Probabilistic subsurface characterization for industrial applications through data driven approaches and machine learning algorithms

Subsurface systems are characterized by complex phenomena and intrinsic uncertainty. Even if literature information and data collection are not abudant and simple to plan due to acquisition issues, they confirm the heterogeneity which distinguishes these systems. In the last decades, several models have been developed to assist interpretation of the evolutionary processes associated to subsurface systems. These tools are extremely important for modelers since they can simulate the entire scenario domains and give a general view of spatial distributions of target variables. Despite of this, these models suffer from some limitations which don't allow to take full advantage of the entire potentialities that they may offer. This work aims at overcome the main constraints detected by sedimentology experts regarding industrial application modeling, i.e.: (a) the large number of input parameters and their values, which are affected by uncertainty, (b) the high computational cost associated to simulations, (c) the ill posed problems with respect to available information and (d) the difficulty to incorporate calibration data and to conduct quantitative comparisons. We propose here to overcome these limitations with the implementation of a general frameowork considering uncertainty of model parameters/inputs to assist model calibration, the latter step being performed in a probabilistic context. Our procedure is applied to three systems involving different time and spatial scales: (i) sedimentary basins, which are large-scale bodies where sediments are transported and accumulated across geologic time scales; (ii) sediment gravity flows responsible for distributing vast amounts of clastic sediments through water currents and where lithified accumulations of these deposits may, in time, become hydrocarbon reservoirs; (iii) naturally fractured reservoirs which play a crucial role in energy supply and where open fractures govern hydrocarbon production and reservoir permeability. Considering as starting point model simulations, our procedure is built on data-driven analysis in order to perform quantitative assessments and to take full advantage of available information. This is carried out through machine learning and statistical algorithms, which allow to incorporate calibration data and to perform stochastic inverse modeling to provide compatible sets of solutions. For each system considered, we are able to provide an integrate tool which helps experts with model interpretation. As regard sedimentary basins, we maximize the information content of data by providing alternative stratigraphic reconstructions within a time period considerably shorter with respect to traditional approaches. Considering gravity flow events, we provide set of volumetric fractions at selected locations compatible with respect to available information content, considering also interpreted data sources. Finally, we offer fracture aperture estimations quantifying the impact of data measurement errors and then comparing results against a traditional tool employed for interpretation of fracture apertures in naturally fractured reservoirs.

I sistemi sotterranei energetici e di flusso sono caratterizzati da fenomeni complessi e intrinsecamente incerti. Anche se la raccolta dati non è facilmente pianificabile e spesso di difficile progettazione a causa dei problemi di acquisizione dovuti alla natura stessa di questi sistemi e le informazioni reperibili da letteratura scientifica non sono così abbondanti, l'eterogeneità spaziale e temporale che contraddistingue queste strutture è una caratteristica che viene sempre confermata. Negli ultimi decenni diversi modelli fisico-matematici sono stati implementati per assistere all'interpretazione dei processi evolutivi associati ai sistemi sotterranei. Questi strumenti numerici sono estremamente importanti per coloro che devono modellare i sistemi sotterranei, poiché sono in grado di simulare numerosi scenari associati a interi domini e ottenere la completa distribuzione spaziale e temporale delle variabili di interesse. Nonostante ciò, questi modelli presentano alcune limitazioni che non permettono di utilizzare pienamente le potenzialità che offrono. Questo progetto mira a superare i principali limiti incontrati dagli esperti di sedimentologia, per quanto riguarda la modellazione sotterranea applicata a casi di studio industriali. I vincoli riscontrati possono essere riassunti in: (a) il numero elevato di parametri in ingresso ai modelli e i loro valori iniziali che risultano essere affetti da incertezza, (b) l'elevato costo computazionale associato alle simulazioni, (c) la possibile presenza di più soluzioni nell'inversione di modello condizionata ai dati disponibili e (d) la difficoltà di incorporare i dati di calibrazione per condurre analisi quantitative e non solo qualitative. Il lavoro si propone di superare questi vincoli attraverso l'implementazione di una metodologia globale, che tenga in considerazione l'incertezza dei parametri dei modelli riguardanti i sistemi sotterranei e che venga inserita all'interno di un quadro probabilistico. La metodologia individuata viene applicata a tre tipologie di sistemi che coinvolgono differenti scale temporali e spaziali: (i) i bacini sedimentari, corpi detritici che si estendono a larga scala spaziale e dove i sedimenti vengono trasportati e si accumulano nel corso di ere geologiche; (ii) i flussi gravitazionali di sedimenti, responsabili di distribuire vaste quantità di sedimenti clastici presenti all'interno di correnti d'acqua oceaniche e dove l'accumulo e la stratificazione di questi depositi possono con il tempo generare riserve di idrocarburi; (iii) le riserve di idrocarburi naturalmente fratturate che svolgono un ruolo cruciale per la fornitura di energia dovuto alle aperture presenti all'interno dei giacimenti, le quali governano la permeabilità del sistema e l'estrazione di idrocarburi. Considerando come punto focale e di partenza la simulazione del modello, viene sviluppato un approccio basato sui dati per svolgere valutazioni quantitative e impiegare interamente le informazioni disponibili. La metodologia prevede l'utilizzo di algoritmi statistici e basati sull'intelligenza artificiale che permette di incorporare i dati di calibrazione e di eseguire inversioni di modello tramite un approccio stocastico, per fornire un insieme di soluzioni compatibili con le informazioni presenti. Per ciascuno dei tre sistemi considerati viene definito uno strumento integrato che permette di assistere gli esperti di sedimentologia per l'interpretazione dei risultati ottenuti dai modelli. Per quanto riguarda i bacini sedimentari, viene massimizzata l'informazione associata ai dati fornendo ricostruzioni stratigrafiche alternative in un tempo considerevolmente più breve rispetto agli approcci tradizionali. Per i flussi gravitazionali, i risultati della metodologia forniscono un insieme di frazioni volumetriche dei sedimenti in determinate posizioni all'interno del dominio che sono compatibili con i dati messi a disposizione, anche utilizzando sorgenti di informazioni interpretate. Infine la procedura è in grado di offrire la stima relativa alle aperture equivalenti delle fratture aperte, quantificando l'impatto dell'errore di misura e confrontando i risultati con approcci classici utilizzati per l'interpretazione delle fratture nelle riserve di idrocarburi.