Caractérisation de Réservoir par l'Analyse Neuronale et Fractale

Classification du lithofaciès par les Réseaux de Neurones Artificiels combinés à l'analyse fractale.

Applications

La plupart des réserves mondiales de pétrole proviennent d'une meilleure exploitation de champs déjà connus par des méthodes de plus en plus sophistiquées.

Les réserves récupérables sont donc estimées en fonction des différents modes d'exploitation des champs.

Compte tenu de cette évolution, chaque compagnie pétrolière se doit de connaître de manière détaillée l'architecture interne de ses réservoirs souterrains.

Pour cela, l’identification du faciès lithologique d’un réservoir, nous permet de faire les perforations aux endroits poreux et moins argileux L’identification du lithofaciès est la première tâche à effectuer pour la caractérisation de réservoir.

Le lithofaciès consiste en une description des différentes formations géologiques composant un puits.

Pour résoudre nos problèmes les plus complexes nous avons besoin d'aller au-delà des techniques mathématiques standards.

Comme alternative, nous avons besoin de compléter les méthodes d’analyse conventionnelle par plusieurs méthodologies qui emergent actuellement, l'intelligence artificielle.

Ce livre reporte et contribue à investiguer les potentialités des nouvelles techniques connexionnistes dans la caractérisation de réservoir