000			nam a22 7a 4500
999			_c49077 _d49077
005			20240307081256.0
008			240305e2023 ck o||afsm||| 00| 0 spa d
040			_aCO-NeUS _bspa _erda
041			_aspa
100	1		_9156911 _aPuentes Ninco, Santiago _eaut
245	1	0	_aGeneración 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 / _cSantiago Puentes Ninco; Director de Tesis Francesco Giorgetti
256			_aDatos electrónicos (1 archivos:1713 MG)
264	1		_aNeiva: _bUniversidad Surcolombiana, _c2023
300			_a1 CD-ROM (76 páginas); _bdiagramas, ilustraciones, mapas, tablas o cuadros; _c12 cm
336			_2rdacontent _atxt _btxt
337			_2rdamedia _ac _bcd
338			_2rdacarrier _acd _bcd
347			_2rda _atexto _bpdf
502			_aTesis _bIngeniero de Petróleos _cUniversidad Surcolombiana.Facultad de Ingeniería. Ingeniería de Petróleo. _d2023
505			_aIntroducción -- 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
520			_a" 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. "
700	1		_9156912 _aGiorgetti, Francesco _edrt
700	1		_983528 _aSepúlveda Gaona, Jairo Antonio, _edrt
082	0	4	_221 _aTh IP 559
650		0	_9156927 _aIngeniería de Petróleos _xAlgoritmo de Machine Learning _zValle Medio del Magdalena
650		0	_9156928 _aRegistro sintético de permeabilidad _xRegistro de Pozo
942			_2Local _cCD _hTh IP 559 _kTh