Search

Your search keyword '"Schulze-Riegert, Ralf"' showing total 28 results
Start Over Author "Schulze-Riegert, Ralf"
28 results on '"Schulze-Riegert, Ralf"'

3. Accelerating field development and target selection using AI and automation: Norway's Petoro and Schlumberger recently collaborated to develop a well placement solution that automates ensemblebased reservoir modeling. Based on AI and automation, the solution helps Petoro to accelerate and improve offshore field development planning and well target selection

Author

Pattie, Tephen, Topdemir, Sabahattin, Hegre, Thor Martin, Nasiri, Hamidreza, Schulze-Riegert, Ralf, Lang, Philipp, Drew, Christopher, Round, Andrew, Shaw, Kevin, Adeyemi, Tobi, and Pongtepupathum, Wanida

Subjects
Artificial intelligence -- Usage, Reservoirs -- Management -- Models, Oil fields -- Management, Company business management, Artificial intelligence, Business, Petroleum, energy and mining industries
Abstract

Accurate reservoir modeling during the field development phase is a principal factor in defining between poor and excellent economic performance of an asset. However, traditional methods of analysis constrain any [...]

Published
2021

6. Automated Reservoir Model Calibration for Field Development Plan Evaluation Under Subsurface Uncertainty Applied to a Complex Multi-Zones Heavy Oil Field

Author

Mendoza, Luis David, additional, Villarroel, Atahualpa Jose, additional, Hurtado, Maria Fernanda, additional, Robles, Facundo, additional, Schulze-Riegert, Ralf, additional, Quintero, Oscar Dario, additional, Villasmil, Jose, additional, Nava, Gerson, additional, Arango, Sandro, additional, Rueda, Alexander, additional, and Naranjo, Ana María, additional

Published
2022
Full Text
View/download PDF

8. From Physics to Consulting

Author

Schulze-Riegert, Ralf, Plessas, W., editor, Peña, M. Teresa, editor, Stadler, Alfred, editor, Eiró, Ana M., editor, and Adam, Jiří, editor

Published
2003
Full Text
View/download PDF

9. Ensemble-Based Well Location Optimization Under Subsurface Uncertainty Guided By Deep-Learning Approach To 3D Geological Feature Classification

Author

Schulze-Riegert, Ralf, additional, Lang, Philipp, additional, Pongtepupathum, Wanida, additional, Drew, Christopher, additional, Round, Andrew, additional, Shaw, Kevin, additional, Adeyemi, Tobi, additional, Topdemir, Sabahattin, additional, Pattie, Stephen, additional, Nasiri, Hamid, additional, and Hegre, Thor Martin, additional

Published
2020
Full Text
View/download PDF

18. Model Selection and Uniqueness Analysis for Reservoir History Matching

Author

Häfner, Frieder, Ganzer, Leonhard, Schulze-Riegert, Ralf, TU Bergakademie Freiberg, Rafiee, Mohammad Mohsen, Häfner, Frieder, Ganzer, Leonhard, Schulze-Riegert, Ralf, TU Bergakademie Freiberg, and Rafiee, Mohammad Mohsen

Abstract

“History matching” (model calibration, parameter identification) is an established method for determination of representative reservoir properties such as permeability, porosity, relative permeability and fault transmissibility from a measured production history; however the uniqueness of selected model is always a challenge in a successful history matching. Up to now, the uniqueness of history matching results in practice can be assessed only after individual and technical experience and/or by repeating history matching with different reservoir models (different sets of parameters as the starting guess). The present study has been used the stochastical theory of Kullback & Leibler (K-L) and its further development by Akaike (AIC) for the first time to solve the uniqueness problem in reservoir engineering. In addition - based on the AIC principle and the principle of parsimony - a penalty term for OF has been empirically formulated regarding geoscientific and technical considerations. Finally a new formulation (Penalized Objective Function, POF) has been developed for model selection in reservoir history matching and has been tested successfully in a North German gas field., „History Matching“ (Modell-Kalibrierung, Parameter Identifikation) ist eine bewährte Methode zur Bestimmung repräsentativer Reservoireigenschaften, wie Permeabilität, Porosität, relative Permeabilitätsfunktionen und Störungs-Transmissibilitäten aus einer gemessenen Produktionsgeschichte (history). Bis heute kann die Eindeutigkeit der identifizierten Parameter in der Praxis nicht konstruktiv nachgewiesen werden. Die Resultate eines History-Match können nur nach individueller Erfahrung und/oder durch vielmalige History-Match-Versuche mit verschiedenen Reservoirmodellen (verschiedenen Parametersätzen als Startposition) auf ihre Eindeutigkeit bewertet werden. Die vorliegende Studie hat die im Reservoir Engineering erstmals eingesetzte stochastische Theorie von Kullback & Leibler (K-L) und ihre Weiterentwicklung nach Akaike (AIC) als Basis für die Bewertung des Eindeutigkeitsproblems genutzt. Schließlich wurde das AIC-Prinzip als empirischer Strafterm aus geowissenschaftlichen und technischen Überlegungen formuliert. Der neu formulierte Strafterm (Penalized Objective Function, POF) wurde für das History Matching eines norddeutschen Erdgasfeldes erfolgreich getestet.

Published
2011

28. Model Selection and Uniqueness Analysis for Reservoir History Matching

Author

Rafiee, Mohammad Mohsen, Häfner, Frieder, Ganzer, Leonhard, Schulze-Riegert, Ralf, and TU Bergakademie Freiberg

Subjects
Modell-Kalibrierung, Parameter Identifikation, History-Match-Versuche, History Matching, Model selection, Uniqueness analysis, reservoir characterization, ddc:621.3, ddc:620, Erdölgewinnung, Erdölproduktion, Porosität, Permeabilität, Parameteridentifikation, Modellierung
Abstract

“History matching” (model calibration, parameter identification) is an established method for determination of representative reservoir properties such as permeability, porosity, relative permeability and fault transmissibility from a measured production history; however the uniqueness of selected model is always a challenge in a successful history matching. Up to now, the uniqueness of history matching results in practice can be assessed only after individual and technical experience and/or by repeating history matching with different reservoir models (different sets of parameters as the starting guess). The present study has been used the stochastical theory of Kullback & Leibler (K-L) and its further development by Akaike (AIC) for the first time to solve the uniqueness problem in reservoir engineering. In addition - based on the AIC principle and the principle of parsimony - a penalty term for OF has been empirically formulated regarding geoscientific and technical considerations. Finally a new formulation (Penalized Objective Function, POF) has been developed for model selection in reservoir history matching and has been tested successfully in a North German gas field. „History Matching“ (Modell-Kalibrierung, Parameter Identifikation) ist eine bewährte Methode zur Bestimmung repräsentativer Reservoireigenschaften, wie Permeabilität, Porosität, relative Permeabilitätsfunktionen und Störungs-Transmissibilitäten aus einer gemessenen Produktionsgeschichte (history). Bis heute kann die Eindeutigkeit der identifizierten Parameter in der Praxis nicht konstruktiv nachgewiesen werden. Die Resultate eines History-Match können nur nach individueller Erfahrung und/oder durch vielmalige History-Match-Versuche mit verschiedenen Reservoirmodellen (verschiedenen Parametersätzen als Startposition) auf ihre Eindeutigkeit bewertet werden. Die vorliegende Studie hat die im Reservoir Engineering erstmals eingesetzte stochastische Theorie von Kullback & Leibler (K-L) und ihre Weiterentwicklung nach Akaike (AIC) als Basis für die Bewertung des Eindeutigkeitsproblems genutzt. Schließlich wurde das AIC-Prinzip als empirischer Strafterm aus geowissenschaftlichen und technischen Überlegungen formuliert. Der neu formulierte Strafterm (Penalized Objective Function, POF) wurde für das History Matching eines norddeutschen Erdgasfeldes erfolgreich getestet.

Published
2010

Catalog

Books, media, physical & digital resources
See catalog results