Dossier: Monitoring of CO2 Sequestration and Hydrocarbon Production
Open Access
Numéro
Oil Gas Sci. Technol. – Rev. IFP Energies nouvelles
Volume 67, Numéro 2, March-April 2012
Dossier: Monitoring of CO2 Sequestration and Hydrocarbon Production
Page(s) 193 - 206
DOI https://doi.org/10.2516/ogst/2011172
Publié en ligne 13 avril 2012
  • Floris F.J.T., Bush M.D., Cuypers M., Roggero F., Syversveen A.R. (2001) Methods for quantifying the uncertainty of production forecasts – a comparative study, Petrol. Geosci. 7, S, 87-96. [CrossRef] [Google Scholar]
  • Morris M.D. (1991) Factorial sampling plans for preliminary computational experiments, Technomectrics 33, 2, 161-74. [Google Scholar]
  • Campolongo F., Cariboni J., Saltelli A. (2007) An effective screening design for sensitivity analysis of large models, Environ. Modell. Software 22, 10, 1509-1518. [CrossRef] [Google Scholar]
  • Sobol I.M. (1990) On sensitivity estimation for nonlinear mathematical models, Mathem. Mod. 2, 1, 112-118. [Google Scholar]
  • Jourdan A. (2000) Analyse statistique et échantillonnage d’expériences simulée, Thèse, Université de Pau et des pays de l’Adour. [Google Scholar]
  • Kennedy M.C., O’Hagan A. (2000) Bayesian calibration of computer models, J.R. Stat. Soc., Ser. B Stat. Methodol. 63, 3, 425-464. [CrossRef] [MathSciNet] [Google Scholar]
  • Marrel A. (2008) Mise en oeuvre et utilisation du métamodèle processus Gaussien pour l’analyse de sensibilité de modèles numériques, Thèse, Institut National des Sciences Appliquées de Toulouse. [Google Scholar]
  • Sacks J., Welch W.J., Mitchell T.J., Wynn H.P. (1989) Design and analysis of computer experiments, Stat. Sci. 4, 409-423. [CrossRef] [MathSciNet] [Google Scholar]
  • Santner T.J., Williams B.J., Notz W.I. (2003) The design and analysis of computer experiments, Springer. [Google Scholar]
  • Scheidt C., Zabalza-Mezghani I., Feraille M., Collombier D. (2007) Toward a Reliable Quantification of Uncertainty on Production Forecasts : Adaptive Experimental Designs, Oil Gas Sci. Technol. 62, 2, 207-224, DOI : 10.2516/ogst :2007018. [CrossRef] [EDP Sciences] [Google Scholar]
  • Scheidt C. (2006) Analyse statistique d’expériences simulées : Modélisation adaptative de réponses non-régulières par krigeage et plans d’expériences – Application à la quantification des incertitudes en ingénierie des réservoirs pétroliers, Thèse, Université Louis Pasteur de Strasbourg. [Google Scholar]
  • Busby D. (2009) Hierarchical adaptive experimental design for Gaussian process emulators, Reliab. Eng. Syst. Safe. 94, 7, 1183-1193. [CrossRef] [Google Scholar]
  • Schonlau M. (1997) Computer Experiments and Global Optimization, Thèse, University of Waterloo. [Google Scholar]
  • Jones D.R., Schonlau M., Welch W.J. (1998) Efficient global optimization of expensive black-box functions, J. Glob. Optim. 13, 4, 455-492. [CrossRef] [Google Scholar]
  • Feraille M., Roggero F. (2004) Uncertainty quantification for mature field combining the Bayesian inversion formalism and experimental design approach, ECMOR IX, Cannes, France, 30 August-2 September. [Google Scholar]
  • Busby D., Feraille M. (2008) Adaptive Design of Experiments for Bayesian Inversion – An Application to Uncertainty Quantification of a Mature Oil Field, J. Phys. : Conf. Ser. 135, 012026, DOI : 10.1088/1742-6596/135/1/01202610.1088/1742-6596/135/1/012026. [Google Scholar]
  • Feraille M., Busby D. (2009) Uncertainty management on a reservoir workflow, International Petroleum Technology Conference, Doha, Qatar, 7-9 December. [Google Scholar]
  • Tarantola A. (2005) Inverse Problem Theory and Methods for Model Parameter Estimation, SIAM. [Google Scholar]
  • Zabalza-Mezghani I., Manceau E., Feraille M., Jourdan A. (2004) Uncertainty Management : From Geological Scenarios to Production Scheme Optimization, J. Petrol. Sci. Eng. 44, 1-2, 11-25, DOI : 10.1016/j.petrol.2004.02.002. [CrossRef] [Google Scholar]
  • Saltelli A., Chan K., Scott E.M. (2000) Sensitivity Analysis, Wiley. [Google Scholar]
  • Efron B., Stein C. (1981) The jackknife estimate of variance, Ann. Statist. 9, 3, 586-596. [CrossRef] [MathSciNet] [Google Scholar]
  • Homma T., Saltelli A. (1996) Importance measures in global sensitivity analysis of model output, Reliab. Eng. Syst. Safe. 52, 1, 1-17. [CrossRef] [Google Scholar]
  • Saltelli A., Ratto M., Andres T., Campolongo F., Cariboni J., Gatelli D., Saisana M., Tarantola S. (2008) Global Sensitivity Analysis, Wiley. [Google Scholar]
  • Welch W., Buck R., Sacks J., Wynn H., Mitchell T., Morris M. (1992) Screening, predicting, and computer experiments, Technometrics 34, 1, 15-25, DOI : 10.2307/1269548. [CrossRef] [Google Scholar]
  • Oakley J., O’Hagan A. (2002) Bayesian inference for the uncertainty distribution, Biometrika 89, 4, 769-784, DOI : 10.1093/biomet/ 89.4.769. [CrossRef] [Google Scholar]
  • McKay M.D., Beckman R.J., Conover W.J. (1979) A comparison of three methods for selecting values of input variables in the analysis of output from a computer code, Technometrics 21, 2, 239-245, DOI : 10.2307/1268522. [CrossRef] [MathSciNet] [Google Scholar]
  • Fang K.T., Li R., Sudjianto A. (2005) Design and modeling for computer experiments, Chapman and Hall/CRC, ISBN : 9781584885467. [Google Scholar]
  • Morris M.D., Mitchell T.J. (1995) Exploratory designs for computational experiments, J. Stat. Plan. Infer. 43, 3, 381-402, DOI : 10.1016/0378-3758(94)00035. [CrossRef] [Google Scholar]
  • Iooss B. (2011) Revue sur l’analyse de sensibilité globale de modèles numériques, Journal de la Société Française de Statistique 152, 1, 3-25. [Google Scholar]
  • Marrel A., Iooss B., Laurent B., Roustant O. (2009) Calculations of Sobol indices for the Gaussian process metamodel, Reliab. Eng. Syst. Safe. 94, 3, 742-751, DOI : 10.1016/j.ress.2008.07.008. [CrossRef] [Google Scholar]
  • Storlie C.B., Swiler L.P., Helton J.C., Salaberry C.J. (2010) Implementation and evaluation of nonparametric regression procedures for sensitivity analysis of computationally demanding models, Reliab. Eng. Syst. Safe. 94, 11, 1735-1763, DOI : 10.1016/j.ress.2009.05.007. [CrossRef] [Google Scholar]

Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.

Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.

Le chargement des statistiques peut être long.