Chapter 4 -

Dynamic data integration: History-matching

Aanonsen S.I., Aavatsmark I., Cominelli, A., Gosselin, O., Integration of 4D Data in the History Match 
Loop by Investigating Scale Dependent Correlations in the Acoustic Impedance Cube, 8th European 
Conference on the Mathematics of Oil Recovery, Freiberg, Germany, September 3‐6, 2002 

Behrens, R., Condon, P., Haworth, W., Bergeron, M., Wang, Z., Ecker, C., 4D seismic monitoring of 
water influx at Bay Marchand: the practical use of 4D in an imperfect world, SPE Reservoir Evaluation 
and Engineering, SPE 79961, 410‐420, 2002 

Benson, R.D., Davis, T.L., Time‐lapse seismic monitoring and dynamic reservoir characterization, 
Central Vacuum unit, Lea County, New Mexico, SPE Reservoir Evaluation and Engineering, 3(1), 88‐
97, 2000, DOI: 10.2118/60890‐PA 

Bertino, L., Evensen, G., Wackernagel, H., Combining geostatistics and Kalman filtering for data  
assimilation in an estuarine system, Inverse Problems, 18,1‐23, 2002, DOI: 10.1088/0266‐
5611/18/1/301 

Broyden, C. G., The Convergence of a Class of Double‐rank Minimization Algorithms, Journal of the 
Institute of Mathematics and Its Applications, 6, 76‐90, 1970 

Chavent, G.M., 1974, Identification of function parameter in partial differential equations, in 
Identification of parameter distributed systems, eds Goodson, R.E. and Polis, New‐York, ASME  

Damsleth, E., Hage, A., Volden, R., Maximum Information at Minimum Cost: A North Sea Field 
Development Study with Experimental Design, Journal of Petroleum Technology, SPE‐23139‐PA, 
44(12), 1350‐1360, 1992, DOI: 10.2118/23139‐PA 

Davidon, W. C., Variable metric method for minimization, SIAM J. Optimization, 1(1), 1–17, 1991, 
DOI: 10.1137/0801001 

Derfoul, R., Da Veiga, S., Gout, C., Le Guyader, C., Tillier, E., Image processing tools for better 
incorporation of 4D seismic data in reservoir models, Journal of Computational and Applied 
Mathematics, 240, 11‐122, 2013, DOI: 10.1016/j.cam.2012.08.022 

Eastwood, J., Lebel, J.P., Dilay, A., Blackeslee, S., Seismic monitoring of steam‐based recovery of 
bitumen, The Leading Edge, 4, 242‐251, 1994, DOI: 10.1190/1.1437015 

Evensen, G., Sequential data assimilation with nonlinear quasi‐geostrophic model using Monte Carlo 
methods to forecast error statistics, J. Geophys. Res., 99(C6), 10143‐10162, 1994, DOI: 
10.1029/94JC00572 

 
 
Evensen, G., Data Assimilation, The Ensemble Kalman Filter, Springer, Berlin, 2007 

Feraille, M., Marrel, A., 2012, Prediction under uncertainty on a mature field, Oil & Gas Science and 
Technology, 67(2), 193‐206, DOI: 10.2516/ogst/2011172 

Fletcher, R., A New Approach to Variable Metric Algorithms, Computer Journal, 13, 317‐322, 1970 

Fletcher, R., Practical methods of optimization (2nd ed.), New York: John Wiley & Sons, 1971 

Goldfarb, D., A Family of Variable Metric Updates Derived by Variational Means, Mathematics of 
Computation, 24, 23‐26, 1970 

Guderian, K., Kleemeyer, M., Kjeldstad, A., Pettersson, S.E., Rehling, J., Draugen field: Successful 
reservoir management using 4D seismic, 65th EAGE Conference and Exhibition, Expanded Abstract, 
A01, 2003 

Hansen, N., The CMA evolution strategy: a comparing review, Towards a new evolutionary 
computation, Advances on estimation of distribution algorithms, Springer, 2006 

Hastings, W.K., Monte Carlo sampling methods using Markov chains and their applications, 
Biometrika, 57(1), 97‐109, 1970 

Holland, J.H. , Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor, 
1975 

Homma, T., Saltelli, A., Importance measures in global sensitivity analysis of non linear models, 
Reliability Engineering and System Safety, 52,1–17, 1996 

Jacquard, P., and Jaïn, C., Permeability distribution from fluid pressure data, Society of Petroleum 
Engineers Journal, 5(4), 281‐294, 1965, DOI: 10.2118/1307‐PA 

Kennedy, J., Eberhart, R. C., Particle Swarm Optimization, in Proc. IEEE Int. Conf. Neural Networks, 
IEEE Press, 1942–1948, 1995 

Kiefer, J., Wolfowitz, J., Stochastic estimation of the maximum of a regression function. Ann. Math. 
Statistics. 22(3), 462‐466, 1952 

Langouet, H., Delbos, F., Sinoquet, D., Da Veiga, S., A derivative free optimization method for 
reservoir characterization inverse problem. In ECMOR European Conference on the Mathematics of 
Oil Recovery, 12th, Oxford, UK, 6‐9 September, 2010 

Le Ravalec, M., Mouche, E., Calibrating Transmissivities from Piezometric Heads with the Gradual 
Deformation Method: An application to the Culebra Dolomite aquifer, New Mexico, USA, J. Hydrol, 
2012, DOI: 10.1016/j.jhydrol.2012.08.053   

Le Ravalec, M., Tillier, E., Da Veiga, S., Enchery, G., Gervais, V., Advanced integrated workflows for 
incorporating both production and 4D seismic‐related data into reservoir models, Oil and Gas Science 
and Technology, 67(2), 207‐220, 2012, DOI: 10.2516/ogst/2011159 

 
 
Manceau, E., Mezghani, M., Zabalza‐Mezghani, I., Roggero, F., Combination of Experimental Design 
and Joint Modeling Methods for Quantifying the Risk Associated With Deterministic and Stochastic 
Uncertainties – An Integrated Test Study, SPE 71620, SPE ATCE, New Orleans, LA, USA, 2001 

Mardia, K., Marshall, R.J., Maximum likelihood estimation of models for residuals covariance in 
spatial regression, Biometrika, 71(1), 135, 1984, DOI: 10.1093/biomet/71.1.135 

Morris, M.D, Factorial Sampling Plans for Preliminary Computational Experiments, Technometrics, 33 
(2), 161‐174, 1991 

Naevdal, G., Johnsen, L., Aanonsen, S., Reservoir Monitoring and Continuous Model Updating Using 
Ensemble Kalman Filter, SPE Journal, SPE‐84372‐PA, 10(1), 66‐74, 2005, DOI: 10.2118/84372‐PA 

Neal, R.M., Probabilistic inference using Markov chain Monte Carlo methods, Technical report CRG‐
TR‐93‐1, Dept of Computer Science, Univ. Toronto, CAN., 1993 

Nelson, R.W., In place measurement of permeability in heterogeneous media, 1. Theory of a 
proposed method, Journal of Geophysical Research, 65(6), 1753‐1760, 1960 

Neuman, S.P., Calibration of distributed parameter groundwater flow models viewed as a multi‐
objective decision process under uncertainty, Water Resources Research, 9(4), 1006‐1021, 1973, 
DOI: 10.1029/WR009i004p01006 

Oliver, D.S., Reynolds, A.C., Liu, N., Inverse theory for petroleum reservoir characterization and 
history‐matching, Cambridge University Press, New York, USA, 2008 

Press, W.H., Teufolsky, S.A., Vetterling, W.T., Flannery, B.P., Numerical recipes in C, Cambridge 
University Press, New York, NY, USA, 1988 

Roggero, F., Lerat, O., Ding, D.Y., Berthet, P., Bordenave, C., Lefeuvre, F., Perfetti, P., History 
matching of production history and 4D seismic data: Application to the Girassol field, offshore 
Angola, Oil Gas Science Tech, 2012, DOI: 10.2516/ogst/2011148  

Santner, T.J., Williams, B.K., Notz,W.I., The design and analysis of computer experiments, New York, 
Springer‐Verlag, 2003 

Schulze‐Riegert, R., Ghedan, S., Modern techniques for history‐matching, 9th International Forum on 
Reservoir Simulation, Abu Dhabi, UEA, December 9‐13, 2007 

Shanno, D. F.,Conditioning of Quasi‐Newton Methods for Function Minimization, Mathematics of 
Computation, 24, 647‐656, 1970  

Tarantola, A., Inverse Problem Theory – Methods for Data Fitting and Model Parameter Estimation. 
Elsevier Science Publishers, Amsterdam, The Netherlands, 613 pp, 1987 

Tillier E., Da Veiga, S., Derfoul, R., Appropriate formulation of the objective function for the history 
matching of seismic attributes, Computers and Geosciences, 51, 64‐73, 2013, DOI: 
10.1016/j.cageo.2012.07.031 

 
 
Tillier, E., Le Ravalec, M.,Da Veiga, S., Simultaneous inversion of production data and seismic 
attributes: Application to a SAGD produced field, Oil Gas Science Tech., 67(2), 289‐301, 2012, DOI: 
10.2516/ogst/2012004 

Tychonoff, A. N., and Arsenin, V.Y., Solution of Ill‐posed Problems. Washington, Winston & Sons, 
1977 

U.S. Department of Energy (DOE), Title 40 CFR Part 191 Compliance Recertification Application for 
the Waste Isolation Pilot Plant (March), 10 vols. DOE/WIPP 2004 3231, Carlsbad, NM, Carlsbad Area 
Office, 2004