Académique Documents
Professionnel Documents
Culture Documents
SALA RH COMALCALCO
PARTICIPANTES:
AI ABKATUN POL CHUC
AI BELLOTA JUJO
CONTENIDO
9 Introduccin
9 Conceptos Bsicos
Anlisis Espacial de Datos
Mtodos de Estimacin
Simulacin Estocstica
Estimacin vs. Simulacin
9 Obtencin del Modelo Estocstico
Validacin de Datos de Modelos Estticos
Generacin de Mallado e Incorporacin Modelo Estructural en 3D
Definicin de Parmetros y Anlisis Estadsticos para la
Simulacin de Geoestadstica
Elaboracin de Familia de Realizaciones
Seleccin de Realizaciones Probables
Escalamiento Numrico del Yacimiento
Introduccin
Introduccin
Por qu la descripcin de yacimientos ?
9 La simplicidad de los modelos tradicionales no reflejan las
complejidades estructurales/estratigrficas reales de los
yacimientos.
9 La simulacin determinstica de yacimientos produce
predicciones optimistas con modelos simplificados.
9 La ausencia de comunicacin entre las geociencias e
ingeniera de yacimientos frecuentemente produce
modelos poco confiables.
Introduccin
Geoestadstica
La Geoestadstica es una rama de la estadstica clsica
cuyo objetivo principal es la caracterizacin de fenmenos
naturales que pueden ser correlacionados espacial o
temporalmente, es decir, es una rama de la matemtica
aplicada al modelaje de distribuciones espaciales de
variables regionalizadas.
Tradicionalmente ha sido usada en las Geo-Ciencias o
Ciencias de la Tierra ya que sus mtodos hacen uso de la
autocorrelacin espacial de una cantidad de muestras para
describir modelos espaciales de la propiedad en estudio.
Introduccin
Por qu mtodos Geoestadsticos ?
9En el yacimiento
normalmente se dispone
informacin y/o est en forma dispersa.
de poca
Introduccin
Por qu mtodos Geoestadsticos ?
Mltiples
interpretaciones
para un mismo
conjunto de datos
Introduccin
Por qu mtodos Geoestadsticos ?
Tratamiento
Determnistico
Tratamiento
Estocstico
Coleccin de datos
Coleccin de datos.
Anlisis de datos
Anlisis de datos
Ajuste Histrico
Modelo de flujo
RESPUESTA NICA
RESPUESTA PROBABILSTICA
Introduccin
Aplicaciones
9 Estimacin
de
propiedades
fsicas de la roca a partir de datos
de pozos y/o atributos ssmicos.
Introduccin
Aplicaciones
9 Modelado 3D de velocidades
Introduccin
Advertencia
LAS TCNICAS GEOESTADISTICAS
NO!!!
AHORRAN TIEMPO Y ESFUERZO
CREAN DATOS
TRABAJAN COMO CAJA NEGRA
MEJORAN LOS DATOS MALOS
REEMPLAZAN LA NECESIDAD DE UN ENTENDIMIENTO CUALITATIVO Y EL
JUICIO DE UN EXPERTO
Introduccin
Desventajas de las Tcnicas Geoestadsticas
9 Involucra
decisiones
subjetivas
que
deben
ser
9 Se
Introduccin
Cundo NO se debe utilizar Geoestadstica?
9 Cuando se cuenta con muy pocos pozos y/o estn mal
distribuidos arealmente.
Introduccin
Qu tcnica utilizar?
LOS MTODOS APROPIADOS DEPENDEN DE:
9Objetivo del estudio
9 Informacin disponible
9Recursos disponibles
(Humano, Tiempo, Dinero, Hardware-Software)
Introduccin
La Geoestadstica
INGENIEROS
PROFESIONALES
HERRAMIENTA
YACIMIENTO.
DE
QUE
LAS
DE
YACIMIENTOS
GEO-CIENCIAS,
CONTRIBUYE
SLO
LOS
OTROS
ES
UNA
AL ENTENDIMIENTO DEL
Introduccin
Que queremos de los Modelos Geoestadsticos?
MODELO GEOESTADISTICO COMO ARTE
ESTRATIGRAFIA SUAVIZADA (LAYER CAKE) VS. SECCIONES COMPLEJAS
(HETEROGENEIDADES)
MODELO NICO VS. REALIZACIONES EQUIPROBABLES
CRITICAS DE EXPERTOS MODELO OPTIMO DE YACIMIENTO
Introduccin
Que queremos de Modelos Geoestadsticos?
Cuantificacion de Incertidumbre y Riesgo
MLTIPLES MODELOS, CONSISTENTES
DISTRIBUCIN DE PARMETROS CRTICOS
OPTIMAR RIESGO, MINIMIZANDO LA
FUNCIN OBJETIVO
MODELO: PESIMISTA MEJOR (BEST) OPTIMISTA
GEOQUMICA,
Introduccin
Esquema Tradicional de Trabajo
Revisin, Validacin y
Compilacin de Informacin
FASE I
Simulacin
Numrica
FASE II
Modelo Geolgico y de
Ingeniera de Yacimientos
Convencional
FASE III
Introduccin
FASE I
Revisin, Validacin y
Compilacin de Informacin
LOCALES
GEOLGICOS
TRANSFERIR
INFORMACIN A
UNA ESCALA SIMPLE
DE INGENIERA
DATOS DE NCLEO
GEOMETRA
PRUEBAS DE POZOS
REGISTRO DE POZOS
CONTINUIDAD ESPACIAL
Y ANISOTROPA
DATOS DE PRODUCCIN
SSMICA DE POZO
SSMICA
INTERPRETACIN
GEOLGICA.
(Cotejo Histrico)
Introduccin
Validacin de datos
FASE II
Introduccin
Simulacin Numrica de Yacimiento
Dimension (X, Y, Z )
FASE III
34 x 45 x 41
Celdas Totales = 62.730
Celdas Activas = 41.326
Introduccin
Metodologa de las Mejores Prcticas
Conceptos Bsicos
Conceptos Bsicos
Cuando se tiene un conjunto de datos de algn parmetro o
propiedad de inters del cual se requiere hacer un anlisis
estadstico, se presentan tres etapas importantes:
9 Conocer cmo son los datos, para ello se describe
estadsticamente la muestra (anlisis univariado y bivariado)
9 Establecer cul es su variabilidad espacial, a fin de identificar
las posibles anomalas y/o patrones de distribucin.
9 Para las reas que no han sido suficientemente muestreadas,
se trata de inferir los valores de la propiedad dada en funcin
del conjunto de datos. Para lograr esta tercera etapa se
utilizan los mtodos de estimacin y los modelos
probabilsticos o simulaciones estocsticas.
Conceptos Bsicos
Anlisis de datos
Anlisis Estadstico
El anlisis Univariado
Permite obtener una descripcin grfica y
estadstica de los datos en funcin de:
Histogramas
Clculo de la media, moda, mediana,
varianza y de la desviacin estndar.
Objetivo
Conocer la distribucin, las tendencias
centrales, la dispersin y valores extremos
de la muestra.
Conceptos Bsicos
Anlisis de datos
El anlisis bivariado
Anlisis Estadstico
Herramientas
9 Grficos X-Y o cross-plot
Permeabilidad
9Regresiones lineales.
Ejemplos
9Atributos ssmicos - Propiedades petrofsicas
9Porosidad - Permeabilidad
Conceptos Bsicos
Variabilidad Espacial
Autocorrelacin Espacial
Conceptos Bsicos
Mtodos de Estimacin
Mtodos de Estimacin
Mapa de Variograma
Norte
Variogramas experimentales
toda
la
variabilidad
Conceptos Bsicos
Simulacin Estocstica
Los
Simulacin de propiedades
modelos
Simulaciones
probabilsticos
Estocsticas
permiten
z
x
Conceptos Bsicos
Variables Regionalizadas
Se refiere a datos correspondientes
a mediciones relacionadas con su
ubicacin geogrfica.
Son
Variables
propiedades
que
tienen
intermedias
verdaderamente
entre
aleatorias
Conceptos Bsicos
Variables Indicadoras: es una variable
binaria que slo toma dos posibles
valores: 0 o 1.
En este ejemplo hay tres facies
designadas con los nmeros del 1 al 3
y con colores diferentes.
Desde
el
punto
de
vista
computacional,
la
presencia
o
ausencia de cada facie es manejada
separadamente.
Se producen tres columnas de
informacin, cada una representa una
de las facies. Los 1s y los 0s son
usados
para
identificar
respectivamente la presencia o
ausencia de stas.
Varianza [
(h)=
Z ( x) Z ( x + h)]
2
Z es la variable regionalizada
medida en las ubicaciones: x y x+h
Ejemplos:
Porosidad, profundidad, So
(h) =
i =1
1
[Z ( xi ) Z ( xi + h)]
2 N (h) i =1
n
Donde:
(h) es el valor del semivariograma en la distancia h
Z(Xo) es el valor de la propiedad en el punto Xo
Z(Xo+h) es el valor de la propiedad en el punto Xo+h
N(h) es el nmero de pares en la distancia h
h es la distancia entre dos variables
VARIANZA
Sill = C1
MODELO
DE VARIOGRAMA
PEPITA = C o
RANGO
a
DISTANCIA ENTRE PUNTOS
C1= SILL o MESETA: es el valor lmite constante, que coincide con la varianza de la muestra Z.
a = RANGO: es el valor que marca la zona de influencia, ms all la autocorrelacin es nula.
C0= EFECTO PEPITA: discontinuidad en el origen debida a:
a) errores de observaciones
b) presencia de estructuras a una distancia ms pequea
c) falta de autocorrelacin a pequeas distancias.
la
tolerancia
desplazamiento,
del
usualmente
la
un
generalmente
ancho
la
de
mitad
banda,
de
la
se
Omnidireccional
va
cerrando
y
para
24
20 22 20 19 17 16
22
23 22 19 19 21 20 18
17 17 17 15 18 17 17 13 14
15 18
Lag = 2 y direccin N- S
15 17 16 16 13
16 15 16 15 14 13 12 09 08
18 17 15
n
1
* ( h) =
[ Z ( xi ) Z ( xi + h)]
2 N (h) i =1
10
09 10 12
20 22 20 19 17 16
22
23 22 19 19 21 20 18
17 17 17 15 18 17 17 13 14
15 18
15 17 16 16 13
16 15 16 15 14 13 12 09 08
18 17 15
10
n
1
* ( h) =
[ Z ( xi ) Z ( xi + h)]
2 N (h) i =1
E-O
h=1
N(h) = 36
09 10 12
*(1) = 1.46
Semi-variograma Experimental
N 45 E
Este-Oeste
Norte-Sur
Modelo Gaussiano:
3h 2
( h ) = S 1 Exp
2
d o nd e :
S = m e s e ta
h= d is ta nc ia
a = ra ng o
co n h 0:
Kms.
En
el
grfico
Modelo Esfrico:
3
h
h
( h ) = S 3
a a
(h ) = S
si h > a
d o nd e :
S = m e s e ta
h = d i s ta n c i a
a = ra n g o
si h a
unos
anomalas
3
en
Kms
el
las
mapa
Modelo Exponencial:
3h
(h) = S 1 Exp
d o nd e :
S = m e s e ta
h = d i s ta n c i a
a = ra n g o
con h 0
la
meseta
pero
periodicidad
en
la
unos
anomalas
3
en
Kms
el
las
mapa
Mtodos de Estimacin
Norte
Mapa de Variograma
Este
Variogramas experimentales
Mtodos de Estimacin
GLOBAL
Mtodos de Estimacin
Mtodos de Estimacin
Mtodos de Estimacin Puntual
Entre los mtodos clsicos se
encuentran:
Promedio
Mtodo del vecino ms cercano
Inverso del cuadrado de la
distancia.
Entre los mtodos Geoestadsticos
se encuentran:
Kriging
Co-kriging
Kriging con deriva externa
Mtodos de Estimacin
Promedio
El valor estimado es el promedio de los valores de los otros datos
1 n
m = i =1 xi
n
m = (1.2+2.3+3.2+2.3) / 4
= 12 / 4
m=3
Entonces, z* = 3
Mtodos de Estimacin
Vecino ms cercano
El valor estimado corresponde al punto ms cercano al buscado.
Entonces, z* = 1.2
Mtodos de Estimacin
Inverso del cuadrado de la Distancia
El peso es inversamente proporcional al cuadrado de la distancia
entre el punto con dato y el punto buscado.
con
Mtodos de Estimacin
Buscamos un mtodo donde el estimado :
; Es combinacin lineal de los datos
Z o* = Z
E Z o* Z o = 0
; Es ptimo porque minimiza el error entre lo estimado y
real.
Var Z Z o
*
o
Mtodos de Estimacin
Estimador Kriging
es un Estimador Lineal definido por:
Donde
= Valores conocidos
= Pesos del Kriging
Mtodos de Estimacin
KRIGING
Mtodos de Estimacin
Kriging Ordinario
Conocido
Calcular
Z0 = W1 Z1+ W2 Z2 +W3 Z3
W1 + W2 +W3 = 1
Wi = peso
Conocido
Mtodos de Estimacin
Kriging Ordinario
Mapa de Amplitud
Promedio antes de
realizar la estimacin
con Kriging
Mtodos de Estimacin
Kriging Ordinario
Mapa de Amplitud
Promedio despus de
realizar la estimacin
con Kriging
Mtodos de Estimacin
Kriging Ordinario
Desventajas
28933
2918
2914
2911
2907
2904
25870
2901
Requiere el estudio
parmetro o propiedad
variogrfico
del
2897
36319
38136
Easting
Top View
Att ib t
39952
Mtodos de Estimacin
Kriging Ordinario
Ventajas
Considera la continuidad
parmetro o propiedad
28933
27402
2921
espacial
del
Northing
2918
2914
2911
2907
2904
25870
2901
2897
224338
534503
36319
38136
Easting
Top View
Att ib t
39952
Mtodos de Estimacin
Kriging Ordinario
Algunas aplicaciones
Estimacin y elaboracin de mapas de
isopropiedades:
porosidad,
espesores
productores, permeabilidad, etc
Elaboracin de mapas estructurales
cuando se est por debajo de la resolucin
ssmica, si se cuenta con un numero
suficiente de pozos control
Elaboracin de mapas de velocidades en
un horizonte
Suavizamiento de mapas de atributos
ssmicos
Mtodos de Estimacin
Integracin de diferentes tipos de datos
Mtodos de Estimacin
Kriging con Influencia Externa
necesita
conocerse
m( x) = a0 + a1 f ( x)
Mtodos de Estimacin
Kriging con Influencia Externa
Los mapas finales reflejarn las tendencias de la variable auxiliar, lo que
no necesariamente prueba que es la tendencia de la variable primaria.
La variable secundaria debe variar suavemente en el espacio para evitar
problemas de estabilidad numrica, debe conocerse en todas las
localizaciones de la variable principal y en aquellas localizaciones donde
se realiza la estimacin. En el caso de no conocerse el valor de la
variable secundaria en el lugar de estimacin, puede determinarse
mediante KO de la variable suplementaria.
El variograma (covarianza) que debe utilizarse es el correspondiente al
componente residual
La correlacin espacial existente entre las dos variables es irrelevante
para los efectos del sistema de ecuaciones a resolver.
Mtodos de Estimacin
Co-Kriging
El valor estimado de Z en la localizacin x0 a travs del
mtodo de Co-Kriging es la combinacin lineal.
Mtodos de Estimacin
Kriging con Influencia Externa / Co-Kriging
Datos
Variograma
Co-Kriging
o
External
Drift
Variograma
Ssmica
Modelo
Mtodos de Estimacin
Co-Kriging
Se utilizan los variogramas de las variables primaria,
secundaria y cruzados.
Semi-Variogramas
Variogramas
Mtodos de Estimacin
Co-Kriging
Una diferencia importante en el Kriging con Influencia Externa y el
mtodo de Co-Kriging es la utilizacin tanto del variograma de la
variable secundaria como el variograma cruzado. Generalmente, el
variograma cruzado es difcil de calcular
Mtodos de Estimacin
Co-Kriging
Se le ha dado preferencia a algoritmos como Kriging con influencia
externa para evitar el tedioso proceso de inferencia y modelaje requerido
por el Co-Kriging.
Ventajas / Desventajas:
Co-kriging integra datos diferentes en el proceso de estimacin.
Co-kriging es una tcnica computacionalmente exigente.
No existe ninguna razn para aplicar el mtodo a variables no
correlacionadas.
Co-kriging es la forma vectorial del Kriging y es usado principalmente
para casos con dos variables.
Mtodos de Estimacin
Co-Kriging Colocado
Se utiliza en el Caso de Pocos Pozos
semivariogramas,
ni
datos
de
pozos
puede
ser
los
datos
secundaria.
de
la
variable
Mtodos de Estimacin
Integracin de diferentes tipos de datos
Algunas aplicaciones
Estimacin y elaboracin de mapas de
isopropiedades:
porosidad,
espesores
productores, permeabilidad, etc en funcin
de atributos ssmicos
Elaboracin de mapas estructurales
cuando se est por debajo de la resolucin
ssmica, integrando las profundidades de
los pozos con el mapa ssmico en tiempo
Simulacin Estocstica
z
y
x
Simulacin Estocstica
Qu son simulaciones ?
Las simulaciones estocsticas son algoritmos utilizados para
reproducir todo el espectro de la variabilidad espacial de los
datos y considerar distintos tipos de informacin.
A diferencia de los algoritmos de interpolacin, generan n
realizaciones equiproblables o con la misma probabilidad de
ocurrencia, lo cual da una idea de la incertidumbre.
En lugar de contar con una sola imagen del yacimiento, se
manejan distintas imgenes equiprobables del mismo, las cuales
tienen en comn toda la informacin disponible: dura y suave,
numrica e interpretativa, local y estructural.
Las diferencias entre las distintas imgenes proporcionan una
medida de la incertidumbre existente en la tarea de caracterizar
un yacimiento.
Simulacin Estocstica
Por qu simulaciones ?
Simulacin Estocstica
Objetivos de una simulacin estocstica ?
Generar un nmero indefinido de realizaciones que sean todas
legtimas representaciones de la realidad desconocida
(equiprobables).
Honrar los datos reales.
Reproducir las estadsticas de los datos
Honrar la continuidad espacial del atributo
En la medida posible, respetar los principios fsicos subyacentes
al fenmeno geolgico bajo estudio.
Simulacin Estocstica
Existen diversos mtodos de Simulacin Estocstica,
entre otros:
z
y
x
Simulacin Estocstica
Aspectos Generales de la Simulacin Secuencial
Simulacin Estocstica
Aspectos Generales de la Simulacin Secuencial
En la prctica se necesita conocer la secuencia completa de
distribuciones univariadas de probabilidad condicional y pueden
surgir
problemas
al
arrastrar,
cada
condicionantes.
vez
ms,
nuevos
datos
Simulacin Estocstica
Simulacin Secuencial Gaussiana
En este caso la funcin de probabilidad es Gaussiana o Normal. Los
modelos Gaussianos Multivariados estn bien entendidos y tienen un
amplio registro de aplicaciones exitosas.
Requiere datos que estn Normalmente Distribuidos, es decir, que
tengan una funcin de distribucin Normal.
Lamentablemente, la mayora de los datos obtenidos en ciencias de la
tierra no presentan una distribucin normal. Este problema puede
resolverse transformando los datos originales en un nuevo conjunto de
datos que s tengan una distribucin normal.
Simulacin Estocstica
Simulacin Indicadora
Este tipo de simulacin se utiliza cuando se tienen variables indicadoras.
Tienen la ventaja de que reflejan los diferentes modelos de variabilidad
espacial correspondientes a los diferentes umbrales. Pueden considerar
tanto datos primarios como datos secundarios y son muy tiles en la tarea
de prestar atencin a los valores extremos de un atributo.
VENTAJAS:
No necesita estimacin a priori de ningn parmetro.
Puede incluir datos secundarios con facilidad.
Es preferible cuando el modelo Gaussiano resulta inapropiado: nfasis
en la correlacin espacial de los valores extremos.
SSI es menos manejable y no tan eficiente computacionalmente.
Simulacin Estocstica
BASADA EN CELDAS
VENTAJAS:
INTEGRA CON FACILIDAD INFORMACIN
TRATAMIENTO COHERENTE DE LA INFO.
FCIL DE CONDICIONAR DATOS
HETEROGENEIDADES EN DETALLES
BASADA EN OBJETOS
VENTAJAS:
PARMETROS DE ENTRADA SIMPLES
TRATAMIENTO COHERENTE DE LA GEOLOGA .
IMGENES SUAVES (ARMONA CON GELOGO)
DESVENTAJAS:
DESVENTAJAS:
ALTA DEMANDA COMPUTACIONAL
NO PRODUCE IMGENES PLACENTERAS
NO GENERA GEOMETRAS
Simulacin Estocstica
La escogencia entre alguna de estas tcnicas puede depender de:
Los tipos de datos y sus caractersticas.
Los objetivos a alcanzar del problema considerado.
Restricciones en tiempo, hardware, software y experiencias.
En general, puede preferirse:
SSI cuando se disponga de informacin secundaria o se est
interesado en la correlacin y/o conectividad de valores
extremos.
SSG se aplica mejor para caracterizar variables continuas o se
est interesado en promedios espaciales de los atributos.
Puede considerarse combinar ambas tcnicas para lograr mayor
efectividad.
Simulacin Estocstica
; SIMULACIN NO
CONDICIONAL
Produce un mapa de
porosidad que no honra
los datos de pozos. Se
usa cuando hay poca
informacin.
; SIMULACIN
CONDICIONAL
Esta simulacin si honra
los datos de pozos
SIMULACIN
HONRA LA INFORMACIN LOCAL
HONRA LA VARIABILIDAD ESPACIAL (VARIOGRAMA)
APROPIADA PARA SIMULACIN DE FLUJO
OBTENCIN DE MLTIPLES IMGENES EQUIPROVABLES
CUANTIFICACIN DE LA INCERTIDUMBRE
; La figura 3 es un
desviacin estndar.
mapa
de
; La figura 4 es un mapa
simulacin estocstica.
de
; La figura 3 es un
desviacin estndar
mapa
de
; La figura 4 es un mapa de
simulacin estocstica. Representa
la variabilidad.
2
La simulacin y el Kriging se
parecen ms a la realidad.
; El
mapa
de
Kriging
la
Kriging
SSG
Estudio Geoestadstico
DATOS
MENOS
SIMILARIDAD
MAS
SIMILARIDAD
n pozos
V para cada pozo:
V1, V2 ,...,Vn
Meseta
MODELOS DE
VARIOGRAMA
Efecto
Pepita
ESTIMACIN
SIMULACIN
Rango
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
MODELO
ESTTICO
MODELO
SEDIMENTOLGICO
Seleccin de
Realizaciones
Elaboracin de
Realizaciones
Definicin de
Parmetros
Construccin del
Mallado Estructural
Validacin de
Datos
Validacin de Datos
Validacin de Datos
La revisin de los datos del modelo estructural
comprende el anlisis y verificacin de la
interpretacin ssmica y de los datos de pozos
perforados en el rea, con los cuales se
construyeron los mapas de tope y base de las
unidades del yacimiento, polgonos de fallas
geolgicas y se determin el buzamiento de las
capas estratigrficas.
Tambin
se
debe
verificar
la
compartamentalizacin en funcin de posibles
anomalas detectadas en cuanto a presiones,
variaciones en la gravedad API de crudos,
presencia de acuferos
y otros datos de
produccin que contribuyan a mejorar la
interpretacin.
Validacin de Datos
Validacin de Datos
Validacin de Datos
Petrofsica
Sw, K, Porosidad,
Vsh, etc.
Modelo
Sedimentolgico y
Estratrigrfico:
Facies y Ambiente
Petrofsica:
Sw, K, Porosidad,
Vsh, etc.
Se
selecciona
la
aplicacin
geoestadstica a utilizar
Se importan los archivos de cimas
estructurales, polgonos de fallas,
superficies, cubos ssmicos, mapas
ispacos,
Capas
de
espesor
variable
Onlap
Truncacin
Si Reflexiones concordantes
(con el tope o con la base)
Si
hay
acuamientos
o
espesamiento de seccin
Si hay truncaciones, On-lap,
Top-lap, Down-lap, etc.
Informacin de pozos:
Cargar
datos
de
permeabilidad,
porosidad,
saturaciones,
facies, etc
Las
propiedades
petrofsicas
atributos
correlacionarse
entre
ssmicos
s,
se
deben
elegirn
los
Bin
extremos
que
afecten
las
estimaciones
Anlisis Bivariado si se van a utilizar
atributos ssmicos o variables secundarias
en la simulacin.
Permeabilidad
Anlisis variogrfico:
Esta es la fase quizs ms importante del proceso, ya que se
debe hallar la variabilidad lateral y vertical de las variables a
estudiar.
Slo un buen estudio de la variografa permitir tener una
imagen real del yacimiento.
SEMIVARIOGRAMA
CALCULADO A PARTIR DE
VALORES REALES
VARIANZA
Sill = C1
PEPITA =C o
Variabilidad horizontal
Se obtienen los parmetros
de
MODELO
DE VARIOGRAMA
RANGO
a
variabilidad
Mezeta,
pepita
rango
espacial:
y
efecto
ANISOTROPIA EN 2D
I
rango
en
la direccin
principal.
a_hmin: rango de una direccin
secundaria.
Anisotropia = a_hmin / a_hmax
constar
estructura
anidadas.
de
de
una
sola
estructuras
Variabilidad vertical
Elaboracin de variogramas verticales
Clculo de la Curva de Proporcin Vertical de Facies
POZOS - FACIES
Definicin de
Parmetros
Para
obtener
la
familia
de
la
arquitectura
del
yacimiento
Luego
se
simulan
propiedades
condicionadas
facies previo.
las
petrofsicas
al
modelo
de
E2-a
E2-b
E2-c
E2-d
Elaboracin de Familia
de Realizaciones
POROSIDAD
PERMEABILIDAD
E2-a
E2-a
POROSIDAD
E2-b
PERMEABILIDAD
E2-b
POROSIDAD
E2-c
PERMEABILIDAD
E2-c
POROSIDAD
E2-d
PERMEABILIDAD
E2-d
SATURACIN DE AGUA
E2-a
E2-b
SATURACIN DE AGUA
E2-c
E2-d
Seleccin de Realizaciones
Equiprobables
Las
realizaciones
seleccionadas
deben
reproducir
las
Seleccin de Realizaciones
Equiprobables
Escalamiento Numrico
del Yacimiento
El
escalamiento
de
propiedades
absolutas
(porosidad,
Escalamiento Numrico
del Yacimiento
promedios geomtricos y de
mtodos
no
analticos
cuando
los
yacimientos
sean
numricos
(Pressure
Solver
(Begg
et
al.,
1989)
Tapones de ncleos
Secciones finas
Escala microscpica
( 10E-5 hasta 10E-3 m)
Escalas de Heterogeneidad
Pequea Escala
( 10E-2 hasta 10E-1 m )
Cuerpos/
Facies sedimentarias
Mediana Escala
( 0.1- 100 m )
Ambiente de depositacin
CANAL FLUVIAL
ABANICOS DE ROTURA
DIQUES
LLANURA
DE INUNDACION
Escala Giga
(10-100 Km)
BARRA DE
MEANDRO
Escala de Simulacin
Escalamiento :
monofsico
multifsico
Escalamiento es necesario
O
E
Modelo Determinstico de
Porosidad, rea I, Tope A/B.
Resultados
Ms Barriles Tcnica y
Econmicamente
Rentables.
Manejo de la Incertidumbre
Modelos ms realsticos
Clculo de POES
Identificacin de Oportunidades
Ubicacin de Localizaciones
Recuperacin Adicional
Mejoramiento de los Mtodos de Produccin
GEOESTADSTICA
ES LA HERRAMIENTA DE INTEGRACION
Y PLANEACIN ESTRATGICA
DE LA EXPLOTACIN DE YACIMIENTOS
MEJORES PRCTICAS
MODELO ESTOCSTICO OCCIDENTE
N
BLOQUE I
Bloque I
16/33
I
XII
II
62
6/9/21
31
VLA-X
11
31
243/245
12/18/207
11
833
RESD
FACIES
6200
6300
C-6
6400
6400
C-6
6500
6600
MARSH
DIS
C-6i
6700
TR
IBU
TA
RY
INTERTIDAL
DE
LTA
-
C-6i
6700
F RO
NT
BA
RS
6800
INTER-BAR
CHANNEL
6900
C-7
7000
7100
C-7
7000
SS3
S11
S2
HL
NT
RO
A-F LITHIC
LT
DE TERO
HE
Atributos
Ssmicos
Comparacin con
distintos
parmetros :
Amplitud
Frecuencia
Realidad
Resultado de
la simulacin
Alta probabilidad de
ocurrencia de canales
Porosidad
Permeabilidad
Facies
ANP / ANP
VSH
Relaciones de dependencia
significativas
Simulacin
Estocstica
condicionada
Validacin
Baja probabilidad de
ocurrencia de canales
ATRIBUTOS SSMICOS
AMPLITUD
FASE
AMPLITUD
EHT
AAA
LPA
MPA
LTA
ATA
AEA
SEA
RPN
FRECUENCIA
FASES
AIF
SIF
PSF
SSM
AIP
ESPESOR
AMPLITUD
IMPEDANCIA
MAPAS DE ATRIBUTOS C6
POZOS - FACIES
SIMULACIN ESTOCASTICA
VIII
1
VIII
VII
VII
VI
VI
V
ESCALAMIENTO
VIII
VII
3
4
5
VI
IV
IV
IV
6
7
8
9
10
11
C6 - C6I
MARSH
DIS
TR
IBU
TA
RY
INTERTIDAL
DE
LT A
-FR
ON
T
BA
RS
NT
RO
A-F THIC
LI
LT
DE E RO
T
HE
INTER-BAR
CHANNEL
DISTRIBUCIN DE FACIES
x
y
z
y
x
0-50 mD
50-100 mD
100-150 mD
S2 L, H
150-200 mD
Anticlinal
alargado en la direccin
NE-SO
5200 m de sedimento
Seccin productora 1065 m
Edad: Cretceo / Mioceno inferior
Fluvial,
de poco
canales
NAR3:
Modelo pozo:
Tamao vertical ptimo de las celdas
Propiedades petrofisicas/sedimen.
Modelo geologico/geoestadistico de alta resolucion
IMPACTOS
IMPACTOS
PREDICCION DE HETEROGENEIDADES:
-
SEDE:
SALA RH COMALCALCO
PARTICIPANTES:
AI ABKATUN POL CHUC
AI BELLOTA JUJO