Biblioteca Univ. Surcolombiana

Your cart is empty.
 
Normal view MARC view ISBD view

Generación de registros sintéticos de permeablidad con algoritmos de machine learnign en un campo del valle medio del Magdalena para la reducción de incertidumbre en ausencia de registros de pozo / Santiago Puentes Ninco; Director de Tesis Francesco Giorgetti

By: Puentes Ninco, Santiago [autor].
Contributor(s): Giorgetti, Francesco [Director] | Sepúlveda Gaona, Jairo Antonio [Director].
Neiva: Universidad Surcolombiana, 2023Description: 1 CD-ROM (76 páginas); diagramas, ilustraciones, mapas, tablas o cuadros; 12 cm.Content type: texto Media type: computadora Carrier type: disco de la computadoraSubject(s): Ingeniería de Petróleos -- Algoritmo de Machine Learning -- Valle Medio del Magdalena | Registro sintético de permeabilidad -- Registro de PozoDDC classification: Th IP 559
Contents:
Introducción -- Objetivos, objetivo general, objetivos específicos -- Aspectos teóricos, generalidades de los yacimientos, registros de pozo, modelos de aprendizaje automático -- Generalidades del campo de estudio, ubicación geográfica, marco geológico -- Generación de registros sintéticos de permeabilidad a partir de un modelo de bosques aleatorios, construcción y entrenamiento del modelo -- Resultados y discusión, validación del modelo, análisis del impacto del modelo en los cálculos de potencial de producción de los pozos, evaluación de la optimización técnica y económica aplicando el modelo -- Conclusiones y recomendaciones, conclusiones, recomendaciones
Dissertation note: Tesis Ingeniero de Petróleos Universidad Surcolombiana.Facultad de Ingeniería. Ingeniería de Petróleo. 2023 Summary: " La estimación de la permeabilidad es un desafío común en la industria petrolera cuando se carece de registros de pozo para un campo de interés. La permeabilidad es una propiedad crucial en la evaluación y producción de hidrocarburos, ya que determina la capacidad de un yacimiento para permitir el flujo de fluido. El presente proyecto pretendió estimar registros sintéticos de permeabilidad para un campo del Valle Medio del Magdalena mediante la aplicación de un modelo predictivo de Machine Learning, basados en el algoritmo de bosques aleatorios, con el fin de reducir la incertidumbre en las estimaciones de producción e impactar el plan de adquisición de registros en futuras campañas de perforación en el campo; los resultados de este estudio evidencian una notable correlación entre los valores reales de permeabilidad y las predicciones del modelo, alcanzando coeficientes de correlación de 99% y 93% para el grupo de entrenamiento y el grupo de prueba, respectivamente. Es importante destacar que el modelo de bosques aleatorios logró predecir exitosamente la permeabilidad a diversas profundidades del yacimiento. "
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 559 (Browse shelf) Ej.1 Available 900000026568
e-Tesis e-Tesis Biblioteca Central
Tesis y Trabajos de Grado Th IP 559 (Browse shelf) Ej.2 Available 900000026569
Total holds: 0

Tesis Ingeniero de Petróleos Universidad Surcolombiana.Facultad de Ingeniería. Ingeniería de Petróleo. 2023

Introducción -- Objetivos, objetivo general, objetivos específicos -- Aspectos teóricos, generalidades de los yacimientos, registros de pozo, modelos de aprendizaje automático -- Generalidades del campo de estudio, ubicación geográfica, marco geológico -- Generación de registros sintéticos de permeabilidad a partir de un modelo de bosques aleatorios, construcción y entrenamiento del modelo -- Resultados y discusión, validación del modelo, análisis del impacto del modelo en los cálculos de potencial de producción de los pozos, evaluación de la optimización técnica y económica aplicando el modelo -- Conclusiones y recomendaciones, conclusiones, recomendaciones

" La estimación de la permeabilidad es un desafío común en la industria petrolera cuando se carece de registros de pozo para un campo de interés. La permeabilidad es una propiedad crucial en la evaluación y producción de hidrocarburos, ya que determina la capacidad de un yacimiento para permitir el flujo de fluido. El presente proyecto pretendió estimar registros sintéticos de permeabilidad para un campo del Valle Medio del Magdalena mediante la aplicación de un modelo predictivo de Machine Learning, basados en el algoritmo de bosques aleatorios, con el fin de reducir la incertidumbre en las estimaciones de producción e impactar el plan de adquisición de registros en futuras campañas de perforación en el campo; los resultados de este estudio evidencian una notable correlación entre los valores reales de permeabilidad y las predicciones del modelo, alcanzando coeficientes de correlación de 99% y 93% para el grupo de entrenamiento y el grupo de prueba, respectivamente. Es importante destacar que el modelo de bosques aleatorios logró predecir exitosamente la permeabilidad a diversas profundidades del yacimiento. "

There are no comments for this item.

Log in to your account to post a comment.

Powered by Koha