Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/4010 |
Resumo: | A perfilagem de poços é uma ferramenta essencial para a indústria de petróleo. Em poucas palavras, pode ser resumida como a caracterização de propriedades petrofísicas e geológicas representadas graficamente pela associação com a profundidade do poço. É através da análise dos perfis que é possível identificar os tipos de rochas, a localização de hidrocarbonetos, pode-se estimar a viabilidade do poço e permite o reaproveitamento de poços já explorados.Esse trabalho aponta uma das medidas alternativas utilizadas hoje em dia para otimizar o processo de interpretação das respostas da perfilagem: o software Interactive Petrophysics que conta com a metodologia de redes neurais artificiais utilizando um algoritmo interpretativo usado para treinar a rede e simular uma saída esperada. As redes neurais artificiais possuem a capacidade de associar as informações de entrada e ponderá-las através de pesos no processo de aprendizagem. A metodologia do processo consistiu em utilizar informações petrofísicas reais provindas de perfis geofísicos e também dados de análise de testemunho fornecidos pela ANP (Agência Nacional de Petróleo, Gás Natural e Bicombustíveis) de três poços produtores pertencentes ao campo de Namorado (campo escola), os mais próximos possíveis, e assim tais informações foram usadas como os dados de entrada e para treinamento da rede para estimar a saída esperada, que, para esse caso, foi a permeabilidade dos poços. E, no final do trabalho, foi feita uma análise comparativa com os dados reais obtidos pela análise de testemunho com a saída do simulador |
id |
UFF-2_4a6ab96c4a6187113635554eba1304a3 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/4010 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de NamoradoPerfilagemPropriedades petrofísicasRedes neurais artificiaisPoço de petróleoPerfilagem de poçoRede neural artificialPetrofísicaWell loggingPetrophyscs proprietiesArtificial neural networkA perfilagem de poços é uma ferramenta essencial para a indústria de petróleo. Em poucas palavras, pode ser resumida como a caracterização de propriedades petrofísicas e geológicas representadas graficamente pela associação com a profundidade do poço. É através da análise dos perfis que é possível identificar os tipos de rochas, a localização de hidrocarbonetos, pode-se estimar a viabilidade do poço e permite o reaproveitamento de poços já explorados.Esse trabalho aponta uma das medidas alternativas utilizadas hoje em dia para otimizar o processo de interpretação das respostas da perfilagem: o software Interactive Petrophysics que conta com a metodologia de redes neurais artificiais utilizando um algoritmo interpretativo usado para treinar a rede e simular uma saída esperada. As redes neurais artificiais possuem a capacidade de associar as informações de entrada e ponderá-las através de pesos no processo de aprendizagem. A metodologia do processo consistiu em utilizar informações petrofísicas reais provindas de perfis geofísicos e também dados de análise de testemunho fornecidos pela ANP (Agência Nacional de Petróleo, Gás Natural e Bicombustíveis) de três poços produtores pertencentes ao campo de Namorado (campo escola), os mais próximos possíveis, e assim tais informações foram usadas como os dados de entrada e para treinamento da rede para estimar a saída esperada, que, para esse caso, foi a permeabilidade dos poços. E, no final do trabalho, foi feita uma análise comparativa com os dados reais obtidos pela análise de testemunho com a saída do simuladorWell logging is an essential tool for the oil industry. In a few words, it can be described as the characterization of petrophysics and geological properties registered in association with the depth of the well. It is through the analysis of the logs that it is possible to determinate the type of rocks, the hydrocarbons localization, it can be estimated the viability of the well and the return of wells already explored. The well logging activity occurs during the exploration phase of the well. In this study, a brief presentation of the qualitative and quantitative properties of the logs will be carried out, as well as their importance for the characterization of the wells; on top of that the main logs used in the study of the case of the Namorado Field will be presented. This paper shows one of the alternative measures to accelerate the well logging process: The Interactive Petrophysics software presents an artificial neural network logic that uses an interpretative algorithm to train and simulate an expected output. The artificial neural networks can associate the input data and weight them through the learning process. This complex logic will also be presented in this paper so it can be better understood. The methodology of the process consisted in taking the input data, the logs and the core analysis, provided by ANP (Nacional Petroleum Agency) of three wells specifically selected, and then train this input data to provide the output permeability. At the end of this study it was made a comparative analysis with the real data and the one that came out of the processVallejos Carrasco, Alfredo MoisésBaioco, Juliana SouzaQueiroz Neto, João Crisósthomo deNogueira, Simone Alves InteteSoares, Yago Chamoun Ferreira2017-07-14T13:12:36Z2017-07-14T13:12:36Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/4010CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-06-28T13:40:55Zoai:app.uff.br:1/4010Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:58:12.611762Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado |
title |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado |
spellingShingle |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado Nogueira, Simone Alves Intete Perfilagem Propriedades petrofísicas Redes neurais artificiais Poço de petróleo Perfilagem de poço Rede neural artificial Petrofísica Well logging Petrophyscs proprieties Artificial neural network |
title_short |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado |
title_full |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado |
title_fullStr |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado |
title_full_unstemmed |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado |
title_sort |
Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado |
author |
Nogueira, Simone Alves Intete |
author_facet |
Nogueira, Simone Alves Intete Soares, Yago Chamoun Ferreira |
author_role |
author |
author2 |
Soares, Yago Chamoun Ferreira |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Vallejos Carrasco, Alfredo Moisés Baioco, Juliana Souza Queiroz Neto, João Crisósthomo de |
dc.contributor.author.fl_str_mv |
Nogueira, Simone Alves Intete Soares, Yago Chamoun Ferreira |
dc.subject.por.fl_str_mv |
Perfilagem Propriedades petrofísicas Redes neurais artificiais Poço de petróleo Perfilagem de poço Rede neural artificial Petrofísica Well logging Petrophyscs proprieties Artificial neural network |
topic |
Perfilagem Propriedades petrofísicas Redes neurais artificiais Poço de petróleo Perfilagem de poço Rede neural artificial Petrofísica Well logging Petrophyscs proprieties Artificial neural network |
description |
A perfilagem de poços é uma ferramenta essencial para a indústria de petróleo. Em poucas palavras, pode ser resumida como a caracterização de propriedades petrofísicas e geológicas representadas graficamente pela associação com a profundidade do poço. É através da análise dos perfis que é possível identificar os tipos de rochas, a localização de hidrocarbonetos, pode-se estimar a viabilidade do poço e permite o reaproveitamento de poços já explorados.Esse trabalho aponta uma das medidas alternativas utilizadas hoje em dia para otimizar o processo de interpretação das respostas da perfilagem: o software Interactive Petrophysics que conta com a metodologia de redes neurais artificiais utilizando um algoritmo interpretativo usado para treinar a rede e simular uma saída esperada. As redes neurais artificiais possuem a capacidade de associar as informações de entrada e ponderá-las através de pesos no processo de aprendizagem. A metodologia do processo consistiu em utilizar informações petrofísicas reais provindas de perfis geofísicos e também dados de análise de testemunho fornecidos pela ANP (Agência Nacional de Petróleo, Gás Natural e Bicombustíveis) de três poços produtores pertencentes ao campo de Namorado (campo escola), os mais próximos possíveis, e assim tais informações foram usadas como os dados de entrada e para treinamento da rede para estimar a saída esperada, que, para esse caso, foi a permeabilidade dos poços. E, no final do trabalho, foi feita uma análise comparativa com os dados reais obtidos pela análise de testemunho com a saída do simulador |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-07-14T13:12:36Z 2017-07-14T13:12:36Z 2017 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://app.uff.br/riuff/handle/1/4010 |
url |
https://app.uff.br/riuff/handle/1/4010 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823622125256704 |