Analyse statistique et interprétation automatique de données diagraphiques pétrolières différées à l'aide du calcul haute performance

par Vianney Bruned

Projet de thèse en Biostatistique

Sous la direction de André Mas.

Thèses en préparation à Montpellier , dans le cadre de École Doctorale Information, Structures, Systèmes (Montpellier ; 2015) , en partenariat avec IMAG - Institut Montpelliérain Alexander Grothendieck (laboratoire) et de EPS - Equipe de Probabilités et Statistique (equipe de recherche) depuis le 01-12-2015 .


  • Résumé

    L'interprétation de données diagraphiques différées est une étape fondamentale dans l'industrie pétrolière pour calculer les caractéristiques pétro physiques des réservoirs et en estimer les réserves. L'environnement des réservoirs à étudier est de plus en plus complexe et de nouveaux outils de mesures sont conçus afin d'affiner les estimations, ce qui induit une augmentation du nombre de données à analyser. L'objectif de la thèse est d'explorer des méthodes statistiques afin de prendre en compte toutes les sources de données disponibles pendant l'exploration pétrolière et gazière du champ. Actuellement, les méthodes mises en place ne traitent qu'une partie des données ou alors de manière séparée sans prendre en compte leur globalité. Une partie de l'interprétation des diagraphies consiste à déterminer la composition de la minéralogie et des fluides du champ à chaque profondeur pour chaque puits. Certaines diagraphies ont une relation directe avec la minéralogie et/ou avec la composition des fluides. On cherche à résoudre alors un problème inverse qui est souvent sous déterminé car il y a plus de volume des minéraux à déterminer que de diagraphies. Il existe de nombreux modèles qui regroupent les minéraux au sein de familles composites, on réduit ainsi la dimension du problème mais des incertitudes interviennent sur les caractéristiques physiques des familles composites. Dans un premier temps, on traitera différentes problématiques de prétraitement des données : harmonisation et normalisation de certaines diagraphies, nettoyage des données aberrantes, clustering de formation… On fera notamment une étude bibliographique approfondie de la littérature sur les problèmes inverses en mathématiques appliquées. La formulation du problème inverse sera établie en fonction du modèle choisi. On traitera aussi la problématique des incertitudes liées soit au modèle à travers le choix des caractéristiques physiques soit à l'indétermination du problème. Dans un second temps, on introduira des diagraphies plus complexes (résonnance magnétique nucléaire, spectroscopie) ainsi que leurs méthodes d'interprétation actuellement basées sur l'analyse factorielle ou la déconvolution de signaux. On pourra comparer les différentes méthodologies établies précédemment avec l'analyse des nouvelles diagraphies et essayer de les intégrer au sein de la résolution du problème inverse. Enfin, on s'intéressera à l'application et ajustement de la méthodologie dans des réservoirs non-conventionnels. Dans ces réservoirs, les hydrocarbures sont présents dans des bassins sédimentaires peu poreux et peu perméables ou même dans la roche mère. L'environnement géologique est donc différent des réservoirs conventionnels. On testera le comportement des algorithmes développés précédemment dans ce genre d'environnement et on les ajustera afin de prendre en compte leurs spécificités.

  • Titre traduit

    Statistical analysis and automatic interpretation of oil logs using high performance computing


  • Résumé

    The interpretation of logs is a fundamental step in the oil industry to compute the petro-physical characteristics of reservoirs and to estimate reserves. The environment of the reservoirs to study is more and more complex and new tools of measurement are designed to refine the estimates, which induces an increase in the number of data to analyze. The objective of the thesis is to explore statistical methods to take into account all the available data sources from the oil and gas field exploration. Currently, the methods implemented only process a part of the data or separately without a global point of view. A main part of the interpretation of logs is to determine the composition of the mineralogy and fluid at each depth for each well of a field. Some logs have a direct relationship with the mineralogy and/or the composition of the fluids. Then we seek to resolve an inverse problem which is often under-determined because there is more volume of minerals to determine than logs. There are many models that include minerals within composite family, we reduce the dimension of the problem, but uncertainties appear on the physical characteristics of composite families. In a first part, we will deal with various problems of pre-processing of the data: harmonization and standardization of certain logs, cleaning of the outliers, clustering of wells... It will be including a bibliographic literature on inverse problems in applied mathematics. The formulation of the inverse problem will be based on the model chosen. We will also look at the problem of uncertainty due to the choice of physical characteristics linked to the model chosen or to the indeterminacy of the problem. In a second part, we will introduce more complex logs (nuclear magnetic resonance, spectroscopy) as well as their methods of interpretation currently based on factor analysis or deconvolution of signals. We will compare the different methodologies previously established with the analysis of the new logs and try to integrate them within the resolution of the inverse problem. Finally, we focus our attention on the applications and adjustments of the methodology in unconventional reservoirs. In this case, hydrocarbons are present in low porous and low permeable sedimentary basins or even in the bedrock. The geological environment is different from conventional reservoirs. We will test the behavior of the algorithms developed earlier in this kind of environments and we will adjust then to take into account their particularities.