Integrac Mod Estocast C Geoestadistica

SEDE:
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
9Alta heterogeneidad de las propiedades de la roca (k, , So,

etc.) impacta la eficiencia de la explotacin del yacimiento.
9Interpolaciones suavizadas de propiedades (layer cake
models) pueden generar:
- Sobreprediccin de eficiencia de explotacin
- Prediccin pesimista de canalizaciones
- Irrupcin temprana del fluido inyectado
9Cuantificacin de la incertidumbre en modelos de yacimientos.
Introduccin
Mltiples
interpretaciones
para un mismo
conjunto de datos
Introduccin
Tratamiento
Determnistico
Tratamiento
Estocstico
Coleccin de datos
Coleccin de datos.
Anlisis de datos
Anlisis de datos
Genera una imagen del yacimiento
Generan mltiples imgenes:
Ajuste Histrico
Modelo de flujo
Estocsticas de alta resolucin

Condicionadas a toda la informacin
Escalamiento de cada imagen
RESPUESTA NICA
Modelo de flujo para cada imagen
RESPUESTA PROBABILSTICA
Introduccin
Aplicaciones
9 Elaboracin de mapas estructurales
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
9 Modelado integral de yacimientos
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
consistentes con la realidad del yacimiento
9 Se
requiere un trabajo arduo para lograr que toda la
informacin del yacimiento sea consistente.
Introduccin
Cundo NO se debe utilizar Geoestadstica?
9 Cuando se cuenta con muy pocos pozos y/o estn mal
distribuidos arealmente.
9 Cuando no se cuenta con informacin de ncleos que

permitan establecer un modelo sedimentolgico previo y no
es posible incorporar los atributos ssmicos para guiar la
simulacin.
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
NO PRETENDE REEMPLAZAR LA OPININ EXPERTA DE

GEOLGOS,
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
HONRAR LAS HETEROGENEIDADES

MODELOS SUAVES Y CONTINUOS
PLAN DE DESARROLLO POBRE
MODELOS HETEROGENEOS PLAN DE DESARROLLO OPTIMIZADO
FACTORES CLAVES HETEROGENEIDADES A HONRAR Y DESCRIBIR
CARACTERIZAR FACIES/PROPIEDADES ROCA/YACIMIENTO

ESTUDIO DE FLUJO ASPECTOS FUNDAMENTALES:
1) ARQUITECTURA DE UNIDADES DE FLUJO
2) DISTRIBUCIN ESPACIAL DE PROPIEDADES DE FLUIDO / ROCA
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
Integrar Informacin Multidisciplinaria

SSMICA,
PETROFISICA,
GEOLGICA,
GEOMECNICA Y DE PRODUCCIN
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
Intenta describir las posibles relaciones y

Porosidad de registro
dependencias existente entre pares de

variables.
Porosidad de ncleo
Herramientas
9 Grficos X-Y o cross-plot
Permeabilidad
9Clculo del coeficiente de correlacin

Saturacin de agua
9Regresiones lineales.
Ejemplos
9Atributos ssmicos - Propiedades petrofsicas
9Porosidad - Permeabilidad
Conceptos Bsicos
Variabilidad Espacial
Autocorrelacin Espacial
El objetivo es conocer cul es la

distribucin espacial de los datos
Dnde se encuentran los valores
extremos
Si existen tendencias preferenciales
Identificar posibles anomalas y/o
patrones de distribucin areal
El
grado
de
continuidad
o
variabilidad lateral.
Herramientas
Variogramas
Mapas de cada variograma
Funciones de Covarianza o
croscorrelacin
Conceptos Bsicos
Mtodos de Estimacin
Mtodos de Estimacin
Los Mtodos de Estimacin permiten

inferir la propiedad dada en ubicaciones
arbitrarias diferentes a las muestreadas,
en funcin de los valores conocidos.
Mapa de Variograma
Norte
El valor obtenido en cada ubicacin es

nico, por tanto generan una nica imagen
o mapa
Este
Variogramas experimentales
Generan mapas suavizados

No reproducen
espacial
toda
la
variabilidad
Conceptos Bsicos
Los
Simulacin de propiedades
modelos
Simulaciones
probabilsticos
Estocsticas
permiten
conocer cul ser el comportamiento

probable de la propiedad medida.
Genera mltiples valores o realizaciones
en cada ubicacin
y
z
x
Reproducen todo el espectro de la

variabilidad espacial de los datos
Consideran distintos tipos de informacin.
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
completamente determinsticas ...

John Davis (1986)
Ejemplos
Propiedades de la roca, presin,
produccin de un yacimiento
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.

Variograma
El Variograma es la herramienta geoestadstica bsica
para visualizar, modelar y describir la autocorrelacin
espacial de una variable distribuida en el espacio
(Variable Regionalizada).
Es una medida de dispersin.

Semivariograma
Matemticamente se define como:
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

Semivariograma
Se estima a travs del Variograma Experimental:
(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

Variograma Experimental
SEMIVARIOGRAMA CALCULADO A
PARTIR DE VALORES REALES
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.

Cmo calcular los semivariogramas
Escoger la distancia de separacin
entre muestras: paso o lag.
Proponer
la
tolerancia
desplazamiento,
del
usualmente
la
mitad del paso o lag.

Escoger
un
generalmente
ancho
la
medida del lag
de
mitad
banda,
de
la

Cmo calcular los semivariogramas
Especificar la direccin para el
proceso de clculo.
Proponer una ventana angular y
su tolerancia.
Iniciar con una ventana de 180
llamada
luego
se
Omnidireccional
va
cerrando
buscar la mejor definicin
y
para

Variograma Experimental
Objetivos del Variograma Experimental:
Obtener los parmetros que defnen la
variabilidad espacial de la muestra: mezeta,
rango, efecto pepita, ngulo y paso o
Lag con su correspondiente tolerancia.
Establecer si existen Anisotropas
Con tales parmetros ajustar un Modelo
de Variograma Terico
que ser,
finalmente, el Variograma buscado .

Ejercicio : Calcular los Semivariogramas con el Lag y direccin dado
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 = 1 y direccin E-O
Lag = 2 y direccin E-O
Lag = 1 y direccin N-S
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

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
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
*=[(20-22)2 + (22-20)2 +(20-19)2 +(19-17)2+(17-16)2 + (23-22)2+(22-19)2 +(19-19)2

+(19-21)2 +(21-20)2 +(20-18)2 +(17-17)2 +(17-17)2 +(17-15)2 +(15-18)2 +(18-17)2 +
(17-17)2 +(17-13)2 +(13-14)2 +(15-18)2 +(15-17)2 +(17-16)2 +(16-16)2 +(16-13)2
+(16-15)2 +(15-16)2 +(16-15)2 +(15-14)2 +(14-13)2 +(13-12)2 +(12-9)2 +(9-8)2
+(18-17)2 +(17-15)2 +(9-10)2 +(10-12)2] / 2*36
*(1) = 1.46

Grficos de los Semivariogramas
Semi-variograma Experimental
N 45 E
Este-Oeste
Norte-Sur
Distancia entre las muestras

Modelos de Variogramas Tericos
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:

Modelo Gaussiano
; La pendiente en el origen
es cero. El rango es cerca de
seis
Kms.
En
el
grfico
coinciden con el tamao de

las anomalas.

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

Modelo Esfrico
; En el ejemplo, el rango es
de
unos
anomalas
3
en
Kms
el
las
mapa
tambin son de unos 3 Kms.

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

Modelo Exponencial
; En este caso no se alcanza
nunca
la
meseta
pero
estamos muy cerca ( 8 - 9

Kms). En el grfico se notan
las anomlias.

COMPARACIN DE LOS MODELOS
DE VARIOGRAMAS

Modelo Peridico
; En este caso se nota que
existe
meseta.
periodicidad
en
la

Pepita + Modelo Esfrico
; En el ejemplo, el rango es
de
unos
anomalas
3
en
Kms
el
las
mapa
tambin son de unos 3 Kms.

Cuantificacin de la Variabilidad
Un semivariograma:
No detectar heterogeneidades cuando esta sea ms

pequea que el espaciamiento entre pozos.
No permite calibrar afloramientos o ambientes similares.
No permite calibrar mapas de atributos ssmicos.

Anisotropas
Geomtrica: Se produce cuando el rango vara en funcin

de la direccin y la meseta permanece prcticamente
constante.
Zonal: Se produce cuando la meseta vara en funcin de

la direccin y el rango permanece constante.
Mtodos de Estimacin
Norte
Mapa de Variograma
Este
Variogramas experimentales
Mtodos de Estimacin
GLOBAL
Mtodos de Estimacin
Forman subconjuntos del conjunto

datos original y se asigna un peso a
cada subconjunto, para luego
realizar la estimacin
PUNTUAL
Realizan la estimacin directamente
en funcin de los valores de las
muestras,
sin
realizar
una
agrupacin previa, teniendo cada
muestra su correspondiente peso
asignado.
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
; Es insesgado. No est sobreestimado ni subestimado

sistemticamente
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
Ejemplo con tres Puntos
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
con Kriging
Mtodos de Estimacin
Kriging Ordinario
Mapa de Amplitud
Promedio despus de
con Kriging
Mtodos de Estimacin
Kriging Ordinario
Desventajas
28933
Entender el mtodo no es directo.

27402
2921
Northing
2918
2914
2911
2907
2904
25870
2901
Requiere el estudio
parmetro o propiedad
variogrfico
del
2897
Depende de ms variables a considerar.

224338
534503
36319
38136
Easting
Top View
Att ib t
39952
Requiere algoritmos numricos elaborados.

Consume tiempo!
Mtodos de Estimacin
Kriging Ordinario
Ventajas
Considera la continuidad
parmetro o propiedad
28933
27402
2921
espacial
del
Toma en cuenta datos redundantes
Northing
2918
2914
2911
2907
2904
25870
2901
2897
224338
534503
Desagrupa implcitamente el conjunto de

datos
Es consistente con las propiedades deseadas
36319
38136
Easting
Top View
Att ib t
39952
Puede usarse para estimar directamente a

diferentes escalas
Es un interpolador exacto en el sentido de
que honra los datos originales en sus
localizaciones.
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
Cuando no se cuenta con suficiente informacin de la

propiedad a estimar se requiere mejorar los estimados
Si existe correlacin con una variable secundaria bien
distribuida
Se pueden integra ambos tipos de datos utilizando:
Kriging con influencia externa
Co-Kriging
Co-Kriging Colocado
Mtodos de Estimacin
Kriging con Influencia Externa
En el Kriging con influencia externa el modelo de

tendencia se limita a dos trminos.
No
necesita
conocerse
explcitamente sino que se
identifican sus valores con los valores conocidos de una

segunda variable externa
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.
Donde: i y wi son las respectivas ponderaciones o pesos

Z es la variable primaria
Y es la variable secundaria.
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
El mtodo de Co-Kriging puede extenderse al uso de cualquier

nmero finito de variables suplementarias. A mayor uso de variables
suplementarias, ms laboriosa es la tarea de inferir la continuidad
espacial tanto de las variables directas como las correlaciones
cruzadas.
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
Dado que no es posible obtener

buenos
semivariogramas,
ni
semivariogramas cruzados a partir de

datos de pozos solamente.
Se asume que el semivariograma de
los
datos
de
pozos
puede
ser
calculado a partir del semivariograma

de
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
z
y
x
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.
Por qu simulaciones ?
Si tuviramos un dato en cada celda podramos

representar mejor el mapa (ms real)
Kriging es un mtodo de interpolacin lineal, produce un

resultado suave. No reproduce toda la variabilidad del fenmeno
La simulacin estocstica si reproduce la variabilidad del fenmeno
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.
Existen diversos mtodos de Simulacin Estocstica,
entre otros:
1. Simulacin Secuencial Gaussiana
2. Simulacin Secuencial Indicadora
3. Simulacin por Annealing
z
y
x
Aspectos Generales de la Simulacin Secuencial
La simulacin secuencial se basa en la descomposicin de la funcin

de probabilidad multivariada de la funcin aleatoria Z(x) en un
producto de distribuciones univariadas condicionales.
El resultado de cada generacin se usa para condicionar a la

siguiente distribucin univariada antes de proceder al siguiente paso.
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.
Las ms comunes son:

Secuencial Gaussiana (GSS)
Secuencial Indicadora (SSI)
vez
ms,
nuevos
datos
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 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.
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)
PREDICCIN MAS REALISTA DEL FLUJO
DESVENTAJAS:
DESVENTAJAS:
ALTA DEMANDA COMPUTACIONAL
NO PRODUCE IMGENES PLACENTERAS
NO GENERA GEOMETRAS
DIFCIL CONDICIONAR DATOS

REQUIERE DATOS POCO CONOCIDOS (ancho,
largo, espesor, direcciones , etc.)
DIFCIL INTEGRAR INFO. MULTIDISCIPLINARIOS.
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 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
Estimacin Vs. Simulacin

ESTIMACIN
HONRA LA INFORMACIN LOCAL
SUAVE (APROPIADO PARA VISUALIZAR TENDENCIAS)
INAPROPIADA PARA SIMULACIN DE FLUJO, DONDE LOS
VALORES
EXTREMOS SON IMPORTANTES
PRODUCE UNA SOLA IMAGEN
NO CUANTIFICA LA INCERTIDUMBRE
SIMULACIN
HONRA LA INFORMACIN LOCAL
HONRA LA VARIABILIDAD ESPACIAL (VARIOGRAMA)
APROPIADA PARA SIMULACIN DE FLUJO
OBTENCIN DE MLTIPLES IMGENES EQUIPROVABLES
CUANTIFICACIN DE LA INCERTIDUMBRE

Modelo de efecto de Pepita Puro
; La figura 1 representa la realidad.
; La figura 2 es un mapa Krigeado.
; La figura 3 es un
desviacin estndar.
mapa
de
; La figura 4 es un mapa
simulacin estocstica.
de

Modelo Exponencial
; La figura 1 representa la realidad
; La figura 2 es un mapa Krigeado
; La figura 3 es un
desviacin estndar
mapa
de
; La figura 4 es un mapa de
simulacin estocstica. Representa
la variabilidad.
2

Modelo Esfrico
; La figura 1 representa la realidad
; La figura 2 es un mapa Krigeado
; La figura 3 es un mapa de desviacin

estndar
1
; La figura 4 es un mapa de simulacin

estocstica. Representa la variabilidad.
Se asemeja mas a la realidad.
2

Modelo Gaussiano
;
La simulacin y el Kriging se
parecen ms a la realidad.
; El
mapa
de
Kriging
la
simulacin estocstica son ms

exactos.

COMPARACIN ENTRE KRIGING y SSG
Kriging

COMPARACIN ENTRE KRIGING y SSG
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
Obtencin del Modelo Estocstico

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
Validacin de Datos de Modelo Previos
Generacin de Mallado e Incorporacin

Modelo Estructural en 3D
Definicin de Parmetros y Anlisis Estadsticos

para la Simulacin de Geoestadstica
MODELO
ESTTICO
Seleccin de Realizaciones Equiprobables
MODELO
SEDIMENTOLGICO

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL
Validacin de Datos de Modelos Previos


MODELO
ESTTICO
MODELO
SEDIMENTOLGICO

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL


MODELO
ESTTICO
MODELO
SEDIMENTOLGICO

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL


MODELO
ESTTICO
MODELO
SEDIMENTOLGICO

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL


MODELO
ESTTICO
MODELO
SEDIMENTOLGICO

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL


MODELO
ESTTICO
MODELO
SEDIMENTOLGICO

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL


MODELO
ESTTICO
MODELO
SEDIMENTOLGICO

MODELO DE
ATRIBUTOS
SSMICOS
MODELO
PETROFSICO
MODELO
ESTRATIGRFICO
MODELO
ESTRUCTURAL


MODELO
ESTTICO
MODELO
SEDIMENTOLGICO

E s c a la m ie n to
Seleccin de
Realizaciones
Elaboracin de
Realizaciones
Definicin de
Parmetros
Construccin del
Mallado Estructural
Validacin de
Datos
Validacin de Datos
Para elaborar el modelo estocstico del yacimiento se debe

integrar
los
aspectos
estructurales,
estratigrficos,
sedimentarios,
petrofsicos y la informacin bsica de
yacimiento de un rea.
El objetivo fundamental es
interpretar y reproducir la
distribucin y las variaciones espaciales de las propiedades del
yacimiento as como las relaciones entre ellas; guardando una
total correlacin con el comportamiento histrico de
produccin y presiones del campo.

VALIDACIN DEL MODELO ESTRUCTURAL
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 DEL MODELO ESTRATIGRFICO
La validacin del modelo estratigrfico, empieza

por la verificacin de la correlacin, mediante la
cual, se individualizaron los intervalos litolgicos
en los registros y en concordancia con la
interpretacin ssmica.
Se hace el ajuste para todo el mallado de

secciones adecundolo a la distribucin lateral de
las formaciones y miembros. Es importante tener
muy en cuenta las diferentes unidades de flujo
definidas
Validacin de Datos
VALIDACIN DEL MODELO

SEDIMENTOLGICO
Se verifican las facies sedimentaras
presentes y su distribucin areal y vertical
en los pozos, se revalidan con las
petrofacies del modelo petrofisico, a fin de
rechequear los ambientes sedimentarios.
Conocer el ambiente sedimentario, permite

entender variaciones en cuanto a
porosidad, permeabilidad, lenticularidades,
heterogeneidades,
tendencia
al
anegamiento, ubicacin y extensin de las
unidades de flujo, sellos, y en general a las
petrofacies, etc.
Validacin de Datos
VALIDACIN DEL MODELO

PETROFSICO
Se verifican los contajes de espesor de
arena (AN) del modelo sedimentario y los
de arena neta y arena neta petrolfera
(ANP) del modelo petrofisico a partir de los
registros de pozos y ncleos, permitirn la
convalidacin de los respectivos mapas
ispacos, de ANP y espesor
Petrofsica
Sw, K, Porosidad,
Vsh, etc.
Se valida la evaluacin petrofsica para

obtener los valores que afinan la
caracterizacin litolgica y distribucin de
los fluidos (cutoff). Algunos de estos datos
son:
Saturacin de Agua (Sw), Permeabilidad
(K), Porosidad y Volumen de Arcilla
(Vshale).

Validacin de Datos
Modelo Estructural:
Interpretacin Ssmica & Pozos
Atributos Ssmicos
Modelo
Sedimentolgico y
Estratrigrfico:
Facies y Ambiente
Petrofsica:
Sw, K, Porosidad,
Vsh, etc.

Generacin de Mallado e
Incorporacin Modelo Estructural 3D
OBTENCIN DEL MODELO ESTOCSTICO
Se
selecciona
la
aplicacin
geoestadstica a utilizar
Se importan los archivos de cimas
estructurales, polgonos de fallas,
superficies, cubos ssmicos, mapas
ispacos,

Modelo sin Fallas
Tipos de fallas: si son normales,

inversas, etc.,
Saltos de las fallas
Planos de fallas.
Modelo con Fallas

Tipo de geometra interna entre

reflectores ssmicos
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
calculadas a partir de registros de

pozos deben ser coherentes con
los topes estructurales
Se definen los parmetros de
corte o cutoff

Informacin de atributos ssmicos

Los
atributos
correlacionarse
entre
ssmicos
s,
se
deben
elegirn
los
atributos que sean linealmente independientes

Si se utilizan atributos intervalitos se debe
calcular la relacin arena/lutita a fin de conocer
a qu estn respondiendo mayormente los
atributos ssmicos.

El tamao de las celdas no debe ser

mayor que de la distancia mxima
entre pozos
Debe ser mayor que de la
distancia mnima entre pozos y
mayor que el tamao del
Bin
utilizado en la adquisicin ssmica.

Verticalmente se trabaja a nivel de
la escala de los registros de pozos

Definicin de
Parmetros
Anlisis de estadistico de los datos

Anlisis Estadstico
Anlisis Univariado: Se deben extraer los

valores
extremos
que
afecten
las
estimaciones
Anlisis Bivariado si se van a utilizar
atributos ssmicos o variables secundarias
en la simulacin.
Permeabilidad
Para la simulacin de propiedades con

atributos ssmicos es recomendable elegir
Saturacin de agua
los tengan una buena correlacin con las

propiedades de la roca

Definicin de
Parmetros
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.

Definicin de
Parmetros
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
DISTANCIA ENTRE PUNTOS
variabilidad
Mezeta,
pepita
rango
espacial:
y
efecto

Definicin de
Parmetros

Definicion de anisotropias
ANISOTROPIA EN 2D
I
ang: ngulo de rotacin (azimuth)

medido en direccin del reloj desde
el norte (Y)
a_hmax:
rango
en
la direccin
principal.
a_hmin: rango de una direccin
secundaria.
Anisotropia = a_hmin / a_hmax

Definicin de
Parmetros
Variograma Terico Horizontal

Obtenido despus de realizar el
modelaje y ajuste del variograma
experimental.
Puede
constar
estructura
anidadas.
de
de
una
sola
estructuras

Definicin de
Parmetros
Variabilidad vertical
Elaboracin de variogramas verticales
Clculo de la Curva de Proporcin Vertical de Facies
CURVA DE PROPORCIN VERTICAL
POZOS - FACIES
Definicin de
Parmetros
Un buen estudio de la variografa de las propiedades a simular

permitir tener una imagen del yacimiento ms real.

Elaboracin de Familia
de Realizaciones
Para
obtener
la
familia
de
realizaciones se debe realizar la

Simulacin Estocstica.
Primero se debe simulan las
facies sedimentarias a fin de
obtener
la
arquitectura
del
yacimiento
Luego
se
simulan
propiedades
condicionadas
facies previo.
las
petrofsicas
al
modelo
de

de Realizaciones
MODELO ESTOCSTICO DE FACIES
E2-a
E2-b

de Realizaciones
E2-c
E2-d
de Realizaciones

de Realizaciones
POROSIDAD
PERMEABILIDAD
E2-a
E2-a

de Realizaciones
POROSIDAD
E2-b
PERMEABILIDAD
E2-b

de Realizaciones
POROSIDAD
E2-c
PERMEABILIDAD
E2-c

de Realizaciones
POROSIDAD
E2-d
PERMEABILIDAD
E2-d

de Realizaciones
SATURACIN DE AGUA
E2-a
E2-b

de Realizaciones
SATURACIN DE AGUA
E2-c
E2-d

Seleccin de Realizaciones
Equiprobables
Una vez realizada la simulacin estocstica se deben elegir las

realizaciones que mejor representen al yacimiento como un todo.
Para ello se utilizan los parmetros de yacimientos establecidos
en el modelo petrofsico (cutoff).

Equiprobables
El ranqueo de las realizaciones se realiza calculando la

probabilidad conjunta de que los valores de las propiedades
(porosidad, permeabilidad, ANT, ANP, saturacin de agua, etc.)
sean mayores que los valores de corte o cutoff dados.
Este procedimiento distingue un grupo de realizaciones que
cumplen , en mayor o menor grado, las condiciones propuestas.
Equiprobables
Las
realizaciones
seleccionadas
deben
reproducir
las
condiciones dinmicas del yacimiento, es decir, se deben evaluar

y ver que satisfagan las condiciones de presin y saturaciones.
Con las que reproducen el comportamiento dinmico del
yacimiento , se eligen 3 escenarios
Equiprobables
1. El optimista, donde todas las condiciones tengan un 90% de

probabilidad ocurrencia.
2. El Medianamente optimista: donde las condiciones tienen un
50% de probabilidad de ocurrencia
3. El Pesimista, donde las condiciones tengan un 25% de
probabilidad ocurrencia.
Escalamiento Numrico
del Yacimiento
Esta es la fase final del proceso y consiste en tomar el/los

modelos escogidos en la fase anterior y llevarlos de un
mallado muy fino -utilizado en Geoestadstica- a un mallado
ms grueso el cual es utilizado por el simulador numrico de
yacimientos.

del Yacimiento
Antes de realizar el escalamiento de las propiedades absolutas

del yacimiento es necesario la evaluacin del impacto de las
diferentes escalas de heterogeneidad del yacimiento.
El
escalamiento
de
propiedades
absolutas
(porosidad,
permeabilidad absoluta, saturaciones de fluidos, debe ser

realizado como un paso previo hacia el escalamiento multifsico
de propiedades dinmicas (permeabilidades relativas y presiones
capilares).
del Yacimiento
Todas las propiedades absolutas deben ser escaladas desde la

escala de la celda del modelo esttico hasta el nivel de la malla de
simulacin de tal forma que el efecto de las diferentes escalas de
heterogeneidad se vea reflejado en el modelo de simulacin.
La permeabilidad absoluta es la propiedad ms difcil de escalar
debido a su comportamiento no lineal. La permeabilidad escalada
efectiva debe reproducir el comportamiento de los fluidos
observados en el modelo fino del yacimiento.

del Yacimiento
Las porosidades y las saturaciones de fluidos pueden escalarse

utilizando mtodos analticos tales como promedios aritmticos,
armnicos, aritmticos/armnicos,
promedios geomtricos y de
potencias ya que tienen un comportamiento lineal.

La permeabilidad por ser una propiedad no lineal debe ser escalada
con
mtodos
no
analticos
cuando
los
yacimientos
sean
heterogneos. Entre los mtodos ms exitosos para realizar el

escalamiento de permeabilidades absolutas cabe mencionar los
mtodos
numricos
(Pressure
Renormalizacin (King, 1989).
Solver
(Begg
et
al.,
1989)

del Yacimiento
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

del Yacimiento
Modelo Dinmico del Yacimiento

Miles de Bloques
Modelo Esttico del Yacimiento

Millones de Bloques
Escalamiento :
monofsico
multifsico
descripcin a escala media o pequea

se usan datos de ncleos
no hay suficientes datos para cada celda
descripcin a gran escala

propiedades de ncleos no son
vlidas
Escalamiento es necesario

del Yacimiento
Modelo Determinstico Escalado de

Porosidad, rea I, Tope A/B.
MODELO DETERMINSTICO DE POROSIDAD,

REA I, TOPE A/B.

del Yacimiento
Modelo Determinstico Escalado

de Porosidad, rea I.
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
Disminucin de los Costos y

Optimizacin de recursos
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
MODELO ESTOCASTICO OCCIDENTE

DESCRIPCIN DE FACIES
VLA-054
GR
RESD
FACIES
6200
6300
C-6
6400
6400
DELTA DOMINADO POR MAREAS
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
CURVA DE PROPORCIN VERTICAL
POZOS - FACIES
SIMULACIN ESTOCASTICA
VIII
MODELO ESTACIONARIO DE YACIMIENTO
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
ARENA = F( AAA2, ESP3)

Corr = 0.91
MODELO ESTOCSTICO - FACIES

MODELO ESTOC
STICO - Kx
ESTOCSTICO
x
y
z
y
x
SS3 Arenisca grano grueso
0-50 mD
S11 Arenisca grano medio
50-100 mD
S2 Arenisca grano fino
100-150 mD
S2 L, H
150-200 mD
DESCRIPCION MAS PRECISA DE LA ARQUITECTURA, AMBIENTES,

LITOLOGIAS Y DISTRIBUCION DE PROPIEDADES ROCA /
YACIMIENTO.
CARACTERIZACION MAS REALISTA DE LA PERMEABILIDAD Y VIAS
DE MIGRACI ON.
PREDICCION MAS EXACTA DEL COMPORTAMIENTO DE FLUJO
MODELO ESTOCASTICO ORIENTE
Anticlinal
alargado en la direccin
NE-SO
5200 m de sedimento
Seccin productora 1065 m
Edad: Cretceo / Mioceno inferior

DIRECCIN DE SEDIMENTACIN E-W

NAR5:
Canales estuarino influ.

intercalaciones de arenas y lutitas
espesor
NAR4:
Sistemas
deltaicos,
distributarios y barras costeras
Fluvial,
de poco
canales
NAR3:
Cuerpos de arenas masivas, sistemas

de canales distributarios (agradacional)
NAR2: Canales estuarinos con influ.
Marina
NAR1: Canales distributarios y
barras costeras
Modelo pozo:
Tamao vertical ptimo de las celdas
Propiedades petrofisicas/sedimen.
Modelo geologico/geoestadistico de alta resolucion
Excelente ubicacin del inyector IG-4
Atraviesa arenas de buena conectividad lateral y vertical

Intervalos candidatos para inyeccion: Basal de NAR1,
Central e inferior de NAR-3 y Superior de NAR-4.
IMPACTOS
IMPACTOS
PREDICCION DE HETEROGENEIDADES:
-
DELIMITACION DE UNIDADES DE FLUJO

PUNTOS DE DRENAJES Y VIAS DE MIGRACION
INTERVALOS DE COMPLETACION/ INYECCION
PATRON DE POZOS INYECTORES/ PRODUCTORES.
OPTIMIZACION DEL PLAN DE NEGOCIO:

- REDUCCION DE COSTOS
- CUANTIFICACION DEL RIESGO
SEDE:
SALA RH COMALCALCO
PARTICIPANTES:
AI ABKATUN POL CHUC
AI BELLOTA JUJO

Integrac Mod Estocast C Geoestadistica

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Integrac Mod Estocast C Geoestadistica

Transféré par

Droits d'auteur :

Formats disponibles

SEDE:

9Alta heterogeneidad de las propiedades de la roca (k, , So,

Genera una imagen del yacimiento

Generan mltiples imgenes:

Estocsticas de alta resolucin

Modelo de flujo para cada imagen

9 Elaboracin de mapas estructurales

9 Modelado integral de yacimientos

consistentes con la realidad del yacimiento

requiere un trabajo arduo para lograr que toda la

informacin del yacimiento sea consistente.

9 Cuando no se cuenta con informacin de ncleos que

NO PRETENDE REEMPLAZAR LA OPININ EXPERTA DE

HONRAR LAS HETEROGENEIDADES

CARACTERIZAR FACIES/PROPIEDADES ROCA/YACIMIENTO

Integrar Informacin Multidisciplinaria

Intenta describir las posibles relaciones y

dependencias existente entre pares de

9Clculo del coeficiente de correlacin

El objetivo es conocer cul es la

Los Mtodos de Estimacin permiten

El valor obtenido en cada ubicacin es

Generan mapas suavizados

conocer cul ser el comportamiento

Reproducen todo el espectro de la

completamente determinsticas ...

Anlisis Espacial de Datos

Anlisis Espacial de Datos

Anlisis Espacial de Datos

Anlisis Espacial de Datos

Anlisis Espacial de Datos

Anlisis Espacial de Datos

mitad del paso o lag.

medida del lag

Anlisis Espacial de Datos

buscar la mejor definicin

Anlisis Espacial de Datos

Anlisis Espacial de Datos

Lag = 1 y direccin E-O

Lag = 2 y direccin E-O

Lag = 1 y direccin N-S

Anlisis Espacial de Datos

*=[(20-22)2 + (22-20)2 +(20-19)2 +(19-17)2+(17-16)2 + (23-22)2+(22-19)2 +(19-19)2

Anlisis Espacial de Datos

Distancia entre las muestras

Anlisis Espacial de Datos

Anlisis Espacial de Datos

coinciden con el tamao de

Anlisis Espacial de Datos

Anlisis Espacial de Datos

tambin son de unos 3 Kms.

Anlisis Espacial de Datos

Anlisis Espacial de Datos

estamos muy cerca ( 8 - 9

Anlisis Espacial de Datos

Anlisis Espacial de Datos

Anlisis Espacial de Datos

tambin son de unos 3 Kms.

Anlisis Espacial de Datos

No detectar heterogeneidades cuando esta sea ms

No permite calibrar afloramientos o ambientes similares.

No permite calibrar mapas de atributos ssmicos.

Anlisis Espacial de Datos