Home
New phds

Warning message

There has not been added a translated version of this content. You can either try searching or go to the "area" home page to see if you can find the information there
Ny doktorgrad

Redusere usikkerhet i forbindelse med petroleumsproduksjon

Mohammad Nezhadali disputerer 14.4.2023 for ph.d.-graden ved Universitetet i Bergen med avhandlingen "Multilevel assimilation of inverted seismic data".

Main content

Fossile brensler, takket være deres pålitelighet og andre attraktive egenskaper, dominerer energimarkedet. Produksjon av fossilt brensel er imidlertid avhengig av vår forståelse av disse naturlige reservene og fysikken involvert ved produksjon av dem. Olje og gass lagres naturlig inne i små porer i reservoarbergarter. Å produsere fra et reservoar avhenger blant annet av hvor store disse porene er og hvor godt de er knyttet til hverandre; disse egenskapene er kjent som henholdsvis porøsitet og permeabilitet. For å forutsi produksjon av olje og gass utvikles matematiske modeller som avhenger av fysiske størrelser som porøsitet og permeabilitet.

Ettersom olje- og gassreservoarer typisk befinner seg hundrevis av meter under bakken, er direkte måling av porøsitet og permeabilitet ikke mulig. Derfor er disse fysiske størrelsene ukjente for oss. Heldigvis finnes det indirekte måter å få informasjon om dem på. En av disse måtene er å foreta seismiske undersøkelser. I en seismisk undersøkelse sendes akustiske bølger ned til geologiske reservoarer, og deres refleksjoner registreres i mottakere i havet eller på havbunnen. Seismiske data er kjent for å inneholde store mengder informasjon om reservoaret som undersøkes. Prosessen med å oppdatere de matematiske modellene ved hjelp av de innhentede dataene er kjent som dataassimilering (DA). Assimilering av seismiske data er en svært utfordrende oppgave.

I denne avhandlingen undersøker Nezhadali en ny tilnærming til ensemblebasert assimilering av seismiske data; flernivå dataassimilering (FNDA). FNDA prøver å minimere den samlete innflytelsen til to feilkilder som finnes i DA: numeriske feil som kommer fra approksimering av matematiske modeller, og statistiske feil som er iboende i prosessen med ensemblebasert DA. Han har utviklet algoritmer for FNDA, og undersøker ytelsen deres sammenlignet med konvensjonelle DA-algoritmer ved å bruke dem på både forenklede og realistiske DA-problemer.

Personalia

Mohammad ble født i 1994 og vokste opp i Mashhad, Iran. Han har en bachelorgrad i petroleumsingeniørfag fra Sharif University of Technology (2016, Teheran, Iran) og en mastergrad i reservoarteknikk fra Universitetet i Stavanger (2019). Siden 2019 har han arbeidet med doktorgraden ved NORCE Norwegian Research Centre og Universitetet i Bergen (UiB). Veiledningsteamet har bestått av Dr. Trond Mannseth (NORCE), Dr. Kristian Fossum (NORCE), Dr. Tuhin Bhakta (NORCE), og Prof. Inga Berre (UiB).