Raffinement en résolution et précision pour la compression et la simulation de maillages volumiques en géosciences

Refinable resolution & precision for volume mesh compression & simulation in geosciences

• Auteur / Autrice : Lauriane Bouard
• Direction : Marc Antonini
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Traitement du Signal et des Images
• Date : Soutenance le 01/03/2021
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Informatique, signaux et systèmes (Sophia Antipolis, Alpes-Maritimes) - Laboratoire d'Informatique, Signaux, et Systèmes de Sophia-Antipolis (I3S) / Projet MEDIACODING
• Jury : Président / Présidente : Laure Blanc-Féraud
• Jury : Examinateurs / Examinatrices : Marc Antonini, Laure Blanc-Féraud, Amel Benazza, Guillaume Caumon, Laurent Duval, Frédéric Payan, Julie Digne, Peter G. Lindstrom
• Jury : Rapporteur / Rapporteuse : Amel Benazza, Guillaume Caumon

Mots clés

Mots clés contrôlés

Traitement du signal

Ondelettes

Modèles en géologie

Mots clés libres

Maillages volumiques

Multi-échelle

Ondelettes

Compression

Simulation

Ingénierie des réservoirs

Volume mesh

Multiscale

Wavelets

Compression

Simulation

Reservoir engineering

Résumé

La recherche est entrée dans une ère marquée par l'utilisation intensive des données. La quantité croissante d'informations scientifiques pose un défi dans plusieurs domaines d'application. C'est le cas notamment en simulation, où l’utilisation d'énormes volumes de données créent des goulets d'étranglement lors de calculs haute performance. Plusieurs méthodes de réduction des données sont actuellement à l'essai pour tenter de résoudre ce problème.Dans ce travail, nous nous concentrons sur la modélisation géologique et le worflow de simulation en ingénierie réservoir. En géosciences, les modèles sont composés d'informations hétérogènes, notamment la géométrie du maillage et les propriétés pétrophysiques. Ces derniers peuvent contenir jusqu’à plusieurs millions de cellules. Des techniques d'upscaling/upgridding sont couramment utilisées pour réduire le temps de simulation. Pourtant, elles sont souvent ad hoc et ne répondent pas entièrement à tous les besoins de manipulation des données : visualisation, stockage, et génération d’une donnée à résolution et précision adaptées pour la simulation.Nous proposons une méthodologie complète permettant un raffinement en résolution et en précision, basée sur HexaShrink, un outil de décomposition multi-échelle basé sur les ondelettes. Nous évaluons ses capacités de compression sans pertes puis avec pertes en le combinant avec des codeurs entropiques génériques et évolués (type ''zerotree'') , ainsi que sa pertinence visuelle en appliquant la méthode sur une collection de maillages représentatifs.Nous testons aussi de manière approfondie l'impact du raffinement de la résolution et de la précision sur la simulation. Tous nos tests de simulation ont été réalisés sur Lundi, un modèle représentatif de différents environnements géologiques, généré spécifiquement pour ce travail. Les résultats se comparent positivement aux codeurs de référence SZ et ZFP, en définissant des métriques d'évaluation objectives corrélées aux évaluations subjectives des résultats de simulation réservoir.

Research has entered a data-intensive era. The growing quantity of scientific information challenges several application domains. That happens notably for the simulation science, where huge data volumes create bottlenecks in high-performance computing workflows. Several data reduction methods are currently being developed as potential answersWe focus on geological modeling and reservoir simulation workflows. Geoscience models are composed of heterogeneous information, including mesh geometry and petrophysical properties, and may contain several millions of cells. Upscaling and upgridding techniques are commonly used for simulation time reduction. Yet there are often ad-hoc, and do not fully answer all the data manipulation needs: visualization, storage and ultimately well production prediction at the appropriate resolution and precision.We propose in this work a comprehensive methodology with refinable resolution and precision based on HexaShrink, a wavelet multiscale decomposition. We assess its performance on size reduction and visual relevance with lossless and lossy compression in a benchmark of meshes using entropy and zerotree coders.We also extensively test the impact of refinable resolution and precision on simulation. We specifically designed case-studies based on Lundi, a representative model of different geological environments. Results compare positively with state-of-the-art coders SZ and ZFP, by designing objective performance metrics that correlate well to subjection reservoir production assessment. Finally, we designed a complete workflow including a shareable mesh (Lundi, to be released as open data), designed for simulation in reservoir engineering. This model (meant to serve as a benchmark) can be processed by our multiscale decomposition, and then compressed by different encoders (lossless, or progressive/lossy) and compared to alternative compression methods. The resulting compressed meshes, generated at refinable resolution and precision, can be processed, and their quality can be evaluated at several steps of a simulation workflow.