Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Febrero, 2023
Unidad4
Modelamiento de propiedades petrofísicas.
4.1. Fundamentación del modelaje de propiedades petrofísicas.
4.2. Geoestadística espacial.
4.3. Flujo de trabajo y Limitaciones.
Aproximaciones del Modelamiento Tradicional
Modelos Físicos
Modelos Matemáticos
un objeto que se mediciones directas de modelado debe ser
investiga, las las propiedades de flujo expresado en
propiedades de otro en medios porosos ecuaciones
análogo que ya es matemáticas.
conocido Este proceso casi
siempre involucra
asunciones. Desde un
punto de vista práctico,
las asunciones y/o
aproximaciones son
necesarias para hacer el
problema manejable
Aproximaciones del Modelamiento Tradicional
Modelo
Físico
Aproximaciones del Modelamiento Tradicional
Modelo
Matemático
𝜕2𝑝
=0 ➔ p=p0 at x=0, p=pL at x=L
𝜕𝑥 2 𝜕𝑝
Distribucion de Presion = 𝐶1 𝑝 𝑥 = 𝐶1 𝑥 + 𝐶2
1.2 𝜕𝑥
1 𝑝0 = 𝐶2
0.8
Presion
0.6 𝑝𝐿 = 𝐶1 𝐿 + 𝑝0
0.4
0.2
𝑝𝐿 − 𝑝0
0
𝑝 𝑥 = 𝑥 + 𝑝0
0 0.2 0.4 0.6 0.8
Longitud
1 1.2 1.4 1.6
𝐿
Modelos
Analiticos
Modelos
Estocásticos
Modelo
Matemático Modelos
Modelos Numéricos
Determinísticos
Modelos
Estocásticos
Aproximaciones
Estadísticas
Modelos (mi − mo ) j + (ms ) j = maj
Deterministicos
Balance de
Materia
S o
( )
− . M o k . p − oDz = Ro sc
t Bo
S w
( )
− . M w k . p − Pcow − wDz = Rw sc
t Bw
S g Rs So
Rs M o R M
+ − . M g k .1 + p + Pcgo − g + s o Dz = Rg sc
t Bg
Bo Mg M g
Modelos
Analiticos
Modelos
Numéricos
➔ Fundamentación del modelaje de propiedades petrofísicas
Modelo
Geoestadístico
Modelo
de Datos
Modelo
Simulación
Estructural
Estocástica
VIII VIII
VII
z VII
VI
x VI
Modelo y
V V
Estratigráfico IV
Modelo
IV
Estático
Poblar espacialmente los volúmenes
interpozos, interpolando la información
Modelo
Sedimentológico
Modelo Modelo
Petrofísico Estático
➔ Geoestadística Espacial
ETAPA 2
Distribuciones Discretas Distribuciones Contínuas
Histogramas
Medidas de Tendencia
Medidas de Dispersión
Central
Uniforme Gamma
Papel Probabilístico
Media Varianza
Binomial Exponencial
Cross-plots ó
Scatter-plots
Mediana Desviación Estándar
Multinomial Ji cuadrada
Frecuencia Acumulada
Moda Coef. Variación
Weibull
Binomial Negativa
Geométrica Gaussiana
Hipergeométrica Lognormal
Poisson
Construcción del Variograma Selección y Construcción del Validación del Modelo Obtención de los
Gaussiano
Efecto Agujero
Etapa3: Análisis Estructural de los Datos
El variograma o
semivariograma, es una
herramienta que permite analizar
el comportamiento espacial de una
variable sobre un área definida,
obteniendo como resultado la
influencia de los datos a diferentes
distancias
SPE56654. Methodology for Variogram Interpretation and Modeling for Improved Reservoir Characterization
E. Gringarten, SPE, Landmark Graphics Corp., and C. V. Deutsch, SPE, University of Alberta
La expresión matemática que define al Variograma, se establece como la media de
las diferencias cuadráticas entre pares de muestras, separadas por una distancia h:
1
*( h ) =
2 N (h )
( z ( xi ) − z ( x j )) 2
xi − x j = h
Variograma Experimental – Descripción Espacial
Interpretación de un Variograma Experimental
fn(k)
0.6 0.0005
K
0.0004
28 784 26.6
0.4 29 491 26.2
0.0003
30 623 31.3
0.0002
0.2
31 557 25.5
0.0001
32 937 35.8
0 0
0 0.5 1 1.5 2 2.5 3 3.5 33 854 27.9
LogK, mD
34 818 27.2
35 363 28.5
36 306 31.5
Modelos teóricos del
Semivariograma
Modelo Esférico:
(h) = C [ (3/2)(h/a) - ½(h/a)3 ] ha
(h) = C h>a
Modelo Exponencial:
Rango, m 3
Rango, m 3
Meseta 0.15
Meseta 0.15
Pepita 0.02
Etapa4: Análisis Geoestadístico
Simulación Cosimulación
Kriging Cokriging
Secuencial Secuencial
Gaussiana Colocada
Simple Simple
Ordinario Ordinario
Colocado
Kriging
El krigeaje o krigeado es un método geoestadístico de estimación de puntos que utiliza un
modelo de variograma para la obtención de datos. Calcula los pesos que se darán a cada punto
de referencias usados en la valoración. Esta técnica de interpolación se basa en la premisa de
que la variación espacial continúa con el mismo patrón.
n
z (x ) = i z(x i )
*
i =1
Kriging Simple Kriging Ordinario
n n
i ij
2
= oj
2
j = 1, ..., n
i =1
i ij 2 = oj 2 + j = 1, ..., n
i =1
Covarianza: Es una medida de la variación común a dos variables y, por tanto, una
medida del grado y tipo de su relación. Usada en Geoestadística como la simple inversión
del semivariograma.
𝛾 ℎ =𝐶 0 −𝐶 ℎ
𝛾 ℎ = 𝜎𝑖𝑖2 − 𝜎𝑖𝑗2 ; ℎ = 𝑑𝑖𝑠𝑡(𝑖, 𝑗)
Variograma
Variograma
Covarianza
Distancia
Ejemplo – Etapa4: Kriging Ordinario
X2
=5%
20 m
O
=?
X3
=15%
X1
=10%
i =1
i ij 2 = oj 2 + j = 1, ..., n
11
2
... 12n 1 1 01
2
.
. ... . 1
x = .2
0.01h h 400
(h ) =
n21 ... nn
2
1 n 0n
1 0 1
h 400
1 1
4
11
2
12
2
13
2
1 1 01
2
2 2
21 22
2
23
2
1
x 2 = 02 112 = 222 = 332 = Cov(0) = 4
31 1 03
2
32 33 3 012 = 022 = 032 = Cov(100) = Cov(0) − (100) = 4 − (0.01*100) = 3
2 2 2
1 1 1 0
1
122 = 212 = 132 = 312 = Cov(0) − (200) = 2
232 = 322 = Cov(0) − (20) = 3.8
𝛾 ℎ = 𝜎𝑖𝑖2 − 𝜎𝑖𝑗2 ; ℎ = 𝑑𝑖𝑠𝑡(𝑖, 𝑗)
Weight Vector
A x = B 1 0.487
4 2 2 1 1 3 2 0.256
2 4 3 .8 1 3 = A −1
x B 3 = 0.256
x 2 = 0.026
2 3 .8 4 1 3 3 sum of weights = 1.000
(o ) = 10(0.487) + 5(0.256) + 15(0.256) = 9.99%
1 1 1 0 1
Trabajo Autónomo:
Estimación Geoestadística – Kriging Ordinario
Instrucciones:
A continuación se presenta el siguiente ejercicio con el objetivo de que usted
pueda reforzar conocimientos adquiridos en clase, y desarrollar habilidad
numérica en la aplicación de la técnica de estimación estadística Kriging
Ordinario. Como evidencia se pide la carga del ejercicio desarrollado en una
hoja de cálculo Excel
Problema:
La figura 1 muestra la distribución de permeabilidad en un yacimiento
heterogéneo de petróleo en 7 locaciones llamadas 1 a 7. Se requiere estimar
la permeabilidad en la locación denominada 0, en la cual ninguna muestra fue
tomada.
Trabajo en Clase: Estimación Geoestadística – Kriging Ordinario
Fuente: www.revistarupturas.com/debacle-petrolera.html
Trabajo Autónomo: Estimación Geoestadística – Kriging Ordinario
Se pide:
Simulación Cosimulación
Kriging Cokriging
Secuencial Secuencial
Gaussiana Colocada
Simple Simple
Ordinario Ordinario
Colocado
➔ Flujo de Trabajo y Limitaciones
Desventajas
• Las técnicas geoestadísticas permiten la manipulación solo de los datos disponibles. Las
incertidumbres pueden ser reducidas al incorporar datos adicionales.