An Innovative Approach To Integrate Fracture, Well Test and Production Data into Reservoir Models
Notice bibliographique
Résumé
Abstract This paper presents an innovative approach to integrate fracture, well test and production data into the static description of a reservoir model as an input to the flow simulation. The approach has been successfully implemented into a field study of a giant naturally fractured carbonate reservoir in the Middle East. This study was part of a full field integrated reservoir characterization and flow simulation project. The main input available for this work includes matrix properties, fracture network, well test and production data. Stochastic models of matrix properties were generated using geostatistical methodology based on well logs, core, seismic data and geological interpretation. Fracture network was described in the reservoir as lineaments (fracture swarms) showing two major fracture trends. The network and its properties, i.e., fracture porosity and permeability, were generated by reconciling seismic, well logs, and dynamic data (well test and PLT). The challenge of the study is to integrate all the input in an efficient and practical way to produce a consistent model between static and dynamic data. As a result, it is expected to reduce the history matching effort. This challenge was solved by an innovative iterative procedure between the static and dynamic models. The static part consists of the calibration of model permeability to match the well test permeability. It is done by comparing their flow potentials, kh. In this analysis the dominant factor in controlling production at each well, either matrix or fracture, was determined. Based on the dominant factor, matrix or fracture permeability was modified accordingly. This way the changes in permeability are kept inline with the geological understanding of the field. The dynamic part was carried out through a full field flow simulation to integrate production data. The flow simulation at this stage was used to match production capacity, i.e. to determine whether the given permeability (matrix and fracture) distribution is enough to produce the fluid at the specified pressure during the producing period of the well. The iteration is stopped once a reasonable production capacity match is obtained. In general, a good match was achieved within 3–4 iterations. The generated reservoir description is expected to substantially reduce the effort required to obtain a good history match.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».