PERTURBAÇÃO LOCAL DE IMAGENS GEOSTATÍSTICAS PARA OTIMIZAR O HISTORY MATCHING

Gonçalo Soares de Oliveira

Metodologia Global do Processo

Definição das variáveis aleatórias

Definição do variograma e

variáveis secundárias

Realização de N simulações (SIS/SGS)

Definição da Função Objetivo

Parametrização das Regiões

Seleção das n imagens que

obtiveram melhor ajuste em cada

poço

Definição dos coeficientes de

correlação para a co-simulação colocalizada

Composição de uma imagem secundária 2 ª iteração

Comparação do método global e

regional

n = número de poços

Modelagem Geostatística

Definição das variáveis aleatórias: Fáceis Porosidade Permeabilidade

Variogramas Processo de modelagem

Definição das variáveis

Diferentes Fáceis

caracterizam diferentes classes de porosidade

SimPorosidade em

função das fáceis

Boa Correlação entre

porosidade e permeabilidade

SimUsar porosidade como variável

secundaria

Não

Simular permeabilidade independentem

ente

NãoPorosidade

independente das fáceis

Boa Correlação entre

porosidade e permeabilidade

SimPermeabilidade em função da

porosidade

Não Permeabilidade independente

Correlação entre variáveis

Porosidades Vs. Fáceis (3ª Layer)Clay Sand

Silt FineSilt

Correlação entre variáveis

Permeabilidade Vs Porosidade (3ª Layer)

Perm_vs_PorosityY = 623.256 * X + 18.3998

Correlation coefficient: 0.302245 Covariance: 1.73873

Modelagem Poro e Perm

Neste exemplo ilustrativo, com o objetivo de simplificar, optou-se por modelar a porosidade independente das fáceis

5 realizações de porosidade “equiprováveis” 5 realizações de permeabilidade por cada uma das imagens de porosidade Método de Distribuição Bi-variada, (coeficiente de correlação demasiado pequeno e não linear)

Regionalização

4 regiões diferentes: 3 regiões em torno de um determinando

poço Restante zona

C2

C4

C5

Variável Secundária

Considere a seguinte tabelaSimulação c/ melhor ajuste

Coef

Poro Perm

C2 3 2 0,7

C4 1 2 0,5

C5 3 3 0,9

Restante

1 4 0,4

2 ª Iteração

Controlo de Qualidade