Содержание
- 2. http://heriot-watt.ru Нефть и Газ - Форум Геологов и Инженеров > Нефтегазовый форум > Моделирование разработки месторождений
- 3. 1 5 17 17 2 NTG 14
- 4. Mike Carlson
- 5. О.Дюбрул, с.15 Очевидно, что при интерполяции свойств в пространстве между поверхностями геометрической модели должен осуществляться контроль
- 6. Geostatistics for Reservoir Characterization Business Need: make the best possible reservoir management decisions in the face
- 7. Advantages of Geostatistics Intellectual integrity (?) Mathematical consistency (?) вопросы нужно взять тройными! 3-D models lead
- 8. Ричард Филлипс Фейнман “Какое ТЕБЕ дело до того, что думают другие?” …Мистер Уикс говорит: «Да, я
- 9. О.Дюбрул, с.15 Очевидно, что при интерполяции свойств в пространстве между поверхностями геометрической модели должен осуществляться контроль
- 10. Это известная фраза [А.Эйнштейна], в полемике с Бором. -Бог не играет в кости со Вселенной. -Эйнштейн,
- 11. Теорема Белла http://elementy.ru/trefil/21102 «Бог не играет в кости со Вселенной». Этими словами Альберт Эйнштейн бросил вызов
- 12. О.Дюбрул, с.273 О.Дюбрул, с.19 Мы проясним современный ряд приложений геостатистических методов, начиная от двумерного картирования, и
- 13. В течение последних 30 лет мы видели, что совместное развитие геостатистических методов и программных систем геологического
- 14. В.А.Мальцев (ВНИИгеосистем) ...Этот класс программных средств имеет весь спектр возможностей по управлению данными, процессом решения и
- 15. EXCEL
- 16. О.Дюбрул, с.76-77 Geoff Bohling, …KRIGING C&PE 940, 19 October 2005 http://people.ku.edu/~gbohling/cpe940
- 17. О.Дюбрул, с.45 О.Дюбрул, с.44 О.Дюбрул, с.76 2.2 Стационарная модель Как мы можем рассчитать статистику по единственному
- 18. Here are the directional variograms (directions are azimuths from north) computed with a directional tolerance of
- 19. RMSuserguide, Appendix F Kriging A standard geostatistical method for interpolation between observations, also used synonymously with
- 20. STOCHASTIC SIMULATION And RESERVOIR MODELING WORKFLOW (Overheads and other resources available at: http://people.ku.edu/~gbohling/cpe940) Geoff Bohling, Assistant
- 22. 0.25 + 0.625 + 0.125 =1 0.25 0.875 0.125 0.75 0.125 0.375 0.25 0.875 0.375 0.625
- 27. Total-Property Modeling: Dispelling the Net-to-Gross Myth SPE Reservoir Evaluation & Engineering Volume 11, Number 5 October
- 28. Petrel 2010.1 Facies tab (Sequential indicator simulation) The Facies tab lists the facies to be included
- 29. О вариограммах уже шла речь в уроке, посвященном индикаторному моделированию. Для того, чтобы построить вариограмму, требуется
- 31. Spatial stationarity A random variable is said to be stationary in the strict sense if the
- 32. p.1679 The variograms used in Facies Indicators are called Indicator variograms. An indicator variogram is identical
- 33. Advantages of Geostatistics Intellectual integrity (?) Mathematical consistency (?) вопросы нужно взять тройными! 3-D models lead
- 34. Метод обратных расстояний Кригинг
- 39. О.Дюбрул, с.76-77
- 40. О.Дюбрул, с.76-77 Geoff Bohling, …KRIGING C&PE 940, 19 October 2005 http://people.ku.edu/~gbohling/cpe940
- 43. Kriging Weighted linear estimates Z (Xo) is not known, but we can still calculate the error
- 44. Экспериментальная вариограмма
- 45. Построение вариограммы
- 46. Variogram Parameters Variance: A measure of how different members of a collection are from each other.
- 47. Построение вариограммы
- 49. Сферическая (Spherical) Гауссова (Gaussian) Экспоненциальная (Exponential) Линейная(Linear)
- 50. Anisotropic Good Bad Kriging Influence of the Variogram model parameters Azimuth Nugget High (0.99) Low (0.1)
- 51. Радиус = 5000 Радиус = 20000 Range: small Range: large Variogram Range
- 54. Выдержка из книги ДеМерс N.N. «Географические информационные системы Основы»
- 55. УДК 519.2 АСИМПТОТИЧЕСКОЕ ПОВЕДЕНИЕ ВАРИОГРАММЫ В НУЛЕ (МОДЕЛЬ ЧЕРНЫЙ ШУМ) В.А. БАЙКОВ, Н.К. БАКИРОВ , А.А.
- 56. 3. Приложение в нефтяной промышленности Тремя главными компонентами неидеальности пласта являются анизотропность, нестационарность (неоднородность), неравномерность. Эти
- 57. 6. Согласен. И в в ячейке с индексом литологии или признаком коллектор-неколлектор NTG имеет значение 0
- 58. Карта мира Меркатора 1569 года Пример картографической проекции — проекция Меркатора https://upload.wikimedia.org/wikipedia/commons/6/62/Usgs_map_mercator.svg?download Система координат UTM (от
- 59. WGS 84 (англ. World Geodetic System 1984) — всемирная система геодезических параметров Земли 1984 года, в
- 60. Система координат 1995 года В 90-х годов XX в. было выполнено совместное уравнивание АГС, ДГС и
- 61. В соответствии с Постановлением Правительства РФ от 28 декабря 2012 г. № 1463 «О единых государственных
- 62. FloGrid 2006.2 UG,p.483
- 63. FloGrid 2006.2 UG,p.503
- 64. MORE 6.6 D
- 65. RMS User Guide Blocked Wells Both petrophysical modelling and facies modelling are performed using a 3D
- 66. Total-Property Modeling: Dispelling the Net-to-Gross Myth SPE Reservoir Evaluation & Engineering Volume 11, Number 5 October
- 67. Petrel The layout and the resolution of the 3D grid will control how many and which
- 68. Petrel 2010 Scale up well logs process As points: All sample values within each cell are
- 69. RMS User Guide Blocked Wells The Upscaling Process Petrel UG Scale up well logs Fig.1 Part
- 72. RMS User Guide Blocked Wells The Upscaling Process Petrel UG Scale up well logs Fig.1 Part
- 73. В течение последних 30 лет мы видели, что совместное развитие геостатистических методов и программных систем геологического
- 74. September 7, 2004 Professor Dr A G Journel Assistant Editor Journal of Mathematical Geology By email
- 76. Скачать презентацию
http://heriot-watt.ru
Нефть и Газ - Форум Геологов и Инженеров > Нефтегазовый форум >
Моделирование разработки месторождений
http://heriot-watt.ru
Нефть и Газ - Форум Геологов и Инженеров > Нефтегазовый форум >
Моделирование разработки месторождений
Как заставить в межскважином пространстве образовыватся целикам нефти? 14.6.2010, 15:30
D. …Про переход от масштаба кубика до масштаба месторождения.
Когда "впаривались" симуляторы в России, как-то по умолчанию считалось (и считается) такой переход логичным. То есть на кубике мы закладываем некоторый набор параметров (pvt, свойства, относительные фазовые и проч.) и вперед к месторождениям. Это работает на небольших месторждениях, но что делать с средними и крупными?
M. …вот про "впаривать симуляторы в России" ... не согласен. Когда начиналось проникновение ГДМ по стране ECLIPSE был еще с черным фортрановским (и очень продуманным) интерфейсом. А программы GRID, GRAF дополняла программа PSEUDO. Слышали о такой? Ее назначение было - масштабирование фазовых кривых (включая перенос концевых точек и изменение формы кривой) при переходе от детальнейшей модели геологи элемента и фазовых по керну к крупным ячейкам. Про великолепную документацию от WorkBanch вообще молчу - Intera со своим ECLIPSE старалась заработать на обучении (курсах) как и наследник SIS, а у этих в документации было ... вплоть до блок схем алгоритма HM.
Модели строились с толщиной слоя от 2 до 5-10 метров. Вот и понимание у стариков было и иллюзий меньше - что такое этот кубик. Теперь, когда геологи кропают модели по 0.2м (с разрешением каротажа) а про PSEUDO забыли из-за допотопного интерфейса возникает иллюзия полного знания о строении и т.п. Предприятия вместо того чтобы обучать своих сотрудников дают им конспекты предыдущих поколений .... молодые инженеры не знают что такое NTG. Не то что затронутая тема. А благодаря "впаренным симуляторам" компании смогли оценивать работу институтов ... не кто щеки толщи надул, тот и прав, но некие критерии ... хотя это очень отдельный разговор. До сих пор противников ГДМ больше в институтах, а сторонников на уровне ГеоНАЦ, Объединений и ЦКР/ТКР (там где реально хотят понять что тут институты "нафорекастили"). ***
Вопрос 9. Какой метод распределения свойств на ваш взгляд более оптимальный: стохастический или детерминированный?
К.Е.Закревский Вообще говоря, стохастический лучше, так как более гибкий. Кригингом в принципе нельзя кинуть линзу коллекторов в слое между скважинами, если в скважинах в этом слое глины. Если только, конечно, не нарисовать ее на карте песчанистости, которую подсунуть в качестве тренда. Опять же, оценку неопределенности кригингом не сделаешь. Или объектное моделирование, которое позволяет использовать имеющийся опыт о формах геологических тел данного пласта в данном регионе – его кригингом никак не заменишь. Кроме того, если я сделаю тысячу реализаций и осредню, то получу тот же кригинг. А вот из кригинга стохастическую реализацию никак не получить.
Если говорить более приземлено, то и кригинг и одна стохастическая реализация представляют собой крайности. Кригинг слишком гладкий, а одна реализация слишком рваная, геологически не оправданно. Поэтому я предпочитаю делать 21 реализацию, потом осреднить и сгладить.
Сделаем два отступления. Первое. Безусловно, существуют геологические ситуации, когда очевидно, какой метод лучше. Хорошие, толстые – моделируем кригингом. Тонкие, рваные - стохастикой. Но при этом не забываем про контроль связности, а то гидродинамическая модель не посчитается. Второе. Пористость в коллекторах предпочитаю распространять кригингом, мне кажется это более геологичным.
1
5
17
17
2
NTG
14
1
5
17
17
2
NTG
14
Mike Carlson
Mike Carlson
О.Дюбрул, с.15
Очевидно, что при интерполяции свойств в пространстве между поверхностями геометрической
О.Дюбрул, с.15
Очевидно, что при интерполяции свойств в пространстве между поверхностями геометрической
На практике при конструировании стратиграфической модели используются геологические соображения (фиг. 1-6). Например, в случаях, когда характер осадконакопления определяется палеорельефом, в стратиграфическую сетку могут включаться структуры налегания. В случаях, когда установлена модель с хорошим последовательным осадконакоплением, падения уровня моря могут вызывать эрозионные размывы, которые тоже могут быть представлены в геологической модели. Конечно, стратиграфические сценарии могут комбинироваться - например, налегание может совмещаться с эрозией.
Опыт показывает, что типичная ячейка сетки геологической модели имеет около одного метра в толщину и нескольких десятков метров в ширину (фиг. 1-7). Различие в размерах между толщиной и горизонтальной протяженностью обусловлено предположением, что геологические изменения являются намного более быстрыми вдоль вертикального направления, чем вдоль направлений, параллельных осадконакоплению. Это также означает, что число ячеек сетки для резервуара средних размеров обычно будет порядка нескольких миллионов.
Geostatistics for Reservoir Characterization
Business Need: make the best possible reservoir management
Geostatistics for Reservoir Characterization
Business Need: make the best possible reservoir management
Statistics is concerned with scientific methods for collecting, organizing, summarizing, presenting and analyzing data, as well as drawing valid conclusions and making reasonable decisions on the basis of such analysis.
Geostatistics is a branch of applied statistics that places emphasis on
the geological context of the data,
(2) the spatial relationship between the data, and
(3) data measured with different volumetric support and precision.
Geostatistics is sometimes referred to as stochastic modeling, geostatistical reservoir characterization, conditional simulation
Basic Principles:
work within all known geological (physical) сonstraints
(sequence stratigraphic framework, ...)
- provide tools to quantify and exploit spatial correlation
- algorithms for numerical geological modeling (heterogeneity modeling) and uncertainty quantification
Doesn't make reservoir modeling any easier;
Just better (if correctly applied)
Advantages of Geostatistics
Intellectual integrity (?) Mathematical consistency (?)
вопросы нужно взять
Advantages of Geostatistics
Intellectual integrity (?) Mathematical consistency (?)
вопросы нужно взять
3-D models lead to better volumetrics
очевиднейшее утверждение!
Better modeling of heterogeneity
- no need for pseudo wells
- геолог вводит фиктивные скважины для
перевода своих воззрений в число!
controllable degree of spatial variability
-”кем”, а уж затем и “каким образом” ?
flow models are more reliable
“seven … of fifty” ?
Framework to integrate data
- geological interpretation
- core and log data
- seismic data
production data
Assessment of uncertainty in process performance due to uncertainty in geological model
- а это вообще оччччень особый разговор!
Ричард Филлипс Фейнман
“Какое ТЕБЕ дело до того, что думают другие?”
…Мистер
Ричард Филлипс Фейнман
“Какое ТЕБЕ дело до того, что думают другие?”
…Мистер
Мы снова просмотрели весь отчет и нашли этот анализ. Он представлял собой что-то вроде компьютерной модели со всевозможными допущениями, которые совсем необязательно были правильными. Вам известна опасность, которую представляют собой компьютеры; она называется МВМП: мусор вводишь, мусор получаешь! В результате анализа делался вывод, что небольшие непредсказуемые утечки там и здесь допустимы, даже если и не заложены в исходной конструкции…
О.Дюбрул, с.203
G.I.G.O. garbage in - garbage out
ABBY Lingvo
компьют. мусор на входе - мусор на выходе (принцип программирования, в соответствии с которым неверные входные данные не могут привести к правильному результату)
О.Дюбрул, с.15
Очевидно, что при интерполяции свойств в пространстве между поверхностями геометрической
О.Дюбрул, с.15
Очевидно, что при интерполяции свойств в пространстве между поверхностями геометрической
На практике при конструировании стратиграфической модели используются геологические соображения (фиг. 1-6). Например, в случаях, когда характер осадконакопления определяется палеорельефом, в стратиграфическую сетку могут включаться структуры налегания. В случаях, когда установлена модель с хорошим последовательным осадконакоплением, падения уровня моря могут вызывать эрозионные размывы, которые тоже могут быть представлены в геологической модели. Конечно, стратиграфические сценарии могут комбинироваться - например, налегание может совмещаться с эрозией.
Опыт показывает, что типичная ячейка сетки геологической модели имеет около одного метра в толщину и нескольких десятков метров в ширину (фиг. 1-7). Различие в размерах между толщиной и горизонтальной протяженностью обусловлено предположением, что геологические изменения являются намного более быстрыми вдоль вертикального направления, чем вдоль направлений, параллельных осадконакоплению. Это также означает, что число ячеек сетки для резервуара средних размеров обычно будет порядка нескольких миллионов.
Это известная фраза [А.Эйнштейна], в полемике с Бором.
-Бог не играет в
Это известная фраза [А.Эйнштейна], в полемике с Бором. -Бог не играет в
Нильс Бор и Альберт Эйнштейн
С того, что материализм и его однозначность закончилась и начинаиться эра фантастики вероятностного характера. Тема в том и заключаеться что Энштейн был не прав.
На мой взгляд Эйнштейн был прав. В конце концов наука без детерминизма невозможна вообще! А детерминизм в квантовой механике остался, и выражается в уравнении Шредингера
http://www.evangelie.ru/forum/t86938.html
Einstein said: "As I have said so many times, God doesn't play dice with the world."
Die Quantenmechanik ist sehr achtung-gebietend. Aber eine innere Stimme sagt mir, daß das doch nicht der wahre Jakob ist. Die Theorie liefert viel, aber dem Geheimnis des Alten bringt sie uns kaum näher. Jedenfalls bin ich überzeugt, daß der nicht würfelt.
Квантовая механика действительно впечатляет. Но внутренний голос говорит мне, что это ещё не идеал. Эта теория говорит о многом, но всё же не приближает нас к разгадке тайны Всевышнего. По крайней мере, я уверен, что Он не бросает кости
Теорема Белла http://elementy.ru/trefil/21102
«Бог не играет в кости со Вселенной».
Этими словами Альберт
Теорема Белла http://elementy.ru/trefil/21102
«Бог не играет в кости со Вселенной».
Этими словами Альберт
Есть странная ирония судьбы в том, что Эйнштейн вошел в историю как принципиальный оппонент квантовой механики, хотя первоначально сам стоял у ее истоков. В частности, Нобелевскую премию по физике за 1921 год он получил вовсе не за теорию относительности, а за объяснение фотоэлектрического эффекта на основе новых квантовых представлений, буквально захлестнувших научный мир в начале ХХ века.
Больше всего Эйнштейн протестовал против необходимости описывать явления микромира в терминах вероятностей и волновых функций (см. Квантовая механика), а не с привычной позиции координат и скоростей частиц. Вот что он имел в виду под «игрой в кости». Он признавал, что описание движения электронов через их скорости и координаты противоречит принципу неопределенности. Но, утверждал Эйнштейн, должны существовать еще какие-то переменные или параметры, с учетом которых квантово-механическая картина микромира вернется на путь целостности и детерминизма. То есть, настаивал он, нам только кажется, будто Бог играет с нами в кости, потому что мы не всё понимаем. Тем самым он первым сформулировал гипотезу скрытой переменной в уравнениях квантовой механики. Она состоит в том, что на самом деле электроны имеют фиксированные координаты и скорость, подобно ньютоновским бильярдным шарам, а принцип неопределенности и вероятностный подход к их определению в рамках квантовой механики — результат неполноты самой теории, из-за чего она и не позволяет их доподлинно определить...
О.Дюбрул, с.273
О.Дюбрул, с.19
Мы проясним современный ряд приложений геостатистических методов, начиная от
О.Дюбрул, с.273
О.Дюбрул, с.19
Мы проясним современный ряд приложений геостатистических методов, начиная от
В мире геофизики геостатистика часто воспринимается как непостижимый подход, черный ящик, делающий нечто вроде выбрасывания случайных чисел между скважинами. Мы покажем, что этот взгляд далек от истины, и что приемы геостатистики могут быть поняты, поскольку они являются развитием методов, хорошо знакомых большинству геофизиков и интерпретаторов.
Мы будем обсуждать соотношения между геостатистикой и такими подходами, как вероятностный по Байесу, регуляризация обратных задач, фильтрация, анализ Фурье, сплайны. Некоторое число коротких математических выводов будет дано в тексте и на иллюстрациях для читателей, заинтересованных в больших подробностях, чем те, которые можно включить в однодневный курс. Но эти выводы не являются слишком строгими. Мы хотим только дать почувствовать, куда могут привести теоретические взаимосвязи, и просим извинить нас за математическую краткость.
В течение последних 30 лет мы видели, что совместное развитие геостатистических
В течение последних 30 лет мы видели, что совместное развитие геостатистических
О.Дюбрул, с.12
О.Дюбрул, с.272
В.А.Мальцев (ВНИИгеосистем)
...Этот класс программных средств имеет весь спектр возможностей по управлению
В.А.Мальцев (ВНИИгеосистем)
...Этот класс программных средств имеет весь спектр возможностей по управлению
…
- пользователю приходится заниматься самообразованием не только в освоении управления программой, но и в освоении ее содержательной части, обычно ни в чем не перекликающейся с отечественными университетскими курсами…
EXCEL
EXCEL
О.Дюбрул, с.76-77
Geoff Bohling, …KRIGING C&PE 940,
19 October 2005
http://people.ku.edu/~gbohling/cpe940
О.Дюбрул, с.76-77
Geoff Bohling, …KRIGING C&PE 940,
19 October 2005
http://people.ku.edu/~gbohling/cpe940
О.Дюбрул, с.45
О.Дюбрул, с.44
О.Дюбрул, с.76
2.2 Стационарная модель
Как мы можем рассчитать статистику по
О.Дюбрул, с.45
О.Дюбрул, с.44
О.Дюбрул, с.76
2.2 Стационарная модель
Как мы можем рассчитать статистику по
Последнее свойство обобщается в свойство ковариации в стационарном случае - ковариация между измерениями в двух точках зависит только от вектора между этими точками.
Here are the directional variograms (directions are azimuths from north) computed
Here are the directional variograms (directions are azimuths from north) computed
The model shown is that fitted to the semivariogram for N 135° E,
which seems to be reasonably trend-free. The model is exponential with a sill of 6.1 m2 and a range of 5292 m.
We then krige using a first-order trend model in X & Y and the
presumably trend-free semivariogram model for N 135° E:
Here is the porosity semivariogram in the directions N 0° E, N 45° E, N 90° E, and N 135° E with angular tolerance of 22.5 and no bandwidth limit, together with the omnidirectional Gaussian model:
Geoff Bohling, VARIOGRAM ANALYSIS C&PE 940, 17 October 2005
To check for directional dependence in an empirical semivariogram, we have to compute semivariance values for data pairs falling within certain directional bands as well as falling within the prescribed lag limits. The directional bands are specified by a given azimuthal direction, angular tolerance, and bandwidth:
The directional semivariograms are noisier due to the reduced number of data pairs used for estimation. They do not show overwhelming evidence of anisotropy.
RMSuserguide, Appendix F
Kriging A standard geostatistical method for interpolation between observations,
RMSuserguide, Appendix F
Kriging A standard geostatistical method for interpolation between observations,
Unconditional simulation This simulation technique produces a realistic field given the stochastic modelling job. No observations are used. The method may be used in order to evaluate the specified modelling job. It is often useful to see if an unconditional simulation of the modelling job generates a realistic field (realization).
Conditional simulation Conditional simulation uses both the methods mentioned above. The simulation gives a possible field where all the well observations are reproduced. Simulations of several fields are valuable for analysing the uncertainty of the reservoir performance prediction.
As both kriging and conditional simulation are based on the same stochastic modelling job there is a close relationship between the resulting fields: given a location, using the same observations and the same job parameters, the average of a large set of simulated values will approach the kriged value.
STOCHASTIC SIMULATION And RESERVOIR MODELING WORKFLOW
(Overheads and other resources available at:
STOCHASTIC SIMULATION And RESERVOIR MODELING WORKFLOW
(Overheads and other resources available at:
Geoff Bohling, Assistant Scientist Kansas Geological Survey, 21 October 2005, p.7-8
Sequential indicator simulation (SIS) is very similar to sequential Gaussian simulation, expect that indicator kriging is used to build up a discrete cumulative density function for the individual categories at each case and the node is assigned a category selected at random from this discrete CDF.
Very briefly, an indicator representation for a categorical variable such as facies would be formulated as
where you would have one indicator variable for each of the K different facies.
We can then use kriging (based on indicator semivariograms) to produce a set
of facies membership probabilities at each grid point, build up a CDF from the
probabilities, and select a facies at random from the CDF:
For a continuous variable such as permeability, indicator variables
are built by comparing data values to a set of thresholds, zk:
We might define thresholds, for example, at the 10th, 25th, 50th, 75th, and 90th percentiles of the data distribution, for example. In this case, kriging the indicator values for the kth threshold, zk, gives estimates of P[Z(u ) < = zk] at each estimation point. Since this already is a cumulative probability, we don’t need to go through the process of summing to get a CDF, although we will need to orrect any violations of the expected order relationships, P[Z(u ) < = zk] <= P[Z(u ) < = zk+1] , that happen to occur.
In this case, SIS assigns each node to a corresponding range (e.g., upper 10%) by random selection from the CDF and the resulting indicator vector gets added to the conditioning data for the remaining nodes.
0.25 + 0.625 + 0.125 =1
0.25
0.875
0.125
0.75
0.125
0.375
0.25
0.875
0.375
0.625
0.625
0.75
0.25 + 0.625 + 0.125 =1
0.25
0.875
0.125
0.75
0.125
0.375
0.25
0.875
0.375
0.625
0.625
0.75
Total-Property Modeling: Dispelling the Net-to-Gross Myth
SPE Reservoir Evaluation & Engineering
Volume
Total-Property Modeling: Dispelling the Net-to-Gross Myth
SPE Reservoir Evaluation & Engineering
Volume
October 2008
pp. 866-873
Philip S. Ringrose, StatoilHydro ASA
Summary
Reservoir-modeling practice has developed into a complex set of numerical algorithms and recipes for modeling subsurface geology and fluid flow. Within these workflows, a number of myths have sometimes been propagated, especially in relation to (a) methods for handling net-to-gross (N/G), (b) implementation of upscaling methods, and (c) conditioning of reservoir models to well data. This paper discusses different practices in the use and upscaling of reservoir data and models, by comparing two end-member approaches: (1) the N/G method and (2) total-property modeling. Total property modeling, in which all rock elements are represented explicitly, is the generally preferred method. The N/G method involves a simplified representation of reality, which may be an acceptable approximation. Implications for upscaling and conditioning reservoir models to well data are discussed, and recommended practices are suggested.
Introduction
A number of weak assumptions have propagated within the oil industry and related research groups with respect to how reservoir data are rescaled and handled within the reservoir model. Three myths prevalent in reservoir modeling are that
1. The net-to-gross (N/G) ratio is a trivial concept.
2. Upscaling is not usually necessary.
3. Measurements at the well are fixed data points.
While it is generally appreciated that the N/G ratio is an important concept, it is widely and falsely assumed that treatment of N/G ratios in the reservoir model is a trivial matter. Similarly, while the upscaling of flow
properties is an important research activity, a common assumption in practice is that upscaling is a specialist research topic that does not significantly affect practical reservoir modeling or, indeed, that other uncertainties dominate over any upscaling uncertainties.
Furthermore, although upscaling methods are employed increasingly, too often standard recipes are used without checking the validity of assumptions. The third myth is prevalent in the use of common modeling techniques in which the focus is on geostatistical modeling of the interwell volume with the assumption that the statistical variables must merely be "tied to" or conditioned to (hard) well-data control points. While it is generally true that interwell uncertainties are large compared to well data, the well data sets themselves have significant uncertainties in interpretation and rescaling, especially for thin-bedded reservoir systems. This paper examines these issues and suggests an improved practice for representation and transformation of multiscale reservoir data in the reservoir model.
Contrasting approaches to the handling of N/G ratios and cutoff values are the main concern, but implications for upscaling, handling of well data, and reservoir modeling are also identified. The main goal is assumed to be reservoir modeling for flow simulation and reservoir forecasting, but the arguments are also relevant for volume and reserves estimation.
Petrel 2010.1
Facies tab (Sequential indicator simulation)
The Facies tab lists the
Petrel 2010.1
Facies tab (Sequential indicator simulation)
The Facies tab lists the
Choose the facies codes to be included in the simulation from the facies codes in the template. The order of the facies is not important for the simulation result. The list on the left includes all the facies codes in the template used and the list on the right includes the facies in the simulation…
…Variograms, fractions and trends can be set for each facies individually
RMS 2010.1 UG, p.2732
The variables under study are the spatial variables, {z(x);xεV}, where x = (x, y, z) is a vector in the 3-dimensional reference space. The spatial variable is considered as one realisation of a random function {z(x);xεV}, and is normally known only for a finite number of points, {z(xi);xiεV, i=1…N}.
Spatial stationarity is assumed for the random function, which implies that the expectations are constant throughout the volume and that the spatial variability is location independent and can be defined by a variogram function γ(h) only dependent on the distance between two points in the volume.
If several variables are to be modelled, a variogram function must be defined for each variable. In addition, correlation between variables may be defined. This may be specified by the covariance matrix (To ensure that the covariance matrix is always positive definite, it is required that all variables have the same variogram range and variogram model type in each facies type)
О вариограммах уже шла речь в уроке, посвященном индикаторному моделированию.
О вариограммах уже шла речь в уроке, посвященном индикаторному моделированию.
Важно: параметры конуса необходимо задать во всех трех направлениях – параллельном (Х), нормальном (Y), и вертикальном (Z).
Критериями, определяющими параметры конуса поиска, должны служить
совокупные знания о геологии моделируемого месторождения, выделенных закономерностях распределения литологии и петрофизических свойств,
и прочая априорная геологическая информация.
В данном случае задайте любые приемлемые настройки.
Spatial stationarity
A random variable is said to be stationary in the
Spatial stationarity
A random variable is said to be stationary in the
Second order stationarity A random variable is said to be second order stationary if the expectation and the spatial variogram are location independent.
Transformation RMS 2010.1 UG, p.2728
There are two reasons for transforming the observed well data:
• To ensure that trends observed in wells are carried through to simulation at non-well locations
• After a suitable set of transformations, the variables can be assumed to be normally distributed, and then analysed by the usual methods for normally distributed random variables.
After estimation of modelling job parameters and kriging/simulation the field is transformed back again.
Let Yi(x) be a petrophysical variable i at position x, where x = (x,, y, z) is a point in 3-dimensional space. It is then assumed that after some suitable transformation specified by the user (“as specified by you” 2010.1) the variable will be normally distributed with zero expectation:
where Zi is a Gaussian field with expectation zero and Zi(x) is the value of the field in position x.
The function fi may be defined by one or more of the transforms listed in Chapter 24, “Trend analysis & transformations”.
RMS 2010.1 UG, p.1688
Note The order of the facies in the facies list has no effect on the Facies Indicator simulation.
RMS 2010.1 UG, p.1740
Note The order of the facies in the facies list is important. The list should have a preferred order for the facies transitions. For example, for shoreface reservoirs, there should be an ordering from coastal facies through to marine facies (Figure 52.5.). If the Separate zone models option is turned ON, you must select facies for each of the zones.
RMS 2010.1 UG, p.1720
Note The order of the facies in the facies list has no effect on the Facies MPS simulation.
p.1679
The variograms used in Facies Indicators are called Indicator variograms.
p.1679
The variograms used in Facies Indicators are called Indicator variograms.
p.1740
p.1688
p.1720
p.1680
This section provides some background information about the Facies Belts method, for the three modes:
• Stacked belts • Trend & threshold • Proportions
The basic concept is that lithologies within a grid model can be defined by a set of relatively widespread facies or facies belts, which are distributed with a systematic ordering. This ordering is typically a consequence of gradual migration of these facies belts during deposition of the reservoir grid model (see Figure 52.1).
The resulting facies parameter is typically used as a conditioning input to stochastic petrophysical modelling, where different poro-perm distributions are assigned to the various facies.
Facies Belts is a part of the Workflow management concept, which means that several realisations can be simulated using the same model definition.
p.1731-32
Figure 52.1: Typical Facies Belts realisation with widespread facies belts which interfering.
Advantages of Geostatistics
Intellectual integrity (?) Mathematical consistency (?)
вопросы нужно
Advantages of Geostatistics
Intellectual integrity (?) Mathematical consistency (?)
вопросы нужно
3-D models lead to better volumetrics
очевиднейшее утверждение!
Better modeling of heterogeneity
- no need for pseudo wells
- геолог вводит фиктивные скважины для
перевода своих воззрений в число!
controllable degree of spatial variability
-”кем”, а уж затем и “каким образом” ?
flow models are more reliable
“seven … of fifty” ?
Framework to integrate data
- geological interpretation
- core and log data
- seismic data
production data
- а ведь хотели “как лучше…”
Assessment of uncertainty in process performance due to uncertainty in geological model
- а это вообще оч-чень особый разговор!
“…В течение последних 30 лет мы видели, что совместное развитие геостатистических методов и программных систем геологического моделирования вело к все большему включению геостатистики в рабочий процесс отдельных научно-технических дисциплин - геологии, геофизики и разработки. Это очень хороший факт. Однако, возможен еще больший прогресс, поскольку геостатистика до сих пор рассматривается многими учеными и инженерами как черный ящик, успешно генерирующий случайные числа, но оторванный от законов и ограничений, имеющихся в соответствующих прикладных науках. Возможно, в этом, по крайней мере частично, виноваты сами специалисты-геостатистики, поскольку преуспели в создании многих новых методов, иногда с очень сложным математическим аппаратом, но без ясного указания на то. что в них является действительно важным, и какое отношение эти методы имеют к практике различных дисциплин…”
О.Дюбрул, с.12
Метод обратных расстояний
Кригинг
Метод обратных расстояний
Кригинг
О.Дюбрул, с.76-77
О.Дюбрул, с.76-77
О.Дюбрул, с.76-77
Geoff Bohling, …KRIGING C&PE 940,
19 October 2005
http://people.ku.edu/~gbohling/cpe940
О.Дюбрул, с.76-77
Geoff Bohling, …KRIGING C&PE 940,
19 October 2005
http://people.ku.edu/~gbohling/cpe940
Kriging
Weighted linear estimates
Z (Xo) is not known, but we can still
Kriging
Weighted linear estimates
Z (Xo) is not known, but we can still
the statistic parameters; mean value, variance value and the variogram model
Kriging uses weighted linear estimates; i.e. combining known values to estimate an unknown value Z at a location Xo
Weighting factor decided by Variogram:
How close to location?
Preferred direction (anisotropy)
Influence of variogram
Range on weights
Экспериментальная вариограмма
Экспериментальная вариограмма
Построение вариограммы
Построение вариограммы
Variogram Parameters
Variance: A measure of how different members of a collection
Variogram Parameters
Variance: A measure of how different members of a collection
Lag distance: Separation distance between points.
Sill: Variance at the point where the summary plot flattens out to random similarity.
Range: Correlation distance; distance
beyond which data points no longer exhibit
any statistical similarity.
Nugget: Degree of dissimilarity at zero distance.
The Variogram can be calculated in 3 directions:
Horizontal Major
Horizontal Minor
Vertical
Line - Model variogram
Points - Sample variogram
Построение вариограммы
Построение вариограммы
Сферическая (Spherical)
Гауссова (Gaussian)
Экспоненциальная (Exponential)
Линейная(Linear)
Сферическая (Spherical)
Гауссова (Gaussian)
Экспоненциальная (Exponential)
Линейная(Linear)
Anisotropic
Good
Bad
Kriging
Influence of the Variogram model parameters
Azimuth
Nugget
High (0.99)
Low (0.1)
Range: small
Range:
Anisotropic
Good
Bad
Kriging
Influence of the Variogram model parameters
Azimuth
Nugget
High (0.99)
Low (0.1)
Range: small
Range:
Variogram Range
Anisotropic
Радиус = 5000
Радиус = 20000
Range: small
Range: large
Variogram Range
Радиус = 5000
Радиус = 20000
Range: small
Range: large
Variogram Range
Выдержка из книги ДеМерс N.N. «Географические информационные системы Основы»
Выдержка из книги ДеМерс N.N. «Географические информационные системы Основы»
УДК 519.2
АСИМПТОТИЧЕСКОЕ ПОВЕДЕНИЕ ВАРИОГРАММЫ В НУЛЕ (МОДЕЛЬ ЧЕРНЫЙ ШУМ)
В.А. БАЙКОВ, Н.К.
УДК 519.2
АСИМПТОТИЧЕСКОЕ ПОВЕДЕНИЕ ВАРИОГРАММЫ В НУЛЕ (МОДЕЛЬ ЧЕРНЫЙ ШУМ)
В.А. БАЙКОВ, Н.К.
Аннотация. Известно, что большую роль в топологии и геометрии стационарных гауссовых случайных полей играет вторая производная ковариации в нуле. Исходя из внешней информации о реализации случайной функции в прикладных науках возникает вопрос ее учета, в частности, посредством задания степенного поведения в нуле. В данной работе предложена модель, обеспечивающая заданное асимптотическое поведение.
Ключевые слова: геостохастическое моделирование, спектральная теория стационарных вслучайных полей, эйлерова характеристика, фрактальная размерность.
1. Введение
На практике, ввиду неполноты знания о системе и возможной противоречивости входной информации, для воспроизведения реальности необходим вероятностный подход (см, например, [1, 2, 3, 4, 5, 6] ). При моделировании случайных полей, как правило, используют (1) Гауссово моделирование, (2) спектральную теорию, (3) Байесовский подход. Однако предполагается знание случайного поля (с вероятностной точки зрения), а именно для моделирования стационарных Гауссовых случайных полей необходимо знание математического ожидания и ковариации.
СПИСОК ЛИТЕРАТУРЫ
1. D.G. Krige A statistical approach to some mine valuations and allied problems at the Witwatersrand. Master's thesis. University of Witwatersrand. 1951.
2. G. Matheron The theory of regionalized variables and its applications. Fontainebelau: Center of Geostistics. 1971. 212 p.
3. G. Matheron The intrisic random functions and their applications // Adv. Appl. Probability. 1973. №.5. P. 439-468.
4. G. Matheron Estimer et choisir. Fontainebelau: Centre de Geostistique. 1978. 175 p.
5. C.V. Deutsch, A.G. Journel. GSLIB, Geostatistical software library and User's guide. New York: Oxford university press. 1992. 340 p.
Дюбрюль О. Использование геостатистики для включения в геологическую модель данных. EAGE: Изд-во SEG. 2002. 295 с.
3. Приложение в нефтяной промышленности
Тремя главными компонентами неидеальности пласта являются анизотропность,
3. Приложение в нефтяной промышленности
Тремя главными компонентами неидеальности пласта являются анизотропность,
Анизотропность означает изменение свойства согласованно с углом измерения, тензорная характеристика.
Стационарность предполагает, в вероятностном смысле (например, средние характеристики), инвариантность свойства к трансляциям.
Неравномерность определяет постоянную изменчивость и далее будет связана со случайностью.
Учитывая сложный характер залегания коллекторов, процессов, происходящих во время и после, не вызывает никаких сомнений тот факт, что ни один из рассматриваемых пластов не является однородным. Конечно, это не означает, что всегда неравномерность является ключевым фактором, однако, ввиду введения в разработку низкопроницаемых, сильнорасчленненых коллекторов, тех, у которых дебит жидкости на скважине падает в короткий срок в пять и более раз, данный факт является одним из основных. Ясно также, что в чистом виде не встречается изотропность, и, как правило, особенно на больших масштабах, нет и стационарности.
Применяя новый подход моделирования (см. [16]) к геологическому конструированию месторождения, основанный на спектральной теории случайных полей, который позволяет строить нестационарные, анизотропные, в строгом смысле, не гауссовы случайные поля, и модель степенных хвостов, позволило в случаях низкопроницаемых коллекторов без дополнительных гипотез перейти к гидродинамическому моделированию.
16. Байков В.А., Бакиров Н.К.,Яковлев А.А. Новые подходы в теории геостатистического моделирования II Вестник УГАТУ: научн. журн. Уфимск. гос. авиац. техн. ун-та. 2010. Т. 37. №2.
6. Согласен. И в в ячейке с индексом литологии или признаком
6. Согласен. И в в ячейке с индексом литологии или признаком
Никто … не собирается спорить. Но NTG в геомодели обязано быть…
Откуда это? Ведь неправильно!
А раньше (даже без полемики о величинах NTG крит) всё делалось верно.
Всегда при создании upscaled cells за счет несоизмеримости глубинных данных каротажа и геометрии ячеек моделей возникает это самое NTG, где gross как раз и относится к ячейке в целом. Именно на этом этапе и придумано свойство NTG как способ (очень простой и удачный) учета различий в геометриях скважинной информации и геомоделей. И "сбить" эти различия с помощью подбора размеров ячеек, "вписываний" их в траектории скважин не удастся.
В гидродинамике же эта идея работает ещё успешней: создаваемая за счёт перемешивания коллектора и неколлектора в пропорциях NTG и 1 - NTG эффективная пористая среда (коллектор!!!) не только имеет новый емкостной параметр POROgross = POROnet x NTG, но что ещё важней - и новый фильтрационный параметр PERMgross = PERMnet x NTG.
w
dS
dq = K/μ • dP/dn • dS*
q = ∫ K/μ • dP/dn • dS* = ∫ K/μ • dP/dn • NTG • dS =
= ∫ K • NTG /μ • dP/dn • dS
S
S
S
dS*
2. Мы строим геологические модели таким образом, чтобы сохранить детальность исходных данных. Данные переносятся в модель как есть. Минимальный прослой коллектора, выделяемый по ГИС, имеет толщину 0.4 м, что и определяет размерность модели по вертикали. Используя такой подход мы получаем возможность точно (?) описать положение проницаемого прослоя в модели. Если по ГИС прослой толщиной 40 см определен как коллектор, то и в модели этот интервал обозначен как коллектор.
Таким образом, я считаю, что геологические модели, построенные с использованием признака "коллектор-неколлектор", являются правильными и содержат информацию, достаточную для корректного геологического описания объектов моделирования.
“Опыт показывает, что типичная ячейка сетки геологической модели имеет около одного метра в толщину и нескольких десятков метров в ширину (фиг. 1-7)”
Карта мира Меркатора 1569 года
Пример картографической проекции — проекция Меркатора
https://upload.wikimedia.org/wikipedia/commons/6/62/Usgs_map_mercator.svg?download
Система координат UTM (от
Карта мира Меркатора 1569 года
Пример картографической проекции — проекция Меркатора
https://upload.wikimedia.org/wikipedia/commons/6/62/Usgs_map_mercator.svg?download
Система координат UTM (от
WGS 84 (англ. World Geodetic System 1984) — всемирная система геодезических параметров Земли 1984
WGS 84 (англ. World Geodetic System 1984) — всемирная система геодезических параметров Земли 1984
WGS 84 определяет координаты относительно центра масс Земли, погрешность составляет менее 2 см. В WGS 84 нулевым меридианом считается Опорный меридиан, проходящий в 5,31″(~100 м) к востоку от Гринвичского меридиана. За основу взят эллипсоид с бóльшим радиусом — 6 378 137 м (экваториальный) и меньшим — 6 356 752,3142 м (полярный). Практическая реализация идентична отсчётной основе ITRF.
Параметры Земли 1990 года (ПЗ-90) — система геодезических параметров, включающая фундаментальные геодезические постоянные, параметры общеземного эллипсоида, параметры гравитационного поля Земли, геоцентрическую систему координат и параметры ее связи с другими системами координат. Используется в целях геодезического обеспечения орбитальных полётов и решения навигационных задач (в частности, для обеспечения работы глобальной навигационной спутниковой системы ГЛОНАСС). ПЗ-90 заменила предыдущие наборы ПЗ-77 и ПЗ-85 и является альтернативой WGS 84.
Начальным пунктом в СК-32 являлся центр круглого зала Пулковской обсерватории, астрономические координаты которого были приравнены геодезическим координатам: φ ͦ= B ͦ= 59 ͦ46′ 18″,71, λ ͦ = L ͦ= 30 ͦ19′ 38″,55. Исходным был принят астрономический азимут с пункта Саблино на пункт Бугры Саблинской базисной сети, приравненный геодезическому азимуту этой же стороны: α ͦ = А ͦ = 317 ͦ 02′ 50″,63. Отступление геоида от поверхности референц-эллипсоида по высоте в Пулкове было принято равным нулю.
Начальный пункт СК-32 - центр круглого зала Пулковской обсерватории
В результате переуравнивания астрономо-геодезической сети с референц-эллипсоидом Красовского была создана система геодезических координат 1942 года. Начальным пунктом в системе координат 1942 г. был принят центр круглого зала Пулковской обсерватории, геодезические координаты которого имеют следующие значения: B ͦ = 59 ͦ46′ 18″,55; L ͦ = 30 ͦ19′ 42″,09.
Система координат 1995 года
В 90-х годов XX в. было выполнено
Система координат 1995 года
В 90-х годов XX в. было выполнено
В результате такого уравнивания была создана геодезическая сеть из 134 опорных пунктов ГГС, расположенных на всей территории страны при среднем расстоянии между смежными пунктами 400-500 км. Предварительно уравненные координаты 134 пунктов переведены в референцную систему, близкую к СК–42.
Был выбран следующий вариант формирования референцной системы: направление осей и масштаб референцной системы совпадает с таковыми в упомянутой ранее реализации системы координат ПЗ–90, положение начала системы координат совпадает с координатами начального пункта Пулково, который был также начальным и в СК- 42. Новая референцная система получила название «Система координат 1995 года». В этой системе координат и были получены в заключительном уравнивании координаты всех пунктов АГС. Система координат 1995 года была установлена постановлением Правительства Российской Федерации от 28 июля 2000 года № 568. Она предназначалась для производства геодезических и картографических работ на территории России, начиная с 1 июля 2002 года.
В настоящее время широкое применение получили местные системы координат. Местная система координат представляет собой условную систему координат, устанавливаемую в отношении ограниченной территории, не превышающей территорию субъекта Российской Федерации (постановление Правительства РФ от 3 марта 2007 г. № 139 «Об утверждении правил установления местных систем координат»).
Местные системы координат устанавливаются для проведения геодезических и топографических работ при инженерных изысканиях, строительстве, межевании земель, ведении кадастра и других специальных работах .
При установлении местных систем координат применяется система плоских прямоугольных координат в проекции Гаусса-Крюгера, но с произвольным осевым меридианом, проходящим через центральную часть участка или вблизи его с таким расчетом, чтобы можно было пренебречь поправками за редуцирование линий и углов на плоскость этой проекции.
Обязательным требованием при установлении местных систем координат является обеспечение возможности перехода от местной системы координат к государственной системе координат, который осуществляется с использованием параметров перехода (ключей).
Референц-эллипсоид — приближение формы поверхности Земли (а точнее, геоида) эллипсоидом вращения, используемое для нужд геодезии на некотором участке земной поверхности (территории отдельной страны или нескольких стран). В России (в СССР с 1946 года) используется эллипсоид Красовского.
В соответствии с Постановлением Правительства РФ от 28 декабря 2012 г.
ГСК-2011 и ПЗ-90.11 являются геоцентрическими экваториальными пространственными системами координат. Они определяют положение точки относительно центра масс Земли, главной отсчетной плоскостью является плоскость экватора.
Геодезическая система координат 2011 года (ГСК-2011) предназначена для использования при осуществлении геодезических и картографических работ и заменит системы координат 1942 г. (СК-42) и 1995 г. (СК-95), в которых созданы и создаются топографические карты в настоящее время. Переход к ГСК-2011 приведет к необходимости пересоздания всех топографических карт, что обусловлено различиями в параметрах применяемых эллипсоидов и их ориентировке.
В плане реализации идеи создания ЕСГК РФ планируется провести в период 2016 -2017 гг. НИОКР по уточнению всех научно-технических вопросов, связанных с разработкой и созданием ЕГСК РФ, а также с подготовкой проекта программы перехода к этой системе карт, которую необходимо представить в Правительство Российской Федерации.
Общеземная геоцентрическая система координат «Параметры Земли 1990 года» (ПЗ-90.11) является рабочей системой координат ГЛОНАСС и будет использоваться в целях геодезического обеспечения орбитальных полетов и решения навигационных задач.
FloGrid 2006.2 UG,p.483
FloGrid 2006.2 UG,p.483
FloGrid 2006.2 UG,p.503
FloGrid 2006.2 UG,p.503
MORE 6.6
D
MORE 6.6
D
RMS User Guide
Blocked Wells
Both petrophysical modelling and facies modelling are performed
RMS User Guide
Blocked Wells
Both petrophysical modelling and facies modelling are performed
Each cell represents one value corresponding to the petrophysical / geological model. Since most well logs are measured every half foot (every 15 cm), the cell thickness in a 3D grid is normally larger than the well data sample density, as shown in Figure 45.1. This is the reason why the well data must be scaled up to the resolution of the 3D grid layout.
The Upscaling Process
Total-Property Modeling: Dispelling the Net-to-Gross Myth
SPE Reservoir Evaluation & Engineering
Volume
Total-Property Modeling: Dispelling the Net-to-Gross Myth
SPE Reservoir Evaluation & Engineering
Volume
October 2008
pp. 866-873
Philip S. Ringrose, StatoilHydro ASA
Summary
Reservoir-modeling practice has developed into a complex set of numerical algorithms and recipes for modeling subsurface geology and fluid flow. Within these workflows, a number of myths have sometimes been propagated, especially in relation to (a) methods for handling net-to-gross (N/G), (b) implementation of upscaling methods, and (c) conditioning of reservoir models to well data. This paper discusses different practices in the use and upscaling of reservoir data and models, by comparing two end-member approaches: (1) the N/G method and (2) total-property modeling. Total property modeling, in which all rock elements are represented explicitly, is the generally preferred method. The N/G method involves a simplified representation of reality, which may be an acceptable approximation. Implications for upscaling and conditioning reservoir models to well data are discussed, and recommended practices are suggested.
Introduction
A number of weak assumptions have propagated within the oil industry and related research groups with respect to how reservoir data are rescaled and handled within the reservoir model. Three myths prevalent in reservoir modeling are that
1. The net-to-gross (N/G) ratio is a trivial concept.
2. Upscaling is not usually necessary.
3. Measurements at the well are fixed data points.
While it is generally appreciated that the N/G ratio is an important concept, it is widely and falsely assumed that treatment of N/G ratios in the reservoir model is a trivial matter. Similarly, while the upscaling of flow
properties is an important research activity, a common assumption in practice is that upscaling is a specialist research topic that does not significantly affect practical reservoir modeling or, indeed, that other uncertainties dominate over any upscaling uncertainties.
Furthermore, although upscaling methods are employed increasingly, too often standard recipes are used without checking the validity of assumptions. The third myth is prevalent in the use of common modeling techniques in which the focus is on geostatistical modeling of the interwell volume with the assumption that the statistical variables must merely be "tied to" or conditioned to (hard) well-data control points. While it is generally true that interwell uncertainties are large compared to well data, the well data sets themselves have significant uncertainties in interpretation and rescaling, especially for thin-bedded reservoir systems. This paper examines these issues and suggests an improved practice for representation and transformation of multiscale reservoir data in the reservoir model.
Contrasting approaches to the handling of N/G ratios and cutoff values are the main concern, but implications for upscaling, handling of well data, and reservoir modeling are also identified. The main goal is assumed to be reservoir modeling for flow simulation and reservoir forecasting, but the arguments are also relevant for volume and reserves estimation.
Petrel
The layout and the resolution of the 3D grid will control
Petrel
The layout and the resolution of the 3D grid will control
The result of the Scale up well logs process is placed as a property model icon in the Properties folder for the 3D grid. It only holds values for the 3D grid cells the wells have penetrated (Figure1). All other cells have an undefined value.
Property modeling is then used to assign values to all the other grid cells, based on the scaled up well logs and optional trend data.
Principles of Scale up well logs
When scaling up the well logs, Petrel will first find the 3D grid cells that the wells penetrate. For each grid cell, all log values that fall within the cell will be averaged according to the selected algorithm to produce one log value for that cell.
For discrete well logs (e.g. facies or zone logs), the average method Most of is recommended. The upscaled value will then correspond to the value which is most represented in the log for that particular cell.
Petrel 2010
Scale up well logs process
As points: All sample values within
Petrel 2010
Scale up well logs process
As points: All sample values within
As lines: Each sample value is weighted by a factor proportional to its interval. Sample values outside the cell will be taken into account if the mid point between the sample and a sample inside (or on the other side of) the cell is within the cell. Each sample will be weighted. The weighted value of each point is given by the formula presented below. Only the part of li lying inside the cell will be used to define the weight. If the sample interval is constant, "as lines" will be virtually identical to "as points".
The input values from the raw logs to be used for averaging
can be selected in different ways:
Through cell - The well trajectory must go through two opposite cell walls (top and base - opposite sidewalls) of a cell for the cell to be included.
Simple - All cells penetrated by the well path will get a value. Even if just a tiny corner of a cell is penetrated by the well path, it will get a value.
Neighbor cell - This option will average log values from all cells immediately adjacent to the upscaled cell and belonging to the same layer as the upscaled cell. Therefore, if there are three adjacent cells along the well path which belong to the same layer, the first will get an average value of the logs from cells 1 and 2, the second from cells 1, 2 and 3 and the third from logs within cells 2 and 3.
Fig.1 Part of horizontal well going through a cell.
Five log values are present
In figure 1, l i is the part of the length of the well trace that the log value of each point defines. The total length of the cell is l total.
The value Vi of each point involved is then:
Vi = ni • l i / l total
where ni is the log value of the point. The resulting value of the cell is then calculated using the values of each point involved and the average method selected.
RMS User Guide
Blocked Wells
The Upscaling Process
Petrel UG
Scale up well logs
Fig.1 Part
RMS User Guide
Blocked Wells
The Upscaling Process
Petrel UG
Scale up well logs
Fig.1 Part
Five log values are present
In figure 1, l i is the part of the length of the well trace that the log value of each point defines. The total length of the cell is l total.
The value Vi of each point involved is then:
Vi = ni • l i / l total
where ni is the log value of the point. The resulting value of the cell is then calculated using the values of each point involved and the average method selected.
RMS User Guide
Blocked Wells
The Upscaling Process
Petrel UG
Scale up well logs
Fig.1 Part
RMS User Guide
Blocked Wells
The Upscaling Process
Petrel UG
Scale up well logs
Fig.1 Part
Five log values are present
In figure 1, l i is the part of the length of the well trace that the log value of each point defines. The total length of the cell is l total.
The value Vi of each point involved is then:
Vi = ni • l i / l total
where ni is the log value of the point. The resulting value of the cell is then calculated using the values of each point involved and the average method selected.
В течение последних 30 лет мы видели, что совместное развитие геостатистических
В течение последних 30 лет мы видели, что совместное развитие геостатистических
О.Дюбрул, с.12
О.Дюбрул, с.272
Методические рекомендации по использованию данных сейсморазведки (2D, 3D) для подсчета запасов нефти и газа. Авторы: В. Б. Левянт, Ю. П. Ампилов, В. М. Глоговский, В. В. Колесов, М. Б. Коростышевский, С. Н. Птецов. - Москва, 2006.
В связи с этим при использовании сейсморазведки 2D при подсчете запасов необходимо учитывать следующие ограничения: Во-первых, чтобы уменьшить погрешности межпрофильной интерполяции Т0{ху), использовать только съемки с высокой плотностью профилей (не ниже 2 км/км2), при относительно высоком числе скважин на объекте и с пологим залеганием целевых горизонтов. Во-вторых, целесообразно использовать данные 2D только для прогноза структурных форм кровли и подошвы залежи. Эта рекомендация основана на том, что относительная погрешность структурных построений (среднеквадратичная ошибка по отношению к диапазону измеряемых величин σΔz/(Zmax - Zmin), как правило, в несколько раз меньше, чем для подсчетных параметров Нэф и Кп (это показано статистикой реальной подтверждаемости больших объемов работ 3D - раздел III.2.6). Поэтому потеря точности за счет интерполяции делает нецелесообразным прогнозирование Нэф и Кп , более чувствительных к ошибкам.
Таблица сравнения диапазонов изменения значений глубин, эффективных толщин и коэффициентов пористости
September 7, 2004
Professor Dr A G Journel
Assistant Editor
Journal
Professor Dr A G Journel
Assistant Editor
Journal
By email
Dear Sir,
Your reluctant reply of October 15, 1992, to JMG’s Editor, and his letter of October 26, 1992, to me, continue to make perplexing reading. You concluded that my reading is, “too encumbered by classical “Fischerian” (sic) statistics” whereas JMG’s Editor conceded, “Your feeling that geostatistics is invalid might be correct”. Paradoxically, Professor Dr Robert Erhlich is no longer JMG’s Editor whereas you remained one of JMG’s multitude of Associate and Assistant Editors who are entrusted with the enforcement of geostatistical dogma…
…Three months ago I asked Krige similar questions but his investigation is ongoing. You and your colleagues ought to investigate when the variance of the distance-weighted average vanished without a trace. Was it a human error? Or did the early krigers believe that too many distance-weighted averages went to waste? Who decided that the variances and covariances of sets of distance-weighted averages are statistically sound, and not a scientific fraud. When, where, why, and by whom was the variance and covariance of a set of distance-weighted averages accepted, and the variance of a single distance-weighted average rejected. Since the early 1990s I have questioned the validity of geostatistics, and have been served a steady diet of convolution, evasion and prevarication. All I ever wanted are answers that make scientific sense. Please do not assume that I shall not continue to pose questions.
Yours truly,
Jan W Merks
August 18, 2004
Dr John L Hennessy
President
Stanford University
Stanford, CA 94350
Dear Dr Hennessy,
I wish to point out once more that several scholars at Stanford University apply, endorse, teach, or otherwise support, geostatistics, a fundamentally flawed variant of mathematical statistics. Geostatistics is applied in geology, mineral exploration, mining, oil reservoir forecasting, hydrology, environmental, geotechnical and health sciences, and other fields where sparse data sets occur in large sample spaces, and additional data is expensive to measure or impossible to obtain.
Last year I failed to persuade you that geostatistics merits more scientific scrutiny than it has so far been accorded. So I want to explain in even greater detail the crux of my crusade against the junk science of geostatistics. One of the cornerstones of geostatistics is Journel’s doctrine that spatial dependence may be assumed. Some of his thoughts form part of the attachments to this letter. A copy of Journel’s reluctant response of October 15, 1992, to the Editor of the Journal of Mathematical Statistics (JMG), and of the Editor’s accompanying letter of October 26, 1992, to me, are also posted under Correspondence on my website at geostatscam.com.