Académique Documents
Professionnel Documents
Culture Documents
Voir les discussions, les statistiques et les profils des auteurs de cette publication à l'adresse suivante : https://www.researchgate.net/publication/276423019
CITATIONS LIRE
10 2,190
3 auteurs, dont :
Mohammad Abdideh
Université islamique d'Azad
51 PUBLICATIONS 318 CITATIONS
VOIR LE
PROFIL
Tout le contenu de cette page a été mis en ligne par Mohammad Abdideh le 07 juillet 2017.
Pour citer cet article : Sivash Ashoori, Mohammad Abdideh & Ali Alavi (2016) 3D geostatistical
modelling and uncertainty analysis of clay minerals distribution in reservoir rocks, Geocarto
International, 31:3, 241-255, DOI : 10.1080/10106049.2015.1047413.
Crossmark
Les conditions générales d'accès et d'utilisation peuvent être consultées à l'adresse suivante :
http://www.tandfonline.com/action/journalInformation?journalCode=tgei20
Geocarto International, 2016
Vol. 31, n° 3, 241-255, http://dx.doi.org/10.1080/10106049.2015.1047413
Le forage à travers des couches de schiste est associé à de nombreux problèmes tels
que l'instabilité du puits de forage, le lavage du trou, le blocage du tuyau, etc. Les
schistes réactifs ayant un potentiel de gonflement peuvent entraîner de tels
Téléchargé par [M. Abdideh] à 06:32 28 février 2016
problèmes. Le schiste réactif est un schiste qui contient un minéral argileux très
gonflant comme la montmorillonite, même si la quantité de ce minéral argileux est
faible. Ainsi, la détermination du type de minéral argileux dans la formation de
schiste et la distribution du minéral argileux gonflable peuvent nous aider à
sélectionner un chemin de puits stable et à déterminer l'emplacement du puits qui
présente le moins de problèmes d'instabilité, à prévenir et à prédire les problèmes
associés au minéral argileux gonflant, tels que le blocage de la conduite, le lavage du
trou, la formation de boules sur le trépan, etc. Dans cet article, nous avons utilisé le
thorium et le potassium de la diagraphie par rayons gamma corrigés (CGR) pour
obtenir le type et le pourcentage de minéraux argileux. Ensuite, nous avons utilisé la
diffraction des rayons X pour une analyse plus détaillée de la constitution des
minéraux argileux. Enfin, la modélisation géostatistique est utilisée pour obtenir la
continuité du minéral argileux dans le réservoir et estimer la quantité de minéral
argileux désiré le long du réservoir.
Mots clés : modélisation géostatistique ; minéraux argileux ; variogramme ; krigeage ; SGS
1. Introduction
Environ 10 à 20 % du coût total du forage des puits est lié au problème de l'instabilité du
puits de forage. Des études statistiques montrent qu'environ 80 à 90 % des problèmes
surviennent lors du forage de couches de schiste. Les schistes actifs contenant des
minéraux argileux très gonflants peuvent créer d e nombreux problèmes lors du forage.
Le gonflement de l'argile peut entraîner une instabilité du puits de forage en raison de
l'éboulement du schiste, du lavage du trou, de la formation de boulets sur le trépan, de la
fermeture du trou causant un trou étroit, de l'effondrement de la paroi du puits entraînant
un remplissage lors du déclenchement et des problèmes lors de la mise en place du
tubage. Elle peut également provoquer un ballonnement du trépan, une augmentation du
couple et de la traînée en raison de l'argile collante. Tous ces problèmes peuvent réduire
considérablement la vitesse de forage et, dans certains cas, entraîner la perte de
l'ensemble de forage ou la perte totale du puits. Ces événements augmentent
considérablement les coûts d'exploration et de production (Anderson et al. 2010).
La boue à base de pétrole (OBM) est utilisée comme fluide de forage dans la plupart
des puits du réservoir étudié. Le coût initial de l'OBM est élevé. L'utilisation de l'OBM
soulève de nombreuses préoccupations environnementales liées au rejet de la coupe, à la
perte totale de boue et à l'élimination de la boue pétrolière. Lors de l'utilisation de
l'OBM, la capacité de détection des coups de bélier est réduite en raison de la forte
solubilité du gaz dans la boue pétrolière.
*Auteur correspondant. Courriel : m.abdideh@yahoo.com
2. Argile minérale
Le schiste est une roche à grain fin contenant une fraction importante de minéraux
argileux et de limon (Ellis & Singer 2007). Les formations de schiste servent de roche
mère et de roche couverture dans la phase d'exploration. Les minéraux argileux peuvent
entraîner de nombreux problèmes lors de la phase de forage et, d'autre part, ils sont
utilisés comme additifs pour les fluides de forage. L'existence de minéraux argileux dans
le réservoir a un effet important sur la porosité et la perméabilité. Comme leurs
propriétés électriques peuvent entraîner une erreur dans l'estimation de la saturation en
eau, elles peuvent entraîner une erreur dans l'estimation des réserves et de la
productivité. L'argile est un minéral composé de petites particules cristallines qui sont
classées en fonction de leur structure cristalline. Les argiles les plus intéressantes pour
l'industrie pétrolière sont la smectite, l'illite, la kaolinite, la chlorite et l'argile à couches
mixtes.
Les minéraux argileux portent une charge négative nette principalement due à la
substitution - par exemple, la substitution du bivalent Mg par le trivalent Al. Cette
charge négative nette est équilibrée par des cations échangeables, regroupés à la surface
de l'argile pour neutraliser l'argile lorsqu'elle est exposée à l'eau. Cela conduit au
gonflement de la couche d'argile. Le groupe des montmorillonites possède la plus grande
capacité d'absorption de l'eau et les valeurs de capacité d'échange cationique (CEC) les
plus élevées. Le tableau 1 présente les valeurs typiques de CEC et la surface spécifique
des minéraux courants. La figure 1 illustre la structure du groupe des smectites. La
tendance de la montmorillonite saturée en sodium à gonfler macroscopiquement est la
principale cause d'instabilité des schistes lors des opérations de forage de puits de pétrole
et peut potentiellement conduire à l'effondrement du puits de forage (Anderson et al.
2010). L'existence d'un groupe de smectites dans une formation forée peut entraîner de
nombreux problèmes. Nous nous concentrons donc sur le pourcentage et la distribution
de cette argile. Les couches de schiste qui contiennent ne serait-ce qu'une petite quantité
de montmorillonite sont considérées comme des schistes gonflants (Abass et al. 2006).
Téléchargé par [M. Abdideh] à 06:32 28 février 2016
travail. Il faut donc trouver un moyen rapide et fiable d'identifier les minéraux argileux.
De nombreux praticiens essaient de trouver un moyen d'identifier l'argile à l'aide de
l'enregistrement spectral des rayons gamma. Plusieurs schémas ont été élaborés à partir
du logarithme spectral des rayons gamma pour identifier les minéraux. Hodson et al.
(1976) ont introduit un diagramme croisé du thorium et du potassium déterminant le
volume de schiste et distinguant les sables micacés des sables schisteux. Ruhovets et
Fertl (1982) ont proposé un indicateur amélioré des minéraux argileux basé sur une
connaissance approximative de la teneur en potassium et en thorium des minéraux
argileux courants. La figure 2 présente les schémas de ces études. Quirein et al. (1982)
ont présenté une méthode pratique et facile pour déterminer la présence d'argiles
majeures et les séparer des feldspaths. Nous avons utilisé les diagrammes croisés de
Schlumberger qui utilisent cette méthode pour identifier les minéraux argileux. Pour
identifier les minéraux argileux, il faut d'abord reconnaître la couche de schiste. Nous
considérons que la couche ayant une spectrométrie de rayons gamma naturels (NGS)
supérieure à 20 API et un taux de thorium supérieur à 2 ppm est une couche de schiste.
Ensuite, à l'aide du thorium et du potassium de la diagraphie NGS, nous obtenons le type
de minéraux argileux et leur pourcentage dans l'intervalle de schiste. Cette procédure a
Téléchargé par [M. Abdideh] à 06:32 28 février 2016
3. Technique géostatistique
La géostatistique permet de décrire la continuité spatiale des phénomènes naturels et
d'adapter les techniques de régression classiques pour tirer parti de cette continuité"
(Isaak & Srivastava 1989). Les techniques géostatistiques peuvent être utilisées pour
analyser la variabilité et la distribution spatiales des données de l'échantillon et estimer
les paramètres à
Geocarto International 247
Figure 2. Identification d'un minéral argileux à partir du thorium et du potassium. Intervalle de
schiste 8233-8270 ft.
248 S. Ashoori et al.
la variance des données est constante dans la zone étudiée ; et la corrélation (covariance
ou semivariogramme) entre deux endroits quelconques ne dépend que du vecteur qui les
sépare, et non de leur emplacement exact. Si les données ne sont pas stationnaires, un
mouvement ascendant peut ê t r e observé dans le variogramme. En règle générale, la
transformation normale standard est utilisée dans les analyses géostatistiques (Deutsch
2002). La transformation des données en une distribution de source normale peut
satisfaire l'hypothèse de stationnarité des données. La transformation en source normale
présente certains avantages, comme l'atténuation de la différence entre les valeurs
extrêmes et le seuil théorique. D'autre part, certains estimateurs géostatistiques comme
SGS fonctionnent avec des données transformées en source normale. Les variogrammes
expérimentaux montrent que nous n'avons pas de tendance dans nos données d'entrée. La
figure 3 montre l'histogramme des données d'entrée et des données transformées. Enfin,
la rétrotransformation effectuée sur les données permet d'obtenir des données d'entrée
sous forme d'histogramme.
Après transformation des données, le variogramme expérimental peut être calculé.
Le variogramme expérimental reflète notre compréhension de la géométrie et de la
continuité des propriétés du réservoir et a un effet important sur le comportement
Téléchargé par [M. Abdideh] à 06:32 28 février 2016
Figure 3 : ( a) histogramme des données d'entrée et (b) histogramme des données transformées.
Geocarto International 251
5.
Ange Pépite Rang Modèle
0 0.21782733 5208 Sphérique
15 0.22855082 4240 Sphérique
30 0.27490457 2604 Sphérique
45 0.16106221 2520 Sphérique Mineur
60 0.1900612 2604 Sphérique
75 0.18854018 5040 Sphérique
90 0.18791025 6270 Sphérique
-15 0.24281574 5880 Sphérique
-30 0.3200379 11,760 Sphérique
-45 0.19977419 21,000 Sphérique Principale
-60 0.17881495 20,260 Sphérique
-75 0.16619654 10,920 Sphérique
Figure 5. (a) Variogramme pour le sens principal de continuité et (b) variogramme pour le sens
secondaire d e continuité.
• Dans la région de variance à courte échelle, l'effet pépite est égal à 0,2 (C0 = 0,2).
Il peut être dû à des erreurs de mesure ou à des structures géologiques dont les
plages de corrélation sont plus courtes que l'intervalle d'échantillonnage. Il doit être
choisi de manière à être égal dans toutes les directions. Il est choisi dans le
variogramme expérimental directionnel présentant la plus petite pépite. Dans un
variogramme vertical, l'effet de pépite est égal à 0,4 ; cela e s t dû à la nature du
paramètre. Le minéral argileux n'existe que dans la couche de schiste et les
couches de schiste ne sont pas continues dans la direction verticale.
• Dans la région de variance à échelle intermédiaire, l'anisotropie géométrique
correspond à un phénomène dont les plages de corrélation sont différentes selon les
directions. Le tableau 4 montre que les fourchettes sont différentes selon les
directions. Par exemple, dans la direction de continuité maximale, la plage est de
21 000 m, mais dans la direction de continuité minimale, la plage est de 2520 m.
L'autre comportement du variogramme est l'anisotropie zonale. L'anisotropie
zonale est un cas limité d'anisotropie géométrique dans lequel les variogrammes
directionnels atteignent des seuils différents. La méthode courante pour étudier
Geocarto International 253
l'anisotropie zonale est l'anisotropie géométrique.
254 S. Ashoori et al.
statistiques classiques pour l'estimation, tandis que dans les méthodes géostatistiques,
l'estimation est faite sur la base de la structure spatiale de l'environnement (Abdideh
2014).
Le krigeage est une méthode d'estimation basée sur une moyenne mobile pondérée et
peut être considéré comme le meilleur estimateur linéaire sans biais. La caractéristique la
plus importante du krigeage est que pour chaque estimation d'erreur, l'erreur associée
pertinente peut être calculée (Abdideh 2014). Par conséquent, pour chaque valeur
estimée, l'intervalle de confiance correspondant peut être calculé.
Les raisons de l'utilisation du krigeage ordinaire sont que la moyenne globale du
paramètre est inconnue (OK a utilisé la moyenne locale) et qu'il est préférable d'estimer
la fluctuation des données. La figure 8 montre le modèle final construit avec le krigeage
et une section de l'estimation du krigeage. La figure 9 montre la variance du krigeage et
la section de variance. L'attribut variance est un facteur des données d'entrée et le
variogramme choisi décrit une partie de la variation spatiale de l'incertitude dans le
modèle. Les zones proches des données d'entrée auront une faible variance (c'est-à-dire
qu'elles sont prédites avec confiance, avec une faible incertitude), tandis que les zones
éloignées des données d'entrée auront une variance élevée (c'est-à-dire qu'elles sont
Téléchargé par [M. Abdideh] à 06:32 28 février 2016
prédites avec une faible confiance, avec une forte incertitude). OK est une méthode
déter- ministe qui donne une seule réalisation. Comme on peut le voir sur les figures, la
variance est relativement élevée et l'incertitude sur les paramètres estimés est grande.
Cette variance relativement élevée est due à la rareté des données. A l'étape suivante,
SGS a utilisé pour créer
Geocarto International 257
Figure 8. Modèle de krigeage et coupe transversale.
258 S. Ashoori et al.
Téléchargé par [M. Abdideh] à 06:32 28 février 2016
Le puits numéro 209 est éloigné de l'autre puits et est ensuite soumis au krigeage
ordinaire et au SGS en tant qu'interpolateur. Les figures 4-20 à 4-25 montrent les
parcelles de validation croisée pour ces puits. Un point plus proche de la ligne indique
que nous disposons d'un modèle plus valide. Le krigeage et le SGS montrent tous deux
une bonne compatibilité avec les données d'origine.
Comme le montre la figure 11, le résultat du SGS est plus précis. Lorsque la valeur
est élevée, l'erreur d'estimation de est relativement importante car le nombre de données
ayant une valeur élevée est faible et davantage de données ayant une valeur faible sont
impliquées dans l'estimation de l'emplacement non échantillonné. La figure 12 montre
que les résultats de l'estimateur pour ce puits sont inexacts et peu fiables. La densité des
puits autour du puits n°209 est très faible, ce qui entraîne une erreur d'estimation
importante. Pour le puits n°220, SGS montre une bonne estimation des paramètres. La
figure 13 montre les résultats de la validation croisée pour ce puits. Le nombre de
données soulignées est faible, ce qui signifie que SGS surestime la montmorillonite et
peut ainsi réduire le risque de prévision des problèmes de forage. La figure 14 montre
que l'estimation par krigeage est associée à une erreur élevée. Mais SGS a une bonne
compatibilité avec les données originales. Comme on peut le v o i r , la plupart des
résultats de SGS sont supérieurs à
Geocarto International 261
Figure 11. Validation croisée pour le puits n° 202.
262 S. Ashoori et al.
Tableau 6. Validation.
La validation croisée a montré que le SGS était plus fiable que le krigeage. La SGS
surestime presque les paramètres, ce qui réduit le risque de prévision des problèmes de
forage.
A l'étape suivante, nous avons utilisé certaines données relatives aux problèmes de
forage dans le réservoir étudié pour confirmer que les régions à forte teneur en argile
montmorillonite sont susceptibles de créer des problèmes lors du forage. Pour cette
tâche, nous avons passé en revue les puits qui ont eu des problèmes dans le réservoir
d'étude (autres que les puits utilisés pour la modélisation) et qui sont liés d'une manière
ou d'une autre au gonflement de l'argile. Les résultats montrent que bon nombre de ces
problèmes se sont produits dans des régions présentant une quantité notable de
montmorillonite. Abass et al. (2006) indiquent que même l'existence d'une faible
quantité de montmorillonite peut entraîner des problèmes de forage. Le tableau 6
présente les résultats de cette enquête. Dans ce tableau, le pourcentage d'argile est estimé
à partir du krigeage et de la SGS dans la région concernée.
4. Conclusion
Les résultats de cette étude montrent que les minéraux argileux dominants dans les
couches de schiste sont, respectivement, l'illite, la montmorillonite et l'argile de couche
mixte. L'analyse variographique de la montmorillonite montre que la principale direction
de continuité est N45W avec une plage de corrélation de 21 000 m. Le comportement le
plus important du variogramme est l'effet de trou qui représente l'existence de quantités
élevées et faibles de montmorillonite de manière périodique. Dans un variogramme
vertical, nous sommes confrontés à un effet de pépite important qui est dû à la nature du
paramètre qui n'est pas continu dans la direction verticale. D'autre part, le SGS nous
264 S. Ashoori et al.
donne une estimation fiable plus détaillée du paramètre et fournit des moyens de prendre
en compte l'incertitude dans la mesure du possible.
Geocarto International 265
Déclaration de divulgation
Aucun conflit d'intérêt potentiel n'a été signalé par les auteurs.
Références
Abass H, Shebatalhamd A, Khan M, Al-Shobaili Y, Ansari A, Ali S, Mehta S. 2006. Wellbore
Téléchargé par [M. Abdideh] à 06:32 28 février 2016
instability of shale formation ; Zuluf field. In : SPE Technical Symposium of Saudi Arabia
Section ; 21-23 May ; Dhahran, Saudi Arabia.
Abdideh M. 2014. Prédiction de la perte de boue dans les roches réservoirs par une méthode
géostatistique. Geomat Nat Haz Risk. 5:41-55.
Abdideh M, Bargahi D. 2012. Conception d'un modèle 3D pour la prédiction du sommet de la
formation dans les champs pétroliers à l'aide de méthodes géostatistiques. Geocarto Int.
27:569-579.
Anderson RL, Ratcliffe I, Greenwell HC, Williams PA, Cliffe S, Coveney PV. 2010. Clay
swelling - a challenge in the oilfield. Earth-Sci Rev. 98:201-216.
Deutsch CV. 2002. Geostatistical reservoir modeling. Applied geostatistics series ; New York
(NY) : Oxford University Press ; 384 p.
Ellis DV, Singer JM. 2007. Well logging for earth scientists. Dordrecht : Springer-Verlag.
Goovaerts P. 1997. Geostatistics for natural resources evaluation (Géostatistique pour l'évaluation
des ressources naturelles). New York (NY) : Oxford
University Press ; 483 p.
Gringurten E, Deutsch C. 1999. Méthodologie d'interprétation et de modélisation des
variogrammes pour une meilleure caractérisation des réservoirs. In : SPE Annual Technical
Conference and Exhibition. Houston (TX), USA.
Hodson G, Fertl WH, Hammack GW. 1976. Formation evaluation in Jurassic sandstone in the
northern North Sea area. The Log Analyst. 17:22-32.
Isaak EH, Srivastava RM. 1989. An introduction to applied geostatistical (Vol. 561). Oxford :
Oxford University Press.
Quirein J, Gardner J, Watson J. 1982. Combined natural gamma ray spectral/litho-density
measurements applied to complex lithologies. In : SPE Annual Technical Conference and
Exhibition. New Orleans (LA).
Ruhovets N, Fertl WH. 1982. Digital shaly sand analysis based on Waxman-Smits model and log-
derived clay typing. The Log Analyst. 23:7-26.
Yariv S, Cross H. 1979. Geochemistry of colloid systems for earth scientists (Vol. 1). Berlin :
Springer-Verlag.
266 S. Ashoori et al.