Amilcar Soares CERENA – Instituto Superior Técnico [email protected] Aracaju - UFS – Cintec...
Transcript of Amilcar Soares CERENA – Instituto Superior Técnico [email protected] Aracaju - UFS – Cintec...
![Page 1: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/1.jpg)
Amilcar SoaresCERENA – Instituto Superior Técnico
Aracaju - UFS – Cintec –28 de Maio de 2012
Geoestatística para Avaliação
de Recursos Petrolíferos
![Page 2: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/2.jpg)
C E R E N A
Centro de Recursos Naturais e Ambiente
![Page 3: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/3.jpg)
Geoestatística para a Caracterização de Recursos Naturais
![Page 4: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/4.jpg)
Níveis de conhecimento de um reservatório
geologia geofísica poços
dados de produção
![Page 5: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/5.jpg)
Necessidade de um modelo da realidade
• Planeamento da prospecção
• Avaliação de reservas
• Planeamento e Gestão da Produção
• Gestão do recurso
![Page 6: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/6.jpg)
Necessidade de um modelo da realidade
GEOESTATÍSTICAModelos de Estimação
Análise do padrão espacial
Simulação de Imagens
...
![Page 7: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/7.jpg)
“…um “bom modelo” é um modelo que começa por “não ser mau” e que depois dá bons resultados.”
António Brotas
![Page 8: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/8.jpg)
modelos interpoladores deterministas computação gráfica, visualização científica, animação
![Page 9: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/9.jpg)
Modelos de estruturas geológicas: Curvas de Bezier, Splines, interpoladores polinomiais,..
![Page 10: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/10.jpg)
Representação da incerteza dos fenómenos físicos dos recursos naturais
Φ = .25 ?
.05.40
.25
![Page 11: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/11.jpg)
Classificação de Reservas com base na Incerteza
PROJECT STATUS
PROVED
PROVED plusPROBABLE
LOW BEST HIGH
ESTIMATE ESTIMATE ESTIMATE
LOW BEST HIGH
ESTIMATE ESTIMATE ESTIMATE
DIS
CO
VE
RE
D P
ET
RO
LE
UM
-AL
RE
AD
Y-I
N-P
LA
CE
UN
DIS
CO
VE
RE
DTO
TA
L P
ET
RO
LE
UM
-AL
RE
AD
Y-I
N-P
LA
CE
LOW
ER
RIS
KP
RO
JEC
T M
AT
UR
ITY
HIG
HE
R R
ISK
CONTINGENT RESOURCES
Range of Certainity
CO
MM
ER
CIA
LS
UB
-CO
MM
ER
CIA
LP
ET
RO
LE
UM
-IN
ITIA
LL
Y-I
N-P
LA
CE
UNRECOVERABLE
PROSPECTIVE RESOURCES
UNRECOVERABLE
Prospect
Lead
Play
Development Pending
Development on Hold
Development Not Viable
Planned for Development
PRODUCTION
RESERVES On Production
Under DevelopmentPROVED plus
PROBABLE plus
POSSIBLE
![Page 12: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/12.jpg)
Classificação de Reservas – SPE/WPC
3 tipos de Reservas baseados na Incerteza
PROVADASProven = 1P
or P90= 90% Probability of Occurrence
PROVÁVEISProven + Probable = 2P
or P50 = 50% Probability of Occurrence
POSSÍVEISProven + Probable + Possible = 3P
or P10 = 10% Probability of Occurrence1P 2P 3P
P90
P50
P10P
RO
VE
N
PR
OB
AB
LE
PO
SS
IBL
E
Reservas
![Page 13: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/13.jpg)
O formalismo probabilista: base dos modelos de caracterização de reservatórios petrolíferos
“I would rather be vaguely right than precisely wrong” (P. Keynes)
• Representação da incerteza/ignorância pelo conceito de probabilidade
• O conceito unitário de variável aleatórea
![Page 14: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/14.jpg)
Caracterização de Reservatórios Petrolíferos
Integração da sísmica nos modelos de propriedades internas do reservatório.
Integração do modelos geológico ( canais fluviais, fracturas, litogrupos) nos modelos das propriedades internas
“Downscaling” do sinal sísmico (inversão estocástica)
Integração dos dados dinâmicos de produção – History Matching
![Page 15: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/15.jpg)
Estimação geoestatística: interpolador linear
![Page 16: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/16.jpg)
Estimação geoestatística: Krigagem
Os pesos de cada uma das amostras é determinado pela sua proximidade ao ponto a
estimar
![Page 17: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/17.jpg)
hh
(h)
1
0
hv
(h)
1
0
Análise da Continuidade
Espacial de um fenómeno físico
Coeficientes de CorrelaçãoCorrelogramas CovariânciasVariogramas
![Page 18: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/18.jpg)
I. Estimação Geoestatística krigagem normal
inferência de um valor de uma propriedade ou atributo de um fenómeno espacial, em pontos ou áreas compreendidos entre
amostras ou observações de valores dessa propriedade.
E{Z(xi)} = E{Z(xj)} = m
C(Z(xi), Z(xj))=C(h)?
),(2),()0()(var 00 xxCxxCCx
( )[ ] ( )å=
=N
i
xZxZ1
*0 aal
![Page 19: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/19.jpg)
II – Simulação estocástica de grandezas heterogéneas
Integração do conceito de incerteza nos modelos dos reservatórios petrolíferos
![Page 20: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/20.jpg)
Estimação ou Simulação ?
O valor médio é suficiente para representar o conhecimento de uma grandeza – teor de um poluente, porosidade de um solo, temperatura,
precipitação ?
...depende da variabilidade/variância da grandeza e da nossa ignorância
![Page 21: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/21.jpg)
A “imagem” média é suficiente para representar o conhecimento de uma grandeza?
Estimação
Simulação
![Page 22: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/22.jpg)
Estimação
Grandezas muito homogéneas (pequena variabilidade)
Topo e base de um estrato geológico Temperatura, precipitação total, ..
![Page 23: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/23.jpg)
Simulação
Grandezas muito heterogeneas (grande variabilidade)
Porosidade de um soloBiodiversidade
Poluição
![Page 24: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/24.jpg)
O Conceito de Incerteza
Tipo de solo, Porosidade, Precipitação,
Resposta do modelo dinâmico de fluidos:
Modelo estimado dos valores mais prováveis
• Fornece unicamente a resposta dinâmica do modelo mais provável que não é necessariamente a resposta mais provável
Não fornece nenhuma medida de incerteza, valores extremos, risco, etc..
Uma só resposta: reserva de água, poluição média, etc..
![Page 25: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/25.jpg)
O Conceito de Incerteza
...
![Page 26: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/26.jpg)
Respostas do modelo dinâmico
Quantificação da incerteza das reservas de água, análise de risco, ...
Modelo simulado
O Conceito de Incerteza
Porosidade, Permeabilidade, Água/Óleo,...
![Page 27: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/27.jpg)
O Conceito de Incerteza
Incerteza resulta da complexidade do fenómeno natural e da nossa ignorância em relação ao
mesmo
Não pode ser evitada
Pode ser minimizada
Deve ser gerida
![Page 28: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/28.jpg)
Integração da Incerteza num Processo de Decisão
i – Quantificação da incerteza nas variáveis de entrada do modelo.
ii – Transformação da incerteza dos inputs na incerteza da resposta
![Page 29: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/29.jpg)
Simulação grandezas heterogéneas
Um processo de simulação espacial tem normalmente duas etapas:
1- caracterização de uma lei de distribuição de probabilidades : Estimação geoestatística de parâmetros da lei, Adopção de situações idênticas, opiniões periciais , etc..
2- Simulação de valores dessas leis de distribuição
![Page 30: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/30.jpg)
1- Caracterização de uma lei de distribuição de probabilidades
caracterização de uma lei de distribuição de probabilidades : Estimação geoestatística de parâmetros da lei, Adopção de situações idênticas, opiniões periciais , geofísica, modelos geológicos, etc..
O modo como uma lei de distribuição de probabilidades é caracterizada- as porosidades locais, as reservas de óleo
globais, etc..- depende da quantidade e qualidade de informação disponível
![Page 31: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/31.jpg)
246400701507600
GRVP.D.F.
Most Likely=70150A lei de distribuição do GRV (Gross Rock Volume) pode ser inferida a partir dos primeiros estudos geológicos e geofísicos
z
f(z)
z(x8)
x8
Estimação geoestatística de médias e variâncias locais da permabilidade, porosidade, etc.. O Conceito de Espaço
![Page 32: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/32.jpg)
2- Simulação de valores de uma lei de distribuição de probabilidades
Método de Monte Carlo
Utilização de números aleatórios para geração de valores a partir de uma lei de distribuição de
probabilidades
![Page 33: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/33.jpg)
Método de Monte Carlo
“the use of random numbers to solve deterministic systems or stochastic models”
1- Método da transformada inversa
2- Método de Aceitação-Rejeição
Geração de variáveis aleatórias
Amostragem de variáveis aleatórias a partir de distribuições de probabilidade
![Page 34: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/34.jpg)
Método de Monte Carlo1- Método de Transformada Inversa
Lei de distribuição de probabilidades: FZ(z) é uma função contínua e crescente:
1 > FZ( z ) > 0 z1 < z2 e FZ( z1 ) < Fz( z2 )
1 – Gerar U a partir de U( 0,1 )
2- z1 = F-1z(U )
0
1
FZ1(z1)
u
z1=F-1Z1(u)
0
1
FZ1(z1)
u
z1=F-1Z1(u)
a b
![Page 35: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/35.jpg)
Simulação de Monte Carlo2- Método de Aceitação-Rejeição
Especificar uma função t(x) que majora a densidade f: t(x) >= f(x) for all x.
1
xdxfxdxtc
x1 é aceite
x2 é aceite
x1 é rejeitado
x2 é rejeitado
x1
x2
f(x)
t(x)
r(x) = t(x) / c é uma função denisdade
1- Gerar x
2- Gerar u a partir de U( 0,1 )
3- u <= f(x) / t(x) x é aceite
Caso contrário x é rejeitado
![Page 36: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/36.jpg)
Simulação de variáveis categóricas aleatórias
Litoclasse #1 – 25 %
Litoclasse #2 – 40 %Litoclasse #3 – 35 %
Criar uma pseudo “probabilidade cumulativa” :
.25
.65
1
L1 L2 L3
1 – Gerar U U ( 0,1 )
2- Se .25 U > 0 retorna X = L1
Se .65 U > .25 retorna X = L2Se 1 U > .65 retorna X= L3
F(x)
X
![Page 37: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/37.jpg)
Simulação de um conjunto de variáveis independentes
Exemplo 1: optimização de uma operação de transporte e carregamento
Carregamento do camião
Descarregamento do camião
Transporte da carga
Retorno ao ponto incial
![Page 38: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/38.jpg)
Simulação de Monte Carlo
Histogramas experimentais dos tempos
de operação
simulações
Total 1 Total2
Descarregamento do camião
t
f(t)
t3 t3 t3
Total 3
t
f(t)
Histograma simulado do
tempo total do ciclo
...
Retorno ao ponto incial
t
f(t)t4 t4 t4 ...
...
Transporte da carga
t
f(t)t2 t2 t2 ...
Carregamento do camião
t
f(t)t1 t1 t1 ...
Análise de Sensibilidad
e
![Page 39: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/39.jpg)
Simulação de Monte Carlo
Histograma da orientação das fracturas
Histograma do número de segmentos das fracturas
Exemplo 2 : Simulação de um campo de fracturas
Densidade das Fracturas
Dimensão do Campo
Histograma do comprimento das fracturas
![Page 40: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/40.jpg)
Simulação de Monte Carlo1ª simulação
Sobreposição com uma 2ª simulação de outra família de fracturas
Simulação de 355 fracturas Simulação de 513 fracturas
![Page 41: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/41.jpg)
Exemplo 3 : Cálculo de Reservas
reservas A ThNet
GrossSwi
FVFRF
Produção cumulativa= -
é
ëê
ù
ûú -* * * *( )* *f 1
1
STOIIP = Stock Tank Oil Initial In Place GIIP for Gas
A = área do reservatório (km2 / acres)
Th = espessura total do reservatório (metros)
Net & Gross = espessura total do reservatório líquida & bruta (metros)
f = porosidade = fracção de vazios
Swi = saturação de água inicial (fracção)
FVF = Fcator de formação de volume de óleo e gás (adimensional)
RF = factor de recuperação (fracção)
A*Th = GRV = Vol. Bruto de Rocha
![Page 42: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/42.jpg)
Leis de Distribuições das variáveis de entrada:
![Page 43: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/43.jpg)
Simulação de Variáveis Dependentes
Considere-se que 2 variáveis X e Y são altamente correlacionadas. Se um valor alto de x for gerado por uma simulação de MC de X, então um valor alto de y é esperado na simulação de Y.
Problema: Isto não pode ser garantido a partir de simulações independentes de f(X) e f(Y)
Simulação de variáveis dependentes implica o conhecimento da distribuição bi-variada de f(X,Y)
![Page 44: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/44.jpg)
Simulação de Monte CarloSimulação de 2 variáveis aleatórias dependentes
Aplicação da lei de Bayes em passos sucessivos: F( Z1, Z2 ) = F( Z2 | Z1 ) . F(Z1)
Simulação de 2 valores z1 e z2 a partir da função de distribuição conjunta
F( Z1,Z2 ):
1st Gerar o valor z1 a partir da pdf F(Z1).
2nd Gerar o valor z2 a partir da função de distribuição condicional F( Z2 | Z1=z1)
![Page 45: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/45.jpg)
Simulação de Monte Carlo
Simulação de de duas variáveis a partir da distribuição bi-variada: permeabilidade e
porosidadeK
z1
Fz1
Kz1
u
F(|K=z1)
z2
u
![Page 46: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/46.jpg)
Simulação de Monte CarloSimulação de campos de fracturas com variáveis
dependentes
Orientation
lenght
Bi-histograma obtido a partir de um outcrop
![Page 47: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/47.jpg)
Simulação Sequencial
F(Z1,Z2,….,ZN)=F(Z1).F(Z2|Z1).F(Z3|Z1,Z2,Z3)… F(ZN|Z1,…ZN-1)
Gerar (simular) um conjunto de valores z1,…,zN da lei de distribuição F(Z1,Z2,…,ZN), pode ser feito em passos sucessivos: 1º- gera-se um valor z1 da lei marginal F(Z1) 2º -simula-se um valor z2 da lei de distribuição condicional F(Z2|Z1=z1)
Simula-se o valor zN de F (ZN |Z1=z1,Z2=z2,…,ZN-1=zN-1)
![Page 48: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/48.jpg)
Simulação Sequencial
z(x1)z(x2)
z(x3)
z(x4)
z(x5)
z(x7)z(x8)
z(x6)
x8
FZ(zk,x8|(n))*
[iz5(x8)]*
[iz4(x8)]*
z(x8) Z(x8)
a
z(x1)z(x2)
z(x3)
z(x4)
z(x5)
z(x7)z(x8)
z(x6)
z(x8)8
FZ(zk,x9|(n+1)) [iz5(x9)]*
[iz4(x9)]*
z(x9) Z(x9)
b
x9
p
p
![Page 49: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/49.jpg)
y ( x 1 ) y ( x 2 )
y ( x 3 )
y ( x 4 )
y ( x 5 )
y ( x 7 ) y ( x 8 )
y ( x 6 )
x 8
a
y ( x 1 ) y ( x 2 )
y ( x 3 )
y ( x 4 )
y ( x 5 )
y ( x 7 ) y ( x 8 )
y ( x 6 )
y(x 8 ) 8
b
x 9
G(y , x 8 )
y ( x 8 ) Y ( x 8 )
[ y ( x 8 )]¨* 2 sk ( x 8 )
G(y , x 9 )
y ( x 9 ) Y ( x 9 )
[ y ( x 9 )]¨* 2 sk ( x 9 )
Simulação Sequencial Gaussiana (SGS)
![Page 50: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/50.jpg)
Ex: Sequential Gaussian Simulation (SGS)
![Page 51: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/51.jpg)
1- honram os dados experimentais
![Page 52: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/52.jpg)
2- reproduzem os estatísticos
![Page 53: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/53.jpg)
3- reproduzem os variogramas
![Page 54: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/54.jpg)
Simulação de litofácies: krigagem da indicatriz de variáveis categóricas
Modelo Geoestatístico de um Reservatório do Médio Oriente
![Page 55: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/55.jpg)
Simulação de canais de areia: (krigagem da indicatriz com anisotropias locais )
Reservatório fluvial de canais de areia (Oman)
Algoritmo pixel-based para caracterizar corpos de areia
![Page 56: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/56.jpg)
Simulação de permeabilidade com deriva local
Reservatório Angolano.
Integração de redes neuronais probabilistas no modelo estocástico para caracterizar o campo de permeabilidades
![Page 57: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/57.jpg)
Integração de campos fracturados na simulação de permeabilidade
Incorporação do campo de fracturas para caracterização da permeabilidade secundária
Reservatório Angolano
![Page 58: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/58.jpg)
Obrigado
![Page 59: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/59.jpg)
Integration of Seismic Data in Stochastic Modelling of Internal Properties
•Forward Modeling
Correlation between seismic data and well
data (porosity, rocktypes, ..)
Spatial continuity of both variables
Simulation or co-simulation
DataModel of Porosity,
Rocktypes,..
![Page 60: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/60.jpg)
Forward Modeling: Different approaches to generate images of porosity
conditioned to well and seismic data
![Page 61: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/61.jpg)
i) Co-Simulation of “main” variable (porosity) conditioned to the secondary variable (seismic).
R = 0.617
3500
4500
5500
6500
7500
8500
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Porosity
Aco
ustic
Impe
danc
e
Upper layers (42-49)
Co-simulation based on a sequential approach
(colocated co-kriging to estimate means and variances of local
distributions)
![Page 62: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/62.jpg)
ii) Block Direct Simulation of well porosity and seismic (Liu and Journel, 2008 ).
z(x) are the values Z (porosity) in point support
zv(x) are the values Z in block support
Block Direct Sequential Simulation
![Page 63: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/63.jpg)
Block Direct Simulationi. In the node x0 of a random path of a regular grid, the
following means and variances are calculated by block co-kriging:
ii. Simulation of a “point” value zs(x0) by re-sampling the global cdf global of Z(x) (Direct Sequential Simulation Approach).
xzxxzxxz v.. 00*
0
xz
xzv
xzxxzxxz v.. 00*
0
Note that the kriging system requires the knowledge of
spatial convariaces point-point , point-block and block-block :
C(.,.) , C(.,v) e C(v,v)
![Page 64: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/64.jpg)
•Inverse Modeling is based on the physical relation:
-1000.0000
-500.0000
0.0000
500.0000
1000.0000
1500.0000
-20 -15 -10 -5 0 5 10 15 20
ms
amp
litu
de
* =
Convolving the reflectivity coefficients c(x) with a given wavelet w, one obtain the synthetic seismic
amplitudes a*(x)= c(x)*w
Typical Inverse Problem: one whish to know the acoustic impedances which give rise to the known real seismic.
![Page 65: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/65.jpg)
Geostatistical Seismic Inversion
The aim of geostatistical inversion of seismic is to produce numerical models that share two properties:
• The numerical model honors a physical relationship (convolution model) with the actual data .
• The numerical model reflects the assumed geological spatial continuity
![Page 66: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/66.jpg)
Geostatistical Seismic (Trace-by-Trace) Inversion (Bertolli et al, 1993): it is an iterative process based on the sequential simulation of trace values of acoustic impedances.
-1000.0000
-500.0000
0.0000
500.0000
1000.0000
1500.0000
-20 -15 -10 -5 0 5 10 15 20
ms
amp
litu
de
* =1- Choose randomly
a trace to be generated.
Simulation of N realizations of AI of
that trace
N Sinthetic trace
realizations 3-Compare with the real seismic, choose and
retain the best realization
4- return until all traces are simulated
Optimization algorithm
2- Convolution with a known
wavelet
![Page 67: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/67.jpg)
GSI – Global Stochastic Inversion
Geostatistical Inversion With Global Perturbation Method
Part I - Theory
![Page 68: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/68.jpg)
The approach of Global Stochastic Inversion is based on two key ideas: • the use of the sequential direct co-
simulation as the method of “transforming” 3D images, in a iterative process and
• to follow the sequential procedure of the genetic algorithms optimization to converge the transformed images towards an objective function
GSI – Global Stochastic Inversion
![Page 69: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/69.jpg)
2- Convolution of transformed Simulated Acoustic Impedance
-1000.0000
-500.0000
0.0000
500.0000
1000.0000
1500.0000
-20 -15 -10 -5 0 5 10 15 20
ms
amp
litu
de
*
1 – Simulation of Acoustic Impedance
![Page 70: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/70.jpg)
3 – Comparing the synthetic amplitudes a*(x) with the real seismic a(x) obtaining local correlation coefficients cc(x)
5 – Return to step one to obtain a new generation of AI images until a given objective function is reached.
4 – From the N realizations, retain the traces with best matches and “compose” a best image of AI
![Page 71: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/71.jpg)
In a last step, porosity images are derived from the seismic impedances and
the uncertainty derived from the seismic quality is assessed based on the quality of match between synthetic seismogram obtained by seismic inversion and real seismic.
![Page 72: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/72.jpg)
Obrigado
![Page 73: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/73.jpg)
C E R E N A
Centro de Recursos Naturais e Ambiente
![Page 74: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/74.jpg)
Incerteza das variáveis de entrada: BOOTSTRAP
“pulling yourself up by your bootstraps”
….
var1 var2 var3 ….
var
Var=1/N(var1+var2+var3+….)
Histograma de var1, var2,…. Dá origem à incerteza de Var
Dados originais
Re-amostra 1 Re-amostra 2 Re-amostra 3
N=9
N=8 N=8 N=8
![Page 75: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/75.jpg)
Incerteza das variáveis de entrada: BOOTSTRAP
Freq. (%)
Net-to-Gross (%)10 7042
Freq. (%)
Mean Net-to-Gross (%)
10 7042
N=30
1- Gerar por MC, 30 valores da distribuição do Net-to Gross
2- Calcular a média dos valores de Net-to-Gross
3 – Voltar ao paaso 1 muitas vezes para aceder à distribuição e inceretza da média
Distribuições da média do Bootstrap :
![Page 76: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/76.jpg)
Incerteza das variáveis de entrada: BOOTSTRAP
Freq. (%)
Net-to-Gross (%)10 7042
Freq.
(%)
Net-to-Gross (%)10 7042
Freq.
(%)
Net-to-Gross (%)10 7042
Freq.
(%)
Net-to-Gross (%)10 7042
Acesso à inceretza da distribuição do Bootstrap
![Page 77: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/77.jpg)
Incerteza das variáveis de entrada: BOOTSTRAP
Var 1
Var 2
=.62
Freq. (%)
Coeficiente de Correlação .37 .78.62
Acesso à incerteza do coeficiente de correlação do Bootstrap
![Page 78: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/78.jpg)
A simulação por bootstrap é mais conservativa do que a simulação de MC das distribuições orignais
dos dados
Nota: o Bootstrap assume independência entre variáveis. Só é aplicável nas etapas iniciais da avaliação
do reservatório
f(%) f(%) f(%)
=
f(%)
f(%) f(%) f(%)
=
f(%)
Distribuições da simulações de MC
Simulação de MC da incerteza do Bootstrap
Var1 Var2 Var3
r
r
Unc 1 Unc 2 Unc 3
![Page 79: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/79.jpg)
Integration of seismic information in static models of internal properties
Forward Modelling and Inverse Modelling
![Page 80: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/80.jpg)
Integration of Seismic Data in Stochastic Modelling of Internal Properties
•Forward Modeling
Correlation between seismic data and well
data (porosity, rocktypes, ..)
Spatial continuity of both variables
Simulation or co-simulation
DataModel of Porosity,
Rocktypes,..
![Page 81: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/81.jpg)
Forward Modeling: Different approaches to generate images of porosity
conditioned to well and seismic data
![Page 82: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/82.jpg)
i) Co-Simulation of “main” variable (porosity) conditioned to the secondary variable (seismic).
R = 0.617
3500
4500
5500
6500
7500
8500
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Porosity
Aco
ustic
Impe
danc
e
Upper layers (42-49)
Co-simulation based on a sequential approach
(colocated co-kriging to estimate means and variances of local
distributions)
![Page 83: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/83.jpg)
ii) Block Direct Simulation of well porosity and seismic (Liu e Journel, 2008 ).
z(x) are the values Z (porosity) in point support
zv(x) are the values Z in block support
Block Direct Sequential Simulation
![Page 84: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/84.jpg)
Block Direct Simulationi. In the node x0 of a random path of a regular grid, the
following means and variances are calculated by block co-kriging:
ii. Simulation of a “point” value zs(x0) by re-sampling the global cdf global of Z(x) (Direct Sequential Simulation Approach).
xzxxzxxz v.. 00*
0
xz
xzv
xzxxzxxz v.. 00*
0
Note that the kriging system requires the knowledge of
spatial convariaces point-point , point-block and block-block :
C(.,.) , C(.,v) e C(v,v)
![Page 85: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/85.jpg)
•Inverse Modeling is based on the physical relation:
-1000.0000
-500.0000
0.0000
500.0000
1000.0000
1500.0000
-20 -15 -10 -5 0 5 10 15 20
ms
amp
litu
de
* =
Convolving the reflectivity coefficients c(x) with a given wavelet w, one obtain the synthetic seismic
amplitudes a*(x)= c(x)*w
Typical Inverse Problem: one whish to know the acoustic impedances which give rise to the known real seismic.
![Page 86: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/86.jpg)
Geostatistical Seismic Inversion
The aim of geostatistical inversion of seismic is to produce numerical models that share two properties:
• The numerical model honors a physical relationship (convolution model) with the actual data .
• The numerical model reflects the assumed geological spatial continuity
![Page 87: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/87.jpg)
Geostatistical Seismic (Trace-by-Trace) Inversion (Bertolli et al, 1993): it is an iterative process based on the sequential simulation of trace values of acoustic impedances.
-1000.0000
-500.0000
0.0000
500.0000
1000.0000
1500.0000
-20 -15 -10 -5 0 5 10 15 20
ms
amp
litu
de
* =1- Choose randomly
a trace to be generated.
Simulation of N realizations of AI of
that trace
N Sinthetic trace
realizations 3-Compare with the real seismic, choose and
retain the best realization
4- return until all traces are simulated
Optimization algorithm
2- Convolution with a known
wavelet
![Page 88: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/88.jpg)
Integration of Dynamic Data (production data) into Static Models
Geostatistical History Matching
![Page 89: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/89.jpg)
geology geophysics Well data
Production Data
Integration of Different Data
![Page 90: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/90.jpg)
![Page 91: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/91.jpg)
Real models
Main amplitude: 17blocks
Real porosity
Real permeability
Main amplitude: 17blocks
![Page 92: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/92.jpg)
DSS-LA
θ
hy
hx
hθ
hФ
aθ
aФ
Anisotropy = f(θ; r)
θ : Direction of maximun continuity (azimuth)
θDSSxo ≠ θDSSxi
R =aθ/a Φ: Anisotropy ratio
RatioDSSxo ≠ RatioDSSxi
DSS-LA (Horta, 2011)
![Page 93: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/93.jpg)
Anisotropy parameterization
Thinner channels Wider channels
ObjectiveOptimize the main parameters of channels morphology- Local Ratios of Anisotropy and Directions of Anisotropy of
variogram models
![Page 94: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/94.jpg)
Local anisotropy trend modelSmooth trends of local anisotropy
Reflects the direction and ratio of anisotropy of the study area
x1 x2
y1
ang1 ang2 ang3 ang4
sc1
sc2
sc3
Tunning anisotropy parameters (θ, r )
Direction of anisotropy
Ratio of anisotropy
![Page 95: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/95.jpg)
![Page 96: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/96.jpg)
Well ProductionP21P7P1P8
P9
P23P11
P13
P15
P17P25
P27
P22
Model permeability
Wells permeability
0 1000 2000 3000 4000 5000 6000
0
5
10
15
20
25
30
35
40
45
50P25
historyTC
Time (days)W
OP
R (
stb
/day)
0 1000 2000 3000 4000 5000 6000
0
5
10
15
20
25P27
history
TC
Time (days)
WO
PR
(st
b/d
ay)
0 1000 2000 3000 4000 5000 6000
0
10
20
30
40
50
60P7
history
TC
Case A
Time (days)
WO
PR
(st
b/d
ay)
![Page 97: Amilcar Soares CERENA – Instituto Superior Técnico asoares@ist.utl.pt Aracaju - UFS – Cintec –28 de Maio de 2012 Geoestatística para Avaliação de Recursos.](https://reader034.fdocument.pub/reader034/viewer/2022051211/552fc13d497959413d8dd18c/html5/thumbnails/97.jpg)
Obrigado