Previamente à cada estimativa ou simulação geoestatística os domínios geológicos do depósito devem ser modelados, o que tradicionalmente é feito de forma manual por um geomodelador, em um processo laborioso, demorado e subjetivo. Por essa razão novas técnicas conhecidas como métodos implícitos veem surgindo. Essas técnicas fornecem algoritmos que substituem o processo de digitalização manual dos métodos explícitos por alguma forma de procedimento automático. Essa dissertação visita alguns métodos implícitos bem estabelecidos com atenção especial à modelagem geológica implícita com funções distância assinalada. Um estudo de caso em um banco de dados real é apresentado e a aplicabilidade do método discutida. Embora não substitua por completo um geomodelador experiente, o método provou ser capaz de gerar modelos geológicos semi-automáticos realistas a partir dos dados amostrais, e se mostra útil principalmente nas fases iniciais da pesquisa mineral. / Prior to every geostatistical estimation or simulation study there is a need for delimiting the geologic domains of the deposit, which is traditionally done manually by a geomodeler in a laborious, time consuming and subjective process. For this reason, novel techniques referred to as implicit modelling have appeared. These techniques provide algorithms that replace the manual digitization process of the traditional methods by some form of automatic procedure. This dissertation covers a few well established implicit methods currently available with special attention to the signed distance function methodology. A case study based on a real dataset was performed and its applicability discussed. Although it did not replace an experienced geomodeler, the method proved to be capable in creating semi-automatic geological models from the sampling data, especially in the early stages of exploration.

Previamente à cada estimativa ou simulação geoestatística os domínios geológicos do depósito devem ser modelados, o que tradicionalmente é feito de forma manual por um geomodelador, em um processo laborioso, demorado e subjetivo. Por essa razão novas técnicas conhecidas como métodos implícitos veem surgindo. Essas técnicas fornecem algoritmos que substituem o processo de digitalização manual dos métodos explícitos por alguma forma de procedimento automático. Essa dissertação visita alguns métodos implícitos bem estabelecidos com atenção especial à modelagem geológica implícita com funções distância assinalada. Um estudo de caso em um banco de dados real é apresentado e a aplicabilidade do método discutida. Embora não substitua por completo um geomodelador experiente, o método provou ser capaz de gerar modelos geológicos semi-automáticos realistas a partir dos dados amostrais, e se mostra útil principalmente nas fases iniciais da pesquisa mineral. / Prior to every geostatistical estimation or simulation study there is a need for delimiting the geologic domains of the deposit, which is traditionally done manually by a geomodeler in a laborious, time consuming and subjective process. For this reason, novel techniques referred to as implicit modelling have appeared. These techniques provide algorithms that replace the manual digitization process of the traditional methods by some form of automatic procedure. This dissertation covers a few well established implicit methods currently available with special attention to the signed distance function methodology. A case study based on a real dataset was performed and its applicability discussed. Although it did not replace an experienced geomodeler, the method proved to be capable in creating semi-automatic geological models from the sampling data, especially in the early stages of exploration.

Previamente à cada estimativa ou simulação geoestatística os domínios geológicos do depósito devem ser modelados, o que tradicionalmente é feito de forma manual por um geomodelador, em um processo laborioso, demorado e subjetivo. Por essa razão novas técnicas conhecidas como métodos implícitos veem surgindo. Essas técnicas fornecem algoritmos que substituem o processo de digitalização manual dos métodos explícitos por alguma forma de procedimento automático. Essa dissertação visita alguns métodos implícitos bem estabelecidos com atenção especial à modelagem geológica implícita com funções distância assinalada. Um estudo de caso em um banco de dados real é apresentado e a aplicabilidade do método discutida. Embora não substitua por completo um geomodelador experiente, o método provou ser capaz de gerar modelos geológicos semi-automáticos realistas a partir dos dados amostrais, e se mostra útil principalmente nas fases iniciais da pesquisa mineral. / Prior to every geostatistical estimation or simulation study there is a need for delimiting the geologic domains of the deposit, which is traditionally done manually by a geomodeler in a laborious, time consuming and subjective process. For this reason, novel techniques referred to as implicit modelling have appeared. These techniques provide algorithms that replace the manual digitization process of the traditional methods by some form of automatic procedure. This dissertation covers a few well established implicit methods currently available with special attention to the signed distance function methodology. A case study based on a real dataset was performed and its applicability discussed. Although it did not replace an experienced geomodeler, the method proved to be capable in creating semi-automatic geological models from the sampling data, especially in the early stages of exploration.

Reconciling high-resolution geologic models to field production history is still a very time-consuming procedure. Recently streamline-based assisted and automatic history matching techniques, especially production data integration by “travel-time matching,” have shown great potential in this regard. But no systematic study was done to examine the merits of travel-time matching compared to more traditional amplitude matching for field-scale application. Besides, most applications were limited to two-phase water-oil flow because current streamline models are limited in their ability to incorporate highly compressible flow in a rigorous and computationally efficient manner. The purpose of this work is fourfold. First, we quantitatively investigated the nonlinearities in the inverse problems related to travel time, generalized travel time, and amplitude matching during production data integration and their impact on the solution and its convergence. Results show that the commonly used amplitude inversion can be orders of magnitude more nonlinear compared to the travel-time inversion. Both the travel-time and generalized travel time inversion (GTTI) are shown to be more robust and exhibit superior convergence characteristics. Second, the streamline-based assisted history matching was enhanced in two important aspects that significantly improve its efficiency and effectiveness. We utilize streamline-derived analytic sensitivities to determine the location and magnitude of the changes to improve the history match, and we use the iterative GTTI for model updating. Our approach leads to significant savings in time and manpower. Third, a novel approach to history matching finite-difference models that combines the efficiency of analytical sensitivity computation of the streamline models with the versatility of finite-difference simulation was developed. Use of finite-difference simulation can account for complex physics. Finally, we developed an approach to history matching three-phase flow using a novel compressible streamline formulation and streamline-derived analytic sensitivities. Streamline models were generalized to account for compressible flow by introducing a relative density of total fluids along streamlines and a density-dependent source term in the saturation equation. The analytical sensitivities are calculated based on the rigorous streamline formulation. The power and utility of our approaches have been demonstrated using both synthetic and field examples.

Little Cedar Creek field is a mature oil field located in southeastern Conecuh County, Alabama, in the northeastern Gulf of Mexico. As of May 2012, 12.5 MMBLS of oil and 14.8 MMCF of natural gas have been produced from the field area. The main reservoirs are microbial carbonate facies and associated nearshore high energy shoal facies of the Upper Jurassic Smackover Formation that overlie conglomerate and sandstone facies of the Norphlet Formation and underlie the argillaceous, anhydritic-carbonaceous facies of the Haynesville Formation. These carbonate reservoirs are composed of vuggy boundstone and moldic grainstone, and the petroleum trap is stratigraphic being controlled primarily by changes in depositional facies. To maximize recovery and investment in the field, an integrated geoscientific-engineering reservoir-wide development plan is needed, including reservoir characterization, modeling, and simulation. This research presents a workflow for geological characterization, formation evaluation, and 3D geologic modeling for fields producing from microbial carbonates and associated reservoirs. The workflow is used to develop a 3D geologic model for the carbonate reservoirs. Step I involves core description and thin section analysis to divide and characterize the different Smackover facies in the field area into 7 units. The main reservoir facies are the microbial boundstone characterized by vuggy porosity and nearshore/shoal grainstone characterized by moldic porosity. Step II is well log correlation and formation evaluation of 113 wells. We use wireline logs and conventional core data analysis data to calculate average porosity values, permeability and water saturations. Neural networks are utilized at this stage to derive permeability where core measurements are absent or partially present across the reservoirs. Step III is building the 3D structural and stratigraphic framework that is populated with the petrophysical parameters calculated in the previous step. Overall, the integration of reservoir characterization, formation evaluation, and 3D geologic modeling provides a sound framework in the establishment of a field/reservoir-wide development plan for optimal primary and enhanced recovery for these Upper Jurassic microbial carbonate and associated reservoirs. Such a reservoir-wide development plan has broad application to other fields producing from microbial carbonate reservoirs.

A distribuição espacial e o volume dos domínios litológicos são freqüentemente as maiores fontes de incerteza na modelagem geológica. Geralmente, a interpretação destas características é baseada em critérios subjetivos de observações, sem levar em consideração a incerteza inerente a este processo. Existem métodos de simulação geoestatísticos capazes de quantificar esta incerteza tipológica das unidades geológicas. A maioria desses métodos utiliza como medida de continuidade geológica os modelos de covariância. Entretanto, estas ferramentas de estatística de dois-pontos, raramente, conseguem capturar os padrões de geometrias complexas. Uma alternativa para esta limitação é utilizar métodos de estatística de múltiplos pontos para reproduzir os padrões espaciais de heterogeneidade que são informados por uma imagem de treinamento. Nessa dissertação, será aplicada a geoestatística de múltiplos pontos (SNESIM) para simular os litotipos de um depósito de minério de ferro. A imagem de treinamento foi baseada em seções interpretadas. Os furos de sondagem são utilizados como amostras primárias. As informações geológicas são acessadas por mapas de probabilidade utilizados como informações secundárias. A metodologia é testada na simulação de um depósito de ferro brasileiro com três diferentes litotipos. Os resultados das simulações são comparados contra um modelo de referência e novos furos de sondagens. As geometrias e distribuição espacial das tipologias foram reproduzidas de forma consistente. A incerteza das distribuições e dos volumes dos domínios tipológicos foi quantificada. O algoritmo de múltiplos pontos e a metodologia proposta mostraram grande potencial de aplicação na simulação de depósitos minerais. / The spatial distribution and volumes of lithological domains are often the biggest sources of uncertainty in geological modeling. Usually, the interpretation of these characteristics is based on subjective criteria of observations, without taking into account the uncertainty inherent in this process. There geostatistical simulation methods capable of quantifying this uncertainty typological geological units. Most of these methods uses as a measure of continuity in geological models covariance. However, these two-point statistical is rarely sufficient to capture the patterns of complex geometries. An alternative to this limitation is to use statistical methods of multiple points to reproduce the spatial patterns of heterogeneity that are informed by a training image. In this dissertation, will be applied to multi-point geostatistics (SNESIM) to simulate lithotypes a deposit of iron ore. The training image was based on sections interpreted. The drillholes are used as primary samples. Geologic information is accessed by probability maps used as secondary information. The methodology is tested in the simulation of a deposit of Brazilian iron with three different rock types. The simulation results are compared against a reference model and new drillholes. The geometries and spatial typologies were reproduced consistently. The uncertainty distributions and volumes of typological domains were quantified. The algorithm of multiple points and the proposed methodology showed great potential for application in the simulation of mineral deposits.

A distribuição espacial e o volume dos domínios litológicos são freqüentemente as maiores fontes de incerteza na modelagem geológica. Geralmente, a interpretação destas características é baseada em critérios subjetivos de observações, sem levar em consideração a incerteza inerente a este processo. Existem métodos de simulação geoestatísticos capazes de quantificar esta incerteza tipológica das unidades geológicas. A maioria desses métodos utiliza como medida de continuidade geológica os modelos de covariância. Entretanto, estas ferramentas de estatística de dois-pontos, raramente, conseguem capturar os padrões de geometrias complexas. Uma alternativa para esta limitação é utilizar métodos de estatística de múltiplos pontos para reproduzir os padrões espaciais de heterogeneidade que são informados por uma imagem de treinamento. Nessa dissertação, será aplicada a geoestatística de múltiplos pontos (SNESIM) para simular os litotipos de um depósito de minério de ferro. A imagem de treinamento foi baseada em seções interpretadas. Os furos de sondagem são utilizados como amostras primárias. As informações geológicas são acessadas por mapas de probabilidade utilizados como informações secundárias. A metodologia é testada na simulação de um depósito de ferro brasileiro com três diferentes litotipos. Os resultados das simulações são comparados contra um modelo de referência e novos furos de sondagens. As geometrias e distribuição espacial das tipologias foram reproduzidas de forma consistente. A incerteza das distribuições e dos volumes dos domínios tipológicos foi quantificada. O algoritmo de múltiplos pontos e a metodologia proposta mostraram grande potencial de aplicação na simulação de depósitos minerais. / The spatial distribution and volumes of lithological domains are often the biggest sources of uncertainty in geological modeling. Usually, the interpretation of these characteristics is based on subjective criteria of observations, without taking into account the uncertainty inherent in this process. There geostatistical simulation methods capable of quantifying this uncertainty typological geological units. Most of these methods uses as a measure of continuity in geological models covariance. However, these two-point statistical is rarely sufficient to capture the patterns of complex geometries. An alternative to this limitation is to use statistical methods of multiple points to reproduce the spatial patterns of heterogeneity that are informed by a training image. In this dissertation, will be applied to multi-point geostatistics (SNESIM) to simulate lithotypes a deposit of iron ore. The training image was based on sections interpreted. The drillholes are used as primary samples. Geologic information is accessed by probability maps used as secondary information. The methodology is tested in the simulation of a deposit of Brazilian iron with three different rock types. The simulation results are compared against a reference model and new drillholes. The geometries and spatial typologies were reproduced consistently. The uncertainty distributions and volumes of typological domains were quantified. The algorithm of multiple points and the proposed methodology showed great potential for application in the simulation of mineral deposits.

A distribuição espacial e o volume dos domínios litológicos são freqüentemente as maiores fontes de incerteza na modelagem geológica. Geralmente, a interpretação destas características é baseada em critérios subjetivos de observações, sem levar em consideração a incerteza inerente a este processo. Existem métodos de simulação geoestatísticos capazes de quantificar esta incerteza tipológica das unidades geológicas. A maioria desses métodos utiliza como medida de continuidade geológica os modelos de covariância. Entretanto, estas ferramentas de estatística de dois-pontos, raramente, conseguem capturar os padrões de geometrias complexas. Uma alternativa para esta limitação é utilizar métodos de estatística de múltiplos pontos para reproduzir os padrões espaciais de heterogeneidade que são informados por uma imagem de treinamento. Nessa dissertação, será aplicada a geoestatística de múltiplos pontos (SNESIM) para simular os litotipos de um depósito de minério de ferro. A imagem de treinamento foi baseada em seções interpretadas. Os furos de sondagem são utilizados como amostras primárias. As informações geológicas são acessadas por mapas de probabilidade utilizados como informações secundárias. A metodologia é testada na simulação de um depósito de ferro brasileiro com três diferentes litotipos. Os resultados das simulações são comparados contra um modelo de referência e novos furos de sondagens. As geometrias e distribuição espacial das tipologias foram reproduzidas de forma consistente. A incerteza das distribuições e dos volumes dos domínios tipológicos foi quantificada. O algoritmo de múltiplos pontos e a metodologia proposta mostraram grande potencial de aplicação na simulação de depósitos minerais. / The spatial distribution and volumes of lithological domains are often the biggest sources of uncertainty in geological modeling. Usually, the interpretation of these characteristics is based on subjective criteria of observations, without taking into account the uncertainty inherent in this process. There geostatistical simulation methods capable of quantifying this uncertainty typological geological units. Most of these methods uses as a measure of continuity in geological models covariance. However, these two-point statistical is rarely sufficient to capture the patterns of complex geometries. An alternative to this limitation is to use statistical methods of multiple points to reproduce the spatial patterns of heterogeneity that are informed by a training image. In this dissertation, will be applied to multi-point geostatistics (SNESIM) to simulate lithotypes a deposit of iron ore. The training image was based on sections interpreted. The drillholes are used as primary samples. Geologic information is accessed by probability maps used as secondary information. The methodology is tested in the simulation of a deposit of Brazilian iron with three different rock types. The simulation results are compared against a reference model and new drillholes. The geometries and spatial typologies were reproduced consistently. The uncertainty distributions and volumes of typological domains were quantified. The algorithm of multiple points and the proposed methodology showed great potential for application in the simulation of mineral deposits.

Made available in DSpace on 2015-03-13T17:08:40Z (GMT). No. of bitstreams: 1 VeronicaDA.pdf: 5709097 bytes, checksum: 4074580aee5ec2b7d354ddab1d446e43 (MD5) Previous issue date: 2006-05-19 / This work presents geophysical and geological results obtained in a dunefield located in the east coast of Rio Grande do Norte State, with the aim to recognize the aeolian body depositional geometries to a future geologic modeling of the aeolian petroliferous reservoirs. The research, which was done in blowouts region situated at Nisia Floresta Municipally, included the characterization of external geometries with GPS and internal geometry analysis by GPR. Data was integrated in GoCAD software, where it was possible the three-dimensional characterization and interpretation of the studied deposits. The interpretation of GPR profiling allowed identifying: First-order bounding surfaces that separated the aeolian deposits of the Barreiras Formation rocks; Second-order bounding surfaces, which limit dune generations and Third-order bounding surfaces, a reactivation surface. This classification was based and adapted by the Brookfield (1977) and Kocurek (1996) propose. Four radarfacies was recognized: Radarfacies 1, progradational reflectors correlated to foresets of the dunes, Radarfacies 2, plain parallels reflectors related to sand sheets, Radarfacies 3, plain parallels reflectors associated to reworking of the blowout dune crest and Radarfacies 4, mounded reflectors associated to vegetated mound of sand or objects buried in subsurface. The GPR and GPS methods was also employed to the monitoring of dunefields susceptible to human activities in Buzios Beach, where the constructions along the blowout region and the tourism are changing the natural evolution of the deposits. This fact possibly to cause negative impacts to the coastal zone. Data obtained in Dunas Park, a unit environmental conservation, was compared with information of the Buzios Beach. There is a major tendency of erosion in Buzios, specifically in blowout corridor and blowout dune / Este trabalho apresenta os resultados geol?gicos e geof?sicos obtidos em um campo de dunas situados no litoral oriental do Rio Grande do Norte e teve como objetivo definir as geometrias deposicionais dos corpos e?licos para posterior aplica??o na modelagem geol?gica de campos produtores de ?leo e g?s de origem e?lica. A pesquisa foi realizada em uma regi?o de blowouts, situada no munic?pio de N?sia Floresta - RN, onde foi poss?vel definir a superf?cie externa com o uso do GPS geod?sico e a estrutura??o interna utilizando o GPR (Ground Penetrating Radar). Estes dados foram integrados no software de modelagem geol?gica Gocad, permitindo a visualiza??o tridimensional e interpreta??o dos dep?sitos estudados. O levantamento de perfis geof?sicos permitiu a investiga??o da geometria interna dos dep?sitos, nos quais foi poss?vel reconhecer superf?cies limitantes de 1? ordem (superf?cie deposicional que separa os dep?sitos e?licos de rochas da Forma??o Barreiras), 2? ordem (superf?cie que separa diferentes pulsos de sedimenta??o e?lica) e 3? ordem (superf?cies de reativa??o). A classifica??o destas superf?cies acima descritas foi baseada e modificada das propostas de Brookfield (1977) e Kocurek (1996). Foram ainda definidas quatro radarf?cies, com base na forma e termina??o dos refletores: Radarf?cies 1, representada por refletores progradantes, os quais se relacionam aos foresets das acumula??es e?licas; Radarf?cies 2, que ? constitu?da por refletores suscept?veis ? a??o antr?pica na praia de B?zios, onde constru??es ao longo da regi?o de blowouts e a pr?tica intensiva de turismo est?o modificando o desenvolvimento natural destas acumula??es e?licas, podendo gerar impactos ambientais negativos para a zona costeira. Dados obtidos numa ?rea situada no Parque das Dunas (unidade de conserva??o ambiental) foram utilizados para compara??o com as informa??es adquiridas em B?zios. H? uma tend?ncia maior de eros?o na ?rea de B?zios, notadamente no corredor do blowout e na duna de blowout