Data communication software with user interface connecting depositional modeling and diagenetic modeling

Abstract

Systems and methods for integrating depositional and diagenetic modeling. A model integration tool decodes a depositional parameter of a geological environment generated in response to depositional modeling by a depositional modeling engine. The model integration tool also discretizes the depositional parameter in a three dimensional (3D) volume. Further, the model integration tool extracts a targeted sub-volume of the 3D volume of the depositional parameter. Additionally, the model integration tool converts the depositional parameter into a diagenetic parameter to perform diagenetic modeling on the diagenetic parameter. Accordingly, the depositional modeling engine performs diagenetic modeling with the updated diagenetic parameter. Additionally, the model integration tool appends the updated depositional parameter and diagenetic modeling results to the data characterizing the geological environment.

Description

DATA COMMUNICATION SOFTWARE WITH USER INTERFACE CONNECTING DEPOSITIONAL MODELING AND DIAGENETIC MODELING

[0001] FIELD OF THE DISCLOSURE

[0002] The present disclosure relates generally to modeling geological formations with depositional and diagenetic model and, more particularly, to integrating depositional and diagenetic models.

[0003] BACKGROUND OF THE DISCLOSURE

[0004] Depositional modeling refers to the simulation and analysis of processes that lead to the deposition of sediments in various environments, such as continental environments (e.g., rivers, lakes, deserts) , transitional environments (e.g., deltaic, estuarine, lagoonal) , and marine environments (e.g., neritic, pelagic, reef) . That is, depositional environments are settings where sediments can accumulate, such that depositional modeling can model how sedimentary layers are formed, distributed, and preserved over time. Depositional modeling can use mathematical, physical, and computational techniques to recreate conditions that result in deposition of sediments. Accordingly, depositional modeling can be employed to predict sediment distribution, reconstruct past environments, and perform resource exploration to identify locations for natural resources such as oil, gas, coal, and groundwater.

[0005] Diagenetic modeling refers to simulation and analysis of physical, chemical, and biological changes that occur in sediments after deposition. Specifically, physical processes can include compaction and recrystallization, chemical process can include cementation, dissolution, and replacement, and biological processes can include bioturbation and microbial activity. These changes are collectively referred to as diagenesis and can impact parameters of sediments, such as porosity, permeability, and mineral composition. Diagenetic modeling can predict diagenesis over time to assist with resource exploration, groundwater studies, carbon sequestration, and geotechnical engineering.

[0006] Diagenetic modeling, as well as depositional modeling face challenges due to limited availability of high quality data, accurate model calibration, and integration with each other. That is, processed-based depositional (physical numerical equations) and diagenetic modeling approaches (chemical numerical equations) cannot be implemented in a single model due to fundamental differences. Rather, lack of effective data communication between the depositional and diagenetic models presents a major obstacle for integrated modeling of depositional and diagenetic models.

[0007] SUMMARY OF THE DISCLOSURE

[0008] Various details of the present disclosure are hereinafter summarized to provide a basic understanding. This summary is not an exhaustive overview of the disclosure and is neither intended to identify certain elements of the disclosure, nor to delineate the scope thereof. Rather, the primary purpose of this summary is to present some concepts of the disclosure in a simplified form prior to the more detailed description that is presented hereinafter.

[0009] According to an embodiment consistent with the present disclosure, a method for integrating depositional and diagenetic modeling includes decoding a depositional parameter of a geological environment generated in response to depositional modeling. The method further includes discretizing the depositional parameter in a three dimensional (3D) volume. Further, the method includes extracting a targeted sub-volume of the 3D volume of the depositional parameter. Additionally, the method includes converting the depositional parameter into a diagenetic parameter to perform diagenetic modeling on the diagenetic parameter.

[0010] According to another embodiment consistent with the present disclosure, a machine-readable storage medium has stored thereon a computer program for integrating depositional modeling and diagenetic modeling. The computer program includes a routine of set instructions for causing the machine to perform the step of performing depositional modeling on data characterizing a geological environment to generate a depositional parameter. The routine set of instructions further cause the machine to perform the step of decoding the depositional parameter of the geological environment generated in response to depositional modeling. Further, the routine set of instructions cause the machine to perform the step of discretizing the depositional parameter in a three dimensional (3D) volume. Furthermore, the routine set of instructions cause the machine to perform the step of extracting a targeted sub-volume of the 3D volume of the depositional parameter. Further still, the routine set of instructions cause the machine to perform the step of converting the depositional parameter into a diagenetic parameter to perform diagenetic modeling on the diagenetic parameter. The routine set of instructions also cause the machine to perform the step of performing diagenetic modeling on the diagenetic parameter. Moreover, the routine set of instructions cause the machine to perform the step of updating the depositional parameter in response to performing diagenetic modeling and appending the updated depositional parameter and diagenetic modeling results to the data characterizing the geological environment. Additionally, the routine set of instructions cause the machine to perform the step of performing depositional modeling on the updated depositional parameter.

[0011] According to yet another embodiment consistent with the present disclosure, a system for integrating depositional modeling and diagenetic modeling includes a computing platform having a memory and a processing unit. The system also includes a database operating on the memory of the computing platform for storing data characterizing a geological environment. Further, the system includes a modeling application operating on the memory of the computing platform, the modeling application including a depositional modeling engine. The depositional modeling engine performs depositional modeling on the data characterizing the geological environment to generate a depositional parameter. The modeling engine further includes a diagenetic modeling engine and model integration tool. The model integration tool is operable to decode the depositional parameter, discretize the depositional parameter in a three dimensional (3D) volume, and extract a targeted sub-volume of the 3D volume of the depositional parameter. Furthermore, the model integration tool is operable to convert the depositional parameter into a diagenetic parameter and provide the diagenetic parameter to the diagenetic modeling engine to perform diagenetic modeling on the diagenetic parameter. Additionally, the model integration tool is operable to update the depositional parameter in response to performing diagenetic modeling and appending the updated depositional parameter and diagenetic modeling results to the data characterizing the geological environment. Further, the depositional modeling engine performs depositional modeling on the updated depositional parameter.

[0012] Any combinations of the various embodiments and implementations disclosed herein can be used in a further embodiment, consistent with the disclosure. These and other aspects and features can be appreciated from the following description of certain embodiments presented herein in accordance with the disclosure and the accompanying drawings and claims.BRIEF DESCRIPTION OF THE DRAWINGS

[0013] FIG. 1 is an example geospatial system operating on a computing platform.

[0014] FIG. 2 is a flowchart of an example method for integrating depositional and diagenetic modeling.

[0015] FIG. 3 is an example graphical user interface (GUI) for decoding depositional parameters.

[0016] FIG. 4 is an example GUI for discretizing three dimensional (3D) depositional parameters.

[0017] FIG. 5 is an example GUI for extracting targeted 3D sub-volumes from the depositional parameters.

[0018] FIG. 6 is an example GUI for converting depositional parameters to diagenetic parameters and appending outcomes to an input for depositional modeling.

[0019] FIG. 7 is an example computing system for implementing the example geospatial system.DETAILED DESCRIPTION

[0020] Embodiments of the present disclosure will now be described in detail with reference to the accompanying Figures. Like elements in the various figures may be denoted by like reference numerals for consistency. Further, in the following detailed description of embodiments of the present disclosure, numerous specific details are set forth in order to provide a more thorough understanding of the claimed subject matter. However, it will be apparent to one of ordinary skill in the art that the embodiments disclosed herein may be practiced without these specific details. In other instances, well-known features have not been described in detail to avoid unnecessarily complicating the description. Additionally, it will be apparent to one of ordinary skill in the art that the scale of the elements presented in the accompanying Figures may vary without departing from the scope of the present disclosure.

[0021] Embodiments in accordance with the present disclosure generally relate to modeling geological formations with depositional and diagenetic model and, more particularly, to integrating depositional and diagenetic models.

[0022] FIG. 1 is a block diagram example geospatial system 100, which is configured to integrate a depositional modeling engine 104 and diagenetic modeling engine 108. The geospatial system 100 can include a computing platform 112 that further includes a memory 116 for storing machine readable instructions and data. The computing platform 112 can further include a processing unit 120 for accessing the memory 116 and executing the machine-readable instructions. The memory 116 represents a non-transitory machine-readable memory (or other medium) , such as random access memory (RAM) , a solid state drive, a hard disk drive or a combination thereof. The processing unit 120 can be implemented as one or more processor cores. The computing platform 112 can further include a network interface (not shown) , such as network interface card configured to communicate with other components of the geospatial system 100.

[0023] The computing platform 112 can be implemented in a computing cloud. In such an implementation, features of the computing platform 112, such as the processing unit 120, the network interface, and the memory 116 can be representative of a single instance of hardware or multiple instances of hardware with applications executing across the multiple  instances (e.g., distributed) of hardware (e.g., computers, routers, memory, processors, or a combination thereof) . Alternatively, the computing platform 112 can be implemented on a single dedicated server or workstation. Furthermore, in some examples the computing platform 112 can be employed to implement other components of the geospatial system 100 in a similar manner. However, for purposes of simplification of explanation, only the details of the computing platform 112 are shown.

[0024] More specifically, the computing platform 112 can include a modeling application 124, which can be a composite application composed of multiple components, applications, services, or engines that work together to provide unified functionality. Accordingly, the modeling application 124 can leverage strengths of each component to provide enhanced functionality and flexibility from individual components. For example, the modeling application 124 can include the depositional modeling engine 104, the diagenetic modeling engine 108, and a model integration tool 128 that is employed to integrate the depositional modeling engine 104 and diagenetic modeling engine 108.

[0025] Specifically, the modeling application 124 can be employed to simulate and / or model changes to a geological environment 132. The geological environment 132 can be a continental, transitional, or marine environment. In some examples, data characterizing the geological environment 132 can be gathered and provided to the modeling application 124 to perform simulation and analysis on the geological environment 132. In non-limiting examples, a vibroseis truck 136 can be employed to image subsurface structures and perform stratigraphy on the geological environment 132. Accordingly, depositional patterns, features, and basin architecture can be provided to the modeling application 124 by the vibroseis truck 136. Further, a drill 140 can collect core samples from boreholes to collect data characterizing sedimentary sequences, such as lithology, grain size, sedimentary structures and content. Thus, data extracted from core samples can be provided to the modeling application 124 by the drill 140.

[0026] Moreover, the drill 140 and vibroseis truck 136 can communicate with the modeling application 124 of the computing system 112 via a network 144. The network 144 can be for example an Internet Protocol version 6 (IPV6) network, 5G broadband network, a 4G Long Term Evolution (LTE) network, or local area network (LAN) compatible with Institute of Electrical and Electronics Engineers (IEEE) 802 Standards. Additionally, the memory 116 can include a database 148 that can communicate with the network 144, such that data characterizing the geological environment 132 can be stored to the database 148. Accordingly, historical data characterizing the geological environment 132 can be stored in the  database 148 and be provided to the modeling application 124 by the database 148. In some examples, the database 148 can be shared by other applications of the computing platform 116, such that data characterizing the geological environment 132 is employable by other applications. In other examples, the database 148 can be isolated or dedicated to the modeling application 124.

[0027] Furthermore, the modeling application 124 can generate or control graphical user interfaces (GUIs) 152 that can be provided to a peripheral device (not shown) coupled to the computing platform 112. Alternatively, the GUIs 152 can be provided to a remote client device via the network 144. Thus, the GUIs 152 can receive and provide data to a respective peripheral and / or client device, such that a user can receive and provide data to the modeling application 124. For example, the GUIs 152 can be employed to interact with the model integration tool 128, as well as the depositional modeling engine 104 and diagenetic modeling engine 108. Existing software systems attempt to include multiple modelling approaches, but systems that fully integrate depositional and diagenetic modelling are not yet available in existing systems because depositional and diagenetic modelling are fundamentally different.

[0028] Commercial solutions of depositional modelling can be forward depositions modeling, such as forward stratigraphic modeling, using physical numerical equations (e.g., Diffusion Navier-Stokes) , fuzzy logic, or a geometrical approach. These commercial solutions use physical laws to constrain physical parameters on a classical well log or seismic data (e.g., from vibroseis truck 136) . Further, these commercial solutions employ empirical calibrations and a classical derivation of fluid flow mechanics to establish a set of linked water constrained diffusion equations applicable on different lithologies or grain sizes of a geological environment 132. Accordingly, the depositional model 104 can implement a commercial solution and this set of equations to reproduce and forecast sedimentary deposition. In an example, the depositional model 104 can quantify sediment load carried by water, according to the following expression (1) : Qsed = KqwaterS (1)

[0029] wherein Qsed is the sediment load carried by water, S is the product of the channel slope (e.g., moving force) , qwater is the water discharge (e.g., water transport capacity) , and K is the transport coefficient. Thus, the depositional modeling engine 104 can simulate geological conditions that lead to specific depositional geometries and stratigraphic architecture in geological environments 132. These geological conditions include but are not limited to expression (1) , as well as sea-level change, sediment supply, and tectonic subsidence / uplift.

[0030] In contrast, forward diagenetic modeling, which can be employed by the diagenetic modeling engine 108, uses chemical numerical equations (e.g., reaction-transport approach) to simulate and reconstruct subsurface water / brine flow and chemical rock-fluid interaction. The forward diagenetic modeling simulation can be based on temperature, pressure, and chemical composition. Quantitative prediction performed with the reaction transport approach requires solving a series of coupled non-linear partial differential equations, such as coupled transient convection-advection-diffusion-reaction equations. The forward diagenetic modelling approach further involves spatial / temporal fields and algebraic equations that describe chemical reactions. Diagenetic processes are realized by mineral precipitation and dissolution. A mineral gradually precipitates (and accumulates) once it is supersaturated, but it dissolves when it is undersaturated. Further, aqueous components and species concentrations and mineral solubility are calculated by the geochemical equilibrium model, which uses laws of mass action and mass and charge balance. Mineral (e.g., salt solubility is measured by its saturation index (SI) , which is defined by the following expression (2) : SI = log (IAP / Ksp) (2)

[0031] wherein IAP is the ion activity product and Ksp is the equilibrium solubility product. For a mineral (e.g., salt) AaBb, the KSP is {A} a {B} b at equilibrium and IAP is {A} a {B} b for the real solution, where {} is the ionic activities. When SI = 0, the mineral (or salt) is at equilibrium and has the tendency to precipitate. Dissolution and precipitation impact porosity and permeability of a geological environment 132. For example, when a mineral dissolves, reservoir porosity and permeability increases, and vice versa.

[0032] The depositional modeling engine 104 can be implemented with  (IFPEN / Beicip Franlab) and the diagenetic modeling engine 108 can be implemented with ToughReact (Berkeley Labs) . Because these are commercial softwares with fundamental differences in the process-based depositional (physical numerical equations) and diagenetic modeling (chemical numerical equations) , existing systems cannot implement a single modeling approach. Rather, existing systems implement two independent codes to model deposition and diagenesis separately because existing systems lack effective input / output data communication between depositional and diagenetic processes. To enable direct communications between two basic geological process models, such as the depositional modeling engine 104 an diagenetic modeling engine 108, the model integration tool 128 can process data and employ GUIs 152. Specifically, the model integration tool 128 can instantiate a workflow that employs the GUIs and decode depositional output parameters, discretize three dimensional (3D) volumes, extract target geological volumes, convert parameters for  diagenetic modelling, and update parameters for depositional modelling. Thus, the modeling application 124 can integrate the depositional modelling engine 104 and the diagenetic modelling engine 108 with the model integration tool 128.

[0033] In view of the structural and functional features described above, an example method will be better appreciated with reference to FIG. 1. While, for purposes of simplicity of explanation, the example method of FIG. 2 is shown and described as executing serially, it is to be understood and appreciated that the present examples are not limited by the illustrated order, as some actions could in other examples occur in different orders, multiple times and / or concurrently from that shown and described herein. Moreover, it is not necessary that all described actions be performed to implement the methods, and conversely, some actions may be performed that are omitted from the description.

[0034] FIG. 2 is an example of a method 200 for integrating a depositional modeling engine 104 and diagenetic modeling engine 108. The method 200 can be implemented by a modeling application 124, as shown in FIG. 1. Thus, reference can be made to the example of FIG. 1 in the example of FIG. 2. The method 200 can begin at 202 by receiving data characterizing a geological environment 132. At 202, the data characterizing the geological environment 132 can be provided to the modeling application 124 by a database 148 as historical data, or directly by sources of data such as the vibroseis truck 136. At 204, the depositional modeling engine 104 can perform depositional modeling on data received at 202 to generate depositional output parameters. At 206, the model integration tool 128 of the modeling application 124 can decode the depositional output parameters, such as porosity and facies. Specifically, the model integration tool 128 can provide a GUI 152 for a user to set simulation settings and depositional parameters. For example, the model integration tool 128 can sample depositional parameters with thickness and depth to generate 3D models of the depositional parameters.

[0035] At 208, the model integration tool 128 can discretize the parameters decoded at 206 to generate 3D and visualize 3D models. Further, at 208, the model integration tool 128 can provide another GUI 152 to modify values to generate the 3D model based on needs and interests. At 210, the model integration tool 128 can extract target geological volumes from the 3D model generated at 208. Specifically, the model integration tool 128 can provide yet another GUI 152 at 210 for a user to select specific grid volumes in the 3D model. Accordingly, at 210, the model integration tool 128 can generate target grid files with the extracted target geological volumes.

[0036] At 212, the model integration tool 128 can convert depositional output parameters to diagenetic input parameters. That is, at 212, the model integration tool 128 can perform flow input parameterization, reactive transport parameterization, and geochemical parameterization to generate diagenetic input parameters. Accordingly, at 214, the diagenetic modeling engine 108 can perform diagenetic modeling with the diagenetic input parameters generated at 212 and user inputs provided to a GUI 152. Thus, the diagenetic modeling engine 108 can provide outputs that characterize diagenesis of the geological environment 132 over time. That is, depositional and diagenetic modeling are performed iteratively over a desired time series, which can be specified by a user via the GUI 152, or until each sedimentary layer of the geological environment is analyzed by the depositional and diagenetic modeling engine 104, 108. Therefore, at 216, the modeling application 124 can determine whether there are any further iterations that have yet to be analyzed via the depositional modeling engine 104 and the diagenetic modeling engine 108. Specifically, at 216, the model integration tool 128 can determine if there are any other iterations over a time series that are left, or if there any other sedimentary layers of the geological environment 132 that have yet to be analyzed. If there are no further iterations left to analyze (e.g., “NO” ) , the method 200 can end at 218. Conversely, if additional iterations are left to analyze (e.g. “YES” ) the method 200 can continue to 220.

[0037] At 220, the diagenetic model output parameters can further be updated at 216 for depositional modeling. For example, the model integration tool 128 can modify depositional parameters (e.g., porosity) and add new depositional parameters (e.g., cementation) to the outputs of the diagenetic modeling engine 108. Further, a user can update, edit, or add depositional parameters via the GUI 152. Therefore, the parameters updated at 220 can be provided to the depositional modeling engine 104 at 204, along with diagenetic outcomes generated by the diagenetic modeling engine 108 at 214. Thus, steps 204-220 can be repeated until each iteration is completed, such that there are no further iterations left to analyze at 216 (e.g., “NO” ) . Accordingly, the method 200 can automate and iteratively couple the depositional modeling engine 104 and diagenetic modeling engine 108. Further, successive layers (e.g., sedimentary layers) can be added incrementally during each iteration through the method 200, such that diagenetic modeling at 214 during each iteration models the model recent iteration at 214, as well as each previous iteration. Accordingly, subsequent diagenetic models (e.g., outcomes) affect new successive layers, as well as existing layers from previous depositional steps at 204.

[0038] Moreover, steps 206-214 and 220 of the method 200 can be assisted with a user interface, such as a GUI 152 provided by the modeling application 124. Thus, FIGS. 3-6  illustrate example user interfaces that can be provided to the GUI 152 and assist the modeling application 124 and model integration tool 128. Specifically, FIG. 3 illustrates an example decode user interface 300 for decoding depositional output parameters, which can be performed at 206 of method 200. More specifically, the decode user interface 300 can have selectable elements that a user can interact to edit or modify how the modeling integration tool 128 decodes depositional output parameters. For example, the depositional output parameters can be stored in a “. sav” file that can be identified by a file path 304. Particularly, the . sav file and file path 304 can be stored on a database 148 of a computing platform 116. While a . sav file is employed as an example herein, other files types (e.g., comm-separate values, excel, SQL, JavaScript Object Notation, Hierarchical Data Format version 5, etc. ) can store and manage data including depositional output parameters.

[0039] A targeted . sav file can store targeted depositional output parameters of a targeted geological environment 132. Accordingly, a user can select a targeted . sav file of a plurality of . sav files within a directory of a database 148 by selecting an input file button 308. In some examples, selecting the input file button 308 instantiates a navigation pop-window that allows a user to navigate a directory of the database 148 to select the desired file path 304 of the targeted . sav file. In response to selecting a targeted . sav file, the user can select the decode button 312 to instantiate the decoding process (e.g., decode the depositional output parameters 206 of method 200) . That is, the geometries and parameters of the geological environment 132 produced by the depositional modeling engine 104 are responsively decoded and reloaded in the modeling application 124.

[0040] The depositional parameters can include, but are not limited to facies and porosity. That is, the decode user interface 300 as shown utilizes the spatial distribution of facies and porosity parameters, and converts the facies and porosity parameters into diagenetic-model-software readable format. In further examples, other parameters can be analyzed, utilized, and converted, sometimes with similarly situated geological applications. Accordingly, the decode user interface 300 can display 3D views of the facies and porosity surfaces. Specifically, a facie geometry 316 and porosity geometry 320 can be displayed in response to completion of the decoding process. Both the facie geometry 316 and porosity geometry 320 can have four surfaces as illustrated, in which different facies of the facie geometry 316 are identified with integers and porosity of the porosity geometry 320 is identified as a percentage. Additionally, 3D views of geometries and parameters such as the facie geometry 316 and porosity geometry 320 can be rotated, translated, and interactively  verified. Further, as decoding is performed, the decode user interface 300 can display a status view 324 for providing a user with the status of the decoding process.

[0041] The decoding process can further be modified via the decode user interface 300. For example, a thickness pad input 328 and depth shift input 332 can be provided to the decode user interface 300 as text fields. In a default setting, values for the thickness pad input 328 and depth shift input 332 can both be zero. The default setting can be employed to ensure sufficient sampling along the depth direction and to ensure effective values are obtained for hydrostatic pressure calculations. Further, the thickness pad input 328 and depth shift input 332 can be modified to mitigate sampling issues, such as issues that arise for thin layers. For example, more than one depth sampling interval can be input for the thickness pad input 328 and a depth shift input 332 can be provided to ensure all targeted depositional layers are below sea level.

[0042] In another example, the decode user interface 300 can include a configuration file button 336. Specifically, the configuration file button 336 can be employed to load a configuration file, which can be selected from a directly within database 148 similar to the . sav file. The configuration file can define a fixed framework of the geological environment 132. More specifically, the configuration file works to synergize information from multiple depositional modeling outcomes, such as at different iterations of the method 200. Thus, the configuration file can be generated in response to extracting a target geological volume at 210 of the method 200. Accordingly, the configuration file can be applied to integrate mutual impacts of depositional modeling and diagenetic modeling, which will be explained further with respect to extraction at 210 and the associated GUI 152.

[0043] FIG. 4 illustrates a discretization user interface 400, which can be provided to the GUI 152 at 208 of method 200 in response to decoding the depositional output parameters at 206 via the decode user interface 300. Because the depositional outcomes (e.g., output parameters) include several surface parameters (e.g., porosity and facies) , the model integration tool 128 can recover corresponding 3D property volumes prior to resampling, extraction (e.g., 210 of method 200) , and information conversion (e.g., 212 of method 200) . Accordingly, recovering corresponding 3D property volumes can be performed as illustrated with the discretization user interface 400.

[0044] The discretization user interface 400 can be similar to the decode user interface 300 by having similar elements, such as the status view 324 and file path 304. Conversely, the discretization user interface 400 can include a facies file button 408 to select the file path 304 of a facies file within a directory of the database 148. Accordingly, the facies file can include at least the output of the decoding process at 206 of method 200 as performed with the user  interface 300 of FIG. 3. Further, the discretization process of 208 of the method 300 can be instantiated with a discretization button 412.

[0045] Discretization at 208 is the configuration of 3D grid cells. Grid cells along the X and Y directions are defined during depositional modeling and can be retrieved during the decoding process, as illustrated in the decode user interface 300. However, grid cells along the Z direction are not defined during depositional modeling, as illustrated in the decode user interface 300. Accordingly, the discretization user interface 400 can be employed to generate the facies grid volume 416 and the porosity grid volume 420 of FIG. 4. By default, maximum and minimum depths are automatically calculated by the model integration tool 128. However, a user can input the maximum depth via a maximum depth field 424, as well as a minimum depth via a minimum depth field 428. Thus, a user can provide a maximum and minimum depth based on specific needs and interests.

[0046] Additionally, a depth sampling interval can be provided via an interval field 432. The depth sampling interval should not be too small because excessive depth sampling can present a heavy computational burden in subsequent steps of the method 200, such as extraction (e.g., 210 of method 200) and conversion (e.g., 212 of method 200) . Conversely, the depth sampling interval should not be too large, which could risk losing geologic features. Accordingly, a user can provide a depth sampling interval via the interval field 432 based on needs and interests, as well as test different depth sampling intervals to ensure a preferable outcome. Thus, the user can instantiate the discretization process with provided maximum and minimum sampling depths, as well as the depth sampling interval by selecting the discretization button 412.

[0047] In response, the model integration tool 128 can generate the facies grid volume 416and the porosity grid volume 420, while providing status updates during the discretization process via the status view 324. More specifically, the discretization process can yield 3D property volumes along the Z direction by repeating property values on each surface downwards (e.g., the direction increasing depth in the negative Z direction) , until a deeper surface is encountered. Thus, parameters of the 3D grid cells in the Z direction are established in the facies grid volume 416 and porosity grid volume 420 by extrapolating values from surfaces of the respective facies geometry 316 and porosity geometry 320. In existing systems, property outputs (e.g., facies and porosity) from depositional modeling are limited to the upmost layer of sediment, but yield no information for layers below the upmost layer of sediment. However, property outputs below this upmost layer of sediment, such as the grid cells in the negative Z direction, are required for diagenetic modeling. Thus, the discretization  process at 208 of the method 200 can be performed with the discretization user interface 400 to enable integration between the depositional modeling engine 104 an diagenetic modeling engine 108 by providing 3D grid cells that are further used in subsequent steps of the method 200.

[0048] FIG. 5 is an example extraction user interface 500, which can be provided to the GUI 152 by the modeling application 124. The number of grid cells generated by the discretization process at 208 characterizing the property outputs (e.g., facies and porosity) can be too large to provide to the diagenetic modeling engine 108. That is, most diagenetic modeling schemes limit the number of grid cells to be used during diagenetic modeling to ensure computational efficiency and robustness. Generally, the diagenetic modeling schemes, such as those employed by the diagenetic modeling engine 108, can limit the number of grid cells to four thousand. The example facies grid volume 416 can have about seventy-two thousand grid cells as illustrated in FIG. 4. Thus, the extraction user interface 500 can be employed at 210 select a subset of the grid cells in a grid volume, such as the facies grid volume 416 and porosity grid volume 420.

[0049] Once discretization is completed at 208, sets of sizing parameters 504 of the 3D geometric volumes can be provided by a user via the extraction user interface 500 or automatically provided to the extraction user interface 500 at 210 by the model integration tool 128. Specifically, a set of sizing parameters 504 can correspond to each dimension, such as X sizing parameters 504a, Y sizing parameters 504b, and Z sizing parameters 504c. A set of sizing parameters 504 can further include a coordinate range 508 and index range 512, the coordinate range 508 and index range 512 defining a total volume of the respective geometric volume (e.g., facies grid volume 416 and porosity grid volume 420) . Accordingly, the coordinate range 508 and index range 512 can be automatically populated for each dimension in the sets of sizing parameters 504 by the model integration tool 124 based on the previously discretized geometric volumes at 208. However, the coordinate range 508 and index range 512 can be text elements that can further be modified by a user.

[0050] Further, each set of parameters 504 can include a target index range 516. The target range can be another group of text fields that user can provide a minimum and maximum index. The target index range 516 of a given set of size parameters 504 should be within the corresponding index range 512 of the set of sizing parameters 504. For example, if the X sizing parameters 504 includes an index range 512a of 1-40, the X target index range 516a should not have a value less than 1 and / or greater than 40. Additionally, each of the sizing parameters 504 includes a target index step 520, which determines the sampling rate along the respective  direction. To better capture depositional features in a geometric volume, sparse sampling rates can be used in directions with less or insignificant features. For example, the X target index step 520a and Z target index step 520c is one, whereas the Y target index step 520b is two.

[0051] Furthermore, each set of parameters 504 can include a scalar 524. Scalars can be applied to different directions to ensure robustness of diagenetic modeling and eliminate scale discrepancies between the directions. That is, the Z direction is usually measured in meters, whereas the X and Y directions are usually measured in kilometers (km) . Thus, the Z scalar 524c can be one, whereas the X scalar 524a and Y scalar 524b can be one thousand. Accordingly, the set of parameters 504 can be employed to extract target sub-volumes from grid volumes, such as the facies grid volume 416 and porosity grid volume 420. Specifically a facies target grid sub-volume 528 and a porosity target grid sub-volume 532 can be generated by the model integration tool 128 using the set of parameters 504. To extract the target grid sub-volumes 528, 532, a user can select an extraction button 536.

[0052] Moreover, the extraction user interface 500 can include an identifier field 540. Particularly, an identifier can be specified to differentiate outcomes after extraction at 210 and conversion 212. That identifier can be short, but self-explaining. As illustrated in FIG. 5, the identifier ‘DF010203’ marks analysis work on a three-layer model, to reflect contents in the . sav file given in the decoding process at 206 and provided to the decoding user interface 300 of FIG. 3. Accordingly, an internal matrix file can be generated with a name of ‘DF010203_D2T_ExtractionInfo. mat’ in the next step of conversion at 212.

[0053] As will be explained further with respect to parametrizations 220, the last two samples along the X direction, the central part of the Y samples (spaced by two samples) , and most of the Z samples can be extracted as the target grid sub-volume for the following procedure of conversion at 212. Specifically, the model integration tool 128 can crop a 3D target grid sub-volume 528, 532 out of the original grid volume 416, 420. After the target grid sub-volumes 528, 532 are extracted, the parameters (e.g., facies and porosity) can be converted into parameters for diagenetic modeling and exported into a data format compatible with the diagenetic modeling engine 108.

[0054] FIG. 6 illustrates a conversion user interface 600 that can be provided to a GUI 152 by the model integration tool 128 at 212 of method 200. The conversion user interface 600 allows a user to input various diagenesis parameters 604 into corresponding text fields. The diagenesis parameters 604 can include an interface area for heat exchange 608, a permeability modifier 612, an initial temperature 616, water density 620, initial salt fraction 624, and initial carbon dioxide (CO2) fraction 628. Most of these diagenesis parameters 604  can have default values of zero, such as the interface area for heat exchange 608, the permeability modifier 612, the initial salt fraction 624, and the initial CO2 fraction 628. However, initial temperature 616 and water density 620 can be specified before conversion. In this example, initial temperature is 30 degrees Celsius and water density is 1.03 grams per cubic centimeter.

[0055] Further, the conversion user interface 600 can have four file export buttons 632 that allow a user to select files (e.g., a file path 304) , which are provided exported parameters (e.g., facies, porosity) and are provided to the diagenetic modeling engine 108. In an example, the files can be generated by the depositional modeling engine 104 and superimposed with diagenetic modeling results. In an example, the files can be generated by the depositional modeling engine 104 and superimposed with diagenetic modeling results. Further, the conversion user interface 600 allows the user to enter the identifier previously entered in the identifier field 540 of the extraction user interface 500, which enable the model interface tool 128 to select associated extracted depositional parameters and diagenetic outcomes from the extraction step 210. Alternatively, a user can select the individual extract parameters and outcomes with associated upper layer property button 638, upper layer diagenesis outcome button 642, and bottom layer extracted property button 646.

[0056] In response to selecting the files for export via the file export buttons 632 and the extracted depositional parameters and diagenetic outcomes, a user can select the update button 650 to load the selected files. Accordingly, conversion at 212 can be performed in response to selection of a conversion button 654. Thus, the input parameters including flow input parameterization (e.g., geometric grid information, rock parameters, boundary conditions) , reactive transport parameterization (e.g., diffusion, transport and chemical iterations) , and geochemical process parameterization can be converted to input parameters for diagenetic modeling. That is, the converted input parameters can be responsively provided to the diagenetic modeling engine 108 at 214 of the method 200.

[0057] At 220, the method 200 can continue if additional iterations (e.g., time steps) are yet to modeled with the depositional modeling engine 104 and diagenetic modeling engine 108. Specifically, at 220, parameters produced by the diagenetic modeling engine 108 can be updated for depositional modeling and provided to the depositional modeling engine 104. Accordingly, the . sav file referred to at step 206 and selected via the input file button 308 of the decoding user interface 300 can be modified or generated via the conversion user interface 600. During a first iteration, converted information at 212 can be provided to the diagenetic modeling engine 108. After the first iteration, a diagenetic identifier 540 can be employed to  apply diagenetic outcomes produced by the diagenetic modeling engine 108 from previous iterations. Specifically, a diagenesis property button 662 can be selected to identify diagenetic outcomes from diagenetic modeling to add to the . sav file. Further related depositional parameters (e.g., porosity) can be provided via an internal matrix file, such as ‘DF010203_D2T_ExtractionInfo. mat’ generated at 212. Specifically, the internal matrix file can be selected in response to a user selecting a related property button 658. Further, the user can select the . sav file by selecting a reference file button 668, such as the . sav file selected via the input file button 308. Accordingly, the . sav file can be appended with updated depositional parameters and diagenetic outcomes produced during the instant iteration of the method 200 and provided to the depositional modeling engine at 204 of the subsequent iteration.

[0058] In view of the foregoing structural and functional description, those skilled in the art will appreciate that portions of the embodiments may be embodied as a method, data processing system, or computer program product. Accordingly, these portions of the present embodiments may take the form of an entirely hardware embodiment, an entirely software embodiment, or an embodiment combining software and hardware, such as shown and described with respect to the computer system of FIG. 7. Furthermore, portions of the embodiments may be a computer program product on a computer-readable storage medium having computer readable program code on the medium. Any non-transitory, tangible storage media possessing structure may be utilized including, but not limited to, static and dynamic storage devices, volatile and non-volatile memories, hard disks, optical storage devices, and magnetic storage devices, but excludes any medium that is not eligible for patent protection under 35 U.S.C. § 101 (such as a propagating electrical or electromagnetic signals per se) . As an example and not by way of limitation, computer-readable storage media may include a semiconductor-based circuit or device or other IC (such, as for example, a field-programmable gate array (FPGA) or an ASIC) , a hard disk, an HDD, a hybrid hard drive (HHD) , an optical disc, an optical disc drive (ODD) , a magneto-optical disc, a magneto-optical drive, a floppy disk, a floppy disk drive (FDD) , magnetic tape, a holographic storage medium, a solid-state drive (SSD) , a RAM-drive, a SECURE DIGITAL card, a SECURE DIGITAL drive, or another suitable computer-readable storage medium or a combination of two or more of these, where appropriate. A computer-readable non-transitory storage medium may be volatile, nonvolatile, or a combination of volatile and non-volatile, as appropriate.

[0059] Certain embodiments have also been described herein with reference to block illustrations of methods, systems, and computer program products. It will be understood that blocks and / or combinations of blocks in the illustrations, as well as methods or steps or acts or  processes described herein, can be implemented by a computer program comprising a routine of set instructions stored in a machine-readable storage medium as described herein. These instructions may be provided to one or more processors of a general purpose computer, special purpose computer, or other programmable data processing apparatus (or a combination of devices and circuits) to produce a machine, such that the instructions of the machine, when executed by the processor, implement the functions specified in the block or blocks, or in the acts, steps, methods and processes described herein.

[0060] These processor-executable instructions may also be stored in computer-readable memory that can direct a computer or other programmable data processing apparatus to function in a particular manner, such that the instructions stored in the computer-readable memory result in an article of manufacture including instructions which implement the function specified. The computer program instructions may also be loaded onto a computer or other programmable data processing apparatus to cause a series of operational steps to be performed on the computer or other programmable apparatus to realize a computer implemented process such that the instructions which execute on the computer or other programmable apparatus provide steps for implementing the functions specified in flowchart blocks that may be described herein.

[0061] In this regard, FIG. 7 illustrates one example of a computer system 700 that can be employed to execute one or more embodiments of the present disclosure. Computer system 700 can be implemented on one or more general purpose networked computer systems, embedded computer systems, routers, switches, server devices, client devices, various intermediate devices / nodes or standalone computer systems. Additionally, computer system 700 can be implemented on various mobile clients such as, for example, a personal digital assistant (PDA) , laptop computer, pager, and the like, provided it includes sufficient processing capabilities.

[0062] Computer system 700 includes processing unit 702, system memory 704, and system bus 706 that couples various system components, including the system memory 704, to processing unit 702. System memory 704 can include volatile (e.g. RAM, DRAM, SDRAM, Double Data Rate (DDR) RAM, etc. ) and non-volatile (e.g. Flash, NAND, etc. ) memory. Dual microprocessors and other multi-processor architectures also can be used as processing unit 702. System bus 706 may be any of several types of bus structure including a memory bus or memory controller, a peripheral bus, and a local bus using any of a variety of bus architectures. System memory 704 includes read only memory (ROM) 710 and random access memory  (RAM) 712. A basic input / output system (BIOS) 714 can reside in ROM 710 containing the basic routines that help to transfer information among elements within computer system 700.

[0063] Computer system 700 can include a hard disk drive 716, magnetic disk drive 718, e.g., to read from or write to removable disk 720, and an optical disk drive 722, e.g., for reading CD-ROM disk 724 or to read from or write to other optical media. Hard disk drive 716, magnetic disk drive 718, and optical disk drive 722 are connected to system bus 706 by a hard disk drive interface 726, a magnetic disk drive interface 728, and an optical drive interface 730, respectively. The drives and associated computer-readable media provide nonvolatile storage of data, data structures, and computer-executable instructions for computer system 700. Although the description of computer-readable media above refers to a hard disk, a removable magnetic disk and a CD, other types of media that are readable by a computer, such as magnetic cassettes, flash memory cards, digital video disks and the like, in a variety of forms, may also be used in the operating environment; further, any such media may contain computer-executable instructions for implementing one or more parts of embodiments shown and described herein.

[0064] A number of program modules may be stored in drives and RAM 710, including operating system 732, one or more application programs 734, other program modules 736, and program data 738. In some examples, the application programs 734 can include the modeling application 124, depositional modeling engine 104, diagenetic modeling engine 108, model integration tool 128, and database 148. The program data 738 can include GUIs 152, such as the decode user interface 300, discretization user interface 400, and conversion user interface 400. Further, the program data can include parameters and outcomes, the facie geometry 316, porosity geometry 320, the facie grid volume 416, porosity grid volume 420, the facies target grid sub-volume 528 and the porosity target grid sub-volume 532 . Furthermore, the program data 738 can include associated files and values that can be entered automatically or by a user in each of the user interfaces 300, 400, 500 and 600. The application programs 734 and program data 738 can include functions and methods programmed to integrate the depositional modeling engine 104 and diagenetic modeling engine 108, such as shown and described herein.

[0065] A user may enter commands and information into computer system 700 through one or more input devices 740, such as a pointing device (e.g., a mouse, touch screen) , keyboard, microphone, joystick, game pad, scanner, and the like. For instance, the user can employ input device 740 to edit or modify a GUI 152, such as user interfaces 300, 400, 500, 600. These and other input devices 740 are often connected to processing unit 702 through a corresponding port interface 742 that is coupled to the system bus, but may be connected by other interfaces,  such as a parallel port, serial port, or universal serial bus (USB) . One or more output devices 744 (e.g., display, a monitor, printer, projector, or other type of displaying device) is also connected to system bus 706 via interface 746, such as a video adapter.

[0066] Computer system 700 may operate in a networked environment using logical connections to one or more remote computers, such as remote computer 748. Remote computer 748 may be a workstation, computer system, router, peer device, or other common network node, and typically includes many or all the elements described relative to computer system 700. The logical connections, schematically indicated at 750, can include a local area network (LAN) and / or a wide area network (WAN) , or a combination of these, and can be in a cloud-type architecture, for example configured as private clouds, public clouds, hybrid clouds, and multi-clouds. When used in a LAN networking environment, computer system 700 can be connected to the local network through a network interface or adapter 752. When used in a WAN networking environment, computer system 700 can include a modem, or can be connected to a communications server on the LAN. The modem, which may be internal or external, can be connected to system bus 706 via an appropriate port interface. In a networked environment, application programs 734 or program data 738 depicted relative to computer system 300, or portions thereof, may be stored in a remote memory storage device 754.

[0067] Embodiments disclosed herein include:

[0068] A: A method for integrating depositional and diagenetic modeling, the method comprising decoding a depositional parameter of a geological environment generated in response to depositional modeling; discretizing the depositional parameter in a three dimensional (3D) volume; extracting a targeted sub-volume of the 3D volume of the depositional parameter; and converting the depositional parameter into a diagenetic parameter to perform diagenetic modeling on the diagenetic parameter.

[0069] B: A machine-readable storage medium having stored thereon a computer program for integrating depositional modeling and diagenetic modeling, the computer program comprising a routine of set instructions for causing the machine to perform the steps of: performing depositional modeling on data characterizing a geological environment to generate a depositional parameter; decoding the depositional parameter of the geological environment generated in response to depositional modeling; discretizing the depositional parameter in a three dimensional (3D) volume; extracting a targeted sub-volume of the 3D volume of the depositional parameter; converting the depositional parameter into a diagenetic parameter to perform diagenetic modeling on the diagenetic parameter; performing diagenetic modeling on the diagenetic parameter; updating the depositional parameter in response to performing  diagenetic modeling and appending the updated depositional parameter and diagenetic modeling results to the data characterizing the geological environment; and performing depositional modeling on the updated depositional parameter.

[0070] C: A system for integrating depositional modeling and diagenetic modeling, the system comprising: a computing platform having a memory and a processing unit; a database operating on the memory of the computing platform for storing data characterizing a geological environment; a modeling application operating on the memory of the computing platform, the modeling application comprising: a depositional modeling engine that performs depositional modeling on the data characterizing the geological environment to generate a depositional parameter; a diagenetic modeling engine; and a model integration tool operable to: decode the depositional parameter; discretize the depositional parameter in a three dimensional (3D) volume; extract a targeted sub-volume of the 3D volume of the depositional parameter; convert the depositional parameter into a diagenetic parameter and provide the diagenetic parameter to the diagenetic modeling engine to perform diagenetic modeling on the diagenetic parameter; and update the depositional parameter in response to performing diagenetic modeling and appending the updated depositional parameter and diagenetic modeling results to the data characterizing the geological environment, wherein the depositional modeling engine performs depositional modeling on the updated depositional parameter.

[0071] Each of embodiments A through C may have one or more of the following additional elements in any combination: Element 1: performing depositional modeling on data characterizing a geological environment to generate the depositional parameter; updating the depositional parameter in response to performing diagenetic modeling; and performing depositional modeling with the updated depositional parameter. Element 2: wherein updating the depositional parameter further comprises appending the depositional parameters to the data characterizing the geological environment. Element 3: wherein decoding the depositional parameter further comprises generating the 3D volume as a plurality of grid cells and defining grid cell properties of the depositional parameter in X and Y directions.. Element 4: providing a graphical user interface (GUI) that visualizes the 3D volume of the plurality of grid cells; and receiving user input via the GUI to define a depth sampling interval and a depth shift value for generating the 3D volume.

[0072] Element 5: wherein the visualization of the 3D volume of the plurality of 3D grid cells can be rotated and translated in the GUI to be interactively verified by the user. Element 6: wherein discretizing the depositional parameter further comprising determining grid cell properties of the depositional parameter in a Z direction. Element 7: wherein grid cell  properties of the depositional parameter are repeated in a negative Z direction. Element 8: wherein a graphical user interface (GUI) is provided for a user to input a maximum depth value, a minimum depth value, and sampling interval for discretizing the depositional parameter. Element 9: wherein extracting the target sub-volume comprises selecting a subset of the plurality of grid cells of the 3D volume. Element 10: wherein the target sub-volume has less than 4000 grid cells.

[0073] Element 11: wherein the GUI is an extraction user interface that further receives an identifier for the target sub-volume, and conversion user interface is provided to a user to enable selection of the target sub-volume via the identifier. Element 12: wherein decoding, discretizing, and extracting are performed for at least two iterations of the method, each iteration corresponding to a layer of the geological environment. Element 13: wherein the depositional property includes two more depositional properties. Element 14: wherein the two or more depositional properties include facies and porosity.

[0074] Element 15: generating the 3D volume as a plurality of grid cells and defining grid cell properties of the depositional parameter in X and Y directions; providing a graphical user interface (GUI) that visualizes the 3D volume of the plurality of grid cells; wherein the visualization of the 3D volume of the plurality of 3D grid cells can be rotated and translated in the GUI to be interactively verified by the user; and receiving user input via the GUI to define a depth sampling interval and a depth shift value for generating the 3D volume. Element 16: determining grid cell properties of the depositional parameter in a Z direction, wherein grid cell properties of the depositional parameter are repeated in a negative Z direction and the GUI receives user input to define a maximum depth value, a minimum depth value, and sampling interval for discretizing the depositional parameter; selecting a subset of the plurality of grid cells of the 3D volume to extract the targeted sub-volume of the 3D volume of the depositional parameter, wherein the target sub-volume has less than 4000 grid cells and is selected by a user via the GUI.

[0075] Element 17: generate the 3D volume as a plurality of grid cells and defining grid cell properties of the depositional parameter in X and Y directions; provide a graphical user interface (GUI) that visualizes the 3D volume of the plurality of grid cells; wherein the visualization of the 3D volume of the plurality of 3D grid cells can be rotated and translated in the GUI to be interactively verified by the user; and receive user input via the GUI to define a depth sampling interval and a depth shift value for generating the 3D volume.

[0076] By way of non-limiting example, exemplary combinations applicable to A through C include: Element 1 with Element 2; Element 2 with Element 3; Element 3 with  Element 4; Element 2 with Element 5; Element 2 with Element 6; Element 6 with Element 7; Element 7 with Element 8; Element 8 with Element 9; Element 9 with Element 10; Element 10 with Element 11; Element 10 with Element 11; Element 10 with Element 12; Element 11 with Element 12; Element 12 with Element 13; Element 13 with Element 14; and Element 15 with Element 16.

[0077] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. As used herein, for example, the singular forms “a, ” “an, ” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. It will be further understood that the terms “contains” , “containing” , “includes” , “including, ” “comprises” , and / or “comprising, ” and variations thereof, when used in this specification, specify the presence of stated features, integers, steps, operations, elements, and / or components, but do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, and / or groups thereof.

[0078] Terms of orientation used herein are merely for purposes of convention and referencing and are not to be construed as limiting. However, it is recognized these terms could be used with reference to an operator or user. Accordingly, no limitations are implied or to be inferred. In addition, the use of ordinal numbers (e.g., first, second, third, etc. ) is for distinction and not counting. For example, the use of “third” does not imply there must be a corresponding “first” or “second. ” Also, if used herein, the terms “coupled” or “coupled to” or “connected” or “connected to” or “attached” or “attached to” may indicate establishing either a direct or indirect connection, and is not limited to either unless expressly referenced as such.

[0079] While the disclosure has described several exemplary embodiments, it will be understood by those skilled in the art that various changes can be made, and equivalents can be substituted for elements thereof, without departing from the spirit and scope of the invention. In addition, many modifications will be appreciated by those skilled in the art to adapt a particular instrument, situation, or material to embodiments of the disclosure without departing from the essential scope thereof. Therefore, it is intended that the invention not be limited to the particular embodiments disclosed, or to the best mode contemplated for carrying out this invention, but that the invention will include all embodiments falling within the scope of the appended claims. Moreover, reference in the appended claims to an apparatus or system or a component of an apparatus or system being adapted to, arranged to, capable of, configured to, enabled to, operable to, or operative to perform a particular function encompasses that apparatus, system, or component, whether or not it or that particular function is activated,  turned on, or unlocked, as long as that apparatus, system, or component is so adapted, arranged, capable, configured, enabled, operable, or operative.

Claims

1.A method for integrating depositional and diagenetic modeling, the method comprising:decoding a depositional parameter of a geological environment generated in response to depositional modeling;discretizing the depositional parameter in a three dimensional (3D) volume;extracting a targeted sub-volume of the 3D volume of the depositional parameter; andconverting the depositional parameter into a diagenetic parameter to perform diagenetic modeling on the diagenetic parameter.2.The method of claim 1, further comprising:performing depositional modeling on data characterizing a geological environment to generate the depositional parameter;updating the depositional parameter in response to performing diagenetic modeling; andperforming depositional modeling with the updated depositional parameter.3.The method of claim 2, wherein updating the depositional parameter further comprises appending the depositional parameters to the data characterizing the geological environment.4.The method of claim 3, wherein decoding the depositional parameter further comprises generating the 3D volume as a plurality of grid cells and defining grid cell properties of the depositional parameter in X and Y directions.5.The method of claim 4, further comprising:providing a graphical user interface (GUI) that visualizes the 3D volume of the plurality of grid cells; andreceiving user input via the GUI to define a depth sampling interval and a depth shift value for generating the 3D volume.6.The method of claim 5, wherein the visualization of the 3D volume of the plurality of 3D grid cells can be rotated and translated in the GUI to be interactively verified by the user.7.The method of claim 3, wherein discretizing the depositional parameter further comprising determining grid cell properties of the depositional parameter in a Z direction.8.The method of claim 7, wherein grid cell properties of the depositional parameter are repeated in a negative Z direction.9.The method of claim 8, wherein a graphical user interface (GUI) is provided for a user to input a maximum depth value, a minimum depth value, and sampling interval for discretizing the depositional parameter.10.The method of claim 9, wherein extracting the target sub-volume comprises selecting a subset of the plurality of grid cells of the 3D volume.11.The method of claim 10, wherein the target sub-volume has less than 4000 grid cells.12.The method of claim 11, wherein the GUI is an extraction user interface that further receives an identifier for the target sub-volume, and conversion user interface is provided to a user to enable selection of the target sub-volume via the identifier.13.The method of claim 12, wherein decoding, discretizing, and extracting are performed for at least two iterations of the method, each iteration corresponding to a layer of the geological environment.14.The method of claim 13, wherein the depositional property includes two more depositional properties.15.The method of claim 14, wherein the two or more depositional properties include facies and porosity.16.A machine-readable storage medium having stored thereon a computer program for integrating depositional modeling and diagenetic modeling, the computer program comprising a routine of set instructions for causing the machine to perform the steps of:performing depositional modeling on data characterizing a geological environment to generate a depositional parameter;decoding the depositional parameter of the geological environment generated in response to depositional modeling;discretizing the depositional parameter in a three dimensional (3D) volume;extracting a targeted sub-volume of the 3D volume of the depositional parameter;converting the depositional parameter into a diagenetic parameter to perform diagenetic modeling on the diagenetic parameter;performing diagenetic modeling on the diagenetic parameter;updating the depositional parameter in response to performing diagenetic modeling and appending the updated depositional parameter and diagenetic modeling results to the data characterizing the geological environment; andperforming depositional modeling on the updated depositional parameter.17.The machine-readable storage medium of claim 16, the set of instructions further causing the machine to perform the steps of:generating the 3D volume as a plurality of grid cells and defining grid cell properties of the depositional parameter in X and Y directions;providing a graphical user interface (GUI) that visualizes the 3D volume of the plurality of grid cells; wherein the visualization of the 3D volume of the plurality of 3D grid cells can be rotated and translated in the GUI to be interactively verified by the user; andreceiving user input via the GUI to define a depth sampling interval and a depth shift value for generating the 3D volume.18.The machine-readable storage medium of claim 17, the set of instructions further causing the machine to perform the steps of:determining grid cell properties of the depositional parameter in a Z direction, wherein grid cell properties of the depositional parameter are repeated in a negative Z direction and the GUI receives user input to define a maximum depth value, a minimum depth value, and sampling interval for discretizing the depositional parameter;selecting a subset of the plurality of grid cells of the 3D volume to extract the targeted sub-volume of the 3D volume of the depositional parameter, wherein the target sub-volume has less than 4000 grid cells and is selected by a user via the GUI.19.A system for integrating depositional modeling and diagenetic modeling, the system comprising:a computing platform having a memory and a processing unit;a database operating on the memory of the computing platform for storing data characterizing a geological environment;a modeling application operating on the memory of the computing platform, the modeling application comprising:a depositional modeling engine that performs depositional modeling on the data characterizing the geological environment to generate a depositional parameter;a diagenetic modeling engine; anda model integration tool operable to:decode the depositional parameter;discretize the depositional parameter in a three dimensional (3D) volume;extract a targeted sub-volume of the 3D volume of the depositional parameter;convert the depositional parameter into a diagenetic parameter and provide the diagenetic parameter to the diagenetic modeling engine to perform diagenetic modeling on the diagenetic parameter; andupdate the depositional parameter in response to performing diagenetic modeling and appending the updated depositional parameter and diagenetic modeling results to the data characterizing the geological environment,wherein the depositional modeling engine performs depositional modeling on the updated depositional parameter.20.The system of claim 19, wherein the model integration tool is further operable to:generate the 3D volume as a plurality of grid cells and defining grid cell properties of the depositional parameter in X and Y directions;provide a graphical user interface (GUI) that visualizes the 3D volume of the plurality of grid cells; wherein the visualization of the 3D volume of the plurality of 3D grid cells can be rotated and translated in the GUI to be interactively verified by the user; andreceive user input via the GUI to define a depth sampling interval and a depth shift value for generating the 3D volume.

Images