GNGTS 2018 - 37° Convegno Nazionale

GNGTS 2018 S essione 3.2 697 e sono normalmente formalizzate in una immagine concettuale (non necessariamente bidimensionale, ma, potenzialmente, 3D o anche 4D), chiamata “Training Image” (TI). In letteratura, è raro trovare discussioni sulla preparazione e ottimizzazione delle TI, che, però, sono input cruciali per il successo e l’affidabilità della simulazione finale. Una simile cura, in effetti, dovrebbe caratterizzare la preparazione anche degli altri dati di input: le realizzazioni che popolano il modello geostatistico finale sono affidabili esclusivamente nella misura in cui l’incertezza dei dati di condizionamento è stata correttamente valutata e presa debitamente in considerazione. In questa ricerca, si discute una strategia per la preparazione e ottimizzazione: 1) delle TI e 2) dei dati (sismici, da pozzo, da precedenti modelli geologici) per il condizionamento delle simulazioni. L’impiego di tale strategia è esemplificato attraverso l’applicazione ad un caso di modellizzazione della distribuzione di sabbia e argilla nella porzione del Miocene compresa in un’area di circa 3000 km 2 , sul confine tra Danimarca e Germania (Høyer et al. , 2017). Fig. 1 - Diagrammi di flusso relativi: (A) alla strategia iterativa per la definizione ottimale della TI; (B) alla preparazione dei dati di condizionamento delle simulazioni. La strategia. Il presente studio si concentra sulla discussione di un approccio per la simulazione MP che: 1) sfrutti TI tridimensionali che (insieme all’algoritmo di simulazione adottato) siano effettivamente efficaci nel generare features corrispondenti alle geologie attese (Fig. 1A); 2) includa i differenti dati geologici/geofisici tenendo opportunamente in considerazione le diverse incertezze (Fig. 1B); 3) permetta di migrare l’influenza del “soft conditioning” oltre il semplice intorno del punto di osservazione (Fig. 1B). - Relativamente al primo punto (Fig. 1A), nell’esempio di studio, la TI utilizzata consiste in un’immagine 3D di circa 5x10 5 voxel, con la stessa discretizzazione utilizzata per la simulazione (100m x 100m x 5m), corrispondente ad un’area di ~90km 2 . La dimensione di tale TI è significativamente più piccola del dominio di simulazione, ma è sufficientemente grande da rappresentare le tipiche strutture del Miocene che si vogliono simulare. La preparazione della TI da usare non può prescindere dal codice di simulazione impiegato (non solo a causa dei differenti algoritmi e possibili settaggi, ma anche per le diverse implementazioni). Per questo, l’approccio proposto prevede iterativamente: i)