1 |
[en] SEISMIC TO FACIES INVERSION USING CONVOLVED HIDDEN MARKOV MODEL / [pt] INVERSAO SÍSMICA PARA FÁCIES USANDO MODELO DE MARKOV OCULTO COM EFEITO CONVOLUTIVOERICK COSTA E SILVA TALARICO 07 January 2019 (has links)
[pt] A indústria de óleo e gás utiliza a sísmica para investigar a distribuição
de tipos de rocha (facies) em subsuperfície. Por outro lado, apesar de seu
corriqueiro uso em geociências, medidas sísmicas costumam ser ruidosas, e
a inversão do dado sísmico para a distribuição de facies é um problema mal
posto. Por esta razão, diversos autores estudam esta inversão sob o ponto
de vista probabilístico, para ao menos estimar as incertezas da solução do
problema inverso. O objetivo da presente dissertação é desenvolver método
quantitativo para estimar a probabilidade de reservatório com hidrocarboneto,
dado um traço sísmico de reflexão, integrando modelagem sísmica
direta, e conhecimento geológico a priori. Utiliza-se, um dos métodos mais
recentes para resolver o problema inverso: Modelo de Markov Oculto com
Efeito Convolucional (mais especificamente, a Aproximação por Projeção
de (1)). É demonstrado que o método pode ser reformulado em termos do
Modelo de Markov Oculto (MMO) ordinário. A teoria de sísmica de AVA
é apresentada, e usada conjuntamente com MMO com Efeito Convolucional
para resolver a inversão de sísmica para facies. A técnica de inversão
é avaliada usando-se medidas difundidas em Aprendizado de Máquina, em
um conjunto de experimentos variados e realistas. Apresenta-se uma técnica
para medir a capacidade do algoritmo em estimar valores confiáveis
de probabilidade. Pelos testes realizados a aproximação por projeção apresenta
distorções de probabilidade inferiores a 5 por cento, tornando-a uma técnica
útil para a indústria de óleo e gás. / [en] Oil and Gas Industry uses seismic data in order to unravel the distribution
of rock types (facies) in the subsurface. But, despite its widespread use,
seismic data is noisy and the inversion from seismic data to the underlying
rock distribution is an ill-posed problem. For this reason, many authors
have studied the topic in a probabilistic formulation, in order to provide
uncertainty estimations about the solution of the inversion problem. The
objective of the present thesis is to develop a quantitative method to estimate
the probability of hydrocarbon bearing reservoir, given a seismic
reflection profile, and, to integrate geological prior knowledge with geophysical
forward modelling. One of the newest methods for facies inversion is
used: Convolved Hidden Markov Model (more specifically the Projection
Approximation from (1)). It is demonstrated how Convolved HMM can be
reformulated as an ordinary Hidden Markov Model problem (which models
geological prior knowledge). Seismic AVA theory is introduced, and used
with Convolved HMM theory to solve the seismic to facies problem. The
performance of the inversion technique is measured with common machine
learning scores, in a broad set of realistic experiments. The technique capability
of estimating reliable probabilities is quantified, and it is shown
to present distortions smaller than 5 percent. As a conclusion, the studied Projection
Approximation is applicable for risk management in Oil and Gas
applications, which integrates geological and geophysical knowledge.
|
2 |
[pt] INCORPORAÇÃO DA INCERTEZA DOS PARÂMETROS DO MODELO ESTOCÁSTICO DE VAZÕES NA POLÍTICA OPERATIVA DO DESPACHO HIDROTÉRMICO / [en] STOCHASTIC HYDROTHERMAL SCHEDULING WITH PARAMETER UNCERTAINTY IN THE STREAMFLOW MODELSBERNARDO VIEIRA BEZERRA 26 October 2015 (has links)
[pt] O objetivo do planejamento da operação hidrotérmica de médio e longo
prazo é definir as metas para geração de cada hidroelétrica e termelétrica, a fim de
atender à carga ao menor custo esperado de operação e respeitando as restrições
operacionais. Algoritmos de Programação Dinâmica Estocástica (PDE) e de
Programação Dinâmica Dual Estocástica (PDDE) têm sido amplamente aplicados
para determinar uma política operativa ideal o despacho hidrotérmico. Em ambas
as abordagens a estocasticidade das afluências é comumente produzida por
modelos periódicos autoregressivos de lag p - PAR(p), cuja estimativa dos
parâmetros é baseada nos dados históricos disponíveis. Como os estimadores são
funções de fenômenos aleatórios, além da incerteza sobre as vazões, também há
incerteza sobre os parâmetros estatísticos, o que não é capturado no modelo PAR
(p) padrão. A existência de incerteza nos parâmetros significa que há um risco de
que a política da operação hidrotérmica planejada não será a ótima. O objetivo
desta tese é apresentar uma metodologia para incorporar a incerteza dos
parâmetros do modelo PAR (p) no problema de programação estocástica
hidrotérmica. São apresentados estudos de caso ilustrando o impacto da incerteza
dos parâmetros nos custos operativos do sistema e como uma política operativa
que incorpore esta incerteza pode reduzir este impacto. / [en] The objective of the medium and long-term hydrothermal scheduling
problem is to define operational target for each power plant in order to meet the
load at the lowest expected cost and respecting the operational constraints.
Stochastic Dynamic Programming (SDP) and Stochastic Dual Dynamic
Programming (SDDP) algorithms have been widely applied to determine the
optimal operating policy for the hydrothermal dispatch. In both approaches, the
stochasticity of the inflows is usually produced by periodic auto-regressive
models - PAR (p), whose parameters are estimated based on available historical
data. As the estimators are a function of random phenomena, besides the inflows
uncertainty there is statistical parameter uncertainty, which is not captured in the
standard PAR (p) model. The existence of uncertainty in the parameters means
that there is a risk that the hydrothermal operating policy will not be optimal. This
thesis presents a methodology to incorporate the PAR(p) parameter uncertainty
into stochastic hydrothermal scheduling and to assess the resulting impact on the
computation of a hydro operations policy. Case studies are presented illustrating
the impact of parameter uncertainty in the system operating costs and how an
operating policy that incorporates this uncertainty can reduce this impact.
|
Page generated in 0.0328 seconds