Aplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namorado

Detalhes bibliográficos
Autor(a) principal: Nogueira, Simone Alves Intete
Data de Publicação: 2017
Outros Autores: Soares, Yago Chamoun Ferreira
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

Registros relacionados