SA515360901B1 - طريقة لمراقبة أداء حجم تحت سطح الأرض - Google Patents
طريقة لمراقبة أداء حجم تحت سطح الأرض Download PDFInfo
- Publication number
- SA515360901B1 SA515360901B1 SA515360901A SA515360901A SA515360901B1 SA 515360901 B1 SA515360901 B1 SA 515360901B1 SA 515360901 A SA515360901 A SA 515360901A SA 515360901 A SA515360901 A SA 515360901A SA 515360901 B1 SA515360901 B1 SA 515360901B1
- Authority
- SA
- Saudi Arabia
- Prior art keywords
- discrete
- variable
- parameter
- parameters
- variables
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 115
- 238000012544 monitoring process Methods 0.000 title claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 47
- 230000001131 transforming effect Effects 0.000 claims abstract description 4
- 230000007704 transition Effects 0.000 claims abstract 9
- 229930195733 hydrocarbon Natural products 0.000 claims description 13
- 150000002430 hydrocarbons Chemical class 0.000 claims description 13
- 239000004215 Carbon black (E152) Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 3
- 101100234002 Drosophila melanogaster Shal gene Proteins 0.000 claims 2
- 235000015076 Shorea robusta Nutrition 0.000 claims 2
- 244000166071 Shorea robusta Species 0.000 claims 2
- 241000196324 Embryophyta Species 0.000 claims 1
- 241001622399 Thala Species 0.000 claims 1
- 238000001514 detection method Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000035699 permeability Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 208000035126 Facies Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 244000245420 ail Species 0.000 description 1
- 238000002266 amputation Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000004058 oil shale Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G01V20/00—
-
- 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. analysis, for interpretation, for correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- 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
- G01V2210/61—Analysis by combining or comparing a seismic data set with other 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
- G01V2210/66—Subsurface modeling
-
- 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
- G01V2210/663—Modeling production-induced effects
-
- 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
Abstract
يتعلق الاختراع الحالي بالكشف عن طريقة لمراقبة أداء حجم تحت سطح الأرض subsurface volume. تشتمل الطريقة على تحويل (110, 210) متغير وحيد منفصل single discrete parameter (200) أو مجموعة من المتغيرات المنفصلة discrete parameters تصف سمة الحجم تحت سطح الأرض, كل متغير منفصل له قيم منفصلة ممكنة N حيث N ≤2, بمتغيرات المؤشر indicator parameters N كل له 2 من القيم المنفصلة الممكنة؛ لكل من فئتي القيم لكل متغير مؤشر indicator parameter، تحديد (120) المسافة المتباينة وفقا لواجهة تحول القيمة value transition interface؛ تحويل (230) كل من متغيرات المؤشرات إلى متغير مستمر مناظر corresponding continuous parameter باستخدام المسافة المتباينة المحددة إلى واجهة تحول القيمة (140, 220)؛ واستخدام المتغيرات المستمرة بعملية مطابقة النتائج السابقة history matching process. شكل 1
Description
١ طريقة لمراقبة أداء حجم تحت سطح الأرض
A method of monitoring the behaviour of a subsurface volume الوصف الكامل خلفية الاختراع يتعلق الاختراع الحالي بالكشف عن طرق لعمل نماذج خاصة بحجم تحت سطح الأرض وتحديداً بالكشف عن هذه الطرق لعمل نماذج لأداء مكمن الهيدروكربون subsurface volume باستخدام تقنيات مطابقة النتائج السابقة subsurface hydrocarbon reservoir تحت سطح الأرض history matching techniques | © نماذج تحت سطح الأرض على تدفق مكمن (Ji على سبيل «Subsurface models تشتمل النماذج تحت سطح الأرض يشتمل .geo-mechanical models ونماذج جيولوجية ميكانيكية basin حوض reservoir flow ذلك على تمثيلات ثلاثية الأبعاد متعامدة السموت تحت السطح المستخدم كمدخلات لمحاكي يسمح بالتنبؤ بنطاق الخصائص الفيزيائية كدالة للظروف الحدودية التي يُمكن أو لا يمكن التحكم ٠ فيها: تساعد على التنبؤ بخصائص التدفق؛ معدلات Reservoir flow models نماذج تدفق مكمن * (والتركيبة)؛ الضغط ودرجة الحرارة؛ بمجال primarily multi-phase rates الطور المتعدد الأولية .aquifer development scenarios البترول والغاز أو سلسلة أحداث تطور مستودعات المياة تساعد مع مرور_ الوقت أنواع الهيدروكربون Ally Basin models تماذج الأحواض * Vo وموقع الهيدروكربون الذي kerogen التي يتم تكونها من قار الصخور الصفائحية hydrocarbon .geological timescales يحتجز عبر المقاييس الزمنية الجيولوجية الجيولوجية الميكانيكية تساعد على التنبؤ بالإجهاد والإجهاد المتعلق بظاهرة مثل gill * الهبوط الأرضي أو فشل بالظروف الطبيعية أو بالبترول والغاز أو / heave الانزياح الصدعي aquifer بظروف تطور المستودعات المائية ٠ geo-statistical عادة ما تتولد النماذج تحت سطح الأرض باستخدام طرق جيولوجية إحصائية مستوى والتي هي المتغيرات Jef هذه النماذج عادة ما تتضمن متغيرات منفصلة على .005 ا
ا التي تنظم /تتحكم في متغيرات/عوامل متغيرة مستمرة ذات درجة أقل. يتم استخدام المتغيرات المنفصلة عالية المستوى بشكل نموذجي لعمل النماذج تحت سطح الأرض LEN الاختلافات الجيولوجية ذات الأهمية البالغة للعملية ككل. تُظهر المتغيرات الجيولوجية المنفصلة ثلاثية الأبعاد (مثل الأوجه؛ العناصر المعمارية (architectural elements عادة علاقات ثلاثية الأبعاد Sank 0 هذه المتغيرات المنفصلة يمكن أن تكون أو لا تكون قابلة للتصنيف. يكون المتغير المنفصل عالي المستوى غير القابل للتصنيف عبارة عن: * يُكيف / يتحكم على الأقل باثنتين من المتغيرات الأخرى؛ و * قيم المتغيرات التي يمكن التحكم فيها ليس بالضرورة أن يتم تصنيفها بشكل إحصائي JE, مُحدد. ٠ المتغير عالي المستوى المنفصل القابل للتصنيف يكون عبارة عن القيم ذات المتغيرات الأقل من حيث المستوى التي يتم تحديدها للمتغير عالي المستوى الذي قد يتم تصنيفه إحصائيا بشكل دائم بنفس الترتيب. المؤشر هو متغير منفصل والذي يكون له إحدى القيمتين المتوفرتين (أيء الثنائية في طبيعته)؛ يتم تمثيله بشكل نموذجي بواسطة القيم الرقمية ٠ و .١ المؤشر يكون قابل للتصنيف ١ الأوجه هي مثال نموذجي للمتغير غير القابل للتصنيف. لتوضيح هذه الفكرة» يتم دراسة نموذج حيث يمكن أن يأخذ متغير الأوجه القيم التالية: قنوات Channels فصوص متراصة الطبقات (Stacked lobes فيض من الصخور الزيتية Shale floodphin وبحيث يتحكم متغير الأوجه بمتغيرات التحكم التالية: المسامية؛ الانفاذية الأفقية ومعدل الانفاذية الرأسية إلى الأفقية. يمكن أن يظهر أن الثلاث متغيرات التي يتم التحكم فيها مُصنفة إحصائيا بالطريقة التالية: ٠١ * الانفاذية الأفقية Horizontal permeability الفصوص متراصة الطبقات القنوات فيض الحجر الزيتي * معدل الانفاذية الرأسية إلى الأفقية: القنوات < فيض الحجر الزيتي > الفصوص متراصة الطيقات * المسامية: القنوات > الفصوص متراصة الطبقات < فيض الحجر الزيتي
سا للمتغير غير القابل للتصنيف؛ المنفصل عالي المستوى؛ قيمة متوسطة ما بين اثنتين من القيم المنفصلة ليس لها متوسط واضح مثل الخصائص المشروطة ذات الصلة يتم تصنيفها بترتيبات عادة عمليات مطابقة النتائج المساعدة ((AHM) Assisted History Match الملائمة للتعامل مع ٠ المتغيرات المستمرة؛ ينتج عنها قيم متوقعة متوسطة أو 'وسيطة" عند استخدامها مباشرة للمتغيرات المنفصلة. ما يجعلها غير ملائمة بالكامل للتحول العالي المستوى؛ المتغيرات المنفصلة غير القابلة للتصنيف (من بين التي تكون الأوجه الجيولوجية cgeological facies السمة البارزة لمعظم النماذج تحت سطح الأرض). تخلق كذلك عدم فاعلية في التعامل مع المتغيرات المنفصلة غير القابلة للتصنيف lly تُظهر علاقات حيزية مُعقدة عند استخدام عمليات مطابقة النتائج المساعدة ٠ المذكورة. عادة ما audi عمليات مطابقة النتائج المساعدة LE لمعالجة المتغيرات المنفصلة العلاقات الحيزية لهذه المتغيرات. هناك عدة طرق والتي يتم من خلالها التعامل مع المتغيرات عالية المستوى بعمليات مطابقة النتائج المساعدة بالوقت الحاضر. يتضمن ذلك Vo * تجاهل المتغير عالي المستوي high level parameter والتعامل فقط مع المتغيرات المشروطة.
* التعامل مع المتغيرات المنفصلة discrete parameters غير القابلة للتصنيف عالية المستوى على أنها متغيرات منفصلة عالية المستوى قابلة للتصنيف. يتم ذلك بواسطة تصنيف قيم المتغير المنفصل غير القابل للتصنيف discrete non-sortable parameter بأفضل طريقة ممكنة
٠ مع أخذ الأهمية النسبية للمتغيرات المشروطة conditional parameters في الاعتبار والتعامل مع المتغير المنفصل على أنه قابل التصنيف. * التعامل مع المتغيرات المنفصلة عالية المستوى القابلة للتصنيف على أنها متغيرات مستمرة continuous parameters يتم التحول من المتغير المستمر إلى متغير منفصل discrete <©072001_بواسطة التقريب أو القطع.
Yo * استخدام_ مجال (مجالات) جاوسي Gaussian field والتي تستخدم للحصول على تحققات الثلاثية الأبعاد للخاصية المنفصلة التي يتم أخذها في الاعتبار.
8.5
Co عند الأخذ في الاعتبار؛ أثناء عملية ال مطابقة النتائج المساعدة؛ فإن المتغيرات عالية المستوى * عن المتغير المنفصل تكون أولى بالاهتمام. على سبيل المثال؛ معالجة تناسب أوجه المكعب كمتغير غير محدد بدلاً من تحققات الأوجه المنفصلة ثلاثية الأبعاد الناتجة باستخدام مكعب .facies proportion cube متناسب الأوجه من المفترض أن يكون من المرغوب فيه أن يكون هناك قدرة أمثل على التعامل مع هذه المتغيرات 5 المنفصلة؛ وتحديداً المتغيرات المنفصلة غير القابلة للتصنيف بعمليات مطابقة النتائج السابقة المساعدة. من petroleum reservoir طريقة لتطوير مكمن بترول 70٠718598 تكشف البراءة الأمريكية يتم eseismic attributes مقيد ببيانات إنتاج ومميزات مسامية reservoir model نموذج مكمن أثناء عملية تطوير المكمن. يتم إنشاء seismic data اكتساب بيانات الإنتاج وبيانات المسامية ٠ الصورة الأولى لميزة المسامية من بيانات المسامية. يتم محاكاة استجابات الإنتاج من نموذج يتم محاكاة صورة مناظرة لميزة المسامية من .00« simulator المكمن باستخدام محاكي تدفق من صورة ميزة المسامية local dissimilarity map تباين محلية day A نموذج المكمن. يتم إنشاء المرجعية ومن صورة ميزة المسامية التي تم محاكاتها. يتم تعديل نموذج المكمن لتقليل أي تفاوت بين بيانات الإنتاج التي تم قياسها واستجابات الإنتاج المناظرة إلى الحد الأدنى ولتقليل التباينات Ve المحلية إلى الحد الأدنى. يتم استخدام هذا النموذج لتحديد مُخطط التطوير المثالي والمكمن الذي تم تطويره وفقاً لمُخطط التطوير. بالإنتاج من مكمن إنتاج هيدروكربون sul تكشف البراءة الأمريكية 70008597973971 طريقة هدف ومميزات لنموذج تاريخي Aly تتضمن الطريقة تحديد hydrocarbon producing reservoir geological وخطأ مقبول 8. يتم إنشاء تحقق جيولوجي history-matched model متوافق لمكمن ٠٠ geological setting واحد على الأقل من الممكن يُمثل الإعدادات الجيولوجية realization لكل تحقق جيولوجي؛ يتم استخدام تقنية تحسين عالمية لتنفيذ الموائمة التاريخية بسلسلة LAD من الخطوات المتكررة للحصول على نماذج مقبولة. يتم التنبؤ بإنتاج المكمن اعتماداً على تجارب المحاكاة لنماذج المكمن.
-؟- لم تكشف أي من البراءة الأمريكية 0٠7٠٠48498 ولا البراءة الأمريكية ٠٠0059779١ عن عملية التحول بين البيانات المنفصلة والمتصلة وبالتالي فإنها لم تُحسن من عملية التوافق التاريخي على النحو الموضح بالطرق التي تم الكشف عنها هنا. الوصف العام للاختراع 0 بجانب أول للاختراع يمكن أن يتم توفير طريقة لمراقبة أداء حجم تحت سطح الأرض. تشتمل الطريقة على تحويل متغير وحيد منفصل أو مجموعة من المتغيرات المنفصلة تصف سمة الحجم تحت سطح الأرض؛ كل متغير منفصل له قيم منفصلة Aes 17 بحيث 17 (YS بمتغيرات المؤشرات N indicator parameters كل له ١ من القيم المنفصلة الممكنة؛ لكل من الفئتين من القيم لكل متغير مؤشر parameter «10دعنل؛ تحديد المسافة المتباينة لواجهة تحول القيمة؛ تحويل ٠ كل من متغيرات المؤشرات إلى متغير مستمر مناظر باستخدام المسافة المتباينة المحددة إلى واجهة تحول القيمة؛ واستخدام المتغيرات المستمرة بعملية مطابقة النتائج السابقة. هناك جوانب أخرى من الاختراع تشتمل على برنامج حاسب computer program يشتمل على تعليمات قابلة للقراءة بواسطة الحاسب حيث؛ عند تشغيله على جهاز حاسب ملائم؛ يتسبب في قيام جهاز الحاسب بتنفيذ الطريقة وفقاً للجانب الأول؛ وجهاز feo خصيصاً لتنفيذ كل الخطوات ١ الخاصة بأي طريقة وفقاً للجانب الأول. هناك خصائص غير أساسية للاختراع هي كما تم ذكرها بعناصر الحماية المستقلة الملحقة. شرح مختصر للرسومات سوف يتم الآن توضيح نماذج للاختراع» على سبيل المثال فقط وليس الحصرء بالإشارة إلى الأشكال المصاحبة؛ حيث أن: Yo شكل ١ هو مخطط انسيابي يوضح نموذج لعملية تحديد التغير يمكن أن يُشكل جزء من نموذج للاختراع؛ و شكل ؟ هو مخطط انسيابي يوضح عملية المسافة لتحديد المتغيرات المعايرة وفقاً لنموذج للاختراع. الوصف التفصيلي: إن توافق النتائج السابقة هو عملية التحول inversion process حيث يتم تعديل بيانات المدخلات Yo المبدئية initial input data (التحقق) بحيث أن الاستجابات الديناميكية dynamic responses التي Of t
ل
يتم محاكاتها (أو التي تم التنبؤ بها) تكون أفضل موائمة بتلك التي تم قياسها. تشتمل على تحديد بيانات المدخلات data ادم« مع الأخذ في الاعتبار التقدم بعملية عمل النماذج ووضع القيود؛ والتي ينتج عنها مخرجات محاكاة Ally simulation output تناظر في أمثل صورها البيانات التي ملاحظتها (خلال نفس الإطار الزمني (timeframe المماتل في طبيعته للمخرجات التي تم
© محاكاتها. بهذه الطريقة يمكن أن يتم تعزيز فرضيات المدخلات input assumptions عند عمل النماذج الخاصة بالأداء المستقبلي. إن مطابقة النتائج السابقة المساعدة هي أي طريقة تقوم بهذه العملية بشكل تلقائي. عادة ما تعتمد طرق مطابقة النتائج السابقة المساعدة على عملية متكررة لتقليل دالة التكلفة (المستهدف) إلى الحد الأدنى .
٠ في سياق مطابقة النتائج ae bad) طرق تحديد المتغيرات هي الطرق حيث أن جزء من بيانات المدخلات أو المشاهدات يتم تحويله بهذه الطريقة حيث يتم جعل عملية التحسين المتكررة أكثر كفاءة (على سبيل JB) تتطلب عدد اقل من عدد مرات التكرار للحل؛ مما ينتج عنه اتفاق أفضل مع المشاهدة و/أو تعديل أقل لبيانات المدخلات). يمكن أن تشتمل طريقة تحديد المتغيرات <parameterisation method بمخطط التحويل المتكرر iterative inversion scheme على
١5 مجموعة من اثنتين من الدوال لتحويل البيانات ذهاباً وعودة ما بين حيز متغير مدخلات المحاكاة simulation input parameter وحيز متغير التعزيز optimization parameter space المتكرر. ثمثل مطابقة النتائج المساعدة للنماذج تحت سطح الأرض تحديات محددة die) مقارنتها بمشكلة التحول الأخرى) فيما يتعلق بالتكلفة المرتفعة للمحاكاة مقدماً» عدم خطية العلاقة بين مدخلات ومخرجات المحاكاة؛ تعقيد مدخلات البيانات؛ القدر الكبير من البيانات المبدئية الموجودة ببيانات
٠ المدخلات والعدد المحدود من المشاهدات غالباً ما يكون متاح. يشار إلى طرق مطابقة النتائج المساعدة ذات المجسمات الكبيرة بالطرق التي تسمح بتعزيز محاكي لعدد اكبر من متغيرات المدخلات. وتتضمن طرق منسجمة Jie مرشحات الجسيمات Particle- efilters مرشح كالمان المتجمع (EnKF) Ensemble Kalman filter والتجمعات الأكثر سلاسة (ES) Ensemble Smoother بهذه الطرق يتم استخدام إجراءات منسجمة من التحققات للنموذج
Yo لتوفير علاقة ما بين المشاهدة التي يتم عكسها للمتغيرات غير المحددة التي يتم تعزيزها. بفئة من هذه الطرق (متضمنة مرشح كالمان المتجمع والتجمعات الأكثر سلاسة) يتم استخدام مرشح كالمان
A= بشكل متعاقب (مرشح كالمان المتجمع) أو بدفعة Jal لتحديث المتغيرات غير المؤكدة بينما يتم من خلال القياسات. هذه الطرق تكون حساسة بصفة خاصة (ade واحدة (التجمعات الأكثر لبيانات المدخلات؛ ولكيفية الاقتراب من خطية العلاقة ما بين Gaussian character لسمة جاوسي متغيرات المدخلات والمشاهدات. فإنها تقبل فقط المتغيرات المستمرة كمدخلات.
oo تقنيات مرشح GIS المنسجم ينطوي على البدء بإجراءات منسجمة من التحققات المبدئية. قد يصف كل تحقق واحد أو أكثر من المتغيرات (مثل الأوجه. الانفاذية؛ المسامية الخ) عبر حجم بمكمن؛ والذي يمكن أن ينقسم إلى خلايا. liane المتغيرات ذات العدد الأقل من الخلايا سوف يتم تعريفها بأي درجة من التأكد (تلك التي قد تم بالفعل قياسها) والقيم المفترضة يتم استخدامها للمتغيرات بباقي الخلايا 01. قبل sale) الأولى؛ هذه القيم المفترضة يمكن أن تكون عشوائية أو
٠ قيم مصنفة شبه عشوائية. يتم حساب مخرجات المحاكاة لكل من هذه التحققات؛ لفترة زمنية معينة. التباين المشترك بين المشاهدة وبعد ذلك يتم حساب متغيرات المدخلات بمرشح كالمان Kalman filter يتم دمج بيانات العلاقة الناتجة مع عدم توافق البيانات الملاحظة التي تم قياسها بعد نفس الفترة الزمنية؛ لإنتاج تحققات محدثة متجانسة والتي من المفترض أن تكون متطابقة بشكل اكبر مع البيانات التي تم
VO قياسها. هذه التحققات المحدثة قد يتم بعد ذلك استخدامها كمدخلات للمحاكاة التالية. هناك طرق أخرى مثل استراتيجيات التطور والخوارزميات الجينية Genetic algorithms تسمح بالتعامل مع المتغيرات المنفصلة. يتم تعزيز الفاعلية بشكل عام عند استخدامها بالتوزيعات الطبيعية. تم الكشف هنا عن توجه مطابقة النتائج المساعدة للتفاوت إلى الواجهة حيث؛ بإحدى النماذج؛ قد
Yo يستخدم مرشح كالمان المتوافق. بهذا التوجه تم اقتراح معايرة المسافة لحساب الواجهة باستخدام المخطط المتغير variogram وتحديداً المخطط المتغير ومخطط تباين الانحناء. المخطط المتغير هوء الحيز أحادي أو متعدد الأبعاد؛ القياس الإحصائي التباين المتوسط بين البيانات كدالة لانفصالها بالحيز. تصف العلاقة بين تباين الفرق بين قيم المجال بأزواج من المواقع عبر تحققات المجال كدالة للمسافة (التأخر) بين هذه المواقع. المخطط المتغير الاتجاهي
directional variogram Yo هو مخطط تباين تم حسابه من خلال أزواج محاذية بطول نفس الاتجاه.
ا
المخطط المتغير التجريبي experimental variogram هو مخطط تباين تم حسابه من التحقق (التحققات) الحيزية لقيم المجال. نموذج المخطط المتغير variogram model هو دالة تحليلية analytical function يتم التحكم فيها بواسطة عدد محدود من المتغيرات التي تربط التأخر بالتباين المنفصل. يتعلق توافق المخطط المتغير بعملية تقليل التفاوتات بين نموذج المخطط المتغير © والمخطط المتغير التجريبي. يمكن اشتقاق تفاوت المخطط المتغير عبر اتجاهين يتم تحديدها بشكل
مسبق من توافق نفس نموذج المخطط المتغير بكلا الاتجاهين باستثناء معدل التدرج scaling ratio (المخطط المتغير). تشتمل المنهجية المقترحة على اثنتين من العمليات الأساسية. أول هذه العمليات هي عملية تحديد المخطط المتغير variogram determination process والعملية الثانية هي عملية معايرة
parameterisation process ٠ المسافة بتحديد المتغيرات. يجب أن يتم تنفيذ تحديد المخطط المتغير مرة واحدة على الأقل. بإحدى النماذج يكون التحديد المبدئي الوحيد كافي وهذه العملية يتم تنفيذها مرة واحدة فقط. بنماذج أخرى يمكن أن يتم تتفيذ العملية أكثر من $530 على سبيل المثال يمكن استبدالها طوال عملية مطابقة النتائج المساعدة المتكررة. عملية معايرة المسافة لتحديد المتغيرات هي عملية تحول ثنائية الاتجاه two way
a4 transform process ٠ إجراؤها بكل اتجاه بكل خطوة مطابقة النتائج المساعدة متكررة. شكل ١ هو مخطط انسيابي يوضح نموذج لعملية تحديد المخطط المتغير. تشتمل العملية على تحديد المخطط المتغير وتباين المخطط المتغير لكل فئة من القيم للمتغير المنفصل الذي يتم التعامل معه. يمكن أن يكون المخطط المتغير وتباين الخواص المذكور عبارة عن مخطط تباين مؤشر تجريبي experimental indicator variogram أو نموذج مخطط تباين متوافق fitted
external اشتقاقه من المتغير الذي يتم تحويله أو من مدخلات خارجية Say variogram model ٠٠ كبديل (correlogram يمكن أن يتم استخدام قياسات تنوع أخرى (مثل؛ مخطط الارتباط input لمخطط المتغير. فإن متغير (متغيرات) منفردة أو مجموعة منفصلة ثلاثية ١ بالاشارة إلى المثال المحدد بالشكل إلى مؤشرات ٠١١ (الخطوة ١٠٠)؛ يتم تحويلها عند الخطوة N منفصلة ممكنة ad الأبعاد لها
Yo ثلاثية الأبعاد N (متغيرات ثنائية (binary parameters لكل مؤشرء؛ بالخطوة VV يتم حساب المخطط المتغير التجريبي بطول ثلاث من الاتجاهات الشبكية grid directions أو الهندسية
8.5 ye نموذج المخطط المتغير VY 0 المحددة بشكل مسبق. بالخطوة orthogonal geometric المتعامدة بين المخطط البياني الفريد ومعاملان تباين الخواص (مثل؛ تباين الخواص geal) ثلاثي الأبعادء و 2 مقارنة بالاتجاه »)؛ y بالاتجاهين مقارنة بتباين الخواص الممكن للاتجاه الثالث بالاتجاهات يكون متوافق مع المخطط المتغير التجريبي لكل مؤشر. بصفة عامة يكون نموذج مخطط تباين ine ثلاثي الأبعاد المختلف متوافق مع كل مخطط تباين بحيث يتم الحصول على نموذج لكل © indicators لمؤشرات Ailes variograms على الرغم من أنه من الممكن استخدام مخططات تباين والتي يمكن استخدامها في (V7 مختلفة أيضاً. النتيجة هي مخطط تباين وبيانات تفاوت (الخطوة معايرة قيم المسافة إلى الواجهة في العملية الموضحة فيما يتعلق بالشكل > فيما يلي. نموذج المخطط المتغير ثلاثي الأبعاد هو بشكل نموذجي جاوسي (عادي) نظراً لان استخدام يساعد في التأكد من أن المتغير Gaussian variogram model نموذج مخطط تباين جاوسي ٠ المحول له سمة جاوسي التي سوف 35 من معدل التقارب أثناء عملية ال مطابقة النتائج المساعدة. شكل ؟ هو مخطط انسيابي يوضح نموذج لعملية معايرة المسافة لتحديد المتغيرات. يتم إجراء forward transform (تحول متقدم transformation functions العملية باستخدام دالتين للتحول التحول المتقدم يقوم بتحويل بيانات ثلاثية الأبعاد منفصلة (reverse transform وتحول عكسي ٠ إلى مجموعات من البيانات ثلاثية الأبعاد المستمرة. التحول العكسي يقوم بتحول عكسي لمجموعات من البيانات ثلاثية الأبعاد المستمرة إلى البيانات ثلاثية الأبعاد المنفصلة. يمكن تنفيذ يتم فيها تكرار عملية ال مطابقة النتائج المساعدة؛ أو فقط Bye عملية التحويل ثنائية الاتجاه بكل لمجموعة فرعية من عدد مرات التكرار (على سبيل المثال لحفظ جهد المعالجة). تحققات منفردة أو منسجمة لمتغير ثلاثي الأبعاد متفصل of بالاشارة إلى تدفق العمل بالشكل ٠
N إلى مؤشرات 7٠١ الممكنة المنفصلة؛ يتم تحويلها بالخطوة Nad (الخطوة ١٠٠)؛ كل من ثلاثية الأبعاد (متغيرات ثنائية). بالخطوة 778 يتم تحويل كل من المتغيرات المنفصلة إلى متغير ثلاثي الأبعاد مستمر (تحول بكل فئة من الخلايا )١/١( متقدم). يتم ذلك بواسطة حساب المسافة المتباينة لواجهة تحول القيمة فئة. يمكن تنفيذ هذا التحول باستخدام JS التي تشكل المؤشر. يتم تحديد علامة مختلفة بالتفاوت Yo الموحد fast marching method طريقة السير السريع متباين الخواص أو طريقة السير السريع
-١١- اتجاهات المخطط shay الخواص على أساس المعلومات؛ تمتد بشكل ملاثئم وفقاً لتباين الخواص»؛ المتغير. التي 77١ يمكن أن تكون بيانات تباين الخواص (وربما بيانات أخرى من المخطط المتغير) في حساب المسافة المتباينة لواجهة تحويل القيمة عبارة عن بيانات تباين YY تستخدم بالخطوة قد .١ (والمخطط المتغير) التي تم حسابها باستخدام الطريقة الموضحة بالشكل ١١ الخواص 5
Las هذه البيانات من البيانات التي تحصر أجزاء النموذج المتجانسة بخلاف النموذج نفسه: على سبيل المثال؛ البيانات المتعلقة بالمسافة لحدود الحجم المشبع (بالماء)؛ الناشئ عن الرصد الزلزالي observations عا«عاء»؛ .قد يتم استخدامها. بإحدى النماذج؛ المخطط المتغير/تباين الخواص يمكن أن ينشأ عن دمج لمخططات بيانية متوافقة مع المخططات البيانية التجريبية experimental
variograms ٠ لكل مؤشر. على نحو بديل؛ بيانات المخطط المتغير/تباين الخواص 77٠١ يمكن أن تشتق من معرفة الخبراء بالمشكلة. يمكن أن يكون نموذج المخطط المتغير متغيرا بشكل مستمر. يمكن أن تُشتق من توافق النموذج بالمخطط المتغير التجريبي المحلي local experimental variogram أو من البيانات المحلية التي تحصر النموذج. بإحدى النماذج؛ يمكن أن تشتق تباين الخواص من النسبة الباعية التي تم الحصول عليها من
Vo خلال تحليل المخطط المتغير لمؤشر المتغير indicator parameter الذي تم معالجته. إضافة إلى حساب تفاوت تباين الخواص إلى الواجهة ١/٠١ باستخدام بيانات تباين الخواص الذي تم حسابها للمؤشر الذي تم معالجته؛ يمكن أن تتضمن الطريقة أيضاً استخدام مخطط تباين لهذا المؤشرء وتحديداً منحنى المخطط المتغيرء لمعايرة المسافات التي تم حسابها وفقاً لطول العلاقة (أي؛ المدى الذي من ADA يتم ربط التقلبات بمنطقة واحدة من الحيز مع تلك بمنطقة أخرى).
٠ كذلك؛ التحول المتقدم يمكن أن يشتق من الانحناء الجوهري بالقوانين الطبيعية بين ميزة معينة والمسافة. يمكن استخدام هذه القوانين لحساب طول العلاقة المرتبطة بكل ميزة. على سبيل المثال؛ يمكن أن يتم استخدام الجذر التكعيبي لربط سطح قرص بقطره. بالخطوة + «YE يتم إجراء تكرار مطابقة النتائج المساعدة. قد يتم إجراء ذلك (بإحدى النماذج) باستخدام مرشح كالمان أو ما شابه. سوف تتألف مخرجات هذه الخطوة من المتغيرات المستمرة (N
YO كل منها مرتبط بقيمة منفصلة.
-؟١- يتبع ذلك؛ بالخطوة YOu يتم تنظيم متغير ثلاثي الأبعاد منفصل. بإحدى النماذج» يمكن إجراء ذلك بالكشف عن؛ لكل موقع بحيز ثلاثي الأبعاد 3D space تم تكوينه؛ أن للمتغير المستمر أقصى قيمة (أو الأدنى) بالموقع وتعود القيمة المنفصلة المناظرة إلى الموقع. على نحو بديل؛ يمكن إجراء هذه الخطوة بأخذ كل فئة متغير منفصلة في الاعتبار وتحديد إذا ما كان له خلية محددة أم لا aly, © تنتمي إلى الفئة المعنية اعتماداً على علامة للمسافة لواجهة تحول القيمة المناظرة. هذا
النموذج الثاني حساس لتسلسل الفئات المنفصلة والتي ثمثل مدخلات إلى العملية. هذا التسلسل يمكن معادلته (كل التسلسلات المستخدمة بالنسب المتساوية)؛ جعلها عشوائية أو بالمعرفة البديهية تعطي الخطوة Yoo المتغيرات المتجمعة المنفصلة discrete parameters (أو متغير منفرد) والتي
٠ يجب أن توفر مخرجات محاكاة والتي تكون مناظرة بشكل أفضل للبيانات/النتائج المرصودة. يمكن استخدام هذه المخرجات كمدخلات لتكرار عملية مطابقة النتائج المساعدة بعد ذلك. يمكن للتكرار التالي استخدام نفس بيانات المخطط المتغير/تباين الخواص؛ أو يمكن الحصول على بيانات التحديث بتكرار عملية تحديد المخطط المتغير. على هذا النحو؛ يمكن sale) حساب المخطط المتغير وتباين الخواص للمخطط المتغير المستخدم بالعملية عدة مرات أثناء عملية مطابقة النتائج
Ye المتكررة. ينتج عن التوجه الموضح أعلاه معايرة للمسافة إلى الواجهة بواسطة تغاير التقدير المحلي لمتغير المؤشر ذي الصلة. مما يضمن تغاير ثلاثي الأبعاد ويتم أخذ النسب المحلية في الاعتبار إذا كانت دقيقة أو قريبة من الواقع المرصود؛ أو أخرى إذا لم تكن؛ يتم تعديلها لتكون بأقل قيمة بقدر الممكن بحيث تبقى قريبة لنسب المدخلات أو تباين الخواص بالنماذج المبدئية. يضمن ذلك انزان كافي
٠ بين ما يتعلق بالمخطط البياني للتباين ونسب المتغير المنفصل الذي تم عكسه والمشاهدات المرصودة بنفس الوقت. بالحالة المحددة حيث معالجة النموذج الذي تم إنتاجه باستخدام محاكاة المؤشر المسلسل Sequential Indicator Simulation والمشاهدات المرصودة يكون متوافق مع متغيرات التحكم بعملية محاكاة المؤشر المسلسل «SIS Sequential Indicator Simulation سوف يضمن هذا
controlling parameters المكتشف يكون متوافق بشكل كامل مع متغيرات التحكم Jal) التوجه أن Yo المذكورة.
ا
١ إن الطريقة التي تم الكشف عنها عامة من حيث أنها لا تتطلب المعرفة المسبقة بأي من مجالات المستخدمة لتوليد مجموعة محددة من النماذج ولا المتغيرات عالية Gaussian fields جاوسي المستوى للتحكم بتكون النموذج. تسمح الطريقة باكتشاف حيز الحل فيما وراء الحيز المحدد بواسطة الطريقة المستخدمة لإنتاج المجموعة المبدئية. يضمن هذا التوجه تقارب أسرع وتوافق اقرب للمشاهدات التي تم رصدها. oo تم تجسيد واحدة أو أكثر من خطوات الطرق والمبادئ الموضحة هنا في صورة تعليمات ممكن قراءتها بواسطة الحاسب لتشغيلها على أجهزة حاسب ملائمة؛ أو في صورة نظام حاسب يشتمل program instructions لتخزين تعليمات البرتامج storage means على الأقل على وسائل تخزين التي ثمثل المبادئ الموضحة هنا ووحدة معالجة لتنفيذ التعليمات. من التقليدي, اشتمال وسائل و/أو مُشغل أقراص أو ما شابه ٠ (أي من أي نوع) computer memory التخزين على ذاكرة حاسب ٠ display المذكور كذلك على وحدة عرض computer system ذلك. يمكن أن يشتمل نظام الحاسب -input/output devices وواحد أو أكثر من وسائل الإدخال/الإخراج unit ينبغي تقدير أن الأفكار الموضحة هنا لها إفادة بشتى مجالات الملاحظة؛ المراقبة؛ التعزيز والتنبؤ ال©»» ويمكن أن تساعد في systems وأنظمة البثر hydrocarbon reservoir بمكمن الهيدروكربون من هذا المكمن hydrocarbons الطرق لاستخلاص الهيدروكربونات (pe جزء JE, Vo للهيدروكربون وأنظمة البثر. يجب إدراك أن الوصف السابق للتوضيح فقط وهناك نماذج وتعديلات أخرى يمكن استنتاجها بدون الخروج عن سياق وفحوى الاختراع. على سبيل المثال؛ بينما قد تم توضيح الطريقة فيما يتعلق فإنها قابلة للتطبيق كذلك بالنماذج ثنائية الأبعاد. ala) بالنماذج ثلاثية ٠
Claims (1)
- -طو١- عناصر الحماية -١ طريقة لمراقبة أداء حجم تحت سطح الأرض, تشتمل الطريقة المذكورة على: تحويل متغير وحيد منفصل single discrete parameter أو مجموعة من المتغيرات المنفصلة discrete الحجم تحت سطح الأرض, كل متغير منفصل daw تصف discrete parameters indicator بحيث لا >؟, بمتغيرات المؤشر N له قيم منفصلة ممكنة parameter parameters © لا كل له ؟ من القيم المنفصلة الممكنة؛ لكل من الفئتين من القيم لكل متغير مؤشر cindicator parameter تحديد المسافة المتباينة لواجهة تحول القيمة transition interface 6لا8/؛ تحويل كل من متغيرات المؤشرات indicator parameters إلى متغير مستمر continuous value مناظر باستخدام المسافة المتباينة المحددة إلى واجهة تحول القيمة parameter (30511100!!؛ و interface. استخدام المتغيرات المستمرة continuous parameters بعملية مطابقة النتائج السابقة history.matching process "- طريقة وفقاً لعنصر الحماية ١ تشتمل على, ما يلي استخدام المتغيرات المستمرة continuous parameters ١ المذكورة بعملية الموائمة للنتائج السابقة history matching process أو تكرارها, إنشاء متغير منفصل discrete parameter من المتغيرات المستمرة continuous parameters المذكورة. *- طريقة وفقاً لعنصر الحماية ١ حيث تشتمل هذه الخطوة من إنشاء متغير متفصل discrete parameter | ٠ من المتغيرات المستمرة continuous parameters المذكورة على: الكشف عن, لكل موقع بالحجم المذكور ad الاهتمام, المتغير المستمر continuous parameter الذي له أقصى أو أدنى قيمة بهذا الموقع ونسب القيمة المنفصلة المناظرة إلى الموقع. ؟- طريقة وفقاً لعنصر الحماية ١ حيث تشتمل هذه الخطوة من إنشاء متغير متفصل discrete parameter Yo من المتغيرات المستمرة continuous parameters المذكورة على: دراسة متعاقبة oftاج \ — لكل فئة قيمة متغير منفصل discrete parameter وتحديد إذا ما كانت الخلية cell المحددة تنتمي A لا إلى الفئة المعنية على حسب العلامة بالتفاوت إلى واجهة التحويل transition interface المناظرة للقيمة. ah -* 5 وفقاً لأي من عناصر الحماية السابقة حيث يكون كل من المتغيرات parametersالمذكورة هو متغير ثلاثي الأبعاد .3D parameter 7- طريقة وفقاً لأي من عناصر الحماية السابقة حيث يكون المتغير المنفصل المنفرد single discrete parameter أو المتجمع بالمتغيرات المنفصلة discrete parameters غير قابلة٠ للتصنيف. "- طريقة وفقاً لأي من عناصر الحماية السابقة حيث يتم حساب بيانات تباين الخواص anisotropic data المستخدمة لتحديد المسافة المتباينة إلى واجهة تحويل القيمة value transition interface باستخدام واحد أو أكثر من المخططات المتغيرة variogramsVo anisotropic data حيث يتم اشتقاق بيانات تباين الخواص ١ طريقة وفقاً لعنصر الحماية - variogram analysis iis من النسبة الباعية التي تم الحصول عليها بواسطة تحليل مخطط .corresponding indicator parameter بمتغير المؤشر المناظر٠ 4- طريقة وفقاً لعنصر الحماية ١ أو A حيث أن مسافات تباين الخواص المحددة لواجهة تحول القيمة Value transition interface يتم معايرتها وفقاً لطول العلاقة. -٠ طريقة وفقاً لعنصر الحماية 9 حيث يتم حساب طول العلاقة المذكورة من انحناء واحد أو أكثر من المخططات المتغيرة variograms المذكورة.Yo طريقة وفقاً لأي من عناصر الحماية السابقة تشتمل على الخطوات التالية: -١١-؟١- Glas التغير ببيانات تباين الخواص anisotropy data للمتغير المنتفصل المنفرد single discrete parameter أو مجموعة المتغيرات المنفصلة «discrete parameters و استخدام التغير المحسوب وبيانات تباين الخواص anisotropy data بالحساب المذكور لمسافة تباين الخواص لواجهة تحول القيمة .value transition interface lo} -١ طريقة وفقاً لعنصر الحماية ١١ حيث أن خطوة حساب التغير وبيانات تباين الخواص anisotropy data تشتمل على: تحويل المتغير المنفصل single discrete parameter. iid) المذكور أو مجموعة المتغيرات المنفصلة discrete parameters التي تصف الحجم تحت سطح الأرض المذكور, كل متغير ٠ منفصل discrete parameter له N من القيم المنفصلة Aad) حيث لا > JY متغيرات المؤشر N indicator parameters كل منها له قيم منفصلة ممكنة؛ و حساب مخطط patie تجريبي experimental variogram لكل من متغيرات المؤشر indicator parameters المذكورة. IF Vo طريقة وفقاً لعنصر الحماية VF حيث انه يتم حساب مخططات متغيرة تجريبية experimental variograms مذكورة بطول ثلاثة من الاتجاهات الشبكية grid directions أو الهندسية المتعامدة orthogonal geometric المحددة بشكل مسبق. 64- طريقة وفقاً لعنصر الحماية ١7 أو VE تشتمل كذلك على خطوة مطابقة نموذج مخطط Yo متغير ثلاثي الأبعاد ,3D variogram model دمج مخطط المتغير variogram ومعاملان لتباين الخواص anisotropy factors لمخطط المتغير التجريبي experimental variogram لكل مؤشر +110106810. - طريقة وفقاً لعنصر الحماية VE NY أو Vo حيث تشتمل الطريقة كذلك على الخطوات: Yo الحصول على قياس لطول علاقة الارتباط من مخطط المتغير التجريبي experimental idl variogram أو نموذج مخطط متغير tvariogram model و oftل \ — معايرة مسافات تباين الخواص المحددة المذكورة لواجهة تحول القيمة value transition interface وفقاً لطول علاقة الارتباط. 7- طريقة وفقاً لأي من عناصر الحماية السابقة حيث يتم تعيين علامة مختلفة لمسافة تباين © الخواص لواجهة تحول القيمة JS value transition interface فئة قيمة. -١١ طريقة وفقاً لأي من عناصر الحماية السابقة حيث أن عملية مطابقة النتائج السابقة history matching process المذكورة تكون متكررة.interface حيث أن تفاوت تباين الخواص لبيانات الواجهة VY طريقة وفقاً لعنصر الحماية -١#8 ٠ history matching يتم حسابه لكل مرة يتم فيها التكرار لعملية مطابقة النتائج السابقة 38 المذكورة. 54- طريقة وفقاً لعنصر الحماية VY حيث أن مسافة تباين الخواص لبيانات الواجهة interface data Vo يتم حسابها مرة واحدة فقط, قبل الإعادة الأولى لعملية مطابقة النتائج السابقة historymatching process المذكورة.-Y طريقة وفقاً لعنصر الحماية ١8,١١7 أو ١9 حيث يتم shal خطوات طريقة التحويل المتغيرالمنفصل المنفرد single discrete parameter المذكور أو مجموعة المتغيرات المنفصلةdiscrete parameters | ٠ إلى المتغيرات المستمرة continuous parameters المذكورة لكل إعادة لعملية مطابقة النتائج السابقة history matching process المذكورة.-7١ طريقة وفقاً لعنصر الحماية ١8,١١7 أو ١9 حيث يتم shal خطوات طريقة التحويل المتغير المنفصل المنفرد single discrete parameter المذكور أو مجموعة المتغيرات المنفصلةdiscrete parameters | © إلى المتغيرات المستمرة continuous parameters المذكورةم \ —لمجموعة فرعية من التكرارات المتضمنة بعملية مطابقة النتائج السابقة history matchingالمذكورة.YY - طريقة وفقاً لأي من عناصر الحماية ١ حتى 7١ حيث تستخدم عملية مطابقة النتائج السابقةensemble Kalman المذكورة تقنية مجموعة مرشح كالمان history matching process ©filter techniqueYY طريقة وفقاً لأي من عناصر الحماية السابقة حيث تشتمل كذلك على خطوة لاستخدام نتائجعملية مطابقة النتائج السابقة history matching process المذكورة للمساعدة في استخلاص ٠ الهيدروكربون 11010081501 من مكمن reservoir؛*- برنامج حاسب computer program يشتمل على تعليمات ALE للقراءة بواسطة الحاسبcomputer readable instructions حيث, عند تشغيله على جهاز حاسب ملاثم, يتسبب فيقيام جهاز الحاسب بتتفيذ الطريقة وفقاً لأي من عناصر الحماية ١ حتى NY Vo©8؟- حامل برنامج حاسب computer program carrier يشتمل على برنامج حاسب وفقاًلعنصر الحماية 7.١ جهاز يتم ضبطه خصيصاً للقيام بتنفيذ خطوات الطريقة وفقاً لأي من عناصر الحماية — YT NY حتى Yeaad متغير متفصل باستخدام أ أ Ki Naa pf 0 1 \ 0 التحويل إلى Naud Age الأبعاد ; AI. SE ly لكل مؤشر قم بحساب . [ANY | تع تجريبي ْ I A ©I. J af بموائمة لموذج مخطط ; متغير ثلاثي الأبعاد لمشططات متغيرة تجريبية محسوبة ١ AY “> بيانات تباين ; ا الخواضص/مخطط ٌٍ ا 33 رن i قن اي شكل١-١١- ا 1 ٍْ TE i ; 0 فصل : 1 - 1 ax 4 + 1 Jalil : 1 0 م ٍْ 73 N+. ع E 1 N Goud] Jett BA 1 ' ْ ّ d i 01% كي i i 7 0 5 sa : ; 5 <7 i P / $8 ; 1 ض قا ...ااا ناب ' ْ 1 1 i SEE ا “ro. . po ene > ض 1 6 ٍُ ٍ 1 5 E 0 H 5 : H 5 a 1 ١ . 5 : : E | AK : , سس إٍْ : ee ؟ : يي nd ا : ! 0 الجددددددددددددددددددددددد N famnananaananaaaanan: 1 ٍ 1 ض 1 1 ْ' 1 ] 1 ٍ i i 1 ْ' 1 : 1 1 ٍ 1 1 : = - i ا « 1 ا و ض 0١١١١١١١١١١ 3 i Eo if} Bc RB : H [EE ْ ا ; Da إٍْ زيل كل مؤسيل إلى ض | gd ad . H ' 1 8 Bagh . i; . ت تباي ْ ض ْ Saat $ yd 2 Pr ’ ض ; ب بين H i od ed ; : 0 ْ N 0 9 ٍُ ! 3 ‘ BN ال : لج ا لخو ا ص/مخطط ' : 1 : | ٍ : ٍ | ٍ: } 9 ما 0 5 ٍْ ض H i فشكي 8 ْ : 0 ض | ر H 2 م | : الس 1 : ا : 6 ; RA i 3 ا م : : : 4 SR ! ! : واوا وا اناا واوا واوا واوا انود وا واوا ااا كدو ادا : اكد دككدطاية ض H 1 1 ! 1 ' 1 ' H H 1 ' 1 1 1 ' 1 ٍ 1 ¥ ney 1 | ض : | , 1 H : ٍ , 1 !١ , ٍْ H 1 إ! : ٍ 1 ض : ٍ 1 | y نكر ا H : ٍ 1 ض 1 ٍ : ٍ 1 H 1 ٍ H : 1 ض 1 ٍ : ٍ ض 3 * ض | SRS الجاع عع عع عي : ض H 1 1 1 1 ْ 1 ض 1 1 ! 1 ٍ 1 ٍ H i 1 ! 1 1 1 ٍ 1 ٍ 1 ْ 1 ٍ ا | Ix i ma Lika 3 iia 3 قم باتنشاع i 1 - i ا 2 be 1 7 ' ب 4 ض FEY إل 4 “ PRIPN i 1 ٍ { ل بر } k i 1 : lay 4 ثلا 1 3 Sa i N 1 مر - .ع Cae 1 i 1 إ ض i اننا مشر مشر SRSA i 1 ad 1 i 7 ا [3 i : ٍ ْ : { د g = ! 1 ٍ 1 ض 1 ٍ } ض : RRR 3 اس ٍ t LLLaad متغير متفصل باستخدام أ أ Ki Naa pf 0 1 \ 0 التحويل إلى Naud Age الأبعاد ; AI. SE ly لكل مؤشر قم بحساب . [ANY | تع تجريبي ْ I A ©I. J af بموائمة لموذج مخطط ; متغير ثلاثي الأبعاد لمشططات متغيرة تجريبية محسوبة ١ AY “> بيانات تباين ; ا الخواضص/مخطط ٌٍ ا 33 رن i قن اي شكل١ٍْ 1 ا TE i ; ax 4 + 1 | 1 - 1 : فصل 0 N 73 ٍْ م 0 1 : Jalil E 1 N Goud] Jett BA 1 ' ع .+ 5 i كي 01% d i ّ ْ i 7 0 | sa : ; | 5 ض 1 ; $8 / i P 3 5 ' قا ...ااا نكت i 1 1 ْ a “ro. . | | i i 1 إ! ٍ 6 : E 0 | 5 1 i 1 ‘ : H 5 a 1 ١ . : 5 E | AK : سس , : ص ee : إٍْ : ا nd يي : الجددددددددددددددددددددددد 0 ! N famnananaananaaaanan: 1 1 ٍ 1 ض 1 1 'ْ 1 ] i ٍ i 1 1 'ْ 1 : 1 1 ٍ 1I. - : i | ا « ا و 0١١١١١١١١١١ 3 i Eo if} Bc RB : | ض H § إ ْ ل" ض كم ينو 5 0 $d Jy تدز Lo! صعورل 1 9 : H . Bagh . i 8 1 ' . ; H 7 RC Libs 8 i J ١ ay 2 font bed ; ٍ | تايل J 0 ; فا 0 H | ْ 0 در N 0 9 ٍُ aay NG ال BN ‘ 3 ! ' لج ا لخو ا ص/مخطط : : ٍ | : 1 :ٍ | ٍ : 0 ما 9 } ض ٍْ 5 ْ 8 فشكي H i ض | ر 0 : : | م 2 H الس 1 : ا RA ; 6 : : ا م 3 i SR ! 4 : : واوا وا اناا واوا واوا واوا انود وا واوا ااا كدو ادا : ! اكد دككدطاية : H ض 1 1 1 ! 1 ' H ' H 1 1 ' 1 1 1 ' 1 ٍ ney ¥ ض | 1 , | : 1 H , ٍ : !١ , 1 H ٍْ إ! 1 ٍ : ض 1 ٍ : y | | 1 H نكر ا ٍ : ض 1 ٍ 1 ٍ : 1 H | ٍ 1 H | : ض 1 ٍ 1 ض ٍ : * 3 SRS | | ض : الجاع عع عع عي H ض 1 1 1 1 1 ْ 1 ض 1 1 ! 1 ٍ H ٍ i 1 1 ! 1 1 1 ٍ 1 ٍ ا ٍ 1 ْ EX i i قم باتنشاع 3 ma Lika 3 iia - 1 be | 2 ا i ْ 7 1 FEY ب 4 ض PRIPN i “ 4 إل ٍ 1 k i } ل بر { ثلا 4 lay : 1 3 1 Sa i N | Cae 1 i مر - .ع 1 إ 1 tied i ائسة الميمتشامل 8 :0 i ض ' متشر ad 1 b i ا 7 i 1 ْ ض ْ ٍ : : g = ! د { ٍ 1 ض 1 ٍ 1 : ض } RRR اس 3 t LLL ٍمدة سريان هذه البراءة عشرون سنة من تاريخ إيداع الطلب وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها أو سقوطها لمخالفتها لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف النباتية والنماذج الصناعية أو لائحته التنفيذية صادرة عن مدينة الملك عبدالعزيز للعلوم والتقنية ؛ مكتب البراءات السعودي ص ب TAT الرياض 57؟؟١١ ¢ المملكة العربية السعودية بريد الكتروني: patents @kacst.edu.sa
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1302707.3A GB2510872A (en) | 2013-02-15 | 2013-02-15 | Method of modelling a subsurface volume |
PCT/EP2014/052495 WO2014124884A1 (en) | 2013-02-15 | 2014-02-07 | Method of modelling a subsurface volume |
Publications (1)
Publication Number | Publication Date |
---|---|
SA515360901B1 true SA515360901B1 (ar) | 2017-06-07 |
Family
ID=48048473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
SA515360901A SA515360901B1 (ar) | 2013-02-15 | 2015-08-13 | طريقة لمراقبة أداء حجم تحت سطح الأرض |
Country Status (7)
Country | Link |
---|---|
US (1) | US10209403B2 (ar) |
EP (1) | EP2956804B1 (ar) |
CA (1) | CA2900878A1 (ar) |
GB (1) | GB2510872A (ar) |
RU (1) | RU2015134392A (ar) |
SA (1) | SA515360901B1 (ar) |
WO (1) | WO2014124884A1 (ar) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2510872A (en) | 2013-02-15 | 2014-08-20 | Total Sa | Method of modelling a subsurface volume |
GB2510873A (en) | 2013-02-15 | 2014-08-20 | Total Sa | Method of modelling a subsurface volume |
US10108762B2 (en) * | 2014-10-03 | 2018-10-23 | International Business Machines Corporation | Tunable miniaturized physical subsurface model for simulation and inversion |
GB2593082B (en) * | 2018-12-05 | 2022-10-05 | Landmark Graphics Corp | Application of the ensemble Kalman filter to dynamic history matching in wellbore production |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8335677B2 (en) * | 2006-09-01 | 2012-12-18 | Chevron U.S.A. Inc. | Method for history matching and uncertainty quantification assisted by global optimization techniques utilizing proxies |
AU2008357712B2 (en) * | 2008-06-09 | 2012-09-06 | Landmark Graphics Corporation | Distribution of properties in a 3D volumetric model using a maximum continuity field |
EP2321756A2 (en) | 2008-09-02 | 2011-05-18 | Chevron U.S.A. Incorporated | Indirect-error-based, dynamic upscaling of multi-phase flow in porous media |
WO2010077569A1 (en) | 2008-12-17 | 2010-07-08 | Exxonmobil Upstream Research Company | System and method for reconstruction of time-lapse data |
US9329288B2 (en) * | 2009-01-19 | 2016-05-03 | Landmark Graphics Corporation | Data acquisition and prestack migration based on seismic visibility analysis |
US8095345B2 (en) * | 2009-01-20 | 2012-01-10 | Chevron U.S.A. Inc | Stochastic inversion of geophysical data for estimating earth model parameters |
US8451683B2 (en) | 2009-04-03 | 2013-05-28 | Exxonmobil Upstream Research Company | Method for determining the fluid/pressure distribution of hydrocarbon reservoirs from 4D seismic data |
US9285502B2 (en) * | 2009-12-08 | 2016-03-15 | Chevron U.S.A. Inc. | System and method for lacunarity analysis |
US8537638B2 (en) * | 2010-02-10 | 2013-09-17 | Exxonmobil Upstream Research Company | Methods for subsurface parameter estimation in full wavefield inversion and reverse-time migration |
US8274859B2 (en) * | 2010-02-22 | 2012-09-25 | Landmark Graphics Corporation | Systems and methods for modeling 3D geological structures |
US8649980B2 (en) | 2010-03-05 | 2014-02-11 | Vialogy Llc | Active noise injection computations for improved predictability in oil and gas reservoir characterization and microseismic event analysis |
US8694299B2 (en) * | 2010-05-07 | 2014-04-08 | Exxonmobil Upstream Research Company | Artifact reduction in iterative inversion of geophysical data |
US8892388B2 (en) * | 2010-09-30 | 2014-11-18 | Schlumberger Technology Corporation | Box counting enhanced modeling |
FR2966865B1 (fr) * | 2010-10-28 | 2015-05-15 | IFP Energies Nouvelles | Procede d'exploitation d'un gisement petrolier a partir d'un calage d'historique des donnees de production et de donnees sismiques. |
WO2012074592A1 (en) * | 2010-12-01 | 2012-06-07 | Exxonmobil Upstream Research Company | Simultaneous source inversion for marine streamer data with cross-correlation objective function |
BR112013018994A2 (pt) * | 2011-03-30 | 2017-02-21 | Exxonmobil Upstream Res Co | taxa de convergência de inversão de campo de onda completa empregando conformação espectral |
US9383465B2 (en) | 2012-03-23 | 2016-07-05 | Schlumberger Technology Corporation | Quantitative analysis of time-lapse seismic data |
GB2510872A (en) | 2013-02-15 | 2014-08-20 | Total Sa | Method of modelling a subsurface volume |
-
2013
- 2013-02-15 GB GB1302707.3A patent/GB2510872A/en not_active Withdrawn
-
2014
- 2014-02-07 EP EP14703825.1A patent/EP2956804B1/en active Active
- 2014-02-07 CA CA2900878A patent/CA2900878A1/en not_active Abandoned
- 2014-02-07 RU RU2015134392A patent/RU2015134392A/ru not_active Application Discontinuation
- 2014-02-07 US US14/767,450 patent/US10209403B2/en active Active
- 2014-02-07 WO PCT/EP2014/052495 patent/WO2014124884A1/en active Application Filing
-
2015
- 2015-08-13 SA SA515360901A patent/SA515360901B1/ar unknown
Also Published As
Publication number | Publication date |
---|---|
WO2014124884A1 (en) | 2014-08-21 |
GB201302707D0 (en) | 2013-04-03 |
EP2956804B1 (en) | 2020-11-18 |
EP2956804A1 (en) | 2015-12-23 |
CA2900878A1 (en) | 2014-08-21 |
US10209403B2 (en) | 2019-02-19 |
US20150378053A1 (en) | 2015-12-31 |
RU2015134392A (ru) | 2017-03-21 |
GB2510872A (en) | 2014-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barnes et al. | Indicator patterns of forced change learned by an artificial neural network | |
Roy et al. | Generative topographic mapping for seismic facies estimation of a carbonate wash, Veracruz Basin, southern Mexico | |
Bao et al. | Data-driven end-to-end production prediction of oil reservoirs by enkf-enhanced recurrent neural networks | |
SA515360901B1 (ar) | طريقة لمراقبة أداء حجم تحت سطح الأرض | |
Sarkheil et al. | Fractures distribution modeling using fractal and multi-fractal–neural network analysis in Tabnak hydrocarbon field, Fars, Iran | |
Sarma et al. | Efficient and robust uncertainty quantification in reservoir simulation with polynomial chaos expansions and non-intrusive spectral projection | |
Bertolini et al. | A methodology to evaluate and reduce reservoir uncertainties using multivariate distribution | |
Mahjour et al. | Developing a workflow to select representative reservoir models combining distance-based clustering and data assimilation for decision making process | |
Da Silva et al. | Support vector regression for petroleum reservoir production forecast considering geostatistical realizations | |
Jiang et al. | Use of multifidelity training data and transfer learning for efficient construction of subsurface flow surrogate models | |
Amini et al. | Pattern recognition and data-driven analytics for fast and accurate replication of complex numerical reservoir models at the grid block level | |
Tadjer et al. | Bayesian Deep Decline Curve Analysis: A New Approach for Well Oil Production Modeling and Forecasting | |
Alfaleh et al. | Topological data analysis to solve big data problem in reservoir engineering: Application to inverted 4D seismic data | |
Mahjour et al. | Scenario reduction methodologies under uncertainties for reservoir development purposes: distance-based clustering and metaheuristic algorithm | |
Alkhatib et al. | An approximate dynamic programming approachto decision making in the presence of uncertainty for surfactant-polymer flooding | |
Yeh et al. | A practical workflow for probabilistic history matching and forecast uncertainty quantification: Application to a Deepwater West Africa reservoir | |
US11513255B2 (en) | Method of characterising a subsurface volume | |
Zhang et al. | An initial guess for the Levenberg–Marquardt algorithm for conditioning a stochastic channel to pressure data | |
Caers et al. | Integration of engineering and geological uncertainty for reservoir performance prediction using a distance-based approach | |
Zhang et al. | Efficient Surrogate Modeling Based on Improved Vision Transformer Neural Network for History Matching | |
Arwini et al. | Combining experimental design with proxy derived sensitivities to improve convergence rates in Seismic History Matching | |
CN107871028B (zh) | 一种层序地层的级别划分方法及装置 | |
Bond et al. | An unsupervised machine learning approach for ground‐motion spectra clustering and selection | |
Yang | Holistic strategies for prediction uncertainty quantification of contaminant transport and reservoir production in field cases | |
Tang | Deep-Learning-Based Surrogate Modeling of Flow and Coupled Flow-Geomechanics for Data Assimilation in Subsurface Systems |