Application of artificial neural networks in the history matching process

Resumo: O processo de ajuste de histórico consiste em uma das etapas mais importantes envolvendo estudos de reservatórios, pois com o modelo de simulação ajustado pode-se realizar previsões de produção com maior confiabilidade e avaliar diferentes estratégias de produção de forma a obter maior recuperação final com menor custo. Porém, esse processo traz consigo diversas dificuldades, sendo uma delas a não unicidade das soluções, ou seja, vários modelos podem igualmente proporcionar resultados satisfatórios dependendo do objetivo de estudo. Além disso, o reservatório pode possuir diversas heterogeneidades e não linearidades entre atributos do reservatório e valores de produção e pressão, o que também contribui para aumentar a complexidade do problema. Através dos diversos trabalhos já publicados comprovou-se que cada caso possui diferentes características, de forma que uma metodologia aplicada com sucesso a um determinado caso pode não ser aplicável a outro e vice e versa. Dessa maneira, estudos nessa área devem ser realizados e atualizados constantemente. O grande desafio em problemas envolvendo ajuste de histórico está relacionado à redução do número de simulações necessárias para alcançar ajustes satisfatórios de acordo com o objetivo proposto. Entre as diversas técnicas que podem ser encontradas na literatura para tal propósito, uma que chama atenção é a aplicação de metamodelos gerados através de Redes Neurais Artificiais. Os metamodelos, uma vez gerados, são capazes de fornecer os resultados muito mais rápido que o simulador, pois se tratam de modelos simplificados. As RNA, por sua vez, são estruturas capazes de captar com eficiência as não linearidades entre entradas e saídas de um dado problema. Assim, os metamodelos gerados por RNA possuem características que os tornam promissores para serem utilizados como substitutos do simulador em etapas do ajuste que demandam maior esforço computacional. Deste modo, nesse trabalho foi avaliada a aplicação de metamodelos gerados por RNA no processo de ajuste de histórico, principalmente no que se refere à influência que a qualidade do conjunto de entrada exerce sobre o desempenho do metamodelo gerado e com relação à confiabilidade da utilização do metamodelo como substituto do simulador para casos práticos, com características mais próximas da realidade. Os resultados mostraram que a ferramenta, apesar dos erros envolvidos, por se tratar de um modelo simplificado, pode ser utilizada como ferramenta auxiliar ao simulador de escoamento no processo de ajuste de histórico. Não é recomendada a sua utilização como substituta do simulador no processo inteiro, porém, pode contribuir em etapas do processo que não requerem grande precisão dos resultados. Para a confiabilidade dos resultados, é necessário validar a resposta (encontrada por meio do metamodelo) usando o simulador de reservatórios.Abstract: The history matching process is one of the most important stages involving studies of reservoirs, because with the adjusted reservoir model, the production forecasts can be done with higher reliability and different production strategies can be evaluated to obtain greater final recovery associated with less costs. However, this process have several problems associated, one being the multiple solution, meaning that different models provide satisfactory results, depending on the objective of the study. Furthermore, the reservoir in study can have different heterogeneities and nonlinearities between reservoir attributes and values of production and pressure, which also contributes to increase the complexity. Various published work showed that each case has different characteristics, so that a methodology that was applied successfully in one case, may not be efficient in another and vice-versa. Thus, studies in this area should be developed and updated constantly. The great challenge in problems involving history matching is related to reducing the number of simulations required to achieve satisfactory adjustments in accordance with the proposed objective. Among several procedures for this purpose, the application of proxy models generated through artificial neural networks (ANN) can be cited. The proxy models, once generated, are able to calculate the results much faster than the simulator due to the fact that they are simplified models. The ANN are structures capable of efficiently capture nonlinearities between inputs and outputs of a given problem. Thus, these proxy models have characteristics that make them promising for use as substitute of simulator in stages that require greater computational effort. Thereby, in this work the application of proxy models generated through ANN in the history matching process was evaluated, primarily regarding to the influence of the input quality in the proxy performance and the reliability of the use of proxy models as substitutes of the simulator in a realistic reservoir model. The results showed that the tool, despite the errors involved, because it is simplified model, can be used as auxiliary tool to the flow simulator in the process of history matching. It is not recommended to use as a substitute in the whole process, however, can contribute in the process stages that do not require great precision. For reliable results, it is necessary to validate the response (found through the proxy) using the reservoir simulator