Estimation of Multiple Petrophysical Parameters for the PUNQ-S3 Model Using Ensemble-Based History Matching
Notice bibliographique
Résumé
Abstract Reservoir simulation and modeling remains a cost-effective tool to characterize geological structure, determine fluid saturation, and optimize reservoir performance. In spite of extensive research work, it remains a challenge to generate multiple reservoir models conditional to static and dynamic data that represent a correct sampling of the true posterior probability density function. Although many challenges remain, the ensemble Kalman filter (EnKF) technique has recently been proved to be an efficient data assimilation method and successfully used in assisted history matching for estimating reservoir petrophysical parameters, such as porosity, absolute and relative permeability, and fluid-contact depth. Few attempts have been made to study impacts of simultaneously tuning multiple parameters on the estimation results. In this study, the ensemble-based history matching has been successfully applied to simultaneously estimate multiple petrophysical parameters for the PUNQ-S3 model. More specifically, the selected tuning petrophysical properties include horizontal and vertical permeability, porosity and three-phase relative permeability curves. Four data assimilation scenarios with different combination of the tuning parameters have been evaluated. The ensemble-based history matching technique is found to be capable of estimating multiple petrophysical parameters by conditioning the reservoir geological models to production history. The uncertainty range of production data generated from the updated models is reduced compared to that of initial models. However, the history-matched models may not always provide good production prediction results, especially when absolute permeability and relative permeability are tuned simultaneously. This further illustrates the non-uniqueness of the history matching solutions. In addition, for the PUNQ-S3 case examined in this study, three-phase relative permeability curves can be estimated with good accuracy when absolute permeability fields are known.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».