Contrainte des modèles génétiques de réservoirs par une approche de reconnaissance statistique de forme

A statistical pattern recognition approach for constraining process-based reservoir models

• Auteur / Autrice : Tatiana Chugunova
• Direction : Christian Lantuéjoul
• Type : Thèse de doctorat
• Discipline(s) : Géostatistique
• Date : Soutenance en 2008
• Etablissement(s) : Paris, ENMP

Mots clés

Mots clés contrôlés

Probabilités

Modèles en géologie

Géostatistique

Gisements pétrolifères, Étude des

Résumé

L'objet de cette thèse est la modélisation de l'hétérogénéité souterraine. Pour ce faire, nous avons adapté l'approche de simulation multipoints (MP) qui reproduit et conditionne des formes géométriques complexes fournies par des modèles génétiques non conditionnels. Initialement, l'approche MP n'était applicable que moyennant l'hypothèse d'une certaine stationnarité spatiale de l'hétérogénéité. Pour étendre l'approche MP au cas non stationnaire, deux algorithmes ont paru dans la littérature : le modèle Tau et l'algorithme de classement. Les deux révèlent des artefacts géométriques sans pour autant restituer les contraintes non stationnaires. Dans ce travail, nous avons proposé un nouvel algorithme de simulation MP non stationnaire. Il évite des inconvénients des algorithmes existants et intègre des contraintes spatiales continues. Les résultats expérimentaux montrent aussi que notre algorithme a un domaine d'applicabilité bien plus vaste que ceux existants

The object of this thesis is modeling subsurface heterogeneity. We adapted the multiple-point (MP) simulation approach that reproduces and conditions complex geometrical patterns provided by unconditional genetic models. Initially, the MP approach was applicable only under the assumption of a certain spatial stationarity of the heterogeneity. To extend this approach to the non-stationary case, two algorithms appeared in the literature: the Tau model and the classification method. Both reveal the geometrical artifacts without necessarily honoring non-stationary constraints. In this work, we proposed a new algorithm of non-stationary MP simulation. It avoids the inconveniences of the existing algorithms and integrates continuous spatial constraint. The experimental results also show that our algorithm has a wider range of applicability than the existing ones