Soutenance de thèse de Alan TRONCOSO
Simulations conditionnelles de modèles de réservoirs par méthodes séquentielles de Monte-Carlo
Résumé de la thèse en français
Une méthode séquentielle de Monte Carlo, appelée filtrage particulaire, a été utilisée dans un contexte spatial pour simuler deux modèles de réservoir en respectant les faciès observés aux puits. Le premier modèle, le schéma Booléen, est un modèle à base d'objets. Il peut servir à modéliser des réservoirs à deux faciès: un faciès poreux, et un faciès imperméable qui agit comme barrière à la circulation des fluides. Ce modèle se prête bien à des calculs mathématiques~: il existe des méthodes statistiques pour en inférer les paramètres, ainsi qu'un algorithme itératif de simulation conditionnelle. Cependant, la vitesse de convergence de cet algorithme est difficile à établir. Un algorithme séquentiel basé sur un filtre particulaire est proposé en alternative. Au final, cet algorithme séquentiel surpasse l'algorithme itératif en termes de qualité des résultats et de temps de calcul. Le second modèle, Flumy, est un modèle de processus sédimentaires, permettant de représenter la formation de systèmes chenalisés méandriformes. Ce modèle permet de reproduire l'hétérogénéité induite par les géométries complexes des dépots sédimentaires. L'algorithme courant implémenté dans Flumy modifie dynamiquement les processus au cours du temps pour s'adapter aux données et permet ainsi d'obtenir des simulations conditionnelles. Le développement de cet algorithme de conditionnement requiert, cependant, une profonde compréhension de ces processus pour les modifier tout en évitant les artefacts ou les biais. Pour cette raison, un autre algorithme, dit séquentiel, a été développé. Il consiste à construire le réservoir par empilement de couches horizontales au moyen d'un filtre particulaire permettant d'assimiler les facies observés en chaque couche. Ces deux algorithmes de conditionnement ont été comparés sur un cas synthétique et sur un cas réel (bassin de Loranca, en Espagne). Ils fournissent des résultats comparables, mais se distinguent en termes de ressources nécessaires pour leur mise en œuvre: l'agorithme séquentiel requiert une puissance de calcul informatique conséquente quand l'algorithme dynamique nécessite une fine compréhension des processus à modifier.
Résumé de la thèse en anglais
A sequential Monte Carlo method, called particle filtering, has been used in a spatial context to produce simulations of two reservoir models that respect the observed facies at wells. The first one, the Boolean model, is an object-based model. It can be used to model two-facies reservoirs: One porous facies, and an impermeable facies that acts as a barrier for the fluid circulation. The model is mathematically tractable: There exists statistical methods to infer its parameters as well as an iterative conditional simulation algorithm. However, the convergence rate of this algorithm is difficult to establish. A sequential algorithm based on the particle filtering is proposed as an alternative. It finally appears that this sequential algorithm outperforms the iterative algorithm in terms of quality of results and computational time. The second model, Flumy, is a model of sedimentary processes. It is used for representing the formation of meandering channelized systems. This model can reproduce the heterogeneity induced by the complex geometries of sedimentary deposits. The current algorithm implemented in Flumy modifies dynamically the processes for fitting the data at best to produce conditional simulations. The set-up of this algorithm requires a deep knowledge of the processes to modify them and avoid artifacts and biases. For this reason, another conditioning algorithm, called sequential, has been developed. It consists in building the reservoir by stacking horizontal layers using particle filtering, thus allowing the observed facies to be assimilated in each layer. These two algorithms have been compared on a synthetic case and on a real case (Loranca Basin, Spain). Both give comparable results, but they differ in terms of the resources required for their implementation: whereas the sequential algorithm needs high computer power, the dynamic algorithm requires a fine understanding of the processes to be modified.
Date de soutenance : mercredi 21 septembre 2022 à 14h00
Adresse de soutenance : 60 Boulevard Saint-Michel, 75006 Paris, France – A venir
Directeur de thèse : Jacques RIVOIRARD
Co-encadrant : Xavier FREULON
En savoir plus
