Inversion transdimensionnelle de données d'écoulement en géomodélisation

Transdimensional inversion of flow data in geomodeling

• Auteur / Autrice : Julien Herrero
• Direction : Guillaume Caumon, Thomas Bodin
• Type : Thèse de doctorat
• Discipline(s) : Géosciences
• Date : Soutenance le 14/05/2025
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale SIReNa - Science et ingénierie des ressources naturelles (Lorraine ; 2018-....)
• Partenaire(s) de recherche : Laboratoire : GeoRessources
• Jury : Président / Présidente : Hélène Barucq
• Jury : Examinateurs / Examinatrices : Guillaume Caumon, Thomas Bodin, Kerry Gallagher, Florian Wellmann, Alexandrine Gesret
• Jury : Rapporteurs / Rapporteuses : Kerry Gallagher, Florian Wellmann

Mots clés

Mots clés contrôlés

Apprentissage automatique

Lois d'échelle (physique)

Calcul adaptatif

Inversion (géophysique)

Modèles en géologie

Mots clés libres

Problème inverse

Calage historique

Géomodélisation

Maillage

Mise à l'échelle

Apprentissage machine

Inverse problem

History matching

Geomodeling

Mesh

Upscaling

Machine learning

Résumé

La modélisation et l'interprétation du sous-sol pour l'évaluation et l'exploitation des réservoirs géologiques et aquifères nécessitent une caractérisation fine des propriétés pétrophysiques et de la géométrie des structures géologiques. Un défi majeur réside dans le choix du niveau de complexité du modèle, qui doit être suffisamment détaillé pour capturer les hétérogénéités essentielles tout en maintenant un coût de calcul raisonnable lors de l'inversion des paramètres du modèle. Traditionnellement, la géométrie du modèle est interprétée à partir des données disponibles, puis fixée lors de l'inversion. Cette thèse explore l'inversion transdimensionnelle, une approche permettant de considérer la dimensionnalité du modèle comme une inconnue, laissant ainsi les données guider le niveau de complexité nécessaire. En autorisant la variation dynamique du nombre de paramètres pendant l'inversion, cette méthode ajuste simultanément la géométrie (nombre et position des couches) et les propriétés du réservoir en fonction des données disponibles. Diverses applications sur modèles synthétiques et réels sont présentées, incluant des inversions jointes de données de diagraphies, de sismique et des données dynamiques du réservoir. Notamment, l'intégration des données d'écoulement dans un cadre de calage historique transdimensionnel permet d'évaluer l'apport des courbes de production dans la détection des unités stratigraphiques. Les résultats montrent que l'inversion transdimensionnelle produit une estimation fiable des structures géologiques et des propriétés pétrophysiques, tout en quantifiant efficacement les incertitudes. Enfin, ces travaux soulignent l'importance de la paramétrisation choisie pour représenter les structures géologiques complexes (structures inclinées, plis, failles). Cette méthodologie se révèle prometteuse pour des applications en 3D et pour d'autres enjeux tels que la modélisation géothermique ou le stockage de gaz.

Modeling and interpreting the subsurface for the evaluation and exploitation of geological reservoirs and aquifers require a detailed characterization of petrophysical properties and the geometry of geological structures. A major challenge lies in selecting the appropriate model complexity, which must be detailed enough to capture essential heterogeneities while maintaining a reasonable computational cost during the inversion of model parameters. Traditionally, the model geometry is interpreted from available data and then fixed during the inversion process. This thesis explores transdimensional inversion, an approach that treats the model dimensionality as an unknown, allowing the data to guide the required level of complexity. By enabling the dynamic variation of the number of parameters during inversion, this method simultaneously adjusts the geometry (number and position of layers) and reservoir properties based on the available data. Various applications on synthetic and real models are presented, including joint inversions of well log, seismic, and reservoir dynamic data. Notably, the integration of flow data in a transdimensional history matching framework allows evaluating the contribution of production curves to the detection of stratigraphic units. The results show that transdimensional inversion provides a reliable estimation of geological structures and petrophysical properties while effectively quantifying uncertainties. This work also highlights the importance of the chosen parameterization to represent complex geological structures (inclined structures, folds, faults). This methodology appears promising for 3D applications and other challenges such as geothermal modeling or gas storage.