Desarrollo de un modelo para la integración de registros de pozo con información de tomografía para la estimación de propiedades petrofísicas por medio de un modelo de redes neuronales

Domínguez López, Óscar Guillermo

Desarrollo de un modelo para la integración de registros de pozo con información de tomografía para la estimación de propiedades petrofísicas por medio de un modelo de redes neuronales

dc.contributor.advisor	Ortiz Meneses, Andrés Felipe
dc.contributor.author	Domínguez López, Óscar Guillermo
dc.contributor.evaluator	Bejarano Wallens, Aristóbulo
dc.contributor.evaluator	Santos Santos, Nicolás
dc.date.accessioned	2023-03-09T20:11:22Z
dc.date.available	2023-03-09T20:11:22Z
dc.date.created	2023-03-06
dc.date.issued	2023-03-06
dc.description.abstract	Este proyecto presenta un método que integra datos de registros de pozo con información de tomografía aplicando modelos de redes neuronales para predecir propiedades petrofísicas básicas. En principio, se recolectó la información de registros, tomografía y de propiedades petrofísicas de tres pozos de estudio y se establecieron sus relaciones teóricas a partir de la literatura. Primero, se diseñaron los modelos de predicción usando sólo datos de registros. Para este y los demás modelos se seleccionó un set de datos para entrenar redes neuronales con la herramienta Machine Learning de Matlab. Luego, a estos sets de entrenamiento se añadió la información de tomografía y se compararon los resultados. Los modelos de integración mostraron un mejor ajuste comparados con los modelos alimentados sólo con registros. Para validar el rendimiento de los modelos se evaluaron gráficos de regresión en los que se comparan los valores estimados con los datos de laboratorio recolectados de cada pozo, y adicionalmente se probaron los modelos de integración usando un set de validación que contiene los registros y tomografía de varias secciones completas de 3 ft escaneadas sobre muestras de núcleos de cada pozo. Los modelos de integración que se diseñaron permiten hacer predicciones de porosidad y permeabilidad bastante cercanas a los valores reales y con una resolución equivalente a la información que se obtiene al escanear muestras usando tomografía computarizada.
dc.description.abstractenglish	This work presents a method that integrates well log data with tomography information by applying neural network models to predict basic petrophysical properties. In principle, log, tomography and petrophysical properties information from three study wells was collected and their theoretical relationships were established from the literature. First, prediction models were designed using only logs data. For this and the other models, a data set was selected to train neural networks with the Matlab Machine Learning toolbox. Then, the CT information was added to these training sets and the results were compared. The integration models showed a better fit compared to the models trained only with logs. To validate the performance of the models, regression plots were evaluated in which the estimated values are compared with the laboratory data collected from each well, and additionally the integration models were tested using a validation set that contains the logs and tomography of several full 3 ft sections scanned over core samples from each well. The integration models that were designed here allow predictions of porosity and permeability to be made quite close to the real values and with a resolution equivalent to the information obtained by scanning samples using computed tomography.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero de Petróleos
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/12480
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicoquímicas
dc.publisher.program	Ingeniería de Petróleos
dc.publisher.school	Escuela de Ingeniería de Petróleos
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Registros de pozo
dc.subject	Tomografía computarizada
dc.subject	Propiedades petrofísicas
dc.subject	Redes neuronales artificiales
dc.subject	Aprendizaje automático
dc.subject.keyword	Well Logs
dc.subject.keyword	Computed Tomography
dc.subject.keyword	Petrophysical Properties
dc.subject.keyword	Artificial Neural Networks
dc.subject.keyword	Machine Learning
dc.title	Desarrollo de un modelo para la integración de registros de pozo con información de tomografía para la estimación de propiedades petrofísicas por medio de un modelo de redes neuronales
dc.title.english	Development of a Model for the Integration of Well Logs with Tomography Information for the Estimation of Petrophysical Properties through a Model of Neural Networks
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type