Dissertação

{pt_PT=Assessing geological and seismic interpretation uncertainty in a geostatistical seismic Inversion framework} {} EVALUATED

{pt=A etapa de Inversão Sísmica é um ponto chave em qualquer projeto de E&P, que permite inferir sobre a distribuição especial de uma propriedade de interesse (impedância acústica) combinando informação proveniente de diagrafias de poços com dados de reflexão sísmica. É importante ter em consideração a incerteza dos processos de inversão, e estar ciente dos riscos antes de tomar qualquer decisão que possa condicionar um projeto de exploração. As abordagens geoestatísticas não têm como objetivo uma única solução (a que mais se aproxima da realidade), para descrever a geologia do subsolo. Este projeto propõe uma metodologia que combina um processo iterativo de inversão sísmica para a geração de modelos estocásticos com uma amostragem adaptativa para otimização de parâmetros e quantificação de incerteza. O contributo deste projeto é a incorporação de uma regionalização estocástica da matriz de inversão, permitindo avaliar a incerteza associada à interpretação sísmica, anteriormente ignorada. Utilizando um caso de estudo real e como base nos dados de poço e de reflexão sísmica, os modelos gerados têm como objetivo principal a consistência geológica. De modo a alargar o conhecimento da incerteza sobre os processos de interpretação sísmica, este projeto é subcomposto por duas abordagens: numa é assumida a linearidade das unidades sísmicas, pelo que foi pensado otimizar o posicionamento vertical das interfaces das regiões que subdividem os modelos; na outra, foi escolhido um conjunto de multiplicadores de superfície a serem otimizados. Ambas as abordagens mostraram bons resultados de desvio entre os modelos gerados e a informação dos poços não-condicionante., en=Seismic Inversion is a key step in any E&P project and allow us to infer about the spatial distribution of a property of interest (acoustic impedance) combining well-log information and seismic reflection data. However, seismic inversion problems are emerged in uncertainty, that propagates along the entire inversion procedure. Geostatistical approaches do not aim to get a single accurate/”best-fit” solution to describe the subsurface geology, instead generate a set of possible scenarios and therefore assess uncertainty. This project proposes a methodology that combines an iterative geostatistical seismic inversion methodology and adaptive stochastic sampling algorithms for parameter optimization and uncertainty quantification. The novelty in this work is the addition of a stochastic regionalization of the inversion grid allowing assessing the uncertainty derived from the seismic interpretation. To better understand the impact of stochastic regionalization over different geological backgrounds and to broaden the uncertainty envelope over the seismic interpretation process, this project is composed by two different approaches. The first assumes linearity of the seismic units, therefore optimizing the vertical positioning of the region’s interfaces, the other one allows understanding the uncertainty over more heterogenic geological environments, by optimizing a set of multipliers for the region’s interfaces (centred at a fixed vertical position). Both approaches were performed in a real case study and based on the provided well-log and seismic reflection data, the retrieved models aim to be more geologically consistent. Both approaches shown good results of mismatch between retrieved models and unconditional hard-data and a tool for future work and different datasets.}
{pt=Caracterização de reservatórios, Inversão Sísmica, Incerteza, Inversão Estocástica Global, Otimização por enxame de partículas, Regionalização estocástica, en=Reservoir characterization, Seismic Inversion, Uncertainty, Global Stochastic Inversion, Particle Swarm Optimization, Stochastic Regionalization}

Junho 29, 2018, 14:0

Orientação

ORIENTADOR

Leonardo Azevedo Guerra Raposo Pereira

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Professor Auxiliar

ORIENTADOR

Vasily Demyanov

Heriot-Watt University

Professor Associado