferencia de incremento entre los valores de la muestra como la separación entre estoa aumenta.

Kriging minimiza el error entre la evaluación de la interpolación (pero desconoce el valor actual de la propiedad)

Para una propiedad dad, un variograma se contruye a partir de los pares de datos generalmente medidos en los pozos. En el campo petrolífero, la critica de los nucleos Kriging en la baja densidad de datos correctos cuando se compara con la minería. Para superar este problema, variogramas alternativamente pueden estar construidos desde datos medidos en afloramientos o dentro de campos maduros donde el mejor muestreo esta disponible.

Aunque los variogrmass son comúnmente utilizados para inferir la continuidad de una sola variable, el mismo enfoque puede ser usado con el mismo transito sísmico. Una vez construida, esta correlacion puede ser usada en regresiones multivariables conocidas como cokriging. De este modo un mapa completo de porosidad puede ser generado usando no solo los datos de porosidad, si no también los datos sísmicos mas importantes.

Kriging y Cokriging acuerdo con los datos cualitativos o difíciles. Un tercer método llamado soft kriging combina información especializada, también llamada soft data, con los datos cuantitativos, la información especializada se codifica en la forma de desigualdades o distribuciones de probabilidad.

Estos métodos kriging producen interpolaciones lisas, pero no describen la heterogeneidad a pequeña escala. En un proceso llamado modelado estocástico que superpone el ruido correlacionado en interpolaciones suaves, más realistas imágenes emergen. Una distribución de probabilidad determina cómo se genera este ruido. Una serie de imágenes, o realizaciones, por lo general será creado, cada uno con diferente ruido muestreada de la misma distribución (arriba, derecha). Mediante el análisis de muchas realizaciones, el grado en el que la incertidumbre geológica afecta el comportamiento del yacimiento puede ser estudiada (centro, derecha).

Un ejemplo es la simulación secuencial Gaussiana (SGS). Los datos se construyen bloque a bloque rejilla rejilla. En el primer bloque seleccionado, el valor interpolado suave se calcula kriging utilizando los datos medidos disponibles. El valor interpolado y su varianza, también calculado por kriging, definen una función de distribución gaussiana de la cual un valor de ruido se extrae al azar y se añade al valor interpolado. Para el punto siguiente, seleccionado al azar, se repite el proceso, utilizando como base estos datos recién derivados apuntan junto con los datos medidos. Como se llenan los bloques de la cuadrícula, todos los valores calculados anteriormente contribuyen a calcular la siguiente en la secuencia. La técnica depende de la propiedad de ser depósito de una distribución normal, por lo que una propiedad como la permeabilidad, que tiene una distribución asimétrica, requiere una transformación a la normalidad. El proceso inverso tiene que ser realizado una vez que todos los bloques de la cuadrícula se llenan. Un método cada vez más popular para la generación de ruido para el modelado estocástico utiliza el concepto de los fractales, una técnica estadística que produce imitaciones muy realistas de la naturaleza. objetos fractales presentan variaciones similares en todas las escalas de observación.

Cada intento de dividir los objetos fractales en regiones más pequeñas en detalle los resultados cada vez más estructurada de manera similar-(derecha). Esto simplifica el modelado estocástico. El variograma se define a partir de un número de la sola dimensión fractal, calculada a partir de los datos medidos en el depósito o afloramientos. Y debido a que los fractales son auto-similar, la varianza del ruido se debe determinar solamente en una única escala

El modelado fractal se ha utilizado para predecir el rendimiento de la producción de varios campos de gran tamaño. Estudios recientes también han aplicado modelos fractales para investigar el desempeño de floods.10 de gas miscible

Los datos discretos requieren una técnica especial llamada interpolación kriging indicador. Esto se puede combinar con el modelado estocástico para formar un proceso llamado simulación indicador secuencial (SIS). Tome un modelo en arena o de esquisto deben ser eligieron

No hay término medio. Al mismo tiempo, un elemento de azar tiene que ser introducido para obtener múltiples realizaciones. Considerar la construcción de un modelo donde la arena es 1 y 0. pizarra indicador kriging asignará cada rejilla bloquear algún valor entre 0 y 1 que da una indicación de la probabilidad litología. Por ejemplo, un valor de 0,7 indica una probabilidad del 70% de arena. En la etapa estocástico, este porcentaje se utiliza para ponderar la elección al azar de arena o pizarra para el bloque de rejilla

The HERESIM Approach to Reservoir CharacterizationUn ejemplo de un paquete de software que combina el análisis geológico tradicional con técnicas geoestadísticas es HERESIM, desarrollado conjuntamente por el Instituto Francés del Petróleo, Rueil-Malmaison, Francia, y el Centro de Géostatistiques, Escuela Nacional Superior de Minas de París, Fontainebleau, Francia. Esto permite el análisis estructural sedimentológico y geoestadística se lleve a cabo en estaciones de trabajo interactivas, seguido de simulaciones condicionales geoestadísticas utilizando bloques de la cuadrícula pequeña escala. Cada simulación crea una imagen de la geología del depósito, de acuerdo con los datos de pozos. datos petrofísicas, como la permeabilidad y porosidad, entonces se asignan entre los pozos utilizando algoritmos determinísticos o estocásticos. Finalmente, la información petrofísica se escala para la simulación de flujo de fluidos (a la derecha).

En primer lugar, un estudio sedimentológico se lleva a cabo para subdividir el área bajo investigación, que puede incluir formaciones que bordean el depósito, así como el propio depósito. Las mayores divisiones son unidades deposicionales que incluyen conjuntos de estratos vinculados genéticamente, delimitadas por discontinuidades sedimentarias o variaciones repentinas en el entorno sedimentológico. Distinción de unidades generalmente se logra mediante la correlación de funciones entre los pozos. El siguiente paso es identificar litofacies dentro de cada unidad de sedimentación, recopilar información estadística acerca de ellos en los pozos y luego generar realizaciones estocásticos de litofacies entre los pozos. La información estadística obtenida de los datos de pozos, la interpretación sísmica y el conocimiento geológico son:

• Las curvas de la proporción porcentual de cada litofacies en una unidad de sedimentación

• Experimental variogramas para cuantificar la continuidad espacial de cada unade las litofacies en el depósito (a la derecha).

Con esta información y una forma de kriging indicador empleando una función aleatoria gaussiana, numerosas realizaciones de la distribución litofacies se pueden obtener fácilmente para cada unidad. Sin embargo, el algoritmo sólo funciona en formatos rectangulares, por lo que es necesario transformar geométricamente primero cada unidad en un rectángulo. Después de que se han generado realizaciones estocásticos, la forma real de la unidad es restaurada. HERESIM ofrece dos tipos de transformar, dependiendo de si el medio ambiente que prevalece ya que la deposición ha sido dominada por la erosión o el hundimiento diferencial aunque algunas formas de fracturación también pueden ser acomodados. Después de haber seleccionado los más probables realizaciones de litofacies, geólogos e ingenieros de yacimientos asignan valores de porosidad y permeabilidad.

HERESIM supone que los datos petrofísicas están fuertemente relacionadas con litofacies. Para cada litofacies, ya sea los valores de datos constantes pueden ser asignados o una distribución de tipo Monte Carlo emplean.

El modelo geológico describe un depósito a una escala decamétrica (en promedio 50 m [165 pies] cuadrados o más pequeñas con un espesor de 0,5 m [1,5 pies]). Como resultado, las redes simuladas son enormes (millones de células), demasiado grande para la simulación de flujo de fluidos (arriba). Expansión en HERESIM se realiza utilizando un algoritmo rápido que calcula permeabilidades absolutas.

En primer lugar, permeabilidad media se estima a partir de la raíz del producto de la media aritmética y la media armónica de las permeabilidades rejilla-bloque. La calidad de este valor puede ser juzgado por el cálculo de la registro de la diferencia entre los dos medios. Cuanto mayor sea la diferencia, menos satisfactoria de la media simple. bloques de la cuadrícula que no esta prueba se someten a una simulación de flujo de fluido más precisa y requiere mucho tiempo.