Modelagem geoestatística de fácies carbonáticas com cadeias de Markov e abordagem Bayesiana

• Ano de defesa: 2023
• Autor(a) principal: Kloeckner, Jonas
• Orientador(a): Costa, Joao Felipe Coimbra Leite
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Fácies; Rochas sedimentares; Modelagem geológica; Cadeias de Markov
• Palavras-chave em Inglês: High-resolution carbonate facies modeling; Markov chains; Geostatistical simulation; Uncertainty quantification; Bayesian approach
• Link de acesso: http://hdl.handle.net/10183/266139

A modelagem de fácies de bacias sedimentares e reservatórios de hidrocarbonetos é um campo bem estabelecido, mas a maioria dos métodos são focados em fácies siliciclásticas, com formas bem definidas. Bacias sedimentares carbonáticas de grandes profundidades, por outro lado, começaram a ser exploradas recentemente e há uma grande necessidade de desenvolvimento tecnológico para sua modelagem. Além do desafio de integrar dados espaciais de diferentes escalas para modelagem de fácies carbonáticas, há uma característica marcante nestas bacias, que é a repetição assimétrica das camadas. Portanto, a quantificação de incerteza geológica pode ser modelada através de técnicas que utilizem cadeias de Markov. No entanto, há pouca literatura sobre seu uso em modelagem 3D de fácies carbonáticas complexas. O desafio encontra-se em calcular as probabilidades de transição lateral das fácies. Informação secundária através de levantamentos sísmicos pode ajudar a gerar modelos probabilísticos auxiliares. Esta tese propõe e investiga uma metodologia inovadora para aplicação de cadeias de Markov utilizando uma abordagem Bayesiana para quantificação de incerteza de modelo de fácies carbonáticas de alta profundidade. A metodologia utiliza a técnica de simulação de campos aleatórios por cadeias de Markov com modelo de tendência para geração das realizações de fácies através de três variáveis de entrada: modelo de transiograma, modelo de campos de probabilidade e modelo de tendência. Os resultados foram comparados com a co-simulação sequencial dos indicadores mostrando que a metodologias proposta pode gerar modelos de fácies com repetição assimétricas. Um software foi desenvolvido, implementando a metodologia proposta.