Logotipo del repositorio

Publicación:
Herramienta software para generar registros eléctricos sintéticos basados en redes neuronales aplicación campo colorado

dc.contributor.advisorCalvete González, Fernando Enrique
dc.contributor.advisorBejarano Wallens, Aristobulo
dc.contributor.authorCerón Aros, Andrés Fernando
dc.contributor.authorDiaz Perez, Carlos Mauricio
dc.date.accessioned2024-03-03T18:12:17Z
dc.date.available2010
dc.date.available2024-03-03T18:12:17Z
dc.date.created2010
dc.date.issued2010
dc.description.abstractLos registros de pozo, brindan una perspectiva de las zonas en donde se tienen estratos permeables, ubicando así la posible presencia de hidrocarburos y una posterior caracterización del yacimiento por medio de las propiedades petrofísicas de este mismo. Los registros resistivos se encargan de detectar la resistividad de la formación, en donde valores altos son un indicativo de presencia de hidrocarburos y valores bajos indican presencia de agua. Teniendo en cuenta que en el Campo Colorado los registros disponibles fueron tomados en una época en la que las herramientas no tenían las precisiones de las disponibles hoy en día, fue tomada la iniciativa de generar un registro sintético por medio de redes neuronales, las cuales han tenido un gran aceptación en la industria petrolera por su grandes cualidades de adaptabilidad a los problemas en los que no se encuentra solución con computación normal; en este caso, se requirió de un reconocimiento de patrones, para lo cual la inteligencia artificial es la más apropiada para dar solución, específicamente las redes neuronales son las encargadas del reconocimiento y trabajo con estos patrones para así mejorar la calidad de los resultados obtenidos previamente. Este proyecto describe una metodología para generar un registro eléctrico sintético RES con base a los registros de potencial espontaneo SP y corta normal SN, por medio de redes neuronales artificiales. Con base a los resultados obtenidos en el entrenamiento y la validación, el registro de inducción profunda ILD ha sido generado sintéticamente para el pozo Colorado 38, encontrando cinco posibles nuevas zonas productoras. Por medio de curvas IPR se ha calculado el potencial de producción de cada intervalo y ha sido realizado un análisis económico para un periodo corto de tiempo en donde se muestran los resultados económicos para así saber si la herramienta generada será usada.
dc.description.abstractenglishWell logs, give us a perspective about permeable zones, tracing in this way possible hydrocarbons presence and a further reservoir characterization by petropshysics properties of itself. Resistivity logs detect formation resistivity, where high values indicate hydrocarbons presence and low values indicates water presence. Knowing that available logs in Colorado field are from a time where devices were not as precise as the ones available today, a initiative of generate synthetic adaptability to problems where required a patron recognition and artificial intelligence is the more appropriate to find a solution, specifically neuronal networks are in charge of recognition and work with this patrons to improve the quality from the previous results. This project describes a methodology to generate synthetic electrical logs (RES) based on spontaneous potential log (SP) and short normal log (SN), by artificial neuronal networks. Based on results obtained in training and validation, the deep induction log (ILD) have been synthetically generated for the Colorado 38 well, finding five possible new productor zones. By IPR curves the production potential have been calculated for each interval and a economic analysis for a short period of time where economic results are showed to know if the generated device is going to be use.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Petróleos
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/24062
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicoquímicas
dc.publisher.programIngeniería de Petróleos
dc.publisher.schoolEscuela de Ingeniería de Petróleos
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectCampo Colorado
dc.subjectRedes Neuronales
dc.subjectRegistros Resistivos
dc.subjectLitología
dc.subjectRegistro Eléctrico Sintético (RES)
dc.subject.keywordColorado´s Field
dc.subject.keywordNeuronal networks
dc.subject.keywordResistivity logs
dc.subject.keywordLithology
dc.subject.keywordSynthetic electrical logs (RES)
dc.titleHerramienta software para generar registros eléctricos sintéticos basados en redes neuronales aplicación campo colorado
dc.title.englishSoftware device for synthetics electrical logs based on neuronal networks. application to colorado´s field.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.typePublication

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
Carta de autorización.pdf
Tamaño:
949.65 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Documento.pdf
Tamaño:
9.34 MB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Nota de proyecto.pdf
Tamaño:
902.58 KB
Formato:
Adobe Portable Document Format

VIGILADA MINEDUCACIÓN

Ordenanza No. 83 de 1.944 (junio 22)

Carácter académico: Universidad

Notificaciones judiciales: notjudiciales@uis.edu.co 

.

Código SNIES: 1204   Nit: 890.201.213-4

Línea Anticorrupción:  +57 (601) 562 9300 EXT: 3633

Línea transparente: +57 (607) 630 3031