Return to search

[en] PROBABILISTIC PORE PRESSURE PREDICTION IN RESERVOIR ROCKS THROUGH COMPRESSIONAL AND SHEAR VELOCITIES / [pt] PREVISÃO PROBABILÍSTICA DE PRESSÃO DE POROS EM ROCHAS RESERVATÓRIO ATRAVÉS DE VELOCIDADES COMPRESSIONAIS E CISALHANTES

[pt] Esta tese propõe uma metodologia de estimativa de
pressão
de poros em rochasreservatório
através dos atributos sísmicos velocidade compressional
V(p) e velocidade
cisalhante V(s). Na metodologia, os atributos são
encarados como observações realizadas
sobre um sistema físico, cujo comportamento depende de
um
determinado número de
grandezas não observáveis, dentre as quais a pressão de
poros é apenas uma delas. Para
estimar a pressão de poros, adota-se uma abordagem
Bayesiana de inversão. Através de
uma função de verossimilhança, estabelecida através de
um
modelo de física de rochas
calibrável para a região, e do teorema de Bayes, combina-
se as informações pré-existentes
sobre os parâmetros de rocha, fluido e estado de tensões
com os atributos sísmicos
observados, inferindo probabilisticamente a pressão de
poros. Devido a não linearidade
do problema e ao interesse de se realizar uma rigorosa
análise de incertezas, um algoritmo
baseado em simulações de Monte Carlo (um caso especial
do
algoritmo de Metropolis-
Hastings) é utilizado para realizar a inversão. Exemplos
de aplicação da metodologia
proposta são simulados em reservatórios criados
sinteticamente. Através dos exemplos,
demonstra-se que o sucesso da previsão de pressão de
poros
depende da combinação de
diferentes fatores, como o grau de conhecimento prévio
sobre os parâmetros de rocha e
fluido, a sensibilidade da rocha perante a variação de
pressões diferenciais e a qualidade
dos atributos sísmicos. Visto que os métodos existentes
para previsão de pressão de poros
utilizam somente o atributo V(p) , a contribuição do
atributo V(s) na previsão é avaliada. Em
um cenário de rochas pouco consolidadas (ou em areias),
demonstra-se que o atributo V(s)
pode contribuir significativamente na previsão, mesmo
apresentando grandes incertezas
associadas. Já para um cenário de rochas consolidadas,
demonstra-se que as incertezas
associadas às pressões previstas são maiores, e que a
contribuição do atributo V(s) na
previsão não é tão significativa quanto nos casos de
rochas pouco consolidadas. / [en] This work proposes a method for pore pressure prediction
in reservoir rocks
through compressional- and shear-velocity data (seismic
attributes). In the method, the
attributes are considered observations of a physic system,
which behavior depends on a
several not-observable parameters, where the pore pressure
is only one of these
parameters. To estimate the pore pressure, a Bayesian
inversion approach is adopted.
Through the use of a likelihood function, settled through
a calibrated rock physics model,
and through the Bayes theorem, the a priori information
about the not-observable
parameters (fluid and rock parameters and stress state) is
combined with the seismic
attributes, inferring probabilistically the pore pressure.
Due the non-linearity of the
problem, and due the uncertainties analysis demanding, an
algorithm based on Monte
Carlo simulations (a special case of the Metropolis-
Hastings algorithm) is used to solve the
inverse problem. The application of the proposed method is
simulated through some
synthetic examples. It is shown that a successfully pore
pressure prediction in reservoir
rocks depends on a set of factors, as how sensitive are
the rock velocities to pore pressure
changes, the a priori information about rock and fluid
parameters and the uncertainties
associates to the seismic attributes. Since the current
methods for pore pressure prediction
use exclusively the attribute compressional velocity V(p),
the contribution of the attribute
shear velocity V(s) on prediction is evaluated. In a
poorly consolidated rock scenario (or in
sands), the V(s) data, even with great uncertainties
associated, can significantly contribute to
a better pore pressure prediction. In a consolidated rock
scenario, the uncertainties
associated to pore pressure estimates are higher, and the
s V data does not contribute to
pore pressure prediction as it contributes in a poorly
consolidated rock scenario.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7987
Date24 March 2006
CreatorsBRUNO BROESIGKE HOLZBERG
ContributorsSERGIO AUGUSTO BARRETO DA FONTOURA
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0037 seconds