Improving history matching performance in a 3D field-scale case study by combining tracer and production data
Notice bibliographique
Résumé
Reservoir models are often subject to uncertainties, which, if not properly taken into account, may introduce biases to the subsequent reservoir management process. To improve reliability and reduce uncertainties, it is crucial to condition reservoir models on available field datasets through history matching. There are different types of field data. Among others, production data are the most common choice, but they are subject to a major limitation of carrying relatively low value of information. On the other hand, inter-well tracer data have been shown to provide additional information about well-to-well connectivity and reservoir dynamics. However, jointly history matching production and inter-well tracer data still remains challenging due to the lack of a coherent quantitative workflow to fully integrate them. This work can be considered a step towards tackling this noticed problem. To this end, we propose a non-intrusive and derivative-free ensemble history matching workflow, in which reservoir models are more coherently conditioned on both production and inter-well tracer data with the help of a recently developed technique (correlation-based adaptive localization). The workflow is successfully implemented in the Brugge benchmark case. Our study indicates that the history matching algorithm matches the production data well, regardless of the presence or absence of the tracer data. Nevertheless, by including tracer data as an additional source of information, we are able to improve the quality of the estimated reservoir models, in terms of both improved data match and reduced model discrepancies. As such, the finding of this study can help to achieve a better understanding of the impacts of tracer data on history matching performance, and the proposed workflow could serve as a useful too for more proper uncertainty quantification, and more coherent utilization of different types of field data in real case studies in general.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».