Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Intégration multi-échelles des données de réservoir
Univ Europeenne - EAN : 9783639528770
Édition papier
EAN : 9783639528770
Paru le : 14 juil. 2016
51,90 €
49,19 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783639528770
- Réf. fournisseur : 7803238
- Editeur : Univ Europeenne
- Date Parution : 14 juil. 2016
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 192
- Format : H:229 mm L:152 mm E:11 mm
- Poids : 290gr
- Interdit de retour : Retour interdit
- Résumé : Dans ce travail, il est proposé de suivre une approche multi-échelles pour simuler des propriétés spatiales des réservoirs, permettant d'intégrer des données directes (observation de puits) ou indirectes (sismique et données de production). Les avantages de l'approche multi-échelles sont démontrés à partir de deux types de problèmes d'estimations des incertitudes basés sur la minimisation d'une distance. Le premier problème traite de la simulation de propriétés à partir d'un algorithme de géostatistique multipoints. Il est montré que l'approche multi-échelles améliore la qualité des réalisations générées, respecte davantage les données et réduit les temps de calculs par rapport à l'approche standard. Le second problème traite de la préservation des modèles a priori lors de l'assimilation des données d'historique de production. Il est montré que l'inversion multi-échelles permet de mieux préserver les modèles a priori et est moins assujettie au bruit que les approches standards, tout en respectant aussi bien les données de conditionnement.