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
Sektnan, Audun; Almendral Vazquez, Ariel; Hauge, Ragnar; Aarnes, Ingrid; Skauvold, Jacob; Vevle, Markus Lund. A Tree Representation of Plurigaussian Truncation Rules. In: Proceedings of the European Conference on the Mathematics of Geological Reservoirs (ECMOR 2022). (ISBN 0-000-00001-9). doi: 10.3997/2214-4609.202244066. 2022.
Almendral Vazquez, Ariel; Dahle, Pål; Abrahamsen, Petter; Sektnan, Audun. Conditioning geological surfaces to horizontal wells. Computational Geosciences (ISSN 1420-0597). doi: 10.1007/s10596-022-10154-6. 2022.
Nesvold, Erik; Mukerji, Tapan. Simulation of Fluvial Patterns With GANs Trained on a Data Set of Satellite Imagery. Water Resources Research (ISSN 0043-1397). 57(5) doi: 10.1029/2019WR025787. 2021.
Aker, Eyvind; Kjønsberg, Heidi; Fawad, Manzar; Mondol, Nazmul Haque. Estimation of Thickness and Layering of Johansen and Cook Sandstones at the Potential Co2 Storage Site Aurora. In: TCCS–11. CO2 Capture, Transport and Storage. Trondheim 22nd–23rd June 2021. Short Papers from the 11th International Trondheim CCS Conference. (ISBN 978-82-536-1714-5). pp 19-26. 2021.
Goodwin, Håvard; Aker, Eyvind; Røe, Per. Stochastic Modeling of Subseismic Faults Conditioned on Displacement and Orientation Maps. Mathematical Geosciences (ISSN 1874-8961). 54 pp 207-224. doi: 10.1007/s11004-021-09965-7. 2021.
Hvordan komme til NR
Del på sosiale media
Personvernerklæring