NO340044B1 - Fremgangsmåte for å skape facies-sannsynlighetskuber basert på geologisk tolkning - Google Patents

Description

Foreliggende oppfinnelse angår generelt fremgangsmåter for konstruksjon av reservoarfaciesmodeller, mer spesifikt fremgangsmåter for dannelse av faciessannsynlighetskuber som skal benyttes ved geostatistiske simuleringer for å danne reservoarfaciesmodeller.

Reservoarstrømnmgssimulering benytter typisk en 3D statisk modell av et reservoar. Denne statiske modell omfatter et 3D stratigrafisk gitter (S-grid) som ofte vil omfatte millioner av celler der hver individuelle celle er befolket med egenskaper slik som porøsitet, permeabilitet, og vannmetning. En slik modell benyttes først for å estimere volumet og den romlige distribusjon av hydrokarboner på stedet. Denne reservoarmodell prosesseres så gjennom en strømningssimulator for å predikere olje-og gass-opphentningen og å bistå ved brønnbaneplanleggingen.

Ved petroleums- og grunnvanns-anvendelser vil en realistisk faciesmodellering, før porøsitets-, permeabilitets-, og vannmetnings-modelleringen, være kritisk for å kunne foreta en realistisk strømningsprediksjon som vil tillate identifisering av nye ressursutviklingsmuligheter og for å kunne ta de riktige reservoarhåndteringsavgjørelser, slik som boring f.eks. av en ny brønn. Den vanlige praksis ved faciesmodellering er for det meste basert på variogrambaserte simulermgsteknikker. Et variogram er et statistisk mål på korrelasjonen mellom to romlige lokaliseringer i et reservoar. En variogrammodell oppnås vanligvis fra brønndata.

Disse variogrambaserte simulermgsteknikkene er kjent for å gi modellskaperen en svært begrenset kontroll på kontinuiteten og geometrien til de simulerte facies. Teknikkene kan tilveiebringe rimelige gode prediksjoner og undergrunnsarkitekturen når det foreligger tett atskilte og overflod av data, men de vil vanligvis ikke kunne tilveiebringe adekvatet modeller for reservoarer der det foreligger spredte data innsamlet fra et begrenset antall brønner. Dette vil f.eks. vanligvis være tilfellet vedd dypvanns-undersøkelser og -produksjon der variogrambaserte modeller generelt fremviser en mye høyere stokastisk uensartethet enn det som er forventet ut i fra de begrepsmessige sedimentmodeller tilveiebrakt av geologer.

En nyere modelleringstilnærming, referert til som flerpunkts statistisk simulering, eller MPS, er foreslått av Guardiano og Srivastava, Multivariate Geostatistics: Beyond Bivariate Moments: Geostatistics- Troia, i Soares, A., ed., Geostatistics-Troia: Kluwer, Dordrecht, V. 1, side 133-144, (1993). MPS-simulering er en reserovarfaciesmodellermgsteknikk som benytter begrepsmessige, geologiske modeller som 3D-øvelsesbilder for å generere geologisk realistiske reservoarmodeller. Reservoarmodeller som benytter MPS-metoder har lykkes ganske godt i å predikere den sannsynlige tilstedeværelse og konfigurasjon til facies i reservoarfaciesmodeller.

Mange andre publikasjoner er blitt publisert når det gjelder MPS og dennes anvendelser. Caers, J. og Zhang, T., 2002, Multiple- point Geostatics: A Quantitative Vehicle for Integrating Geologic Analogs into Multiple Reservoir Models, in Grammer, G.M. et al., eds., Integration of Outcrop and Modern Analog Data in Reservoir Models: AAPG Memoir. Strebelle, S., 2000, Sequential Simulation Drawing Structures from Training Images: Doctoral Dissertation, Stanford University. Strebelle, S., 2002, Conditional Simulation of Complex Geological Structures Using Multiple- Point Statistics: Mathematical Geology, V. 34, No. 1. Strebelle, S., Payrazyan, K., og J. Caers, J., 2002, Modeling of a Deepwater Turbidite Reservoir Conditional to Seismic Data Using Multiple- Point Geostatistics, SPE 77425 presentert ved the 2002 SPE Annual Technical Conference and Exhibition, San Antonio, Sept. 29-Oct. 2, Strebelle, S. og Journel, A, 2001, Reservoir Modeling Using Multiple- Point Statistics: SPE 71324 presentert ved the 2001 SPE Annual Technical Conference and Exhibition, New Orleans, Sept. 30-Oct. 3. Øvelsesbilder benyttet ved MPS-simulering beskriver geologiske strukturer som antas å foreligge i undergrunnen. Øvelsesbildene angir ingen romlig informasjon om det aktuelle feltet; de vil bare reflektere en tidligere geologisk, konseptuell modell. Tradisjonelle objektbaserte algoritmer, som ikke er begrenset i forhold til databetinging, kan benyttes for å generere slike beholder. MPS-simuleringen består da av å trekke ut mønstre fra øvelsesbildet, og å knytte disse til lokale data, f.eks. brønnlogger. Inkorporering av geologisk tolkning i reservoarmodeller, slik disse utføres gjennom MPS-simulering som benytter øvelsesbilder, vil være særlig viktig i områder der det foreligger på borede brønner.

En artikkel av Caers, J., Strebelle, S., og Payrazyan, K., Stochastic Integration of Seismic Data and Geologic Scenarios: A West Africa Submarine Channel Saga, The Leading Edge, Mars 2003, beskriver hvordan seismisk tilveiebrakte faciessannsynlighetskuber kan benyttes for ytterligere å forbedre konvensjonelle MPS-simuleringer ved dannelse av reservoarfaciesmodeller. Det dannes en sannsynlighetskube som omfatter estimater av sannsynligheten for tilstedeværelsen av hvert facies for hver celle i det stratigrafiske gitter. Disse sannsynlighetene, sammen med informasjonen fra øvelsesbildene, benyttes så sammen med en spesifikk MPS-algoritme, referert til som SNESIM (Single Normal Equation Simulation), for å konstruere en reservoarfaciesmodell.

Den tidligere nevnte faciessannsynlighetskube ble dannet fra seismiske data ved å anta en rent matematisk tilnærming, hvilket er beskrevet mer detaljert i en artikkel av Scheevel, J.R., og Payrazyan, K., med tittelen Principal Component Analysis Applied to 3D Seismic Data for Reservoir Property Estimation, SPE 56734, 1999. Seismiske data, særlig seismiske amplituder, evalueres ved å benytte hovedkomponentanalyse (PCA)-teknikker for å fremskaffe egenvektorer og egenverdier. Hovedkomponenter evalueres så i en fri cluster analyse. Clustrene korreleres med kjente egenskaper fra brønndata, særlig tolkede facies, for å estimere egenskapene i celler lokalisert i avstand fra brønnene. Faciessannsynlighetskubene fremskaffes fra clustrene.

Både variogrambaserte simuleringer og MPS-simuleringen som benytter seg av de seismisk tilveiebrakte faciessannsynlighetskuber har en felles ulempe. Ingen av disse simuleringsmetoder tar hensyn til verdifull informasjon som bare kan tilveiebringes ved geologers eller geofysikeres tolkninger av de geologiske forhold i reservoaret basert på deres kunnskaper om den sedimentære geologien i området som skal modelleres. Denne informasjon, sammen med kjernedata og seismiske data, kan tilveiebringe viktig informasjon om reservoararkitekturen og den romlige distribusjon av facies i en reservoarmodell.

Det foreligger også sannsynlighetskuber som i stedet for å være matematisk tilveiebrakt ut i fra seismiske data primært vil støtte seg til geologisk tolkning og begrepsbestemmelse. Eksempler på kommersielle faciesmodelleringsprogrammer omfatter PETREL-, ROXAR- og HERESIM-programmene. PETREL-programmet er tilgjengelig fra Technoguide AS Corporation i Oslo, Norge. ROXAR-programvaren selges av ROXAR ASA Public Limited Company i Stavanger, Norge. HERESIM-programmet er tilgjengelig fra Institut Francais du Petrole i Cedex, Frankrike.

Disse programmer vil typisk kombinere vertikal faciesrendinformasjon med kart eller horisontal faciesrendinformasjon for å danne facieskuber. I noen tilfeller, slik som ved ROXAR, vil en modellskaper angir ligninger for å beskrive sannsynligheten for å finne facies i en vertikal seksjon eller i en horisontal- eller kart-seksjon eller en 3D-modell. I andre kommersielt tilgjengelige programmer slik som PETREL kan en modellskaper alternativt direkte digitalisere et faciessannsynlighetskart der modellskaperen forsøke å samtidig gjøre rede for tilstedeværelsen av alle facies i et enkelt kart.

Å foreta samtidige estimater for facieslokaliseringer og sannsynligheter som i høy grad vil være avhengig av en av disse, enten det nå er gjennom digitalisering eller gjennom estimeringsligninger, vil være komplisert og utfordrende. Slike metoder gjør det vanskelig å raskt danne mange sannsynlighetskuber basert på forskjellige geologiske tolkninger og antagelser om hvordan facies er distribuert i et S-gitter. Videre kan algoritmer som brukes til å kombinere vertikal og facieskarttrend-informasjon for å fremskaffe faciessannsynlighetskuber produsere ikke-optimale estimater for sannsynlighetene. Foreliggende oppfinnelse retter seg mot disse ulempene ved dannelsen av slike faciessannsynlighetskuber.

I henhold til den foreliggende oppfinnelse er det tilveiebragt en fremgangsmåte for dannelse av en faciessannsynlighetskube som angitt i krav 1. Det utlegges en fremgangsmåte for dannelse av en faciessannsynlighetskube. Først dannes det et S-gitter representativt for et undergrunnsvolum som inneholder facies. Gitteret omfatter lag og søyler av celler. Vertikale faciesproporsjonsdata for lagene i cellene bestemmes ut i fra kilder slik som brønndata, begrepsbestemmelser av vertikale, geologiske tverrsnitt tatt langs S-gitteret og vertikale proporsjonsgrafer.

Deretter beregnes horisontale eller faciesproporsjons-kartdata. Grenser defineres på et deposenterarealkart for hver facies for å danne deposenterområder der en forekomst av de respektive facies innen S-gitteret vil være sannsynlig. Ideelt sett trekkes grensene for hver facies sekvensielt og generelt uavhengig av hverandre. Noen av deposenterområdene vil typisk overlappe hverandre. Horisontale eller faciesproporsjons-kartdata for søylene i cellene bestemmes så basert på grensene for deposenterområdene. Proporsjonene for hvert facies glattes over dets tilknyttede grense, fra en maksimal verdi ved et deposenter i et respektivt faciesdeposenterområde til en minste verdi lokalisert lateralt i avstand fra deposenteret. Deposenterkartet kan også omfatte trunkeringsområder der spesifikke facies kan foreligge. Motsatt kan det være at spesifikke facies ikke vil foreligge i områder utenfor trunkeringsområdet.

Ideelt sett benyttes et overgangsfilter for å glatte eller overføre de horisontale faciesproporsjonsdata fra en maksimal verdi ved et deposenter til en minste verdi. Overgangsfilteret kan benyttes for å definere en spesifikk lateral avstand over hvilken den relative sannsynlighet for forekomsten av et facies vil avta til null i avstand fra grensen til et deposenterområde. Alternativt kan en kvantitativ invertering av brønndata benyttes for å bestemme optimale parametere som vil styre overgangsiflteret.

De vertikale og horisontale faciesproporsjonsdata integreres så for å danne en faciessannsynlighetskube i hvilken cellene tildeles sannsynligheter for forekomsten av et facies. Denne integrasjon benytter fortrinnsvis en potenstransformasjon. En slik transformasjon tillater at et lag med 0 % eller 100 % vertikal proporsjon for et spesifikt facies å forbli ved 0 % henholdsvis 100 % etter integrasjonen. Transformasjonen tillater videre lag med en vertikal proporsjon mellom 0 % og 100 % for et spesifikt facies å forbli mellom 0 % og 100 %.

Fremgangsmåten for dannelse av faciessannsynlighetskubene tar også hensyn til tilfeller der det foreligger en dominerende eller en minimal horisontal faciesproporsjon for en søyle av celler. En bruker kan definere øvre og nedre terskler for disse faciesproporsjonene. Dersom proporsjonen til et facies faller under eller over disse terskelverdiene vil integrasjonen av de vertikale og horisontale faciesdata benytte seg av spesielt utviklede, vektede faciesproporsjonsdata. Disse data vil ta hensyn til en lav eller høy sannsynlighet for forekomsten av et spesifikt facies i en søyle av celler.

Det er også beskrevet en fremgangsmåte for generering av horisontale faciesproporsjonsdata for et S-gitter. Disse data vil reflektere arealdistribusjonen av facies innen et S-gitteret. Gitteret omfatter lag og søyler av celler. Grenser defineres på et deposenterarealkart for å skissere deposenterområder der respektive facies sannsynligvis vil forekomme innen S-gitteret. Disse deposenterområder defineres fortrinnsvis uavhengig av hverandre for å redusere kompleksiteten som ellers vil foreligge når man prøver å gjøre rede for tilstedeværelsen av alle facies i et S-gitter samtidig. Horisontale faciesproporsjonsdata genereres for søylene av celler basert på de definerte grensene for deposenterområdene der proporsjonen for hvert facies vil variere mellom en maksimal verdi ved et deposenter i et respektivt faciesdeposenterområde og en minste verdi lokalisert lateralt i avstand fra deposenteret. Fortrinnsvis anvendes et overgangsfilter på en deposentergrense for å danne en overgang for faciessannsynlighetene, fra en største til en minste verdi.

Det er et formål med foreliggende oppfinnelse å danne et deposenterarealkart som vil reflektere sannsynligheten for forekomsten av facies i et S-gitter der proporsjonen for et facies vil avta fra en maksimal verdi ved et deposenter i et faciesdeposenterområde til en minste verdi lateralt i avstand fra deposenteret.

Det er et annet formål å benytte et overgangsfilter for å beregne horisontale faciesproporsjonsdata ut i fra definerte grenser for deposenterområder der overgangsfilteret raskt kan endres slik at flere faciessannsynlighetskuber hurtig kan dannes og evalueres.

Enda et formål vil være å benytte en potenstransformasjon ved en integrasjon av vertikale og horisontale faciesproporsjonsdata slik at lag med mellom 0 % og 100 % vertikal proporsjon for et spesifikt facies vil forbli ved disse respektive nivåer også etter integrasjonen.

Et ytterligere formål er å tilveiebringe største og minste terskelverdier for faciesproporsjoner i en søyle av celler der spesielle, vertikale proporsjonsdatamengder benyttes ved en integrasjon av vertikale og horisontale faciesdata når proporsjonen til et facies faller under eller overskrider disse terskelverdier.

Disse og andre formål, trekk og fordeler ved foreliggende oppfinnelse vil bedre forstås i sammenheng med følgende beskrivelse, aktuelle patentkrav og vedlagte tegninger, der: Fig. 1 er et flytskjema som beskriver en foretrukket arbeidsflyt for konstruksjon av en reservoarfaciesmodell dannet i overensstemmelse med foreliggende oppfinnelse; Fig. 2 viser hvordan geologisk tolkning benyttes for å danne 3D øvelsesbilder som så tilpasses tilgjengelige data for å danne en flerpunkts geostatistisk modell; Figurene 3A-B viser respektive skiver og tverrsnitt gjennom et 3D øvelsesbilde som illustrerer de geometriske karakteristikker og tillmytninger for estimerte facies; Figurene 4A-E viser et øvelsesbilde og faciesgeometrisk parametere (kartrissform, tverrsnittsform, dimensjoner, orientering og buktning, respektivt) som benyttes for å fremskaffe facies-geolegemer i øvelsesbildet; Figurene 5A-C angir relasjoner/regler mellom facies som benyttes for å danne øvelsesbildet; Figurene 6A-C illustrerer vertikale og horisontale begrensninger mellom facies; Fig. 7 er en skjematisk tegning av en modellermgsteknikk for faciesdistribusjon benyttet for å danne en geologisk tolket faciessannsynlighetskube, og i siste instans en faciesreservoarmodell; Figurene 8A-B illustrerer en serie facies tilordnet en brønn og korresponderende faciestegnforklaringer; Figurene 9A-B viser en bølgeformet vertikal seksjon tatt fra et S-gitter med fire facies tilordnet fire brønner lokalisert i seksjonen samt denne seksjon etter at den er blitt flatgjort; Fig. 10 viser polygoner som er digitalisert på en vertikal seksjon representativ for modellskaperens oppfattelse av den geologiske tilstedeværelse av facies langs denne seksjon; Fig. 11 er en vertikal proporsjonsgraf som viser estimater for proporsjonen av facies langs hvert lag av en vertikal seksjon der proporsjonen for hvert lag vil addere seg opp til 100 %; Fig. 12 viser et eksempel på en global, vertikal proporsjonsgraf; Fig. 13 illustrerer et deposenter-trendkart som inneholder overlappende faciesdeposenterområder; Figurene 14A-D viser digitaliserte deposenterområder for fire forskjellige facies som indikerer hvor facies sannsynligvis vil forekomme i et areal eller et kartriss av S-gitteret; Figurene 15A-F viser glattingen av et deposenterområde til graderte sannsynlighetskurver ved å benytte et par skuffiltre; Figurene 16A-B viser dominerende og minimale vektingsgrafer benyttet ved dannelsen av vektede, vertikale faciesproporsjonsgrafer; Fig. 17 viser et vertikalt tverrsnitt av et S-gitter benyttet ved dannelsen av den vektede, vertikale faciesproporsjonsgraf; og

Fig. 18 viser en vektet, vertikal faciesproporsjonsgraf.

Fig. 1 viser en arbeidsflyt 100, dannet i overensstemmelse med en foretrukket utførelsesform av foreliggende oppfinnelse, for danning av en reservoarfaciesmodell. Mer spesifikt benytter arbeidsflyten et øvelsesbilde sammen med en geologisk tolket faciessannsynlighetskube som en myk begrensning i en geostatistisk simulering for å danne en reservoarfaciesmodell.

Et første trinn 110 i arbeidsflyten er å danne et S-gitter som er representativt for et undergrunnsområde som skal modelleres. Geometrien til S-gitteret er relatert til reservoarets stratigrafiske korrelasjoner. I trinn 120 dannes øvelsesbilder som vil reflektere den tolkede geometri for hvert facies og forbindelsene mellom fadesene. I trinn 130 dannes så en geologisk tolket faciessannsynlighetskube. Denne faciessannsynlighetskube vil fange opp informasjon i forhold til den absolutte romlige distribusjon av facies i S-gitteret basert på sedimentærgeologisk informasjon og begrepsbestemmelse. Faciessannsynlighetskuben vil fortrinnsvis ta hensyn til lokal facies(hstribusjonsinformasjon, slik som brønndata. I trinn 140 utføres en geostatistisk simulering for å danne en reservoarfaciesmodell.

Fig. 2 illustrerer at betingelsesdata, slik som brønnlogger, så vel som reservoaranaloger, kan benyttes ved en geologisk tolkning for å danne det 3D-øvelsesbildet eller den begrepsmessige, geologiske modell. Reservoarfaciesmodellen genereres ved å gjengi mønstre av det tidligere nevnte øvelsesbildet, fortrinnsvis ved hjelp av MPS-simuleringen, samtidig som det tas hensyn til tilgjengelig betingelsesdata, særlig brønndata og den geologisk tolkede faciessannsynlighetskube.

Et stratigrafisk 3D-gitter (S-gitter) omfattende lag og søyler av celler dannes for å modellere undergrunnsområdet der et eller flere reservoarer skal modelleres. S-gitteret består av penekontemporære lag (lag sedimentert samtidig i geologisk forstand). Gitteret dannes ut i fra horisonter og forkastninger tolket fra den seismiske informasjon, så vel som fra brønnmarkører. Et øvelsesbilde, som er en 3D gjengivelse av det tolkede, geologiske sted i reservoaret, dannes fortrinnsvis innenfor S-gitteret benyttet ved modelleringen av reservoaret. Øvelsesbildet kan imidlertid også genereres på et gitter som er forskjellig fra S-gitteret. Øvelsesbildet konstrueres basert på innhentede stratigrafiske geometrier tilveiebrakt fra brønndata, seismisk tolkning, feltanaloger, frembruddsdata, eller bilder håndtegnet av en geolog.

Flerfaciessøvelsesbilder kan genereres ved å kombinere objekter i henhold til brukerspesifiserte, romlige forhold mellom facies. Disse forhold baseres på sedimentære forhold, slik som erosjon mellom facies, eller den relative, vertikale og horisontale lokaliseringen til facies.

Figurene 3A og 3B illustrerer en horisontal seksjon av et øvelsesbilde og et tverrsnitt av et øvelsesbilde. Forskjellig skyggeleggingen indikerer forskjellige faciestyper. Øvelsesbildene vil ikke inneholde absolutt (bare relativ) romlig informasjon og trenger ikke tilpasses brønner.

En direkte måte å danne øvelsesbilder på, slik som vist i fig. 4A, består i å generere ubetingede, objektbaserte, simulerte realiseringer ved å benytte følgende to-trinns-prosess. Først vil en geolog tilveiebringe en beskrivelse av hvert sedimentære facies som skal benyttes i modellen bortsett i fra et bakgrunnsfacies, som ofte vil bestå av en skiferbergart. Denne beskrivelse vil omfatte den geometriske 3D form av facies-geolegemene, muligvis definert ved en å kombinere en 2D kartform og en 2D tverrsnittsform. F.eks. kan tidevannsandstenger modelleres ved å benytte en ellipsoide som kartrissform og en sigmoide som tverrsnittsform, slik som vist i figurene 4B og 4C.

Dimensjonene (lengde, bredde, og tykkelse) samt hovedorienteringen til facies-geolegemene, slik som illustrert i fig. 4D, kvantifiseres også. I stedet for å anta konstante verdier kan disse parametrene trekkes ut i fra uniforme, triangulære eller Gausiske distribusjoner. Fig. 4E viser at buktningsparametere, nemlig bølgeamplitude og bølgelengde, også kan være påkrevd for noen typer av facieselementer, slik som kanaler.

Videre defineres forhold/sammenhenger mellom facies. I fig. 5A er f.eks. facies 2 vist eroderende facies 1. Fig. 5B angir derimot at facies 2 eroderes av facies 1. I fig. 5C er facies 2 vist inkorporert i facies 1.

Figurene 6A-C angir vertikale og/eller horisontale begrensninger. I fig. 6A foreligger det ingen vertikale begrensninger. I fig. 6B er facies 2 vist begrenset over facies 1. Endelig er facies 2 vist begrenset under facies 1 i fig. 6C.

Fagmenn innenfor faciesmodellering vil innse at andre metoder og verktøyer kan benyttes for å danne faciesøvelsesbilder. Generelt vil disse faciesøvelsesbildene være til hjelp når de benyttes ved pikselbaserte algoritmer for datatilpasning.

En faciessannsynlighetskube dannes basert på geologiske tolkninger som benytter seg av kart, logger, og tverrsnitt. Denne sannsynlighetskube vil tilveiebringe en forbedret kontroll på den romlige distribusjon av facies når en reservoarfaciesmodell dannes. Faciessannsynlighetskuben genereres på det 3D reservoar-S-gitteret som benyttes for å danne reservoarfaciesmodellen. Faciessannsynlighetskuben omfatter sannsynligheten for forekomsten av facies i hver celle i S-gitteret.

Fig. 7 viser at faciessannsynlighetskuben dannes ved å kombinere faciesproporsjonsdata innsamlet ved å benytte vertikale og horisontale seksjoner eller kartseksjoner. I denne foretrakkede utførelsesform fremskaffes de vertikale seksjonsdata ut i fra tolkede facies-brønnlogger, konseptuelle geologiske tverrsnitt, og vertikale proporsjons-seksjoner eller -grafer. Horisontale faciesproporsjonsdata fremskaffes ved å benytte faciesdeposenter-trendkart. Estimater for faciesproporsjonsdata genereres fortrinnsvis ut i fra vertikale seksjoner og kartrisseksjoner digitalisert av modellskaperen. Disse seksjoner vil angi faciestrender som reflekterer kunnskaper om facies ut i fra all tilgjengelig informasjon, omfattende, men ikke begrenset til, data fra brønnlogger, frembraddsdata, kjerner, seismikk, analoger og geologisk ekspertise for et spesifikt stratigrafisk intervall. En algoritme benyttes så for å kombinere informasjonen fra de vertikale og horisontale proporsjonsdata for å konstruere faciessannsynlighetskuben. Denne faciessannsynlighetskube, som i det vesentlige baserer seg på geologisk tolkning, kan så benyttes i en geostatistisk simulering for å danne en reservoarfaciesmodell.

Antallet faciestyper i undergrunnsområdet som skal modelleres bestemmes ideelt sett ut i fra faciesbrønnloggingsdata. Å benytte for mange faciestyper vil ikke være gunstig ved dannelsen av en 3D modell som skal benyttes i en reservoarsimulering. Antallet faciestyper benyttet i en faciessannsynlighetskube vil vanligvis være i fra 2 til 9, og de foretrekkes at modellen omfatter 4 til 6 faciestyper. I et eksempel på en utførelsesform som vil bli beskrevet nedenfor foreligger det 5 faciestyper valgt fra faciesbrønnloggingsdata. Figurene 8A og 8B viser en brønn med tilordnede faciestyper og tilhørende tegnforklaringer. Disse faciestypene omfatter: 1) skifer; 2) tidevanns stenger; 3) tidevannssandflater; 4) estuarsand; og 5) transgresjonsforskyvning. Ytterligere eller forskjellige faciestyper kan selvsagt velges, avhengig av de geologiske forhold i området som skal modelleres.

Faciestyper for kjente brønnlokaliseringer tilordnes så passende lokaliserte celler innen S-gitteret. Siden brønnlogginger generelt samples med en finere skala (-0,5 fot), enn S-gitteret (~2 til 3 fot), kan det foretas et valg om enten å benytte de mest dominerende brønnfaciessdata i en gitt celle, eller brønnfaciesdata-punktet som befinner seg nærmest senteret i cellen. For å bevare sannsynligheten for tynne forekomster kan det å velge det faciesdatapunktet som befinner seg nærmest senteret i cellen være å foretrekke.

Det neste trinn i denne utførelsesform er å danne et vertikalt, geologisk tverrsnitt som vil fange opp det begrepsmessige bildet av hvordan den sedimentære modell av feltet vil se ut. En seksjon kan velges langs hvilken som helst orientering i S-gitteret. Vanligvis velges denne seksjon slik at den vil bli avskjært av så mange brønner som mulig. Linjen som benyttes for å danne denne seksjon kan være rett eller den kan gå i sikksakk.

Fig. 9A illustrerer et eksempel på en seksjon med brønnfaciesdata tilknyttet seksjonen. Denne spesifikke seksjon går i sikksakk og den avskjæres av fire brønner. Seksjonen kan flatgjøres og rettes som vist i fig. 9B. Den flatgjorte seksjon vil gjøre seksjonen enklere å begrepsfastsette og digitalisere. Særlig kan det være ønskelig å flatgjøre overflater som er oversvømte overflater. Dersom overflaten er erodert kan det å ikke flatgjøre overflaten være å foretrekke. I de fleste tilfeller foretrekkes det å rette seksjonen.

Sedimentære polygoner digitaliseres på en vertikal S-gitterseksjon for å danne et geologisk tverrsnitt, slik som vist i fig. 10. Polygonene vil være representative for det beste estimatet for lokaliseringen av geologiske facies-geolegemer i denne seksjon. Faktorer som bør tas med i beregningen ved bestemmelsen av hvordan de sedimentære polygoner skal digitaliseres omfatter kunnskaper om de sedimentære forhold, sedimentære faciesformer, samt forholdet mellom sedimentære facies.

Fig. 11 viser en vertikal proporsjons-seksjon eller -graf som spesifiserer den forventede prosentandel av hver faciestype i hvert lag. For hvert lag vil alle facies-prosentandelene addere seg opp til 100 %. Denne proporsjonsseksjon vil gi en ide om hvordan proporsjonene for hver faciestype har en tendens til å endre seg langs vertikalen.

Generelle, vertikale proporsjonsdata eller en sammensatt, vertikal proporsjonsgraf dannes så ved å kombinere de vertikale proporsjonsgrafer beregnet ved å benytte henholdsvis facies-brønnloggingsdata, de digitaliserte geologiske tverrsnitt, og den vertikale proporsjonsseksjon. Hver vertikale proporsjonsgraf kan vektes i overensstemmelse med sikkerheten om at denne bestemte graf på nøyaktig måte vil representere de vertikale facies-trender eller -distribusjoner av facies. Dersom en geologisk tverrsnittsseksjon f.eks. inneholder mange brønner og mye brønndata kan den tilsvarende, vertikale proporsjonsgraf gis en relativt høy vekting. Dersom bare en eller to brønner er tilgjengelige kan derimot proporsjonsgraf en beregnet fra disse brønndata gis en lav vekting. De vektede proporsjonsgrafer normaliseres så for å tilveiebringe en sammensatt, vertikal proporsjonsgraf der proporsjonene for fadesene i hvert lag vil addere seg opp til 100 %. Et enkelt eksempel på en vertikal proporsjonsgraf er vist i fig. 12.

Det neste trinn er å danne et deposenter-kart for hver facies vist i fig. 13. Et 2D areal-S-gitter som tilsvarer dimensjonene til det øvre lag i 3D-modellen av S-gitteret benyttes for å danne flere deposenter-kartet. Et eller flere polygoner digitaliseres på 2D-kartet for å definere et deposenterområde som sannsynligvis vil inneholde et facies i en eller annen dybde i 3D-S-gitteret. Deposenterområder trenger ikke å være atskilte men kan i stedet overlappe hverandre.

Figurene 14A-D viser grensene for fire deposenterområder digitalisert for fire respektive facies. Et deposenterområde kan omfatte hele området av kartrisset, hvor det da ikke vil være nødvendig med digitalisering (dette refereres til som bakgrunn). I det sentrale området av hvert polygen befinner det seg et deposenter, som er det området under hvilket man ville forvente den største sannsynligheten for forekomsten av et bestemt facies. Det kan også digitaliseres et trunkeringsområde for hvert facies som vil definere et område over hvilket dette facies ikke antas å foreligge. Dvs. at et facies ikke kan eksistere utenfor trunkeringsområdet definert for det respektive facies.

Ideelt sett vil hvert av deposenterområdene bli tegnet uavhengig av hverandre gjennom digitalisering. Selv om det kan tas hensyn til tilstedeværelsen av andre facies i S-gitteret vil en modellskaper fortrinnsvis primært fokusere på hvor det antas at et bestemt facies kan forekomme i kartrisset. Dette vil forenkle dannelsen av det kombinerte, overlappende deposenterkart, slik som vist i fig. 13.

I motsetning til dette vil konvensjonelle, horisontale trendkart ofte støtte seg til en samtidig tegning og redegjørelse for alle facies i en enkelt horisontal seksjon. Eller så kan det utvikles konvensjonelle, samtidige ligninger som vil beskrive sannsynlighetsdistribusjonen av facies over det horisontale kart. Tankeprosessen ved dannelsen av slike horisontale trendkart er betydelig mer komplisert og utfordrende enn en individuell fokusering på dannelsen av deposenterkart for hvert individuelt facies.

Figurene 15A-F viser et deposenterområde som er blitt glattet ved å benytte et overgangsfilter for å distribuere sannsynlighetene for forekomsten av et facies i kolonner av søyler, fra en største til en minste verdi. Som vist i fig. 15A kan det tegnes kurvede linjer for å illustrere det relative nivå mellom sannsynlighetene når disse avtar ned avstanden fra et deposenter. Et skyggelagt deposenterområde er vist ved senteret av kartet.

I denne spesifikke utførelsesform benyttes et skuffilter som overgangsfilter. Fagmenn på området vil innse at mange andre typer av filtre eller matematiske operasjoner også kan benyttes for å glatte sannsynlighetene over deposenterområdet og kartseksjonen. Sannsynlighetene vil avta med avstanden fra senterområdet, avhengig av det filteret som brukes. Et filternummer 2 vil kreve at faciessannsynlighetene avtar til 0 to celler fra kanten eller grensen av et digitalisert deposenterområde, slik som vist i figurene 15B og 15D. Tilsvarende vil valg av et filter nummer 4 medføre en minskning fra en grense til 0 % over fire celler, slik som illustrert i figurene 15C og 15E. Et filternummer på 4-2 kan benyttes for å få et gjennomsnitt av resultatene ved å benytte gjennomsnittet av resultatet fra nummer 4-filteret og nummer 2-filteret. Fig. 13 viser verdiene (0,28, 0,60 og 0,26) for en spesifikk søyle av celler etter at det er utført en filtreringsoperasjon på deposenterområdet for faciesene A, B og C. Legg merke til at verdiene ikke er normaliserte, dvs. de trenger ikke å addere seg opp til 1. Bruk av slike overgangsfiltre tillater at en modellskaper hurtig kan fremskaffe et antall forskjellige deposenterkart. Modellskaperen kan rett og slett endre et eller flere filterparametere for å danne et nytt deposenterkart. Tilsvarende kan en modellskaper, ved prøving og feiling, velge det mest egnede filter for å danne et bestemt faciesdeposenterkart. Det resulterende deposenterkart vil ideelt sett være i samsvar med faciesinformasjonen innsamlet fra brønnloggingsdata, så vel som andre kilder av informasjon om den romlige distribusjon av facies.

I en annen utførelsesform av denne oppfinnelse kan en objektiv funksjon benyttes for å avgjøre hvilket filter som bør benyttes for en best mulig tilpasning av et deposenterkart til kjente brønnfaciesdata. Mange forskjellige filtre kan benyttes for å danne deposenterkart for et bestemt facies. Resultatene for hvert deposenterkart sammenlignes så matematisk mot brønnfaciesdata. Det filteret som gir det minste avvik mellom et tilsvarende deposenterkart og brønnloggings-faciesdata velges så for bruk ved dannelsen av faciessannsynlighetskuben.

Generelt vil areal-deposentertrendkartet og data gjøre rede for sannsynligheten for forekomsten av facies langs søyler eller dybder i S-gitteret (se fig. 13). I motsetning til dette vil de vertikale proporsjonsdata eller den vertikale proporsjonsgraf være relatert til sannsynligheten for at et facies vil foreligge i et eller annet lag (se fig. 12). Tendensene for et facies til å foreligge i et eller annet (vertikalt) lag eller i et eller annet (areal-) deposenterområde kombineres for å tilveiebringe et generelt estimat for sannsynlighetene for at et facies vil foreligge i hver celle i S-gitteret. En foretrukket algoritme for kombinering av de vertikale proporsjonsdata og kartdata eller horisontale proporsjonsdata, for å komme frem til en generell faciessannsynlighetskube for S-gitteret, vil bli beskrevet nedenfor.

Det foreligger foretrakkede begrensninger på denne prosessen. Dersom en vertikal proporsjonsgraf indikerer at det bør foreligge 100 % av et facies i et lag, eller 0 % av et facies i et lag, så bør denne verdi ikke endre seg når de generelle cellesannsynlighetene beregnes. En foretrukket prosess for å oppnå dette mål er å benytte en potenstransformasjon for å kombinere de vertikale og horisontale (kart-) proporsjonsdata. Potenstransformasjons-regelen benyttet i dette eksempel vil tilfredsstille følgende ligning:

der

/ = en indeks for det vertikale lag;

Vf( i) = proporsjonen av et facies f i et lag /;

Pf = gjennomsnittlig sannsynlighet for et facies f i en søyle av celler;

w( i) = et potensuttrykk; og

N = antallet lag i S-gitteret.

Følgende forenklede eksempel beskriver hvordan de vertikale og horisontale faciesdata integreres. Fig. 12 illustrerer en enkel vertikal proporsjonsgraf med tre typer av facies (A, B, og C). Legg merke til at S-gitteret består av tre lag ( N= 3) og hvert lag omfatter proporsjoner ( Vf) for faciesene A, B, og C. Det tilsvarende deposentertrendkart er angitt i fig. 13. Grenser er trukket for å etablere initielle deposenterområder for faciesene A, B og C. Deretter utføres en glatting av sannsynlighetene for faciesene A, B og C over deposentergrensene ved å benytte et filter, slik som et skuffilter. For søylen av celler under betraktning på et kartsted (x,y), bestemmes sannsynlighetene ( Pf) for forekomsten av faciesene A, B og C til å være henholdsvis 0,28, 0,60 og 0,26. Disse verdiene fra filteroperasjonen normaliseres ikke i dette eksempel.

Basert på den potenstransformasjons-regelen ifølge ligning (1) ovenfor tilveiebringes følgende tre ligninger for de tre faciesene:

Disse ligningene løses så for å gi Wi = 1,3, w2= 0,45, og w3= 1,2.

Faciessannsynlighetene beregnes så langs denne søyle, for hver celle og lag for lae.

Dette gir følgende verdier:

Etter normalisering vil faciesproporsjonene for hver celle være:

Denne prosessen repeteres for å bestemme faciessannsynlighetene i alle cellene i S-gitteret.

I visse tilfeller kan proporsjonen til et facies i en søyle av celler være betydelig forskjellig fra proporsjonen til dette facies i et lag av celler. Dette avvik i proporsjoner kan oppstå dersom et eller flere facies enten er dominerende eller minimalt i en søyle av celler. I slike tilfeller kan spesielle, vektede, vertikale proporsjonsgrafer benyttes ved beregningen av cellesannsynlighetene for å tilveiebringe en bedre korrelasjon mellom vertikale og horisontale proporsjonsdata for denne søyle av celler.

En bruker vil ideelt sett definere dominerende og minimale terskelverdier for faciesproporsjonsgrenser for søylene av celler. En bruker kan f.eks. spesifisere at en søyle av celler omfatter et dominerende facies A dersom 90 % eller flere av cellene i denne søyle omfatter facieset A. En bruker kan også spesifisere en terskelverdi for en minimal faciesproporsjonsgrense, f.eks. 15 % eller mindre. Alternativt kan den dominerende og minimale terskelverdi fastsettes i et computerprogram slik at brukeren ikke trenger å angi disse terskelverdier.

De spesielle, vektede, vertikale proporsjonsgrafer eller data dannes ved å benytte vektingsfunksjoner for å modifisere proporsjonene i en vertikal seksjon. Eksempler på slike vektingsfunksjoner er vist i figurene 16A-B. Fig. 16A viser en vektingsfunksjon for bruk med dominerende facies og fig. 16B illustrerer et eksempel på en vektingsfunksjon for bruk med minimale facies. Den vertikale seksjon kan være et begrepssatt geologisk tverrsnitt, slik som vist i fig. 17.

Ideelt sett dannes vektede, vertikale proporsjonsgrafer for hver av de minimale og dominerende facies. For seksjonen vist i fig. 17 dannes minimale og dominerende, vektede proporsjonsgrafer for hver facies A, B og C for således å utgjøre totalt 6 vektede proporsjonsgrafer. Konstruksjonen av en minimal vektet proporsjonsgraf for facies A vil bli beskrevet nedenfor. Den resulterende proporsjonsgraf er vist i fig. 18. De andre proporsjonsgrafer er ikke vist men kan konstrueres på en måte som tilsvarer proporsjonsgrafen ifølge fig. 18.

Først defineres vektingsfunksjonene og disse er vist i figurene 16A-B. I fig. 16A er det vist en dominerende vektingsfunksjon som øker trinnvis og lineært fra en verdi lik 0,0 ved 75 % til en verdi lik 1,0 ved 85-100 %. Vektene velges fra vektingsfunksjonen basert på prosentandelen av det spesifikke facies som foreligger i hver søyle av den vertikale seksjon for hvilken den vektede faciesproporsjonsgraf skal konstrueres. Dersom det f.eks. skal konstrueres en vektet proporsjonsgraf for facies A vil prosentandelen for facies A i hver søyle kontrollere vekt for denne søyle.

Fig. 16B viser en vektingsfunksjon for bruk med søyler av celler omfattende en minimal forekomst av et facies. I dette tilfellet vil det bli gitt en vekting på 1,0, når av et facies A i en søyle ligger i området fra 0-20 % for så å avta lineært til en verdi lik 0,0 ved 30 %. Vektingsfunksjonene omfatter fortrinnsvis en trinndel for en glatt overgang mellom verdiene 0,0 og 1,0. De tidligere nevnte, lineære trinndeler av vektingsfunksjonene kan selvsagt også omfatte en ikke-lineær form, dersom dette er ønskelig.

Vektene fra vektingsfunksjonene anvendes på proporsjonen av faciesene i cellene i hvert lag av den vertikale seksjon. Summen av de vektede proporsjoner divideres så med summen av vektene for således å komme frem til en vektet faciesproporsjon for et lag. Mer spesifikt beregnes faciesene i henhold til følgende ligning:

der

wc= vekten for en spesifikk søyle av celler;

f = 1,0 der et facies f foreligger i en celle;

= 0,0 der et facies f ikke foreligger i en celle;

Zwc= summen av vektene i et lag av celler; og

V/ l) = proporsjonen til et facies i et lag.

Et eksempel på hvordan proporsjonsverdiene ved konstruksjon av en vektet proporsjonsgraf avgjøres vil nå bli beskrevet. Betraktes den første søyle av den vertikale seksjon i fig. 17 vil det ses at prosentandelen av facies A i søyle 1 er lik 10 %. Idet det refereres til vektingsgrafen ifølge fig. 16B vil det ses at siden 10 % er innenfor 20 %-terskelen vil en vekting lik 1,0 bli gitt denne søyle. I søyle 2 er den totale prosentandel av facies A lik 20 %. Igjen vil dette være innenfor terskelen på 20 % slik at søyle 2 gis en full vekting på 1,0.1 søyle 3 er prosentandelen av facies A lik 25 %. Denne verdien på 25 % faller innenfor den lineært skrånende del av vektingsfunksjonen. I samsvar med dette vil en vekting lik 0,5 bli valgt for cellene i søyle 3. For søyle 4 er prosentandelen av facies A lik 35 %. Siden 35 % er over terskelen på 30 % vil søyle 4 bli gitt en vekting lik 0,0. De gjenværende søyler vil alle omfatte over 30 % av facies A. Dermed vil alle disse søylene bli gitt en vekting lik 0,0. Dermed vil bare de tre første søylene bli benyttet ved dannelsen av den vertikale proporsjonsgraf som skal benyttes når en minimal proporsjon av facies A foreligger i en søyle av celler fra deposenterkartet.

Vektene for søylene 1, 2 og 3, henholdsvis 1,0, 1,0 og 0,5, vil bli multiplisert med proporsjonen av facieset i hver celle. Siden hver celle bare tildeles et facies vil proporsjonen være lik 1,0 når et spesifikt facies foreligger og 0,0 når dette facies ikke foreligger. Følgende er eksempler på beregninger av faciesproporsjoner for flere lag når ligning (2) benyttes.

Disse beregningene utføres inntil alle proporsjonene for facies A, B og C er beregnet for alle lagene for således å danne den vektede proporsjonsgraf for et rninimalt facies A vist i fig. 18. Denne prosess repeteres for å danne de andre fem vektede proporsjonsgrafer. Disse grafene vil igjen benytte vektene fra de minimale og dominerende vektingsfunksjoner, bestemt av prosentandelene av det aktuelle facies i søylene av den vertikale seksjon, som så multipliseres med faciesproporsjonene i cellene og divideres med summen av vektene. Igjen vil de vertikale proporsjonsverdier fra disse spesielle, vektede proporsjonsgrafer bli benyttet sammen med ligning (1) for å beregne cellesannsynlighetene for faciessannsynlighetskuben.

Modelleringen av usikkerheten ved den romlige distribusjon av facies i et S-gitter kan oppnås ved å endre de geologiske antagelser. Forskjellige geologiske seksjoner kan f.eks. digitaliseres for å reflektere forskjellige teorier om hvordan den geologiske seksjon i realiteten ser ut. Alternativt kan forskjellige versjoner av den vertikale proporsjonsgraf dannes for å fange opp forskjellige muligheter for hvordan faciestrendene kan endre seg fra lag til lag over S-gitteret. På tilsvarende måte kan mange forskjellige deposenterkart benyttes for å fange opp usikkerheten ved distribusjonen av facies i et kartriss av S-gitteret. Videre kan forskjellige filtre anvendes på deposenterområder for å danne alternative, horisontale faciesdata, og i siste instans faciessannsynlighetskuber.

Foreliggende oppfinnelse vil under reservoarfaciesmodelleringen dele opp geologisk kunnskap eller informasjon i et par distinkte konsepter. For det første vil bruk av øvelsesbilder fange opp faciesinformasjon i form av facieskontinuitet, tillmytning, og uensartethet. For det andre vil bruk av faciessannsynlighetskuber, som genereres ved å benytte begrepsmessige, geologiske estimater eller tolkninger når det gjelder den sedimentære geologi, forbedre den relative sammenheng og romlige kunnskap i forhold til de faciesene som foreligger i en reservoarfaciesmodell.

Ved foreliggende oppfinnelse kan det tas hensyn til usikkerhet ved å benytte en enkelt faciessannsynlighetskube i kombinasjon med flere forskjellige øvelsesbilder som kan dannes basert på usikkerheter ved facieskontinuitet, tilknytning og uensartethet. Omvendt kan mange MPS-simuleringer utføres ved å benytte et enkelt øvelsesbilde og mange faciessannsynlighetskuber generert ved å benytte forskjellige geologiske konsepter i forhold til den romlige distribusjon av facieset i et S-gitter. Dermed kan usikkerhet som primært er relatert til facieskontinuitet, tillmytning, og uensartethet fanges opp ved å benytte forskjellige øvelsesbilder mens usikkerheter som primært er knyttet til den absolutte romlige distribusjon av disse facies i S-gittermodellen kan bestemmes ved å benytte flere faciessannsynlighetskuber.

Reservoarfaciesmodellene ifølge denne foretrakkede utførelsesform er laget på en måte som er sammenlignbar med den beskrevet i Caers, J., Strebelle S., og Payrazyan, K., Stochastic Integration of Seismic Data and Geologic Scenarios: A West Africa Submarine Channel Saga, The Leading Edge, Mars 2003. På samme måte som ovenfor beskriver denne artikkel hvordan seismisk tilveiebrakte faciessannsynlighetskuber kan benyttes for ytterligere å forbedre konvensjonelle MPS-simuleringer ved dannelse av reservoarfaciesmodeller. I motsetning til å bruke seismisk tilveiebrakte faciessannsynlighetskuber anvender foreliggende oppfinnelse geologisk tilveiebrakte faciessannsynlighetskuber. Dette gir den fordelen at geologisk informasjon fra reservoaranalogier integreres og at støy fra seismiske data fjernes.

Øvelsesbildet og den geologisk tilveiebrakte faciessannsynlighetskube benyttes i en geostatistisk simulering for å danne en reservoarfaciesmodell. Den foretrakkede geostatistiske metode for bruk sammen med foreliggende oppfinnelse vil være en flerpunkts statistisk simulering (eller MPS). Det vil også være innenfor omfanget av denne oppfinnelse å benytte andre geostatistiske metoder sammen med øvelsesbilder og geologisk tilveiebrakte faciessannsynlighetskuber for å konstruere reservoarfaciesmodeller med forbedrede facies-distribusjoner og -kontinuitet.

Fortrinnsvis brukes det flerpunkts geostatistiske simuleringsprogram SNESIM (Single Normal Equation Simulation) for å danne faciesmodeller som vil kunne gjengi faciesmønstrene angitt av øvelsesbildet, samtidig som det tas hensyn til harde betingelsesbrønndata. SNESIM benytter et sekvensielt simuleringsparadigme der simuleringsgittercellene påtreffes en enkelt gang langs en vilkårlig bane. Så snart den er simulert vil en celleverdi utgjøre et harddata som vil betinge simuleringen av cellene som påtreffes senere i sekvensen. I hver ikke-samplet celle vil sannsynlighet for forekomsten av hvilken som helst facies A betinget av dataforekomsten B konstituert sammen ved de n nærmeste faciesdata bli innhentet fra øvelsesbildet ved enkel telling: faciessannsynligheten P( A \ B), som angir sannsynlighetsraten P( A, B)/ P( B) i henhold til Bayes relasjon, kan oppnås ved å dividere antallet forekomster av den samtidige hendelse { A og B} ( P( A, B)) med antallet forekomster av hendelsen B ( P( B)) i øvelsesbildet. Faciesverdien trekkes så vilkårlig fra den resulterende, betingede faciessannsynlighetsdistribusjon ved å benytte Monte-Carlo-simulering, hvorpå den tildeles gittercellen. Monte-Carlo-samplingsprosessen vil være velkjent for statistikere. Den består i å trekke en vilkårlig verdi mellom 0 og 1 og å velge den korresponderende kvantil verdi fra sannsynlighetsdistribusjonen som skal samples.

SNESIM vil være velkjent for fagmenn innen facies- og reservoar-modellering. SNESIM er spesifikt beskrevet i Strebelle, S., 2002, Conditional Simulation of Complex Geological Structures Using Multiple- Point Statistics: Mathematical Geology, V. 34, No. 1; Strebelle, S., 2000, Sequential Simulation of Complex Geological Structures Using Multiple-Point Statistics, doktoravhandling, Stanford University. Den grunnleggende SNESIM-kode er også tilgjengelig på nettstedet http://pangea.stanford.edu/~strebell/research.html. Nettstedet omfatter også en PowerPoint-presentasjonen senesimtheory.ppt som vil tilveiebringe teorien bak SNESIM, og som omfatter forskjellige case-studier. PowerPoint-presentasjonen senesimprogram.ppt vil tilveiebringe en veiledning for den underliggende SNESIM-kode. Disse publikasjoner vil igjen være velkjente for facies-modellbyggere som anvender flerpunktsstatistikk ved dannelsen av facies- og reservoar-modeller. Disse publikasjoner inkorporeres her i sin helhet ved referanse.

Foreliggende oppfinnelse utvider SNESIM-programmet for å inkorporere en geologisk tilveiebrakt sannsynlighetskube. I hver ikke-samplet gittercelle oppdateres den betingede faciessannsynlighet P( A \ B) for å ta hensyn til den lokale faciessannsynlighet P( A \ C) fremskaffet av den geologisk tilveiebrakte sannsynlighetskube. Denne oppdatering utføres fortrinnsvis ved å benytte ratepermanensformelen beskrevet i Journel, A.G., 2003, side 583, Combining Knowledge From Diverse Sources: An Alternative to Tradiotional Data Independence Hypotheses, Mathematical Geology, Vol. 34, No. 5, July 2002, side 573-596. Det som utlegges i denne referanse inkorporeres her i sin helhet.

Ta så i betraktning logistikkraten for ratesannsynligheten for A:

Tilsvarende

der

P( A\ B, C) = den oppdaterte sannsynlighet for facies A gitt informasjon om øvelsesbildet og den geologisk tilveiebrakte faciessannsynlighetskube.

Ratepermanens medfører antagelsen om at:

Som beskrevet av Journel angir dette at "det inkrementelle bidrag fra datahendelsen C på kunnskapen om A vil være det samme både for og etter kunnskap om B".

Den betingede sannsynlighet beregnes da som

En fordel med å benytte denne formelen er at den avhjelper problemene i forbindelse med orden: Alle de oppdaterte faciessannsynlighetene P( A \ b, C) vil ligge mellom 0 og 1 og de vil addere seg opp til 1. Et facies trekkes så vilkårlig fra den resulterende, oppdaterte faciessannsynlighetsdistribusjon ved å benytte en Monte-Carlo-simulering, for på denne måte å befolke cellene i S-gitteret.

Sluttresultatet vil være en reservoarfaciesmodell der hvert facies kan anta egenskaper slik som porøsitet, permeabilitet, og vannmetning. En slik reservoarmodell kan så benyttes sammen med en reservoarsimulator. Slike kommersielle reservoarsimulatorer omfatter Schlumbergers ECLIPSE-simulator, eller ChevronTexacos CHEARS-simulator.

Selv om denne oppfinnelse i den foregående spesifikasjon er blitt beskrevet i forhold til bestemte foretrakkede utførelsesformer, og mange detaljer er utlagt for illustrasjonsformål, vil det være åpenbart for fagmenn på området at oppfinnelsen kan gjennomgå endringer og at visse andre detaljer som her er beskrevet kan variere betydelig uten at de grunnleggende prinsipper for oppfinnelsen forlates.

Claims (15)

1. Fremgangsmåte for dannelse av en faciessannsynlighetskube,karakterisertved at den omfatter trinnene å generere et S-gitter som er representativt for et undergrunnsvolum inneholdende facies, der gitteret omfatter lag av celler og søyler av celler; å bestemme vertikale faciesproporsjonsdata for lagene av celler; å definere grenser på et deposenterarealkart for å danne deposenterområder der respektive facies sannsynligvis vil forekomme innen S-gitteret; å bestemme horisontale faciesproporsjonsdata for søylene av celler ved å benytte grensene for deposenterområdene slik at proporsjonen for hvert facies vil ligge i et område fra en største verdi i et faciesdeposenter for hvert respektive deposenterområde til en minste verdi på et sted lateralt i avstand fra faciesdeposenteret; og å integrere de vertikale faciesproporsjonsdata med de horisontale faciesproporsjonsdata for å danne en faciessannsynlighetskube der cellene tilordens sannsynligheter for forekomsten av facies.

2. Fremgangsmåte ifølge krav 1,karakterisert vedat deposenterkartet omfatter i det minste et trunkeringsområde, utenfor hvilket et spesifikt facies ikke kan foreligge.

3. Fremgangsmåte ifølge krav 1,karakterisert vedat de vertikale faciesproporsjonsdata bestemmes ut i fra i det minste et av brønndata, en begrepssatt geologisk seksjon og en vertikal proporsjonsgraf.

4. Fremgangsmåte ifølge krav 1,karakterisert vedat de vertikale proporsjonsdata er et vektet gjennomsnitt av data fremskaffet fra i det minste to av brønndata, en begrepssatt geologisk seksjon og en vertikal proporsjonsgraf.

5. Fremgangsmåte ifølge krav 1,karakterisert vedat de vertikale faciesproporsjonsdata bestemmes ut i fra en vertikal, begrepssatt geologisk seksjon.

6. Fremgangsmåte ifølge krav 1,karakterisert vedat grensene som definerer deposenterområdene kartlegges uavhengig av hverandre for hvert av faciesene.

7. Fremgangsmåte ifølge krav 1,karakterisert vedat et overgangsfilter benyttes for å overføre horisontale faciesproporsjonsdata fra en største verdi ved et deposenter til en minste verdi.

8. Fremgangsmåte ifølge krav 7,karakterisert vedat overgangsfilteret er et skuffilter.

9. Fremgangsmåte ifølge krav 7,karakterisert vedat overgangsfilteret definerer den laterale avstand over hvilken den relative sannsynlighet for forekomsten av et facies avtar mot null i avstand fra en deposentergrense.

10. Fremgangsmåte ifølge krav 8,karakterisert vedat overgangsfilteret kontrolleres av parametere bestemt av en kvantitativ invertering av brønndata.

11. Fremgangsmåte ifølge krav 1,karakterisert vedat en grense for den dominerende andel defineres for de horisontale faciesproporsjonsdata; og at integrasjonen av de vertikale og horisontale faciesproporsjonsdata i sannsynligheter for cellene i det minste delvis vil avhenge av vektede, vertikale faciesproporsjonsdata fremskaffet ved å benytte en vektet søyleanalyse.

12. Fremgangsmåte ifølge krav 11,karakterisert vedat den vektede søyleanalyse benytter en vektingsgraf med en øvre terskel og en nedre terskel.

13. Fremgangsmåte ifølge krav 12,karakterisert vedat vektingsgrafen omfatter et overgangsområde for å reflektere den gradvise minskning i vekting fra 1,0 til 0,0.

14. Fremgangsmåte ifølge krav 1,karakterisert vedat en potenstransformasjon benyttes ved integrasjonen av de vertikale og horisontale data.

15. Fremgangsmåte ifølge krav 14,karakterisert vedat potenstransformasjonen tilfredsstiller følgende ligning:

der / = indeksen for det vertikale lag; Vf( i) = proporsjonen til et facies f i et lag 1; Pf = den gjennomsnittlige sannsynlighet for et facies f i en søyle;w( i) = et potensuttrykk; og N = antallet facies i S-gitteret.