APLICACION DE LAS REDES NEURONALES AL ESTUDIO DE YACIMIENTOS DE PETROLEO

No Thumbnail Available
Date
Authors
Perez Izquierdo, Miguel Fernando
Rozo Anaya, Mike Alberto
Ulloa Jimenez, Robert
Calvete, Fernando Enrique
Calderon Carrillo, Zuly
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Description
Resumen En este trabajo se presenta el desarrollo de una herramienta software (GERENE), para generar y entrenar redes neuronales, con el fin de aplicarla a la solución de algunos problemas comunes encontrados en la industria del petróleo. Esta herramienta se desarrolló teniendo en cuenta que en ingeniería se presentan problemas de gran complejidad, los cuales requieren de un manejo matemático dispendioso y que en muchos casos no se obtienen los mejores resultados usando los métodos tradicionales. Además se ha demostrado, algunas veces, que la aplicación de nuevas tecnologías permite optimizar los procesos industriales. La herramienta desarrollada GERENE fue utilizada en dos aplicaciones de la ingeniería de yacimientos. En la primera aplicación se utilizó la herramienta como una solución alternativa al calculo del comportamiento de los índices de desplazamiento (índice de desplazamiento por depleción - ÍDD; índice de desplazamiento por segregación - IDS; e índice de desplazamiento hidrostático- IDH), cuando no se tienen los datos suficientes del yacimiento para aplicar la ecuación de balance de materia - EBM. La segunda aplicación se hizo en el área de registros de pozos, para obtener una correlación directa entre el registro de Rayos Gamma (GR) y la curva del Potencial Espontáneo (SP), cuando las condiciones de algunos pozos son tales que no se puede obtener la curva del SP {por ejemplo cuando se perfora con fluidos no conductivos o con aire), o cuando la curva SP no ofrece resultados definitivos, casos en los cuales se corre una curva de Rayos Gamma. Este trabajo también presenta la metodología utilizada para realizar las aplicaciones descritas anteriormente.Los resultados obtenidos en las dos aplicaciones, utilizando la herramienta desarrollada en este trabajo, muestran la capacidad de aprendizaje, la robustez y la flexibilidad de las redes neuronales para resolver problemas de ingeniería, difíciles de solucionar con las técnicas tradicionales.
Keywords
Citation