Trabajo final Modelación y simulación de yacimientos.

...

el método corresponden a porosidad (Fi) y saturación de petróleo (So) en una malla de muestreo de la Formación Mugrosa, girada 11° para tener en cuenta la orientación preferencial de la cuenca del Magdalena Medio. Inicialmente se realizó un variograma experimental de los datos con el fin de visualizar la variabilidad espacial de los datos, se encontró que ambas variables presentan anisotropía geométrica ya que los variogramas para las direcciones de preferencia presentan igual varianza y diferente rango de influencia. Posteriormente se realizó un ajuste de los variogramas y la respectiva validacón de los mismos, como se observa en la figura 1.

Figura 1. Ajuste a modelo cúbico para variograma de variable So.

Se encontró que el mejor de ajuste para los variogramas de ambas variables corresponde a un modelo cúbico con efecto pepita.

A continuación se procedió a hacer la transformación de los datos a su equivalente gaussiana utilizando la herramienta Block Gaussian Variogram del programa Isatis. Después de esto se calculó el intervalo de confianza definiendo el índice de posición RPV (Posición del valor estimado) en escenarios pesimista y optimista. Los resultados se presentan gráficamente, para las dos variables de estudio:

Figura 2. RPV para So.

Figura 3. RPV para Fi.

Como se observa en las figuras 2 y 3, los valores para escenario optimista y pesimista de la variable So son 0.50 y 0.62 respectivamente para la variable Fi corresponden a 0.48 y 0.66 respectivamente.

Los mayores IC para la variable saturación (So) se encuentran ubicados en la zona central-superior del polígono, por lo que se podría decir que es una buena zona para explotación de hidrocarburos, sin embargo los IC de porosidad en esta zona presentan valores medios en la zona central y bajos en la zona superior, por lo que la aparente alta reserva de hidrocarburos en esta zona podría no ser confiable debido a la baja porosidad. A manera general, teniendo en cuenta estos resultados, y observando que la mejor combinación posible de valores altos de IC en ambas variables se encuentra en la zona central, se concluye que esta es una buena zona para la planeación de explotación de hidrocarburos.

CONCLUSIONES

El método de los intervalos de confianza IC es un buen complemento al método de interpolación de Kriging, ya que da aproximaciones más acertadas en casos donde las distribuciones de los datos son asimétricas.

La selección de escenarios pesimista y optimista en el caso de la aplicación del modelo de los intervalos de confianza es un buen soporte para la escogencia de zonas y planeación de explotación de hidrocarburos, ya que se puede tener una idea de los riesgos que se corre al invertir en un proyecto de explotación.

En el caso de estudio, la zona que podría ser la más indicada para iniciar un proyecto de explotación de hidrocarburos es la zona central, ya que presenta valores altos en IC para So y valores medios para Fi lo que se traduce en reservas altas.

RECOMENDACIONES

Se debe tener especial cuidado al seleccionar y validar los modelos para los variogramas, ya que son la base de todo el método y un error en este paso da como resultado estimaciones completamente fuera de la realidad.

Se recomienda hacer un análisis completo con todas las variables que se tengan a mano (Espesor, Bottom, Top, Sw) porque aunque las variables porosidad y saturación de petróleo dan una buena idea de las reservas en la formación, por sí solas no son suficientes para hacer un análisis geoestadístico que permita tomar las mejores decisiones en cuanto a la planeación de la explotación de hidrocarburos.

REFERENCIAS

[1] Roth, C. and Armstrong, M., Confidence Intervals for Local Estimation: Aplication to the Witwatersrand Basin, Centre de Geostatistique, Francia.