Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Fuentes Díaz, David AlfredoGambús Ordaz, Maika KarenParra Meza, Daniel StivennAcevedo Arismendy, Edison Javier2024-03-0420212024-03-0420212021https://noesis.uis.edu.co/handle/20.500.14071/41920Se establece una metodología para el cálculo de las propiedades petrofísicas relevantes en el estudio de yacimientos, tales como: porosidad, saturación, permeabilidad y volumen de arcilla, en función de los datos obtenidos de registro de pozo que se realizan para la caracterización petrofísica del yacimiento. Los datos obtenidos de los cálculos son la información de entrada para realizar estimación espacial a través del entrenamiento de una Red Neuronal Artificial (RNA). Lo que condujo al desarrollo de una aplicación de escritorio para Windows que permite el cálculo de las propiedades petrofísicas y la estimación espacial de las propiedades para poblar la totalidad de su volumen mediante RNA, usando un perceptrón multicapa, algoritmo backpropagation y funciones de activación tangente hiperbólica para los nodos de las capas ocultas y sigmoide para los nodos de la capa de salida. La aplicación permite que el usuario elija entre los modelos matemáticos más usados en la industria petrolera para el cálculo de las propiedades, con la información mínima necesaria de registros de pozo corridos en la zona donde se encuentra ubicado el yacimiento, además, de permitir la elección de los parámetros que definen el modelo de red neuronal artificial a entrenar. Los resultados obtenidos mediante la estimación espacial por RNA se corroboran mediante la predicción de propiedades petrofísicas por medio de geoestadística, con el estimador lineal insesgado (Kriging ordinario), a una profundidad determinada.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Métodos numéricosPropiedades PetrofísicasGeoestadísticaRedes Neuronales ArtificialesEstimación Espacial.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coNumerical methodsPetrophysical PropertiesGeostatisticsArtificial Neural NetworksSpatial Estimation.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)