[논문 리뷰] Efficient big data assimilation through sparse representation: A 3D benchmark case study in seismic history matching

Xiaodong Luo, Tuhin Bhakta외 2명|arXiv (Cornell University)|2016. 09. 22.

Reservoir Engineering and Simulation Methods참고 문헌 26인용 수 20

한 줄 요약

이 논문은 3D 석유지질 데이터의 효율적 통합을 위해 파동수기반 희박 표현 방법을 제안하며, 진동수-각도(AVA) 데이터를 사용함으로써 역행 불확실성을 피하고, 앙상블 기반 4D 석유지질 역사 일치에 효과적으로 적용한다. 이 방법은 주요 석유지질 특징을 유지하면서도 중요한 웨이블릿 계수만 유지함으로써 데이터 크기를 줄이며, O(10^6) 개의 데이터 포인트를 가진 Brugge 필드 벤치마크에서 효과적인 역사 일치를 가능하게 한다.

ABSTRACT

In a previous work \citep{luo2016sparse2d_spej}, the authors proposed an ensemble-based 4D seismic history matching (SHM) framework, which has some relatively new ingredients, in terms of the type of seismic data in choice, the way to handle big seismic data and related data noise estimation, and the use of a recently developed iterative ensemble history matching algorithm. In seismic history matching, it is customary to use inverted seismic attributes, such as acoustic impedance, as the observed data. In doing so, extra uncertainties may arise during the inversion processes. The proposed SHM framework avoids such intermediate inversion processes by adopting amplitude versus angle (AVA) data. In addition, SHM typically involves assimilating a large amount of observed seismic attributes into reservoir models. To handle the big-data problem in SHM, the proposed framework adopts the following wavelet-based sparse representation procedure: First, a discrete wavelet transform is applied to observed seismic attributes. Then, uncertainty analysis is conducted in the wavelet domain to estimate noise in the resulting wavelet coefficients, and to calculate a corresponding threshold value. Wavelet coefficients above the threshold value, called leading wavelet coefficients hereafter, are used as the data for history matching. The retained leading wavelet coefficients preserve the most salient features of the observed seismic attributes, whereas rendering a substantially smaller data size. Finally, an iterative ensemble smoother is adopted to update reservoir models, in such a way that the leading wavelet coefficients of simulated seismic attributes better match those of observed seismic attributes. (The rest of the abstract was omitted for the length restriction.)

연구 동기 및 목표

• 대용량 3D 석유지질 데이터셋을 포함한 4D 석유지질 역사 일치(SHM)에서의 대용량 데이터 통합 문제를 해결한다.
• 역행 처리 과정에서 유도되는 불확실성을 제거하기 위해, 역행된 특성 대신 원시적인 진동수-각도(AVA) 데이터를 사용한다.
• 희박 표현 기법을 기반으로 한 웨이블릿 기반 기법을 개발하고 검증하여 석유지질 데이터를 압축하면서도 주요 특징을 유지한다.
• 실제 3D 벤치마크 사례(브루지 필드)에서 제안된 프레임워크의 효과성을 입증한다. 이 경우 데이터 포인트 수는 O(10^6)이다.
• 반복적 앙상블 스무스 알고리즘과의 호환성을 확보하여 효율적인 오일레이저 모델 업데이트를 가능하게 한다.

제안 방법

• 3D 석유지질 AVA 데이터에 다수준 이산 웨이블릿 변환(DWT)을 적용하여 웨이블릿 계수로 분해한다.
• 계수의 표준편차를 사용하여 웨이블릿 도메인 내 잡음을 추정하고, 관측 오차 공분산을 정의한다.
• 잡음 추정치에서 유도된 임계값을 초과하는 주요 웨이블릿 계수만을 식별하고 유지함으로써 데이터 압축을 달성한다.
• 유지된 주요 계수를 반복적 앙상블 스무스 기반 역사 일치의 관측 데이터로 사용한다.
• 모의 웨이블릿 계수와 관측된 계수 간의 일치를 위해 오일레이저 모델을 반복적으로 업데이트한다.
• 수치적 안정성을 유지하기 위해 웨이블릿 도메인에 맞게 조정된 국소화 기법을 적용한다.

실험 결과

연구 질문

• RQ1 파동수기반 희박 표현 기법은 3D 석유지질 데이터의 크기를 효과적으로 줄일 수 있을까? 동시에 역사 일치에 필요한 핵심 특징은 유지되는가?
• RQ2 압축된 석유지질 데이터를 사용할 때, 제안된 프레임워크는 3D 벤치마크 사례에서 우수한 역사 일치 성능을 달성할 수 있는가?
• RQ3 역행된 특성 대신 AVA 데이터를 사용할 경우, 불확실성 평가 및 모델 정확도에 어떤 영향을 미치는가?
• RQ4 3D 환경에서 O(10^6) 개의 석유지질 데이터 포인트를 처리할 때, 이 프레임워크의 계산 효율성은 어떠한가?
• RQ5 웨이블릿 도메인 데이터에 국소화 기법과 반복적 앙상블 스무스 기법을 적용했을 때의 성능은 어떠한가?

주요 결과

• 파동수기반 희박 표현 기법은 3D 석유지질 데이터 크기를 크게 줄였으며, 동시에 가장 정보가 풍부한 특징을 유지하였다.
• 브루지 필드 벤치마크에서 O(10^6) 개의 석유지질 데이터 포인트를 바탕으로 프레임워크는 합리적으로 우수한 역사 일치 성능을 달성하였다.
• 생산 데이터 및 석유지질 데이터의 불일치도 반복 과정을 거치며 크게 감소하였으며, 일부 시나리오에서는 석유지질 데이터 불일치도 최대 10^6 배 감소하였다.
• 로그 투과도(log PERMX)와 다孔도(PORO)의 루트 평균 제곱 오차(RMSE)가 반복 과정을 거치며 감소하여 모델 정확도 향상을 시사하였다.
• 대용량 데이터에도 불구하고 수치적 안정성을 유지하고 앙상블 붕괴를 방지하였다.
• 중간 단계의 역행 처리 없이도 대용량 3D 환경에서의 데이터 처리를 성공적으로 수행함으로써, 실현 가능한 현장 응용 가능성을 입증하였다.