Dataassimilering

Forbedring av prosessmodeller gjennom ensemble-basert dataassimilering

Selv de beste prosessmodellene kan ha usikre parametere. Kvaliteten til en slik modell kan da forbedres ved dataassimilering, det vil si ved å bruke målinger av noen av prosessvariablene for å redusere usikkerhet i prosessmodellparametrene. Noen ganger er dette sluttproduktet av dataassimilering, som når seismiske data brukes til å identifisere strukturer under jorden, mens noen ganger er det virkelige målet å forbedre den prediktive kraften til prosessmodellen, som i værvarsling. Ensemble-basert dataassimilering er nøkkelen til operasjonelle vær- og klimaprognoser, og har det siste tiåret blitt den dominerende teknikken for å forbedre prediktiv kraft av reservoarstrømningsmodeller brukt til beslutningsstøtte i petroleumsreservoarstyring.

Dataassimilerings- og optimeringsgruppen i NORCE energi består av nesten 20 forskere, alle eksperter på ensemble-baserte metoder. Personell fra gruppen oppfant den ensemble-baserte dataassimilasjonsmetodikken, opprinnelig for bruk innen oseanografi, og initierte også bruken av denne metodikken for oppdatering av petroleumsreservoarmodeller. Medlemmene i gruppen har i mange år deltatt aktivt i metodeutvikling og testing innen disse og beslektede områder.