FLUJOS DE TRABAJO EN EL MODELADO ESTÁTICO DE RESERVORIOS: DEFINICIÓN Y

ANÁLISIS DE POSIBLES ALTERNATIVAS DE ACUERDO A NECESIDADES E

INFORMACION DISPONIBLE.
Aldo Montagna (1), Claudio Larriestra (2)
(1) YPF S.A.
(2) Larriestra Geotecnologías S.A.

Palabras clave: modelado geológico, caracterización estática, flujos de trabajo, geoestadística, modelado de facies,
modelado petrofísico.

RESUMEN
En este trabajo se presentan una serie de flujos de trabajo que sirven cómo base para la planificación,
diseño y realización de trabajos de modelado geológico, en función de los datos e información disponible y
las necesidades de caracterización estática existentes.
Si bien nuestra experiencia nos muestra que muchas veces en la caracterización estática de res ervorios
basada en el modelado geológico, el componente conformado por el conjunto de datos e informaciones de
entrada, subordina a los fines y objetivos perseguidos con el estudio. En principio podemos afirmar que
tanto los primeros cómo las metas propuestas van a terminar definiendo el flujo de trabajo a aplicar, dentro
de un menú de opciones disponibles.
De esta forma, el contar con información sísmica 3D, datos de roca, pocos o muchos sondeos, entre ot ras
cosas, van a terminar precisando los distintos pasos técnicos conceptuales conjuntamente con la definición
y desarrollo de tareas a realizar.
Dentro de este marco, se presenta una introducción dónde se analiza el devenir histórico del modelado
geológico así cómo los cambios producidos en el entorno y que impactan directamente en este tipo de
trabajo, fundamentalmente en lo que se refiere a la necesidad de caracterizar reservorios cada vez menos
convencionales, la irrupción de herramientas tecnológicas cada vez más poderosas, y especialment e, la
mayor disponibilidad de datos y algoritmos de análisis.
Acto seguido, se exponen, desde el escenario de nuestra experiencia laboral, algunos de los flujos de
trabajos más utilizados, destacando sus fortalezas y debilidades , con algunos ejemplos prácticos de
aplicación. Asimismo, se procede a desarrollar algunas técnicas de interpretación de uso poco frec uent e
(interpretación inversa de perfiles, unidades hidráulicas de flujo, estadística multipunto, etc.), que
entendemos pueden potenciar los flujos de trabajo expuestos.
Por último, a manera de conclusión se entregan una serie de tópicos que ofician de corolario del present e
trabajo, entre los cuales se destaca que conocer a priori el o los flujos de trabajo existentes es crucial para
poder adoptar medidas y trabajos concernientes a la mejor concreción y desarrollo de la mencionada
metodología, como ser recolección de datos, adquisición de tecnología y definición de entregables.

INTRODUCCIÓN
Desde que comenzó la exploración – explotación de hidrocarburos en la Argentina, la misma estuvo
orientada a los denominados yacimientos convencionales (esto es, reservorios psamíticos o carbonáticos,
con porosidades mayores a 12% y viscosidades de petróleo mayores a 20 grados API).
El hecho que la mayoría de los yacimientos descubiertos de estas características presenten un marc ado
grado de madurez productiva, sumado a la imposibilidad manifiesta de incorporar reservas asociadas a
estos campos, redunda en que adquieran cada vez más relevancia el análisis y comprensión de los
yacimientos no convencionales. Estos incluyen arenas compactas, los reservorios “tight”, las capas de
carbón, las lutitas fracturadas, los yacimientos de petróleo pesado y extra pesado, las arenas bituminosas
y los espesores de areniscas con intercalaciones arcillosas con baja resistividad.
En muchos casos, las herramientas y los métodos de análisis convencionales se encuentran severament e
limitadas en su capacidad para evaluar el potencial de reservas de dichos recursos, por lo que se hace
imprescindible la aplicación de instrumental y técnicas especiales, de última generación, para resolver
estas situaciones mediante la recolección e integración de distintos tipos de datos específicos
adecuadamente seleccionados.
En esta línea podemos afirmar que la actividad de desarrollo de campos no convencionales mostró un
incremento significativo de reservas en las últimas dos décadas del siglo XX, situación que se ha acelerado
en estos años por la cada vez menor disponibilidad de petróleos livianos o reservorios convencionales.
Si bien en Argentina todavía no hay datos concretos y veraces al respecto, a nivel mundial se es t ima que
las reservas de hidrocarburos son cercanas a los 11 trillones de barriles equivalentes de pet róleo, de los
cuales alrededor del 70% corresponde a reservas no convencionales y el resto a reservas convencionales.
En íntima relación con esto, se estima que tan sólo es posible recuperar una pequeña porc ión de és t as
últimas. Existen autores que definen, para las reservas no convencionales, un factor de recuperación
cercano al 15%, notoriamente menor a las reservas convencionales, para las que en promedio s e ac epta
un 33 - 35%.
A la realidad de un menor factor de recuperación, hay que adicionar la necesidad de utilizar tecnología de
punta en las etapas de prospección, análisis y extracción del hidrocarburo; situación que redunda en que la
explotación de estos recursos resulte económicamente viable siempre y cuando el escenario de precios del
gas y petróleo se mantenga acorde a la inversión mencionada.
El siguiente esquema (figura 1), trata de mostrar las distintas variables en juego y cómo cada una de ellas
se relaciona con los distintos reservorios no convencionales. Así vemos, por ejemplo, cómo el des arrollo
productivo de las lutitas con petróleo, uno de los reservorios no c onvencionales dónde están c ifrados los
mayores volúmenes futuros de reservas, requieren de un escenario signado por un precio de petróleo alto,
demandan la mayor disponibilidad de tecnología existente, y una compleja gestión y manejo de los datos e
información. En definitiva, su progreso está en la antípoda de lo que sería la facilidad de desarrollo.

Figura 1. Relación entre las variables en juego respecto a los reservorios no convencionales
Dentro de lo que es desarrollo tecnológico, y para los fines de este trabajo, no podemos dejar de
mencionar la evolución que la caracterización estática de reservorios en general, y el modelado geológico
en particular, ha sufrido en estos últimos años.
Así, de una caracterización estática basada en información 2D (fundamentalmente mapas estruct urales e
isopáquicos y representaciones en dos dimensiones de propiedades petrofísicas y lineamientos
estructurales), se alimentaba un simulador numérico que caracterizaba dinámicamente al reservorio;
aunque muchas veces, previamente, se debía caer en generalizaciones y promedios que desnaturalizaban
el modelo geológico inicial.
Con el advenimiento de las herramientas de modelado de reservorios en tres dimensiones, un nuevo
campo de acción se abrió a los geocientistas. Los modelos geocelulares 3D dejaron de ser potestad de la
ingeniería de reservorios para pasar a ser un instrumento diario y potente para que los geocientistas
pudiesen describir, analizar y visualizar sus reservorios y yacimientos.
Este avance y perfeccionamiento tuvo tres puntales fundamentales: Por un lado, el progreso en todo lo
concerniente a capacidad de procesamiento, almacenamiento y potencialidad gráfica de las plataformas de
trabajo (de los viejos y enormes centros de cómputos a computadoras personales que magnifican el
rendimiento hasta lo impensable); sumado al análisis e implementación de nuevas técnicas de evaluac ión
(de la tradicional interpolación lineal, a técnicas avanzadas de geostadística, redes neuronales y
estadística multipunto); asociado a la evolución y disponibilidad de mayores y mejores fuentes de dat os e
información (de los registros eléctricos convencionales e información sísmica 2D, al advenimiento de
sísmica 3D, pre y post apilamiento, registros eléctricos especiales, y un m ayor aprovechamiento de la
triada roca – sísmica – perfil).
En definitiva, estos cuatro tópicos mencionados (naturaleza de los reservorios a caracterizar, herramienta
tecnológica disponible, técnica de evaluación a utilizar, y fundamentalmente, conjunto de datos e
información disponible), son los que van a terminar definiendo el flujo de trabajo a seguir en la tarea de
caracterizar estáticamente el reservorio a partir del modelado geológico en tres dimensiones.

DESARROLLO
Sería realmente difícil y arduo intentar abarcar y considerar todas las opciones de trabajo posible y
disponible, y seguramente cometeríamos alguna omisión u olvido involuntario. Por ello, y a los fines de
tratar de entregar un marco teórico que satisfaga lo que a la luz de nuestra experiencia, son las
condiciones más generales y con mayor grado de aplicación, vamos a presentar cuatro flujos de t rabajo
distintos.
Antes de comenzar con la caracterización de estos flujos, es necesario aclarar un par de aprec iac iones
teóricas. Por un lado, las tareas y trabajos que se describen dentro de un determinado flujo no son
solamente limitativos al mismo. Por ejemplo, si en el flujo número 1 describimos la interpret ación invers a
de perfiles cómo la metodología a utilizar para la caracterización petrofísica de los pozos involucrados , no
quiere decir que la mencionada tecnología no pueda utilizarse en otros flujos de trabajo. Asimismo, en el
flujo número 3 introducimos el concepto de estadística multipunto, pero este nuevo paradigma en el
modelado geológico se adapta perfectamente al resto de los flujos de trabajo.
Por otra parte, vamos a concentrar la descripción de los flujos en lo que es, específicamente, el modelado
de facies y el modelado petrofísico. De esta forma, siempre que se haga referencia a la definición del
marco estructural – estratigráfico será en forma somera, con el objeto de señalar la relación con la
distribución facies y de propiedades petrofísicas antes mencionadas. El modelado estratigráfico –
estructural al servicio de la caracterización estática de reservorios a partir del modelado geocelular 3D es
desarrollado en otro trabajo técnico (Montagna et al 2008)
Realizadas las aclaraciones, podemos mencionar que los cuatro flujos de trabajo citados están definidos, a
priori, por el acervo de información disponible en el momento de caracterizar y modelar geológicamente
nuestros reservorios. De esta forma, los conjuntos de datos e información son los siguientes:
1) Flujo de trabajo Nº 1: Información de roca (fundamentalmente recortes de perforación y en menor
medida testigos coronas), y registros eléctricos de perfiles convencionales.
2) Flujo de trabajo Nº 2: Información de roca (recortes de perforación, testigos laterales, núcleos),
registros eléctricos convencionales y especiales, información sísmica 3D postapilamiento
 3) Flujo de trabajo Nº 3: Información de roca (afloramientos, recortes de perforación, testigos
laterales, núcleos), registros eléctricos convencionales y especiales, información sísmica 3D pre y
postapilamiento.
4) Flujo de trabajo Nº 4: Información de roca (afloramientos, recortes de perforación, testigos
laterales, núcleos), registros eléctricos convencionales y especiales, información sísmica 3D pre y
postapilamiento, datos de producción e inyección, estudios de presión, etc.)

Flujo de trabajo N 1:
Esta situación es típica de entornos de evaluación de prospectos exploratorios o de campos de desarrollo
maduros, con una vasta historia de producción, iniciada en tiempos dónde la tecnología de sísmica 3D no
estaba disponible. Justamente, esto es aplicable, en el marco actual, a aquellas áreas exploratorias que las
secretarías de energías provinciales están ofreciendo, caracterizadas por un disímil grado de madurez
exploratoria; dónde la gran mayoría tienen la particularidad de presentar una actualidad s ignada por una
escasa cantidad de pozos perforados (o mejor expresado, una baja relación pozos versus acreaje
involucrado); estudios de diversas épocas, en general parciales e incompletos; y una marcada
heterogeneidad en los datos de registros eléctricos disponibles.
Debido a esta heterogeneidad en cuanto a cantidad y calidad de los datos disponibles, surge la necesidad
de una caracterización actualizada, que combine las modernas técnicas de interpretación
(fundamentalmente de perfiles de pozos), y de modelado disponibles, con las condiciones antes
mencionadas de información variada e incompleta, situación ésta que dificulta el arribo a resultados
consistentes y confiables.
De igual forma, en el otro extremo del amplio abanico de prospectos dónde utilizar este flujo, encontramos
a aquellos yacimientos de la década del 60 / 80 que aún tienen acentuada importancia del punto de vis t a
de producción, en los cuales, si bien tenemos mayor cantidad de información disponible por pres ent ar un
importante número de pozos, muchas veces el verdadero problema está en la gran variación existente
entre los conjuntos de perfiles adquiridos en los distintos sondeos y las diversas tecnologías utilizadas en
las diferentes épocas en que fue adquirida la información. A esto hay que sumarle la ausencia de
información sísmica 3D, o si existe, que su adquisición haya tenido como objetivos otros prospectos
presentes en la columna litoestratigráfica o directamente haya sido registrada con fines exploratorios, c on
lo cual la información no presenta la calidad suficiente y necesaria para ser utilizada en un flujo de
caracterización de reservorios a partir del modelado geocelular 3D.
En este tipo de conjunto de información, el flujo de trabajo básico propuesto es el siguiente:
a) Interpretación petrofísica
a. Ajuste Roca – Perfil.
b. Metodología Inversa de Interpretación de Perfiles
b) Validación de la interpretación.
a. Redes Neuronales
c) Modelado Geológico:
a. Electrofacies ajustadas por control geológico
b. Mapa de facies
c. Modelado petrofísico (utilizando los mapas de facies cómo condicionante en la
cosimulación gaussiana)
a) Interpretación petrofísica: La metodología aconsejada a utilizar en estos casos es el método invers o
de interpretación de perfiles. Este método nos permite obtener modelos de interpretación aplic ables a
cada condición de información de pozo disponible. Estos modelos se desarrollan en base a un
conjunto de pozos con información completa de perfiles y coronas, y son validados en es os mismos
pozos, utilizando conjuntos reducidos de información y luego aplicados en el resto del yacimiento.
El método inverso de interpretación de perfiles o método estadístico, utiliza las ecuaciones de
respuesta de las herramientas para definir la respuesta teórica de cada herramienta de perfilaje c omo
función de las variables de la formación. El analista especifica las mediciones disponibles y ut iliz a el
conocimiento local como restricción sobre las ecuaciones.
De este modo, el análisis se adapta a mediciones específicas, al conocimiento y a los requerimient os
específicos. El método determina a través de técnicas de minimización de errores, la solución que crea
la menor diferencia entre la respuesta teórica a partir de las ecuaciones de las herramientas, y las
mediciones realmente hechas. En este momento, el resultado obtenido es el óptimo para la
información disponible. (Figura 2)

Figura 2. Principio de la interpretación probabilística de perfiles de pozo.

Esto es, partiendo de modelos geológicos - petrofísicos predeterminados (los cuales pueden armarse
con todos los datos disponibles: afloramientos, coronas, ensayos de pozos, ensayos de produc c ión,
etc.), y utilizando las ecuaciones de las herramientas de perfilaje de las distintas compañías, se obtiene
la respuesta teórica de cada herramienta para dicho modelo.
Cada modelo es independiente, permitiendo esto hacer una composición única de los distintos
modelos (por ejemplo un modelo para carbonatos, otro para clásticos, etc.), en un mismo pozo.
En definitiva, el principio de funcionamiento se fundamenta en que si es posible encontrar los
volúmenes aproximados de cada elemento en el reservorio analizado, con la ecuación de respuesta de
cada registro (junto con sus parámetros), puede determinarse el valor que teóricamente habría medido
cada registro. A estos valores de los denomina “registros teóricos”, si estos son próximos a los reales,
entonces los volúmenes aproximados de cada elemento son correctos.
A partir de allí, con el concurso de técnicas de optimización estadísticas se minimizan las diferenc ias
entre la respuesta teórica de la herramienta y el dato medido en el campo, optimizándose el modelo
geológico - petrofísico asumido (Figura 2).
b) Validación de resultados: Una vez interpretados todos los pozos se tiene una bas e de dat os c on la
información petrofísica - litológica de todos los pozos evaluados. El próximo paso consiste en encontrar
un método que nos permita conocer, al menos cualitativamente, la calidad de la información obtenida.
Para ello se recomienda utilizar redes neuronales aplicadas solamente a los datos e informac ión de
pozos. Las redes neuronales son métodos no lineales de estimación cuyo fundamento es la detección
de relaciones entre los datos mediante procesos iterativos de minimización de diferencias, entre el dato
objetivo estimado y el medido.
La aplicación de esta metodología consta de tres etapas sucesivas y bien diferenciadas:
Entrenamiento de la red, validación de la red, y aplicación de la red construida.
Entrenamiento: Una red neuronal es una relación matemática que permite describir un conjunto de
datos en función de otro. Estas relaciones pueden ser no lineales de forma desconocida. E n la et apa
de entrenamiento del algoritmo se estudia la relación en un conjunto de datos donde se conoce tanto la
variable entrada (datos de perfiles adquiridos y/o interpretados en nuestro caso), como el objetivo
(variable relacionada a la roca, registro geológico a partir de los recortes de perforación en el flujo de
trabajo número 1). En esta etapa la red neuronal aprende la relación entre ambos tipos de datos.
Validación: Este paso consiste en la aplicación de la red sobre datos con resultado conocido a priori, lo
que permite cuantificar el error de estimación (diferencias cuadradas entre el dato real y el estimado), y
definir el conjunto óptimo de datos de perfiles que mejor contribuyen a la estimación.
Aplicación: El tercer y último paso es la aplicación de la red construida sobre el volumen de dat os e
información de pozos completo. Para aplicar este tipo de algoritmos en la integración de datos
(registros adquiridos, perfiles interpretados y roca, núcleos y recortes de perforación), se debe definir
cuidadosamente la ventana de aplicación o interés. Esto es crucial ya que, por un lado, son algoritmos
que consumen mucho tiempo de procesamiento, tanto en la etapa de entrenamiento como en las de
validación y aplicación; mientras que por otra parte, la relación en general no lineal entre los conjunt os
de datos puede ser variable con la profundidad, por lo que es conveniente concentrar el esfuerzo en la
zona de estudio.
Si bien bajo el término general de redes neuronales se incluye un vasto conjunto de algoritmos de
estimación no lineal, nuestra experiencia nos muestra que dos algoritmos entregan un excelente
rendimiento: El ensamble de redes neuronales (NNE) y las redes neuronales gaussianas.
Con cualquiera de los dos algoritmos se recomienda seguir el flujo de diseñar el tipo de red neuronal,
esto es, los perfiles a involucrar y la información de salida a obtener. Para esto se deben realizar varias
pruebas de correlación, análisis de gráficos de interrelación de perfiles, histogramas y regresiones
múltiples, con el objeto de definir los registros eléctricos a utilizar. Nuestra experiencia nos dice que s e
deben utilizar al menos dos de los perfiles calculados (generalmente porosidad efectiva y volumen de
arcilla), más un perfil adquirido SN (inducción o resistividad corta, por estar presente en todos los
pozos sumado al hecho de ser el perfil resistivo “más litológico”), y entrenar la red para que a part ir de
los mismos nos resuelva la columna litológica que tenemos en base a la descripción e int erpret ación
del control geológico.
Se deben reservar la información de uno o más sondeos (dependiendo de la cantidad de pozos
disponibles), y proceder a ejecutar la red neuronal para terminar comparando los registros litológic os
en los pozos llaves y determinar el grado de ajuste y aplicabilidad del método de interpretación.
c) Modelado Geológico: Interpretados y validados los pozos, el último paso consiste en realizar el
modelado propiamente dicho. Ante la ausencia de información sísmica que me permita llevar a c abo
la extrapolación de los parámetros petrofísicos más allá de la posición de los pozos, se rec omienda
realizar electrofacies en base a los perfiles eléctricos de pozos. Esta tarea es muy similar a la
descripta en la validación de resultados, pero se trabaja en un grado de generalización mayor.
En este punto, tratamos de distinguir los cuatro o cinco términos litológicos más repres entat ivos (por
ejemplo, en sedimentitas clásticas distinguir entre areniscas, lutitas, areniscas arcillosas, limos, etc.), y
procedemos a realizar mapas por nivel de estas electrofacies.
 Estas representaciones en dos dimensiones son utilizadas cómo variable blanda en el posterior trabajo
de cosimulación secuencial gaussiana.
La figura 3 muestra el flujo de trabajo propuesto:

Figura 3. Flujo de trabajo Nº 1

Ejemplo de aplicación Flujo de Trabajo 1: “Modelado geoestadístico tridimensional a partir de

perfiles de pozo en un yacimiento de la cuenca neuquina, Argentina.” Presentado y publicado en el
EXITEP. México, 2001. Autores: Víctor Marteau, Aldo Montagna, Claudio Larriestra, David Curia.
Se construyó un modelo tridimensional de las areniscas reservorio de la F. Ray os o, Y ac imiento P u esto
Hernández, Argentina, a partir de perfiles de pozo con el objeto de establecer la geometría espacial de los
cuerpos, definir variaciones laterales y analizar el efecto de la discordancia intersenoniana suprayacente.
La Formación Rayoso está compuesta por secuencias psamo-pelíticas continentales que responden a dos
subambientes diferenciados: La parte inferior, compuesta principalmente por pelitas con cuerpos arenosos
aislados que se interpretan como depositados en ambiente de barreales, y la porción s uperior, formada por
cuerpos psamíticos más continuos, moderadamente canalizados, con evidencias de depositación en clima
árido y que se interpretan como sistemas fluviales efímeros.
A partir de la información de perfiles de 700 pozos se seleccionaron los registros de rayos gamma,
resistividad y porosidad, investigándose su comportamiento y aplicando las técnicas de normalización
usuales. El modelo litológico se elaboró a partir de la curva de rayos gamma, que es el principal element o
de correlación utilizado en el yacimiento.
El análisis estadístico de esta curva muestra una distribución bimodal que no responde a dos poblac iones
litológicas como debería suponerse en secuencias areno-arcillosas debido a la presencia de una deriva
vertical de la línea de base de arcillas. Esto impide alcanzar variogramas con meseta definida (hipótesis de
estacionariedad), haciendo necesario investigar las causas de la misma previamente a su eliminación.
Descartados posibles errores ambientales en los registros se procedió al modelado por separado de c ada
uno de los subambientes geológicos mencionados, lo que permitió obtener variogramas ex perimentales
estables (Figura 4).
Mediante kriging tridimensional se confeccionó la grilla de esta propiedad, analizada por medio de
secciones verticales y horizontales, a efectos de investigar las formas y variaciones laterales de c ada uno
de los cuerpos (Figura 5). Una vez individualizados los distintos niveles en la grilla tridimensional y
aplicando diferentes valores de corte para los valores de rayos gamma, se realizaron mapas de arenas y
cálculos volumétricos. La grilla confeccionada para la resistividad permitió estudiar en tres dimensiones los
cuerpos mineralizados, determinando los distintos contactos agua petróleo para las diferentes c apas que
culminan en el sello definido por la discordancia intersenoniana, como así también zonas donde el
entrampamiento está controlado por las variaciones estratigráficas de los cuerpos fluviales. Por otra parte,
la grilla de la porosidad presenta una correspondencia aceptable con los valores de arena limpia estimados
por el perfil de rayos gamma.
 Análisis de la Deriva: Comparación entre los variogramas del Mbro.
Clástico de la Fm. Rayoso y los de sus Secciones internas.

Mbro. Clástico Sección Superior Sist. Seccíón Inferior,

0.1
Fluviales Efímeros 0.06
Sistemas de Barreales
0.1

0.05

0.08 0.08

0.04

Var iogram
0.06 0.06
Var iogr am

Var iogr am
0.03

0.04 0.04
0.02

0.02 0.02 0.01

0
0 0 0 10 20 30 40 50 60 70
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 Separation Distance (M)
Separation Distance (M) Separation Distance (M)
Variograma Vertical - Barreales
Variograma Vertical - Mbro Clastico de Fm. Rayoso Variograma Vertical - Sistemas Fluviales Efimeros c2-anh
disc-anh disc-c2 G r ids ta tPr o D e c 2 3 0 0
G r ids ta tPr o D e c 2 3 0 0 G r ids ta tPr o D e c 2 3 0 0

Anisotropía Horizontal
0.1 0.1
3453

0.08 0.08

1680

Vert. Vert.
0.06 0.06 0.076
Var iogram

Vert.fit
Var iogram

Vert.fit

North-South (M)
0.069
N-S N-S
0.0625
N-S fit N-S fit -94
0.056
NE-SW NE-SW
0.04 0.04 0.0495
NE-SW fit NE-SW fit
0.043
E-W E-W
0.0365
E-W fit E-W fit
0.030
NW-SE NW-SE -1868
0.02 NW-SE fit 0.02 NW-SE fit

0 0
0 1000 2000 3000 4000 5000 6000 7000 8000 -3642
0 1000 2000 3000 4000 5000 6000 7000 8000 -4154 -2103 -51 2000 4051
Separation Distance (M) Separation Distance (M)
East-West (M)

Variograma Horizontal - Mbro. Clastico de Fm. Rayoso Variograma Horizontal - Sistemas Fluviales Efimeros Areal Variogram
disc-anh disc-c2
disc-c2
G r ids ta tPr o D e c 2 3 0 0 G r ids ta tPr o D e c 2 3 0 0
G r ids ta tPr o D e c 2 3 0 0

Figura 4. Variogramas experimentales de cada subambiente presente.

Geometrías asociadas a los depósitos de Capa 4: Comparación del

modelado del gamma ray con afloramientos relacionados a ese
nivel.

10m.

1
.35
.3
.25
.2
.15
.1
.05
0.249E+07 -0.072
CORTES A LA GRILLA GAMMA RAY en CAPA 4
Grids tat Pro Dec22 00

Figura 6
Figura 5. Grilla 3D del perfil de Rayos Gamma y su relación con los afloramientos.
El modelo tridimensional definido para el yacimiento fue corroborado con perfiles en afloramientos (Figura
5), y con pozos perforados posteriormente, presentando los perfiles estimados y los registrados en los
nuevos pozos valores de correlación superiores a 0.85. Con esta validación, el modelo se constituye en un
elemento básico de toma de decisiones para el futuro desarrollo del campo, facilitando la definición del
modelo estático que será ingresado al simulador numérico.
Cómo conclusión, podemos mencionar que a pesar de no tener información sísmica disponible, en un
escenario como el descrito, la construcción de modelos tridimensionales usando geoestadística demost ró
ser un método mucho más eficiente que las técnicas bidimensionales (mapas y cortes) aplicado s a la
descripción estática de reservorios. Una vez que se alcanzó el modelo estadísticamente más probable y
de mayor significado geológico, todos los análisis (mapas, cortes y cálculos) son subproductos del mismo.

Flujo de trabajo N 2:
Información de roca (recortes de perforación, testigos laterales, núcleos, afloramientos), registros eléctricos
convencionales y especiales, información sísmica 3D postapilamiento.
Este flujo de trabajo es aplicable a áreas exploratorias en estado de delimitación del yacimiento, dónde la
información de sísmica 3D es muy común, sumado a la disponibilidad de testigos coronas y registros
eléctricos especiales (perfiles de imágenes, resonancia magnética, sónicos de ondas completas, et c.), en
los sondeos exploratorios y de avanzada perforados.
También es aplicable a aquellos yacimientos en estado de producción, con sísmica 3D registrada y
procesada con fines de análisis de reservorios, y con programas de perforación de pozos de desarrollo
actuales, en los cuales se registran conjuntos de perfiles completos y complejos.
Un elemento crucial en los trabajos realizados siguiendo este flujo es la utilización de los datos e
información de afloramientos. Para la determinación del arreglo interno (por ejemplo, arreglo entre los
distintos sets de dunas en caso de reservorios eólicos), así como para precisar las relaciones con los
cuerpos subyacentes y suprayacentes, se pueden realizar trabajos en afloramientos representativos y
análogos.
De la misma forma, la determinación de los parámetros para el modelado variográmico pueden ser
obtenidos del modelado de afloramientos (rangos verticales y horizontales mínimos y máximos)
A diferencia de la situación que sirve cómo base para el uso del flujo de trabajo número 1, en este contexto
se cuenta con más información (sísmica 3D), y con menor heterogeneidad en cuanto al conjunto de
perfiles disponible y la tecnología de adquisición utilizada. Asimismo, los geocientistas cuentan
generalmente con mayor información de roca (fundamentalmente núcleos y recortes de perforación),
Sobre la base de conjunto de datos e información, el flujo de trabajo básico propuesto es el siguiente:
a) Interpretación petrofísica
a. Ajuste Roca – Perfil.
b. Metodología Inversa o Determinística de Interpretación de Perfiles
b) Validación de la interpretación.
a. Redes Neuronales y/o Modelado Petrofísico 3D.
c) Modelado Geológico:
a. Modelado de facies en base a Sísmica 3D, Electrofacies, Testigos Coronas.
b. Modelado petrofísico (utilizando el modelado de facies y atributos sísmicos
postapilamiento cómo variable blanda en la cosimulación gaussiana)
a) Interpretación petrofísica: En este tipo de contextos, estimamos que es indistinto utilizar una u
otra metodología. El método inverso sigue manteniendo las ventajas mencionadas anteriormente, pero
ante la mayor cantidad de perfiles, la menor heterogeneidad en cuanto a tecnología de adquis ición y
en el conjunto de perfiles disponibles en cada pozo, creemos que la utilización de la metodología
convencional o determinística es muy válida y aplicable.
En el caso anterior, habíamos desechado la interpretación convencional ya que generalmente, en esta
técnica los datos son parcialmente usados, no se tiene un control de la calidad de los resultados y
éstos están sujetos a la aplicación de un solo modelo interpretativo. Estas situaciones que redundan en
que muchas veces la incertidumbre de los resultados atente contra la confección de una adecuada
caracterización petrofísica, y por ende, en una inapropiada evaluación económica.
Lo que sí consideramos fundamental es utilizar los posibles registros especiales disponibles. P erfiles
cómo resonancia magnética, imágenes micro resistivas, sónicos de onda completa, pueden estar
registrados en varios pozos del yacimiento, por lo que se recomienda calibrar los registros
convencionales en esos sondeos y extender la calibración al resto de los pozos. Un ejemplo de ello es
la caracterización de la permeabilidad en función del registro de resonancia magnética, de las ondas
de Stonelley obtenidas del sónico de onda completa y de los ensayos de laborat orio de los t es tigos
coronas. En esos pozos se debe calibrar con algunos de los registros convenc ionales y aplicar es a
calibración al resto de los sondeos.
b) Validación de resultados: Al igual que en el caso anterior, la validación de la interpretación de
perfiles realizada es crucial. A la alternativa de la utilización de redes neuronales presentada,
agregamos la posibilidad de realizar un modelado petrofísico 3D.
Si se escoge esta segunda opción, es necesario realizar primeramente el marco est ratigráfic o, para
que oficie de guía en la distribución de propiedades petrofísicas. Esta propagación se realiza
reservando los perfiles interpretados de algunos pozos (pozos llaves), para compararlos con los
perfiles sintéticos producto del modelado petrofísico y precisar el grado de ajuste y aplicabilidad del
método de interpretación de perfiles utilizado (validación cruzada).
c) Modelado Geológico: Con la información petrofísica validada comienza la etapa de la
caracterización estática 3D. El primer paso es determinar el grado de correlación ent re los datos de
perfiles y la información sísmica 3D disponible, para utilizar a esta última cómo “vehículo” para la
extrapolación de los parámetros petrofísicos más allá de la posición de los pozos.
Simultáneamente, se procede a caracterizar el modelo de facies presente, utilizando informac ión de
roca, perfiles y sísmica. Una metodología que nos ha dado muy buen resultado es partir de la
caracterización litológica – facial de coronas, llevarla a los registros y de ahí identificarla en la
información sísmica. Esta conjunción de “litofacies – electrofacies – sismofacies” permite la obt ención
de un modelo de facies generalizado partiendo de posiciones puntuales bien definidas y determinadas.
Este modelo de facies es tomado como referencia para la posterior distribución de propiedades
petrofísicas, al igual que la información sísmica (atributos de traza compleja generalmente), la c ual es
utilizada cómo variable blanda en el posterior trabajo de cosimulación secuencial gaussiana o
indicadora.
La figura 6 muestra el flujo de trabajo propuesto:

✓ Electrofacies
✓ Testigos Coronas
✓ Atributos Sísmicos 3D

Ajuste MODELO 3D:

✓ Análisis Inverso o
Marco Modelado Distribución pozos, información
Determinístico
estructural - de Facies propiedades sísmica (post
Petrofísico (perfiles
estratigráfico petrofísicas stack).
+ cutting + núcleos)

Marco Estructural
Sísmica 2D /3D

✓ Atributos Sísmicos 3D
Figura 6. Flujo de trabajo Nº 2
En este flujo vamos a introducir un nuevo paradigma del modelado geológico: La simulación secuencial
basada en la estadística multipunto.
Los métodos basados en la geoestadística son bipuntuales (kriging, simulación secuencial gaussiana e
indicadora y sus correspondientes usando covariables), es decir su herramienta de modelado
fundamental, el variograma, esta basado en la relación es pacial detectada a través de pares de
puntos. Estos métodos fallan cuando, ante la ausencia de una distribución equiareal de dat os , deben
representar heterogeneidades curvilíneas complejas, como fajas de canales, conos aluviales , et c. La
estadística basada en dos puntos generalmente no puede generar imágenes de baja entropía (Journel
y Zhang 2006) y es necesario recurrir a un tratamiento estadístico superior que involucre a más de dos
puntos simultáneamente.
El algoritmo empleado para demostrar esta aplicación es el SNESIM (Strebelle, 2002) el c ual es un
método de simulación secuencial, donde los datos simulados en cada iteración se incorporan a la
realización como datos duros. Este algoritmo, cuyo nombre deriva del método de estimación de la
probabilidad condicional previo a la simulación (Single Normal Equation), permite simular variables
categóricas basadas en la distribución espacial de las facies que posee una imagen o volumen de
entrenamiento. El objeto de entrenamiento exhibe espacialmente la estruct ura y variabilidad que se
sospecha existente en los datos y no se necesita restringirse a los datos existentes como en la
geoestadística bivariada.
El algoritmo se basa en la definición de un cubo o ventana de búsqueda (“template” o plant illa), y un
camino aleatorio de todos los nodos a ser simulados. El procedimiento se realiza de acuerdo a los
siguientes pasos: a) Para cada ubicación a lo largo del sendero aleatorio, se colectan los datos
condicionantes (puntos constituidos de k facies), que consigue la herramienta de búsqueda (template),
generando un subconjunto conocido como evento de datos D, b) Luego se localizan con la misma
herramienta todos los datos de la imagen de entrenamiento que sean iguales al evento de datos
condicionante previamente ubicado (estado Ak). La probabilidad condicional de ocurrenc ia exact a de
cada evento de datos D constituido de k facies coincidentes con la imagen de entrenamiento (es tado
Ak), esta dada por la ecuación:
PAk = 1, D = 1
PAk = 1 D = 1 = (Strebelle, 2002).
PD = 1
Otro algoritmo posteriormente desarrollado llamado Filtersim (Zhang et al., 2006), permite investigar la
ocurrencia de eventos de datos a partir de templates, pero no es necesario la igualdad entre el event o
de datos y el patrón equivalente en la imagen de entrenamiento. Se seleccionan de acuerdo a criterios
de forma (mediante filtros), y la similitud se mide con criterios de distancia a familias de formas . E st e
algoritmo es mucho más demandante de tiempo computacional que el SNESIM.
Otra alternativa para la simulación de formas curvilíneas o de los tipos mencionados mas arriba, es la
simulación basada en objetos, pero presenta graves problemas de convergencia y respeto a los datos
duros ante un grupo numeroso de pozos (Kelkar y Pérez, 2002; Deutsch, 2002).
En el ejemplo (Figura 7), se muestran los resultados de cubos de probabilidades de canales luego de
30 realizaciones, para un grupo de reservorios de origen fluvial de alta sinuosidad. En este caso se
probó el primero de los algoritmos (SNESIM) en una situación y se los comparó con los métodos
convencionales de simulación geoestadística.
La figura 7A es un corte al cubo relación de arena / arcilla realizado a partir de simulación s ecuencial
gaussiana utilizando la curva de potencial espontáneo (SP) normalizada en escala y distribución
estadística. Las zonas de canales están definidas por los colores amarillos y azul correspondient es a
SP de arena.
La figura 7B es el mismo corte practicado al cubo de probabilidad de arena derivado de la s imulac ión
indicadora de la variable “ausencia / presencia de arena”. La mayor probabilidad indicada por el c olor
rojo, muestra una arquitectura mas definida que el método anterior para las fajas de canales.
La figura 7C es el resultado de la aplicación de la estadística multipunto a los mismos datos
entrenados con el modelo tridimensional de la figura 7D. Como se puede observar claramente la mayor
 probabilidad de encontrar canales (color rojo) presentan formas bien identificables y definidas, evitando
la propagación sobredimensionada de los métodos anteriores.

Figura 7. Comparación de modelado con estadística multipunto versus simulación secuencial gaussiana e
indicadora.

Ejemplo de aplicación Flujo de Trabajo 2: “Modelo predictivo de propiedades petrofísicas basado en

la integración no lineal de datos sísmicos y de pozo” Presentado y publicado en el V II Congres o de
Hidrocarburos. Mar del Plata, 2005. Autores: Daniel Pecuch, Diego Lasalle, Claudio Larriestra.
El objetivo de este estudio fue construir un modelo predictivo de las características petrofísicas de las
Formaciones Sierras Blancas y Lotena, en el Yacimiento Lindero Atravesado, Provincia de Neuquén,
República Argentina. Dicho modelo se basó en la integración de datos sísmicos y de pozo bajo esquemas
estadísticos multivariados de índole lineal y no lineal.
La estrategia de integración de la información símica y de pozos consist ió en la selección del grupo de
atributos sísmicos (principalmente atributos de amplitud e impedancia acústica), que mejor ajustasen a los
perfiles de pozo relacionados a la calidad de reservorio.
La selección de atributos se realizó mediante la técnica estándar de Regresión Múltiple de a P as os. Una
vez establecida la combinación óptima se procedió al refinamiento de la estimación mediante algoritmos no
lineales, propagándose dicho modelo al resto del cubo sísmico. Posteriormente el cubo petrofísico en
tiempo resultante es transformado en valores de porosidad y permeabilidad a partir de las relaciones
petrofísicas establecidas a partir de datos de corona.
La metodología empleada (Figura 8), se compone de varias etapas, a saber: análisis exploratorio de dat os
para la determinación de las combinaciones óptimas que mejor ajust an a los perfiles petrofísicos;
perfeccionamiento del ajuste logrado mediante métodos no lineales (Redes Neuronales); confec ción del
cubo de velocidad sónica; conversión a valores de porosidad y permeabilidad; y, análisis del modelo
tridimensional en tiempo.

Figura 8. Metodología utilizada

El modelado geocelular 3D realizado con este flujo de trabajo permitió, a partir de la aplicación de técnicas
lineales y no lineales para relacionar datos de pozo con diferentes cubos sísmicos, obtener “cubos
pseudosísmicos” con propiedades petrofísicas, en este caso velocidad sónica (Figura 9), que ajus tan la
tendencia general en los pozos de control. La relación con los análisis hechos en testigos corona, permit ió
obtener sendos cubos de porosidad y permeabilidad (Figura 9).
En la Formación Sierras Blancas las variaciones observadas en la porosidad y la permeabilidad
delimitarían tres regiones bien diferenciadas petrofísicamente: Lindero Atravesado Occidental, la zona
Central intermedia a los yacimientos y Lindero Atravesado Oriental. Existe una fuerte variación de la
permeabilidad entre Lindero Occidental y Oriental con la zona Central para los niveles de Sierras Blancas.
Por último, la anisotropía vertical y horizontal detectada por la inversión y sus cubos derivados
corresponden a variaciones de porosidad observadas en la petrofísica de los pozos, con la s alvedad que
en el sector nor-central, la porosidad sería poco efectiva, a pesar de la relativa buena permeabilidad.
Para la Formación Lotena, en el sector del bloque estudiado, también se existe una diferenc iac ión net a
entre las porosidades y permeabilidades. La variabilidad interna de las propiedades petrofísicas se
encuentra íntimamente relacionada al origen sedimentario de la misma.
La interpretación de estos cubos conjuntamente con los datos de fluidos conocidos en los distintos
yacimientos, ha contribuido a establecer un modelo geológico de entrampamiento tal que c onduce a una
aceptable descripción estática de los reservorios en las zonas actualmente en explotación. E st e modelo
permite entonces optimizar la estrategia para el desarrollo de los mismos y también fundamentar la
estrategia de avanzada y exploración dentro del bloque Lindero Atravesado, en la medida que ha permitido
identificar posibles extensiones de las acumulaciones conocidas e identificar entrampamientos sutiles.
Cross Section de Velocidad Sónica

Cross Section de Porosidad

Figura 9. Cubos de velocidad sísmica y de porosidad.

Flujo de trabajo N 3:
Información de roca (recortes de perforación, testigos laterales, núcleos), registros eléctricos
convencionales y especiales, información sísmica 3D pre y postapilamiento.
La gran diferencia entre este flujo de trabajo y el anterior lo conforma el hecho de tener la información
sísmica preapilamiento disponible, así cómo la posibilidad de contar con atributos a part ir de la s ís mica
postapilamiento que permitan relacionar la sísmica con los fluidos del reservorio analizado. Esta situación
es dable y deseable en prospectos evaluatorios en estado de delimitación del yacimiento y/o en campos en
estadios de desarrollo, con sísmica 3D registrada y procesada con fines de análisis de reservorios , y c on
datos e información de pozos caracterizados por su calidad y cantidad.
Al igual que en el flujo de trabajo número 2 y a diferencia de la situación que sirve como base para el us o
del flujo de trabajo número 1, en este contexto se cuenta con más información (sísmica 3D), y c on menor
heterogeneidad en cuanto al conjunto de perfiles disponible y la tecnología de adquisición utilizada.
Asimismo, los geocientistas cuentan generalmente con mayor información de roca (fundamentalmente
núcleos y recortes de perforación),
Sobre la base de conjunto de datos e información, el flujo de trabajo básico propuesto es el siguiente:
a) Interpretación petrofísica
a. Ajuste Fluido - Roca – Perfil - Sísmica.
b. Metodología Inversa o Determinística de Interpretación de Perfiles
b) Validación de la interpretación.
a. Redes Neuronales y/o Modelado Petrofísico 3D y/o modelado sísmico. Facies Sísmicas
c) Modelado Geológico:
a. Modelado de facies en base a Sísmica 3D (facies sísmicas), Electrofacies, Testigos
Coronas.
b. Modelado petrofísico (utilizando el modelado de facies y atributos sísmicos post
apilamiento cómo variable blanda en la interpolación por cokriging)
a) Interpretación petrofísica: Ajuste Roca – Perfil – Sísmica: A partir de los avances tecnológicos
acaecidos en las etapas de adquisición y procesamiento sísmico, el hecho de contar con la
información sísmica pre y postapilamiento permite relacionar los datos de rocas y perfiles no s ólo
con atributos símicos acústicos, sino también con atributos elásticos, tanto en un ambiente
exploratorio cómo en un entorno de desarrollo.
En realidad, a partir de la comprensión del significado físico inherente en las posibles correlaciones
entre las propiedades elásticas de las rocas y los atributos sísmicos elásticos, se puede llegar a una
mejor interpretación y caracterización petrofísica utilizando los perfiles eléctricos de pozos,
fundamentalmente en lo que a determinación de fluidos y litologías se refiere.
Una variante deseada y muchas veces influyente en lo que a ajustes de los resultados se refiere, es la
posibilidad de contar con análisis de laboratorio sobre muestras de núcleos que permitan det erminar
propiedades elásticas de las rocas. Esto adquiere mayor relevancia en aquellas situaciones donde las
anomalías en los atributos sísmicos elásticos están influenciadas por más de una propiedad s ís mica
simultánea.
A partir de los principios teóricos asumidos en la técnica AVO pos tapilamiento parc ial, es necesario
destacar que también se podría utilizar para la obtención de una familia adicional de atributos elásticos,
que relacionen los mismos con los datos de producción disponibles.
En cuanto a la interpretación de perfiles propiamente dicha, estamos en una instancia dónde se puede
trabajar directamente con la metodología convencional ya que tenem os mucha y normalizada
información de registros de pozo y tenemos suficiente información complementaria para s eleccionar
los parámetros y ecuaciones predeterminadas (densidad, resistividad y tiempo de tráns it o de matriz ;
densidad, resistividad y tiempo de tránsito de arcilla, resistividad del agua, ecuaciones de s at uración,
ecuaciones de porosidad, etc.), que mejor computen el conjunto de parámetros petrofísicos (volumen
de arcilla, porosidad, saturación de agua, permeabilidad, etc.), representativo de nuestro reservorio.
Así, estaríamos salvando algunos de las debilidades de la interpretación determinística en cuanto a la
utilización parcial de los datos y a la ausencia de controles de calidad efectivos de los res ult ados , a
pesar de utilizar un solo modelo interpretativo.
b) Validación de la interpretación: En este punto vamos a mencionar la pos ibilidad de ut iliz ar el
modelado sísmico para validar la interpretación petrofísica.
Existen dos posibilidades: Utilizar la inversión de trazas de alta resolución para ratificar y propagar la
porosidad, y el modelado de AVO para la corroboración de fluidos calculados, fundamentalmente en la
caracterización de yacimientos de hidrocarburos gaseosos.
El primer método consiste en la construcción de un modelo de regresión no lineal, a partir de la
inversión elástica, que mejor ajuste a los registros adquiridos y/o interpretados detallados mas arriba.
También pueden utilizarse atributos postapilamiento.
La selección de atributos se realiza mediante la técnica estándar de regresión, y una vez establecida la
combinación óptima de atributos se procede al refinamiento de la estimación mediante algorit mos no
lineales, propagándose dicho modelo al resto del cubo sísmico.
La metodología propuesta comenzaría con la investigación de relaciones lineales ent re los regist ros
construidos y los atributos sísmicos que se puedan extraer para la ventana en t iempo as oc iada a la
zona de interés. Los registros deben tener un comportamiento normal gaussiano a los efectos de
facilitar la regresión.
Esta puede ser una regresión lineal múltiple de a pasos (variante del mínimos cuadrados clásico,
donde la selección del conjunto de variables independientes que mejor correlacionan con el objet ivo
se define por agrupación de pares, tripletes, etc., de atributos). Este esquema aditivo va definiendo el
conjunto de atributos que mejor correlación observa con el objetivo; obteniéndose el “mejor” modelo
lineal multivariado cuando las diferencias cuadradas entre el objetivo medido y el estimado son
mínimas. El cálculo se realiza para todo el conjunto de atributos, seleccionándose el atributo que mejor
correlaciona, luego con éste y el resto se forman pares que a su vez son correlacionados con el
objetivo eligiéndose el mejor par de correlación. Posteriormente se forman tripletes y así
sucesivamente hasta definir el conjunto de atributos que mejor estiman el objetivo. Si bien no es la
combinación matemáticamente óptima, es suficiente a los efectos de definir las relaciones más
importantes entre los atributos y el objetivo.
También se tiene la posibilidad de realizar una regresión múltiple con convolución. Esta regres ión es
utilizada cuando exista una imposibilidad de asegurar la correspondencia exacta para un determinado
tiempo, entre el dato duro (de pozo) y los atributos sísmicos por un lado, además de la imprecisión en
profundidad (y tiempo), del dato de pozo (perfiles, recortes de perforación, etc.), por otro.
Independientemente de la regresión realizada, el próximo paso de la validación es utilizar un mét odo
no lineal de estimación, cómo las redes neuronales, para la detección de relaciones ent re los datos
mediante procesos iterativos de minimización de diferencias, entre el dato objetivo estimado y el
medido. Una vez entrenada y confirmada la red se procede a su aplicación a todo el volumen sísmico.
El producto final de la aplicación del modelo de redes neuronales gaussianas es un cubo de
propiedades petrofísicas, del cual se extrae el “perfil sintético” correspondiente a determinados poz os
que no entraron originalmente en el proceso de validación, que se compara con el perfil original con el
objeto de obtener el factor de correlación que validaría la interpretación realizada y el vínculo perfiles –
roca – sísmica utilizado. En líneas generales, nuestra experiencia indica que factores de c orrelación
superiores a 0.7, producto del proceso de validación cruzada, es un muy buen indicador de la certeza
del trabajo de interpretación petrofísica realizado.
c) Modelado Geológico: El último paso es la caracterización estática 3D. Al igual que el flujo
anterior, cualificar y cuantificar la correlación entre los datos de perfiles y la información sísmica 3D
disponible, es la primera etapa. Una vez habilitada la información sísmica (pre o postapilamiento),
está es usada para el modelado de facies y el modelado petrofísico.
Existe una variante, que puede entregar un elemento de peso en el momento de realizar el modelado
de facies, que son las facies sísmicas. Estas facies quedan definidas a partir de cambios en los
parámetros físicos de la señal sísmica del/os cubo/s sísmico/s 3D. De esta forma, la c lasificación de
facies sísmicas representa los cambios en la forma de la traza sísmica para un intervalo de tiempo
dado. Estos cambios de forma (cuantificados en el cambio de valor traza a traz a en una vent ana de
tiempo, por ejemplo, el pasar de positivo a cruce por cero y a negativo), permite identificar “familias de
formas de ondículas”, que están representando para el espesor analizado variaciones físicas.
El resultado son dos mapas (Figura 10), uno que representa la distribución areal de las facies sísmicas
(cada una de las familias tiene un color asignado, figura 10a), y un mapa de correlación que indic a la
calidad de la distribución de la correlación (Figura 10b). El primero puede ser utilizado c omo variable
blanda en un cokriging o cosimulación, para la distribución de facies sedimentarias a partir de análisis
paleoambientales realizados en testigos coronas o electrofacies.
 Figura 10. Resultado del procesamiento de facies sísmicas
También hemos hecho experiencias utilizando directamente volúmenes de facies s ís micas, aunque
aquí los grados de libertad son mucho menores, y en caso de áreas de escasa c orrelación sís mic a
(típicos de ambientes específicos cómo zonas estructuralmente complejas, sistemas de canales, etc.),
la correspondencia con la variable dura es pobre.
En caso de presentar una alta correspondencia con las facies sedimentarias, ambas pueden ser
utilizadas para la realización del modelo petrofísico. Hemos realizado modelos c on ambas opciones
como entrada dónde las diferencias en el modelo petrofísico resultante eran mínimas, lo que nos
permitiría no pasar por el modelado de facies tradicional mostrado en los flujos de trabajo presentados.
La figura 11 muestra el flujo de trabajo propuesto:
✓ Electrofacies
✓ Testigos Coronas
✓ Atributos Sísmicos 3D
Pre y posapilamiento
✓ Unidades Hidráulicas de
Flujo

✓ Análisis Inverso o Ajuste MODELO 3D:

Determinístico
Marco Modelado Distribución pozos, información
Petrofísico (perfiles
estructural - de Facies propiedades sísmica (post
+ cutting + núcleos)
estratigráfico petrofísicas stack), y datos de
✓ Unidades
Hidráulicas de Flujo producción.

✓ Marco Estructural
Sísmica 2D /3D
✓ Historia de
Producción –
Inyección
✓ Ensayos de Presión
✓ Afloramientos

✓ Atributos Sísmicos 3D Pre y posapilamiento

✓ Facies Sísmicas
✓ Datos de Producción
Figura 11. Flujo de trabajo Nº 3

Ejemplo de aplicación Flujo de Trabajo 3: “Integración no lineal de atributos sí sm i cos y datos de

pozo no convencionales: difracción de rayos x y facies clástica” Presentado y publicado en el VII
Congreso de Hidrocarburos. Mar del Plata, 2005. Autores: Claudio Larriestra, Daniel G. Poiré, Roberto
García.
En este trabajo, un modelo no lineal multivariado fue realizado para integrar datos sísmicos (at ributos de
amplitud postapilamiento e inversión elástica preapilamiento), con información de roca provenient e de los
recortes de perforación de pozos para la caracterización de la F. Quintuco y de las secuencias c lásticas
subyacentes a la F. Vaca Muerta, en el yacimiento Aguada del Cajón. Los datos de pozos consistieron en
perfiles continuos y discretos derivados de análisis mineralógicos por difracción de rayos X y de anális is
sedimentológicos de recortes de perforación y testigos coronas.
En todas las coronas estudiadas se realizó la definición e identificación de facies sedimentarias s obre la
base de la litología, textura y estructuras sedimentarias. Posteriormente se seleccionó un código apropiado
para su denominación, de acuerdo a sus características netamente descriptivas, como lo son el tamaño de
grano y la estructura sedimentaria. De esta manera se obtiene una escala gradada ascendente, con saltos
entre pelitas (finos), areniscas, areniscas guijosas y gravas, como se observa en la figura 12. El valor
numérico de cada facies sedimentaria se representa cada 10 cm. de corona y se lleva a una base de datos
con dos columnas: profundidad (con un intervalo de 10 cm.) y facies sedimentaria numérica (Figura 12)

SP Resistividad Sw Phie Volumen Arcilla Curva Indicadora

Figura 12. Definición e identificación de facies

A través de la difracción de rayos X se estudió la c omposición mineralógica de muestras de corona y
recortes de perforación, mediante los análisis de roca total y muestras orientadas. A partir de los resultados
obtenidos se grafica la distribución en cada pozo de los minerales de la roca total y argilominerales (Figura
13).
Con respecto a los componentes de la roca total, se pueden realizar distintos tipos de gráficos de acuerdo
a los resultados. Por ejemplo en las sucesiones carbonáticas mixtas con presencia de sulfatos de la
Formación Quintuco, se ha visto conveniente desarrollar gráficos de distribución en el pozo de: a) Roca
Total, b) Silicoclástico- Carbonático - Sulfato, c) Calcita vs. Dolomita, y d) Calcita-Dolomita-Siderit a-Yeso-
Anhidrita e) Arcillas (Figura 13).
Un modelo de regresión no lineal fue construido utilizando redes neuronales gaussianas con la información
sísmica pre y postapilamiento como entrada y los datos de pozos (registros cont inuos de c omponentes
arcillosos – calcáreos y discretos de facies clásticas) como salida. Este modelo fue admitido a partir de una
validación cruzada, y resultó ser el que mejor factor de correlación entre los datos reales y los calculados.
 Figura 13. Gráficos de distribución por difracción de rayos X.

Phie SP Rt Sw Indicador de Facies N

2550

1950

1750

2150
Dorsal de Huincul

Figura 14. Cubos de Facies Clásticas

Los modelos no lineales permitieron realizar una efectiva integración de datos de pozo no convencionales
con diversos tipos de atributos sísmicos, y esta integración se materializó en la construcción de c ubos de
Facies Clásticas y Porcentaje de Minerales Calcáreos a la resolución vertical de la sísmica (Figuras 14 y
15).
El análisis de Facies Clásticas permite modelar su distribución espacial y confirmar la fuerte influencia de la
Dorsal de Huincul sobre la depositación de las unidades subyacentes a la Formación Vaca Muerta (Figura
14).
Para los términos carbonáticos mixtos de la Formación Quintuco, el análisis de los c ubos de porc ent aje
permiten inferir la distribución areal y estratigráfica de las distintas rocas carbonáticas. Nuevamente se
destaca la probable influencia de la Dorsal de Huincul en el incremento de los niveles dolomíticos, aunque
existen otras regiones al norte del bloque donde las dolomías están acotadas tanto areal como
verticalmente, a zonas restringidas (Figura 15).

N S

Figura 15. Cubos de Porcentaje de Minerales Calcáreos.

Por otra parte la metodología descripta plantea la revalorización de la información de recortes de

perforación que sin duda constituye el muestreo más numeroso realizado durante las etapas de
exploración y desarrollo de yacimientos. Dichos datos, debidamente analizados e integrados al resto de la
información (perfiles y sísmica) son esenciales para el modelado geológico de los reservorios.

Flujo de trabajo N 4:
Información de roca (afloramientos, recortes de perforación, testigos laterales, núcleos), registros eléctricos
convencionales y especiales, información sísmica 3D pre y postapilamiento, datos de producción e
inyección, estudios de presión, etc.).
En este tipo de escenarios, correspondientes por lo general a yacimientos en avanzado est adio de
desarrollo, en etapa de avanzada inyección de agua (que muchas veces enmascara la producción original
de petróleo, y por ende, dificulta la ubicación de sondeos “in fill”), los datos e información disponibles s on
muchos y variados. Esta gran cantidad de información nos lleva a un proceso muy cuidadoso de
normalización y calibración de las mismas, máxime si esa importante historia de producción se des arrolló
en un tiempo significativo de explotación, situación que redundará en cierta heterogeneidad en los datos de
perfiles disponibles.
En este flujo de trabajo, los datos de producción, las historias de producción / inyección, y la información
de presión adquieren notoria importancia al momento de validar el modelado estructural, y de corroborar el
modelo petrofísico.
Sobre la base de conjunto de datos e información, el flujo de trabajo básico propuesto es el siguiente:
a) Interpretación petrofísica:
a. Ajuste Fluido - Roca – Perfil – Sísmica – Datos de Producción – Ensayos de Presión
b. Metodología Inversa o Determinística de Interpretación de Perfiles
b) Validación de la interpretación.
 a. Redes Neuronales y/o Modelado Petrofísico 3D y/o modelado sísmico. Correlación con
mapas de producción.
c) Modelado Geológico:
a. Modelado de facies en base a Sísmica 3D, Electrofacies, Testigos Coronas.
b. Modelado petrofísico (utilizando el modelado de facies y atributos sísmicos post
apilamiento cómo variable blanda en la interpolación por cokriging o en la cosimulación
gaussiana)
a) Interpretación petrofísica: Ajuste Roca – Perfil – Sísmica – Datos de Producción – E nsay os de
Presión: A lo mencionado en los flujos de trabajos anteriores con respecto a la posibilidad de
utilizar información sísmica postapilamiento, así cómo la información de roca disponible
(afloramientos, testigos coronas, testigos laterales, recortes de perforación), se incorporan dos
opciones debido a la gran cantidad de información disponible: Utilizar la técnic a de unidades de
flujo hidráulicas y/o los datos de ensayos de presión para la caracterización petrofísica de la
permeabilidad.
En muchos yacimientos, el simple análisis de los gráficos de correlación entre porosidad y permeabilidad
de coronas nos muestra la imposibilidad de obtener una única ley que vincule ambos parámetros
petrofísicos, puesto que para una misma porosidad la permeabilidad puede cambiar varios órdenes de
magnitud. Generalmente, la diagénesis y cierta complejidad sedimentaria juegan un papel preponderant e
en el comportamiento fluidodinámico de las rocas.
En estos casos, se recomienda evaluar la posibilidad de emplear la técnica de Unidades Hidráulicas de
Flujo. Según este método, estas unidades se definen por atributos geológicos (textura, mineralogía,
estructuras sedimentarias, etc.), y por propiedades petrofísicas (porosidad).
Esta metodología aplicada por Lauri et al (2002), fue descripta por Amaefule (1993) y se deriva de la ley de
Poiseuille (1840) para tubos rectos paralelos, y sus posteriores modificaciones hechas por Kozeny (1927)
y luego Kozeny-Carman (1958) para ser aplicado a medios porosos reales. Estas son las ecuaciones
fundamentales (Lauri et al 2005).

3 1
K= *
(1 −  ) Fs 2 S g 2
2

Vemos que la permeabilidad esta relacionada con la porosidad, el factor de forma (Fs), la tortuosidad (r), y
al área superficial por unidad de volumen (Sg). Se define FZI como el Indicador de Zonas de Flujo al
término que involucra a Fs, r, y Sg.
1
FZI =
Fs S g
También se define el Índice de Calidad de Reservorio RQI al término que involucra la (k/phi)^0.5. El fac t or
es una conversión a micrones.

K
RQI = 0.0314

Reemplazando, llegamos a la siguiente ecuación, donde PHIz es la relación entre la porosidad efectiva y el
volumen de grano.
RQI =  Z FZI
Aplicando logaritmos a la ecuación y graficando RQI vs. FZI en escala doble logarítmica vemos que es una
línea recta; y que todas las muestras con valores de FZI similares estarán alrededor de una única línea
recta y pertenecerán a una unidad de flujo. (Figura 16)
Luego, muestras pertenecientes a otras unidades de flujo estarán alrededor de rectas paralelas a la
mencionada.
CORRELACION RQI vs GRUPO POROSIDAD @ NOBP
SCI - FORMACION CAMPO INDIO

10

RQI (INDICE DE CALIDAD DE ROCA)

0.1

0.01

0.001
0.01 0.1 1
PHIZ = PHI / (1-PHI)
Figura 16. Gráfico de interrelación RQI vs. FZI
El valor medio de FZI es la intersección de cada recta con la coordenada PHIz=1.
Acto seguido, hay que realizar un histograma del logaritmo de FZI, donde queda registrada una
superposición de distribuciones log - normal.
En la figura 17 se pueden identificar las diferentes unidades hidráulicas de flujo, y obtener los FZImedio y
FZIcorte entre éstas. En la figura, por ejemplo, vemos que se pueden distinguir 7 unidades hidráulicas de
flujo.
Una vez identificadas las HU se calculan las respectivas leyes k - phi a través de la siguiente ecuación.

3
K = 1014(FZI medio )
2

SCI - Campo Indio - Histograma FZI

(1 −  2 )
20 2

18
FZImedia 1.8

16 1.6

14 FZIcorte 1.4
Frecuencia

12 1.2

10 1

8 0.8

6 0.6

4 0.4

2 0.2

0 0
-1

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.1

1.2

1.3

1.4

1.5
-1.3

-1.2

-1.1

-0.9

-0.8

-0.7

-0.6

-0.5

-0.4

-0.3

-0.2

-0.1

log Clase
FZI
Figura 17. Diferenciación de unidades hidráulicas de flujo y obtención de los FZImedio y FZIcorte entre éstas.
b) Validación de la interpretación: Para validar la interpretación petrofísica explicitada
anteriormente, se puede trabajar con las litofacies o electrofacies, y/o con las características
deposicionales y postdeposicionales, y/o con valores petrofísicos provenientes de coronas y de
análisis de registros eléctricos de pozos.
Continuando con el hipotético caso de las 7 unidades hidráulicas de flujo consideradas, una posible
validación agruparlas de acuerdo al tamaño de grano (diferenciando intervalos psamíticos gruesos,
medianos y finos); a la presencia y porcentaje de crecimiento secundario de cuarzo (por ejemplo, menor a
5%, entre 5 y 10%, más de 10%); al porcentaje de glauconita (menor a 6%, entre 6 y 12%, más de 12%); y
al valor de PHI calculado por perfiles (porosidades menores a 9%, porosidades entre 9% y 18%, y
porosidades mayores a 18%).
Si los grupos mantienen cierta “coherencia” en la clasificación implementada, podemos inferir que las
unidades hidráulicas de flujo calculadas y consideradas tienen sentido “geológico – petrofísico”
Otra forma de validar, en caso que se hayan realizado es la utilización de facies sísmicas (en caso que el
espesor de las unidades hidráulicas de flujo lo permita), y su asociación con las unidades hidráulicas de
flujo obtenidas.
Otra forma de validar es con redes neuronales. Por supuesto, no todos los pozos tienen testigos coronas ,
por lo que van a existir muchos pozos dónde no se calcularon las unidades hidráulicas de flujo. E n es t e
caso, se pueden utilizar las redes neuronales no sólo para validar la metodología, sino para ex trapolar el
estudio a los sondeos sin la mencionada información geológica.
Se recomienda dejar un pozo cómo “llave”, que no entre en el entrenamiento de la red. Si hay mucha
información de testigos coronas, se pueden reservar más de uno. En caso contrario, se puede opt ar por
emplear todos los sondeos y dejar como “test” tramos de éstos sin entrenar.
Hay que escoger los registros eléctricos de entrada, en base a los cuales se entrenara la red para obt ener
los FZI de coronas. Estos registros pueden ser adquiridos (rayos gamma, Inducción corta o profunda, perfil
sónico, perfil de densidad, etc.), o interpretados (porosidad efectiva, volumen de arcilla, etc.)
Una vez ajustadas las redes se procede calcular los FZI “sintéticos” en el resto de los pozos y empleando
los FZIcorte evaluados con las coronas se identifican las HU en todos los sondeos, para luego calcular las
permeabilidades sintéticas con los FZImed, a través de la ecuación ya mencionada:

3
K = 1014(FZI medio )
2

(1 −  2 )
c) Modelado Geológico: El último paso es la caracterización estática 3D. Al igual que el flujo
anterior, cualificar y cuantificar la correlación entre los datos de perfiles, los dat os de c oronas (a
través de las unidades hidráulicas de flujo) y la información sísmica 3D disponible, es la primera
etapa. Una vez habilitada la información sísmica (pre o postapilamiento, y dentro de esta última las
facies sísmicas), está es usada para el modelado de facies y el modelado petrofísico.
Previamente, se utilizaron los datos de producción / inyección y de los ensayos de presión para validar el
marco estructural – estratigráfico. Para ello, se procedió a relacionarlo con la historia de produc ción del
campo, utilizando los mapas de conectividades hidráulicas que representan, cualitativamente, el grado de
vinculación entre inyectores y productores.
De esta forma, el modelo estructural debe responder a particularidades cómo el diferente grado de
conectividades hidráulicas entre pozos productores e inyectores, la irregular presurización de pozos
inyectores, diferencias en el factor de recuperación y en las acumuladas de petróleo en zonas del mis mo
yacimiento; y hasta la existencia de pozos productores con un comportamiento típico de declinación
primaria, hecho que muchas veces contrasta con la avanzada recuperación secundaria que se ha
desarrollado en estos yacimientos maduros.
A los efectos de corroborar el modelo y a la vez incorporarle información adicional, se pueden realizar e
interpretar ensayos de presión (build up y fall off), cuyos resultados serán muy import antes a la hora de
definir el carácter hidráulico de las discontinuidades, ya que su integración con el comportamiento de los
pozos brinda mayor certeza sobre el carácter sellante de las fallas.
La última etapa de la caracterización consistió en el modelado de la saturación de hidrocarburos en base a
los datos de producción. Para ello se escogen todos los pozos perforados durante la misma campaña, que
tengan una historia de producción de más de 1 año al momento de iniciar el programa de inyección de
agua. Los datos de producción acumulada se normalizan a 1 año (Figura 18), y se realiza un mapa de
acumuladas de hidrocarburos normalizadas con dichos valores.
Estos son llevados a una grilla de sólo una celda en la vertical, quedando así asignado un valor de NP para
las celdas que contienen a los pozos.
Con esta información en las celdas de la grilla, se procede a realizar un modelado geoestadístico pero
utilizando para la propagación de la producción acumulada los mismos parámetros (tendencia, rangos
horizontales mayores y menores, rango vertical, etc.), obtenidos del análisis de la información pet rofís ica

Datos de producción normalizados

(porosidad, saturación de agua, volumen de arcilla y permeabilidad).

Figura 18. Producción normalizada.

Entonces, partiendo de las premisas que las celdas que tienen acumulada son aquellas que pres ent an
condiciones petrofísicas favorables que las convierten en las más apropiadas para ser drenadas; y que el
valor absoluto de la producción acumulada en las celdas de los pozos no es del todo exacto puesto que en
un pozo existen más de una celda a la que se le puede asociar la producción; se procedió a dis tribuir la
acumulada normalizada a todas las celdas del modelo original.
Esta distribución no es real en su cuantificación absoluta (la producción da mucho más que la real del
campo), pero mantienen una coherencia y un factor de relación con la acumulada total. Es decir,
cualitativamente es el mismo comportamiento.
Con una simple operación matemática, se genera una variable que guarde el porcentaje de la ac umulada
normalizada, siendo esta el resultado del cociente entre la acumulada normalizada distribuida, y la
sumatoria de la misma.
El último paso es aplicar a la acumulada normalizada total el porcentaje de dicha acumulada para así
obtener una acumulada normalizada real para cada celda. (Figura 19)

Acumulada distribuida
Figura 19. Mapa de producción normalizada producto del modelado geoestadístico.

La figura 20 muestra el flujo de trabajo propuesto:

 ✓ Electrofacies
✓ Testigos Coronas
✓ Atributos Sísmicos 3D
Pre y posapilamiento
✓ Unidades Hidráulicas de
Flujo

✓ Análisis Inverso o Ajuste MODELO 3D:

Determinístico
Marco Modelado Distribución pozos, información
Petrofísico (perfiles
estructural - de Facies propiedades sísmica (post
+ cutting + núcleos)
estratigráfico petrofísicas stack), y datos de
✓ Unidades
Hidráulicas de Flujo producción.

✓ Marco Estructural
Sísmica 2D /3D
✓ Historia de
Producción –
Inyección
✓ Ensayos de Presión

✓ Atributos Sísmicos 3D Pre y posapilamiento

✓ Facies Sísmicas
✓ Datos de Producción
Figura 20. Flujo de trabajo Nº 4.

Ejemplo de aplicación Flujo de Trabajo 4: “Modelado de reservorios 3D a partir de i nform aci ón de

pozos, producción y sísmica 3D. Experiencia en el reservorio Avilé del yacimiento Puesto
Hernández, Neuquén, Argentina.” V INGEPET. Lima, 2005. Autores: Aldo Montagna, André Picarelli,
Sergio Barros.
En este trabajo se presenta el modelado geocelular del Miembro Avilé de la F. Agrio en el yacimiento
Puesto Hernández, ubicado en el norte de la cuenca Neuquina, Argentina.
Se trata de depósitos continentales y marino someros, predominando en el área del yacimiento los de
origen eólico. El espesor promedio es del orden de 25 metros con máximos de 35 met ros en el máximo
espesor de la duna, y mínimos del orden de un metro en las zonas de interdunas o hacia el norte donde los
depósitos culminan con un “pinch-out”.
El flujo de trabajo se hizo en base a las siguientes tareas (Figura 21):
✓ Mapa de Electrofacies (SP,
PEF, Testigos Coronas)
✓ Atributos Sísmicos (Fuerza de
Reflexión, Frecuencia Instantánea)

✓ Análisis Determinístico Ajuste MODELO 3D: pozos,

Marco estructural - Distribución
Petrofísico (perfiles + Modelado de
estratigráfico propiedades información sísmica (post
cutting + núcleos) Facies
petrofísicas stack), y datos de
(Simulación Gaussiana producción.
-
✓ Marco Estructural Sísmica 3D
Cokriging)
✓ Afloramientos
✓ Historia de Producción –
Inyección Modelo Predictivo
✓ Ensayos de Presión
✓ Atributos Sísmicos 3D
(Fuerza de Reflexión, Frecuencia
Instantánea)
✓ Facies Sísmicas
✓ Datos de Producción
Figura 21. Flujo de trabajo utilizado.
Por lo general, las características petrofísicas más favorables se localizan en las zonas de máximo
espesor; observándose notorias variaciones (disminución de porosidad), relacionadas con la desaparición
del campo de dunas.
Al momento de realizar el trabajo, nos encontramos con una problemática representada por una gran
variación areal de la porosidad que actúa, por un lado, como límite de la zona productiva, y por otra part e,
como una barrera de transmisibilidad entre pozos; una distribución areal irregular de los pozos, que
dificultan el modelado petrofísico; y por último, una avanzada inyección de agua, que enmascara la
producción primaria de petróleo.
A partir de una excelente correlación sísmica - petrofísica, fundamentalmente entre la amplitud sísmica, el
atributo de traza compleja fuerza de reflexión y el espesor y la porosidad, se desarrolla el modelado
estático de reservorios.
Para el mismo se utilizan los registros de volumen de arcilla, porosidad efectiva, saturación de agua y
permeabilidad de 81 pozos; el mencionado cubo sísmico y los datos de producción de todos los pozos. E n
el caso de la producción, se trabajó tanto con la producción total de cada pozo, y por otra parte con la
producción normalizada a un año en aquellos pozos perforados previamente al comienzo de la iny ección
de agua.
Se obtuvo así un modelo petrofísico y de producción, que permitió mejorar el conocimiento del reservorio,
obtener un ajustado modelo estático, y por último, obtener un modelo de predicción a nivel petrofísico y de
producción, esencial para la planificación y desarrollo de nuevas perforaciones (Figura 22).

Distribición de las acumuladas en un modelo de 1 celda

Vínculo producción - sísmica

Acumulada distribuida

Figura 22. Modelado de la producción del Mbo. Avilé

La corroboración del modelo se realizó con 5 pozos (situados a distancias que fluctúan entre 645 m. y
2135 m. de los pozos más cercanos), dónde se predijeron propiedades petrofísicas similares a las reales y
producciones normalizadas calculadas con diferencias menores al 10% de las reales (Figura 23).
 Pozo más cercano: 645 m. Pozo más cercano: 1938 m.

Registros reales vs. Registros estimados

Producción real vs. Producción estimada
POZOS AC U MU LAD A R EAL AC U MU LAD A EST IMAD A
PH-77 12581 14620
PH-80 11529 12022
PH-114 18189 19945

Figura 23. Nivel de predicción petrofísica y de producción alcanzado.

Conclusiones
1. A pesar que la elección del flujo de trabajo debería estar fuertemente influenciada por las
características del reservorio a caracterizar a partir del modelado geocelular 3D, en muchas
ocasiones factores cómo el conjunto de datos e información disponible; la tecnología existente
al alcance del geocientista; las técnicas de interpretación utilizadas, e incluso, la naturaleza y
experticia de los recursos humanos intervinientes terminan definiendo el real flujo de t rabajo
seguido.
2. Los cuatro flujos de trabajo presentados son a título general y con la sola intención de ordenar
la confección de un modelado geocelular 3D. Las tareas y trabajos que se describen dentro de
cada uno de ellos no son solamente limitativos ni exclusivos, sino que pueden formar part e de
otro flujo si los datos e información y las necesidades de caracterización así lo requieran.
3. El hecho de simplificar la diversidad de flujos existentes en cuatro opciones es totalmente
parcial y arbitrario. La realidad nos marca que existen tantos flujos de trabajo cómo conjuntos
de datos e información, herramientas tecnológicas y técnicas disponibles y fundamentalmente,
de acuerdo a la combinación que de estos elementos se realice.
4. Conocer de antemano el o los flujos de trabajo existentes es crucial, fundamental, para poder
adoptar medidas y trabajos concernientes a la mejor concreción y desarrollo de la
caracterización estática perseguida. De esta forma, acciones como adquisición de datos o
tecnologías puede planificarse para la confección del mejor modelado geocelular 3D posible.
5. La caracterización estática de reservorios a partir del modelado geocelular 3D es una
excelente oportunidad de integrar información proveniente de distintas disciplinas (G&G,
reservorios, construcción de pozos, producción, etc.)
 6. La aplicación de técnicas no convencionales o poco frecuentes (interpretación inversa de
perfiles, unidades hidráulicas de flujo, facies sísmicas, estadística multipunto, historia de
producción normalizada, etc.), enriquecen técnicamente la caracterización estática,
permitiendo modelos más robustos y más confiables.
7. Independientemente del flujo escogido, el modelado geocelular 3D es una excelente
herramienta para la integración de datos e información, la mejor y mayor comprensión del
reservorio estudiado, la visualización del modelo de subsuelo, y, la predicción de nuevas
perforaciones y/o reparaciones.

Bibliografía
Amaefule, J.; Altunbay, M.; Tiab, D.; Kersy, D.; Keelan, D. (1993) Enhanced reservoir description usi ng
core and log data to identify hydraulic (flow) units and predict permeability in uncored
intervals/wells. SPE 26436 at SPE Annual Meeting, Houston, Texas. Octubre. 1993
Amaefule, J.; Eleri, V.; Valenzuela, M.; Fernandez, G. (2000) Chihuido de la Sierra Negra. Una
descripción mejorada mediante el concepto de Unidades de Flujo. II Congreso de Producción, IA PG,
2000
Journel A.; Zhang, T. (2006) The necessity of a multiple-point prior model. Jour. Math. Geol. V38, Nro.
4
Larriestra, C.; Poiré, D.; García, R. (2005) Integración no lineal de atributos sísmicos y datos de poz o
no convencionales: difracción de rayos x y facies clástica. VI Congreso de Hidrocarburos. Mar del
Plata, 2005.
Lauri, J.; Traverso, J.; Naides, C. (2002) Modelo petrofísico predictivo aplicando el concepto de
unidades hidráulicas de flujo en la formación Springhill, en un área de la Cuenca Austral, Argentina.
V Congreso de Exploración y Desarrollo de Hidrocarburos. Mar del Plata, 2002.
Marteau, V.; Montagna, A.; Larriestra, C.; Curia, D. (2001) Modelado geoestadísti co tri di mensi onal a
partir de perfiles de pozo en un yacimiento de la cuenca neuqui na, Argentina. I EXITEP. México,
2001.
Montagna, A.; Sánchez de Bustamante, A. (2002) Caracterización estática de reservorios con datos de
pozo aplicando conjuntamente las técnicas de litotipos y redes neuronales. V Congreso de
Exploración y Desarrollo de Hidrocarburos. Mar del Plata, 2002.
Montagna, A.; Albizúa, G., Díaz Peralta, D. (2002) Integración de sísmica 3D, ensayos de pozo y datos
de producción optimizan recuperación secundaria en reservorio maduro. Puesto Hernández,
Neuquén, Argentina. IV INGEPET. Lima, 2002.
Montagna, A.; Barros, S. (2004) 3D Reservoir Modeling using seismic data. II SIS Forum. Paris 2004
Montagna, A; Picarelli, A.; Barros, S. (2005) Modelado de reservorios 3D a parti r de i nform ación de
pozos, producción y sísmica 3D. Experiencia en el reservorio Avilé del yacimiento Puesto
Hernández, Neuquén, Argentina. V INGEPET. Lima, 2005.
Montagna, A.; Santiago, E.; Barros, S. (2007) Metodología de evaluación petrofísica aplicada al
análisis de áreas exploratorias en la República Argentina. Congreso Geociencias 2007. Cuba. 2007.
Montagna, A. (2008) Algunas consideraciones sobre flujos de trabajo de G&G y su rel aci ón con el
manejo y gestión de los datos e información y las herramientas tecnológicas existentes. Presentado
en el VII Congreso de Hidrocarburos. Mar del Plata, 2008.
Pecuch, D.; Lasalle, D.; Larriestra, C. (2005) Modelo predictivo de propiedades petrofísicas basado en
la integración no lineal de datos sísmicos y de pozo. VI Congreso de Hidrocarburos. Mar del Plata,
2005.
Quinteros, J.; Montagna, A.; Pimentel Mendes, M.; Watanabe, G. (2005) Aplicación del modelado
geocelular en la reactivación del yacimiento Borde Montuoso, Neuquén, Argentina. V INGEPET.
Lima, 2005.
Zhang, T.; Switzer, P.; Journel A. (2006) Filter-based classification of training image patterns for
spatial simulation. Jour. Math. Geol., V38, Nro. 1