FR2780798A1 - Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine - Google Patents

Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine Download PDF

Info

Publication number
FR2780798A1
FR2780798A1 FR9809018A FR9809018A FR2780798A1 FR 2780798 A1 FR2780798 A1 FR 2780798A1 FR 9809018 A FR9809018 A FR 9809018A FR 9809018 A FR9809018 A FR 9809018A FR 2780798 A1 FR2780798 A1 FR 2780798A1
Authority
FR
France
Prior art keywords
model
medium
realizations
gaussian
coefficients
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR9809018A
Other languages
English (en)
Other versions
FR2780798B1 (fr
Inventor
Lin Ying Hu
Andre Haas
Frederic Roggero
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IFP Energies Nouvelles IFPEN filed Critical IFP Energies Nouvelles IFPEN
Priority to FR9809018A priority Critical patent/FR2780798B1/fr
Priority to NL1012462A priority patent/NL1012462C2/nl
Priority to GB9915203A priority patent/GB2342736A/en
Priority to US09/343,219 priority patent/US6618695B1/en
Priority to NO19993256A priority patent/NO333150B1/no
Priority to CA002276853A priority patent/CA2276853C/fr
Publication of FR2780798A1 publication Critical patent/FR2780798A1/fr
Application granted granted Critical
Publication of FR2780798B1 publication Critical patent/FR2780798B1/fr
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/66—Subsurface modeling

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

- Méthode pour déformer de façon graduelle, en totalité ou localement un modèle stochastique de type gaussien ou apparenté d'un milieu hétérogène tel qu'une zone souterraine, contraint par un ensemble de paramètres relatifs à la structure du milieu.- La méthode comporte le tirage d'un nombre p au moins égal à deux, de réalisations indépendantes d'une partie au moins du modèle choisi du milieu, parmi toutes les réalisations possibles et une combinaison linéaire de ces p réalisations avec p coefficients tels que la somme de leurs carrés est égale à 1. Cette combinaison linéaire constitue une nouvelle réalisation du modèle stochastique et elle se déforme graduellement lorsque l'on modifie graduellement les p coefficients. La méthode peut comporter plus généralement plusieurs étapes itératives de déformation graduelle, avec combinaison à chaque étape d'une réalisation composite obtenue à l'étape précédente avec q nouvelles réalisations indépendantes tirées de l'ensemble des réalisations. La méthode donne la possibilité de déformer graduellement des réalisations d'un modèle représentatif du milieu tout en modifiant les paramètres statistiques relatifs à la structure du milieu. La méthode permet aussi des déformations graduelles individuelles de différentes parties du modèle tout en préservant la continuité entre ces parties.- Application à la construction de modèles stochastiques de réservoirs contraints à des données non linéaires (données liées à l'écoulement des fluides).

Description

La présente invention concerne une méthode pour déformer graduellement
partiellement ou en totalité des réalisations ou représentations d'un milieu hétérogène tel qu'une zone souterraine, qui sont toutes la traduction d'un modèle stochastique de type gaussien ou apparenté c'est-à-dire incluant un modèle gaussien sous jacent. La méthode selon l'invention trouve des applications notamment dans la construction d'un modèle stochastique d'une formation souterraine,
contraint par des données non linéaires.
ART ANTERIEUR
Des exemples d'utilisation de modèles gaussiens pour modéliser la structure du sous-sol sont décrits par: - Journel, A.G. and Huijbregts Ch.J.: "Mining Geostatistics", Academic Press, 1978; ou
- Matheron, G. et ai: " Conditional Simulation of the Geometry of Fluvio-
deltaic Reservoirs ", paper SPE 16753; SPE Annual Technical
Conference and Exhibition, Las Vegas, 1987.
La contrainte des modèles stochastiques à un ensemble de données non linéaires peut être considérée comme un problème d'optimisation avec définition d'une fonction objectif mesurant l'accord entre des données mesurées dans le milieu à modéliser et des réponses correspondantes du modèle stochastique, et minimisation de cette fonction. Une bonne méthode de déformation se doit de respecter les trois caractéristiques suivantes: a) le modèle déformé doit être une réalisation du modèle stochastique; b) il doit produire une fonction objectif régulière pouvant être traitée par un algorithme d'optimisation efficace; et c) la déformation doit être telle que l'on puisse
couvrir en entier l'espace des solutions.
Parmi les méthodes de déformation connues, on peut citer la méthode selon laquelle on échange les valeurs en deux points d'une réalisation du modèle stochastique i.e. d'une réalisation ou représentation du milieu étudié traduisant le modèle. Cette méthode est utilisée dans la technique dite de <, recuit simulé >, bien connue des spécialistes. Un exemple en est décrit par: - Deutch, C.: "Conditioning reservoir models to well test information", in Soares, A. (ed.), Geostatistics Troia'92, pp.505-518, Kluwer Academic
Pub., 1993.
Comme un échange arbitraire viole la continuité spatiale d'un modèle stochastique, il est nécessaire d'inclure un variogramme dans la fonction
objectif, ce qui rend l'optimisation très fastidieuse.
Une autre méthode connue est la méthode dite des points pilotes, qui est décrite par exemple par: - de Marsily, G. et al: - Interpretation of Interference Tests in a Well Field using Geostatistical Techniques to fit the Permeability Distribution in a Reservoir Model >, in Verly, G. et ai (ed.), Geostatistics for Natural
Resources Charaterization, Part 2, 831-849, D. Reidel Pub. Co, 1984.
Cette méthode consiste essentiellement à choisir un certain nombre de points d'une réalisation (représentation) initiale, à calculer les dérivées (les coefficients de sensibilité) de la fonction objectif par rapport aux valeurs en ces points, et ensuite à modifier les valeurs aux points pilotes pour tenir compte de ces coefficients de sensibilité. Une nouvelle réalisation est formée par la méthode connue dite de krigeage conditionnel. Il peut en résulter qu'une modification des valeurs aux points pilotes en utilisant les coefficients de sensibilité, conduise à une modification indue du variogramme même si le krigeage conditionnel est utilisé ensuite, en particulier quand le nombre de
points pilotes devient important.
DEFINITION DE L'INVENTION
La méthode selon l'invention permet d'effectuer une déformation graduelle au moins partielle de réalisation (ou représentation) d'un modèle stochastique de type gaussien ou apparenté, d'un milieu hétérogène tel qu'une zone souterraine, contraint par un ensemble de paramètres relatifs à la structure du milieu. Elle est caractérisée en ce qu'elle comporte le tirage d'un nombre p au moins égal à deux, de réalisations indépendantes d'une partie au moins du modèle choisi du milieu, parmi toutes les réalisations possibles et une combinaison linéaire de ces p réalisations avec p coefficients tels que la somme de leurs carrés est égale à 1. Cette combinaison linéaire constitue une nouvelle réalisation du modèle stochastique et elle se déforme graduellement lorsque l'on modifie
graduellement les p coefficients.
*. L:a méthode peut comporter plus généralement plusieurs étapes itératives de déformation graduelle, avec combinaison à chaque étape d'une réalisation composite obtenue à l'étape précédente avec q nouvelles
réalisations indépendantes tirées de l'ensemble des réalisations.
La méthode permet la déformation graduelle d'un modèle représentatif du milieu tout en modifiant les paramètres statistiques relatifs à
la structure du milieu.
La méthode permet aussi d'effectuer des déformations graduelles individuelles de différentes parties du modèle tout en préservant la continuité entre ces parties (c'est-à-dire par exemple la reproduction d'un variogramme
attaché à ce modèle).
De préférence, les coefficients de la combinaison linéaire sont des
fonctions trigonométriques.
Comme modèle, on peut utiliser un modèle gaussien ou apparenté au type gaussien: modèle lognormal, gaussien tronqué, etc. Par rapport à l'art antérieur, la méthode selon l'invention est fondée sur une base théorique plus solide pour la déformation des modèles stochastiques. Elle donne aussi la possibilité de modifier les paramètres (souvent de valeurs incertaines a priori) de variogrammes en même temps que la déformation d'une réalisation d'un modèle stochastique. Enfin, grâce à la possibilité des déformations individuelles de différentes parties du modèle, la méthode selon l'invention donne une plus grande souplesse et une plus grande efficacité à l'opérateur pour l'ajustement du modèle stochastique à la réalité des terrains. En cela, la méthode selon l'invention permet de rapprocher l'ajustement des modèles stochastiques de I'ajustement des modèles déterministes par zonation traditionnellement
employé par les ingénieurs de réservoir.
Présentation des figures D'autres caractéristiques et avantages de la méthode selon
l'invention, apparaîtront à la lecture de la description ci-après d'un exemple
non limitatif de réalisation, en se référant aux dessins annexés o: - la Fig.1 montre un exemple de schéma d'optimisation itérative selon la méthode; - la Fig.2a représente un exemple de champ de perméabilité lognormal constituant un modèle de référence; - Fig.2b montre les courbes de pression et de sa dérivée logarithmique issues d'une simulation numérique d'un essai de puits dans le modèle de reference; - la Fig.3a montre un exemple de champ de perméabilité lognormal associé à une première réalisation du modèle; - la Fig.3b montre une comparaison entre les courbes de pression associées respectivement à la réalisation 1 et au modèle de référence; - la Fig.4a montre un exemple de champ de perméabilité lognormal associé à une deuxième réalisation du modèle; - la Fig.4b montre une comparaison entre les courbes de pression associées respectivement à la réalisation 2 et au modèle de référence; - les Fig.5a et 5b représentent respectivement les courbes de variation de la fonction objectif en fonction du paramètre p dans une échelle linéaire et dans une échelle logarithmique; - la Fig.6a montre un exemple de champ de perméabilité lognormal associé à une réalisation contrainte par application de la méthode de déformation; - la Fig.6b montre une comparaison entre les courbes de pression de la
réalisation contrainte et du modèle de référence.
DESCRIPTION DETAILLEE DE LA METHODE
Généralités: La méthode selon l'invention permet de déformer graduellement un
modèle stochastique tout en respectant ses caractéristiques statistiques.
Cette méthode est opérationnelle dans un cadre gaussien. Combinée avec une méthode d'optimisation, cette méthode constitue un outil efficace pour
calibrer une image du milieu à modéliser à des données non linéaires.
Déformation graduelle aux paramètres statistiques fixés: On considère un ensemble de réalisations possibles R, d'un modèle stochastique du milieu à modéliser défini par un certain jeu de paramètres statistiques représentatifs (moyenne, variance, variogramme etc.). Ces différentes réalisations R, sont obtenues à partir d'un tirage au sort d'un germe aléatoire, deux valeurs successives de ce germe pouvant conduire à
des réalisations très différentes l'une de l'autre.
La déformation graduelle du modèle est obtenue selon la méthode par une série de combinaisons itératives des réalisations R, du modèle. Comme le montre la Fig.1, la combinaison de base consiste, à partir de deux réalisations R1, R2 obtenues par tirage, à former une réalisation Re, obéissant à la relation: R., =ai.RI +a,.R, (1) avec la condition: a,2+a 2= 1 (2) Cette réalisation combinée se déforme graduellement lorsque l'on
modifie graduellement les coefficients a, et a,.
A l'itération suivante, on tire une autre réalisation R3 et on la combine suivant la même règle avec la réalisation combinée précédente R, R, R,2 =.R, +(x.R; Les nouveaux coefficients de la combinaison respectant également la condition: ca + - I Si le tirage R, conduit à une réalisation combinée qui ne s'accorde pas suffisamment avec les mesures, on procède à un ou plusieurs tirages
successifs jusqu'à l'obtention d'une réalisation satisfaisante.
Le schéma de combinaison précédent peut être étendu facilement à un nombre quelconque de réalisations. A la première étape de combinaison, on tire p réalisations différentes et on réalise la combinaison suivant la relation: R= cai R, (3) avec la condition
12 i a(4).
A chacune des étapes suivantes, on combine la réalisation combinée précédente et q autres réalisations obtenues par tirage et l'on procède à leur
combinaison suivant la même règle.
Suivant un mode avantageux de mise en oeuvre, on combine à chaque étape deux réalisations R1, R2 liées par la relation: R = R, cos(pl) + R, sin(pfr) (5)
qui respecte la condition (2).
La minimisation d'une fonction objectif permet de déterminer le
coefficient p. Il s'agit d'un problème d'optimisation mono-paramètre.
Dans le cas plus général d'utilisation de p+l réalisations, on a un problème d'optimisation des p paramètres p, (i= i..... et les coefficients iX (i = 0,1,2....p) s'écrivent 1' alx = fcos(pr) I.=11 I, oi = sin(pir) flcos(p, r) (i = I,p- 1) a, = sin(p,,ir) qui vérifient la condition (4). Déformation graduelle en modifiant les paramètres statistiques: Lorsque l'on ne dispose pas de valeurs précises des paramètres d'un modèle stochastique, ces paramètres doivent aussi être identifiés par l'inversion. La méthode selon l'invention permet une déformation graduelle d'une réalisation d'un modèle stochastique en modifiant les paramètres du variogramme. Pour se faire, nous écrivons une réalisation sous la forme suivante:
R = L[Y]
o Y est un bruit blanc (réalisation d'un champ gaussien sans corrélation) et L un opérateur déterminé par le variogramme et permettant de transformer Y en une réalisation R respectant ce variogramme. Les techniques à mettre en oeuvre ici, sont bien connue des spécialistes. Une parmi elles est décrite par: - Oliver, D.S.: "Moving Averages for Gaussian Simulation in two or three
Dimensions", Math. Geology, Vol.27, No.8, 1995.
Nous pouvons ainsi déformer Y de la même manière que précédemment tout en modifiant l'opérateur de variogramme L: R = L[Y] = L[Y, cos( p;) + Y, sin(pr)]
o Yi et Y2sont deux bruits blancs indépendants l'un de l'autre.
Déformation graduelle par parties: Afin d'améliorer l'efficacité du calage d'un modèle à des données non linéaires réparties dans le milieu à modéliser, on peut être amené à diviser le milieu en plusieurs parties et effectuer le calage partie par partie. La méthode selon l'invention permet d'effectuer des déformations graduelles individuelles de différentes parties du milieu à modéliser tout en préservant la continuité entre ces parties. Supposons que le milieu soit divisé en n parties auxquelles sont associées n bruits blancs Y,, Y2,..., Yn. On peut déformer individuellement ces bruits blancs par l'algorithme précédent, et puis les rendre corrélés par l'opérateur de corrélation L. y, Y, cos(pr) + Y, sin(plzr) R = L[Y] = L = Y cos(p27r) + Y, sin(p,ff) Y, cos(p,,r) + Y sin(p,,_r) o Y,' et Y," (pour i=1,2,...n) sont deux bruits blancs indépendants l'un de l'autre. Extension aux autres modèles: La méthode de déformation graduelle précédemment décrite peut être utilisée dans les cas de modèles transformés à partir d'un modèle gaussien
tels que le modèle lognormal et le modèle gaussien tronqué.
Exemple de validation: La méthode selon l'invention est illustrée ici par une étude synthétique de la contrainte d'un champ de perméabilité à des données de pression issues d'un essai de puits. Un champ de perméabilité synthétique (Fig.2a), construit selon un modèle stochastique lognormal, est utilisé comme modèle de référence. Un essai de puits numérique est effectué sur ce champ et il en résulte une courbe de pression et sa dérivée logarithmique comme montre la figure 2b. Il s'agit ici de construire une réalisation contrainte par cette courbe
de pression autre que l'image de référence.
Les Fig. 3a et 4a montrent deux réalisations indépendantes l'une de l'autre du même modèle. On peut constater que les courbes de pression des essais de puits sur ces deux réalisations sont très éloignées de celles du modèle de référence (Fig.3b et 4b). A partir de ces deux réalisations, on a construit une chaîne de réalisations suivant la règle donnée par la formule (4). Les Fig. 5a et 5b montrent la variation de la fonction objectif en fonction du paramètre p (qui varie entre -1 et 1). Les deux réalisations initiales correspondent respectivement à p = 0 et à p =0.5. On constate que la fonction objectif atteint sa valeur minimum pour p= -0.3 environ. En utilisant la méthode du gradient, il suffit de 3 à 4 itérations pour minimiser cette fonction. La Fig. 6 montre la réalisation correspondant à p - -0.275 obtenue par optimisation et l'on peut constater que le calage à l'essai de puits de
cette réalisation est très satisfaisant.
ll

Claims (5)

REVENDICATIONS
1) Méthode pour déformer graduellement une partie au moins de réalisations d'un modèle stochastique de type gaussien ou apparenté d'un milieu hétérogène tel qu'une zone souterraine, contraint par un ensemble de paramètres relatifs à la structure du milieu, caractérisée en ce qu'elle comporte le tirage d'un nombre p au moins égal à deux, de réalisations indépendantes (Ri) d'une partie au moins du modèle choisi du milieu, parmi toutes les réalisations possibles et au moins une étape de déformation graduelle du modèle en effectuant une combinaison linéaire des p réalisations initiales indépendantes, les coefficients (c(,) de cette combinaison
étant tels que la somme de leurs carrés est égale à 1.
2) Méthode selon la revendication 1, caractérisée en ce qu'elle comporte plusieurs étapes itératives de déformation graduelle, avec combinaison à chaque étape d'une réalisation composite obtenue à l'étape précédente avec q nouvelles réalisations indépendantes tirées de l'ensemble
des réalisations.
3) Méthode selon la revendication 1 ou 2, caractérisée en ce qu'elle comporte la déformation graduelle d'un modèle représentatif du milieu tout
en modifiant les paramètres statistiques relatifs à la structure du milieu.
4) Méthode selon la revendication 1 ou 2, caractérisée en ce qu'elle comporte des déformations graduelles individuelles de différentes parties d'un modèle représentatif du milieu tout en préservant la continuité entre ces parties.
) Méthode selon l'une des revendications précédentes, caractérisée
en ce que les coefficients (x) de la combinaison linéaire sont des fonctions trigonométriques.
6) Méthode selon l'une des revendications précédentes, caractérisée
en ce que l'on utilise un modèle apparenté au type gaussien tel qu'un
modèle lognormal ou gaussien tronqué.
FR9809018A 1998-07-01 1998-07-01 Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine Expired - Fee Related FR2780798B1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
FR9809018A FR2780798B1 (fr) 1998-07-01 1998-07-01 Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine
NL1012462A NL1012462C2 (nl) 1998-07-01 1999-06-28 Werkwijze voor het geleidelijk vervormen van een stochastisch model van een heterogeen medium zoals een ondergrondse zone.
GB9915203A GB2342736A (en) 1998-07-01 1999-06-29 Gradually deforming a stochastic model of a heterogeneous medium eg underground zone
US09/343,219 US6618695B1 (en) 1998-07-01 1999-06-30 Method for gradually deforming a stochastic model of a heterogeneous medium such as an underground zone
NO19993256A NO333150B1 (no) 1998-07-01 1999-06-30 Fremgangsmate for tilveiebringelse av en stokastisk modell av en fordeling av en parameter i et heterogent undergrunnsmedium
CA002276853A CA2276853C (fr) 1998-07-01 1999-06-30 Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
FR9809018A FR2780798B1 (fr) 1998-07-01 1998-07-01 Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine

Publications (2)

Publication Number Publication Date
FR2780798A1 true FR2780798A1 (fr) 2000-01-07
FR2780798B1 FR2780798B1 (fr) 2000-12-08

Family

ID=9528623

Family Applications (1)

Application Number Title Priority Date Filing Date
FR9809018A Expired - Fee Related FR2780798B1 (fr) 1998-07-01 1998-07-01 Methode pour deformer graduellement un modele stochastique d'un milieu heterogene tel qu'une zone souterraine

Country Status (6)

Country Link
US (1) US6618695B1 (fr)
CA (1) CA2276853C (fr)
FR (1) FR2780798B1 (fr)
GB (1) GB2342736A (fr)
NL (1) NL1012462C2 (fr)
NO (1) NO333150B1 (fr)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6662109B2 (en) * 2001-04-19 2003-12-09 Institut Francais Du Petrole Method of constraining by dynamic production data a fine model representative of the distribution in the reservoir of a physical quantity characteristic of the subsoil structure
FR2846767A1 (fr) * 2002-10-30 2004-05-07 Inst Francais Du Petrole Methode pour former plus rapidement un modele stochastique representatif d'un reservoir heterogene souterrain, contraint par des donnees dynamiques
FR2851670A1 (fr) * 2003-02-21 2004-08-27 Inst Francais Du Petrole Methode pour elaborer plus rapidement un modele stochastique representatif d'un reservoir heterogene souterrain, contraint par des donnees statiques et dynamiques incertaines
EP1760492A1 (fr) * 2005-09-05 2007-03-07 Institut Français du Pétrole Méthode pour mettre à jour un modèle géologique de réservoir à l'aide de données dynamiques
US7274993B2 (en) 2003-11-20 2007-09-25 Institut Francais Du Petrole Method for forming an optimum stochastic model of a heterogeneous underground zone, calibrated with dynamic data by parametrization of continuous distributions
EP1978379A1 (fr) 2007-03-30 2008-10-08 Ifp Méthode pour modifier graduellement des proportions de faciés lithologiques d'un modéle géologique
EP2365359A1 (fr) 2010-02-22 2011-09-14 IFP Energies nouvelles Méthode de calage d'historique d'un modèle géologique

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2795841B1 (fr) * 1999-07-02 2001-08-10 Inst Francais Du Petrole Methode pour deformer graduellement des simulations sequentielles d'un milieu heterogene tel qu'une zone souterraine
FR2842321B1 (fr) * 2002-07-11 2008-12-05 Inst Francais Du Petrole Methode pour contraindre un champ de permeabilite heterogene representant un reservoir souterrain par des donnees dynamiques
FR2821946B1 (fr) * 2001-03-07 2003-05-16 Inst Francais Du Petrole Methode pour deformer graduellement une repartition intiale d'objets dans un milieu heterogene, generee par simulation d'un modele stochastique de type objet, pour l'adapter au mieux a des contraintes physiques imposees
GB2399659B (en) * 2003-03-20 2005-09-28 Schlumberger Holdings Method and system for predicting the apparent flow conductivity of a heterogeneous medium
FR2857764B1 (fr) * 2003-07-18 2005-08-26 Inst Francais Du Petrole Methode de deformation graduelle d'un modele booleen de simulation d'un milieu heterogene, contraint par des donnees dynamiques
US8504341B2 (en) * 2006-01-31 2013-08-06 Landmark Graphics Corporation Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators
US20070260151A1 (en) * 2006-05-03 2007-11-08 Clifford Gari D Method and device for filtering, segmenting, compressing and classifying oscillatory signals
US20090018882A1 (en) * 2007-07-10 2009-01-15 Information In Place, Inc. Method and system for managing enterprise workflow and information
US8504335B2 (en) * 2008-04-17 2013-08-06 Exxonmobil Upstream Research Company Robust optimization-based decision support tool for reservoir development planning
US8775347B2 (en) * 2008-04-18 2014-07-08 Exxonmobil Upstream Research Company Markov decision process-based support tool for reservoir development planning
CA2716976A1 (fr) * 2008-04-21 2009-10-29 Vikas Goel Outil d'aide a la decision base sur une programmation stochastique pour la planification de developpement d'un reservoir
BRPI0923412A2 (pt) * 2008-12-16 2016-05-24 Exxonmobil Upstream Res Co método, e, produto de programa de computador.
US8942966B2 (en) 2010-10-20 2015-01-27 Conocophillips Company Method for parameterizing and morphing stochastic reservoir models

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0567302A2 (fr) * 1992-04-23 1993-10-27 International Business Machines Corporation Système stochastique de simulation
US5416750A (en) * 1994-03-25 1995-05-16 Western Atlas International, Inc. Bayesian sequential indicator simulation of lithology from seismic data

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4817062A (en) * 1987-10-02 1989-03-28 Western Atlas International, Inc. Method for estimating subsurface porosity
US5479251A (en) * 1993-12-30 1995-12-26 Corning Incorporated Methods for determining optical properties of optical waveguide fibers using an optical time domain reflectometer
US5621169A (en) * 1994-01-18 1997-04-15 Restech, Inc. Method for determining hydrocarbon/water contact level for oil and gas wells
US5729451A (en) * 1995-12-01 1998-03-17 Coleman Research Corporation Apparatus and method for fusing diverse data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0567302A2 (fr) * 1992-04-23 1993-10-27 International Business Machines Corporation Système stochastique de simulation
US5416750A (en) * 1994-03-25 1995-05-16 Western Atlas International, Inc. Bayesian sequential indicator simulation of lithology from seismic data

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CARR JAMES R ET AL: "Use of geostatistics for accurate mapping of earthquake ground motion", GEOPHYSICAL JOURNAL, vol. 97, 1989, pages 31 - 40, XP002097135 *
DE MARSILY GHISLAIN: "Quantitative Hydrogeology", 1986, ACADEMIC PRESS, INC, XP002097136 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6662109B2 (en) * 2001-04-19 2003-12-09 Institut Francais Du Petrole Method of constraining by dynamic production data a fine model representative of the distribution in the reservoir of a physical quantity characteristic of the subsoil structure
US7200533B2 (en) 2002-10-30 2007-04-03 Institut Francais Du Petrole Method for rapid formation of a stochastic model representative of a heterogeneous underground reservoir, constrained by dynamic data
FR2846767A1 (fr) * 2002-10-30 2004-05-07 Inst Francais Du Petrole Methode pour former plus rapidement un modele stochastique representatif d'un reservoir heterogene souterrain, contraint par des donnees dynamiques
NL1024620C2 (nl) * 2002-10-30 2006-09-14 Inst Francais Du Petrole Werkwijze voor het, gebruikmakend van dynamische data, snel vormen van een stochastisch model dat representatief is voor een heterogeen ondergronds reservoir.
FR2851670A1 (fr) * 2003-02-21 2004-08-27 Inst Francais Du Petrole Methode pour elaborer plus rapidement un modele stochastique representatif d'un reservoir heterogene souterrain, contraint par des donnees statiques et dynamiques incertaines
WO2004079144A2 (fr) * 2003-02-21 2004-09-16 Institut Francais Du Petrole Methode pour elaborer plus rapidement un modele stochastique representatif d’un reservoir heterogene souterrain, contraint par des donnees statiques et dynamiques incertaines
WO2004079144A3 (fr) * 2003-02-21 2006-02-02 Inst Francais Du Petrole Methode pour elaborer plus rapidement un modele stochastique representatif d’un reservoir heterogene souterrain, contraint par des donnees statiques et dynamiques incertaines
US7392166B2 (en) 2003-02-21 2008-06-24 Institut Francais Du Petrole Method for more rapidly producing the representative stochastic model of a heterogeneous underground reservoir defined by uncertain static and dynamic data
US7274993B2 (en) 2003-11-20 2007-09-25 Institut Francais Du Petrole Method for forming an optimum stochastic model of a heterogeneous underground zone, calibrated with dynamic data by parametrization of continuous distributions
FR2890453A1 (fr) * 2005-09-05 2007-03-09 Inst Francais Du Petrole Methode pour mettre a jour un modele geologique de reservoir a l'aide de donnees dynamiques
US7363163B2 (en) 2005-09-05 2008-04-22 Institut Francais Du Petrole Method for updating a geological reservoir model by means of dynamic data
EP1760492A1 (fr) * 2005-09-05 2007-03-07 Institut Français du Pétrole Méthode pour mettre à jour un modèle géologique de réservoir à l'aide de données dynamiques
EP1978379A1 (fr) 2007-03-30 2008-10-08 Ifp Méthode pour modifier graduellement des proportions de faciés lithologiques d'un modéle géologique
US7970593B2 (en) 2007-03-30 2011-06-28 Ifp Method for gradually modifying lithologic facies proportions of a geological model
EP2365359A1 (fr) 2010-02-22 2011-09-14 IFP Energies nouvelles Méthode de calage d'historique d'un modèle géologique

Also Published As

Publication number Publication date
FR2780798B1 (fr) 2000-12-08
GB9915203D0 (en) 1999-09-01
NO993256L (no) 2000-01-03
NL1012462C2 (nl) 2000-01-07
CA2276853C (fr) 2008-08-12
GB2342736A (en) 2000-04-19
US6618695B1 (en) 2003-09-09
NO993256D0 (no) 1999-06-30
CA2276853A1 (fr) 2000-01-01
NO333150B1 (no) 2013-03-18

Similar Documents

Publication Publication Date Title
CA2276853C (fr) Methode pour deformer graduellement un modele stochastique d&#39;un milieu heterogene tel qu&#39;une zone souterraine
EP1600796B1 (fr) Méthode de reconstruction d&#39;un modèle stochastique pour améliorer son calage par les données de production
EP1637904B1 (fr) Méthode pour génerer un modèle de reservoir sur maillage flexible
EP2680045B1 (fr) Procédé d&#39;exploitation d&#39;un reservoir geologique à partir d&#39;un modèle de réservoir calé au moyen d&#39;un parametrage multi-echelles
Hell et al. Gridding heterogeneous bathymetric data sets with stacked continuous curvature splines in tension
EP2400320B1 (fr) Procédé d&#39;exploitation d&#39;un gisement pétrolier à partir d&#39;un modèle de réservoir déformé graduellement au moyen de cosimulations
CA2516540C (fr) Methode pour elaborer plus rapidement un modele stochastique representatif d`un reservoir heterogene souterrain, contraint par des donnees statiques et dynamiques incertaines
CA2789537C (fr) Procede d&#39;exploitation d&#39;un gisement petrolier a partir d&#39;une technique de selection des positions des puits a forer
EP2157451A1 (fr) Méthode de calage d&#39;historique de réservoir pétrolier au moyen de paramétrisations locales
FR2842321A1 (fr) Methode pour contraindre un champ de permeabilite heterogene representant un reservoir souterrain par des donnees dynamiques
EP1110106B1 (fr) Methode pour deformer graduellement des simulations sequentielles d&#39;un milieu heterogene tel qu&#39;une zone souterraine
FR2846767A1 (fr) Methode pour former plus rapidement un modele stochastique representatif d&#39;un reservoir heterogene souterrain, contraint par des donnees dynamiques
EP2343576A1 (fr) Méthode d&#39;exploitation d&#39;un gisement pétrolier à partir d&#39;une construction d&#39;une carte de faciès représentative du gisement
CA2382307C (fr) Methode pour faciliter le suivi au cours du temps de l&#39;evolution d&#39;une zone souterraine par analyse comparee de differents jeux d&#39;enregistrements sismiques
EP2339485A1 (fr) Méthode d&#39;exploitation d&#39;un gisement pétrolier par reconstruction de modèle de réservoir
CA2374896C (fr) Methode pour deformer graduellement une repartition initiale d&#39;objets dans un milieu heterogene pour l&#39;adapter a des contraintes physiques imposees
EP2479590B1 (fr) Procédé pour mettre à jour un modèle de réservoir en temps réel à partir de données dynamiques tout en conservant sa cohérence avec les observations statiques
CA2701524A1 (fr) Methode pour modeliser un milieu heterogene souterrain a partir de statistique multipoint
FR2858064A1 (fr) Procede de pointe bispectral des parametres de correction d&#39;obliquite anelliptique
CA2254024C (fr) Methode statistique multivariable pour caracteriser des images que l&#39;on a formees d&#39;un milieu complexe tel que le sous-sol
WO2003003052A1 (fr) Perfectionnements aux techniques de pointe de surface
FR2947346A1 (fr) Methode d&#39;exploitation d&#39;un milieu souterrain au moyen de simulation geostatique non deformee par la geometrie du maillage

Legal Events

Date Code Title Description
CD Change of name or company name
PLFP Fee payment

Year of fee payment: 19

ST Notification of lapse

Effective date: 20180330