Inversão geoestatística de dados sísmicos 3D com multi-distribuições locais

Mestrado em Engenharia GeológicaOs modelos de subsuperfície inferidos a partir de dados de reflexão sísmica permitem avaliar espacialmente as propriedades petro-elásticas de reservatório (por exemplo, densidade, impedâncias acústica e elástica) que são essenciais para uma boa caracterização e modelação de reservatórios de hidrocarbonetos. Os modelos invertidos gerados a partir de metodologias geoestatísticas e da integração de dados de logs de poços com dados de reflexão sísmica, dentro de uma grelha de reservatório, permitem ainda avaliar e quantificar, localmente, a incerteza espacial associada. O principal objetivo desta dissertação de mestrado consiste na comparação e discussão dos diversos resultados obtidos através da aplicação de diferentes metodologias de inversão sísmica geoestatística com multi-distribuições e modelos de continuidade espacial locais, de forma a gerar modelos próximos da realidade, em condições de não-estacionaridade, que permitam uma melhor caracterização da geologia de subsuperfície. Dentro das várias aproximações de inversão geoestatística existentes, para a elaboração desta tese foram utilizadas a Inversão Estocástica Global e a Inversão Elástica Global recorrendo ao algoritmo de simulação sequencial direta para a geração dos modelos elásticos de sub-superfície. Esta tese baseia-se na realização de 6 ensaios distintos, para cada uma das metodologias de inversão referidas, segundo multi-distribuições e modelos de continuidade locais (zonalidades) previamente definidas a um conjunto de dados sintéticos altamente não estacionários. No conjunto de dados disponíveis foram integrados dados de impedâncias (acústica e elástica) de 32 poços, bem como dados de reflexão sísmica post-stack. Os resultados mostram que a divisão da malha do reservatório em diferentes zonas tem um grande impacto na convergência dos diferentes métodos de inversão geoestatística utilizados no âmbito desta tese.The subsurface models inferred from seismic reflection data allow the spatial evaluation of the petro-elastic properties of the reservoir (e.g., density, elastic and acoustic impedances) that are essential for a good characterization and modeling of hydrocarbon reservoirs. The generated inverted models from geostatistical methodologies and the integration of well log data with seismic reflection data, within a reservoir grid, allow to assess and quantify, locally, the associated spatial uncertainty. The main objective of this MSc dissertation is the comparison and discussion of the results obtained from applying different geostatistical seismic inversion methodologies, with local multi-distributions and spatial continuity models, to generate models closer to reality, under non-stationarity conditions, that allow a better characterization of the subsurface geology. From the several existing geostatistical inversion approaches, for the realization of this thesis the Global Stochastic Inversion and the Global Elastic Inversion were selected, using the direct sequential simulation algorithm to generate the subsurface elastic models. This thesis is based on the realization of 6 different trials for each of the inversion methodologies, under local multi-distributions and continuity models (zonality) predefined in a highly non-stationary synthetic dataset. In the available dataset impedance (acoustic and elastic) data from 32 wells and post-stack seismic reflection data were integrated. The results show that the division of reservoir grid into different zones has high impact on the convergence of the different inversion geostatistical methods used within this thesis