Improved Conditioning to Hard, Soft and Dynamic Data In Multiple-Point Geostatistical Simulation

Dans cette dissertation, nous présentons trois méthodes visant à corriger autant de problèmes observés dans les simulations géostatistiques basées sur des statistiques multipoint (MPS). Le premier problème est le conditionnement aux données exactes (hard data) des algorithmes MPS par morceaux (patch-based). Le second problème est l'utilisation efficace de données auxiliaires (soft data) dans le MPS. Le dernier problème est la calibration des réalisations de faciès par MPS à des données dynamiques. Bien que le premier problème soit particulier au MPS par morceaux les deux autres sont communs à toutes les variantes de MPS ainsi qu'aux autres méthodes de modélisation des faciès. Dans une simulation MPS de variables catégoriques les données exactes trouvées dans le voisinage de recherche du point à simuler souvent ne correspondent à aucun des patrons disponibles dans l'image d'entrainement (TI). La solution habituellement utilisée est alors d'ignorer les points du voisinage les plus éloignés jusqu'à ce que le patron soit retrouvé dans la TI. Nous proposons plutôt l'utilisation de TI alternatives (ATI) permettant d'enrichir la base de données des patrons. Les ATIs sont obtenues par simulation non-conditionnelle (MPS par morceaux) à partir de la TI originale (OTI). Parmi toutes les ATI générées, certaines seulement sont sélectionnées en fonction des structures observées et des statistiques présentes dans ces ATI par rapport aux statistiques et aux structures des OTI. On vérifie également que chaque ATI apporte suffisamment de patrons présents dans les données exactes observées. Les ATIs qui ne sont pas assez riches en patrons observés ou qui ne sont pas statistiquement similaires à l'OTI, ou qui ont un contenu structurel différent de l'OTI sont rejetées. Les ATIs sélectionnées et l'OTI sont ensuite transmises à la boucle principale de simulation. Le nombre et la taille des ATIs sélectionnées peuvent être aussi grands que souhaité pourvu que les temps de calcul demeurent réalistes. Nous avons testé l'approche sur plusieurs TI différentes, catégoriques et continues, en 2D et en 3D. Nos résultats montrent que l'utilisation des ATIs améliore le conditionnement aux données exactes, améliore la reproduction de la texture des TI et permet de simuler sur de grandes grilles même à partir de petites OTI