SAND
SAND
Statistisk Analyse av Naturressurs Data - SAND
SAND ble etablert i 1984, og er en betydelig internasjonal bidragsyter til forskning og tjenester innen reservoarbeskrivelse, stokastisk modellering og geostatistikk for oljeindustrien. Vårt primære mål er å bruke statistiske metoder for å redusere og kvantifisere risiko og usikkerhet. Hovedområdet er stokastisk modellering av geologi i petroleumsreservoarer inkludert oppskalering og historie matching. Vi har også en betydelig aktivitet på alle typer risikokvantifisering, primært innen energisektoren.
Ansatte har bakgrunn i statistikk, matematikk, fysikk, numerisk analyse og informatikk. For å sikre at vi jobber med interessante og relevante problemstillinger for petroleumsindustrien, har vi nært samarbeid med fagfolk innen geo-vitenskap når dette er relevant for prosjektet. De fleste prosjektene er finansiert av oljeselskaper, programvareleverandører innen oljeindustrien og forskningsprosjekter sponset av EU-kommisjonen og Norges forskningsråd.
Forskningsområder
Stokastiske 3D-modeller er velegnet til å modellere bergarter og deres petrofysiske egenskaper. Vi har forsket mye på objektmodeller og multipunktmodeller for bergarter, og i tillegg implementert indikatorkriging og trunkert gaussisk felt.
|
NR har lang erfaring med stokastisk modellering av usikkerhet for forkastninger og flater. Dette brukes både for å integrere seismisk tolkninger med brønndata, og for å undersøke usikkerheten i reservoar volumer og reservoar flyt.
|
Vi benytter Bayesiansk inversjonsmetodikk for å invertere geofysiske data. Dette gir oss et enhetlig rammeverk å for å integrere bergarsfysikk og strukturgeologi med ulike typer geofysiske data. Vi jobber med seismiske og elektromagnetiske data.
|
Olje- og gassindustrien har store mengder data fra ulike kilder. Disse dataene kan gi verdifull information om usikkerhet til beslutningstakere. Statistiske metoder er et nyttig redskap for å anslå usikkerheten og derved gi viktig støtte til beslutninger.
|
Bruk av dynamiske data og historietilpasning for å forbedre 3D reservoarmodeller.
|
Siste 5 vitenskapelige artikler
Spremic, Mina; Eidsvik, Jo; Raknes, Espen Birger. Uncertainty quantification of FWI solutions using sequential local ensemble transform Kalman filter for full waveform data. Geophysical Journal International (ISSN 0956-540X). 241(3) pp 1648-1661. doi: 10.1093/gji/ggaf128. 2025.
Ovanger, Oscar; Lee, Daesoo; Eidsvik, Jo; Hauge, Ragnar; Skauvold, Jacob; Aune, Erlend. A Statistical Study of Latent Diffusion Models for Geological Facies Modeling. Mathematical Geosciences (ISSN 1874-8961). doi: 10.1007/s11004-025-10178-5. 2025.
Lee, Daesoo; Ovanger, Oscar; Eidsvik, Jo; Aune, Erlend; Skauvold, Jacob; Hauge, Ragnar. Latent diffusion model for conditional reservoir facies generation. Computers & Geosciences (ISSN 0098-3004). 194 doi: 10.1016/j.cageo.2024.105750. 2025.
Spremic, Mina; Eidsvik, Jo; Hansen, Thomas Mejer. Local conditioning in posterior sampling methods with example cases in subsurface inversion. Computers & Geosciences (ISSN 0098-3004). 196 doi: 10.1016/j.cageo.2025.105863. 2025.
Arguello Scotti, Agustin; Eide, Christian Haug; Aarnes, Ingrid; Hauge, Ragnar; Skauvold, Jacob; Howell, John Anthony. Modelling intra-parasequence reservoir heterogeneity with a process-mimicking algorithm: a case study from the Kenilworth Member, Blackhawk Formation. EarthArXiv preprint platform doi: 10.31223/X58981. 2024.
Hvordan komme til NR
Del på sosiale media
Personvernerklæring