[pt] PROPAGAÇÃO DE INCERTEZAS VIA EXPANSÃO POR CAOS POLINOMIAL EM SIMULAÇÃO DE RESERVATÓRIOS DE PETRÓLEO
[pt] Este trabalho tem por objetivo investigar a redução do custo computacional associado ao cálculo das principais estatísticas das saídas dos modelos de propagação de incertezas. Para tal, apresentamos uma implementação alternativa ao método tradicional de Monte Carlo, chamado Caos Polinomial; que...
| Other Authors: | |
|---|---|
| Language: | pt |
| Published: |
MAXWELL
2021
|
| Subjects: | |
| Online Access: | https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=55951@1 https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=55951@2 http://doi.org/10.17771/PUCRio.acad.55951 |
| Summary: | [pt] Este trabalho tem por objetivo investigar a redução do custo computacional
associado ao cálculo das principais estatísticas das saídas dos modelos
de propagação de incertezas. Para tal, apresentamos uma implementação alternativa
ao método tradicional de Monte Carlo, chamado Caos Polinomial;
que é adequado a problemas onde o número de variáveis de incerteza não é
muito alto. No método Caos Polinomial, o valor esperado e a variância das
saídas do simulador são diretamente estimados, como funções de distribuições
de probabilidade de variáveis de incerteza na entrada do simulador. A principal
vantagem do método de Caos Polinomial é que o número de pontos necessários
para uma boa estimativa das estatísticas da saída de um simulador, comparado
com Monte Carlo, é menor. Aplicações de Caos Polinomial em reservatórios de
petróleo serão apresentadas para a propagação de até quatro variáveis, apesar
do método poder ser aplicado a problemas de dimensões maiores. Nossos principais
resultados são aplicados a dois modelos de reservatórios de petróleo
sintéticos. === [en] In this work we investigate the reduction of the computational cost of the calculus of statistical moments of simulator s output in uncertainties propagation s models. For do that, we present an alternative s
implementation to the traditional Monte Carlo s Method, called Polynomial Chaos; that is adequate to problems where the number of uncertain variables is not so high. In the Polynomial Chaos method, the expectation and the variance of the simulator s output are directly estimated, as functions of the
probability distribuition of the uncertain variables in simulator input. The great advantage of Polynomial Chaos is that number of points necessary for a good estimation of the output statistics have smaller magnitude, compared to the Monte Carlo Method. Applications of Polynomial Chaos on oil reservoir simulations will be presented. As it is just a preliminar implementation, we just treat propagation s problems with at most four uncertainties variables, despite of the method being applicable to problems with more dimensions. Our main results are applied to two models of synthetic oil reservoirs. |
|---|