Beruflich Dokumente
Kultur Dokumente
Resumen
El modelado esttico, como parte fundamental de la conceptualizacin del yacimiento, nos permite cuantificar y planificar
zonas de inters comercial, definidas por medio de los valores de las propiedades petrofsicas, tales como porosidad,
saturacin de agua y la relacin neto-bruto.
La forma tradicional de realizar la poblacin de propiedades petrofsicas es por medio de mtodos geoestadsticos,
utilizando como gua atributos u operaciones extradas de cubos ssmicos.
Sin embargo, no siempre es posible utilizar ms de dos atributos ssmicos, propiedades geomtricas, mapas geolgicos,
atributos geomtricos 3D, y modelos geolgicos conceptuales, o simplemente se requiere que alguno de los datos tenga
mayor peso que el otro.
El enfoque de este trabajo es integrar, con diferentes pesos los datos disponibles, integrndolos en un modelo de regresin
lineal multivariable. Como resultado se obtendr una propiedad 3D, la cual tendr las caractersticas geolgicas
geofsicas deseadas, que permitir utilizarse como gua para la distribucin geoestadstica de los registros petrofsicos y
as finalmente obtener los clculos de volumen original de hidrocarburo.
La distribucin de propiedades, a partir de guas basadas exclusivamente en los atributos ssmicos, puede generar falsas
expectativas, mientras que la aplicacin del anlisis multivariable reduce la incertidumbre y permite contar con un rango
de distribucin de datos petrofsicos y definir el caso base ms probable, entre ms informacin con sentido geolgico se
incluya en la gua, ms sentido geolgico-geofsico tendr.
Abstract
The Static model is a central piece in the reservoir conceptualization, trough the model you can cuantify the principal
petrophysical characteristic like porosity, water saturation, Net/Gross etc. with all those element you can evaluate the oil
volume.
The traditional way to obtain the petrophysical distribution is using the geostadistic and a seismic attribute as trend
used in a secondary variable. Traditional workflows use only one trend but this one not always represent correctly the
subsurface changes, for that reason we propose a new workflow (Trend Modeling) in order to include different trends to
modeling, in that way the challenge here is to identify the true representation of subsurface.
Although is not always possible combine more than one trend, this methodology using a linear multi-variable combination
incorporate: several seismic attributes, geometrical properties, geological maps with different weights according with
confidence in data.
Trend modeling enables you to go beyond the conventional map/vertical function trend approach and to build 3D trend
models based on multiple inputs. This help to obtain a 3D property containing geological and geophysical information
considering for modeling that is combined with geoestatistic coming from petrophysical information in wells to obtain a
confident model that let obtain a good estimation for Hydrocarbons in place.
The distribution of petrophysical properties exclusively based on seismic attributes guides, can generate false expectations,
while the application of multivariate analysis reduces uncertainty letting generate a petrophysical distribution with
geological sense due more information is included to guide geological-geophysical knowledge.
With a new 3D trend the distribution of petrophysical data is robust and the uncertainty decrease, creating models without
incorporate all geological and geophysical knowledge can easily.
Dentro de la poblacin, tanto de facies como de propiedades El gran problema es decidir cul de las variables secundarias
petrofsicas en yacimientos fracturados, es de suma utilizar, arrojando una alta incertidumbre.
importancia definir apropiadamente las zonas de mayor o
menor fracturamiento, ya que de esto dependern los tipos Poblacin maximizando la integracin del conocimiento
de facies y los valores de las propiedades petrofsicas, el
atributo de Antracking es el proceso ms recomendable. La metodologa para la poblacin de modelos geocelular
maximizando la integracin del conocimiento, se muestra
Para esto, se realiza la poblacin de las propiedades con en la Figura 3. Este flujo incluye crear el modelo estructural,
el algoritmo secuencial gaussiano correlacionando la modelo conceptual, mapas de tendencias 2D, propiedades
propiedad con una segunda variable o driver. geomtricas de tendencia 3D, atributos ssmicos, anlisis
geoestadstico, para realizar la poblacin de propiedades
Desafortunadamente, la poblacin convencional no petrofsicas.
permite utilizar todos los datos disponibles para realizar
la poblacin como impedancia acstica, RMS, Chaos, En esta nueva metodologa es posible combinar todas las
varianza, Antracking, Iso-Frequency, Envelope, inversin variables o datos para generar un modelo geolgico ms
no matemtico. Esto por medio del anlisis multivaraible.
gentica, etc), alguna tendencia geomtrica (curvatura,
distancia a las fallas, compactacin, etc), algn mapa o una
funcin vertical que permitir adicionar informacin tanto La regresin lineal permite trabajar con una variable
a nivel de intervalo o razn, as tambin se puede
lateral como verticalmente.
comprender la relacin de dos o ms variables y nos
permitir relacionar mediante ecuaciones, una variable
En este trabajo se muestra la poblacin de porosidad en relacin a otras variables llamndose regresin
efectiva utilizando como segunda variable (co-krigging) mltiple o multivariable. Constantemente en la prctica
guiado por el atributo Antracking, en donde se definieron de la investigacin estadstica se encuentran variables que
las zonas de mayor probabilidad de fracturamiento y por lo de alguna manera estn relacionadas entre s, por lo que
tanto las zonas asociada a la mayor porosidad. es posible que una de las variables pueda relacionarse
matemticamente en funcin de otra u otras.
La propiedad de porosidad efectiva, que fue obtenida,
solamente utilizando una gua. Sin embargo, se pudieron La regresin multivariable maneja diversas, independientes
utilizar otros tipos de atributos o propiedades geomtricas, y cuenta con varios parmetros. Se expresan de la siguiente
lo que arrojara diferentes volmenes de hidrocarburo. forma:
Donde i es el error asociado a la medicin i del valor Xip y dar el peso correcto a cada una de ellas al generar una
siguen los supuestos de modo que i N(0, 2) (media cero, propiedad de tendencia nica (variable). Por ejemplo, el
varianza constante e igual a un y i j con i j). registro de porosidad y una o ms variables independientes
(por ejemplo mapas o atributos), permitiendo que esta
Este anlisis permite la combinacin de hasta cinco datos variabilidad se planee, se controle y se le d el peso segn
de entrada secundarias diferentes para crear una propiedad la propiedad, correlacin y el grado de certidumbre de
de tendencia nica. Esta combinacin lineal respeta la nuestras tendencias generadas, Figura 3.
correlacin entre todas las propiedades, lo que permite
La propiedad que ms peso se le dio fue al atributo de ncleos que nos permitieron validar el resultado del mismo,
Antracking debido a que tenamos registros de imgenes y adems de asociarlo al marco tectnico del rea, Figura 5.
Discusin de resultados
proveniente de los datos ssmicos, marco estructural y el
Con esta nueva metodologa se obtiene un solo modelo modelo geolgico del rea asignndole un peso a cada uno
geolgico ms robusto, dando peso a los datos con mayor de ellos conforme a la confianza.
certidumbre y que aportan ms sentido a la interpretacin
por medio del anlisis multivariable, involucrando todos los Se pueden observar diferencias en la poblacin al usar la
datos disponibles. metodologa tradicional y la que incorpora el conocimiento
del rea, Figura 6, esto es debido a la limitacin de la
Cuando se utiliza la metodologa convencional se depende tendencia considerando slo una variable en el mtodo
mucho del anlisis geoestadstico que puede ser afectado tradicional, mientras que usando la metodologa aqu
por el nmero y cantidad de muestras consideradas, al tener propuesta la tendencia es 3D considerando ms de una
adicionalmente una tendencia 3D construida por el anlisis variable de conocimiento, lo que hace que no se castiguen
multivariable, se respeta en la poblacin de propiedades zonas de potencial en los yacimientos debido a la falta de
la geoestadstica proveniente de los datos de pozos, sino integracin de otras variables que aportan conocimiento en
que se incorpora el conocimiento que se tiene del rea la poblacin de las propiedades petrofsicas.
Conclusiones Agradecimientos
5. Se ha aplicado esta metodologa en yacimientos en el Isaaks, E.H. y Srivastava, R.M., 1989. An Introduction to
sur y este de Mxico. Applied Geostatistics. New York: Oxford University Press.
Ingeniero Geofsico con manejo de los mdulos de geologa y geofsica de la plataforma Petrel y conocimiento avanzado
de la generacin de modelos estticos con experiencia en procesamiento de datos ssmicos.
Experiencia laboral
Schlumberger, Consultor geofsico; Paradigm, Procesado ssmico y procesos especiales; Corelab, Procesado de datos
ssmicos marino y terrestre 2D y 3D; Instituto Mexicano del Petrleo, Correlacin de registros; Pemex Exploracin y
Produccin, Brigada de exploracin sismolgica.
Cuenta con ms de 10 aos de experiencia en la Industria Petrolera, dedicado a la exploracin durante los ltimos
cinco aos, especializado en modelos geofsicos de campos exploratorios.
Actualmente est encargado de la parte de consultora tcnica, (Technical Sales Advisor), para el rea de geologa y
geofsica en la divisin de software de Schlumberger (SIS) para la Regin Este de Venezuela.