Advanced techniques for 3D reservoir characterization: models for the Buzios field, Santos Basin

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLupinacci, Wagner Moreira-
Autor(es): dc.contributorFreire, Antonio Fernando Menezes-
Autor(es): dc.contributorZambrini, João Paulo Rodrigues-
Autor(es): dc.contributorOliveira, Karen Maria Leopoldino-
Autor(es): dc.contributorSilva, Leonardo Márcio Teixeira da-
Autor(es): dc.contributorMatos, Marcílio Castro de-
Autor(es): dc.creatorFerreira, Danilo Jotta Ariza-
Data de aceite: dc.date.accessioned2024-07-11T18:45:35Z-
Data de disponibilização: dc.date.available2024-07-11T18:45:35Z-
Data de envio: dc.date.issued2023-02-14-
Data de envio: dc.date.issued2023-02-14-
Data de envio: dc.date.issued2021-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/27901-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.22409/PPGDOT .2022.d.14382625742-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/776979-
Descrição: dc.descriptionEsta tese tem como objetivo construir fluxos de trabalho usando técnicas inovadoras de caracterização de reservatórios 3D que tenham a capacidade de fornecer modelos de fácies e propriedades petrofísicas robustos, automatizados e com previsibilidade razoável a partir de dados de poços e dados secundários, honrando as heterogeneidades de reservatórios complexos como os carbonatos Aptianos do pré-sal brasileiro. Inicialmente neste trabalho, foi aplicada pela primeira vez uma abordagem integrada entre modelagem sedimentar 4D e modelagem geoestatística para a reconstrução de fácies para reservatórios de pré-sal da Formação Barra Velha do Campo de Búzios localizado na Bacia de Santos. Os resultados deste estudo demonstraram que esta metodologia possibilita a incorporação do conhecimento geológico conceitual paleoambiental as fácies a serem modeladas de forma precisa e sua integração com a geoestatística para correspondência adequada do modelo com dados de poços. No segundo estudo, foi utilizado um algoritmo de rede neural para classificação de sismofácies multiatributos não-supervisionada para a mesma área. Os resultados deste trabalho mostraram que esta técnica permite a criação automatizada de um modelo de sismofácies 3D que pode ser posteriormente associado as porosidade e permeabilidade de perfis de poços para uma inferência qualitativa das propriedades do reservatório. O terceiro estudo presente nesta tese, também pela primeira vez publicado, aborda o uso de uma metodologia pré-comercial e inovadora de aprendizado de máquina que implementa conceitos geoestatísticos para estimativa supervisionada de propriedades de reservatórios petrofísicos a partir de múltiplas variáveis secundárias denominada EMBER. Os resultados deste estudo permitiram a avaliação quantitativa dos reservatórios da Formação Barra Velha através da criação de modelos 3D de porosidade efetiva e permeabilidade e auxiliando na avaliação das incertezas relacionadas à distribuição efetiva da porosidade. Antes desta tese, duas dessas metodologias nunca haviam sido aplicadas para caracterização de rochas carbonáticas ou modelagem de reservatórios Aptianos do pré-sal. Finalmente, espera-se que essas metodologias padronizadas e as discussões dos resultados desta tese possam ajudar na construção de um melhor entendimento das origens desses reservatórios, reduzindo a complexidade e fornecendo alternativas para as abordagens clássicas de caracterização de reservatórios que nem sempre podem fornecer resultados robustos impactando no futuro da exploração e produção de petróleo e gás.-
Descrição: dc.descriptionThis thesis aims to build workflows using innovative 3D reservoir characterization techniques that have the capacity of provide robust, automatized, and with fair predictability lithological facies and petrophysical properties models from well data and secondary data can honor the heterogeneities for complex reservoirs, such as the presalt Aptian carbonates in the Brazilian marginal basins. First, I applied for the first-time an integrated approach between 4D sedimentary modeling and geostatistical modeling for facies reconstruction for presalt reservoirs from Barra Velha Formation within the Buzios Field located in the Santos Basin. The results from this first study demonstrate that this methodology makes it possible for the geomodeler to incorporate its conceptual geological knowledge about the facies paleoenvironment to be modeled in a more precise manner and the integration with geostatistics allows proper matching of the facies model with well data. For the second study, I used of a neural network algorithm for a multi-attribute unsupervised seismic facies classification. My results from this study showed that this technique allows the automatized creation of a 3D seismic facies model that can be further associated with the porosity and permeability distributions from well data for a qualitative inference of the reservoir properties. The third study present in this thesis approaches also for the first-time the use of a pre-commercial and innovative machine learning methodology that implements geostatistical concepts for supervised estimation of petrophysical reservoir properties from multiple secondary variables called EMBER. The results from this study allowed the quantitative evaluation of the reservoirs from Barra Velha Formation through the creation of effective porosity and permeability 3D models also helping to address the uncertainties related to effective porosity distribution. Before this research, two of those methodologies had never been applied for carbonate rocks characterization or presalt Aptian reservoir modeling. Finally, I hope that those standardized methodologies and the results discussions from this thesis can help the presalt studies to build a better understanding of these reservoirs origins diminishing complexity and provide alternatives for the classical reservoir characterization approaches which not always can properly provide robust results impacting the future of oil and gas exploration and production.-
Descrição: dc.description116-
Formato: dc.formatapplication/pdf-
Idioma: dc.languageen-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectCarbonato do pré-sal-
Palavras-chave: dc.subjectCaracterização de reservatório 3D-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectModelagem sedimentar 4D-
Palavras-chave: dc.subjectCarboneto de pre-sal-
Palavras-chave: dc.subjectModelagem sedimentar-
Palavras-chave: dc.subjectCaracterização de reservatório 3D-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectPresalt carbonates-
Palavras-chave: dc.subject3D reservoir characterization-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectSedimentary modeling-
Título: dc.titleAdvanced techniques for 3D reservoir characterization: models for the Buzios field, Santos Basin-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.