Simulations conditionnelles de modèles génétiques de réservoir par méthodes séquentielles de Monte-Carlo (SMC)

par Alan Troncoso

Projet de thèse en Géosciences et géoingénierie

Sous la direction de Jacques Rivoirard et de Xavier Freulon.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de GRNE - Géosciences, Ressources Naturelles et Environnement , en partenariat avec Géosciences (laboratoire) , Géosciences - Fontainebleau (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 01-10-2018 .


  • Résumé

    Les modèles géologiques décrivent les processus sédimentaires contribuant à la mise en place des réservoirs pétroliers ou des gisements miniers. Les modèles géostatistiques usuels renoncent à reproduire ces processus pour ne décrire que l'état final, à l'aide des deux premiers moments, valeur moyenne et covariance, pour les modèles de type « pixels », ou à l'aide d'objets aléatoires distribués aléatoirement pour ceux de type « objets ». Ces modèles statiques sont descriptifs : ils assurent un conditionnement strict et une reproduction des propriétés globales mais il leur est reproché de ne pas avoir accès aux détails du modèle géologique. Inversement les modèles génétiques traduisent le modèle géologique en un système dynamique : à partir de conditions initiales et de fluctuations locales sont construits des modèles de réservoir reproduisant l'architecture du modèle géologique mais pas nécessairement les faciès observés aux sondages. Un enjeu important est la synthèse de réalisations cohérentes avec les observations. Les méthodes de Monte Carlo séquentielles (SMC) consistent à remplacer ce problème difficile, car il s'agit de simuler un évènement rare du modèle a priori, par une suite de simulations plus simples. Elles sont une alternative aux méthodes itératives de Monte Carlo (MCMC) quand la dynamique MCMC est difficile à mettre en œuvre et quand le temps de convergence est incompatible avec les contraintes opérationnelles. Les méthodes séquentielles sont bien adaptées aux modèles génétiques de réservoir qui possèdent une structure séquentielle naturelle et une dynamique causale définie par la description naturaliste : la construction de la simulation est progressive et à chaque itération, les cas possibles sont explorés et seuls les cas cohérents avec les observations sont renforcés. L'application des méthodes SMC aux modèles génétiques de réservoirs combine de multiples aspects : - La méthode sépare la logique du dépôt, la dynamique n'est pas modifiée, et le renforcement qui permet de rendre compte du conditionnement combine ainsi la caractérisation globale du réservoir et des observations locales. - la mise en œuvre informatique s'appuie sur la gestion d'une population de modèles selon un arbre généalogique.

  • Titre traduit

    Conditional simulation of process-based reservoir models by sequential Monte Carlo techniques (SMC)


  • Résumé

    Geological models describe the sedimentary processes contributing to the construction of oil reservoirs or mining deposits. Usual geostatistical models do not reproduce these processes but only describe the final state, using the first two moments, mean value and covariance, for “pixel-based” models, or distributing random objects for “object-based “ models. These static models are descriptive: they ensure a strict conditioning and a reproduction of global properties, but one blames them for not having access to the details of the geological model. Conversely process-based models represent the geological model as a dynamic system: built from initial conditions and local fluctuations, the final reservoir models reproduce the architecture of the geological model but not necessarily the facies observed at wells. An important challenge is the synthesis of such realizations that are consistent with observations. Sequential Monte Carlo methods (SMC) consist in replacing this difficult problem, to simulate a rare event from the a priori model, by a sequence of simpler simulations. They are an alternative to the Monte Carlo iterative methods (MCMC) when the MCMC dynamic is difficult to perform and when the time of convergence is not compatible with operational constraints. The sequential methods are well adapted to the process-based reservoir models, as they have a natural sequential structure and a causal dynamic defined by the naturalistic description: the building of the simulation is progressive and at each iteration, possible cases are explored and only the cases that are consistent with the observations are reinforced. The application of SMC methods to process-based reservoir models combine multiple aspects: • the method separates the logic of the deposition, its dynamic is not modified, and the reinforcement that allows to account for conditioning, thus, combines the global characterization of the reservoir and the local observations. • the software implementation is based on the management of a population of models according to a genealogical tree.