The Quality Map: A Tool for Reservoir Uncertainty Quantification and Decision Making
Notice bibliographique
Résumé
Summary The parameters that govern fluid flow through heterogeneous reservoirs are numerous and uncertain. Even when it is possible to visualize all the parameters together, the complex and nonlinear interaction between them makes it difficult to predict the dynamic reservoir responses to production. A flow simulator may be used to evaluate the responses and make reservoir management decisions, but normally only one deterministic set of parameters is considered, and no uncertainty is associated with the responses or taken into account for the decisions. This paper introduces the concept of a "quality map," which is a 2D representation of the reservoir responses and their uncertainties. The quality concept may be applied to compare reservoirs, to rank stochastic realizations, and to incorporate reservoir characterization uncertainty into decision making (such as choosing well locations) with fewer full-field simulation runs. The data points necessary to generate the quality map are obtained by running a flow simulator with a single vertical well completed in all the layers and varying the location of the well in each run to have good coverage of the entire horizontal grid. The quality of the horizontal cell in which the well is located is the cumulative oil production after a long production time. The geological model uncertainty is captured by generating multiple stochastic realizations and building a quality map for each realization. The quality maps of all the realizations provide a distribution of quality values for each cell of the map grid. A mean quality map can be obtained by taking the expected value for each cell, and a map of quality uncertainty can be obtained by taking the standard deviation of the distribution for each cell. If a loss function is specified, an L-optimal quality map can be generated by retaining, for each cell, the quality value that minimizes the expected loss. This map allows us to locate wells accounting for the geological uncertainty as well as for the risk profile of the decision maker. The methodology for building the quality map is presented in detail, and the applications of the map are demonstrated with 50 realistic reservoir models.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
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 ».