Incertitudes structurales en géomodélisation : échantillonnage et approche inverse

par Nicolas Cherpeau

Thèse de doctorat en Géosciences

Sous la direction de Bruno Lévy et de Guillaume Caumon.

Le président du jury était Benoit Noetinger.

Le jury était composé de Mary Ford, Ghislain de Marsily.

Les rapporteurs étaient Jean-Pierre Gratier, Klaus Mosegaard.


  • Résumé

    La modélisation du sous-sol est un outil indispensable pour décrire, comprendre et quantifier les processus géologiques. L'accès au sous-sol et son observation étant limités aux moyens d'acquisition, la construction de modèles tridimensionnels du sous-sol repose sur l'interprétation de données éparses à résolution limitée. Dans ce contexte, de nombreuses incertitudes affectent la construction de tels modèles, dues aux possibles biais humains cognitifs lors de l'interprétation, à la variabilité naturelle des objets géologiques et aux incertitudes intrinsèques des données utilisées. Ces incertitudes altèrent la prédictibilité des modèles et leur évaluation est donc nécessaire afin de réduire les risques économiques et humains liés à l'utilisation des modèles. Le travail de thèse s'est déroulé dans le cadre plus spécifique des incertitudes sur les structures géologiques. Les réponses apportées sont multiples : (1) une méthode stochastique de génération de modèles structuraux à géométrie et topologie changeantes, combinant une connaissance a priori des structures géologiques aux données interprétées, a été développée ; (2) le réalisme géologique des structures modélisées est garanti grâce à la modélisation implicite, représentant une surface par une équipotentielle d'un champ scalaire volumique ; (3) la description des failles en un nombre restreint de paramètres incertains a permis d'aborder la modélisation inverse, ce qui ouvre la voie vers l'assimilation de données géophysiques ou d'écoulement fluides grâce à des méthodes bayesiennes

  • Titre traduit

    Structural uncertainties in geomodeling : sampling and inverse approach


  • Résumé

    Subsurface modeling is a key tool to describe, understand and quantify geological processes. As the subsurface is inaccessible and its observation is limited by acquisition methods, 3D models of the subsurface are usually built from the interpretation of sparse data with limited resolution. Therefore, uncertainties occur during the model building process, due to possible cognitive human bias, natural variability of geological objects and intrinsic uncertainties of data. In such context, the predictability of models is limited by uncertainties, which must be assessed in order to reduce economical and human risks linked to the use of models. This thesis focuses more specifically on uncertainties about geological structures. Our contributions are : (1) a stochastic method for generating structural models with various fault and horizon geometries as well as fault connections, combining prior information and interpreted data, has been developped ; (2) realistic geological objects are obtained using implicit modeling that represents a surface by an equipotential of a volumetric scalar field ; (3) faults have been described by a reduced set of uncertain parameters, which opens the way to the inversion of structural objects using geophysical or fluid flow data by baysian methods


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Université de Lorraine. Direction de la documentation et de l'édition. BU Ingénieurs.
  • Bibliothèque : Université de Lorraine. Direction de la documentation et de l'édition. Bibliothèques Metz et Moselle.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.