Doctorat

Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/80

Browse

Filters

Settings

Search Results

Now showing 1 - 10 of 12
  • Thumbnail Image
    Item
    Integrated reservoir Modeling and reservoir Characterization to optimize production and ultimate recovery for the complex reservoir in the coastal basin of Mauritania
    (Universite M'Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2026) Dahmane, Bah; Aliouane, Leila(Directeur de thése)
    Naturally fractured reservoirs are inherently heterogeneous and anisotropic due to faulting and tectonic complexity, which makes reservoir characterization highly challenging. Additionally, these reservoirs deplete quickly, causing exacerbated productivity decline over time. Fracture modeling is therefore a key development issue for naturally fractured reservoirs and requires an integrated approach from geology to reservoir simulation and from micro- to field-scale modeling and field planning. Moreover, as fractures are below the limit of seismic resolution, the static fractures models are mainly constrained by borehole data (i.e., core images or image logs) using conventional structural geology techniques. Due to the importance of the Mauritania, Senegal, Gambia, Guinea-Bissau, and Guinea-Conakry basin (MSGBC basin) in the offshore of West Africa MSGBC basin, which was developed as a tectonically developed basin, including the naturally fractured Chinguetti oil field, and to address these challenges, a comprehensive approach has been proposed, including detailed statistical analyses for the fractures, identifying the fractures’ trends, and correlating them with the geological and production data. Following the production decline of the Chinguetti oil field, primarily driven by pressure depletion, no other Miocene reservoirs in the region despite significant resources such as the Tiof field (~288 MMbbl, nearly twice Chinguetti) have been effectively developed, largely due to severe Chinguetti reservoir compartmentalization. Fracture models were developed to predict and characterize the various fracture sets, their 3D spatial distribution, and their impact on the reservoir behavior. The Chinguetti field’s production history illustrates the technical and operational challenges of managing a compartmentalized turbidite reservoir in a deepwater environment. It stands as a valuable case study in adaptive reservoir management, waterflood optimization, and probabilistic development planning in structurally complex offshore settings. The results demonstrate that structurally induced heterogeneities lead to hydraulic isolation, multiple fluid contacts, and inefficient pressure support, ultimately controlling production performance and contributing to early decline in the field. Production peaked at 75,000 BOPD shortly after start up and declined rapidly during the initial months, before stabilising to a gradual decline from June 2006. The field has underperformed since start up, with the reservoir more complex than originally thought. Production has also been affected by operational issues. The applied secondary recovery strategies include water and gas injection from five injection wells along with five producing wells, which are highly recommended to maintain the reservoir pressure. These scenarios may be extended to further offshore fields in West Africa and elsewhere.
  • Thumbnail Image
    Item
    Inversion sismique par un algorithme hybride algorithme génétique / gradient conjugué (AG/GC) application pour l'estimation des corrections statiques résiduelles - simulation et application sur des données réelles de sud Algérien
    (Universite M'Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2026) Bansir, Fateh; Eladj, Said(Directeur de thèse)
    Cette thèse propose une nouvelle approche d'optimisation hybride combinant un Algorithme Génétique (AG) et la méthode du Gradient Conjugué (GC) pour la résolution du problème des corrections statiques résiduelles dans le traitement des données sismiques. L'objectif est d'améliorer la cohérence des événements réfléchis dans les stacks sismiques en compensant les décalages temporels induits par les hétérogénéités proches de la surface. Contrairement aux méthodes classiques, souvent limitées par la non-linéarité et la nature multimodale de la fonction objectif, la méthode proposée (HGAGC) exploite la capacité de recherche globale de l'AG et la performance de convergence locale du GC. Une particularité majeure de cette approche est qu'elle repose sur une matrice de corrélation croisée (crosscorrelation table) sans recours à une trace pilote pour le calcul de la corrélation, ce qui renforce sa robustesse face aux conditions sismiques complexes. Elle s'avère particulièrement efficace dans les contextes de forte topographie et en présence de bruit. Le comportement de l'algorithme HGAGC est évalué sur des données synthétiques et réelles, démontrant une convergence plus stable, une énergie de stack plus élevée et une meilleure correction des décalages que les méthodes d'optimisation classiques. Ce travail met en lumière l'intérêt des techniques métaheuristiques hybrides pour l'optimisation géophysique et propose un cadre robuste pour le traitement avancé des données sismiques
  • No Thumbnail Available
    Item
    Fuzzy machine learning contribution in reservoir characterization from well-logging data
    (Universite M'Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2024) Cherana, Amina; Aliouane, Leila(Directeur de thèse)
    This thesis presents a comprehensive exploration of the integration of Neuro-Fuzzy Systems (NFS) within the domain of reservoir characterisation, with a specific focus on the analysis of petrophysical data in both conventional and unconventional reservoirs, notably within the Algerian Sahara region. Leveraging recent advancements in machine learning, neural networks, and fuzzy logic, this research elucidates the pivotal role of NFS as hybrid machine learning systems in augmenting reservoir characterisation methodologies. Drawing upon two peer-reviewed publications, this thesis embarks on an elaborate work to contextualize the latest developments in NFS within the broader domain of machine learning applications in reservoir characterisation. In the first foundational chapter, we delineate the fundamental principles underpinning machine learning, fuzzy logic, and the amalgamation thereof in the form of Neuro-Fuzzy Systems. Through a rigorous exposition, the theoretical underpinnings and operational mechanisms of these paradigms are elucidated, laying the groundwork for subsequent chapters. A meticulous examination of contemporary machine learning applications in reservoir characterisation forms the essence of chapter two. By synthesising existing literature, we distinguish prevalent methodologies, challenges, and advancements in employing machine learning techniques for reservoir characterisation tasks, thereby providing a comprehensive overview of the current status. Building upon the theoretical framework established in preceding chapters, Chapter 3 explores the application of unsupervised fuzzy logic methods for lithology classification. Through empirical investigations, the efficacy of fuzzy logic algorithms in delineating lithological boundaries is assessed, contributing to enhanced reservoir characterisation workflows. Chapter four undertakes the task of predicting porosity and permeability in a conventional reservoir situated within the Algerian Sahara region. Leveraging machine learning techniques, predictive models are developed to accurately estimate these critical reservoir properties, thereby facilitating informed decision-making in petroleum exploration and production endeavours. In the concluding chapter, the research findings are synthesized, and key insights gleaned from the empirical investigations are elucidated. Moreover, recommendations for future research endeavours aimed at further enhancing the efficacy and applicability of automated methods in predicting hydrocarbon reservoir properties are delineated, underscoring the imperative for continued interdisciplinary collaboration and innovation in the field of reservoir characterisation
  • No Thumbnail Available
    Item
    Contribution of artificial intelligence to the geological mapping of the SILET region (Western Hoggar) using aero-geophysical and satellite data
    (Universite M'Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2023) Elbegue, Aref Abderrahmane; Allek, Karim(Directeur de thèse)
    Geological mapping is a fundamental task in the study of the Earth's crust, as it provides crucial insights into the structure, composition, and evolution of the planet's surface. Traditionally, geological mapping has relied on surface observations, geological drilling, and other time-consuming and expensive techniques. However, in recent years geophysical data has emerged as a valuable tool for enhancing geological mapping, allowing for more efficient and accurate characterization of the subsurface. This thesis explores the application of machine learning techniques to geophysical and satellite data for geological mapping. Specifically, we focus on the integration of airborne magnetic and gamma ray spectrometry data with Landsat images of the Silet region located in central Hoggar. Our goal is to improve our understanding of the geology of this region and explore the effectiveness of machine learning algorithms in this context. Our findings show that geophysical data can provide valuable information on the subsurface structure and lithology, which can help to refine geological interpretations and reduce uncertainty in geological maps. In particular, we demonstrate the importance of integrating geophysical data with geological observations, as well as the importance of high-quality data acquisition and processing. Additionally, we show that machine learning techniques can help to automate the interpretation of geophysical data and improve the accuracy of geological maps. In our case study, we applied a range of machine learning algorithms, including random forests (RF), Deep neural networks DNN) and extreme gradient boosting (XGBoost). We demonstrate that these algorithms can effectively classify geophysical data into different lithological units and identify subsurface structures. Specifically, we show that the machine learning tool can distinguish different rock types and identify the boundaries between different rock units based on magnetic and gamma ray spectrometry data. Overall, this thesis provides a comprehensive overview of the contribution of machine learning applied to geophysical data for geological mapping, and highlights the potential for the utility of these data to revolutionize our understanding of the Earth's crust
  • No Thumbnail Available
    Item
    Apport de l'interprétation des anomalies micromagnétiques et radiométriques liées aux microfuites d'hydrocarbures à l'exploration pétrolière : cas de la région de Hassi R'mel
    (Universite de Boumerdes : Faculté des hydrocarbures et de la chimie, 2022) Senouci, Mohamed; Allek, Karim(Directeur de thèse)
    La recherche de nouveaux gisements d'hydrocarbures devient de plus en plus compliquée et coûteuse. L'approche géophysique traditionnelle consiste essentiellement à localiser en grandes profondeurs des structures-pièges favorables à l'accumulation des hydrocarbures. Une autre approche originale qui peut être complémentaire à la première se résout à essayer d'identifier les hydrocarbures en profondeur à travers leurs empreintes détectables en proche surface. Elle repose sur le principe que les hydrocarbures piégés en profondeur présentent souvent des microfuites qui migrent souvent verticalement en infime quantité vers la proche surface et induisent grâce à des processus complexes des altérations et la précipitation d'une variété de minéraux détectables par un ensemble de méthodes géophysiques de proche surface. Dans cette étude, les données magnétiques et gamma spectrométriques aéroportées du pourtour de Hassi R'mel ont été utilisées pour essayer d'identifier des variations subtiles des concentrations d'éléments radioactifs ainsi que des anomalies micromagnétiques qui seraient induites par les microfuites d'hydrocarbures. Un algorithme de classification bayésienne a été appliqué pour caractériser ces anomalies magnétiques et radiométriques résiduelles qui se produisent au-dessus des réservoirs d'hydrocarbures connus dans la zone d'étude. Les résultats obtenus ont permet la définition des attributs caractéristiques des anomalies magnétiques et radiométriques en relation directe avec la présence d'hydrocarbures en profondeur. , et celles qui se produisent en dehors des occurrences d'hydrocarbures connues peuvent indiquer des accumulations d'hydrocarbures sous-jacentes non prouvées par la prospection sismique et les forages d'exploration pétroliers. Les enregistrements des puits et les données de carotte, de la zone d'étude ont permis de contrôler l'efficacité de notre modèle et valider nos résultats.
  • No Thumbnail Available
    Item
    Caractérisation des réservoirs par les méthodes
    (Université M'Hamed Bougara Boumerdès, 2020) Ketteb, Rachid; Djeddi, Mabrouk( Directeur de thèse)
    Depuis la première phase mise en production d’un réservoir pétrolier, les spécialistes suivent d’une manière ininterrompue son évolution. L’accomplissement de cette tâche nécessite la compréhension de la distribution spatiale des propriétés pétrophysiques du réservoir telles la porosité et la perméabilité, les ingénieurs en réservoir ingenniering ont à leur disposition les données de puits (diagraphies, carottes). Malheureusement ces données fournissent des informations locales et limitées à l'emplacement des puits, par conséquence les modèles de réservoirs modélisés avec seulement ces données diagraphiques sont donc mal conditionnés dès que l'on s'éloigne des puits. Il est donc évident que les diagraphies seules ne suffisent pas pour contraindre les modèles de réservoir. Pour remédier à ce problème, ces données doivent être complétées par des informations géologiques de nature statique portant sur la taille des objets sédimentaires, leurs formes, etc. à cet effet, la prise en compte des données sismiques dans la modélisation des réservoirs peut remédier au problème d’insuffisance d’informations entre les puits. Nous proposons une technique qui nous permettra d’associer toutes les données (diagraphies, sismiques) afin de faire une modélisation des réservoirs plus proche à la réalité. Cette technique est connue sous le terme : méthodes géostatistiques par l’approche bayésienne. Nous utiliserons cette technique pour modéliser la porosité du réservoir « Tensleep »
  • No Thumbnail Available
    Item
    Application des filtres numériques aux données aérogéophysiques pour la délimitation des indices uranifères dans le hoggar occidental
    (2019) Groune, Daoud
    Cette étude est une contribution aux efforts de recherche et d’exploration de l’uranium dans la partie Ouest de la région du Hoggar, appelé également Hoggar occidental ou chaîne Pharusienne. Caractérisé par la complexité de ses formations litho-structurales et la multitude de ses systèmes de fractures qui favorisent l’accumulation des corps minéralisés, ce vaste domaine, présente un intérêt minier pour la recherche de plusieurs substances, notamment l’uranium où, trois gisements et une dizaine d’indices sérieux ont été déjà localisés. L’objectif principal de cette étude est la mise au point d’un modèle cohérent pour la prédiction de cibles potentiellement favorables pour l’accumulation des minéralisations uranifères et ce, dans le but de mettre en évidence de nouveaux gîtes d’uranium. Un tel modèle, qui peut servir comme un guide pour les futures recherches dans la zone d’étude, permettra de réduire les coûts alloués à l’exploration. Cette étude vise donc, l’orientation des activités d’exploration de l’uranium vers une approche sélective au lieu de l’exploration systématique classique. Malgré son caractère régional, l’analyse de la couverture aérogéophysique, au-dessus du Hoggar occidental, a permis de mettre en évidence plusieurs zones d’anomalies magnétiques et radiométriques qui ont conduit, à leur tour, à la découverte de quelques indices uranifères dans la région. Dans le cadre de cette thèse, nous effectuons une réinterprétation de l’information magnéto-spectrométrique en se basant sur les techniques de filtrage numérique pour l’amélioration de la qualité des données brutes. En faisant appel aux résultats des différents levés au sol, effectués depuis les années 1950, nous déterminons les critères de recherche ce qui facilite la sélection des zones potentielles, susceptibles de contenir des minéralisations uranifères. Après avoir dégagé les guides de recherche de l’uranium à partir de l’étude des minéralisations des différents gisements et indices uranifère localisés dans la zone d’étude, nous intégrons les différentes sources d’information disponibles afin d’établi un modèle métallo-génique des minéralisations uranifères dans le Hoggar occidental. Enfin, notre approche a permis de délimiter, à l’intérieure de la zone d’étude, plusieurs régions prometteuses et spatialement plus restreintes, susceptibles de renfermer des gîtes d’uranium
  • No Thumbnail Available
    Item
    Le bruit vibratoire ambiant dans l’évaluation des effets de site
    (2018) Oubaiche, El Hadi
    L’objectif de cette thèse est d’étudier les méthodes basées sur l'enregistrement du bruit vibratoire ambiant pour l’évaluation des effets de site. Les enregistrements avec une seule station et un capteur à trois composantes permettent de calculer la distribution fréquentielle du rapport spectral H/V de la composante horizontale sur la composante verticale du bruit vibratoire ambiant, appelé aussi HVSR. La fréquence du pic de la courbe HVSR correspond à la fréquence de résonance du sol, à laquelle le mouvement sismique est amplifié. L’enregistrement du bruit vibratoire ambiant synchrone avec plusieurs stations en réseaux denses permet d'obtenir les courbes de dispersion des ondes de Rayleigh, à partir desquelles il est alors possible de déterminer le profil de vitesse des ondes de cisaillement à des profondeurs assez grandes, afin de calculer la fonction d’amplification d’un site. L’amplitude et l’origine du pic des courbes HVSR sont des paramètres importants pour l’exploitation des courbes HVSR. L’amplitude est généralement utilisée relativement par rapport à plusieurs stations afin de caractériser le degré d'amplification relatif des zones concernées. Cette comparaison relative est utilisée car l’amplitude de la courbe HVSR sousestime l’amplification. Une étude expérimentale dans la partie est de la Mitidja, basée sur des données de downholes et des enregistrements de bruit vibratoire ambiant, a permis de mettre en évidence une relation entre l'amplitude du pic HVSR et les contrastes de vitesse des ondes de cisaillement entre les sédiments meubles et le rocher sous- jacent. L’origine du pic HVSR a fait l’objet de plusieurs études basées sur des simulations numériques. Certaines relient le pic HVSR à la fonction de transfert des ondes SH à incidence verticale, alors que d’autres le relient à l’ellipticité des ondes de Rayleigh. Afin de contribuer à cette thématique, une étude expérimentale, réalisée dans la partie est de la Mitidja, a permis de mettre en évidence une bonne corrélation entre le pic HVSR et la fonction de transfert des ondes SH à incidence verticale, alors qu’aucune corrélation ne permet de lier la courbe HVSR avec l’ellipticité des ondes de Rayleigh, ce qui corrobore les résultats de Nakamura (1989). La combinaison de la méthode HVSR avec des réseaux dans la ville de Boumerdes a permis de cartographier le socle de Boumerdes, de mettre en évidence une faille, de réaliser un zonage reflétant la réponse du sol et de classer les zones selon la réglementation parasismique Algérienne RPA 2003
  • No Thumbnail Available
    Item
    Contribution à la caractérisation des réservoirs fissurés du champ de Hassi Messaoud par classement flou, réseaux de neurones artificiels et magnétisme des roches
    (2015) Ali Zerrouki, Ahmed
    Les réservoirs fissurés naturels forment une catégorie des réservoirs tout à fait particulière, à cause de l'effet de la porosité et la perméabilité de fractures. L'optimisation de l'exploitation des réserves d'hydrocarbures dans ce type de réservoirs nécessite une étude spécifique par rapport aux autres réservoirs conventionnels. Notre étude consiste à exploiter au maximum les données disponibles pour mieux caractériser ce type de réservoirs, malgré le manque d'enregistrement de diagraphie sonique dans les puits étudiés. Les données des diagraphies sont utilisées pour estimer la porosité de fractures naturelles qui est considérée comme un paramètre essentiel pour évaluer et modéliser un réservoir fracturé. La prédiction de ce paramètre est faite, en se basant sur la logique floue et les réseaux de neurones. La fracturation du réservoir des quartzites de Hamra au sud-ouest du champ de Hassi Messaoud est étudiée, en exploitant les données des diagraphies d'imagerie et les carottes de puits. La combinaison des différentes techniques (diffraction des rayons X, microscopie électronique à balayage et magnétisme des roches) est utilisée pour mieux caractériser la nature des porteurs magnétiques dans le réservoir étudié. La recherche d'une relation linéaire ou non linéaire entre la susceptibilité magnétique et les paramètres pétrophysiques a fait l'objet de notre étude, en appliquant l'analyse des composantes principales et les réseaux de neurones. Les résultats trouvés montrent que le coefficient de corrélation (R2) entre les valeurs de la porosité de fractures estimées par le réseau de neurones et celles calculées par diagraphies est égale à 0.878. Les techniques combinées utilisées pour identifier la minéralogie magnétique ont montré que la pyrrhotite, l'hématite et la magnétite sont les minéraux magnétiques responsables de la forte susceptibilité magnétique dans le réservoir des quartzites de Hamra des puits étudiés. La prédiction de la susceptibilité magnétique est estimée à partir des données de diagraphies, en utilisant la logique floue et les réseaux de neurones. Les résultats trouvés, avec un réseau de 25 neurones dans la couche cachée, montrent une bonne performance dans la phase de test, avec une erreur quadratique moyenne, erreur relative moyenne et un coefficient de corrélation (R) égaux à 0.0142, 0.0743 et 0.907 respectivement. Ces résultats prouvent l'existence d'une relation non linéaire entre la susceptibilité magnétique et ces paramètres
  • No Thumbnail Available
    Item
    Traitement de données géophysiques à base de filtres non- linéaires et adaptatifs : application des filtres : de diffusion anisotropique, trilatéral et SD-ROM à l’atténuation des bruits cohérents et aléatoires
    (2009) Ferahtia, Jalal
    L'évolution des technique d'acquisition et les nouvelle exigence d'interprétation engendré de nouvelle problématique au niveau des méthode de filtrage en géophysique. La perpétuelle quête de moyens permettant d'améliorer la qualité du signal, tout en préservant l'amplitude, est devenue un impératif, voir même en norme. La plupart des techniques de filtrage linéaire utilisées supposent que l'information a priori sur le signale et le bruit est connue.Or, souvent cette in formation fait défaut. L’utilisation de critères physiques pour séparer le bruit du signal est l'autre handicap de ces technique, en particulier lorsque ceux-ci sont fortement lié ou possèdent des spectres qui se superposes. Cette thèse vise à apporter des améliorations aux technique de filtrage non linéaire et adaptatif appliqué à la géophysique, en s'appuyant sur trois filtre inspirés du domaine du traitement de l'image. Trois principaux filtres ont été retenus à savoir le filtre de diffusion anisotropique, le filtre trilatérale et le filtre SD-ROM. Ces filtre connaissent un plein essor depuis une dizaine d'années dans le domaine de l’imagerie. Malheureusement, peu ou pas d'étude, ont été dédiées à ces filtre dans le domaine du traitement des données géophysique