Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/12902 |
Resumo: | The main objective of this study is to apply recently developed methods of physical-statistic to time series analysis, particularly in electrical induction s profiles of oil wells data, to study the petrophysical similarity of those wells in a spatial distribution. For this, we used the DFA method in order to know if we can or not use this technique to characterize spatially the fields. After obtain the DFA values for all wells, we applied clustering analysis. To do these tests we used the non-hierarchical method called K-means. Usually based on the Euclidean distance, the K-means consists in dividing the elements of a data matrix N in k groups, so that the similarities among elements belonging to different groups are the smallest possible. In order to test if a dataset generated by the K-means method or randomly generated datasets form spatial patterns, we created the parameter Ω (index of neighborhood). High values of Ω reveals more aggregated data and low values of Ω show scattered data or data without spatial correlation. Thus we concluded that data from the DFA of 54 wells are grouped and can be used to characterize spatial fields. Applying contour level technique we confirm the results obtained by the K-means, confirming that DFA is effective to perform spatial analysis |
id |
UFRN_91400ff403f968f829e89be1c42de676 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/12902 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Mata, Maria das Vitórias Medeiros dahttp://lattes.cnpq.br/6154370842530624http://lattes.cnpq.br/9579151361576173Corso, Gilbertohttp://lattes.cnpq.br/0274040885278760Freitas, Joaquim Elias dehttp://lattes.cnpq.br/6051109030233375Lyra, Marcelo Leitehttp://lattes.cnpq.br/0907001903528428Fulco, Umberto Laino2014-12-17T14:08:35Z2010-12-082014-12-17T14:08:35Z2009-07-24MATA, Maria das Vitórias Medeiros da. Clustering analysis of the data of DFA profiles of eletric induction in oil wells. 2009. 81 f. Dissertação (Mestrado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2009.https://repositorio.ufrn.br/jspui/handle/123456789/12902The main objective of this study is to apply recently developed methods of physical-statistic to time series analysis, particularly in electrical induction s profiles of oil wells data, to study the petrophysical similarity of those wells in a spatial distribution. For this, we used the DFA method in order to know if we can or not use this technique to characterize spatially the fields. After obtain the DFA values for all wells, we applied clustering analysis. To do these tests we used the non-hierarchical method called K-means. Usually based on the Euclidean distance, the K-means consists in dividing the elements of a data matrix N in k groups, so that the similarities among elements belonging to different groups are the smallest possible. In order to test if a dataset generated by the K-means method or randomly generated datasets form spatial patterns, we created the parameter Ω (index of neighborhood). High values of Ω reveals more aggregated data and low values of Ω show scattered data or data without spatial correlation. Thus we concluded that data from the DFA of 54 wells are grouped and can be used to characterize spatial fields. Applying contour level technique we confirm the results obtained by the K-means, confirming that DFA is effective to perform spatial analysisO principal objetivo do presente trabalho foi aplicar métodos recentemente desenvolvidos em física-estatística às séries temporais, em especial a dados de perfis elétricos de indução de 54 poços de petróleo localizados no Campo de Namorado Bacia de Campos - RJ, para estudar a similaridade petrofísica dos poços numa distribuição espacial. Para isto, utilizamos o método do DFA com o intuito de saber se podemos, ou não, utilizar esta técnica para caracterizar espacialmente o campo. Depois de obtidos os valores de DFA para todos os poços, fizemos uma análise de agrupamento com relação a estas características; para tanto, utilizamos o método de agrupamento não-hierárquico chamado método K-média. Geralmente baseado na distância euclidiana, o K-média consiste em dividir os elementos de uma matriz n de dados em k grupos bem definidos, de maneira que as semelhanças existentes entre elementos pertencentes a grupos distintos sejam as menores possíveis. Com o objetivo de verificar se um conjunto de dados gerados pelo método do K-média ou gerado aleatoriamente forma padrões espaciais, criamos o parâmetro Ω (índice de vizinhança). Altos valores de Ω implicam em dados mais agregados e baixos valores de Ω em dados dispersos ou sem correlação espacial. Com auxílio do método de Monte Carlo observamos que dados agrupados aleatoriamente apresentam uma distribuição de Ω inferior ao valor empírico. Desta forma concluímos que os dados de DFA obtidos nos 54 poços estão agrupados e podem ser usados na caracterização espacial de campos. Ao cruzar os dados das curvas de nível com os resultados obtidos pelo K-média, confirmamos a eficiência do mesmo para correlacionar poços em distribuição espacialapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Ciência e Engenharia do PetróleoUFRNBRPesquisa e Desenvolvimento em Ciência e Engenharia de PetróleoAnálise de flutuação sem tendênciasAnálise de agrupamentosKmédiaPoços de petróleoÍndice de vizinhançaDetrended fluctuation analysisClustering analysisK-meansOil fieldsIndex of neighborhoodCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICAAnálise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleoClustering analysis of the data of DFA profiles of eletric induction in oil wellsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALAnáliseAgrupamentosDados_Mata_2009.pdfapplication/pdf1276052https://repositorio.ufrn.br/bitstream/123456789/12902/1/An%c3%a1liseAgrupamentosDados_Mata_2009.pdf2a1c6384ed87c24c3ab5a2346947a35dMD51TEXTMariaVMMpdf.pdf.txtMariaVMMpdf.pdf.txtExtracted texttext/plain140271https://repositorio.ufrn.br/bitstream/123456789/12902/10/MariaVMMpdf.pdf.txtfe1ded73f8cb3f2a529d15db65d9d73cMD510AnáliseAgrupamentosDados_Mata_2009.pdf.txtAnáliseAgrupamentosDados_Mata_2009.pdf.txtExtracted texttext/plain140271https://repositorio.ufrn.br/bitstream/123456789/12902/12/An%c3%a1liseAgrupamentosDados_Mata_2009.pdf.txtfe1ded73f8cb3f2a529d15db65d9d73cMD512THUMBNAILMariaVMMpdf.pdf.jpgMariaVMMpdf.pdf.jpgIM Thumbnailimage/jpeg3970https://repositorio.ufrn.br/bitstream/123456789/12902/11/MariaVMMpdf.pdf.jpg4d61293fb8b9523edb9247cbc958ac77MD511AnáliseAgrupamentosDados_Mata_2009.pdf.jpgAnáliseAgrupamentosDados_Mata_2009.pdf.jpgIM Thumbnailimage/jpeg3969https://repositorio.ufrn.br/bitstream/123456789/12902/13/An%c3%a1liseAgrupamentosDados_Mata_2009.pdf.jpgce852bd81d927f5311d7850b6a1da81dMD513123456789/129022019-01-29 14:01:17.101oai:https://repositorio.ufrn.br:123456789/12902Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2019-01-29T17:01:17Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.por.fl_str_mv |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo |
dc.title.alternative.eng.fl_str_mv |
Clustering analysis of the data of DFA profiles of eletric induction in oil wells |
title |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo |
spellingShingle |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo Mata, Maria das Vitórias Medeiros da Análise de flutuação sem tendências Análise de agrupamentos Kmédia Poços de petróleo Índice de vizinhança Detrended fluctuation analysis Clustering analysis K-means Oil fields Index of neighborhood CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA |
title_short |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo |
title_full |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo |
title_fullStr |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo |
title_full_unstemmed |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo |
title_sort |
Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo |
author |
Mata, Maria das Vitórias Medeiros da |
author_facet |
Mata, Maria das Vitórias Medeiros da |
author_role |
author |
dc.contributor.authorID.por.fl_str_mv |
|
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/6154370842530624 |
dc.contributor.advisorID.por.fl_str_mv |
|
dc.contributor.advisorLattes.por.fl_str_mv |
http://lattes.cnpq.br/9579151361576173 |
dc.contributor.referees1.pt_BR.fl_str_mv |
Corso, Gilberto |
dc.contributor.referees1ID.por.fl_str_mv |
|
dc.contributor.referees1Lattes.por.fl_str_mv |
http://lattes.cnpq.br/0274040885278760 |
dc.contributor.referees2.pt_BR.fl_str_mv |
Freitas, Joaquim Elias de |
dc.contributor.referees2ID.por.fl_str_mv |
|
dc.contributor.referees2Lattes.por.fl_str_mv |
http://lattes.cnpq.br/6051109030233375 |
dc.contributor.referees3.pt_BR.fl_str_mv |
Lyra, Marcelo Leite |
dc.contributor.referees3ID.por.fl_str_mv |
|
dc.contributor.referees3Lattes.por.fl_str_mv |
http://lattes.cnpq.br/0907001903528428 |
dc.contributor.author.fl_str_mv |
Mata, Maria das Vitórias Medeiros da |
dc.contributor.advisor1.fl_str_mv |
Fulco, Umberto Laino |
contributor_str_mv |
Fulco, Umberto Laino |
dc.subject.por.fl_str_mv |
Análise de flutuação sem tendências Análise de agrupamentos Kmédia Poços de petróleo Índice de vizinhança |
topic |
Análise de flutuação sem tendências Análise de agrupamentos Kmédia Poços de petróleo Índice de vizinhança Detrended fluctuation analysis Clustering analysis K-means Oil fields Index of neighborhood CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA |
dc.subject.eng.fl_str_mv |
Detrended fluctuation analysis Clustering analysis K-means Oil fields Index of neighborhood |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA |
description |
The main objective of this study is to apply recently developed methods of physical-statistic to time series analysis, particularly in electrical induction s profiles of oil wells data, to study the petrophysical similarity of those wells in a spatial distribution. For this, we used the DFA method in order to know if we can or not use this technique to characterize spatially the fields. After obtain the DFA values for all wells, we applied clustering analysis. To do these tests we used the non-hierarchical method called K-means. Usually based on the Euclidean distance, the K-means consists in dividing the elements of a data matrix N in k groups, so that the similarities among elements belonging to different groups are the smallest possible. In order to test if a dataset generated by the K-means method or randomly generated datasets form spatial patterns, we created the parameter Ω (index of neighborhood). High values of Ω reveals more aggregated data and low values of Ω show scattered data or data without spatial correlation. Thus we concluded that data from the DFA of 54 wells are grouped and can be used to characterize spatial fields. Applying contour level technique we confirm the results obtained by the K-means, confirming that DFA is effective to perform spatial analysis |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-07-24 |
dc.date.available.fl_str_mv |
2010-12-08 2014-12-17T14:08:35Z |
dc.date.accessioned.fl_str_mv |
2014-12-17T14:08:35Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
MATA, Maria das Vitórias Medeiros da. Clustering analysis of the data of DFA profiles of eletric induction in oil wells. 2009. 81 f. Dissertação (Mestrado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2009. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/12902 |
identifier_str_mv |
MATA, Maria das Vitórias Medeiros da. Clustering analysis of the data of DFA profiles of eletric induction in oil wells. 2009. 81 f. Dissertação (Mestrado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2009. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/12902 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência e Engenharia do Petróleo |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/12902/1/An%c3%a1liseAgrupamentosDados_Mata_2009.pdf https://repositorio.ufrn.br/bitstream/123456789/12902/10/MariaVMMpdf.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/12902/12/An%c3%a1liseAgrupamentosDados_Mata_2009.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/12902/11/MariaVMMpdf.pdf.jpg https://repositorio.ufrn.br/bitstream/123456789/12902/13/An%c3%a1liseAgrupamentosDados_Mata_2009.pdf.jpg |
bitstream.checksum.fl_str_mv |
2a1c6384ed87c24c3ab5a2346947a35d fe1ded73f8cb3f2a529d15db65d9d73c fe1ded73f8cb3f2a529d15db65d9d73c 4d61293fb8b9523edb9247cbc958ac77 ce852bd81d927f5311d7850b6a1da81d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117908046807040 |