Desarrollo de un Aplicativo Web Capaz de Realizar Predicciones Litológicas Durante la Perforación de un Pozo Petrolero Basado en Inteligencia Artificial
No Thumbnail Available
Date
2023-05-17
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Debido a la necesidad de optimizar y soportar la lectura e interpretación de los registros litológicos durante la perforación de un pozo petrolero nace la oportunidad de desarrollar un aplicativo web basada en el buen uso de las tecnologías basadas en analytics capaz de leer, graficar y predecir la litología como medio de soporte para la interpretación, planificación y ejecución de las operaciones insitu.
Inicialmente se realizó la investigación correspondiente de cómo crear, analizar y ejecutar un proyecto de basando en un modelo de machine learning, para continuar en la investigación de archivos .LAS de la corrida de registros eléctricos en diferentes partes del mundo como un dataset de alimento como papel fundamental en el desarrollo del aplicativo web mediante el respectivo análisis exploratorio y descriptivo compuesto por la comprensión, preparación de la data y selección de variables de las cuales va a depender la lectura, interpretación, esquematización y predicción realizada por el modelo.
Una vez cargado y debidamente concatenado e imputado el dataset final alimenta todo el pipeline de pycaret de machine learning, con la finalidad de conocer los modelos que más se ajustan a los datos y eligiendo los tres más representativos (Random Forest, K Nearest Neighbor y GradientBoostingClassifier) para realizar un análisis más detallado dado por un análisis diagnóstico y uno predictivo, que mediante el tuneo y análisis grafico se encontró que el modelo con mejor desempeño es el K Nearest Neighbor (Knn) con un F1- Mean de 97.07% que se traduce a que este modelo score que es utilizado para problemas de clasificación con clases desbalanceadas, como lo es el caso del dataset cargado para el entrenamiento del programa, puede predecir la litología presente en un pozo con un alto grado de confiabilidad. Una vez evaluado el modelo (Knn) se crea el Deployment que cumple con la capacidad de la plataforma de servicio STREAMLIT, para crear el aplicativo web que permite estimar la litología de un pozo petrolero teniendo en cuenta de las variables de la que este programa depende y no existan maldiciones dimensionales.
Description
Keywords
Machine Learning, Dataset, Concatenado de data, Imputación de data, Analítica predictiva, Aplicativo web