Conditional simulations of reservoir models using Sequential Monte-Carlo methods - PASTEL - Thèses en ligne de ParisTech Access content directly
Theses Year : 2022

Conditional simulations of reservoir models using Sequential Monte-Carlo methods

Simulations conditionnelles de modèles de réservoirs par méthodes séquentielles de Monte-Carlo

Alan Troncoso
  • Function : Author
  • PersonId : 1249361
  • IdRef : 26927233X

Abstract

A sequential Monte Carlo method, called particle filtering, has been used in a spatial context to produce simulations of two reservoir models that respect the observed facies at wells. The first one, the Boolean model, is an object-based model. It canbe used to model two-facies reservoirs: One porous facies, and an impermeable facies that acts as a barrier for the fluidcirculation. The model is mathematically tractable: There exists statistical methods to infer its parameters as well as aniterative conditional simulation algorithm. However, the convergence rate of this algorithm is difficult to establish. Asequential algorithm based on the particle filtering is proposed as an alternative. It finally appears that this sequentialalgorithm outperforms the iterative algorithm in terms of quality of results and computational time.The second model, Flumy, is a model of sedimentary processes. It is used for representing the formation of meanderingchannelized systems. This model can reproduce the heterogeneity induced by the complex geometries of sedimentary deposits.The current algorithm implemented in Flumy modifies dynamically the processes for fitting the data at best to produceconditional simulations. The set-up of this algorithm requires a deep knowledge of the processes to modify them and avoidartifacts and biases. For this reason, another conditioning algorithm, called sequential, has been developed. It consists in building the reservoir by stacking horizontal layers using particle filtering, thus allowing the observed facies to beassimilated in each layer. These two algorithms have been compared on a synthetic case and on a real case (Loranca Basin,Spain). Both give comparable results, but they differ in terms of the resources required for their implementation: whereasthe sequential algorithm needs high computer power, the dynamic algorithm requires a fine understanding of the processes to be modified.
Une méthode séquentielle de Monte Carlo, appelée filtrage particulaire, a été utilisée dans un contexte spatial pour simulerdeux modèles de réservoir en respectant les faciès observés aux puits. Le premier modèle, le schéma Booléen, est un modèle àbase d'objets. Il peut servir à modéliser des réservoirs à deux faciès: un faciès poreux, et un faciès imperméable qui agitcomme barrière à la circulation des fluides. Ce modèle se prête bien à des calculs mathématiques~: il existe des méthodes statistiques pour en inférer les paramètres, ainsi qu'un algorithme itératif de simulation conditionnelle. Cependant, lavitesse de convergence de cet algorithme est difficile à établir. Un algorithme séquentiel basé sur un filtre particulaireest proposé en alternative. Au final, cet algorithme séquentiel surpasse l’algorithme itératif en termes de qualité desrésultats et de temps de calcul.Le second modèle, Flumy, est un modèle de processus sédimentaires, permettant de représenter la formation de systèmes chenalisés méandriformes. Ce modèle permet de reproduire l'hétérogénéité induite par les géométries complexes des dépots sédimentaires.L'algorithme courant implémenté dans Flumy modifie dynamiquement les processus au cours du temps pour s'adapter aux données et permet ainsi d'obtenir des simulations conditionnelles. Le développement de cet algorithme de conditionnement requiert,cependant, une profonde compréhension de ces processus pour les modifier tout en évitant les artefacts ou les biais. Pour cette raison, un autre algorithme, dit séquentiel, a été développé. Il consiste à construire le réservoir par empilement de couches horizontales au moyen d'un filtre particulaire permettant d'assimiler les facies observés en chaque couche. Ces deux algorithmesde conditionnement ont été comparés sur un cas synthétique et sur un cas réel (bassin de Loranca, en Espagne). Ils fournissentdes résultats comparables, mais se distinguent en termes de ressources nécessaires pour leur mise en œuvre: l'agorithmeséquentiel requiert une puissance de calcul informatique conséquente quand l'algorithme dynamique nécessite une finecompréhension des processus à modifier.
Fichier principal
Vignette du fichier
2022UPSLM055_archivage.pdf (22.37 Mo) Télécharger le fichier
Origin Version validated by the jury (STAR)

Dates and versions

tel-04077499 , version 1 (21-04-2023)

Identifiers

  • HAL Id : tel-04077499 , version 1

Cite

Alan Troncoso. Conditional simulations of reservoir models using Sequential Monte-Carlo methods. Modeling and Simulation. Université Paris sciences et lettres, 2022. English. ⟨NNT : 2022UPSLM055⟩. ⟨tel-04077499⟩
93 View
40 Download

Share

Gmail Mastodon Facebook X LinkedIn More