Geostatistical modelling for reservoir characterization at early exploration stages

Ângela Maria Soares Pereira

Key information

Authors:

Ângela Maria Soares Pereira (Ângela Maria Soares Pereira)

Supervisors:

Amílcar de Oliveira Soares (Amílcar de Oliveira Soares)

Published in

07/01/2024

Abstract

A modelação geoestatística é utilizada na caracterização sísmica de reservatórios, para estimar modelos quantitativos de distribuição espacial das propriedades das rochas subterrâneas. A inversão sísmica é um método utilizado para gerar modelos de alta resolução dessas propriedades e quantificar a incerteza associada. Para isso, são utilizados dados sísmicos, que têm grande cobertura espacial e podem ser relacionados com as propriedades das rochas. São utilizados também, dados de poços que são medições diretas das propriedades das rochas, geralmente escassos ou inexistentes em fases iniciais de exploração. A distribuição espacial das propriedades das rochas está associada à geometria das estruturas geológicas e fácies. Em ambientes geológicos complexos, os padrões de continuidade espacial podem ser bastante heterogéneos, o que torna a sua estimação num desafio. A inversão sísmica geoestatística é um método iterativo, que utiliza a simulação sequencial estocástica, como método de perturbação e atualização dos modelos, juntamente com um optimizador global para guiar a convergência do método, com base na correspondência entre a sísmica observada e sintética. Na presente tese, são propostos métodos de inversão geoestatística que visam melhorar a estimação dos modelos de propriedades das rochas subterrâneas, tornando-os geologicamente mais consistentes e credíveis. Inicialmente, é apresentada a integração de análogos geológicos juntamente com um modelo regionalizado, no procedimento de inversão sísmica geoestatística, para ultrapassar a ausência de dados em fase iniciais de exploração, permitindo a avaliação da incerteza. Para além disso é proposta a integração na inversão sísmica geoestatística de um procedimento baseado nos dados, para estimar e atualizar as anisotropias locais diretamente a partir de dados sísmicos, com vista a caracterizar padrões espaciais não estacionários. Por último, é proposta a integração de atributos sísmicos na função objetivo do procedimento de inversão, para ajudar a condicionar a convergência do método. Os métodos propostos foram aplicados a casos de estudo, tendo resultado em melhorias nos modelos gerados. Geostatistical modeling is used in the seismic reservoir characterization, to build quantitative spatial distribution models of the subsurface rock properties. Seismic inversion is a method used to build high-resolution models of those rock properties and quantify the associated uncertainty. For this is used seismic reflection data, as have large spatial coverage and can be related with subsurface rock properties. Well-log data, which are direct measurements of subsurface rock properties, are also used. However, in early exploration stages, well-log data can be sparse or absent. The spatial distribution of subsurface rock properties is linked to the geometry of geological structures and facies. In complex geological environments, these spatial continuity patterns can be highly heterogeneous, which makes their prediction a challenge. Geostatistical seismic inversion is an iterative process, which uses stochastic sequential simulation algorithm as model perturbation and update technique, together with a global optimizer to guide the convergence of the inversion procedure, based on match between observed seismic reflection data and the synthetic seismic. In this thesis, are proposed geostatistical seismic inversion methods to improve the prediction of subsurface rock property models, making them more geologically consistent and reliable. Initially, is presented the integration of geological analogues and a regionalized model in the geostatistical seismic inversion, to overcome the lack of well-log data at early exploration stages, allowing for uncertainty assessment. Furthermore, is proposed the integration in the geostatistical seismic inversion of a data-driven procedure, to estimate and update local anisotropies directly from seismic data, aiming characterize non-stationary spatial patterns. Finally, is proposed the integration of seismic attributes in the objective function of the geostatistical seismic inversion procedure, to help conditioning the convergence of the seismic inversion method. The proposed methods were applied to case studies, resulting in improvements of the subsurface rock property models.