Analysis of main parameters in adaptive ES-MDA history matching. (2019)
- Authors:
- Autor USP: RANAZZI, PAULO HENRIQUE - EP
- Unidade: EP
- Sigla do Departamento: PMI
- Assunto: RESERVATÓRIOS
- Agências de fomento:
- Language: Inglês
- Abstract: Em engenharia de reservatórios, ajuste de histórico é a técnica que revisa os parâmetros incertos de um modelo de simulação de reservatório para obter uma resposta condizente com os dados de produção observados. As propriedades do reservatório possuem incertezas, devido aos métodos indiretos em que foram adquiridas, resultando em discrepâncias entre os dados observados e a resposta do simulador de reservatório. Um método de ajuste de histórico é o Conjunto Suavizado com Múltiplas Aquisições de Dados (sigla em inglês ES-MDA), onde um conjunto de modelos é utilizado para quantificar as incertezas dos parâmetros. No ES-MDA o número de iterações necessita ser definido previamente pelo usuário antes de sua aplicação, sendo um parâmetro determinante para um ajuste de boa qualidade. Uma forma de contornar esta limitação é implementar metodologias adaptativas onde o algoritmo continue as iterações até que alcance bons ajustes. Por outro lado, em modelos de reservatórios de larga-escala é necessário aplicar alguma técnica de localização para evitar correlações espúrias e uma alta redução de incertezas dos modelos a posteriori. O principal objetivo desta dissertação é avaliar dois principais parâmetros do ajuste de histórico quando aplicado um ES-MDA adaptativo: localização e tamanho do conjunto, verificando o impacto destes parâmetros no método adaptativo. O ES-MDA adaptativo utilizado define o número de iterações e os fatores de inflação automaticamente e a localização no ganho de Kalman baseada na distância foi utilizada para avaliar a influência da localização. Assim, a influência dos parâmetros foi analisada aplicando a metodologia no benchmark UNISIM-I-H: um modelo de reservatório sintético de larga escala baseado em um campo offshore brasileiro. Os experimentos apresentaram considerável reduçãoda função objetivo para todos os casos, mostrando a capacidade da metodologia adaptativa de continuar iterando até que resultados aceitáveis fossem obtidos. Sobre os parâmetros avaliados, foi verificado uma relação entre a localização e o número de iterações necessárias, influência esta que não foi observada em função do tamanho do conjunto.
- Imprenta:
- Data da defesa: 06.06.2019
-
ABNT
RANAZZI, Paulo Henrique. Analysis of main parameters in adaptive ES-MDA history matching. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/3/3134/tde-30082019-103000/. Acesso em: 10 fev. 2026. -
APA
Ranazzi, P. H. (2019). Analysis of main parameters in adaptive ES-MDA history matching. (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/3/3134/tde-30082019-103000/ -
NLM
Ranazzi PH. Analysis of main parameters in adaptive ES-MDA history matching. [Internet]. 2019 ;[citado 2026 fev. 10 ] Available from: http://www.teses.usp.br/teses/disponiveis/3/3134/tde-30082019-103000/ -
Vancouver
Ranazzi PH. Analysis of main parameters in adaptive ES-MDA history matching. [Internet]. 2019 ;[citado 2026 fev. 10 ] Available from: http://www.teses.usp.br/teses/disponiveis/3/3134/tde-30082019-103000/ - Iterative Ensemble Smoother with adaptive localization and deep learning parameterization for carbonate reservoirs
- Improving pseudo-optimal Kalman-gain localization using the random shuffle method
- Ensemble size investigation in adaptive ES-MDA reservoir history matching
- Influence of the Kalman gain localization in adaptive ensemble smoother history matching
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
