Análisis de metodologías geoestadísticas alternativas en la modelación del acuífero Morroa (Sucre-Colombia)
DOI:
https://doi.org/10.17533/udea.redin.14932Palabras clave:
Acuífero Morroa, modelación de aguas subterráneas, geoestadística, simulación estocástica condicional, geoestadística de puntos múltiples, datos duros, datos suavesResumen
En este trabajo se llevan a cabo una serie de simulaciones estocásticas y algunos principios derivados de la Geoestadística de Puntos Múltiples (MPS) usando una metodología comparativa compuesta por dos fases. En la primera, se desarrolla una técnica basada en el concepto de semivariograma llamada Simulación Estocástica Condicional (SEC) y más específicamente la Simulación Secuencial Indicador (SISIM), aplicándola en el marco de la modelación del Acuífero Morroa (Sucre-Colombia). En la segunda, se lograimplementar un moderno algoritmo denominado SNESIM [1] complementado por el Modelo Tau (ζ), con el fin de incorporar todo tipo de información disponible para la definición de las facie del Acuífero. Las simulaciones son realizadas a través del uso de algoritmos construidos por [1,2] y el software S-Gems desarrollado por la Universidad de Stanford [3]. Los resultados muestran la conveniencia de emplear imágenes de entrenamiento y el modelo ζ para la integración de información geosísmica y de pozos, así como tambiénla Simulación Estocástica en la configuración de modelos hidrogeológicos, especialmente cuando la información disponible es insuficiente y difusa.
Descargas
Citas
S. Strabelle. Sequential Simulation Drawing Structures from Training Images. Stanford Center for Reservoir Forecasting. 13th Annual Meeting, Stanford, USA.2000 .pp .12O.
García-Cabrejo. Metodologías de modelamiento en hidrociencias integrando geoestadistica y redes neuronales artificiales. Tesis para optar al titulo de Magíster en Hidrosistemas, Pontificia Universidad Javeriana. 2008. pp.176.
N. Remy. Geostatistical Earth Modeling Software:User’s Manual. Stanford University. 2004. pp 87.
A. G. Journel. “Combining knowledge from diverse sources: An alternative to traditional conditional independence hypothesis”. Mathematical geology. Vol. 34. 2002. pp. 573-596. DOI: https://doi.org/10.1023/A:1016047012594
J. Buitrago, L. Donado. Evaluación de las condiciones de explotación de la zona de recarga del Acuífero Morroa. Departamentos de Sucre y Córdoba (Colombia). Proyecto de Grado para optar al título de Ingeniero Civil. Facultad de Ingeniería. Universidad Nacional de Colombia. Bogotá. 2000. pp. 200.
D. Pacheco, P. Villegas. Caracterización hidráulica del Acuífero Morroa utilizando pruebas de bombeo. Proyecto de Grado para optar al titulo de Ingeniero Civil. Facultad de Ingeniería. Universidad de Sucre. Sincelejo. Colombia. 2003. pp. 100.
Y. Abreu. Determinación de la geometría del Acuífero de Morroa y localización de futuras zonas de posible exploración y explotación del acuífero, mediante el uso de líneas sísmicas y pozos de petróleo. Informe 015- 06-05. Ministerio de Ambiente Vivienda y Desarrollo Territorial. Junio 2005. pp . 320.
W. M. Telford, L. P. Geldart, R.E. Sheriff. Applied Geophysics. Cambridge University Press. Cambridge.1990. pp. 770. DOI: https://doi.org/10.1017/CBO9781139167932
N. Copty. Y. Rubin. G. Mavko. “Geophysicalhydrological identification of field permeabilities through Bayesian updating”. Water Resources Res. Vol. 29. 1993. pp. 2813-2825. DOI: https://doi.org/10.1029/93WR00745
S. K. Upadhyay. Seismic Reflection Processing: With Special Reference to Anisotropy. Ed. Springer. Londres.2004. pp. 636.
A. G. Journel, E. Isaaks. Conditional indicator simulation: Application to a Saskatchewan uranium deposit. Mathematical Geology. Vol. 16.1984. pp. 34. DOI: https://doi.org/10.1007/BF01033030
J. Caers, L. Feyen. Multiple-point geostatistics: a powerful tool to improve groundwater flow and
transport predictions in multi-modal formations. Stanford University. Department of Geological and Environmental Sciences. Stanford. USA. 2000. pp . 11.
C. Deutsch, A. G. Journel. GSLIB: Geostatistical Software Library and User‘s Guide. Applied Geostatistics Series. 2a ed. Oxford University Press. Oxford.1998. pp . 340.
A. Journel, F. Alabert. New method for reservoir modeling, Journal of Petroleum technology. Vol 42. 1990. pp 212-218. DOI: https://doi.org/10.2118/18324-PA
B. Arpat. Sequential Simulation with Patterns. Disertación Doctoral. Universidad de Stanford. 2005. pp. 160. M. Anderson. W. Woessner. Applied Groundwater Modeling. Academic Press. Inc. San Diego (CA). 1992. pp. 380.
D. G. A. Krige. Statistical approach to some basin mine valuation problems on the Witwatersrand, J. Chem Metall and Min. Soc. South Africa. Vol. 52. 1951. pp 119-139.
G. Matheron. Principles of Geostatistics, Economy Geology. Vol. 58. 1963. pp. 1246-1266. DOI: https://doi.org/10.2113/gsecongeo.58.8.1246
S. Krishnan, A. Boucher, A. Journel. “Evaluating information redundancy through the tau model”. Geostat 2004 Proceedings. 7th International Geostatistic Congress. Banff (Canada). 2004. pp. 1037-1046 DOI: https://doi.org/10.1007/978-1-4020-3610-1_108
C. Farmer. “Numerical rocks”. P. King (editor) The mathematical generation of reservoir geology. Clarendon Press. Oxford.1990. pp. 22-33.
C. Deutsch. “Fortran programs for calculating connectivity of three dimensional numerical models and for ranking multiple realizations”. Computer and Geosciences. Vol. 24. 1998. pp. 69-76. DOI: https://doi.org/10.1016/S0098-3004(97)00085-X
H. Tjelmeland. Stochastic Models in reservoir characterization and Markov random fields for compact objects. Disertación doctoral. Universidad de Ciencia y Tecnología. Noruega. Vol 44. 1996. pp. 100.
J. Caers, A. Journel, Stochastic reservoir simulation using neural networks trained on outcrop data. SPE Annual Technical Conference and Exhibition. 1998. pp. 321-336. DOI: https://doi.org/10.2118/49026-MS
P. Goovaerts. Geostatistics for Natural resources evaluation. New York: Oxford University Press. 1997. pp. 483. DOI: https://doi.org/10.1093/oso/9780195115383.001.0001
D. Knuth. Art of Computer Programming. 2a ed. Addison-Wesley Pub. Co. Reading(MA). 1998. pp. 896.
R. M. Srivatasa. An Application of Geostatistical Methods for Risk Analysis in Reservoir Management. Society of Petroleum Engineering. SPE 20608. 1990. pp . 825-834. DOI: https://doi.org/10.2118/20608-MS
S. A. McKenna. Utilization of soft data for uncertainty reduction in groundwater flow and transport modeling. Golden, CO. Colorado School of Mines. PhD dissertation.1994. pp. 150.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter