AUTOMATED RESERVOIR MODELING USING DEEP GENERATIVE NETWORKS

A method for generating one or more reservoir models using machine learning is provided. Generating reservoir models is typically a time-intensive idiosyncratic process. However, machine learning may be used to generate one or more reservoir models that characterize the subsurface. The machine learning may use geological data, geological concepts, reservoir stratigraphic configurations, and one or more input geological models in order to generate the one or more reservoir models. As one example, a generative adversarial network (GAN) may be used as the machine learning methodology. The GAN includes two neural networks, including a generative network (which generates candidate reservoir models) and a discriminative network (which evaluates the candidate reservoir models), contest with each other in order to generate the reservoir models. La présente invention concerne un procédé de génération d'un ou plusieurs modèles de réservoir au moyen d'un apprentissage automatique. La génération de modèles de réservoir est typiquement un processus idiosyncratique prenant beaucoup de temps. Cependant, un apprentissage automatique peut être utilisé pour générer un ou plusieurs modèles de réservoir qui caractérisent le sous-sol. L'apprentissage automatique peut utiliser des données géologiques, des concepts géologiques, des configurations stratigraphiques de réservoir et un ou plusieurs modèles géologiques d'entrée afin de générer les un ou plusieurs modèles de réservoir. À titre d'exemple, un réseau antagoniste génératif (GAN) peut être utilisé en tant que méthodologie d'apprentissage automatique. Le GAN comprend deux réseaux neuronaux, comprenant un réseau génératif (qui génère des modèles de réservoir candidats) et un réseau discriminatif (qui évalue les modèles de réservoir candidats), en compétition les uns avec les autres afin de générer les modèles de réservoir.