Biblioteca Univ. Surcolombiana

Your cart is empty.
 
Normal view MARC view ISBD view

Determinación de la presión Onset en yacimientos petrolíferos con redes neuronales implementadas en python basado en modelo estadístico / Juan Daniel Vargas Perdomo, Germán Camilo Arce Calderón; Director Jairo Antonio Sepúlveda Gaona y Vladimir Mosquera Cerquera

By: Vargas Perdomo, Juan Daniel [autor].
Contributor(s): Arce Calderón, Germán Camilo [autor] | Sepúlveda Gaona, Jairo Antonio. Universidad Surcolombiana. Facultad de Ingeniería [Director] | Arce Calderón, Germán Camilo [autor].
Neiva: Universidad Surcolombiana, 2020Description: 1 CD-ROM (69 páginas); sin ilustraciones; 12 cm.Content type: texto Media type: computadora Carrier type: disco de la computadoraSubject(s): Yacimientos petrolíferos -- Redes neuronales | Redes Neuronales -- Lenguaje de programación PyhtonDDC classification: Th IP 0510
Contents:
Capítulo Uno: Fundamentos básicos, petróleos y asfaltenos, análisis sara, precipitación de asfaltenos, python, keras, scikit – learn, redes neuronales, máquinas de soporte vectorial -- Capítulo Dos: Simulación de muestras (CMG), parámetros de simulación, proceso de selección de muestras -- Capítulo Tres: Red Neuronal artificial y máquina de soporte vectorial, librerías, de Excel a python, red neuronal artificial, máquinas de soporte vectorial – Resultados y discusiones, validación del modelo, análisis del comportamiento de las muestras cuando se inyecta Gas, análisis de las tendencias de las curvas AOP -- Conclusiones
Dissertation note: Tesis Ingeniero de petróleos Universidad Surcolombiana. Facultad de Ingeniería, Ingeniería de petróleos. 2020 Summary: "En este trabajo se desarrolló e implementó una red neuronal totalmente conectada (full connect) la cuál es llamada AsphPy, y un algoritmo de “Machine Learning” con la finalidad de predecir la presión Onset en los yacimientos de petróleos. Esta red neuronal fue elaborada en el lenguaje de programación Pyhton y está basada en funciones estadísticas para el elaboración y evaluación del rendimiento del modelo de predicción. El algoritmo de Machine Learning implementó un soporte de maquina vectorial (SVM, Support Vector Machine), que tuvo como finalidad comparar sus resultados con el rendimiento de la red AsphPy. Una finalidad importante de este trabajo es el uso de Python en modelos de predicción de la presión Onset realizados por el grupo de investigación COFA. El primer modelo, presentado por Cristian Stiven Loaiza Cano y Samuel Quintero Herrera en el trabajo “Desarrollo de un Modelo para la Determinación de la Presión de Inicio de Precipitación de Asfáltenos (Onset) en Yacimientos de Petróleo”, es la base para la elaboración de AsphPy. El segundo modelo, presentado por Nathalie Flor Olave y Nicolas Hernando Quesada Bahamon en el trabajo “Determinación de la Presión Onset Usando Análisis Estadístico ANOVA en el Modelo de la Red Neuronal” desarrollaron mejoras al poder implementar la red neuronal basándose en un análisis ANOVA; el cual brindo información de gran ayuda para observar qué componentes o datos de entrada son más relevantes para la determinación de la presión Onset."
Tags from this library: No tags from this library for this title. Log in to add tags.
    average rating: 0.0 (0 votes)
Item type Current location Collection Call number Copy number Status Date due Barcode Item holds
e-Tesis e-Tesis Biblioteca Central
Tesis y Trabajos de Grado Th IP 0510 (Browse shelf) Ej.1 Available 900000020155
e-Tesis e-Tesis Biblioteca Central
Tesis y Trabajos de Grado Th IP 0510 (Browse shelf) Ej.2 Available 900000020156
Total holds: 0

Tesis Ingeniero de petróleos Universidad Surcolombiana. Facultad de Ingeniería, Ingeniería de petróleos. 2020

Capítulo Uno: Fundamentos básicos, petróleos y asfaltenos, análisis sara, precipitación de asfaltenos, python, keras, scikit – learn, redes neuronales, máquinas de soporte vectorial -- Capítulo Dos: Simulación de muestras (CMG), parámetros de simulación, proceso de selección de muestras -- Capítulo Tres: Red Neuronal artificial y máquina de soporte vectorial, librerías, de Excel a python, red neuronal artificial, máquinas de soporte vectorial – Resultados y discusiones, validación del modelo, análisis del comportamiento de las muestras cuando se inyecta Gas, análisis de las tendencias de las curvas AOP -- Conclusiones

"En este trabajo se desarrolló e implementó una red neuronal totalmente conectada (full connect) la cuál es llamada AsphPy, y un algoritmo de “Machine Learning” con la finalidad de predecir la presión Onset en los yacimientos de petróleos. Esta red neuronal fue elaborada en el lenguaje de programación Pyhton y está basada en funciones estadísticas para el elaboración y evaluación del rendimiento del modelo de predicción. El algoritmo de Machine Learning implementó un soporte de maquina vectorial (SVM, Support Vector Machine), que tuvo como finalidad comparar sus resultados con el rendimiento de la red AsphPy.
Una finalidad importante de este trabajo es el uso de Python en modelos de predicción de la presión Onset realizados por el grupo de investigación COFA. El primer modelo, presentado por Cristian Stiven Loaiza Cano y Samuel Quintero Herrera en el trabajo “Desarrollo de un Modelo para la Determinación de la Presión de Inicio de Precipitación de Asfáltenos (Onset) en Yacimientos de Petróleo”, es la base para la elaboración de AsphPy. El segundo modelo, presentado por Nathalie Flor Olave y Nicolas Hernando Quesada Bahamon en el trabajo “Determinación de la Presión Onset Usando Análisis Estadístico ANOVA en el Modelo de la Red Neuronal” desarrollaron mejoras al poder implementar la red neuronal basándose en un análisis ANOVA; el cual brindo información de gran ayuda para observar qué componentes o datos de entrada son más relevantes para la determinación de la presión Onset."

There are no comments for this item.

Log in to your account to post a comment.

Powered by Koha