GEOSTATISTICAL INVERSION OF GRAVITY AND WELL-LOG DATA / INVERSIÓN GEOESTADÍSTICA DE DATOS DE GRAVEDAD Y REGISTROS DE POZO

We developed and applied a gravimetric inversion methodology that combines well-log and gravity information in ageostatistical framework. This technique looks for the optimal model that explains the geophysical data and satisfies theprior information on the model parameters, by solving iteratively a system of linear equations to update the 3-dimensionalmass density field and the interface geometry between model layers. The optimal model jointly explains the gravityobservations, complies with the prior statistical distribution of the mass density and honors well constraints on theinterface between layers. We apply the technique to a set of data in eastern Venezuela to analyze the prediction errors onthe sedimentary basin basement depth, and particularly the effect of progressively including more well constraints into thegeostatistical inversion. The inversion process combining gravity and well data always produced a better prediction of thebasement depth than the gravity inversion with no well control on the basement. We compared the basement depthestimates of the geostatistical inversion with the results obtained from plain interpolation of the well data (e.g. Kriging) andfound that the geostatistical inversion of gravity data with well constraints improved the basement estimation when thespatial distribution of the wells is scarce, and both methods are equivalent when the spatial distribution of the wells isdense.RESUMENEn este trabajo se desarrolló y aplicó una metodología de inversión que combinó datos de registros de pozo y de gravedadbajo una formulación geoestadística. En esta técnica se realizó una búsqueda de la configuración óptima del modelo queexplica los datos geofisicos y satisface la información previa sobre los parámetros del modelo, mediante la solucióniterativa de un sistema lineal de ecuaciones para actualizar el modelo tridimensional de densidades de masa y la geometríade las superficies entre las capas del modelo. La configuración óptima explica las observaciones de gravedad, es consistentecon la información estadística previa y ajusta a los datos de pozos sobre la localización de las capas del modelo y losvalores de densidad. Aplicando la técnica a un conjunto de datos en la región oriental de Venezuela para analizar los erroresde predicción de la profundidad del basamento cristalino y el efecto de incluir progresivamente más información de pozoscomo restricción en la inversión geoestadística. El proceso de inversión que combina datos de gravedad y de pozosproduce una mejor predicción de la profundidad del basamento que la inversión de gravedad sin control de pozos. Secomparó la estimación de la profundidad del basamento obtenida con la inversión geoestadística con los resultadosobtenidos de la interpolación geoestadística simple de los datos de pozos (método de Kriging) y se encontró que lainversión geoestadística de datos de gravedad, condicionada por la información de pozos, mejora los estimados de la profundidad del basamento cuando la distribución espacial de los pozos es escasa, y ambos métodos proporcionanresultados similares cuando la distribución espacial de los pozos es densa.Palabras clave: Inversión, Gravimetría, Faja del Orinoco, Datos de pozo, Geoestadística