Analyse statistique d’expériences simulées : Modélisation adaptative de réponses non-régulières par krigeage et plans d’expériences Application à la quantification des incertitudes en ingénierie des réservoirs pétroliers

La quantification des incertitudes est essentielle à la bonne maîtrise de la production des réservoirs pétroliers. Ce problème est complexe car l’impact des paramètres incertains sur la production est souvent non-régulier. Du fait du coût important d’une simulation numérique d’écoulement, les méthodes traditionnelles d’analyse de risque sont basées sur un modèle approché du modèle d’écoulement. Ce modèle, construit à partir de plans d’expériences supposant un comportement polynomial de la réponse, ignore les non-régularités. L’objectif de cette thèse est la mise en place d’un formalisme de modélisation de réponses non-régulières. Nous proposons de construire des plans évolutifs afin d’intégrer graduellement les non-régularités. Cette approche est inspirée conjointement de méthodes géostatistiques et de plans d’expériences. En partant d’une surface de réponse initiale, la méthodologie consiste à déterminer itérativement de nouvelles simulations afin d’enrichir le dispositif expérimental et ainsi améliorer l’approximation de la réponse. Différents critères d’ajout de simulations sont proposés. Nous préconisons l’intégration de l’information apportée par les extrema et les points de dérivée partielle nulle de l’approximation. De plus, l’ajout d’information fictive par points pilotes permet une optimisation de la prédictivité de l’approximation ainsi que la détermination de nouveaux points candidats à la simulation. Cette méthodologie originale d’ajustement de surfaces complexes a montré son efficacité, en terme de modélisation comme en terme de réduction du nombre de simulations, notamment pour une quantification d’incertitudes pour deux cas de réservoir pétrolier.Quantification of uncertainty in reservoir performance is an essential phase of oil field evaluation and production. Due to the large number of parameters and the physical complexity of the reservoir, fluid flow models can be computationally time consuming. Traditional uncertainty management is thus routinely performed using proxy models of the fluid flow simulator, following experimental design methodology. However, this approach often ignores the irregularity of the response. The objective of the thesis is to construct non-linear proxy models of the fluid flow simulator. Contrary to classical experimental designs which assume a polynomial behavior of the response, we build evolutive experimental designs to fit gradually the potentially non-linear shape of uncertainty. This methodology combines the advantages of experimental design with geostatistical methods. Starting from an initial trend of the uncertainty, the method determines iteratively new simulations that might bring crucial information to update the estimation of the uncertainty. Four criteria of adding new simulations are proposed. We suggest performing simulation at the extremes and the null derivative points of the approximation in order to better characterize irregularity. In addition, we propose an original way to increase the prior predictivity of the approximation using pilot points. The pilot points are also good candidates for simulation. This methodology allows for an efficient modeling of highly non-linear responses, while reducing the number of simulations compared to latin hypercubes. This work can potentially improve the efficiency in decision making under uncertainty