CN102713683B - 用于利用多点统计模拟来对储层特性走向建模的方法和系统 - Google Patents
用于利用多点统计模拟来对储层特性走向建模的方法和系统 Download PDFInfo
- Publication number
- CN102713683B CN102713683B CN201180006147.6A CN201180006147A CN102713683B CN 102713683 B CN102713683 B CN 102713683B CN 201180006147 A CN201180006147 A CN 201180006147A CN 102713683 B CN102713683 B CN 102713683B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- reservoir characteristics
- classification
- modeling
- training image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 52
- 238000004088 simulation Methods 0.000 claims abstract description 45
- 239000011435 rock Substances 0.000 claims abstract description 10
- 230000003750 conditioning effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 4
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 12
- 238000005295 random walk Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 208000035126 Facies Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/665—Subsurface modeling using geostatistical modeling
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
提供了一种用于模拟包括相地物内的岩石类走向的储层特性走向的计算机实现方法和系统。一个实施例包括:将要建模的储层特性的一个范围的值离散成至少两个类别,并利用该至少两个类别将所关联的井数据和训练图像离散成分类井数据和分类训练图像。一个实施例包括:在离散储层体积的地层学网格节点上利用该分类训练图像应用MPS模拟,以生成分类特性模型。该实施例还包括:在该分类特性模型的每个子区域中应用基于变量图的模拟,以生成再现每个关联子区域的类别直方图和对该储层特性走向建模的储层特性模型。
Description
技术领域
本发明总体上涉及碳氢化合物储层的模拟,并且具体地说,涉及用于利用多点统计模拟来对储层特性走向建模的方法和系统。
背景技术
多点统计(MPS)模拟是相建模方法,其允许模拟不能利用常规的基于地质统计学变量图的技术来建模的复杂地质图案(如蜿蜒的通道)。MPS模拟由来自训练图像的第一提取图案构成,该训练图像描述被研究的储层中所预期的相(facies)异质性的类型,并接着在模拟网格中针对井数据和地震数据有条件地再现相似图案。
SNESIM(单正态方程模拟)是MPS模拟程序,其是储层建模领域的技术人员所公知的。常规SNESIM在Strebelle,S.,2000,SequentialSimulationofComplexGeologicalStructuresUsingMultiple-PointStatistics,doctoralthesis,StanfordUniversity和StrebelleS.,2002,ConditionalSimulationofComplexGeologicalStructuresUsingMultiple-PointStatistics:MathematicalGeology,V.34,No.1中进行了描述。SNESIM是一种直接的基于像素的顺序算法,由此,沿随机路径单次访问离散所关注的储层体积的未采样的地层学网格节点。在每一个节点处,SNESIM模拟程序从通过关于与位于要模拟的节点附近的条件化数据匹配的图案观察训练图像而推断的局部条件分布来绘制相值。如任何类型的相模型那样,MPS相模型接着利用基于变量图的技术填充有储层特性,典型为孔隙度、渗透性以及水饱和度。
序贯高斯模拟(SGS)是为模拟储层特性而传统地使用的基于变量图的技术。在DeutschC.,andJournel,A.(1998)GSLIB:GeostatisticalSoftwareLibraryandUser′sGuide,secondedition,OxfordUniversityPress中描述的SGSIM是储层建模领域的技术人员所公知的SGS模拟程序。然而,作为任何类型的基于变量图的技术,SGS不允许再现储层特性走向,特别是亚相地物走向。通常观察亚相地物岩石类走向(如通道化储层中的从通道轴至通道边缘的减小的孔隙度和渗透性),而且它们可以对储层流动行为具有显著影响。
该问题尽管被储层建模者共同认识到,但仍未解决。鉴于前述内容,存在对解决上述短处的、用于模拟储层特性走向(包括相地物内的岩石类走向)的方法的需要。
发明内容
提供了一种用于对储层特性走向建模的计算机实现的方法和系统。该方法包括以下步骤:在计算机存储装置中存储从所关注的储层体积的一部分采样的并且对应于要建模的储层特性的井数据,和描述该储层特性的预期走向的训练图像;利用具有一个或多个处理器的计算机系统,该一个或多个处理器被配置成与计算机存储装置通信并执行被配置成执行操作的一个或多个计算机程序。在一个实施例中,该操作包括:将储层特性的一个范围的值离散成至少两个类别;将井数据离散成所述至少两个类别以生成分类井数据,并将训练图像离散成所述至少两个类别以生成分类训练图像;利用该分类训练图像,在离散储层体积的地层学网格节点上应用多点统计模拟,以生成以该分类井数据为条件的分类特性模型;针对分类特性模型中的每个类别生成具有该地层学网格节点的子区域,其中按分类特性模型模拟类别;以及在每个子区域中应用基于变量图的模拟,以生成再现每个相关联的子区域的类别直方图并对储层特性走向建模的储层特性模型。
还可以清楚,如果该储层特性处于特定相,则生成储层特性的至少一个附加类别。该附加类别对应于特定相之外的储层特性值,并且在某些实施例中被用作除了分类井数据以外的用于MPS模拟的条件数据,以提供有关用于模拟亚相储层特性走向的相边界的信息。
本发明另一实施例包括被配置成对储层特性走向建模的计算机系统。该系统包括:计算机存储装置,该计算机存储装置用于存储从所关注的储层体积的一部分采样的并且对应于储层特性的井数据,和描述该储层特性的预期走向的训练图像;图形用户接口,具有用户输入装置和显示装置,被配置并布置成显示储层特性走向的至少一个模型;以及至少一个处理器,该至少一个处理器被配置成与计算机存储装置通信并且执行一个或多个计算机程序,该计算机程序被配置成执行以下操作,该操作包括:将要被建模的储层特性的一个范围的值离散成至少两个类别;将井数据离散成所述至少两个类别以生成分类井数据,并将训练图像离散成所述至少两个类别以生成分类训练图像;在离散储层体积的地层学网格节点上应用利用分类训练图像的多点统计模拟,以生成以分类井数据为条件的分类特性模型;针对分类特性模型中的每个类别生成具有地层学网格节点的子区域,其中按分类特性模型模拟类别;以及在每个子区域中应用基于变量图的模拟,以生成再现每个相关联的子区域的类别直方图和对储层特性走向建模的储层特性模型。
本发明的另一实施例包括:根据以下操作汇编的储层特性走向的计算机实现模型:在计算机存储装置中存储从所关注的储层体积的一部分采样的并且对应于要被建模的储层特性的井数据,和描述储层特性的预期走向的训练图像;利用具有一个或多个处理器的计算机系统,该一个或多个处理器被配置成与该计算机存储装置通信并且执行一个或多个计算机程序,该计算机程序被配置成执行以下操作,该操作包括:将要被建模的储层特性的一个范围的值离散成至少两个类别;将井数据离散成所述至少两个类别以生成分类井数据,并将训练图像离散成所述至少两个类别以生成分类训练图像;在离散储层体积的地层学网格节点上应用利用分类训练图像的多点统计模拟,以生成以分类井数据为条件的分类特性模型;针对分类特性模型中的每个类别生成具有地层学网格节点的子区域,其中按分类特性模型模拟类别;以及在每个子区域中应用基于变量图的模拟,以生成再现每个相关联的子区域的类别直方图和对储层特性走向建模的储层特性模型。
为了更好地理解随后的本发明的详细描述,前述内容相当广泛地概述了本发明的特征。在形成本发明权利要求书的主题的下文中,将对本发明的其它特征和优点进行描述。
附图说明
参照下列描述、待审权利要求书以及附图,本发明的这些和其它目的、特征和优点将变得更明白,其中:
图1例示了根据本发明的一个或多个实施例的、利用MPS模拟来对储层特性走向建模的方法;
图2例示了根据本发明的一个或多个实施例的、将一个范围的储层特性值的范围离散成多个类别;
图3A和3B例示了根据本发明的一个或多个实施例的3D通道模拟;
图4A和4B例示了根据本发明的一个或多个实施例的、通道内的3D孔隙度模拟;
图5A和5B例示了根据本发明的一个或多个实施例的、通道内的3D分类孔隙度模拟;
图6A和6B例示了根据本发明的一个或多个实施例的、通道相的3D孔隙度模拟;以及
图7例示了根据本发明的一个或多个实施例的、用于执行多个方法的计算机系统。
具体实施方式
本发明可以按系统和要由计算机执行的计算机方法的一般背景来描述和实现。这种计算机可执行指令可以包括程序、例程、对象、组件、数据结构、以及可以被用于执行特定任务和处理抽象数据类型的计算机软件技术。本发明的软件实现可针对各种计算平台和环境中的应用以不同语言来编码。应当清楚,本发明的范围和基本原理不限于任何特定的计算机软件技术。
而且,本领域技术人员应当清楚,本发明可以利用硬件和软件配置中的任一个或组合来实践,包括但不限于:具有单一和/或多处理器计算机处理器系统的系统、手持式装置、可编程消费类电子设备、迷你计算机、大型计算机等。本发明还可以在其中通过经由一个或多个数据通信网络链接的服务器或其它处理装置执行任务的分布式计算环境中实践。在分布式计算环境中,程序模块可以位于包括存储器存储装置的本地和远程计算机存储介质两者中。
而且,用于与计算机处理器一起使用的制品(如CD、预记录盘或其它等同装置)可以包括计算机程序存储介质和记录在其上的、用于引导计算机处理器辅助实现和实践本发明的程序部件。这种装置和制品也落入本发明的精神和范围内。
下面,参照附图,对本发明的实施例进行描述。本发明可以按多种方式来实现,例如,包括:系统(包括计算机处理系统)、方法(包括计算机实现方法)、设备、计算机可读介质、计算机程序产品、图形用户接口、门户网站、或者有形地固定在计算机可读存储器中的数据结构。下面,对本发明的几个实施例进行讨论。附图仅例示了本发明的典型实施例,并因此不应被视为对其范围和宽度的限制。
图1例示了用于对储层特性走向(包括相地物内的岩石类走向)建模的方法10。下面呈现的方法10的操作旨在是例示性的。在一些实施例中,方法10可以利用未描述的一个或多个附加操作和/或不利用所讨论操作中的一个或多个来完成。另外,其中图1例示和下面描述的方法10的操作的次序不旨在进行限制。
如图1所示,方法10包括操作12,其中,确定分割点(cut-offs)以将要建模的储层特性的一个范围的值离散或变换成至少两个类别。要建模的储层特性通常是储层岩石类特性,例如:孔隙度、渗透性、或含水饱和度。作为示例,储层特性Z的范围可以利用K-1个分割点zk,k=1…K-1离散成数量为K的类别。分割点的数量可以由储层建模者设置,以将储层特性分布划分成等概率区间(bins),或者该分割点可以基于从特性直方图观察或解释的模型或者基于空间特征来确定。标称地,所生成的类别的数量可以在3与10之间改变。
图2例示了根据本发明的一个或多个实施例的、将一个范围的储层特性值离散成多个类别。例如,图2示出了将一个范围的孔隙度均衡分布离散成五个等概率类别。孔隙度值可以从0至25%均衡地改变。利用孔隙度直方图五分位数生成五个等概率类别:类别0对应于在0至5%的范围中的孔隙度值,类别1对应于在5%至10%的范围中的孔隙度值,类别2对应于在10%至15%的范围中的孔隙度值,类别3对应于在15%至20%的范围中的孔隙度值,而类别4对应于在20%至25%的范围中的孔隙度值。
可选的是,在操作14,如果储层特性要按特定相(淀积相或岩石类型)建模,则可以在操作16生成针对储层特性的至少一个附加类别。该附加类别将对应于处于除了其内将对储层特性建模的相以外的任何相内的储层特性值。在一些实施例中,不模拟该附加类别,但提供有关用于条件化亚相岩石类走向的相边界的信息。
在操作22,方法10包括利用先前在操作12选择的类别,将与要建模的储层特性相对应的井数据18离散成分类井数据,并且将描述预期要在地下观察到的针对储层特性的异质性图案/走向的训练图像20离散成分类训练图像。井数据18为本领域技术人员所公知,并且典型地由地层评估专家利用将井日志数据(例如,伽马射线数据)变换成所关注储层特性的方程提供。同样地,训练图像20为本领域技术人员所公知,并且典型地由建模者基于来自储层井和岩心(core)数据的相似物和地质解释的观察而生成。
在操作24,在离散储层体积的地层学网格节点上将MPS模拟应用于分类训练图像,以生成以分类井数据为条件的分类特性模型。根据本发明的一个或多个实施例,诸如SNESIM的MPS程序可以被用于生成分类特性模型。SNESIM可以被用于对任何种类的分类特性建模,即,采取有限数量K的值或状态的任何特性S,例如,使sk,k=1…K成为特性S可以采取的K个不同的状态。针对离散所关注的储层体积的地层学网格节点执行SNESIM模拟。SNESIM编程基于像素的序贯模拟技术,即,沿随机路径仅访问所有模拟网格节点一次,并且所模拟的节点值变为针对该序列中稍后访问的节点的条件化数据。在每个未采样节点u处,使dn为由n个最近的条件化数据S(u1)=s(u1)…S(un)=s(un)定义的数据事件,其可以是原始井或先前模拟的节点值。给定dn的情况下节点u处于状态sk的概率可以利用如方程(1)所示的Bayes关系来估算:
其中,Prob{S(u)=sk和dn}和Prob{dn}是可以根据描述要模拟的地质图案的类型的训练图像推断的MPS动差(mement):
1、Prob{dn}=c(dn)/NTI,其中,NTI是训练图像的尺寸,而c(dn)是可以在训练图像中找到的条件化数据事件dn的副本的数量。副本意指与dn具有相同几何构造和相同数据值的训练数据事件。
2、Prob{S(u)=sk和dn}=ck(dn)/NTI,其中,ck(dn)是c(dn)个先前副本中的、与状态sk中的中心值S(u)相关联的训练副本的数量。
位置u处出现状态sk的条件概率接着被标识为如方程(2)所示的dn个训练副本的中心值中的状态sk的比例:
Prob{S(u)=sk|dn}=ck(dn)/c(dn)(2)
代替在每个未采样节点扫描训练图像以根据方程(2)推断局部相概率函数,诸如SNESIM的MPS模拟程序可以使用被称作搜索树的动态数据结构,以存储可以针对给定条件化数据邻域或数据模板来从训练图像推断所有的MPS动差。
利用搜索树的常规多网格MPS模拟程序还在美国专利号7516055Multiple-PointStatistics(MPS)SimulationwithEnhancedComputationalEfficiency中进行了描述,其被本专利申请的受让人所拥有,并且通过引用全部并入于此。如在U.S.7516055中详细说明的,生成地层学网格节点,其要被用于对所关注的储层建模。生成训练图像,其反映建模者的、可以存在于储层中的地层学图案和异质性的构思。为了捕获对储层的宽泛概述,并且为了限制计算中的节点数,选择与地层学网格相对应的初始粗网格节点。接着利用井数据和训练图像来模拟属性(即,相值)。优选的是,这些属性利用下面将要更详细描述的MPS模拟步骤来模拟。
在确定粗网格处的这些初始属性之后,通过将附加节点加入网格中来细化网格。这种更细的网格或工作网格包括先前对其模拟属性的节点。这些节点因已经指配了属性而被称为已通知节点。该已通知节点可以包括已知井数据或模拟值。加入工作网格的尚未获知属性的附加节点被称作未通知节点。
节点的数据模板接着从该细化的工作网格节点中选择。训练图像接着利用数据模板来扫描以生成搜索树。未通知节点的属性接着从搜索树顺序地确定。利用中间子网格来减小数据搜索模板和/或在多网格模拟中优先由先前模拟的节点构成的数据模板的大小允许显著节省存储器和cpu时间。
接着检查该工作网格,以查看其精细度是否与地层学网格的精细度相匹配。如果是,则所有节点已经被指配了属性。如果不是,则工作网格的精细度被增强,并且通过重复上述操作来确定附加未通知节点的属性,直到工作网格在数量上与地层学网格相匹配,并且所有属性(如相类型)已经被确定。
图3A和3B例示了根据本发明的一个或多个实施例的、要在其中对孔隙度走向建模的通道相的3D模拟的示例:3A例示了通道相训练图像;而3B例示了MPS通道相模型。这些图例示了水平层和垂直截面中的通道模拟。图3A所示的3D训练图像利用无条件的基于对象的技术来生成,该技术是本领域技术人员所公知的建模技术。训练图像描绘了预期在尺度和取向方面与所关注的储层体积中的通道类似的3D蜿蜒通道。已经生成了地层学网格节点以将所关注的储层体积离散成70×70×20个节点。对该网格执行并且在图3B中被示出的对应的MPS模拟实现再现了训练图像的通道图案。
在该例子中使用MPS相模型完全是例示性的。本发明既不需要使用相模型,也不需要使用用于生成这种相模型的MPS模拟。可以在不需要相模型的情况下,或者在利用任何相建模技术(包括本领域技术人员所公知的、基于对象的技术或基于变量图的技术,如SIS(序贯指示模拟))生成的相模型内,将本发明应用于对储层特性走向建模。
SGS是通常用于模拟储层特性的基于变量图的技术。SGSIM是SGS模拟程序,其对于储层特性建模领域的技术人员尤其是公知的。然而,正如任何基于变量图的模拟技术,SGS无法对储层特性走向,如复杂孔隙度/渗透性异质性图案和从通道轴至通道边缘减小或增加的孔隙度走向建模。然而,这种储层特性走向可以对储层流动行为具有显著影响。
作为一示例,图4A和4B例示了根据本发明的一个或多个实施例的通道内的3D孔隙度模拟:图4A例示了SGS孔隙度模型;图4B例示了这些通道内的预期孔隙度走向的概念性地质模型。图4A和4B示出了图4A中的、利用图3B的通道内的SGS获取的孔隙度模型与图4B示出的针对通道的预期孔隙度走向的概念性地质模型的比较。概念性地质模型中的孔隙度走向(在这种情况下为从通道轴至通道边缘的减小的孔隙度横向走向)是这样生成的:通过利用随机分量将线性函数应用于图3A中的训练图像通道的地层学坐标,跟着是直方图变换以再现图2所示的0与25%之间的孔隙度的全局均衡分布而生成。图4A中的SGS模型再现该孔隙度均衡分布和孔隙度变量图(具有沿通道主取向10个单元的最大范围、5个单元的最小范围、以及6个单元的垂直范围的球形变量图,其在这个示例中是从图4B的概念性地质孔隙度模型推断出的)。然而,图4B中的概念性地质孔隙度模型的横向孔隙度走向在图4A的常规SGS孔隙度模型中不被捕获。
返回参照图1,在操作24,任何所述MPS模拟程序(例如,包括在美国专利7516055中描述的SNESIM或MPS程序)可以根据本发明的一个或多个实施例来使用。针对分类特性模型的目标类别比例是在在操作12离散储层特性的范围/分布值之后获取的类别比例。
在一些实施例中,当在操作14确定储层特性要在特定相内模拟时,则MPS程序被修改成如下考虑在操作16生成的附加类别:
1、在MPS模拟之前,处于其中要模拟储层特性的特定相之外的所有网格节点被指配给这些附加类别中的一个,并接着被用作除了分类井数据以外的用于MPS模拟的条件化数据。与这些附加类别相对应的那些附加条件化数据提供有关用于模拟亚相地层学走向的相边界的信息。
2、在一些实施例中,这些附加类别不在要模拟储层特性的特定相内模拟,并且可以模拟在操作12确定的初始类别。
作为一示例,图5A和5B例示了根据本发明的一个或多个实施例的、通道内的3D分类孔隙度模拟:图5A例示了分类训练图像;图5B例示了MPS分类孔隙度模型。图5A示出了在利用图2所示的五个(5)等概率类别(0至4)根据图4B的概念性模型离散该范围的孔隙度(在0与25%之间的均衡分布)之后获得的分类训练图像。因为在这个示例中连续孔隙度(在该情况下为孔隙度)仅仅要在通道相地物内建模,所以将附加第六类别(图2中未示出)加入以表示通道相地物之外的孔隙度,其在这个示例中为非常低的孔隙度的背景泥。注意图4B和5A之间的接近相似性,其示出了五种类型在这种情况下足以捕获通道内孔隙度异质性,其在这个示例下是从通道轴至通道边缘的减小的孔隙度横向走向。
图5B显示了通过在图3B的模拟通道内应用MPS模拟程序而获取的孔隙度类别的对应分类特性模型模拟实现。该模拟利用图5A的分类孔隙度训练图像来执行。在该非限制例中,分类0至4在通道相地物内被模拟;被加入以表示通道之外的孔隙度的类别5未被模拟。因为五分位数被用于在操作12将孔隙度分布离散成五个(5)等概率类别,所以MPS分类特性模型中的目标类别比例针对每个类别通常为0.2。分类孔隙度训练图像中的相类别的空间分布在分类特性MPS模型中良好地再现。
在图1的操作26,从在操作24生成的MPS分类特性模型在地层学网格中生成子区域。在一些实施例中,每类别生成一个子区域。针对每个类别,该子区域包括地层学网格节点,其中按MPS分类特性模型模拟该类别。
在图1的操作28,基于变量图的模拟方法在每个子区域中被应用以生成再现每个关联子区域的类别直方图的储层特性模型;其中,该储层特性模型对储层特性走向建模。
基于变量图的模拟方法典型为序贯高斯模拟(SGS),其是储层建模领域的技术人员所公知的。SGS是基于像素的序贯模拟技术,由此,沿随机路径单次访问离散所关注的储层体积的未采样的地层学网格节点。在沿该随机路径访问的每个节点处,SGS由以下步骤组成:
1、搜索最近的条件化数据(井数据和先前模拟节点);
2、利用对要建模的储层特性的空间连续性建模的变量图,通过kriging来计算局部条件概率分布;以及
3、在一些实施例中,利用Monte-Carlo绘制来自局部条件概率分布的值,并将该值指配给该节点;该模拟的值将被用于条件化稍后沿该随机路径访问的节点的模拟。
SGS需要通过储层特性模型再现的目标直方图作为输入。该目标直方图被用于在模拟之前先将原始井数据变换成正常得分数据,并接着反向变换模拟的正常得分值,以再现该原始目标直方图。
在从分类特性模型生成的每个子区域中,被用于执行SGS的目标特性直方图是与和该子区域相关联的类别相对应的储层特性值的分布。该变量图可以从概念性地质特性模型作为整体或者按类别来推断(即,通过仅根据与和被模拟的子区域相关联的类别相对应的特性值来推断该直方图)。
在一些实施例中,为确保跨子区域边界的连续性,针对不同子区域执行的SGS模拟同时进行,并且将来自任何子区域的井数据和先前模拟的节点用于模拟其它子区域中的节点。生成随机路径以访问所有子区域中的所有节点,作为非限制的例子,沿该随机路径访问的每个节点被模拟如下:
1、搜索最近的条件化数据(井数据和先前模拟的节点)。针对位于与被模拟的节点不同的子区域中的条件化数据,利用被模拟的节点所位于的子区域的目标特性直方图来执行正常得分变换。
2、在一些实施例中,利用被模拟的节点所位于的子区域的变量图模型,通过kriging来计算局部条件概率分布;并且
3、在一些实施例中,利用Monte-Carlo绘制来自局部条件概率分布的值,并将该值指配给节点;该模拟值可以被用于条件化稍后沿该随机路径访问的节点的模拟。
图6A和6B例示了根据本发明的一个或多个实施例的、通道内的3D孔隙度模拟:图6A例示了储层特性训练图像;而图6B例示了连续MPS特性模型。具体来说,图6B示出了通过根据图5B的MPS分类孔隙度模型生成子区域并接着在每个子区域中进行SGS而获取的(在该情况下的)孔隙度的储层特性模型。在每个子区域中,目标直方图对应于与和该子区域相关联的类别相对应的储层特性值的分布。在这种情况下,其中,根据图2所示的在0至25%的范围中的孔隙度的均衡分布来定义,目标直方图对应于针对类别0从0至5%、针对类别1从5%至10%、针对类别2从10%至15%、针对类别3从15%至20%,以及针对类别4从20%至5%的均衡孔隙度分布。该变量图,即具有沿通道主取向10个单元的最大范围、五(5)个单元的最小范围,以及六(6)个单元的垂直范围的球形结构,从图4B的整个概念性地质孔隙度概念性模型被推断出,其再次在图6A中显示,以与储层特性模型相比较。非常好地再现了通道内的横向孔隙度走向。
图7例示了根据本发明的一个或多个实施例的、用于执行图1的方法10的计算机系统200。该计算机系统200包括电子存储介质,至少一个数据存储装置和/或存储器202。所存储的数据可以被制成可用于至少一个处理器204,如可编程通用计算机或其它处理装置。处理器204可以包括接口组件,如至少一个显示器206和至少一个图形用户接口208。该图形用户接口可以被用于显示数据和经处理的数据产物两者,并且允许用户在用于实现图1的方法10的多个方面的选项当中选择。数据可以直接从数据获取装置或者从中间存储或处理设施(未示出)经由总线210向系统200传递。
虽然在前述说明书中,针对本发明的特定优选实施例对本发明进行了描述,并且出于例示的目的对许多细节进行了阐述,但本领域技术人员应当明白,本发明易于改变,并且在不脱离本发明的基本原理的情况下,可以显著改变在此描述的特定其它细节。在此引用的所有专利和公报都通过引用没有与此不一致的范围而并入于此。
Claims (20)
1.一种用于对储层特性走向建模的计算机实现的方法,该方法包括以下步骤:
在计算机存储装置中存储从所关注的储层体积的一部分采样的并且对应于要建模的储层特性的井数据、和描述该储层特性的预期走向的训练图像;
利用具有一个或多个处理器的计算机系统,该一个或多个处理器被配置成与计算机存储装置通信并且执行一个或多个计算机程序,该一个或多个计算机程序被配置成执行以下操作,该操作包括:
将储层特性的一个范围的值离散成至少两个类别;
将井数据离散成所述至少两个类别以生成分类井数据,并将训练图像离散成所述至少两个类别以生成分类训练图像;
在离散该储层体积的地层学网格节点上利用分类训练图像应用多点统计模拟,以生成以分类井数据为条件的分类特性模型;
针对分类特性模型中的每个类别生成包括地层学网格节点的子区域,其中已经按分类特性模型模拟了该类别;以及
在每个子区域中应用基于变量图的模拟,以生成再现每个相关联的子区域的类别直方图并对储层特性走向建模的储层特性模型。
2.根据权利要求1所述的方法,其中,井数据根据从储层体积采样的井日志数据导出,并且对应于要建模的储层特性。
3.根据权利要求1所述的方法,其中,训练图像从储层井数据和岩心数据的地质解释和/或储层类似物生成。
4.根据权利要求1所述的方法,其中,要建模的储层特性是岩石类特性。
5.根据权利要求1所述的方法,其中,类别的数量将储层特性分布划分成等概率区间。
6.根据权利要求1所述的方法,其中,类别的数量是基于从储层特性的直方图解释的模型来确定的。
7.根据权利要求1所述的方法,其中,如果储层特性要按特定相建模,则生成储层特性的至少一个附加类别。
8.根据权利要求7所述的方法,其中,所述至少一个附加类别对应于该特定相之外的储层特性值。
9.根据权利要求8所述的方法,其中,所述至少一个附加类别被用作除了该分类井数据以外的用于MPS模拟的条件化数据,以提供有关用于模拟亚相储层特性走向的相边界的信息。
10.根据权利要求1所述的方法,其中,该基于变量图的模拟利用从概念性地质储层特性模型计算的变量图。
11.一种用于对储层特性走向建模的计算机实现的系统,该系统包括:
用于将要建模的储层特性的一个范围的值离散成至少两个类别的部件;
用于将井数据离散成所述至少两个类别以生成分类井数据,并将训练图像离散成所述至少两个类别以生成分类训练图像的部件;
用于在离散储层体积的地层学网格节点上利用分类训练图像应用多点统计模拟,以生成以分类井数据为条件的分类特性模型的部件;
用于针对分类特性模型中的每个类别生成包括地层学网格节点的子区域的部件,其中已经按分类特性模型模拟了该类别;以及
用于在每个子区域中应用基于变量图的模拟,以生成再现每个相关联的子区域的类别直方图并对储层特性走向建模的储层特性模型的部件。
12.根据权利要求11所述的系统,其中,井数据根据从储层体积采样的井日志数据导出,并且对应于要建模的储层特性。
13.根据权利要求11所述的系统,其中,训练图像从储层井数据和岩心数据的地质解释和/或储层类似物生成。
14.根据权利要求11所述的系统,其中,要建模的储层特性是岩石类特性。
15.根据权利要求11所述的系统,其中,类别的数量将储层特性分布划分成等概率区间。
16.根据权利要求11所述的系统,其中,类别的数量是基于从储层特性的直方图解释的模型来确定的。
17.根据权利要求11所述的系统,还包括用于如果储层特性要按特定相建模,则生成储层特性的至少一个附加类别的部件。
18.根据权利要求17所述的系统,其中,所述至少一个附加类别对应于该特定相之外的储层特性值。
19.根据权利要求18所述的系统,其中,所述至少一个附加类别被用作除了分类井数据以外的用于MPS模拟的条件化数据,以提供有关用于模拟亚相储层特性走向的相边界的信息。
20.根据权利要求11所述的系统,其中,该基于变量图的模拟利用从概念性地质储层特性模型计算的变量图。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/713,871 | 2010-02-26 | ||
US12/713,871 US8452580B2 (en) | 2010-02-26 | 2010-02-26 | Method and system for using multiple-point statistics simulation to model reservoir property trends |
PCT/US2011/023494 WO2011106135A2 (en) | 2010-02-26 | 2011-02-02 | Method and system for using multiple-point statistics simulation to model reservoir property trends |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102713683A CN102713683A (zh) | 2012-10-03 |
CN102713683B true CN102713683B (zh) | 2016-04-06 |
Family
ID=44505759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180006147.6A Active CN102713683B (zh) | 2010-02-26 | 2011-02-02 | 用于利用多点统计模拟来对储层特性走向建模的方法和系统 |
Country Status (8)
Country | Link |
---|---|
US (1) | US8452580B2 (zh) |
EP (1) | EP2539844B1 (zh) |
CN (1) | CN102713683B (zh) |
AU (1) | AU2011218878B2 (zh) |
BR (1) | BR112012017182A2 (zh) |
CA (1) | CA2790812C (zh) |
EA (1) | EA201290832A1 (zh) |
WO (1) | WO2011106135A2 (zh) |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9372943B2 (en) | 2008-05-05 | 2016-06-21 | Exxonmobil Upstream Research Company | Modeling dynamic systems by visualizing and narrowing a parameter space |
WO2010056427A1 (en) | 2008-11-14 | 2010-05-20 | Exxonmobil Upstream Research Company | Forming a model of a subsurface region |
US9128212B2 (en) | 2009-04-20 | 2015-09-08 | Exxonmobil Upstream Research Company | Method for predicting fluid flow |
CN102640163B (zh) | 2009-11-30 | 2016-01-20 | 埃克森美孚上游研究公司 | 用于储层模拟的适应性牛顿法 |
CN102870087B (zh) | 2010-04-30 | 2016-11-09 | 埃克森美孚上游研究公司 | 流体有限体积仿真的方法和系统 |
CA2803068C (en) | 2010-07-29 | 2016-10-11 | Exxonmobil Upstream Research Company | Method and system for reservoir modeling |
EP2599023B1 (en) | 2010-07-29 | 2019-10-23 | Exxonmobil Upstream Research Company | Methods and systems for machine-learning based simulation of flow |
US10087721B2 (en) | 2010-07-29 | 2018-10-02 | Exxonmobil Upstream Research Company | Methods and systems for machine—learning based simulation of flow |
CA2807300C (en) | 2010-09-20 | 2017-01-03 | Exxonmobil Upstream Research Company | Flexible and adaptive formulations for complex reservoir simulations |
US9626466B2 (en) | 2010-11-23 | 2017-04-18 | Exxonmobil Upstream Research Company | Variable discretization method for flow simulation on complex geological models |
EP2756382A4 (en) | 2011-09-15 | 2015-07-29 | Exxonmobil Upstream Res Co | MATRIX AND VECTOR OPERATIONS OPTIMIZED IN LIMITED INSTRUCTION ALGORITHMS THAT COMPLETE EOS CALCULATIONS |
US9279905B2 (en) | 2011-09-30 | 2016-03-08 | Total Sa | Method for extracting a thumbnail image from a training image so as to constrain the multipoint geostatistical modeling of the subsoil |
US9146903B2 (en) * | 2011-11-15 | 2015-09-29 | Chevron U.S.A. Inc. | Method of using spatially independent subsets of data to calculate vertical trend curve uncertainty of spatially correlated reservoir data |
WO2013148021A1 (en) | 2012-03-28 | 2013-10-03 | Exxonmobil Upstream Research Company | Method for mutiphase flow upscaling |
US9116258B2 (en) | 2012-04-03 | 2015-08-25 | Schlumberger Technology Corporation | Parallel multipoint geostatistics simulation |
US9140821B2 (en) * | 2012-04-03 | 2015-09-22 | Schlumberger Technology Corporation | Ordered multipoint geostatistics simulation using non-symmetric search mask |
US9684084B2 (en) * | 2012-05-01 | 2017-06-20 | Saudi Arabian Oil Company | Three-dimensional multi-modal core and geological modeling for optimal field development |
US9164193B2 (en) | 2012-06-11 | 2015-10-20 | Chevron U.S.A. Inc. | System and method for optimizing the number of conditioning data in multiple point statistics simulation |
US8666149B2 (en) | 2012-08-01 | 2014-03-04 | Chevron U.S.A. Inc. | Method for editing a multi-point facies simulation |
US9121971B2 (en) | 2012-08-01 | 2015-09-01 | Chevron U.S.A. Inc. | Hybrid method of combining multipoint statistic and object-based methods for creating reservoir property models |
EP2901363A4 (en) | 2012-09-28 | 2016-06-01 | Exxonmobil Upstream Res Co | ERROR REMOVAL IN GEOLOGICAL MODELS |
US9262721B2 (en) * | 2012-11-14 | 2016-02-16 | Repsol, S.A. | Automatically selecting analogous members for new population members based on incomplete descriptions, including an uncertainty characterzing selection |
CA2889722C (en) | 2012-12-13 | 2018-07-03 | Landmark Graphics Corporation | System, method and computer program product for evaluating and ranking geobodies using a euler characteristic |
RU2652172C2 (ru) * | 2013-11-08 | 2018-04-25 | Шлюмбергер Текнолоджи Б.В. | Стратиграфическая и структурная интерпретация наклонных и горизонтальных стволов скважин |
US20150317419A1 (en) * | 2014-05-01 | 2015-11-05 | Conocophillips Company | Local direct sampling method for conditioning an existing reservoir model |
AU2015298233B2 (en) | 2014-07-30 | 2018-02-22 | Exxonmobil Upstream Research Company | Method for volumetric grid generation in a domain with heterogeneous material properties |
US10359523B2 (en) | 2014-08-05 | 2019-07-23 | Exxonmobil Upstream Research Company | Exploration and extraction method and system for hydrocarbons |
EP3213125A1 (en) | 2014-10-31 | 2017-09-06 | Exxonmobil Upstream Research Company Corp-urc-e2. 4A.296 | Methods to handle discontinuity in constructing design space for faulted subsurface model using moving least squares |
AU2015338996B2 (en) | 2014-10-31 | 2018-03-22 | Exxonmobil Upstream Research Company | Managing discontinuities in geologic models |
WO2016069171A1 (en) | 2014-10-31 | 2016-05-06 | Exxonmobil Upstream Research Company | Handling domain discontinuity in a subsurface grid model with the help of grid optimization techniques |
WO2017007924A1 (en) | 2015-07-08 | 2017-01-12 | Conocophillips Company | Improved geobody continuity in geological models based on multiple point statistics |
CN109072692B (zh) * | 2016-05-04 | 2021-03-26 | 沙特阿拉伯石油公司 | 利用集成静态井底压力勘测数据和模拟建模的二维储层压力估计的方法 |
WO2018027003A1 (en) * | 2016-08-05 | 2018-02-08 | Chevron U.S.A. Inc. | System and method for petro-elastic modeling |
EP3559401B1 (en) | 2016-12-23 | 2023-10-18 | ExxonMobil Technology and Engineering Company | Method and system for stable and efficient reservoir simulation using stability proxies |
CN110214229B (zh) * | 2017-01-31 | 2021-10-15 | 西门子歌美飒可再生能源公司 | 具有磁性联接的轴承盖的转子轴承 |
CN107292002B (zh) * | 2017-06-06 | 2021-01-01 | 中国石油天然气股份有限公司 | 一种数字岩心重构的方法及装置 |
AU2017424316A1 (en) * | 2017-07-21 | 2020-01-02 | Landmark Graphics Corporation | Deep learning based reservoir modeling |
CN107784169B (zh) * | 2017-10-11 | 2020-10-13 | 上海电力学院 | 基于变差函数及孔隙度的多孔介质表征单元体确定方法 |
CN108931811B (zh) * | 2018-05-17 | 2019-10-08 | 长江大学 | 基于多点地质统计的地震储层反演方法 |
US20210293132A1 (en) * | 2018-07-31 | 2021-09-23 | Shell Oil Company | Process for real time geological localization with greedy monte carlo |
EP3623570A1 (en) * | 2018-09-14 | 2020-03-18 | Shell Internationale Research Maatschappij B.V. | Process for real time geological localization with stochastic clustering and pattern matching |
US20200059539A1 (en) * | 2018-08-20 | 2020-02-20 | Landmark Graphics Corporation | Cloud-native reservoir simulation |
CN109358364B (zh) * | 2018-10-29 | 2020-05-15 | 中国石油大学(北京) | 一种建立地下暗河储集体地质模型的方法、装置及系统 |
US11604909B2 (en) | 2019-05-28 | 2023-03-14 | Chevron U.S.A. Inc. | System and method for accelerated computation of subsurface representations |
US11249220B2 (en) | 2019-08-14 | 2022-02-15 | Chevron U.S.A. Inc. | Correlation matrix for simultaneously correlating multiple wells |
US11187826B2 (en) | 2019-12-06 | 2021-11-30 | Chevron U.S.A. Inc. | Characterization of subsurface regions using moving-window based analysis of unsegmented continuous data |
US10984590B1 (en) | 2019-12-06 | 2021-04-20 | Chevron U.S.A. Inc. | Generation of subsurface representations using layer-space |
US11010969B1 (en) | 2019-12-06 | 2021-05-18 | Chevron U.S.A. Inc. | Generation of subsurface representations using layer-space |
CN111175819B (zh) * | 2020-01-06 | 2022-02-18 | 中国石油化工股份有限公司 | 井震多级约束的砂砾岩扇体沉积相带精细划分方法 |
US11320566B2 (en) | 2020-01-16 | 2022-05-03 | Chevron U.S.A. Inc. | Multiple well matching within subsurface representation |
US11263362B2 (en) | 2020-01-16 | 2022-03-01 | Chevron U.S.A. Inc. | Correlation of multiple wells using subsurface representation |
US11397279B2 (en) | 2020-03-27 | 2022-07-26 | Chevron U.S.A. Inc. | Comparison of wells using a dissimilarity matrix |
CN114817854B (zh) * | 2022-03-28 | 2024-04-12 | 山西大学 | 一种面向连续值变量基于线性回归的快速多点模拟方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101366041A (zh) * | 2005-12-22 | 2009-02-11 | 雪佛龙美国公司 | 利用溶气驱重油进行储层模拟的方法、系统和程序存储设备 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4981037A (en) * | 1986-05-28 | 1991-01-01 | Baroid Technology, Inc. | Method for determining pore pressure and horizontal effective stress from overburden and effective vertical stresses |
GB9214482D0 (en) * | 1992-07-08 | 1992-08-19 | Armitage Kenneth | Sequence property interpretation & risk analysis link |
US5767399A (en) * | 1996-03-25 | 1998-06-16 | Dresser Industries, Inc. | Method of assaying compressive strength of rock |
US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
IE960881A1 (en) * | 1996-12-13 | 1998-07-01 | Ronan Francis O Doherty | Method of distinguishing geological sequences and their¹boundaries |
US6044328A (en) * | 1997-12-01 | 2000-03-28 | Schlumberger Technology Corporation | Method for creating, testing, and modifying geological subsurface models |
US6035255A (en) * | 1997-12-01 | 2000-03-07 | Schlumberger Technology Corporation | Article of manufacturing for creating, testing, and modifying geological subsurface models |
US6070125A (en) * | 1997-12-01 | 2000-05-30 | Schlumberger Technology Corporation | Apparatus for creating, testing, and modifying geological subsurface models |
US6295504B1 (en) * | 1999-10-25 | 2001-09-25 | Halliburton Energy Services, Inc. | Multi-resolution graph-based clustering |
US6480790B1 (en) * | 1999-10-29 | 2002-11-12 | Exxonmobil Upstream Research Company | Process for constructing three-dimensional geologic models having adjustable geologic interfaces |
US6438493B1 (en) * | 2000-09-29 | 2002-08-20 | Exxonmobil Upstream Research Co. | Method for seismic facies interpretation using textural analysis and neural networks |
US6560540B2 (en) * | 2000-09-29 | 2003-05-06 | Exxonmobil Upstream Research Company | Method for mapping seismic attributes using neural networks |
US6477469B2 (en) * | 2001-01-08 | 2002-11-05 | Halliburton Energy Services, Inc. | Coarse-to-fine self-organizing map for automatic electrofacies ordering |
US7188092B2 (en) * | 2002-07-12 | 2007-03-06 | Chroma Energy, Inc. | Pattern recognition template application applied to oil exploration and production |
US7295706B2 (en) * | 2002-07-12 | 2007-11-13 | Chroma Group, Inc. | Pattern recognition applied to graphic imaging |
US6912467B2 (en) * | 2002-10-08 | 2005-06-28 | Exxonmobil Upstream Research Company | Method for estimation of size and analysis of connectivity of bodies in 2- and 3-dimensional data |
US20060041409A1 (en) * | 2004-08-20 | 2006-02-23 | Chevron U.S.A. Inc. | Method for making a reservoir facies model utilizing a training image and a geologically interpreted facies probability cube |
US7516055B2 (en) * | 2004-08-20 | 2009-04-07 | Chevron U.S.A. Inc | Multiple-point statistics (MPS) simulation with enhanced computational efficiency |
US7630517B2 (en) * | 2005-07-13 | 2009-12-08 | Schlumberger Technology Corporation | Computer-based generation and validation of training images for multipoint geostatistical analysis |
US7706981B2 (en) * | 2007-02-08 | 2010-04-27 | Chevron U.S.A. Inc. | Method for generating reservoir models utilizing synthetic stratigraphic columns |
-
2010
- 2010-02-26 US US12/713,871 patent/US8452580B2/en active Active
-
2011
- 2011-02-02 BR BR112012017182A patent/BR112012017182A2/pt not_active IP Right Cessation
- 2011-02-02 EA EA201290832A patent/EA201290832A1/ru unknown
- 2011-02-02 CA CA2790812A patent/CA2790812C/en active Active
- 2011-02-02 EP EP11747844.6A patent/EP2539844B1/en not_active Not-in-force
- 2011-02-02 AU AU2011218878A patent/AU2011218878B2/en active Active
- 2011-02-02 WO PCT/US2011/023494 patent/WO2011106135A2/en active Application Filing
- 2011-02-02 CN CN201180006147.6A patent/CN102713683B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101366041A (zh) * | 2005-12-22 | 2009-02-11 | 雪佛龙美国公司 | 利用溶气驱重油进行储层模拟的方法、系统和程序存储设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2011106135A2 (en) | 2011-09-01 |
WO2011106135A3 (en) | 2011-12-22 |
US20110213600A1 (en) | 2011-09-01 |
AU2011218878A1 (en) | 2012-06-21 |
EP2539844A4 (en) | 2017-03-22 |
CA2790812A1 (en) | 2011-09-01 |
BR112012017182A2 (pt) | 2016-04-19 |
EP2539844A2 (en) | 2013-01-02 |
CA2790812C (en) | 2018-04-24 |
CN102713683A (zh) | 2012-10-03 |
EA201290832A1 (ru) | 2013-02-28 |
US8452580B2 (en) | 2013-05-28 |
AU2011218878B2 (en) | 2015-06-11 |
EP2539844B1 (en) | 2021-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102713683B (zh) | 用于利用多点统计模拟来对储层特性走向建模的方法和系统 | |
US7424415B2 (en) | Automated system for modeling faulted multi-valued horizons | |
Roy et al. | Generative topographic mapping for seismic facies estimation of a carbonate wash, Veracruz Basin, southern Mexico | |
Abdulraheem et al. | Prediction of rock mechanical parameters for hydrocarbon reservoirs using different artificial intelligence techniques | |
US20060041410A1 (en) | Multiple-point statistics (MPS) simulation with enhanced computational efficiency | |
CN105593703A (zh) | 根据基于核心的岩石定型构建并通过岩石置换建模增强的模拟到地震工作流程 | |
Journel | Beyond covariance: the advent of multiple-point geostatistics | |
Vann et al. | An overview of geostatistical simulation for quantifying risk | |
Chambers et al. | Petroleum geostatistics for nongeostaticians: Part 2 | |
Korjani et al. | Reservoir characterization using fuzzy kriging and deep learning neural networks | |
Peng et al. | Experimental design in deterministic modelling: assessing significant uncertainties | |
Mohmad et al. | History matching of production performance for highly faulted, multi layered, clastic oil reservoirs using artificial intelligence and data analytics: A novel approach | |
Alfaleh et al. | Topological data analysis to solve big data problem in reservoir engineering: Application to inverted 4D seismic data | |
Silva et al. | A multiple training image approach for spatial modeling of geologic domains | |
Pan et al. | Efficient subsurface modeling with sequential patch generative adversarial neural networks | |
Gerges et al. | Machine-Learning-Assisted Well-Log Data Quality Control and Preprocessing Lab | |
CN104583809A (zh) | 用于量化在地质盆地或区域中存在碳氢化合物的风险或可能性的方法和相应软件模块 | |
Pasti et al. | Multiple-point geostatistics for modeling lithological domains at a Brazilian iron ore deposit using the single normal equations simulation algorithm | |
Tamhane et al. | The role of geology in stochastic reservoir modelling: the future trends | |
Macé et al. | Improved Resources and Reserves Estimation with the Combined Use of Scenario-Based Geological Models and Flow-Based Connectivity | |
GhojehBeyglou et al. | A geostatistical analysis approach for facies and porosity modelling of a heterogeneous sandstone reservoir to compare four practical stochastic methods. | |
Jessell et al. | Multidimensional topology transforms | |
Singh | Basin analog approach answers characterization challenges of unconventional gas potential in frontier basins | |
Yang | Holistic strategies for prediction uncertainty quantification of contaminant transport and reservoir production in field cases | |
Zhao | Subsurface Digital Twin and Emergence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |