Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SPE 56654
Resumen
El variograma es un insumo crítico para los estudios
geoestadísticos. Es la herramienta más utilizada para
investigar y modelar la variabilidad espacial de las litofacies,
porosidad y otras propiedades petrofísicas. Además, el 90% de
los estudios de caracterización geoestadística de yacimientos
utilizan métodos de modelización geoestadística basados en
variogramas. Además, el variograma refleja nuestra
comprensión de la geometría y continuidad de las propiedades
del yacimiento y puede tener un efecto importante en el
comportamiento del flujo previsto y en las decisiones de
gestión del yacimiento. Sin embargo, la práctica de la
interpretación y el modelado de variogramas está mal
documentada y los profesionales sin experiencia se encuentran
perdidos cuando se les pide que proporcionen un modelo de
variograma fiable. Esto a menudo resulta en modelos de
variogramas erróneos utilizados en estudios geoestadísticos
posteriores.
Nuestro enfoque es un procedimiento de dos pasos similar
al utilizado en la interpretación moderna de pruebas de pozos,
es decir, la identificación del modelo seguida de la estimación
de parámetros. La varianza total del fenómeno bajo estudio se
divide en regiones de varianza. Se muestra que el
comportamiento de cada región de varianza sigue
comportamientos claramente definidos que reflejan
características geológicas bien entendidas. El establecimiento
de un modelo de variograma matemáticamente consistente y
geológicamente interpretable es sencillo después del
reconocimiento del modelo.
La metodología propuesta para la interpretación y
modelación de variogramas proporciona una mejor y más
rigurosa cuantificación de la variabilidad espacial, lo que
Introducción
El variograma se ha utilizado ampliamente para cuantificar
la variabilidad espacial de los fenómenos espaciales durante
muchos años; sin embargo, los principios de cálculo e
interpretación han avanzado lentamente. Esto es
particularmente cierto en la industria petrolera debido al
número limitado de datos de pozos y recursos limitados para
llevar a cabo estudios geoestadísticos detallados. Las
limitaciones de tiempo y presupuesto obligan a los
modeladores de yacimientos a proceder directamente al
modelado de facies y propiedades petrofísicas casi
inmediatamente. Los pasos preliminares del cálculo,
interpretación y modelado de variogramas a menudo se
realizan apresuradamente o incluso se omiten por completo.
Esta práctica debería invertirse y debería prestarse mucha
más atención a establecer un modelo robusto de variabilidad
espacial (variograma) antes de proceder con la construcción
de modelos numéricos de reservorios. El modelador de
reservorio puede influir significativamente en la apariencia y
el comportamiento de flujo del modelo final a través del
modelo de variograma.
El modelado de yacimientos procede secuencialmente.
Se modelan superficies delimitadoras a gran escala, luego
facies y luego propiedades petrofísicas como porosidad y
permeabilidad. El variograma es necesario para el modelado
estocástico de superficies y propiedades petrofísicas; sin
embargo, el modelado de facies puede realizarse con
técnicas basadas en objetos, que no requieren el uso de un
variograma. La importancia y relevancia de los métodos
basados en objetos no disminuye la importancia del
variograma para una gran fracción de los algoritmos de
modelado de yacimientos. La contraparte del variograma en
los métodos basados en objetos son las especificaciones de
tamaño y forma de los objetos geológicos. Limitamos
nuestra consideración a variogramas para superficies
geológicas, variables de indicadores facies y propiedades
petrofísicas continuas.
Los algoritmos geoestadísticos de construcción de
modelos, como la simulación gaussiana secuencial, la
simulación de indicadores secuenciales y la simulación
gaussiana truncada, toman un modelo de variograma de
entrada y crean un modelo tridimensional limitado a los
datos locales y al modelo de variograma. El variograma tiene
un papel extremadamente importante en la apariencia y el
comportamiento de flujo de los modelos 3D debido a la
escasez de datos disponibles para la caracterización de
yacimientos de petróleo. El volumen aparentemente grande
de datos sísmicos es a gran escala y debe ser complementado
por el variograma para controlar variaciones a menor escala.
2 E. GRINGARTEN, C. V. DEUTSCH SPE 56654
La interpretación y el modelado exhaustivos de los excede el umbral. Esto se ilustra en la Fig. 1, que muestra tres
variogramas son requisitos previos importantes para la diagramas de dispersión h correspondientes a tres desfases
construcción de modelos tridimensionales. La práctica del en un semivariograma típico. El modelado geoestadístico
modelado de variogramas y el principio del Modelo Lineal de generalmente utiliza el variograma en lugar de la covarianza
Regionalización han sido tratados en muchos textos (por por razones puramente históricas.
ejemplo, en las referencias 1-4). Sin embargo, ninguno ha Un único punto de variograma (h) para una distancia y
presentado una metodología estricta y rigurosa para producir dirección determinada h es fácil de interpretar y comprender.
fácil y sistemáticamente un modelo de variograma 3D lícito y Las dificultades prácticas surgen del hecho de que debemos
consistente. Presentamos una metodología de interpretación y considerar simultáneamente muchos vectores de retardo h, es
modelado de variogramas en la que la varianza se divide en decir, muchas distancias y direcciones. El variograma es una
varios componentes y se explica en diferentes escalas de medida de la "variabilidad geológica" frente a la distancia. La
longitud en diferentes direcciones. El trabajo define el "variabilidad geológica" es muy diferente en las direcciones
variograma y su comportamiento idealizado, y muestra un vertical y horizontal; normalmente hay una correlación
pequeño estudio de simulación de flujo para ilustrar la espacial mucho mayor en el plano horizontal. Sin embargo, el
importancia del variograma en las operaciones geoestadísticas. conocido principio de la geología conocido como la ley de
Se muestran varios variogramas reales con una interpretación Walther implica que los variogramas verticales y horizontales
consistente. son dependientes. A menudo hay características comunes
como la variabilidad de escala corta (efecto nugget) y la forma
El Variograma del variograma. Aunque existen similitudes entre el
El variograma ha sido definido en muchos libros y variograma vertical y el horizontal, a menudo nos enfrentamos
documentos técnicos. Para completar, sin embargo, a características geológicas confusas tales como las tendencias
recordamos la definición del variograma y las estadísticas de área y verticalidad, la ciclicidad y la continuidad
relacionadas. Considere una función aleatoria estacionaria Y estratigráfica a través de la extensión del área del yacimiento.
con una media conocida m y una varianza 2. La media y la
varianza son independientes de la ubicación, es decir, m(u) = Entendiendo el Comportamiento del Variograma
m y 2(u) = 2 para todos los vectores de ubicación u en el La relación entre las variaciones geológicas en las propiedades
embalse. A menudo hay tendencias areales y verticales en la petrofísicas y el comportamiento observado del variograma
media m, que son manejadas por un modelado determinista de debe ser entendida para una interpretación y modelación
la tendencia y trabajando con un residuo de la media local confiable del variograma. Las Figs. 2(a)-(c) muestran tres
variable. El variograma se define como: imágenes geológicas y los correspondientes semivariogramas
en las direcciones vertical y horizontal para cada imagen. En
2 h EY u Y u h2 (1) la práctica, no tenemos una imagen exhaustiva del yacimiento
y el comportamiento del variograma debe ser interpretado y
En otras palabras, el variograma es la diferencia cuadrada relacionado con los principios geológicos de los variogramas
esperada entre dos valores de datos separados por un vector de direccionales. Los principales comportamientos del
distancia h. El semivariograma (h) es la mitad del variograma variograma son:
2 (h). Para evitar una jerga excesiva, nos referimos - Aleatoriedad o falta de correlación espacial: algunas
simplemente al variograma, excepto cuando el rigor variaciones geológicas parecen no tener correlación espacial.
matemático requiere una definición precisa. El variograma es Estas variaciones aleatorias son el resultado de procesos
una medida de la variabilidad; aumenta a medida que las deposicionales deterministas. En algunas escalas, sin embargo,
muestras se vuelven más disímiles. La covarianza es una los procesos son altamente no lineales y caóticos, lo que
medida estadística que se utiliza para medir la correlación (es conduce a variaciones que no presentan
una medida de similitud):
CHO EY uY uY h m2 (2)
estructura de correlación espacial. Típicamente, sólo una
pequeña porción de la variabilidad se explica por el
comportamiento aleatorio. Para históricos
Por definición, la covarianza a h=0, C(0), es la varianza este tipo de comportamiento del variograma se denomina
2 efecto nugget.
. La covarianza C(h) es 0.0 cuando los valores h-apart no
están correlacionados linealmente. - Correlación espacial decreciente con la distancia: la
Expandir el cuadrado en la ecuación (1) lleva a la siguiente mayoría de los procesos deposicionales imparten correlación
relación entre el semivariograma y la covarianza: espacial a facies, porosidad y otras propiedades petrofísicas.
La magnitud de la correlación espacial disminuye con la
h C(0) Ch o Ch C(0) h (3) distancia de separación hasta una distancia a la que no existe
correlación espacial, el rango de correlación. En todos los
Esta relación depende de la decisión del modelo de que la
casos reales de deposición, la escala de longitud o rango de
media y la varianza sean constantes e independientes de la
correlación depende de la dirección, es decir, el rango vertical
ubicación. Estas relaciones son la base para la interpretación
de correlación es mucho menor que el rango horizontal debido
de los variogramas. Es decir, (1) el "umbral" del variograma es
a la mayor distancia lateral de deposición. Aunque el rango de
la varianza, que es el valor del variograma que corresponde a
correlación depende de la distancia, la naturaleza de la
la correlación cero, (2) la correlación entre Y(u) e Y(u+h) es
disminución de la correlación es a menudo la misma en
positiva cuando el valor del variograma es menor que el
diferentes direcciones. Las razones de esta similitud son las
umbral, y (3) la correlación entre Y(u) e Y(u+h) es negativa
mismas que subyacen en la Ley de Walther. Este tipo de
cuando el variograma
SPE 56654 METODOLOGÍA
comportamiento PARA LA se
del variograma INTERPRETACIÓN DE VARIOGRAMAS Y MODELADO PARA UNA MEJOR CARACTERIZACIÓN
denomina anisotropía 3
DEL YACIMIENTO
geométrica.
4 E. GRINGARTEN, C. V. DEUTSCH SPE 56654
- Tendencias geológicas: prácticamente todos los procesos escala de un entorno deltaico. La fotografía original fue copiada
geológicos imparten una tendencia en la distribución de la de la página 162 de Ref. 5.
propiedad petrofísica, por ejemplo, la clarificación o el
engrosamiento hacia arriba o la disminución sistemática de la
calidad del yacimiento desde las partes proximales a las
distales del sistema deposicional. Tales tendencias pueden
hacer que el variograma muestre una correlación negativa a
grandes distancias. En un paquete sedimentario ascendente de
aleteo, la alta porosidad en la base de la unidad está
negativamente correlacionada con la baja porosidad en la parte
superior. La correlación negativa a gran escala indicativa de
una tendencia geológica aparece como un variograma que
aumenta más allá de la varianza de umbral 2. Como veremos
más adelante, puede ser apropiado eliminar las tendencias
sistemáticas antes del modelado geoestadístico.
- Las tendencias de la superficie influyen en el variograma
vertical, es decir, el variograma vertical no encontrará la
variabilidad completa de la propiedad petrofísica. Habrá una
correlación positiva (variograma (h) por debajo de la varianza
del umbral 2) para grandes distancias en la dirección vertical.
Este tipo de comportamiento se denomina anisotropía zonal.
En la Fig. 3 se muestra una ilustración esquemática de esto.
- Estratigrafía de capas: a menudo hay características
estratigráficas similares a capas o tendencias verticales que
persisten en toda la extensión del embalse. Estas
características conducen a una correlación positiva
(variograma (h) por debajo de la varianza del umbral 2) para
grandes distancias horizontales. Aunque las capas geológicas a
gran escala se manejan explícitamente en el modelado, pueden
existir capas y características a una escala menor que la que
puede ser manejada convenientemente por la interpretación
determinista. Este tipo de comportamiento del variograma
también se denomina anisotropía zonal porque se manifiesta
en un variograma direccional (horizontal) que no alcanza la
variación esperada del umbral.
- Ciclicidad geológica: los fenómenos geológicos se
producen a menudo de forma repetitiva a lo largo del tiempo
geológico, dando lugar a variaciones repetitivas o cíclicas en
las facies y propiedades petrofísicas. Esto imparte un
comportamiento cíclico al variograma, es decir, el variograma
mostrará correlación positiva yendo a correlación negativa a la
escala de longitud de los ciclos geológicos yendo a correlación
positiva y así sucesivamente. Estas variaciones cíclicas a
menudo se amortiguan en grandes distancias, ya que el tamaño
o la escala de longitud de los ciclos geológicos no es
perfectamente regular. Por razones históricas, a veces se hace
referencia a esto como un efecto de agujero.
Los variogramas reales casi siempre reflejan una
combinación de estos diferentes comportamientos de
variogramas. Considerando las tres imágenes y sus
variogramas asociados presentados en la Fig. 4, vemos
evidencia de todos los comportamientos mencionados
anteriormente: efecto nugget más pronunciado en la imagen
superior, anisotropía geométrica y anisotropía zonal en todas,
una tendencia en la central, y ciclicidad más pronunciada en la
imagen inferior. La imagen superior es un ejemplo de
ondulaciones migratorias en una arenisca eólica hecha por el
hombre (del Laboratorio del Túnel del Viento de EE.UU.), la
imagen central es un ejemplo de laminaciones enrevesadas y
deformadas de un ambiente fluvial. La fotografía original del
núcleo fue tomada de la página 131 de Ref. 5. La imagen
inferior es un ejemplo real de laminados cruzados a gran
SPE 56654 METODOLOGÍA PARA LA INTERPRETACIÓN DE VARIOGRAMAS transferencia
Y MODELADO PARA UNA MEJOR
directa a losCARACTERIZACIÓN
códigos de simulación5
DELLa intención de este trabajo es presentar un
YACIMIENTO
procedimiento sistemático para la interpretación de geoestadística existentes.
variogramas y el modelado de características geológicas
reales.
Importancia del Variograma en la Geoestadística que la anisotropía zonal es donde el variograma "umbral"
El variograma es utilizado por la mayoría de los algoritmos de aparece diferente en diferentes direcciones. Considere una
mapeo y modelado geoestadístico. Los modelos de facies sección transversal 2D a través de un depósito de aceite con tapa
basados en objetos y ciertos algoritmos iterativos, como el de gas. Tomaremos un pozo horizontal en el tramo de petróleo y
recocido simulado, no utilizan variogramas. realizaremos una simulación de flujo para evaluar el avance del
Conservadoramente, el 80% de todos los estudios de gas. Además, consideraremos que existen importantes áreas
modelación geoestadística de yacimientos involucran el uso
del variograma para construir uno o todos los modelos de
facies, porosidad y permeabilidad. Todos los algoritmos de
simulación gaussianos, incluyendo la simulación gaussiana
secuencial y la simulación de campo p, los métodos de
simulación de indicadores como la simulación de indicadores
secuenciales y el algoritmo de Markov-Bayes, y la mayoría de
las implementaciones de algoritmos basados en el recocido
simulado se basan en el variograma.
Los documentos técnicos presentados en las reuniones
anuales de la SPE ofrecen una visión general de las prácticas
actuales en la industria petrolera. En 19978, había 76
documentos relacionados con el yacimiento, un tercio se
refería a técnicas geoestadísticas, y el 90% de estos se referían
a procedimientos de modelado que requerían un modelo de
variograma, pero se hizo muy poco hincapié en la importancia
y el impacto del modelado de variogramas. El informe de
19989 contiene
73 trabajos relacionados con la evaluación de la formación, de
los cuales el 18% consideró técnicas geoestadísticas. El 70%
de ellos requería el uso de un variograma, el resto se ocupaba
del modelado de fractura/falla y uno del modelado de canales,
pero tenga en cuenta que para completar, un modelo de
yacimiento requiere muy a menudo simulaciones de porosidad
y permeabilidad que implicarían el uso de un variograma.
El variograma no sólo se utiliza ampliamente, sino que
tiene un gran efecto en las predicciones del comportamiento
del flujo. El carácter de flujo de un modelo con un rango de
correlación muy corto es muy diferente de un modelo con un
rango de correlación largo. Ocasionalmente hay suficientes
datos de pozos para controlar la apariencia y el
comportamiento del flujo de los modelos numéricos; sin
embargo, estos casos son poco frecuentes y de menor
importancia que el caso común de control de pozos escasos.
Los datos de pozos disponibles están demasiado espaciados
para proporcionar un control efectivo sobre el modelo
numérico. Los datos sísmicos e históricos de producción
proporcionan limitaciones espaciales a gran escala. El
variograma proporciona el único control efectivo sobre los
modelos numéricos resultantes.
La falta de datos, que hace que el variograma sea
importante, también dificulta el cálculo, la interpretación y la
modelización de un variograma fiable. Los profesionales han
sido conscientes de este problema durante algún tiempo sin
una solución satisfactoria. Los datos analógicos disponibles de
campos mejor perforados, estudios de afloramiento o
modelación de procesos geológicos proporcionan información
valiosa; sin embargo, estos datos deben combinarse con
cálculos específicos de campo para ser útiles. Un modelo de
variograma tridimensional a menudo se ensambla con una
combinación de datos de campo e información analógica para
rangos de correlación horizontal.
El modelado de variogramas es importante y los "detalles"
a menudo tienen un impacto crucial en la predicción del
rendimiento futuro del yacimiento. En particular, el
tratamiento de la anisotropía zonal es importante. Recordemos
SPE 56654 METODOLOGÍA PARA LA INTERPRETACIÓN DE VARIOGRAMAS tradicional.
Y MODELADO Estos
PARA UNA MEJOR CARACTERIZACIÓN
incluyen madogramas, rodogramas,7
variaciones en la porosidad media y, por lo tanto, en la
DEL YACIMIENTO
permeabilidad. Estas variaciones de área se traducen en una variogramas relativos generales y por pares. Son
anisotropía zonal donde el variograma vertical alcanza un
umbral más bajo que la dirección horizontal. El Caso A será
la anisotropía zonal correctamente modelada y el Caso B
consistirá en tratar erróneamente la anisotropía zonal como
una anisotropía geométrica donde sólo el rango es diferente
en las direcciones vertical y horizontal. Los ejemplos de los
campos de permeabilidad resultantes se muestran en las
Figs. 5(a) y (b) para los Casos A y B respectivamente,
observe las tendencias de área más fuertes visibles en la Fig.
5(a). El simulador de flujo VIP se utilizó para modelar el
rendimiento del pozo horizontal en términos de producción
de petróleo y el momento del descubrimiento de gas. Las
Figs. 5(c) y (d) muestran distribuciones de saturación de
aceite después de 100 pasos temporales para los campos de
permeabilidad de las Figs. 5(a) y (b) respectivamente. Para
evitar interpretar un artefacto de una realización, se
consideran múltiples (100) simulaciones estocásticas. Las
distribuciones del tiempo necesario para alcanzar un RGM
de 0,6 (justo después del avance) se muestran en las Figs.
5(e) y (f) para los Casos A y B respectivamente. La
dispersión de las respuestas para el Caso A es mucho mayor
que para el Caso B, la varianza es 4 veces mayor. La media
de las respuestas es diferente en 10 días. Incluso a través de
este simple ejemplo ilustrativo, se puede ver el impacto que
el modelo de variograma puede tener en las decisiones
consecuentes de gestión de yacimientos.
Existen otras malas prácticas en la interpretación y uso
de variogramas. Por ejemplo, una tendencia vertical u
horizontal sistemática a veces se incluye en el variograma
como una estructura de largo alcance; sin embargo, debe ser
manejada explícitamente trabajando con datos residuales o
considerando una forma de kriging que explique
explícitamente la tendencia. En tal caso, requerimos el
variograma de los datos residuales en lugar del variograma Z
original, ver más adelante la sección sobre Eliminación de la
tendencia.
El modelado de variogramas es algo más que la selección
de rangos verticales y horizontales. Se debe tener en cuenta
la anisotropía zonal, las tendencias y las variaciones
geológicas cíclicas. Desarrollamos un procedimiento
sistemático que promueve una fácil interpretación y
modelado.
generalmente utilizado para determinar los rangos y la normal) de los residuos se muestra en la Fig. 9, que ahora
anisotropía, que no pueden ser detectados con el variograma presenta una estructura más clara que alcanza el umbral teórico
tradicional. Sin embargo, estas medidas de variabilidad de 1 a unas 7 unidades de distancia.
espacial no deben ser modeladas, ya que no pueden servir
como insumo para la estimación posterior o los algoritmos de
simulación. En su lugar, se recomienda transformar los datos
al espacio Normal o Gaussiano antes de realizar los cálculos
de variogramas. Esto tiene algunas ventajas importantes:
(1) se amortigua la diferencia entre los valores extremos y (2)
se sabe que el umbral teórico es 1. Además, el algoritmo del
campo p requiere el variograma de la transformación de la
puntuación uniforme de los datos. Sin embargo, la puntuación
Uniforme y los variogramas de puntuación Normal son
generalmente tan similares que estos últimos se pueden utilizar
la mayoría de las veces.
La última cuestión que debe abordarse es la influencia de que son las principales direcciones de continuidad basadas en un
los valores de las muestras atípicas. Es bien sabido en conocimiento geológico previo (el cálculo de variogramas no es
estadística que la varianza, al ser una estadística cuadrada, es
sensible a los valores atípicos. Por esta razón, la desviación de
la muestra puede ser poco fiable. Con distribuciones de datos
muy sesgadas, es esencial tratar con valores atípicos antes de
calcular la varianza o el variograma. Debemos tener en cuenta,
sin embargo, que esto no es un problema con los datos
transformados; el Gaussiano y el indicador de transformación
eliminan la sensibilidad a los valores de los datos atípicos. La
distribución gaussiana resultante no tiene valores atípicos por
construcción y sólo hay 0 y 1 después de la transformación del
indicador.
La varianza correcta para la interpretación del variograma
es la varianza ingenua con igual ponderación calculada
después de la eliminación de los valores atípicos.
Interpretación:
Variación en escala corta: el efecto nugget es una
discontinuidad en el variograma en el origen que
corresponde a la variabilidad en escala corta. En el
variograma experimental, puede deberse a errores de
medición o a estructuras geológicas con rangos de
correlación más cortos que la resolución de muestreo. Debe
elegirse de manera que sea igual en todas las direcciones. Se
toma del variograma experimental direccional que muestra
la pepita más pequeña. Es decisión del intérprete
posiblemente bajarlo o incluso ajustarlo a 0.0. La estructura
del ejemplo de la Fig. 10(b) corresponde al efecto nugget.
Variación a escala intermedia: la anisotropía
geométrica corresponde a un fenómeno con diferentes
rangos de correlación en diferentes direcciones. Cada
dirección encuentra la variabilidad total de la estructura.
Puede haber más de una de estas estructuras de desviación.
La estructura dos de la Fig. 10(c) representa la anisotropía
geométrica con el mayor rango de correlación en la
dirección horizontal.
Desviación a gran escala: (1) La anisotropía zonal
se caracteriza por variogramas direccionales que alcanzan
una meseta con una variación inferior a la del umbral
teórico, es decir, la variabilidad total del fenómeno no es
visible en esas direcciones. La estructura tres de la Fig.
10(d) corresponde a la anisotropía zonal, sólo la dirección
vertical contribuye a la variabilidad total del fenómeno a esa
escala; (2) el efecto agujero es representativo de un
fenómeno "periódico" (ciclicidad) y se caracteriza por
ondulaciones en el variograma. El efecto agujero no
contribuye realmente a la varianza total del fenómeno, sin
embargo, su amplitud y frecuencia deben ser identificadas
durante el procedimiento de interpretación, además, sólo
puede existir en una dirección.
12 E. GRINGARTEN, C. V. DEUTSCH SPE 56654
Modelado. Una vez que se han explicado todas las regiones debido a las variaciones sistemáticas de las áreas en la porosidad
de varianza y se ha relacionado cada estructura con un proceso media.
geológico conocido, se puede proceder al modelado de Tres regiones de varianza fueron para el variograma
variogramas seleccionando un tipo de modelo lícito (esférico, horizontal y vertical de la Fig. 9; véase el cuadro que figura a
exponencial, gaussiano...) y rangos de correlación para cada continuación. Los dos primeros componentes son estructuras
estructura. Este paso puede ser referido como la parte de esféricas anisotrópicas de variogramas. El último variograma
estimación de parámetros del análisis de variogramas. captura la anisotropía zonal en la dirección vertical.
Limitación del modelo de variograma mediante una
interpretación previa
con la identificación de los tipos de estructura puede llevar a Desviaci Tipo de Horizontal Vertical
una solución ón
ajuste automático de los variogramas experimentales. Contribution Variogram Rango,ft Rango, pies
0.50 Spherical 750.0 6.0
En presencia de datos horizontales escasos, las estructuras 0.40 Spherical 2000.0 50.0
de varianza visibles en el variograma vertical deben ser 0.10 Spherical 7000.0
forzadas sobre variogramas horizontales experimentales a
menudo inexistentes. Los rangos horizontales Las Figs. 10 y 11 muestran facies (presencia de caliza
correspondientes a estas estructuras se "toman prestados" a codificada como 1, dolomita y anhidrita codificada como cero)
partir de datos auxiliares (afloramientos analógicos, campos y variogramas de porosidad calculados a partir de un
densamente perforados, modelos deposicionales, sísmicos), yacimiento importante de Arabia Saudita, ver Ref. 14 para los
como se muestra en la sección Incorporación de datos variogramas originales. Observe los variogramas horizontales
analógicos. interpretables y los variogramas verticales y horizontales
Los profesionales se han abstenido de interpretar y consistentes. También se observa la presencia de una
modelar rigurosamente los variogramas debido a la escasez de anisotropía zonal en el caso de porosidad, pero no en el caso
datos y al software inadecuado. Cada vez se dispone de más del variograma indicador de facies.
datos de pozos horizontales y de campos o afloramientos Se identificaron dos regiones de varianza para el
análogos. El software también puede ser diseñado para ayudar variograma de facies de la Fig. 10, véase el cuadro que figura
en la interpretación y modelación de variogramas en 3-D en a continuación. Tenga en cuenta que el umbral en este caso es
lugar de promover las malas prácticas, lo que incluye la mala de 0,24 (relacionado con la proporción relativa de piedra
interpretación de las tendencias, la anisotropía zonal y la no caliza
vinculación de variogramas verticales y horizontales. / dolomita). Ambos son variogramas exponenciales
anisotrópicos.
el variograma vertical con esta relación de anisotropía (a la Además, una metodología rigurosa implicaría que diferentes
derecha de la Fig. usuarios llegarían a modelos de variogramas similares.
12) concuerda con el único punto a 600m. Se deben realizar
estudios de sensibilidad ya que existe una gran incertidumbre
en esta relación de anisotropía de 50:1.
Discusión
La metodología y los ejemplos presentados anteriormente
tienen una serie de implicaciones en el diseño de software para
el cálculo, la interpretación y el modelado de variogramas. En
primer lugar, es evidente que deben considerarse
simultáneamente varias direcciones. Es una mala práctica
considerar cada dirección de forma independiente e intentar
fusionar variogramas 1-D después del modelado. Las
contribuciones de las diferencias identificadas en una
dirección deben persistir automáticamente en todas las
direcciones
Uno puede imaginar un procedimiento de ajuste
semiautomático en el que una vez que la varianza total se ha
dividido en diferentes estructuras anidadas, los parámetros de
las estructuras anidadas (es decir, el tipo de modelo y los
rangos) se estiman con algún tipo de procedimiento de
optimización restringida. Siempre que la contribución de todas
las estructuras sea consistente en las tres direcciones
principales, esto es todo lo que se necesita para construir un
modelo de variograma 3D lícito. Un algoritmo de ajuste de
variogramas completamente automático, incluso si genera
modelos 3D consistentes, puede conducir potencialmente a
modelos no geológicos. Además, no permitiría la
incorporación de información externa en presencia de datos
escasos.
Los programas basados en Kriging que utilizan los
modelos de variogramas aquí propuestos deberían ser capaces
de aislar o filtrar cualquier estructura anidada en particular.
Esto podría ser de alguna ventaja cuando se consideran, por
ejemplo, los datos sísmicos, que son un filtro de paso bajo; los
componentes de alta frecuencia o escala corta pueden filtrarse
en la medición. Un procedimiento de interpretación
sistemática puede poner algo de rigor en la partición a menudo
arbitraria del variograma con el propósito de Factorial Kriging.
La consecuencia evidente de la simulación estocástica es
que un modelo de variograma lícito puede utilizarse en una
variedad de métodos de simulación estocástica. Otra
implicación es que la variable de interés puede ser construida
como una suma de diferentes variables aleatorias, cada una de
las cuales corresponde a una de las estructuras anidadas. Una
ventaja es que hay métodos que permiten la simulación rápida
de una estructura anidada en particular, por ejemplo, métodos
de ventanas en movimiento para las estructuras de
variogramas esféricos, exponenciales o gaussianos (tenga en
cuenta que los métodos de tipo ventana en movimiento son
especialmente atractivos con las computadoras de
procesamiento paralelo). La ventaja de la velocidad de la CPU
en las computadoras convencionales de un solo procesador es
cuestionable.)
Lo más importante es que la implementación de un
procedimiento sistemático de interpretación y modelado de
variogramas elimina el misterio y el arte que generalmente han
rodeado al análisis de variogramas. Permite a los usuarios
inferir, de forma sencilla y fiable, modelos de variogramas
lícitos, a la vez que adquieren una comprensión de la
continuidad/variabilidad espacial del fenómeno en estudio.
SPE 56654 METODOLOGÍA PARA LA INTERPRETACIÓN DE VARIOGRAMAS Y MODELADO
u =PARA
vectorUNA MEJOR CARACTERIZACIÓN
de localización 1
Conclusión
DEL YACIMIENTO 5
El variograma se utiliza en todo el modelado geoestadístico
de yacimientos como medida de la variabilidad espacial. Los
modelos de yacimientos tridimensionales subsiguientes
(incluyendo facies, porosidad y permeabilidad) honran
mediante la construcción del variograma, en un sentido
estadístico. Por esta razón, es esencial que el variograma sea
representativo de la verdadera heterogeneidad presente en el
reservorio. Representa la comprensión cuantitativa del
modelador de la variabilidad espacial de la propiedad de
interés dados los datos, y cualquier información geológica y
geofísica adicional relacionada que pueda estar disponible.
Los métodos de interpretación presentados en este
trabajo recuerdan la revolución en la prueba de pozos que se
produjo con el derivado de la presión y el desarrollo de una
metodología de análisis rigurosa basada en los principios de
identificación y verificación de modelos. La identificación
del modelo consiste en dividir la respuesta de presión en
regiones de tiempo. Cada región de tiempo se asocia a un
régimen de flujo específico basado en la firma de la
respuesta de presión (reconocimiento del modelo) y se
evalúan los parámetros requeridos para modelar cada
régimen (estimación de parámetros). En el caso de los
variogramas, la varianza se divide en diferentes regiones que
corresponden a diferentes escalas de variabilidad geológica.
Cada región (estructura) de varianza se caracteriza por un
comportamiento de variabilidad geológica específico (efecto
nugget, anisotropía geométrica y zonal, y efecto agujero).
Cada comportamiento es modelado analíticamente y requiere
un tipo de modelo lícito (esférico, exponencial, gaussiano...)
y un rango de correlación. En el análisis de pruebas de
pozos, la verificación del modelo se logra en parte
comparando los modelos resultantes con varias
representaciones gráficas de la respuesta de presión que no
sean el diagrama derivado de la presión (o logaritmo). En el
análisis de variogramas, este paso se incorpora asegurando
una interpretación consistente en todas las direcciones
principales.
Aunque la importancia y el impacto potencial del modelo
de variograma es generalmente reconocida, la práctica del
análisis de variogramas a menudo se hace de manera poco
entusiasta, si es que se hace. Este documento no presenta
nada nuevo para el experto y experimentado profesional que
entiende y aplica en general todos los principios aquí
discutidos. Sin embargo, la geoestadística es cada vez más
utilizada por geólogos, geofísicos e ingenieros que a menudo
se encuentran perdidos cuando tienen que inferir un modelo
representativo de variograma. La metodología presentada
aquí proporciona un marco para entender los variogramas
experimentales y complementarlos con información auxiliar
en presencia de datos dispersos, dando como resultado un
modelo consistente y lícito de variogramas 3D.
Nomenclatura
A = área de muestra
C = covarianza
espacial D2 =
varianza de dispersión
E = valor esperado
GOR = relación
gasóleo
h = distancia vectorial
m = media
p = proporción global
16 E. GRINGARTEN, C. V. DEUTSCH SPE 56654
Y = variable aleatoria
semivariograma
Semivariograma medio
2
= Desviación estacionaria
ˆ 2 = varianza de la muestra
Agradecimientos
Los autores agradecen a David Revus por su ayuda en el uso del
simulador de flujo VIP.
Referencias
1. Journel, A.G., y Huijbregts, Ch. J..: Mining Geostatistics,
Academic Press, Nueva York (1978) 600.
2. Armstrong, M.: "Improving the Estimation and Modeling of
the Variogram," Geostatistics for Natural Resources
Characterization, G. Verly et al. (eds.), Reidel, Dordrecht
(1984) 1, 585.
3. Olea, R. A.: "Fundamentals of Semivariogram Estimation,
Modeling, and Usage," Stochastic Modeling and
Geostatistics: Principles, Methods, and Case Studies, J. M.
Yarus and R. L. Chambers (eds.), AAPG Computer
Applications in Geology, Tulsa (1995) No. 3, 369.
4. Goovaerts, P.: Geostatistics for Natural Resources
Evaluation, Oxford University Press, Nueva York (1998)
483.
5. Scholle, P. A., y Spearing, D.: Sandstone Depositional
Environments, The American Association of Petroleum
Geologists, Tulsa, Oklahoma (1982).
6. Yao, T. y Journel, A. G.: "Automatic modeling of (cross)
covariance tables using fast Fourier transform," Math
Geology (1998) 30, No. 6, 589.
7. Myers, D. E.: "Pseudo-cruz variograms, positive-
definiteness, and cokriging," Math Geology (1991) 6, No. 23,
805.
8. Proceedings of the 1997 SPE Annual Technical Conference
and Exhibition, San Antonio, Oct 5-8.
9. Proceedings of the 1998 SPE Annual Technical Conference
and Exhibition, New Orleans, Sept. 27-30.
10. Barnes, R. J.:"La solera del variograma y la varianza de la
muestra".
Math Geology (1991) 23, No. 4, 673. Fig. 1: Semivariograma con los diagramas de dispersión h
11. Omre, H.: "The Variogram and its Estimation", Geostatistics correspondientes a tres distancias de retardo diferentes.
for natural resources characterization, G. Verly et.al. (eds.), Nótese que la correlación en la gráfica de dispersión h es
Reidel, Dordrecht (1984) 1, 585. positiva cuando el valor del semivariograma está por
12. Gringarten, A.G.: "Computer-Aided Well Test Analysis", debajo del umbral, cero cuando el semivariograma está en
documento SPE 14099 presentado en la Reunión el umbral, y negativa cuando el semivariograma está por
Internacional de Ingeniería del Petróleo de 1986, Beijing, encima del umbral.
China, 17-20 de marzo.
13. Journel, A.G.: "El Conjunto de Datos Amoco: Exploratory
Data Analysis," Stanford Center for Reservoir Forecasting
(1991) 1, No. 4.
14. Benkendorfer, J.P., Deutsch, C.V., LaCroix, P.D., Landis, L.
H., Al-Askar, Y.A., y Cole, J.: "Integrated Reservoir
Modelling of a Major Arabian Carbonate Reservoir"
(Modelización integrada de un importante yacimiento de
carbonato árabe), documento SPE 29869, presentado en el
Salón del Petróleo de 1995 de la SPE en Oriente Medio,
Bahréin, marzo 11-14.
15. Kupfersberger, H. y Deutsch, C. V.: "Methodology for
integrating analogue geologic data in 3D variogram
modeling", que aparecerá en el AAPG Bulletin en agosto de
1999.
SPE 56654 METODOLOGÍA PARA LA INTERPRETACIÓN DE VARIOGRAMAS Y MODELADO PARA UNA MEJOR CARACTERIZACIÓN 1
DEL YACIMIENTO 7
Fig. 2: Imágenes de 100 x 50 píxeles con variogramas Fig. 4: Tres imágenes geológicas diferentes con los
horizontales y verticales asociados. Estas imágenes correspondientes variogramas direccionales. Observe la
muestran comportamientos básicos de variogramas: ciclicidad, las tendencias, la anisotropía geométrica y la
anisotropías geométricas y zonales, efecto agujero y anisotropía zonal.
tendencias.
45
Regresión:
y=-1.5807x+51.611
40
35
30 (b)
3.00 Semivariograma - Porosidad de la puntuación normal
ndida
Profu
25
d
20
(a) 2.50
2.00
15 1.50
1.00
10
0.50
5
0
0 52530 0.00
Porosida 0.0 5.0 10.0 15.0 20.0 25.0 30.0
d
Distancia
50
45
40
35
30
(d)
3.00 Semivariograma - Resultados normales residuales
ndida
Profu
25
(c)
d
2.50
20 Fig. 7: (a) Experimental horizontal and
2.00
15
10 1.50
variogramas verticales; b) La estructura uno
5 1.00
representa un efectoFig. 7: (a)
0
-8 -6 -4 -28
0.50 Experimental horizontal and pepita;
Residuos
0.00
0.0 5.0 10.0 15.0 20.0 25.0 30.0
(c) La estructura dos representa anisotropía geométrica;
Distancia
(d) La estructura tres representa anisotropía zonal.
Fig. 6: (a) Perfil de porosidad a lo largo de un pozo vertical
con una tendencia vertical clara (el modelo de tendencia lineal
se ajusta a los datos); (b)
12 E. GRINGARTEN, C. V. DEUTSCH SPE 56654