Diapositiva 6: INTRODUCCION

En la parte de la introducción nos habla de la importancia de la porosidad la cual como ya hemos estudiado es
relevante para la descripción de un yacimiento y como un dato de entrada para la simulación del yacimiento.
La porosidad se encuentra clasificada principalmente en 2 tipos
Cómo porosidad efectiva en la cual están los poros conectados y en la porosidad no efectiva en donde los
poros no se encuentran conectados. La porosidad total viene dada como el sistema de poros total ya sea este
conectado o aislado.
El documento también nos habla de cuando la formación es limpia la porosidad total del sistema viene siendo
igual a la porosidad efectiva, cuando se habla de formación limpia quiere decir formaciones libres de
contenido de lutitas. Cuando hay presencia de lutitas la porosidad debe someterse a una corrección porque al
no hacerse se sobreestimara al contabilizar la porosidad de la lutita que no contribuirá al espacio poroso
disponible para el almacenamiento tanto del petróleo como del gas.
…………………………………………………………………………………………………………………………..
Pará estimar la porosidad se puede hacer mediante diferentes métodos, como:
-Tomografía computarizada (TC)
-Pruebas de laboratorio en muestras de nucleos
-registros sónicos
-registros de RMN (Resonancia magnética nuclear)
-registros de densidad de neutrones
La porosidad es una cantidad o medida sin unidad y esta definida como la razón de volumen de poros entre el
volumen total de la muestra
……………………………………………………………………………………………
Aunque el registro RMN no es una función da la litologia , cuenta con el contenido de hidrogeno en el fluido la
cual nos da la verdaders porosidad total
Esta herramienta de RMN se puede ver afectado por la salinidad del agua y la viscosidad del aceite
------------------------------------------------------------
TIMUR: Estudio la determinación de la porosidad por RMN en rocas carbonatadas

MILLER: estimo la porosidad utilizando el registro de imágenes por resonancia magnética(MRIL) Mediante eco
del espín
CHANG: Investigo el método de determinación de la porosidad en rocas carbonatadas complejas con registros
convencionales con cable
PRAMER: Investigo la aplicación del registro de RMN para estimar el agua que esté unida a la arcilla junto con
la porosidad total
5.GEORGI: estudiaron las porosidad medidas por RMN en areniscas y rocas carbonatadas

EHIGIE: Descubrió que en zonas donde se producen rupturas de tipo elípticas la herramienta MRIL no
proporciona una estimación confiable de la porosidad

DANIEL OBINNA AND HASSAM: Aplicaron varios modelos de porosidad para la caracterización en depósitos de
petróleo estancos
----------------------------------------------------------------------------------------------
......diapositiva 16......
DETERMINACIÓN DE LA POROSIDAD MEDIANTE TÉCNICAS DE IA

A partir de los datos sísmicos de puede predecir la porosidad esto usando la técnica de regresión no lineal
conocida como método grupal de manejo de datos (GMDH), Esta técnica logra determinar la mejor entrada
para apuntar a la porosidad y optimizar en número de los nodos

La ANN (red neuronal o artificial neural network) supervisada mostró un coeficiente de correlación mas alto
(R) que GMDH para los datos de entrenamiento, mientras que GMDH presentó una (R) más alta para los datos
no vistos. ANN o red neuronal puede predecir las propiedades petrofísicas mejor que las técnicas
tradicionales.
Los modelos ANN (red neuronal o Artificial Neural Network) utilizaron la red neuronal multicapa (MLNN) como
la red neuronal de retro propagación (BPNN) para predecir las propiedades petrofísicas]. Los modelos ANN
(red neuronal o Artificial Neural Network) se pueden utilizar para determinar los datos de registro
petrofísicos (tiempo sónico, porosidad de neutrones y densidad aparente) con un alto R. La profundidad y la
litología no eran parte de la red, por lo que los modelos desarrollados se pueden aplicar para cualquier campo.
:::::::::::
El modelo ANN o red neuronal se puede utilizar para predecir la porosidad basándose en datos de RMN
(Resonancia Magnética Nuclear) como ya se menciono antes y registros convencionales con una alta precisión
en comparación con los datos del núcleo.
Hosseini y col. Concluyó que la red neuronal probabilística (PNN) es la mejor técnica para predecir la
porosidad a partir de la sísmica en base a tres entradas; impedancia acústica, frecuencia media y tiempo .