GEOPARD - Geostatistical Event-based Object-model Predicted from Analogue Reservoir Deposits

Målet med GEOPARD-prosjektet er å lage et mer geologisk realistisk beslutningsgrunnlag for ressursutnyttelse i undergrunnen. De kommersielt tilgjengelige modellene som finnes i dag baserer seg på mer enn 20 år gammel teknologi, og har flere kjente svakheter når det kommer til å representere realistisk geologi, samt at det kan være vanskelig for geologer uten statistisk kompetanse å ta dem i bruk på en god måte. GEOPARD-prosjektet har bidratt til å gjøre store fremskritt innenfor dette teknologiområdet ved å lage digitale 3D-modeller av bergarter der geologisk kunnskap utgjør kjernen i modelleringsrammeverket. Vi ønsker å gjøre den geologiske beskrivelsen mer treffsikker og enklere å bruke. Dette gjøres ved å automatisere oppsettet ved hjelp av tilgjengelige data både fra feltanaloger og reservoaret til en konsistent modell. Løsningen ligger i å lage geologiske regler som passer inn i en statistisk verktøykasse. Med regler beskriver vi hvordan de forskjellige bergartene blir liggende til slutt, uten å måtte gå inn i komplekse fysiske beregninger for å beskrive det samme. Et sentralt bidrag fra statistikken er en robust metodikk for å tilpasse de teoretiske modellene til observasjoner, samtidig som man har et godt mål på usikkerhet i alle ledd. En viktig resultat av denne nye måten å lage geologiske modeller på er en mer realistisk beskrivelse av væskestrømning i porerom. Dette har stor nytteverdi i flyt-simulering av olje, gass og CO2 i reservoarer på norsk sokkel. I tillegg er det et nyttig verktøy for geologer å teste ut forskjellige hypoteser som øker forståelse av både felt-analoger og undergrunnsreservoarer. For eksempel er det mulig å finne ut hvilken avsetningsretning som passer best med de gitte observasjonene, eller hvilken påvirkning de geologiske egenskapene vil ha for videre utvikling av reservoaret. GEOPARD er et gjennomgående tverrfaglig prosjekt og har dratt nytte av kunnskap fra geovitenskap, statistikk, geomodellering og programvareutvikling, og sammen med viktig erfaringer fra representanter for næringslivet innen energibransjen.

The main project outcome of GEOPARD is a new facies modelling algorithm consistent with both geological rules and reservoir data. The technology developed within the GEOPARD project has the potential to greatly improve the consistency and quality of industry workflows to characterize the subsurface. It can be used to improve understanding of reservoirs on the Norwegian Continental Shelf, with potential for enhanced value creation for Norway and stakeholders alike. The GEOPARD results can be utilized in several applications where understanding of shallow marine depositional processes is important, such as reservoir modelling and carbon sequestration or field studies in academia. Scientific outcomes are advancing Bayesian theory for geological application, more efficient model setup through parameter estimation, and a framework for utilizing geological knowledge in statistical modelling. The new facies model enables the use of analogue data in the modelling process. This will unlock the potential that lies in the large amount of data stored in analogue databases such as SAFARI. It will shift the mind-set of the user when setting up a model from manual parameter tuning to focusing on the underlying geological scenario and how well it fits with the reservoir. The model has potential to work with ensemble history matching workflows, which makes it a candidate for a unique solution to a long-standing problem. Once the model and anticipate that the new facies model will be quickly adopted by the industry.

This proposed project, referred to as GEOPARD, is about bringing more geological realism into the 3D subsurface models used by the Norwegian petroleum industry. The more than twenty year old technology commonly used today is long overdue for an upgrade, and the industry calls for a modern algorithm that can handle increasingly complex well patterns and ensure a realistic representation of the geology. Our solution is to integrate geological rules into the core of the proven Bayesian statistical framework. A geological rule can be for example the stacking pattern of facies objects as a result of the depositional process. A rule-based approach will produce geologically meaningful predictions, allow for efficient testing of geological scenarios and increase the value of reservoir and analogue data. The dominant task is to develop and implement a new facies modelling algorithm that can be used by the petroleum industry in their reservoir management workflows, and research tasks will be focused on supporting this development. The key challenge is to define a set of rules that balances geological realism with statistical consistency. We will utilize geological analogues to define and develop representative rules and objects. It is important that we manage to preserve geological realism in the presence of reservoir data. To support ease of use, we will implement an algorithm to estimate input parameters from interpreted analogue data stored in the SAFARI database. To succeed in this interdisciplinary project, we have joined the forces of geoscience at University of Bergen and statistics at NTNU in collaboration with the modelling community at Norwegian Computing Center. The project involves science recruiting through two research fellowships. International collaboration is established through John Howell at University of Aberdeen, the project leader for SAFARI.