Tesis Maestria Ignacio - J - Mederos - V - 2019

TRABAJO ESPECIAL DE GRADO
MODELADO PETROFÍSICO DEL CAMPO CARABOBO 2 FAJA

PETROLÍFERA DEL ORINOCO, VENEZUELA
Presentado ante la Ilustre

Universidad Central de Venezuela
Por el Esp. Mederos V. Ignacio J.
Para optar al título de Magister Scientiarum
en Ciencias Geológicas.
Caracas, noviembre 2019

©Mederos Viloria, Ignacio José 2019
Hecho el Depósito de Ley
Depósito Legal MI2019000449
TRABAJO ESPECIAL DE GRADO

PETROLÍFERA DEL ORINOCO, VENEZUELA
TUTOR ACADÉMICO: Msc. Ángela Rojas.
AUTOR: Esp. Ignacio J. Mederos V.
Caracas, noviembre 2019

PETROLÍFERA DEL ORINOCO, VENEZUELA.
.
Autor: Esp. Mederos V. Ignacio J. Tutor Académico: Msc Ángela Rojas.
Palabras claves: facies sedimentológica, campo Carabobo, modelo de porosidad,
modelo de permeabilidad, redes neuronales. modelo Petrofísico, modelo de
saturación, análisis de prospectividad y estimación de Leads exploratorios.
Resumen. El objetivo fundamental de este trabajo es determinar el modelo

petrofísico del campo Carabobo 2, a partir de la integración de información:
geofísica, geológica y petrofísica. Iniciando con la construcción del modelo de facies
sedimentaria de campo, a partir de la aplicación de algoritmos de redes neuronales
para el reconocimiento patrones de facies sedimentarias en los pozos con y sin
información de núcleos, tomando como base las curvas de los registros de pozos y
descripción sedimentológica de núcleos existentes. Posteriormente tomando el
modelo de facies como base establecer un modelo petrofísico (porosidad,
permeabilidad, saturación de agua, arcillosidad y arena neta petrolífera) del campo.
Logrando de esta manera la construcción de un modelo petrofísico y de facies de
manera rápida y expedita a partir de la aplicación de algoritmos neuronales de alta
confiabilidad, verificado por estudios previos realizados.
Una vez elaborados los modelos se realizarán los análisis de prospectividad de los
mismos, utilizando la metodología de superposición de propiedades para definir
aquellas áreas con mejores características para la definición de posibles prospectos
(Traffic Light Maps), con cual se definieron dos posibles leads dentro de la
Formación Freites, uno de ellos con riesgo intermedio (amarillo) y otro de alto riesgo
(rojo). Para la Formación Oficina se reconocieron igualmente dos posibles leads, uno
con alta posibilidad (verde) y otro con riesgo intermedio (amarillo). Finalmente se
concluyó que el aporte de la aplicación de redes neuronales presento una respuesta
satisfactoria en el modelo generado. Lo que reduce horas de trabajo hombre y la
cantidad de datos necesarios para el análisis de un campo, sin reducir la calidad del
modelo obtenido.
i
DEDICATORIA
Dedico este trabajo a mi madre, por ser el pilar de la familia y por demostrarme
siempre su cariño y apoyo incondicional. A mi padre, a pesar de no estar
físicamente, siento que estás conmigo en todo momento y me cuidas desde el cielo, sé
que este momento fue especial para ti como lo es para mí.
ii
AGRADECIMIENTOS
El presente trabajo agradezco a Dios por ser mi guía y acompañarme en el transcurso

de mi vida, brindándome paciencia y sabiduría para culminar con éxito mis metas
propuestas.
A mi mamá por apoyarme y ayudarme en cada momento de mi vida profesional y

personal en los momentos que la necesitaba, este logro alcanzado es más tuyo.
A la profesora Ángela Rojas, por apoyarme, aconsejarme y guiarme. Más que mi

profesora y tutora es mi familia, la quiero mucho.
A mi mentor profesional profesor Antonio Ughi, no tengo palabras como agradecerte

todo lo que me has apoyado y ayudado, aunque no seamos familia de sangre eres un
hermano para mí, gracias por todo.
A los profesores Manuel Serrano y Lenin González por sus correcciones y

recomendaciones para lograr con éxito este proyecto, muchísimas gracias.
A mi hermano José Antonio y mi hermana Isabela por estar siempre presentes,

aunque no estemos juntos. Y a mis sobrinos Sofía, Samantha y Santiago por ser
nuestro presente y futuro, los quiero mucho.
iii
CONTENIDO
Índice de Contenido
Contenido Página
Capítulo I: Introducción 1
1.1. Planteamiento del Problema 1
1.2. Objetivo General 2
1.3. Objetivo Específico 2
1.4. Alcances 2
1.5. Ubicación del área de estudio 2
1.6. Antecedentes 3
Capitulo II. Marco Geológico 5
2.1. Generalidades 5
2.2. Evolución Tectono-sedimentaria 6
de la Cuenca Oriental de
Venezuela.
2.3. Geología Regional 11
2.3.1. Marco estructural regional 11
2.4. Geología Local 15
2.4.1. Marco estructural local 15
2.4.2. Formaciones del área de estudio 16
Capitulo III: Marco Teórico 20
3.1. Generalidades 20
3.2. Facies 20
3.2.1 Tipos de Facie 21
3.2.2. Característica y asociación 21
de Facie
3.2.3. Análisis de facies 22
sedimentarias
iv
3.2.4. Patrones de facies en registros 25
eléctricos
3.2.5. Modelo de facies 27
3.3. Redes neuronales 28
3.3.1. Modelo neuronal 30
3.3.2. Clasificación y tipos de redes 32
neuronales
3.3.3. Tipos de aprendizaje 33
3.3.4. Tipos de clasificación de 34
redes neuronales por su
aplicación
3.3.5. Red Perceptron multicapa 34
3.4. Modelo geoestadístico 36
3.4.1. Variogramas 37
3.4.2. Método de interpolación 41
Capitulo IV: Método 43
4.1. Modelado de Facies 48
4.2. Modelado Petrofísico 55
4.3. Análisis de prospectividad 59
Capítulo V: Presentación y Análisis de 60
Resultados
5.1. Análisis modelo de Facies 61
5.2. Análisis modelo petrofísico 65
5.2.1. Arena neta petrolífera 65
5.2.2. Porosidad efectiva 66
5.2.3. Arcillosidad 67
5.2.4. Permeabilidad 69
5.2.5. Saturación de agua 70
v
5.3. Análisis de prospectividad basado en 72
las tendencias de los modelos
petrofísicos
5.3.1. Formación Freites 72
5.3.2. Formación Oficina 75
5.4. Definición de áreas de interés para 78
reconocimiento de leads exploratorios
Conclusiones y recomendaciones 83
Bibliografía 85
Índice de Figuras
Contenido Página
Figura 1. Ubicación del área de estudio Tomado de Calvo 3
(2008).
Figura 2. Mapa de la Cuenca Oriental Venezolano, donde se 5
muestran las Sub-cuencas de Guárico y Maturín, y los
cuatro bloques de la Faja Petrolífera del Orinoco (FPO).
Modificado de Erlich y Barrett (1992) Tomado de Rojas
(2013).
Figura 3. Ubicación relativa de la zona de interés en la 6
cuenca antepaís (Tomado de Paredes, 2002, modificado de
Yoris & Ostos, 1997)
Figura 4: Distribución de las rocas jurásicas de Venezuela, 7
mostrando que las mismas se encuentran aflorando en la
Sierra de Perijá (1), como parte del basamento en el
subsuelo de la Cuenca de Maracaibo (2), en los Andes (3) y
los grabenes de Apure y Mantecal relacionados al
corrimiento de la Serranía del Interior (4). (Tomado de
Paredes, 2002, modificado de Yoris & Ostos, 1997)
Figura 5. Distribución de facies sedimentarias durante el 8
Cenomaniense-Coniaciense (Tomado de Yoris, 1997).
Figura 6 Modelo esquemático del sistema de cuenca 9
antepaís del Oriente venezolano para el Oligoceno. (A):
Mapa de distribución de las zonas de la cuenca antepaís,
vi
(B): sección transversal conceptual de la Cuenca Oriental de
Venezuela para el Oligoceno. (Tomado de Rojas, 2013)
Figura 7. Cuadro estratigráfico generalizado de la 10
subcuenca de Maturín y de la Serranía del Interior Oriental
para el Cretácico superior al Cenozoico. (Modificado por
Paredes, 2002. Tomado de Yoris & Ostos, 1997).
Figura 8 Mapa de ubicación regional de los principales 11
rasgos estructurales del oriente venezolano, modificado de
Parnaud et al., (1995) (Tomado de Paredes, 2002)
Figura 9 Segmento interpretado de un perfil sísmico 12
ubicado a unos 100 km al suroeste de Maturín con rumbo
E-O, donde se observa la falla de Anaco con un anticlinal
asociado (Modificado de Di Croce (1995) (Tomado de
Paredes, 2002).
Figura 10. Rasgos estructurales principales de la cuenca 14
oriental de Venezuela. Tomado de Salazar, 2014.
Figura 11. Corte estructural del Bloque Carabobo (A). 15
Tomado de Crespo. (2008)
Figura 12. Corte estructural del Bloque Carabobo (A). 16
Tomado de Crespo. (2008).
Figura 13. Columna estratigráfica Regional de la Cuenca 19
Oriental (Tomado de Acosta, 2006).
Figura 14. Clasificación de facies sedimentarias de manera 23
general. (modificado de
http://sedimentosagiupsm.blogspot.com/2018/03/ambientes-
sedimentarios.html, 2018).
Figura 15. Patrones de Facies generalizados en registros 26
rayos gamma o SP Modificado de Kendall, 2012.
Figura 16. Respuestas de sistemas depositacionales 27
clásticos. (Santos, 2016).
Figura 17. Distribución de los diferentes sub-ambientes de 28
acumulación dentro del sistema deltaico. (Olivo, 2016).
Figura 18. Diagrama de una neurona humana y sus 29
vii
componentes: Núcleo; Axón; Dendritas y sinapsis
Figura 19. Representación esquemática de cómo funciona 30
una neurona virtual (Modificado de Azevedo 2009).
Figura 20 Grafico de función sigmoide (tomado de 31
McCaffrey, 2012).
Figura 21. Arquitectura de la red perceptrón multicapa 35
(tomado de Alpana, 2002).
Figura 22. Representación gráfica del Variograma (tomado 37
de Belmares 2011)
Figura 23. Gráfico del Modelo Esférico (tomado de 38
Belmares 2011)
Figura 24. Gráfico del Modelo Exponencial (tomado de 39
Belmares 2011)
Figura 25. Gráfico del Modelo Gaussiano (tomado de 40
Belmares 2011)
Figura 26 - Representación de un modelo de interpolación 41
determinístico (tomado de
https://acolita.com/geoestadistica-interpolacion-con-
kriging/)
Figura 27 -Mapa de Ubicación de los datos sísmicos 2D y 43
pozos, el polígono de color azul representa el Campo
Carabobo 2
Figura 28 – Hoja Sedimentológica del Pozo (CNX 1). De 44
Rahmanian, 2001. Tomado de Crespo (2008)
Figura 29 – Hoja Sedimentológica del Pozo (PCN 11) 45
Figura 30 – Hoja Sedimentológica del Pozo (PCN 7) 46
Figura 31 – Modelo Estructural del campo Carabobo 2. La 47
capa de color: a) azul es la Formación Freites, b) rosado es
el Miembro Morichal Superior de la Formación Oficina, c)
azul claro es el Miembro Morichal Medio de la Formación
Oficina y d) amarillo es el Miembro Morichal Inferior de la
Formación Oficina.
Figura 32 – Figura 33 – Pozo PCN 11: a) Registro GR, b) 49
Registro de Resistividad, c) descripción de facies del núcleo
viii
y d) descripción de facies establecida por red neuronal
supervisada. Recuadro a la derecha muestra la respuesta
típica de un canal distributario y la llanura de inundación en
el plano deltaico modificado de Boyd et al (1992)
Figura 33 – Pozo CN165: a) Registro GR, b) Registro de 50
Resistividad, c) Registro de Porosidad Efectiva, d)
descripción de facies establecida por red neuronal
supervisada. Recuadro a la derecha muestra un ejemplo de
la respuesta de la relación de los registros con la facies
sedimentaria creada de un canal distributario y la llanura de
inundación en el plano deltaico modificado de Boyd et al
(1992)
Figura 34 – Ventana de reescalado de los registros de facies 51
dentro del modelo.
Figura 35 – Ventana de estimación de variograma del 51
campo.
Figura 36 – Ventana de probabilidad de ocurrencia de las 52
facies de la Formación Freites. Verde es llanura de
inundación y amarillo en Arenas de canal distributario.
Figura 37 – Ventana de proporción de facies y sus 52
probabilidades en el campo de las facies de la Formación
Freites. Verde es llanura de inundación, amarillo en Arenas
de canal distributario y rojo barras de desembocadura.
Figura 38 – Simulación Secuencial Gaussiana de la 53
propiedad petrofísica de Facies sedimentarias.
Figura 39 – Delta esquemático que muestra un rango de 54
tipos de cuerpos de arena. El frente delta se divide en tres
segmentos que son tormenta, fluvial y dominado por la
marea, respectivamente. El delta mismo y la división en un
delta superior (dominado por fluvio) llanura y una llanura
delta inferior (influenciada por la marea) no están a escala.
Modificado de Reynolds (1999).
Figura 40 – Modelo de Facies sedimentarias Formación 55
Oficina.
Figura 41 – Estimación del registro de porosidad total a 55
partir del registro de densidad de los pozos del campo.
ix
Figura 42 – Ventana de reescalado del registro de 57
permeabilidad dentro del modelo.
Figura 43 – Ventana de estimación de variograma del 58
campo y su la distribución utilizada para la transformación,
para el análisis de los datos.
Figura 44 – Modelo de Porosidad efectiva de la Formación 58
Oficina.
Figura 45 - Representación del método del semáforo para 59
análisis de prospectividad modificado de Fraser (2011)
Figura 46 – Mapas estructurales de los topes de las 60
formaciones Freites (imagen superior izquierda) Oficina
(imagen superior derecha) y Basamento (imagen inferior)
campo Carabobo 2.
Figura 47 – Interpolación secuencia Gaussiana del modelo 61
de facies.
Figura 48. Sección Estratigráfica SE-NO11 mostrando la 62
dirección de sedimentación (Crespo 2008).
Figura 49 – Modelo de Facies de la Formación Oficina 63
campo Carabobo 2. a) Cobertura 10% (Imagen superior
izquierda), b) Cobertura 20% (imagen superior derecha), c)
Cobertura 30% (Imagen inferior izquierda), d) Cobertura
40% (imagen inferior derecha).
Figura 50 – Modelo de Facies de la Formación Freites 64
campo Carabobo 2. a) Cobertura 10% (Imagen superior
izquierda), b) Cobertura 20% (imagen superior derecha), c)
Cobertura 30% (Imagen inferior izquierda), d) Cobertura
40% (imagen inferior derecha).
Figura 51 – Modelo de arena neta petrolífera de la 65
Formación Freites: a) propiedad vista desde el este, b)
propiedad vista desde el oeste campo Carabobo 2.
Figura 52 – Modelo de arena neta petrolífera de la 66
Formación Oficina: a) propiedad vista desde el este, b)
propiedad vista desde el oeste campo Carabobo 2.
Figura 53 – Modelo de la propiedad petrofísica de 67
Porosidad Efectiva de la Formación Freites campo
x
Carabobo 2.
Porosidad Efectiva de la Formación Oficina campo
Carabobo 2.
Arcillosidad de la Formación Freites campo Carabobo 2.
Arcillosidad de la Formación Oficina campo Carabobo 2.
Permeabilidad de la Formación Freites campo Carabobo 2.
Permeabilidad de la Formación Oficina campo Carabobo 2.
saturación de agua de la Formación Freites campo
Carabobo 2.
saturación de agua de la Formación Oficina campo
Carabobo 2.
Figura 61 – Modelo conjunto de Facies y porosidad efectiva 72
de la Formación Freites campo Carabobo 2.
Figura 62 – Modelo conjunto de Facies y permeabilidad de 73
la Formación Freites campo Carabobo 2.
Figura 63 – Modelo conjunto de Facies y Arcillosidad de la 74
Formación Freites campo Carabobo 2.
Figura 64 – Modelo conjunto de Facies y Sw de la 75
Formación Freites campo Carabobo 2.
Figura 65 – Modelo conjunto de Facies y Arena neta 75
petrolífera de la Formación Freites campo Carabobo 2.
Figura 66 – Modelo conjunto de Facies y porosidad efectiva 76
de la Formación Oficina campo Carabobo 2.
Figura 67 – Modelo conjunto de Facies y permeabilidad de 76
la Formación Oficina campo Carabobo 2.
Figura 68 – Modelo conjunto de Facies y Arcillosidad de la 77
xi
Formación Oficina campo Carabobo 2.
Figura 69 – Modelo conjunto de Facies y Sw de la 77
Formación Oficina campo Carabobo 2.
Figura 70 – Modelo conjunto de Facies y arena neta 78
petrolífera de la Formación Oficina campo Carabobo 2.
Figura 71 – Modelo conjunto de Facies y propiedades 81
petrofísicas para la definición de leads en la Formación
Freites campo Carabobo 2. Rectángulos amarillo riesgo
intermedio, rectángulo rojo riesgo alto.
Figura 72 – Modelo conjunto de Facies y propiedades 82
petrofísicas para la definición de leads en la Formación
Oficina campo Carabobo 2. Rectángulos amarillo riesgo
intermedio, rectángulo rojo riesgo alto.
Índice de Tablas
Contenido Página
Tabla 1. Clasificación de las facies ambientales deltáicas 24
(tomado de Swanson, 1976).
Tabla 2. Medias, máximos y mínimos anchos, espesores y
longitud de los tipos de cuerpos de arenas en metros 53
(modificado de Reynolds, 1999)
xii
CAPITULO I
INTRODUCCIÓN
1.1 Planteamiento del problema

La principal actividad productiva de Venezuela es la explotación de hidrocarburos.
Nuestro país por poseer grandes reservas de crudo y gas, ha basado su economía en la
comercialización del petróleo y sus derivados. Tal actividad, genera los ingresos
necesarios para sustentar el desarrollo económico y social de la nación.
La mayor parte de las reservas de petróleo venezolano se encuentran distribuidas en
la Cuenca Oriental de Venezuela. Para el año 2010 los volúmenes de reservas
probadas de hidrocarburos se encontraban en 275.240 MMBls, solamente para la
Cuenca Oriental de Venezuela, según el informe de gestión anual de PDVSA,
mientras que para los 54.000 Km2 que representa la Faja Petrolífera del Orinoco las
reservas de hidrocarburos estaban en 258.329 MMBls, de las cuales 3.791 MMBls
corresponden a crudo pesado y 25.538 MMBls a crudo extrapesado. Las reservas
probadas ascienden a 37.024 miles de millones de barriles (MMBls), presentando
8.7% constituido por crudos pesados (< 22 y ≥ 10 ° API) y 91.3 % por crudo
extrapesado (< 10° API) (Mommer, 2004).
Debido al interés económico probado de la Cuenca Oriental de Venezuela, existe una
gran variedad de estudios geológicos-geofísicos, realizados en los distintos campos
petroleros del área. No obstante, existe poca información académica en cuanto a los
aspectos de definición de facies sedimentológicas y modelado petrofísico, como es el
caso del campo Carabobo 2 perteneciente al Bloque Carabobo el cuál se encuentra
ubicado al este de la cuenca, limitado al sur por el río Orinoco, al este por la
plataforma del Delta del rio Orinoco y al oeste por el lineamiento de El Baúl. (Yoris
& Ostos, 1997).
En base a las carencias planteadas en el párrafo anterior y a la disposición reducida de
información en el campo, la interpretación de los parámetros de las facies
sedimentarias y su modelo petrofísico resulta insuficiente, lento, complejo y costosos
con métodos convencionales. Es por esto que el propósito de la presente
investigación es proporcionar nuevas herramientas e interpretaciones con el fin de
proponer un modelo petrofísico del campo Carabobo 2, mediante la aplicación de
redes neuronales probabilísticas supervisadas, las cuales proporcionan una solución
general a los problemas de clasificación de patrones para definir facies sedimentarias
en pozos con poca información de núcleos a partir de datos disponibles de curvas de
registros de pozos y descripción sedimentológica de núcleos. Dicho análisis permitirá
facilitar la definición del modelo de flujo de fluidos con alto grado de heterogeneidad
logrando de esta manera un modelo petrofísico eficiente del campo. Así mismo se
1
elaborarán mapas de isopropiedad petrofisica por métodos convencionales para
corroborar la confiabilidad del modelo generado, finalizando con la proposición de
zonas prospectivas y definiciones de leads exploratorios.
1.2 Objetivo General

Construir el modelo petrofísico del campo Carabobo 2 mediante registros de pozos
1.3 Objetivos Específicos

1. Reconocer facies sedimentológicas mediante redes neuronales a partir de los
registros de pozos.
2. Elaborar el modelo de porosidad a partir de registros de pozo.
3. Estimar el modelo de permeabilidad mediante algoritmos con el apoyo de
registros de pozo.
4. Crear el modelo de saturación de agua a través de fórmulas petrofísicas a
partir de registros de pozos.
5. Analizar prospectividad basado en las propiedades petrofísicas.
6. Definir áreas de interés para el reconocimiento de leads o prospectos
exploratorios.
1.4 Alcances
Establecer un modelo petrofísico controlado por métodos estadísticos y redes
neuronales con alto grado de confiabilidad, indicando cualitativamente la calidad de
los posibles prospectos identificados en el yacimiento. Lo que contribuirá a la mejora
de los modelos petrofísicos elaborados bajo esquemas convencionales.
1.5 Ubicación del área de estudio

La investigación se encuentra ubicada en el Campo Carabobo, la cual pertenece a la
Cuenca Oriental de Venezuela, extendiéndose desde el sureste del estado Anzoátegui
y ocupa toda la parte sur del estado Monagas y un sector del occidente del estado
Delta Amacuro. Tiene una superficie total de 2.311 km 2. El Bloque Carabobo 2,
objeto de estudio, se ubica en el centro del bloque, ocupando una superficie total de
aproximadamente 1.200 km2, (figura 1) (tomado de Calvo, 2008). Entre las
2
coordenadas UTM 930000-980000 Norte y 497000-510000 Este. Correspondiente a
las coordenadas UTM WGS84 zona 20N.
Figura 1. Ubicación del área de estudio Tomado de Calvo (2008).
1.6 Antecedentes
El área de investigación cuenta con diversos trabajos basados en la interrelación de
las disciplinas como la geofísica, petrofísica, ingeniería de yacimiento,
sedimentología, entre muchas otras; trabajos que tienen como finalidad, aportar
nuevas interpretaciones con el objetivo de optimizar la explotación de hidrocarburos
en la zona. A continuación, se mencionarán algunos trabajos relevantes consultados
para la consecución de la investigación:
1. Crespo, J. (2008) “Modelo Sedimentológico-Estratigráfico, bloque Carabobo
2, faja petrolífera del Orinoco. El trabajo tiene como objetivo establecer un
modelo sedimentológico-estratigráfico del campo. Este estudio se utilizará
como base para la definición de la columna estratigráfica, topes estructurales
y para el amarre del modelo de facies sedimentarias a partir del núcleo PCN
11.
2. González, N. (2007). “Clasificación de facies sedimentarias en yacimientos
geológicamente complejos aplicando redes neuronales probabilísticas”. El
trabajo tiene como objetivo evaluar facies sedimentarias a partir de pozos
mediante la aplicación de redes neuronales. Este articulo proporciona la guía
en la definición de facies sedimentarias, aplicando redes neuronales.
3
3. Schlumberger (2006). “Property Modeling Course”. El libro presenta una guía
para la elaboración del modelo petrofísico del yacimiento. El cual nos
proporciona un patrón de flujo de trabajo en la construcción del modelo
petrofísico del campo de estudio.
4. Machado, G. (2003). “Modelo Sedimentológico estratigráfico de la secuencia
paleozoica en la Faja Petrolífera del Orinoco”. El trabajo tiene como objetivo
análisis sedimentológicos de núcleos del Campo Carabobo. Este estudio
proporciono la descripción de los topes formacionales para el amarre en la
interpretación de facies sedimentarias.
5. Swanson, D.C. (1976). “Guía para el análisis de los ambientes de las facies
clásticas”. El trabajo tiene como objetivo analizar los ambientes de las facies
clásticas. La guía se utilizará en el reconocimiento de facies clásticas en los
patrones observados en los registros de pozos.
4
CAPITULO II
MARCO GEOLÓGICO
2.1 Generalidades
La Cuenca Oriental de Venezuela (figura 2) está ubicada en la región centro-este del
país, entre las coordenadas 8°-11° de latitud norte y 61°-66° de longitud oeste,
definiéndose como una gran depresión topográfica y estructural cuyos límites son: al
sur con el borde septentrional del Cratón de Guayana, al norte con el cinturón móvil
de la Serranía del Interior Central y Oriental y al oeste limita con el levantamiento de
él Baúl. De acuerdo a las características tectono-estratigráficas, la misma se divide en
dos subcuencas, la subcuenca de Guárico al oeste y la subcuenca de Maturín al este,
ambas separadas por el flanco de Úrica, elemento de origen puramente estructural,
asociado al corrimiento existente en Anaco-San Joaquín-Santa Ana (Fajardo e Izarra,
2003).
Figura 2. Mapa de la Cuenca Oriental Venezolano, donde se muestran las Sub-cuencas de Guárico y
Maturín, y los cuatro bloques de la Faja Petrolífera del Orinoco (FPO). Tomado de Rojas (2013).
Topográficamente se caracteriza por extensas llanuras y una zona de mesas en

Anzoátegui y Monagas, que en conjunto abarcan aproximadamente unos 165.000 km 2
de área total, con un ancho promedio de 200 km de norte a sur y una longitud
aproximada de 800 km en sentido este-oeste. La cuenca actual es asimétrica, con el
flanco sur ligeramente inclinado hacia el norte y un flanco más tectonizado, con
5
mayor buzamiento, conectado a la zona plegada y fallada que constituyen el flanco
meridional de las cordilleras que limitan la cuenca hacia el norte (González de Juana
et al. 1980).
La cuenca se inclina hacia el este, de manera que su parte más profunda se encuentra
al noreste (Trinidad), donde se estima que pudieron acumularse unos 40.000 pies de
sedimentos (González de Juana et al. 1980).
Este trabajo se enfocará en la subcuenca de Maturín (figura 3) la cual constituye la
principal unidad petrolífera de la Cuenca Oriental. Podría afirmarse que la
deformación estructural y los acuñamiento de las unidades estratigráficas hacia el sur
definen dos dominios operacionales: uno al norte de Pirital y otro al sur. Al norte de
la falla de Pirital, la estratigrafía de la subcuenca de Maturín está representada en
buena parte en la Serranía del interior, al sur de la falla, encontramos una columna de
sedimentos que va desde el Cretácico con el Grupo Temblador, un Eoceno-Oligoceno
en discusión, y una secuencia que abarca el Oligoceno hasta el reciente que
comprende sedimentos fluvio-deltaicos a marinos profundos hasta llegar a los
sedimentos continentales y los aluviones del reciente (Paredes, 2002).
Figura 3. Ubicación relativa de la zona de interés en la cuenca antepaís (Tomado de Paredes,

2002, modificado de Yoris & Ostos, 1997)
2.2 Evolución tectono-estratigráfica de la Cuenca Oriental de Venezuela

A partir del Paleozoico, la Cuenca Oriental de Venezuela estuvo apoyada sobre el
borde estable del Cratón de Guayana. Progresivamente, movimientos tectónicos
asociados a periodos de levantamientos y subsidencias, ocasionaron transgresiones y
6
regresiones extensas, que fueron de gran importancia en el desarrollo de la cuenca.
Por consiguiente, la evolución de la misma se sitúa en el Devónico-Carbonífero, hace
unos 350 millones de años, en donde se reconocen tres ciclos sedimentarios
separados.
El Paleozoico (figura 4) comienza en el Cámbrico con un rift asociado a la orogénesis
Caledoniana, que genera una serie de grabenes como el graben de Espino, el cuál fue
durante el Devónico-Carbonífero (350-250 m.a) rellenado con una sedimentación
tipo capas rojas, de ambientes neríticos a costero; donde se reconocen en
perforaciones como areniscas de grano fino a grueso, ligeramente calcáreas e
intercaladas con lutitas verdes y conglomerados. A esta secuencia se le estiman
espesores de 3000 a 5000 m. Di Croce (1995) representada por las formaciones Hato
Viejo y Carrizal.
Luego del desarrollo del margen pasivo en el Pérmico-Triásico (250-200 m.a) se
inicia la subducción y posteriormente la colisión que origino el levantamiento vertical
del borde cratónico y el arco del Baúl durante la orogénesis Herciniana. En
Venezuela se encuentra ambas sobrepuestas, encontrándose el bloque metamórfico
(terreno Mérida) sobre el bloque Caparo.
Figura 4: Distribución de las rocas jurásicas de Venezuela, mostrando que las mismas se encuentran
aflorando en la Sierra de Perijá (1), como parte del basamento en el subsuelo de la Cuenca de
Maracaibo (2), en los Andes (3) y los grabenes de Apure y Mantecal relacionados al corrimiento de la
Serranía del Interior (4). (Tomado de Paredes, 2002, modificado de Yoris & Ostos, 1997)
Seguido de la retirada general de los mares hacia el norte, se inicia un largo periódo
erosivo, gran parte del Triásico es erosionado mostrando niveles evaporiticos en
aquellas zonas donde fue preservado. Durante el Triásico -Jurásico (220-160 m.a) se
reactivó el graben de Espino, ocurre una nueva depositación de capas rojas
representada haca el oriente por las formaciones La Quinta e Ipire suprayacentes a las
7
formaciones Hato Viejo y Carrizal, mientras que hacia el occidente se tiene la
formación La Quinta sobre el arco de Mérida bloque ígneo metamórfico.
Durante el Cretácico Barremiense-Aptiense-Albiense (120-115 m.a) se desarrolla
un margen pasivo iniciándose un periodo transgresivo, la invasión marina desarrolla
ambientes litorales a marino someros cuya litología basal está representada por
clásticos arenosos y calizas de plataforma de la Formación Barranquin.
En Venezuela oriental la plataforma carbonática posterior está representada por las
formaciones Cantil a Morro blanco (bloque carbonatico claro). Luego al seguir la
transgresión marina aumentando se llega a depositar lutitas negras o calizas negras
asociadas en Oriente a la Formación Querecual durante el Cenomaniense-
Coniaciense (100-85 m.a), (figura 5) siendo crucial en el desarrollo de la cuenca
debido a la máxima cobertura marina, lo que dio como resultado la profundización de
la misma generando ambientes euxinico según Yoris (1997), y según Hernández
(2019) no fue generado por la profundidad, sino que se relaciona a un contexto
anóxico, debido a un cierre parcial de la condición de la cuenca.
Figura 5. Distribución de facies sedimentarias durante el Cenomaniense-Coniaciense (Tomado de

Yoris, 1997).
En el Cretácico Tardío, específicamente en el Santoniense-Maastrichtiense (85-65

m.a), tenemos la sedimentación de la Formación San Juan, que es el comienzo de la
regresión marcada por las areniscas masivas, en este momento se rompe la
homogenización que tenía oriente y occidente de Venezuela, debido a que en
8
occidente entramos en una cuenca foreland, mientras que en oriente se mantiene el
margen pasivo o cuenca foredeep. Al final del Cretácico, ocurrieron levantamientos
que delimitaron hacia el sur una extensa cuenca donde se depositaron los sedimentos
del ciclo terciario inferior.
Paleoceno-Eoceno (65-45 m.a) en el Terciario tenemos pulsos bien delimitados e
identificados del foreland (occidente) y del foredeep (oriente) en el norte de
Venezuela, estos pulsos se caracterizan por amarres de discordantes a discordancia, es
decir, las discordancias serán los límites de cada secuencia estratigráfica, ya en el
Eoceno continua la transgresión hacia el este y ocurre el levantamiento de la parte
norte de la cuenca, lo que origina el geosinclinal terciario. Hacia el suroeste,
extendiendo la sedimentación para el Oligoceno, en Oriente tendremos una
sedimentación más arenosa, hacia la plataforma más carbonática, al pie del talud sería
más lutitica y en la zona abisal sedimentación tipo flysch. Las formaciones
sedimentadas en oriente son Vidoño y Caratas.
Oligoceno-Mioceno (45-20 m.a) en el Oligoceno (figura 6) en oriente inicia la
influencia del margen tectónico, generando napas, corrimientos y cabalgamientos,
formando cuencas foreland, con limites discordantes, siendo depositadas las
formaciones Los Jabillos (arenosos) en la base y Areo (lutíticos) hacia el tope,
reunida en la Formación Merecure, bajo el cual desaparece el lente lutitico de
Roblecito por acuñamiento. En el Mioceno la sedimentación predominante es
continental, además se producen cambios importantes en la forma de la cuenca. La
Formación Oficina de origen deltáico, se extiende hacia el sur y suroeste, cercana al
río del Orinoco. Se producen desplazamientos tectónicos que originan
subcorrimientos imbricados llegando al Corrimiento Frontal de Guárico. Por otra
parte, el levantamiento de la Serranía del Interior sufrió procesos de plegamiento y
fallamientos motivado a movimientos compresivos de norte-sur.
Figura 6 Modelo esquemático del sistema de cuenca antepaís del Oriente venezolano para el
Oligoceno. (A): Mapa de distribución de las zonas de la cuenca antepaís, (B): sección transversal
conceptual de la Cuenca Oriental de Venezuela para el Oligoceno. (Tomado de Rojas, 2013)
9
Plioceno (5 m.a) en esta etapa, los mares continúan retrocediendo hacia el este,
originando grandes ambientes deltáicos en gran parte de la cuenca. Ocurre la
sedimentación de la Formación Las Piedras que, hacia el oeste, en el Estado
Anzoátegui, cubre la sedimentación marina de Freites. Pleistoceno-Holoceno (0-5
m.a) ocurre un periodo glaciar provocando una caída del mar a nivel mundial,
estableciendo configuraciones del nuevo relleno intramontaña con la sedimentación
del cratón, colmatándose el ultimo foreland de oriente. Posteriormente en el Holoceno
se entra en un periodo interglaciar.
Figura 7. Cuadro estratigráfico generalizado de la subcuenca de Maturín y de la Serranía del Interior

Oriental para el Cretácico superior al Cenozoico. (Modificado por Paredes, 2002. Tomado de Yoris &
Ostos, 1997).
10
2.3 Geología Regional
2.3.1 Marco estructural regional
La Cuenca Oriental de Venezuela es el producto de convergencias y transcurrencia de
bloques de la corteza que muestran diferencias en cuanto a la naturaleza del
basamento, edad y facies de la cobertura sedimentaria y estilos tectónicos (Vivas et
al., 1985). Debido a dichas diferencias los elementos estructurales pueden llegar a ser
muy complejos debido a que interactúan entre sí. A continuación, se resume la
descripción de los principales elementos tectónicos regionales presentes en el oriente
venezolano.
Falla de El Pilar
Son parte del sistema de fallas activas del norte de Suramérica, se conecta al oeste
con el sistema de fallas de San Sebastián (figura 8) y al este con el sistema de fallas
de los Bajos-El Soldado. Vivas et al, (1985) mencionan un sistema de falla
conjugadas sintéticas y antitéticas asociadas a la falla de El Pilar, formado por fallas
de rumbo NE y SE. Beltrán & Giraldo (1989) la consideran el límite de placas
Caribe-suramericana, lo cual supone una ancha zona de deformación, en donde se
tendrían que tomar en cuenta los limites interactuantes con ella (incluyendo el cratón
ubicado al sur), y la relación existente entre los mismos y los estilos de deformación
(como la zona referida en esta investigación).
Figura 8. Mapa de ubicación regional de los principales rasgos estructurales del oriente venezolano,
modificado de Parnaud et al., (1995) (Tomado de Paredes, 2002)
11
El movimiento de la falla según Giraldo (1996), propone que el desplazamiento
dextral (E-O) de la falla de El Pilar alcanza unos 150 km durante los últimos 10-15
m.a. con una velocidad promedio de 1-1.5 cm/año y que dicho desplazamiento es
contemporáneo con la fase tectónica compresiva causante del acortamiento de la
Serranía del Interior con vergencia sureste en el Mioceno medio-superior.
Passalacqua et al., (1995) dividen el movimiento generado en la zona de la falla El
Pilar en tres estados tectónicos interactuantes: uno al norte de la falla caracterizado
por una casi transcurrencia pura, al sur de la falla una de acortamiento N-S
involucrando el alóctono, y en profundidad subducción continental con buzamiento
norte de la litósfera suramericana con una cortea suprayacente indentada que sufre un
abultamiento o “back stop”.
Falla de Anaco
Es una falla de rumbo NE, Murany (1972) la define como transcurrencia sinestral
relacionada a la falla de Úrica, aunque reconoce que el plano de falla está inclinado
unos 45° hacia el norte, donde se da una notación de corrimiento a los sedimentos de
la Formación Oficina y las fallas transcurrentes que son verticales o muy poco
inclinadas. Arnstein et al, (1982) le asigna edad post-Mioceno medio, pre-Mioceno
superior y con un promedio de desplazamiento de 1.33 km y localmente pone en
contacto el Mioceno inferior con el Mio-Plioceno, Vivas et al (1985) sugieren que
esta falla fue inicialmente listrica normal y luego paso a ser inversa.
Di Croce (1995) la menciona como el sistema de fallas inversas de Anaco (figura 9),
y la define con tendencia SO-NE asociada a numerosos campos petroleros. El
alineamiento de la falla de Anaco puede estar superpuesto al sistema de graben de
Espino que es fallamiento normal y quizás persista a través del Mesozoico, el
Paleógeno y el Mioceno temprano.
Figura 9 Segmento interpretado de un perfil sísmico ubicado a unos 100 km al suroeste de Maturín con
rumbo E-O, donde se observa la falla de Anaco con un anticlinal asociado (Modificado de Di Croce
(1995) (Tomado de Paredes, 2002).
12
Falla de San Francisco
Se inicia al norte de la población de Cumanacoa, hasta hacerse paralela al corrimiento
de Pirital al sur de Caripito, por intermedio de la falla de Quiriquire de orientación E-
O, que es contrasta con su orientación NO (Vivas, 1985). Se considera con
movimiento transcurrente dextral con actividad reciente y con una terminación hacia
el este unida al sistema inverso piemontino y al sistema de fallas tensionales NO-SE
de Azagua (Beltrán, 1994).
Falla de Urica
La falla de Urica es mencionada por Ostos (1990) como la división de pequeños
espesores relativos de los sedimentos de la Cuenca de Guárico frente a gruesos
espesores de la Cuenca de Maturín. Frente a esta observación de diferencia en los
espesores de ambas subcuencas, el autor resalta que esta falla correspondería no a un
marco tectónico, sino a una característica particular de diferencia de espesor en el
basamento que soporta el emplazamiento dado por el frente de corrimiento.
La actividad reciente de esta falla esta evidenciada según Beltrán et al., (1994) con
escarpes de falla de edad Holocena en el Golfo de Barcelona además de
desplazamiento de edad menor a 2000 años, es considerada una rampa lateral con
longitud de 225 km en dirección NO-SE, con una componente transcurrente dextral y
una terminación al sur en cola de caballo contra la falla de Anaco
Corrimiento de Pirital
Esta estructura comienza al este de la falla de Urica y continua hasta alcanzar la falla
de San Francisco. El no constituye el límite sur de las fallas de corrimiento de
superficie y coincide aproximadamente con los campos de Santa Bárbara, Jusequin y
Quiriquire, donde localmente emplaza al cretácico sobre el Mioceno (Vivas, 1985).
Di Croce (1995) considera a este fallamiento como el mayor elemneto tectónico del
subsuelo y le asigna un desplazamiento vertical de unos 4 a 5 km y un
desplazamiento horizontal de unos 20 a 30 km.
Méndez (1999) define este corrimiento como un frente tectónico alóctono de la
Serranía del interior debido al cabalgamiento observado en secuencias cretácicas-
terciarias, le asigna un rumbo N80°E hacia su parte occidental, y lo describe como un
plano de cizalla, que cerca de la superficie presenta un buzamiento de 50°-60° hacia
el norte y en profundidad se aplana llegando a tener 3°N.
13
Fallas normales del sur
En el flanco sur de la cuenca se encuentran un conjunto de fallas normales que
Gonzales de Juana et al., (1980) consideran las características estructurales más
destacadas de este flanco. Entre estas fallas, los autores mencionados destacan a las
fallas de Tucupita, Pilón, Jobo y Temblador, esta última con numerosas
ramificaciones. Renz et al (1963, op, cit González de Juana et al 1980) sugieren que
la causa de estas fallas fue la formación de una flexión que se encontraba bajo
tensión, lo cual desencadeno en fallas normales.
Zeuss & Lena (1983, op cit de Paredes, 2002) mencionan que el conjunto de fallas
normales del sur se puede dividir en tres sistemas el primero de rumbo N70°E (falla
principal de Temblador), el segundo de rumbo N40°O y el tercero de rumbo N20°E;
todas con un buzamiento que varía entre 30 y 50°. El origen de ellas se debe según
los autores citados a dos factores principalmente: a) La acción y forma del basamento
y b) la subsidencia de la cuenca durante el tiempo de la sedimentación de la
Formación Oficina género fallamiento casi al mismo tiempo que se efectuaba la
depositación de los sedimentos.
Figura 10. Rasgos estructurales principales de la cuenca oriental de Venezuela. Tomado de Salazar,
2014.
14
2.4 Geología local
2.4.1 Marco estructural local
La zona de investigación se encuentra en el campo Carabobo, En la Faja petrolífera
del Orinoco, la misma presenta una estructura homoclinal con suave buzamiento
hacia el norte Desde el punto de vista estructural y tectónico, se destacan dos
provincias separadas por el sistema de fallas de Hato Viejo. En la provincia oriental
(Carabobo y Ayacucho) los sedimentos terciarios se encuentran descansando sobre el
basamento ígneo-metamórfico, excepto para una estrecha franja al norte donde la
secuencia cretácica se intercala discordantemente entre el Terciario y el Precámbrico.
En la provincia occidental (Junín-Boyacá), los sedimentos terciarios suprayacen
predominantemente a depósitos cretácicos, paleozoicos y precámbricos, estando estas
dos últimas secuencias preservadas en profundas depresiones estructurales.
Dentro del Bloque Carabobo el patrón estructural es el mismo que el resto de la
Cuenca Oriental de Venezuela, específicamente en la parte sur de la misma. La
estructura está definida por un homoclinal de rumbo aproximado noreste-suroeste
donde el buzamiento es muy suave y oscila entre 2 y 4 grados promedio. La misma
está cortada por fallas normales principales de rumbo aproximado este-oeste. Estas
fallas representan un importante factor de entrampamiento dentro del área de estudio,
sumado al factor estratigráfico asociado a cambios laterales de facies. Esto lleva a
concluir que las trampas existentes son de tipo estructural-estratigráfico, donde el
componente estratigráfico es el de mayor importancia, (Fiorillo, 1983). En las figuras
11 y 12 se observan cortes estructurales en el Bloque Carabobo, donde se define que
la estructura se levanta hacia el sur.
Figura 11. Corte estructural del Bloque Carabobo (A). Tomado de Crespo. (2008).
15
Figura 12. Corte estructural del Bloque Carabobo (B). Tomado de Crespo. (2008).
2.4.2 Formaciones del área de estudio

La estratigrafía local está dada por el conjunto de elementos tectónicos y
estratigráficos dominantes en la cuenca y está conformada por las Formaciones Hato
Viejo, Carrizal, Grupo Temblador (Tigre y Canoa), Merecure, Oficina, Freites, as
Piedras y Mesa.
La columna estratigráfica del área de la investigación comienza con sedimentos de
edad Cretácica (probablemente finales del Cretácico) infrayaciendo discordantemente
a una unidad terciaria. La secuencia terciaria comienza en su base con sedimentos del
Mioceno temprano y evoluciona hasta llegar a la colmatación de la cuenca con los
sedimentos de la Formación Mesa de edad Pleistoceno-Reciente. A continuación, se
describirán de base a tope, las formaciones presentes en el área de estudio.
Formación Merecure (Oligoceno-Mioceno Temprano)
Se extiende geográficamente en los estados Anzoátegui y Maturín, en el subsuelo de
la subcuenca de Maturín, al sur del frente de deformación y en los campos de Anaco.
La unidad se caracteriza por abundantes areniscas macizas a mal estratificadas, duras,
ásperas, de grano fino a grueso, con estratificación cruzada, intercaladas con capas
más delgadas de lutitas carbonáceas, arcilita y limolita.
El cambio existente entre ésta unidad y la Formación Oficina, se muestra en los
registros eléctricos realizados en el área en donde se evidencia un contraste entre la
Formación Merecure y la Formación Oficina. Presentando espesores máximos de
520 metros (1.900 pies).
16
Formación Oficina (Mioceno Temprano – Medio)
La Formación Oficina se ve representada en el subsuelo de los estados Anzoátegui y
Monagas, formando parte de las unidades de la cuenca oriental. El afloramiento de
esta unidad se puede observar en la superficie de los domos de Santa Ana y San
Joaquín y en las cercanías del campo Cerro Pelado.
La litología de la Formación se describe como una alternancia de lutitas oscuras e
interestratificadas con areniscas y limolitas de color claro con grano fino a grueso. En
menor proporción, pero no menos importante, se mencionan las capas delgadas de
lignitos y lutitas ligníticas, areniscas sideríticas-glauconíticas y calizas delgadas con
estructuras cono en cono. De acuerdo a lo anterior, se evidencia la presencia de
material carbonoso en la zona, encontrándose hasta 40 o 50 capas de lignito de hasta
60 cm de espesor en algunos pozos, lo cual representa un elemento importante en
correlaciones del área.
Audemard et al. (1996) describen la Formación Oficina de la faja petrolífera del
Orinoco, dividiéndola en tres unidades: la Unidad I (Miembro Morichal del área de
Cerro Negro; Formación Oficina Inferior en Zuata) caracterizada por areniscas
masivas progradantes (evento regresivo) y la intercalación de lutitas y areniscas
transgresivas; la Unidad II (Miembro Yabo del área de Cerro Negro; Formación
Oficina Media en Zuata) representa una secuencia lutítica con intercalaciones
ocasionales de areniscas y limolitas y la Unidad III (miembros Jobo y Pilón del área
de Cerro Negro; Formación Oficina Superior de Zuata) es una secuencia
predominantemente arenosa.
El espesor de la Formación Oficina según González de Juana et al. (1980), aumenta
desde los bordes de la cuenca hacia su eje de la siguiente manera: 220 a 275 m de
espesor en el área de Temblador, 600 m a más de 1400 m en el área mayor de
Oficina, más de 2000 m en Anaco y unos 1000 m en Anzoátegui nororiental.
Formación Freites (Mioceno Medio a Mioceno Tardío basal)

Se extiende en el subsuelo a través de todo el flanco sur de la subcuenca de Maturín
casi hasta el río Orinoco. Esta Formación, aflora en los domos de Santa Ana y San
Joaquín del área de Anaco y en una faja amplia al oeste del campo Santa Ana y al
norte hasta Aragua de Barcelona.
Para esta unidad, se describe una litología de lutitas en tonos verdosos, con areniscas
en el tope y en la base de la formación; este contraste permite dividir la unidad en tres
intervalos: el primero, de unos 100 m de espesor, constituido por capas delgadas de
areniscas arcillosas de grano fino y de color blanco verdoso. El intervalo intermedio
17
es predominantemente lutítico y posteriormente el intervalo inferior de igual espesor
que el intervalo superior, está constituido por intercalaciones de lutitas con areniscas
verde-amarillentas de grano medio a grueso con características muy fosilíferas.
En cuanto al espesor de esta Formación, investigaciones anteriores mencionan
espesores de 335 m a 610 m desde el campo Yopales hacia los campos de Guara
Oeste, Nipa y Leona Norte para esta unidad; además se ha reportado un espesor de
792 m en la carretera de Aragua de Barcelona. En el área Cerro Negro, la formación
se reduce desde 550 m en el norte a 73 m en el sur (González de Juana et al., 1980).
Formación Las Piedras (Mioceno Tardío-Plioceno)

Posee su localidad tipo en el Distrito Maturín, Estado Monagas y se extiende
geográficamente al Estado Anzoátegui; en el subsuelo se extiende a Pedernales,
Territorio Delta Amacuro, y por debajo del Golfo de Paria, Estado Sucre.
La Formación Las Piedras está constituido principalmente por sedimentos finos, mal
consolidados como areniscas micáceas, friables, de colores gris claro a gris verdoso,
limolitas mas o menos carbonáceas, lutitas arcillosas y ligníticas y lignitos. La
Formación Las Piedras contiene en su parte inferior areniscas conglomeraticas que
pasan hacia arriba a areniscas laminadas, ferruginosas con limolitas y arcillas pardo-
rojizas moteadas.
En cuanto a su espesor, la formación alcanza su espesor máximo a lo largo del eje de
la cuenca de Maturín y comienza a adelgazarse hacia los flancos, más rápidamente
hacia el flaco norte que hacia el sur. Se deduce un espesor máximo superior a los
5.000 pies (1.370 metros).
Formación Mesa(Pleistoceno)
Se extiende geográficamente en los Estados Monagas, Sucre y Bolívar, constituido
por arenas de distinta granulometría (grano grueso y gravas), con cemento
ferruginoso, conglomerados de colores rojo a casi negro pasando por arenas con
estratificación cruzada y lentes discontinuos de arcilla fina con lentes de limolita.
Los sedimentos de la Formación Mesa, gradan de norte a sur, de más gruesos a más
finos al alejarse de las cadenas montañosas del norte mientras que en la parte central
de Monagas al macizo de Guyana, gradan de más finos a más gruesos. Por esta razón,
el espesor de esta unidad es muy variable, llegando a un espesor máximo de 275 m en
la Mesa de Maturín, mientras que en el estado Bolívar no supera los 20 m. Los
sedimentos van disminuyendo de norte a sur como consecuencia del cambio en la
18
sedimentación fluvio-deltáica y aumentando de oeste a este, por el avance de los
sedimentos deltáicos (González de Juana et al., 1980).
Figura 13. Columna estratigráfica regional de la Cuenca oriental de Venezuela (Tomado de Acosta,
2006).
19
CAPITULO III
MARCO TEÓRICO
3.1 Generalidades
El objetivo del presente trabajo es la generación de un modelo petrofísico de un
yacimiento con una posterior determinación de zonas prospectivas, conociendo que
dicho modelado se basa en la integración de información geológica, geofísica y
petrofísica, se deben establecer etapas que son fundamentales para generar el modelo.
La etapa inicial es la determinación de la facies sedimentológica del campo a partir de
los registros de pozos, con la aplicación de los métodos de redes neuronales para
poder controlar la facies sedimentológica en todo el campo (litofacies).
La Siguiente etapa consiste en la construcción de los modelos petrofísicos, partiendo
de los registros de pozos y las facies sedimentológicas definidas, para ello se
describen los modelos de porosidad, permeabilidad y saturación, basados en la
distribución de los histogramas de frecuencia, los variogramas (modelo espacial), los
modelos de facies y parámetros correlacionables de los registros de pozos,
estableciendo la interpretación mediante los métodos estadísticos: 1) Interpolación
determinística y 2) Simulación estocástica.
Finalmente, con los modelos petrofísicos generados y la elaboración de mapas de
isopropiedades se definirán leads exploratorios para el aérea de estudio.
A continuación, se describirán detalladamente los aspectos teóricos que conllevan a la
consecución de las etapas de la investigación.
3.2 Facies
Se define como facies a un cuerpo de roca caracterizado por una particular
combinación de litología, estructuras físicas y biológicas que imparten un aspecto
diferente del cuerpo de rocas infrayacente, suprayacente o lateralmente equivalente.
Al hacer la descripción de una facies, esta debe basarse en los datos obtenidos en el
campo al observar las rocas sedimentarias (a partir de afloramientos o núcleos). En
esta observación hay que tomar en cuenta los datos geométricos (espesor y forma de
los estratos) y los relativos a las propias rocas (litología, textura, estructuras
sedimentarias, fósiles, color, etc.), destacando aquellos aspectos que sean más
representativos de su génesis (Arellano, 2005).
20
3.2.1 Tipos de facie
Se pueden definir diferentes tipos de facie dependiendo del aspecto observado en la
roca. Así se usan términos como litofacies, biofacies, microfacies, nannofacies y
tectonofacies. En la actualidad existen además las electrofacies (medidas en los
registros de pozos) y la facie sísmicas (medidas en perfiles sísmicos)
(Martinez,2005).
En nuestro caso estableceremos es litofacies a partir de electrofacies (registros SP,
resistividad y rayos gamma), las cuales aluden exclusivamente a los aspectos
litológicos de un conjunto de estratos que son representativos y característicos de las
condiciones fisicoquímicas que reinaron durante la depositación (ejemplo facies de
areniscas glauconíticas). (Arellano, 2005)
3.2.2 Características y asociación de facie

Los tipos de facie y sus asociaciones, son de gran utilidad en los estudios
sedimentológicos y estratigráficos con fines de evaluación de cuencas sedimentarios
en la exploración de hidrocarburos. Para designar el contenido de una facie se usan
las características de la secuencia o tipo de roca. Las denominaciones o nombres de
las facies pueden ser diferentes, se pueden utilizar nombres de características
descriptivas o de alguna interpretación subjetiva. Por ejemplo, las facies de calizas
margosas de ammonites; es un nombre descriptivo y objetivo de una facie. Facie
neríticas de aguas calientes, es un nombre interpretativo o subjetivo de una facie.
Una Asociación de facie es la distribución ordenada de varias facie elementales
genéticamente relacionadas entre sí, las cuales tienen un significado ambiental. Una
asociación de facie esta, por lo tanto, basada en observaciones concretas y se puede
expresar como una tabla de datos, como un sumario estadístico o un diagrama de
ocurrencias estratigráficas; el ejemplo más común es la Columna geológica (columna
litológica o estratigráfica).
Cualquier Asociación de facie debe cumplir las siguientes dos condiciones básicas:
1. Que se trate de facie que se encuentren juntas (próximas).

2. Que estén genéticamente relacionadas entre sí (ambientalmente).
Las asociaciones de facie se reconocen a partir de su expresión vertical en las

secciones estratigráficas detalladas. Estas asociaciones de facie se denominan
secuencia de facie o secuencia elemental.
21
Una secuencia elemental o secuencia de facie está formada por dos o más facies
genéticamente relacionadas que se repiten periódicamente. Ellas proporcionan
información valiosa para la reconstrucción de la historia de una cuenca sedimentaria.
Este conjunto de estratos concordantes y relacionados genéticamente, están limitados
en su base y en su cima por discordancias de carácter regional o por las superficies
conformes equivalentes (lateralmente) (Vera, 1994).
Toda facie determinada tiene límites que están definidos en el espacio (arealmente) y
en el tiempo (cronoestratigráficamente). Sus dimensiones son muy variables,
dependen de la superficie ocupada en el ambiente sedimentario durante su depósito.
Su relación con el tiempo está dada por la posición respecto a líneas de igual tiempo o
isócronas.
3.2.3 Análisis de las Facies Sedimentarias

Se refiere al procedimiento de observación y descripción de las facies, a la
interpretación de los procesos necesarios para la formación de las mismas y luego a la
deducción de los ambientes sedimentarios donde, con mayor posibilidad, estos
procesos habrían tenido lugar (Swanson, 1976).
La estrecha relación genética entre los ambientes sedimentarios y las facies
relacionadas permite el desarrollo de sistemas lógicos de clasificación. Un
ordenamiento general, inicial, de las facies, puede establecerse de acuerdo al
suministro relativo de partículas de clásticos terrígenos que han sido acarreados al
sitio de acumulación.
1. Abundante a moderada cantidad de sedimentos terrígenos (Clásticos
deltáicos).
2. Poca a moderada cantidad de sedimentos terrígenos (Clásticos Interdeltaicos).
3. Poco o nada de sedimentos terrígenos (Carbonatos, evaporitas y otros
sedimentos químicos).
Si se observa los lugares donde hay sedimentación notamos que los sedimentos están
siendo depositados en muchos sitios diferentes que van desde casi la cima de las
montañas hasta las profundidades abisales. Sin embargo, en general, puede decirse
que la mayoría de los sedimentos clásticos depositados muy por encima del nivel del
mar son depósitos transitorios y la acumulación final de la mayor parte de la roca
sedimentaria preservada en las columnas geológicas ocurren ligeramente por encima,
al, o debajo del nivel del mar. Una clasificación horizontal relativa que utiliza el nivel
22
del mar como punto de referencia estratégico puede entonces ser establecido (figura
14).
A. Por encima de bajamar medio
B. De la bajamar medio a la profundidad por encima de la cual las olas normales
y las corrientes de poca profundidad pueden transportar activamente material
del tamaño de arena; zona principal de acumulación de carbonatos.
C. Debajo de la profundidad por encima de la cual las olas normales y las
corrientes pueden transportar sedimentos del tamaño de arena, excepto como
corriente de turbidez.
Figura 14. Clasificación de facies sedimentarias de manera general. (modificado de

http://sedimentosagiupsm.blogspot.com/2018/03/ambientes-sedimentarios.html, 2018).
Los clásticos terrígenos son generalmente transportados a la cuenca depositacional

por los ríos a través de sus sistemas deltaicos. Los diferentes ambientes deltaicos son
los lugares donde la mayor parte de la carga de la corriente es finalmente depositada
para su preservación en la columna geológica. En consecuencia, la sedimentación
deltaica es fundamental en los procesos de relleno de las cuencas con sedimentos
clásticos y, más específicamente, con prolíficas rocas clásticas de almacenamiento.
La clasificación (Tabla 1) siguiente relaciona los ambientes deltaicos específicos con
las divisiones generales de los ambientes deltaicos. Al mismo tiempo se clasifican las
facies típicas asociadas a estos ambientes (Swanson, 1976).
23
Tabla 1. Clasificación de las facies ambientales deltáicas (tomado de Swanson, 1976).
Ambientes Generales
Ambientes Marino
Llanura deltáica Frente Deltáico Prodelta
Específicos Costafuera
Arcilla, limo
laminados, arena
Dique natural
en menor
cantidad
Arcilla rico en
material organico,
Marisma
limo en menor
cantidad
Arcilla rico en
material organico,
Pospantano
limo en menor
cantidad
Arcilla rico en
Canal de la curva material organico,
del meandro arena en menor
cantidad
Areniscas y
gravas con
Espolón aluvial
estratificación
cruzada
Limo y arcillas
Lago
laminados
Arcilla laminada,
Llanura de
limo y arena en
marea
menor cantidad
Arena limpia
Playa
laminada
Arena limpia con

Duna estratificación
cruzada
Arena, limo y
arcilla laminados
Canal
con
distributario
estratificación
cruzada
Barra de Gravas, arenas,
24
desembocadura limo y arcilla
laminados con
estratificación
cruzada
Arcilla laminada
u horadada, limo
Bahía o Laguna
y arena en menor
cantidad
Arenas, arcillas y
Anteplaya limo laminados u
horadados
Limo y arena con

Rotura estratificación
cruzada
Arenas, arcillas y
limo laminados
Frente deltaico con
estratificación
cruzada
Arcillas laminas y
Prodelta calizas arcillosas
delgadas
Limos, arenas y Limos y arenas

Flujo turbiditico
gravas laminadas laminados
Arcilla laminada
Marino y calizas
Costafuera arcillosas
delgadas
3.2.4 Patrones de facies en registros eléctricos

Por el hecho de que las muestras de núcleo no son comunes en la gran mayoría de los
campos petroleros, es necesario utilizar, la información de facies contenida en los
registros eléctricos. Los registros de Rayos Gamma y de Potencial Espontáneo
generalmente reflejan la cantidad relativa de arcilitas y limolitas en una arenisca. En
vista de que las cantidades relativas de estos clásticos generalmente son una función
de la energía ambiental (por lo tanto, del ambiente), es lógico pensar que el cambio
relativo (patrón) en estos registros proporciona un indicio de las facies ambientales.
Mediante la utilización combinada de patrones de registros con la información de
núcleos, se pueden interpretar la clasificación de las facies. A continuación, se
muestran algunos modelos generalizados de registros con facies clásticas específicas.
25
Figura 15. Patrones de Facies generalizados en registros rayos gamma o SP Modificado de Kendall
(2012).
La forma de embudo presenta una disminución gradual a la respuesta del rayo

gamma. En ambientes marinos poco profundos, esta tendencia refleja un cambio de
un esquisto a una arena en cuanto a litología y hacia arriba, aumento de la energía
depositacional con somerizacion y engrosamiento hacia arriba. En ambientes
profundos refleja el contenido de arena en los cuerpos de turbiditas. Esta tendencia
también puede indicar un cambio gradual de depósitos de terrígenos a carbonatos. El
registro en forma de campana representa un aumento gradual a en la respuesta del
rayo gamma: esta tendencia refleja cambios de litología por ejemplo intercalaciones
de lutitas y arenas, esta implica la disminución de la energía depositacional. En un
ambiente no marino grano decreciente es predominante dentro de meandros o
depósitos de las mareas del canal con una disminución hacia arriba en la velocidad
del fluido dentro de un canal (sedimentos más gruesos en la base del canal). En un
ambiente marino somero, esta tendencia refleja una profundización hacia arriba y una
disminución de la energía depositacional (retroceso de la costa). En profundidades
marinas refleja la disminución de abanicos submarinos (reducción del contenido de
arena (Santos, 2016).
En cuanto a la forma cilíndrica los registros rayos gamma son bajos y los límites
claros y no hay cambio interno, esta tendencia es predominante en las arenas de los
canales fluviales, turbiditas (con mayor gamma de grosor), y en las arenas eólicas.
Cuando se observan registros de rayos gamma simétricos con una disminución
gradual o aumento gradual de la repuesta gamma: esto generalmente es el resultado
26
de progradación y retrogradación de sedimentos clásticos. Y por último el patrón
irregular representa una agradación de lutitas o limos y puede ocurrir en otros
ambientes. Ahora se observa (figura 16) un resumen de respuestas de patrones en
sistemas depositacionales clásticos.
Figura 16. Respuestas de sistemas depositacionales clásticos modificado de Santos (2016).
3.2.5 Modelo de Facies

Un modelo de facies es una herramienta interpretativa, la cual es utilizada por los
geólogos para explicar la asociación de facies observada. Un modelo de facies puede
ser desarrollado en principio para explicar solo una unidad estratigráfica, pero luego
con el estudio de otras unidades estratigráficas similares, puede derivar en un modelo
generalizado que incluya ejemplos de rocas antiguas y de sedimentos recientes
(Figura 17). (Guzmán, 1999) Todo modelo de facies debe asumir las siguientes
cuatro funciones principales:
1. Debe actuar como una norma, con propósitos de comparación.

2. Debe actuar como un marco de referencia y guía para futuras observaciones.
3. Debe actuar como una herramienta predictiva en nuevas situaciones.
4. Debe actuar como una base integrada para interpretación en el sistema que
representa.
27
Figura 17. Distribución de los diferentes sub-ambientes de acumulación dentro del sistema deltaico.
(Olivo, 2016).
3.3 Redes neuronales

Las redes neuronales biológicas están formadas por miles de millones de neuronas
interconectadas, construyendo redes de información extremadamente complejas.
Muchos procesos de cómo se procesa la información dentro del cerebro humano
siguen siendo una "caja negra" para la comunidad científica, aunque se sabe que las
neuronas son los componentes principales del cerebro humano. Una neurona es una
célula especializada con la capacidad de propagar una señal eléctrica y tiene una
estructura y un método de operación básicos bien conocidos. Las neuronas humanas
están compuestas por cuatro partes: el núcleo, las dendritas, el axón y la sinapsis
(figura 18) (Azevedo, 2009)
28
Figura 18. Diagrama de una neurona humana y sus componentes: Núcleo; Axón; Dendritas y sinapsis
Las dendritas son estructuras finas que reciben señales eléctricas de otras neuronas
que transmiten la señal al cuerpo celular, actuando como una entrada de ramificación.
El axón es la conexión de salida para los impulsos eléctricos emitidos por la neurona
que se divide en miles de ramas. Al final de cada rama, las sinapsis son las
conexiones entre las neuronas. Las sinapsis reciben la actividad del axón y la
convierten en un efecto eléctrico que inhibe o excita la actividad en la siguiente
neurona conectada.
Si la neurona recibe una entrada de excitación suficientemente grande en

comparación con su entrada inhibitoria, envía un pico de actividad eléctrica por su
axón. El proceso de aprendizaje humano ocurre por cambios en la respuesta de
efectividad de las sinapsis, es decir, cambios en la influencia de una neurona en otra.
Las redes neuronales artificiales utilizan el mismo principio descrito en el párrafo

anterior, con una configuración más simple. Las neuronas artificiales son unidades de
procesamiento interconectadas en una red de comunicaciones complejas que trabajan
juntas para resolver una tarea específica. La red recibe un conjunto de datos de
entrada (registros de pozos), a partir de múltiples fuentes (registro de rayos gamma,
de potencial espontaneo, resistividad, entre otros), Asignándole valores de acuerdo a
la influencia de cada parámetro dentro de la neurona, finalizando con una un
algoritmo de ponderación que se suma y se transmite a través de una función de
transferencia que devuelve una o más salidas (Facies sedimentarias “litofacies”).
Para ello se establece el entrenamiento de las redes neuronales supervisadas, siempre

y cuando se cuente con datos de entrenamiento disponibles. Los datos de
entrenamiento combinados con los datos de entrada se utilizan para optimizar los
pesos de cada entrada. Los datos computados de la red neuronal se comparan
29
constantemente con los datos de entrenamiento para dar el error de la estimación
(figura 19).
Figura 19. Representación esquemática de cómo funciona una neurona virtual (Modificado de
Azevedo 2009).
3.3.1 Modelo Neuronal
Similarmente a la neurona biológica, una neurona artificial es una unidad

fundamental de una red neuronal artificial. El diagrama de bloque de la figura 19
muestra el modelo de una neurona. Sus básicos elementos son (Alpana, 2000 y
Ramírez, 2014):
1. Un conjunto de sinapsis o conexiones, cada una de las cuales está

caracterizada por un peso propio. Una señal xj en la entrada de la sinapsis j
conectada a la neurona k, es multiplicada por el peso sináptico w kj.
2. Un elemento que suma las señales de entrada, ponderadas por la respectiva
sinapsis de la neurona.
3. Una función de activación para limitar la amplitud de las salidas de una
neurona. Limita el rango de amplitud permisible de una señal de salida a
algunos valores finitos.
4. El modelo neuronal también incluye un factor aplicado externamente
conocido como bias (o factor de polarización) bk, el cual tiene el efecto de
incrementar o disminuir la entrada de la red a la función de activación,
dependiendo de si es positivo o negativo.
Matemáticamente puede ser descrita como (Haykin, 1999):
30
Donde es la salida de la red, es el bias y es la combinación lineal de los pesos
sinápticos y los valores de la entrada m dimensional x j, definiéndose de la siguiente
forma:
La relación entre la combinación lineal y el potencial de activación V k es:
La función de activación (φ (Vk)) define la salida de una neurona en términos del

campo local inducido Vk. La función de activación más utilizada es la función
sigmoidal, en donde la construcción de redes multicapas que son entrenadas con el
algoritmo de retropropagación, debido a que tiene la característica de ser no
decreciente y diferenciable en el rango 1 ≥ φ (V) ≥ 0
Figura 20. Grafico de función sigmoide (tomado de McCaffrey, 2012).
Donde α es el parámetro pendiente de la función sigmoidea. La pendiente en el origen

es igual a α/4. En el límite cuando el parámetro pendiente se aproxima al infinito, la
función sigmoidea se vuelve una función umbral. Una función sigmoidea tiene un
rango de valores continuos de 0 a 1.
31
3.3.2 Clasificación y tipos de redes neuronales
Existen diversos criterios para catalogar los diferentes modelos neuronales. Pueden
clasificarse de acuerdo con cuatro criterios básicos (Hilera y Martínez, 1995): (1) la
naturaleza de las señales de entrada y salida, (2) la topología de la red, (3) el
mecanismo de aprendizaje que utilizan y (4) el tipo de asociación de las señales de
entrada-salida y la forma de representar estas señales.
De acuerdo con la naturaleza de las señales de entrada y de salida, es decir el tipo de

dato que son capaces de procesar, las redes neuronales se pueden clasificar en
analógicas, discretas (generalmente binarias) e híbridas (Hilera y Martínez, 1995):
a) Las redes continuas (analógicas) procesan datos de entrada de naturaleza

analógica, los cuales son valores reales continuos, que comúnmente estarán
normalizados y acotados en el intervalo [-1,1] o en el [0,1], para dar
respuestas también continuas. Las redes analógicas suelen presentar funciones
de activación continuas, habitualmente lineales o sigmoides. Entre esta
categoría destacan las redes de entrenamiento Backpropagation, la red
continua de Hopfield y la de Contra propagación.
b) Las redes discretas (binarias) procesan datos de naturaleza discreta,
habitualmente valores lógicos booleanos, en un intervalo {0,1}, para acabar
emitiendo una respuesta discreta, en este caso, las funciones de activación de
las neuronas serán del tipo escalón. Entre las redes binarias destacan la
Maquina de Boltzman, la Máquina de Cauchy, la red discreta de Hopfield, el
Cognitrón y el Neogognitrón.
c) Las redes híbridas procesan entradas analógicas para dar respuestas binarias.
Dentro de este tipo de modelos destacan el Perceptrón, la red Adaline y la
Madaline.
De acuerdo a su topología una red neuronal es la forma en que se organizan y

disponen las neuronas en la red formando capas o agrupaciones de neuronas (Hilera y
Martínez, 1995). Desde el punto de vista de la arquitectura, los parámetros
fundamentales de una red neuronal son los siguientes:
1. Número de capas.
2. Número de neuronas por capa.
3. Grado de conectividad.
4. Tipo de conexiones entre neuronas.
Se denomina capa o nivel a un conjunto de neuronas cuyas entradas provienen de la

misma fuente (que puede ser otra capa de neuronas) y cuyas salidas se dirigen al
mismo destino (que puede ser otra capa de neuronas) (Hilera y Martínez, 1995) y
dependiendo de su situación dentro de la red, se pueden distinguir tres tipos de capas:
32
1. Capa de entrada. Es la capa que recibe directamente la información o datos de
entrada provenientes de las fuentes externas a la red.
2. Capas ocultas. Están formadas por neuronas ocultas. Son capas internas a la
red y no tienen contacto directo con el entorno exterior. El número de capas
ocultas presentes en una red puede variar desde cero (Mapas auto-
organizados) hasta un número elevado.
3. Capa de salida. La función de esta capa es transferir información de la red
hacia el exterior.
3.3.3 Tipos de aprendizaje
Podemos definir el aprendizaje de una RNA como el proceso por el cual una red
neuronal modifica sus pesos en respuesta a una información de entrada (Hilera y
Martínez, 1995). Los cambios que se producen durante el proceso de aprendizaje se
reducen a la eliminación, modificación y creación de conexiones entre las neuronas.
La creación de una nueva conexión implica que el peso asociado a la misma pasa a
tener un valor distinto de cero; de la misma forma, una conexión se elimina, cuando
su peso pasa a valer cero. Se puede afirmar que este proceso ha terminado (la red ha
“aprendido”), cuando los valores de los pesos permanecen estables.
Un aspecto importante respecto al aprendizaje de las redes neuronales es el conocer

cómo modifican los valores de los pesos; es decir, cuáles son los criterios que se
siguen para cambiar el valor asignado a las conexiones cuando se pretende que la red
“aprenda” una nueva información (Villanueva, 2002). Estos criterios determinan lo
que se conoce como la regla de aprendizaje de la red. Por consiguiente, se puede
establecer una clasificación de las redes neuronales desde el punto de vista del tipo de
aprendizaje utilizado; de esta manera, atendiendo a esta clasificación, podemos
distinguir entre tres tipos de redes:
a. Redes neuronales con aprendizaje supervisado.

b. Redes neuronales con aprendizaje no supervisado.
c. Redes neuronales con aprendizaje híbrido
Las redes con aprendizaje supervisado se caracterizan, porque el proceso se realiza

mediante un entrenamiento controlado por un agente externo (guía, supervisor,
maestro) que determina la respuesta que debería generar la red a partir de una entrada
determinada. El supervisor comprueba la salida de la red y en el caso de que ésta no
coincida con la deseada, se procederá a modificar los pesos de las conexiones, con el
fin de conseguir que la salida obtenida se aproxime a la deseada.
Las redes con aprendizaje no supervisado (también conocido como auto-supervisado

o auto-organizado) no requieren influencia externa para ajustar los pesos de las
conexiones entre sus neuronas (Gutiérrez, 2000). La red no recibe ninguna
33
información por parte del entorno que le indique si la salida generada en respuesta a
una determinada entrada es o no correcta. Por ello, suele decirse que estas redes son
capaces de auto-organizarse.
3.3.4 Tipos de clasificación de las redes neuronales por su aplicación
Las redes neuronales pueden clasificarse en función de los problemas que resuelven
más comúnmente (Hilera y Martínez, 1995); por citar algunos se tiene:
a) Clasificación o reconocimiento de patrones. Proceso en el que se decide a qué

clase pertenece (generalmente definida previamente) cada punto de una serie
de datos dada.
b) Asociación. Proceso de recuperación de un dato a partir de una entrada
relacionada con el dato almacenado. La entrada puede ser una versión
incompleta o deformada del dato buscado.
c) Agrupamiento (Clustering). Se presenta cuando no se conoce una clasificación
de los datos de entrada y se espera que la red genere esta clasificación
(generación de prototipos).
d) Optimización. Cuando se desea obtener la mejor respuesta de un sistema,
cuyos parámetros han sido establecidos previamente. Las RNA proporcionan
un procedimiento rápido para generar soluciones a los problemas de
optimización.
e) Predicción y Control. Cuando se desea estimar una función o realizar una
predicción cuando se desea anticipar el estado futuro de un sistema.
En la presente investigación nos enfocaremos en la aplicación por reconocimiento de

patrones, la cual se define formalmente como el proceso mediante el cual un patrón o
señal recibida se asigna a una clase de un número prescrito de clases (Alpana, 2002).
Una red neuronal realiza el reconocimiento de patrones, pasando por una sesión de
entrenamiento, durante la cual la red es presentada en repetidas ocasiones a un
conjunto de patrones de entrada junto con la categoría a la que cada patrón en
particular pertenece (número de iteraciones). Más tarde un nuevo patrón se presenta a
la red que no se ha visto antes, pero que pertenece a la misma población de los
patrones utilizados para entrenar la red. La red es capaz de identificar la clase de un
patrón en particular, debido a la información extraída de los datos de entrenamiento.
El reconocimiento de patrones realizado por una red neuronal es de naturaleza
estadística, con patrones representados por puntos en un espacio multidimensional, el
cual, se divide en regiones y cada una de estas se asocia con una clase y las fronteras
de decisión son determinadas por el proceso de entrenamiento.
3.3.5 Red Perceptron multicapa
Las redes Perceptron multicapas (MPL), son en la actualidad las redes más
ampliamente usadas, pueden hacer la clasificación de patrones teniendo fronteras de
34
decisión no linealmente separables, ya que la red consiste de muchas neuronas,
distribuidas en las diferentes capas, Alpana (2002). Consiste de una capa de entrada,
una o más capas internas (ocultas) y una capa de salida (figura 21). Este tipo de
modelos comúnmente también son llamados redes multicapas de alimentación hacia
adelante (feedforward) o redes Backpropagation (por el algoritmo de entrenamiento).
Las redes perceptrón multicapa se encuentran en la categoría de las redes de
aprendizaje supervisado.
En las redes perceptrón multicapa, los vectores de entrada x valuados en el espacio

real m dimensional, son presentados a cada una de las k neuronas de las capas ocultas
a través del vector de pesos w. La neurona k que recibe una entrada j a través del peso
sináptico wkj (donde k=1,2,3…h y j=1,2,3…m), calculará un valor de salida que es
función de las entradas xj y los pesos wkj. Este valor de salida es presentado como la
entrada de las neuronas de la capa siguiente y así de manera sucesiva. Al final de todo
el proceso, se obtiene el valor de salida de la red, lo cual permite calcular el error
entre dicho valor y el valor del objetivo (valor del maestro, guía o también llamado
patrón de entrenamiento de salida). El algoritmo de aprendizaje que minimiza este
error se denomina algoritmo de retropropagación (Backpropagation); el cual se
publicó a mediados de los 80’s para perceptrones multicapas (Alpana, 2002).
Figura 21. Arquitectura de la red perceptrón multicapa (tomado de Alpana, 2002).
Hornik et. Al (1989) sugirió que, si se tiene un número suficiente de capas ocultas,
entonces la red MLP con una función sigmoide en la capa oculta y una función de
transferencia lineal en la capa de salida pueden aproximar cualquier función a
cualquier grado de precisión.
35
El algoritmo de retropropagación (BP) es la generalización del algoritmo LMS (least
Mean square) y utiliza el error cuadrático medio como función de costo2 o función de
error. Dicha función está definida en el espacio multidimensional de pesos, para un
conjunto dado de datos de entrenamiento. El espacio de pesos es una superficie que
tendrá muchos mínimos (globales y locales) y la regla de aprendizaje buscará el punto
donde se encuentra el mínimo global de esa superficie, a través de una trayectoria
(generada durante el entrenamiento).
En el algoritmo BP, el error cuadrático medio se minimiza iterativamente usando el

algoritmo de descenso rápido por gradiente. La diferencia entre el algoritmo BP y el
LMS yace en la forma en la cual el gradiente del error es calculado. El algoritmo BP
usa la regla de la cadena para obtener las derivadas del error cuadrático medio con
respecto a los pesos y los bias en las capas ocultas. Las derivadas del error cuadrático
medio son calculadas primero en la última capa de la red y entonces propagadas hacia
las capas ocultas, usando la regla de la cadena, para así actualizar los pesos de la red.
Al final de la actualización de los pesos se procede a calcular una nueva salida y un

nuevo valor de la función de costo. Este proceso se repite un cierto número de veces,
para cada elemento el conjunto de entrenamiento hasta que el error cuadrático medio
total de la salida converja a un mínimo o hasta que algún límite es alcanzado, en el
número de iteraciones establecidas durante el entrenamiento (Alpana. 2002). El
algoritmo BP se utiliza solo para la fase de aprendizaje, mientras que la alimentación
hacia adelante (feedforward) se utilizan tanto para el aprendizaje como para la
operación de la red.
3.4 Modelo Geoestadístico

La Geoestadística es la aplicación de la teoría de funciones aleatorias para el
reconocimiento y estimación de fenómenos naturales (Journel y Huijbregts, 1978), o
directamente es el estudio de la distribución de variables aleatorias espaciales
(Chauvet, 1994). Las mismas al ser aleatorias presentan las características
fundamentales como lo son valores dentro de rangos determinados, donde ese valor
ocupa una posición en el espacio (Matheron, 1970). La aplicación de geoestadística
describe continuidad espacial de cualquier fenómeno natural.
Una variable regionalizada puede ser presentada en función Z(x), tomando distintos
valores en cada punto, en una, dos y tres dimensiones según sea el caso a estudiar.
Por lo tanto, la geoestadística está asociada a un conjunto de técnicas, que permiten
analizar y predecir valores de las variables distribuidas en el espacio. Para cumplir
estos supuestos en correlación entre los parámetros y el estudio de semejanza
correlación es conocido como "Variograma".
36
3.4.1 Variogramas
Es una herramienta que permite analizar el comportamiento espacial de una
propiedad o variable sobre una zona. Ella se relaciona con una dirección y la
distancia (h), y permite detectar direcciones de anisotropía, zonas de influencia y
su extensión (correlación espacial) y la variabilidad con la distancia. (Belmares
2011)
El cálculo a realizar para la obtención de un variograma experimental se efectúa
para el número de pares del conjunto de datos, dicho número va a ir
disminuyendo con la distancia cuando los múltiplos de los intervalos de muestreo
son considerados. A continuación, en la figura 22 se representa la gráfica de un
variograma típico incluyendo sus parámetros característicos (pepita (nugget),
meseta (sill) y rango (range)
Figura 22. Representación gráfica del Variograma (tomado de Belmares 2011)
Efecto Nugget o pepita (C0): Es la ordenada en el origen, asociada con la ausencia de

correlación entre los datos de la variable, sin importar la distancia que los separe.
Rango (R): Es la distancia a la cual el variograma se estabiliza y las muestras están

correlacionadas espacialmente. Donde la zona de influencia de la muestra disminuye
con el incremento con la distancia.
37
Meseta (Meseta = C0 + C): Es el valor alcanzado por el variograma en el rango. El
valor inicial de la meseta de un variograma coincide con el valor de la varianza y es la
zona donde los datos son independientes entre sí, no muestran correlación.
Existen varios modelos básicos del variograma, que permiten estimar los parámetros
característicos asociados con un variograma experimental, los cuales son:
1. Variograma Esférico: es un modelo que se caracteriza porque alcanza la

meseta (Sill) para una distancia finita. Es indicativo de fenómenos continuos,
aunque no derivables y la ecuación que lo define es:
Donde C0 es la pepita, C es la varianza estructural, h es la distancia y R es el rango.

Este modelo representa una tendencia creciente curvilínea hasta que llega a la meseta
para tomar una tendencia lineal. El modelo esférico alcanza el valor en la meseta, en
la distancia R. (figura 23).
Figura 23. Gráfico del Modelo Esférico (tomado de Belmares 2011)
38
2. Variograma Exponencial:
Los parámetros C0 y h son los mismos que en el caso de los variogramas esféricos.
Este modelo tiende a alcanzar el valor de la meseta asintóticamente (figura 24). El
Rango (R) es definido como la distancia a la cual el valor del variograma alcanza el
95 % de la meseta.
Figura 24. Gráfico del Modelo Exponencial (tomado de Belmares 2011)
39
3. Variograma Gaussiano:
Los parámetros C0 y h son los mismos que en los casos anteriores. Y al igual que el
modelo exponencial tiende a alcanzar el valor de la meseta asintóticamente (figura
25).
Figura 25. Gráfico del Modelo Gaussiano (tomado de Belmares 2011)
Se referenciaron los variogramas ya que son el aspecto geoestadístico aplicado en

este trabajo, debido a que la estimación de los parámetros de los variogramas
experimentales obtenidos de los parámetros de los registros petrofísicos de los pozos
y pseudopozos estimados por modelado fractal provienen de los variogramas.
40
3.4.2 Métodos de Interpolación
Los métodos de interpolación determinística (figura 26) se pueden dividir en dos
grupos principales: determinísticas y de estadísticas geográficas. Las técnicas de
interpolación determinísticas crean superficies a partir de los puntos medidos
basándose en la extensión de la similitud (por ejemplo, la ponderación por la
distancia inversa) o en el grado de suavizado (por ejemplo, las funciones de base
radial). Las técnicas de interpolación de estadísticas geográficas (kriging) utilizan las
propiedades estadísticas de los puntos medidos. Las técnicas geoestadisticas
cuantifican la autocorrelación espacial entre los puntos medidos y reflejan la
configuración espacial de los puntos de muestra en torno a la ubicación de predicción
(GIS Geographic, 2018).
Figura 26 - Representación de un modelo de interpolación determinístico (tomado de

https://acolita.com/geoestadistica-interpolacion-con-kriging/)
El método de simulación estocástica nos lleva a la necesidad de generar variables

aleatorias continuas y discretas. En la mayoría de los casos esta generación está
basada en la transformación de las variables aleatorias partiendo de una variable
aleatoria (v.a.) fácilmente generable. Sea X una v.a. con función de densidad fX (x) y
sea Y= g(X) una transformación de X para una función monótona g(·). Considérese
que X e Y son el soporte de estas variables aleatorias, respectivamente. Bajo el
supuesto que fX (x) es continua sobre X y que g-1(y) tiene derivada continua sobre Y
entonces la función de densidad de Y viene dada por:
41
De esta forma podemos generar variables aleatorias exponenciales generando
variables aleatorias uniformes. En realidad, cualquier v.a. continua y discreta puede
ser generada a partir de la v.a. uniforme mediante la correspondiente función de
transformación. De esta forma, para generar cualquier v.a. sólo es necesario generar
un tipo, las uniformes.
De forma general todos estos métodos y técnicas estadísticas basadas en la

simulación son llamados Métodos de Monte Carlo, en alusión al Casino de Monte
Carlo en Mónaco. Estos métodos de simulación fueron inicialmente formulados por
John Von Neumann y Stanislas Ulam en el laboratorio científico de Los Álamos
(EE.UU.) durante la investigación de la bomba atómica en los años 40. El uso de
métodos de simulación de Monte Carlo (como sinónimo a simulación estocástica) es
generalizado para el estudio de procesos estocásticos naturales. Los métodos de
Monte Carlo también han sido utilizados para la validación de hipótesis (Test de
Monte Carlo), la inferencia estadística, para la simulación de sistemas complejos
mediante cadenas de Markov (Método de Metropolis), y para la generación de
muestras de una función de probabilidad determinada basándose en Cadenas de
Markov (método de Markov Chain Monte Carlo). (https://www.wolterskluwer.es/,
2019).
42
CAPITULO IV
MÉTODO
El desarrollo de este proyecto de trabajo de grado se enmarcará dentro de aspectos

teóricos de las disciplinas geología, geofísica y petrofísica en la caracterización de los
yacimientos de hidrocarburos del campo Carabobo 2. La secuencia metodológica se
iniciará con la recopilación y revisión de datos disponibles (información: registros de
pozos, núcleos, etc) e información bibliográfica de la zona en estudio.
Posteriormente se realiza la recolección y validación de los datos, con lo cual se

persigue verificar y generar un control de calidad de los mismos (registros de pozos y
sísmica 2D), así como la recopilación y validación de la información sedimentológica
y de marcadores estratigráficos provenientes de los núcleos (PCN 11, PCN 7 y CNX
1) y se estableció el inventario de la información: 190 líneas sísmicas 2D y de 38
pozos del área, abarcando aproximadamente 600 kilómetros de líneas sísmicas
(Figura 27)
Figura 27 – Mapa de Ubicación de los datos sísmicos 2D y pozos, el polígono de color azul representa
el Campo Carabobo 2
43
Seguidamente se definen las facies sedimentológicas, mediante la aplicación de redes
neuronales Para esta etapa se debe construir previamente el modelo estructural del
campo, debido a que la facies se elabora sobre dicho modelo en profundidad.
Iniciando por la descripción del núcleo, ya que proporciona evidencia de unidades

litoestratigráficas, presencia de fluidos, ambientes depositacional, superficies
estratigráficas y patrones de sedimentación. Estos parámetros serán fundamentales
para la evaluación directa de propiedades y provee una base para la calibración de
otras herramientas de evaluación como los perfiles. Para este caso específico se tomó
la descripción sedimentológica de los núcleos CNX 1 y PCN 11 (Figuras 28 y 29),
tomados de Crespo (2008), donde se describió la litología, textura, estructuras
sedimentarias, contenido fósil, bioturbaciones, etc. y del pozo PCN 7 (Figura 30) por
comunicación personal con Alfredo Mederos, obteniendo la variación de ambientes
sedimentarios de dicho pozo.
Figura 28 – Hoja Sedimentológica del Pozo CNX 1. De Rahmanian, 2001. Tomado de Crespo (2008)
44
Figura 29 – Hoja Sedimentológica del Pozo PCN 11
45
Figura 30 – Hoja Sedimentológica del Pozo PCN 7
A partir de la descripción de los núcleos y su validación se procedió a la calibración

de los mismos con el fin de identificar características y comportamientos de las
diferentes litologías en los registros eléctricos y de rayos gamma de los pozos guías,
permitiendo así identificar electrofacies que definen unidades sedimentarias y cuerpos
sedimentarios característicos del ambiente depositacional.
Luego se identificaron los posibles marcadores estratigráficos de superficie de

máxima inundación (MSF) y los límites superiores de las unidades litoestratigráficas
(formaciones Freites, Oficina y Basamento). Una vez verificada la identificación en
los pozos guía, se procede a identificar el comportamiento de las curvas de los
registros de resistividad y rayos gamma, de dicha interpretación se reconocen las
unidades litoestratigráficas en los pozos cercanos y se establece la correlación
estratigráfica-estructural en los demás pozos del campo.
Una vez terminada la interpretación en los pozos se elabora el sismograma sintético

de los mismos con Checkshot para realizar la conversión tiempo profundidad de
dichos pozos, con la finalidad de ajustar e interpretar los marcadores a lo largo de los
reflectores sísmicos, obteniendo las orientaciones e inclinaciones de las superficies
definidas correspondientes a cada marcador estratigráfico y de los límites de las
46
unidades litoestratigráficas (formaciones Freites, Oficina y Basamento) definiendo el
marco sísmico estructural del campo.
Finalmente, para obtener el modelo estructural se interpretan los horizontes (unidades

litoestratigráficas) y fallas dentro de las líneas sísmicas, creando superficies en
tiempo de los topes de las unidades litoestratigráficas, a partir de las cuales se genera
el modelo estructural del campo y se afianza la identificación de la geometría y
orientación de las parasecuencias en el campo (Figura 31) siguiendo el patrón a
continuación:
1) Se crea un modelo en tiempo en donde se integran las fallas y los horizontes

interpretados.
2) Se construye el modelo de velocidad del campo a partir de los sismogramas
sintéticos elaborados.
3) Se procede a convertir la información de horizontes y fallas de tiempo a
profundidad mediante el modelo de velocidad creado en el campo.
4) Se definen las superficies partiendo de los topes litoestratigráficas definidos.
5) Finalizando con la integración de todos estos parámetros en un modelo 3D
(modelo estructural)
Figura 31 – Modelo Estructural del campo Carabobo 2. La capa de color: a) azul es la Formación
Freites, b) rosado es el Miembro Morichal Superior de la Formación Oficina, c) azul claro es el
Miembro Morichal Medio de la Formación Oficina y d) amarillo es el Miembro Morichal Inferior de la
Formación Oficina.
47
4.1 Modelado de Facies
En lugar de tratar los registros de pozos por los métodos convencionales o

tradicionales para la interpretación de propiedades, que permiten solo obtener la
información descrita de las propiedades petrofísicas de cada pozo, se procedió a
interpretar las facies sedimentarias mediante el método de redes neuronales, con el
cual es posible expandir la información de la descripción de núcleos en los demás
pozos del campo que posean las características de comparación a utilizar. En este
caso los registros de rayos gamma, resistividad profunda y porosidad efectiva, cuyos
patrones de inflexión en los tres pozos (CNX1, PCN11 y PCN7) donde se tiene la
descripción sedimentológica, fueron el amarre en la comparación e interpretación de
los pozos en donde no se contaba con una descripción previa.
Ya entrando en el modelo de facies, luego de la interpretación en los núcleos de los

sub-ambientes sedimentarios del ambiente del campo es fluvio/deltaico, se procede
inicialmente a la aplicación de los algoritmos de redes neuronales, en donde se genera
primero una clasificación de facies en los pozos descriptos a partir del núcleo,
tomando como referencia el comportamiento de los registros mencionados en el
párrafo anterior en cada ambiente (arenas de canal distributario y llanuras de
inundación), con la finalidad de generar el sistema de aprendizaje del algoritmo para
el reconocimiento de los patrones de facies sedimentarias definidas por núcleos.
Posteriormente se verifica el aprendizaje estableciendo el registro de facies a partir de

la red neuronal creada, es decir el patrón de comparación de los registros (GR, LLD y
e) para cada ambiente, dicho registro será supervisado por el algoritmo de
aprendizaje creado de la información de los pozos con descripción sedimentológica
por la red neuronal en el paso anterior, generando de esta manera el registro de facies
por redes neuronales en los pozos donde están descritas las facies sedimentarias de
los núcleos. En la figura 32 se muestra las facies en el pozo PCN 11 descrito por el
núcleo y su interpretación de facies a partir de la red neuronal supervisada.
48
a b c d e
Figura 32 – Pozo PCN 11: a) Registro GR, b) Registro de Resistividad, c) Registro de Porosidad
Efectiva, d) descripción de facies del núcleo y e) descripción de facies establecida por red neuronal
supervisada. Recuadro a la derecha muestra la respuesta típica de un canal distributario y la llanura de
inundación en el plano deltaico modificado de Boyd et al (1992)
Luego de la descripción y verificación de la coincidencia de los patrones de facies

interpretados por la red neuronal en los pozos guía o pozos núcleo, se procede a la
aplicación del algoritmo de red neuronal en los demás pozos, interpretando de esta
manera las facies sedimentarias en los pozos en donde no se tiene descripción previa.
Esto se logra con base al aprendizaje de la red neuronal de los patrones de los
registros de rayos gamma (GR), resistividad profunda (LLD) y porosidad efectiva
(e) asociados a cada una de las facies sedimentarias descritas en los núcleos, como
se muestra en la figura 33
49
a b c d
Figura 33 – Pozo CN165: a) Registro GR, b) Registro de Resistividad, c) Registro de Porosidad
Efectiva, d) descripción de facies establecida por red neuronal supervisada. Recuadro a la derecha
muestra un ejemplo de la respuesta de la relación de los registros con la facies sedimentaria creada de
un canal distributario y la llanura de inundación en el plano deltaico modificado de Boyd et al (1992)
Ya definida las facies sedimentarias en los pozos, se procede a la construcción del

modelo de facies del campo, para ello primordialmente se deben reescalar los
registros de facies sedimentarias de los pozos, con la finalidad de introducir la
propiedad en las celdas del modelo del campo, todo ello a través del modelo de
velocidad construido durante el proceso de la creación del modelo estructural del
campo.
En el caso de los datos del registro de facies por su condición natural de ser un
registró discreto, se utiliza el método promedio “Most of” el mismo se basa en tomar
el valor más representativo en la celda del modelo, y el método general de
interpolación es el método de la celda cercana para extrapolar la propiedad.
Introduciendo de esta manera los registros de facies dentro del modelo (Figura 34).
50
Figura 34 – Ventana de reescalado de los registros de facies dentro del modelo.
Luego del re-escalado de los registros, se analizan los mismos para estimar la
extensión de la propiedad por cada zona del modelo, esto se realiza mediante el
análisis de los datos por la respuesta de los variogramas (esférico, exponencial y
gaussiano) (Figura 35), la probabilidad de ocurrencia de la facies (Figura 36), sus
espesores y la proporción de las distintas facies por zonas (Figura 37). De tal manera
que se logra establecer el control de calidad y resolución de la extrapolación de la
propiedad, con la finalidad de controlar la arquitectura de la facies capturada, su
conectividad y sus niveles de heterogeneidad y de esta manera garantizar que el
algoritmo estadístico sea lo más fiel al proceso geológico que se define.
Figura 35 – Ventana de estimación de variograma del campo.
51
Figura 36 – Ventana de probabilidad de ocurrencia de las facies de la Formación Freites. Verde es
llanura de inundación y amarillo en Arenas de canal distributario.
Figura 37 – Ventana de proporción de facies y sus probabilidades en el campo de las facies de la

Formación Freites. Verde es llanura de inundación, amarillo en Arenas de canal distributario y rojo
barras de desembocadura.
Ya entrando en la construcción del modelo de facies se aplica la estimación

estadística de simulación secuencial gaussiana para interpolar las propiedades de las
facies introducidas previamente en el modelo, mediante esta simulación se crea el
modelo preliminar de facies, el cual permitirá establecer en un paso posterior, la
distribución estocástica de la propiedad con la cual definirá por objeto las zonas de
arenas de canal distributario y llanuras de inundación que estén interconectadas en el
modelo. La propiedad petrofísica de facies que se procesó mediante la simulación se
visualiza en la figura 38.
52
Figura 38 – Simulación Secuencial Gaussiana de la propiedad petrofísica de Facies sedimentarias.
Luego en la definición del modelo estocástico se consideraron los parámetros de

ancho contra el espesor de los distintos cuerpos de arena relacionados al ambiente de
en donde fueron depositados los mismos (Reynolds, 1999), se establecen rangos
mínimos, promedios y máximos para el ancho y el espesor de las arenas, como se
muestra en la tabla 2, correspondiente a la ubicación en el ambiente (Figura 39).
Tabla 2. Medias, máximos y mínimos anchos, espesores y longitud de los tipos de

cuerpos de arenas en metros (modificado de Reynolds, 1999)
Tipos de Ancho (pies) Longitud (pies) Espesor (pies)
cuerpos de
arenas
Media Máximo Mínimo Media Máximo Mínimo Media Máximo Mínimo
Canales 755 1400 57 9 24 2.5

Fluviales
Canales 518 5900 20 7.8 40 1
distributarios
Todos los 25365 106000 1600 93166 190000 47000 19.1 49 2.7
tipos límites
de
secuencias
Sistemas 7150 20000 3300
transgresivos
Sistemas de 16425 43000 16000
alto nivel
Grietas de 58 400 5 2.4 17 0.2
canal
Inundación 6201 13700 1700 12300 25700 2900 6.7 23 1.8
de mareas en
deltas
53
Figura 39 – Delta esquemático que muestra un rango de tipos de cuerpos de arena. El frente delta se
divide en tres segmentos que son tormenta, fluvial y dominado por la marea, respectivamente. El delta
mismo y la división en un delta superior (dominado por fluvios) llanura y una llanura delta inferior
(influenciada por la marea) no están a escala. Modificado de Reynolds (1994).
Luego de lo descrito por Reynolds (1999) en la tabla 2 y en la figura 39, y

conociendo que estamos en el plano deltaico, el patrón de comparación de espesores,
ancho y longitud que se utilizo es de los canales fluviales y canales distributarios.
Finalizando con la construcción del modelo estocástico de facies sedimentarias,

tomando en cuenta las consideraciones de ancho longitud y espesores correspondiente
a los tipos de arena del campo de estudio (figura 40).
54
Figura 40 – Modelo de Facies sedimentarias Formación Oficina.
4.2 Modelado Petrofísico
La generación de los registros de porosidad efectiva, saturación de agua, arcillosidad

y permeabilidad de los pozos, se utilizaron con el fin de obtener el modelo petrofísico
de esas propiedades en el campo, los cuales pueden ser analizados para localizar áreas
con buenas propiedades para definir leads exploratorios.
Para ello se procede al cálculo de la porosidad proveniente del programa petrel,

basándose en los registros de densidad de cada pozo. La fórmula utilizada para la
determinación de la porosidad total (figura 41) parte por la consideración de
condiciones de yacimiento que la densidad de fluido es de 1,03 g/cc, la densidad de la
matriz de 2,65 g/cc siendo estos los valores típicos para los campos orientales de la
Faja Petrolífera del Orinoco.
Figura 41 – Estimación del registro de porosidad total a partir del registro de densidad de los pozos del
campo.
55
Luego de generado el registro de porosidad total estimado se procede a determinar el
registro de arcillosidad, el cual proviene del registro de rayos gamma de los pozos,
mediante la siguiente formula:
Vsh= (GR leído – GR min) / (GR máx. – GR min) (1)
El cálculo de la arcillosidad es fundamental para posteriormente determinar el

registro de porosidad efectiva de los pozos del campo, la misma se estima para el
modelo petrofísico, ya que garantiza la interconexión poral y así nos permite observar
las zonas con mayor posibilidad de saturación, para el cálculo de la misma se utilizó
la fórmula de porosidad efectiva que se muestra a continuación:
efec= T * (1-Vsh) (2)
Ya definida la porosidad efectiva, se busca la determinación de saturación del agua y

propiedad de arena neta petrolífera de los pozos, la primera de ellas se realizó por el
método de superposición logarítmica (tomado de Schlumberger, 1981) en donde el
registro de saturación de agua va a ser determinado de la manera siguiente:
Log Sw = Log F – Log FR (3)

Log Sw = Log (1/2) – Log (RLDD/Rw) (4)
Obteniendo a partir de la formula mostrada el registro de saturación. Luego la

propiedad de arena neta petrolífera, la cual consiste en determinar las arenas con
hidrocarburos, se construyó a partir de los registros de rayos gamma (GR) y
resistividad profunda (LLD), como se muestra a continuación:
ANP = If (GR <= 70 and LLD ≥ 100, 0, 1) (5)
Siendo 0 la arena neta petrolífera, y 1 arena o arcilla no petrolífera.
Para finalizar la determinación de registros en el campo, se procede a determinar el

registro de permeabilidad de los pozos mediante la ecuación de Tixier (Schlumberger,
1981), la cual proviene de la expresión general de Wyllie y Rose en donde estiman la
permeabilidad en base a la constante litológica, la porosidad y la saturación de agua.
A partir de ellos Tixier propuso la relación empírica con la que se puede estimar la
permeabilidad a partir de la porosidad y la saturación de agua irreducible derivada del
registro pozo, como se muestra a continuación:
K1/2= 250 * (3/Sw) (6)
Luego de la reconstrucción de los registros se genera el modelo petrofísico del

campo, al igual que en el modelo de facies, se procede al re-escalado de los registros
56
de permeabilidad, saturación de agua y de porosidad efectiva de los pozos, con la
finalidad de introducir la propiedad en las celdas del modelo del campo, todo ello a
través del modelo de velocidad construido durante el proceso de la creación del
modelo estructural del campo.
En el caso de los datos de los registros de porosidad, permeabilidad y saturación de

agua por su condición natural de ser registros continuos, se utiliza el método de
promedio aritmético, dicho método promedia todos los valores de la celda tomando el
más representativo del modelo, y el proceso de interpolación se realiza mediante el
método de la celda cercana para extrapolar la propiedad. Introduciendo de esta
manera los registros petrofísicos, basándose en el modelo de facies creado (figura
42).
Figura 42 – Ventana de reescalado del registro de permeabilidad dentro del modelo.
Luego del re-escalado de los registros, de igual manera que se realizó en la facies
sedimentaria, se analizan los mismos para estimar la extensión de las propiedades por
cada zona del modelo, esto se realiza mediante el análisis de los datos por la respuesta
de los variogramas (esférico, exponencial y gaussiano), siendo el modelo esférico el
que mejor se ajusta con los datos (Figura 43). Pero a diferencia de la facies, se realiza
la transformación en base a la distribución normal de los datos (porosidad efectiva,
permeabilidad y saturación de agua)
57
Figura 43 – Ventana de estimación de variograma del campo y su la distribución utilizada para la
transformación, para el análisis de los datos.
Para finalizar se construye el modelo petrofísico por cada propiedad, aplicando

estimación estadística de simulación secuencial gaussiana para interpolar las
propiedades de interés introducidas previamente en el modelo, mediante esta
simulación se crea el modelo petrofísico del campo (Figura 44).
Figura 44 – Modelo de Porosidad efectiva de la Formación Oficina.
58
4.3 Análisis de prospectividad
El proceso completo de evaluación de la prospectividad de los mapas mediante el

método del semáforo (Traffic Light Map), consiste en elaborar el mapeo de
propiedades y superponer una sobre otra, con las cuales se logra enfocar de manera
eficiente la evaluación de las áreas de interés. Este método es una evaluación
cualitativa de reservorios, sello y carga donde cada elemento se divide en malo (rojo),
bueno (verde) e intermedio (amarillo). Cuyo objetivo es producir mapas de riesgo de
prospectos promedio en los que cada estimación de polígono tenga un análisis de los
elementos de riesgo compartido (Figura 45).
Figura 45 - Representación del método del semáforo para análisis de prospectividad modificado de
Fraser (2011)
59
CAPITULO V
PRESENTACIÓN Y ANÁLISIS DE RESULTADOS
A continuación, se presentan los resultados obtenidos considerando los pozos y la

sísmica 2D del área de estudio, de los cuales se tomó la interpretación de Mederos
(2014) en donde el modelo estructural se consideró tectónicamente estable, con
periodos de subsidencia al sector oeste y noroeste siendo su configuración estructural
la de un homoclinal con buzamiento general al norte-noroeste, con ángulo bajo de
entre 2° a 4°. El mismo se encuentra fallado con fallas tipo de rumbo
aproximadamente norte-sur y este-oeste, las cuales presentan saltos de 120 pies al
norte y 20 pies al sur, generando un efecto deformante que controla la orientación de
las estructuras. (Figura 46)
Figura 46 – Mapas estructurales de los topes de las formaciones Freites (imagen superior izquierda)
Oficina (imagen superior derecha) y Basamento (imagen inferior) campo Carabobo 2.
60
5.1 Análisis modelo de facies
Con la finalidad de reconocer los patrones de facies sedimentarias en los pozos con
núcleos e interpretar por reconocimiento los patrones en los pozos donde no se
contaba con la información de las facies sedimentarias, se utilizaron los registros de
rayos gamma (GR), porosidad efectiva (efec) y resistividad profunda (LLD),
durante el algoritmo de aprendizaje supervisado de las redes neuronales.
Iniciando los procesos de estimación y simulación de las facies a lo largo del campo,
mediante los métodos de simulación secuencial gaussiana, creando de esta manera la
distribución probabilística de las facies reconocidas en los pozos a lo largo del campo
(Figura 47).
Figura 47 – Interpolación Secuencial Gaussiana del modelo de facies.
Sobre la interpolación secuencial gaussiana se genera el reconocimiento de los

cuerpos de cada facies sedimentaria del ambiente, para ello se tomó en cuenta las
consideraciones de un campo exploratorio en base a la poca información del campo
que se contaba, por lo cual se realizaron análisis para cambios de ancho, espesor y
61
longitud de los tipos de cuerpos de arenas correspondientes a los canales
distributarios y canales fluviales obtenidos de Reynolds (1999) , estableciendo el
patrón de reconocimiento de las arenas de canal distributarios, generando varios
modelos estocásticos de facies del campo, los cuales analizaremos a continuación.
Con el contexto de trabajos previos mencionados en este proyecto, donde se sostiene

interpretaciones macro ambientales enmarcadas dentro de un complejo depositacional
fluvio/deltaico. El sentido de sedimentación está orientado hacia el norte desde la
principal fuente de aporte constituida por el Cratón de Guayana al sur,
específicamente de sureste a noroeste. En este estudio, a partir de las observaciones
realizadas mediante el modelado de facies, con la ayuda de los registros de pozos y la
aplicación de redes neuronales, se considera una dirección preferencial de los cuerpos
con sentido sur-norte. Siendo concordante con la descripción definida por Crespo
(2008) (Figura 48) en cuanto a la orientación de los cuerpos.
Figura 48. Sección Estratigráfica SE-NO11 mostrando la dirección de sedimentación (Crespo 2008).
Esta dirección de sedimentación preferencial sur-norte, se corrobora en los modelos

estocásticos de facies generados, a partir del modelo de redes neuronales (Figuras 49
y 50). Siendo esto un primer aporte de gran importancia en los modelos de facies a
construir en campos exploratorios, en vista de que los cuerpos sedimentarios al sur
del campo, específicamente los canales, no han sido lo suficientemente descritos por
la poca densidad de pozos en esa área.
En los modelos de facies generados, se consideraron parámetros de espesor, ancho y

longitud de cuerpos de arenas de canal, dirección de los mismos en base a la
información de pozos, no obstante, se realizaron cambios en la fracción de cobertura
del porcentaje de los anchos de canales, entre 10% a 40% de cobertura (Figuras 49 y
50). También se introdujo la variable de canales adaptivos dentro del modelo, para
considerar de manera más preciso los procesos cambiantes propios de la dinámica de
del ambiente fluvio/deltaico en el plano deltaico, siendo controlado por los patrones
de canales fluviales ajustándose a la relación de las facies de arenas de canal
distributario y llanuras de inundación.
62
Logrando observar en los modelos, dentro de la formación Oficina (figura 49) (tope
de Oficina-Tope de Basamento) luego de las consideraciones de los parámetros de
ancho y espesor correspondiente a canales fluviales descrito por el modelo de
Reynolds, y el re-escalado del modelo por defecto da 72% para arenas de canal
distributario y 28% para llanura de inundación, a partir de ello se estableció cambios
en el porcentaje de fracción de cobertura del modelo de facies sedimentarias de la
formación, logrando distinguir a lo largo de los cuatro modelos de cobertura (10% a
40%) que el cambio de fracción del porcentaje de cobertura introducidos si afecta la
población de canales en el modelo, interpretando una sedimentación de sur a norte,
lo cual concuerda con lo dicho en los trabajos de Crespo (2008) y Fiorillo (1983), se
distingue espesores grandes y de gran anchura en los canales, siendo coherente con
los esperado en la formación ya que la depositación de la misma se encuentra dentro
de dos ciclos regresivos-transgresivos. También se logra interpretar aumento de
sinuosidad de los canales en el centro del campo y en el sector sureste, siendo
concordante con la reducción de espesor y angularidad hacia ese sector sureste,
mientras que en el centro se puede asociar cambios de energía en la red fluvial
provocando el reajuste y aumento de la sinuosidad de los canales. El modelo utilizado
por análisis del campo fue el de la figura 49d, por ser la respuesta más concordante en
cuanto a la población de canales distributarios mencionadas por Crespo (2008).
Figura 49 – Modelo de Facies de la Formación Oficina campo Carabobo 2. a) Cobertura 10% (Imagen
superior izquierda), b) Cobertura 20% (imagen superior derecha), c) Cobertura 30% (Imagen inferior
izquierda), d) Cobertura 40% (imagen inferior derecha).
63
En el modelo de facies de la Formación Freites (Figura 50) (Tope de Freites a Tope
de Oficina), se consideró de igual manera que en Oficina los parámetros de ancho y
espesor correspondiente a canales fluviales descrito por el modelo de Reynolds, y el
re-escalado del modelo por defecto da 88% para arenas de canal distributario y 12%
para llanura de inundación, a partir de ello se estableció cambios en el porcentaje de
fracción de cobertura del modelo de facies sedimentarias de la formación, logrando
distinguir a lo largo de los cuatro modelos de cobertura (10% a 40%) presencia de
canales distributarios de poco espesor y a su vez poca extensión o ancho de canal,
siendo coherente con la respuesta espera en la Formación Freites ya que su
depositación ocurre durante un evento transgresivo. Dichos canales presentan una
orientación de sur a norte, variando la cantidad de canales presentes con una
tendencia de reducción de los mismos de oeste a este, observándose un leve aumento
de la sinuosidad en los canales hacia este, dicho comportamiento se debe
posiblemente al acuñamiento de la formación hacia el sureste. En la respuesta de la
facies se ve un aumento considerable de la llanura de inundación, siendo concordante
con el régimen transgresivo durante la depositación de la formación, de acuerdo al
ancho y espesor de los canales esperado en la formación el modelo de facies que
mejor ajusta es el de la figura 50b.
Figura 50 – Modelo de Facies de la Formación Freites campo Carabobo 2. a) Cobertura 10% (Imagen
superior izquierda), b) Cobertura 20% (imagen superior derecha), c) Cobertura 30% (Imagen inferior
izquierda), d) Cobertura 40% (imagen inferior derecha).
64
Finalmente, el modelo de facies presenta un sentido de orientación del sistema fluvial
de sur a norte, con aumento en el ancho y espesor de las arenas de canal distributario
hacia la Formación Oficina, y reducción de espesor y ancho de canal en la Formación
Freites, lo cual concuerda con los procesos de depositación de ambas formaciones:
Regresivo en la Formación Oficina (mayor contenido de depósitos arenosos) y
transgresivo en la Formación Freites (Sedimentación arcillosa). El aumento del patrón
de la sinuosidad en todo el modelo hacia el este del campo, es coherente con la
reducción del espacio de acomodamiento y del menor grado de buzamiento.
5.2 Análisis modelo petrofísico
5.2.1 Arena Neta Petrolífera
Se inició por la interpretación petrofísica de la arena neta petrolífera, que es un

registro de facies discreto a partir del cual se discriminó la factibilidad de tener arenas
con hidrocarburos. Del análisis de esta propiedad se observa para La Formación
Oficina tiene una mayor extensión de arenas no petrolíferas a lo largo del campo con
un aumento de zonas con presencia de hidrocarburos hacia el área centro – sur del
mismo. (Figuras 50 y 51)
Para la unidad litoestratigráfica correspondiente a la Formación Freites (Figura 50),

se observa un patrón mayor, aunque escaso de arenas con hidrocarburos siendo
predominante las secuencias de depósitos en donde no se encuentra hidrocarburos.
a) b)
Figura 51 – Modelo de arena neta petrolífera de la Formación Freites: a) propiedad vista desde el este,
b) propiedad vista desde el oeste campo Carabobo 2.
Para la unidad litoestratigráfica correspondiente a la Formación Oficina (Figura 51)

se distingue en el volumen de la propiedad una mayor acumulación de arenas con
posible hidrocarburo en la región central hacia el sur ya que se distinguen mayor
65
continuidad de los paquetes sedimentarios que cumple con la característica definida
en la propiedad. De los resultados para esta propiedad se puede mencionar que él
campo es potencialmente bueno para contener hidrocarburo preferentemente en el
centro-sur del mismo, siendo concordante con investigaciones previas como la
realizada por Mederos (2014).
a) b)
Figura 52 – Modelo de arena neta petrolífera de la Formación Oficina: a) propiedad vista desde el este,
b) propiedad vista desde el oeste campo Carabobo 2.
5.2.2 Porosidad Efectiva
El análisis de la porosidad efectiva se realizó mediante la elaboración de los

volúmenes de la propiedad en donde se consideran solo los poros que se encuentran
interconectados y el porcentaje de la porosidad a lo largo del campo. De esta manera
se obtiene una mejor comprensión de las posibles zonas almacén de fluidos, que junto
con el análisis de la permeabilidad se deduce la factibilidad para la migración de los
fluidos entre los poros.
Entre las características encontradas en general, en ambas formaciones (Figuras 52 y

53) (Freites y Oficina) se definen buenos patrones de altas porosidades al sureste del
área, la mejor interconexión se interpretó en toda la extensión del centro del campo
con tendencia al norte. Siendo estos valores altos entre 30% a 40%, lo que indica una
porosidad muy buena, corroborando la investigación previa de Mederos (2014).
66
a) b)
Figura 53 – Modelo de la propiedad petrofísica de Porosidad Efectiva de la Formación Freites: a)

propiedad vista desde el este, b) propiedad vista desde el oeste campo Carabobo 2.
a) b)
Figura 54 – Modelo de la propiedad petrofísica de Porosidad Efectiva de la Formación Oficina: a)

5.2.3 Arcillosidad
En cuanto a la propiedad de arcillosidad identificada en el campo, esta se comporta

con lo esperado de acuerdo a su condición inversa a las propiedades de porosidad
efectiva: Baja arcillosidad en zonas con alta porosidad, siguiendo el patrón de los
canales fluviales de las facies, es decir, en donde hay mayor cantidad de canales la
67
arcillosidad baja a su mínimo, mientras que donde hay menor cantidad de canales y
aumentan las facies de llanura de inundación, el porcentaje de arcillosidad crece.
En la Formación Freites (figura 54) aumenta la arcillosidad hacia el este del campo,
llegando a porcentajes de 30% a 60%, siendo coherente con la respuesta del modelo
de Facies realizado: Donde se localizan la mayor afluencia de canales disminuye la
arcillosidad a valores mínimos hasta 20%, mientras que para un mayor contenido de
facies de llanura de inundación aumenta la arcillosidad, tal y como fue mencionado
para todo el flanco este del campo. De igual forma presenta concordancia con el
modelo de porosidad efectiva, mejorando la similitud de los modelos al centro-oeste
del campo.
a) b)
Figura 55 – Modelo de la propiedad petrofísica de Arcillosidad de la Formación Freites: a) propiedad

vista desde el este, b) propiedad vista desde el oeste campo Carabobo 2.
Observando la respuesta de la propiedad en la Formación Oficina (figura 55), esta

también presenta un patrón ajustado al esperado, de disminución de arcillosidad entre
valores mínimos a 20% en las zonas de canales y de alta porosidad. Así mismo en la
facies de llanura de inundación aumenta la propiedad entre 30%-60%. No obstante, el
ajuste entre la facies y la arcillosidad en el modelo es menos evidente, lo cual será
considerado posteriormente en el análisis de prospectividad.
68
a) b)
Figura 56 – Modelo de la propiedad petrofísica de Arcillosidad de la Formación Oficina: a) propiedad
5.2.4 Permeabilidad
En el análisis de la permeabilidad del campo se puede identificar como características

generales la similitud en el aumento de permeabilidad y el aumento de porosidad
efectiva del campo. Las permeabilidades que varían de valores mínimos a 49 md,
identificando patrones de permeabilidad por encima de 10 milidarcy en las zonas de
alta porosidad, lo que indica una buena permeabilidad en esas áreas.
Dentro de la unidad litoestratigráfica de la Formación Freites (figura 56), como

característica primordial y notoria es la alta permeabilidad al centro de campo siendo
de 49 a 50 md, manteniéndola en menor proporción hacia el flanco sureste y noreste,
pero con permeabilidades de 20 a 40 md aproximadamente.
a) b)
Figura 57 – Modelo de la propiedad petrofísica de Permeabilidad de la Formación Freites a) propiedad
69
Para la Formación Oficina se mantiene el mismo comportamiento de aumento de
permeabilidad (figura 57) en el centro del campo, pero con permeabilidades menores
de aproximadamente 40 milidarcys, y como característica notoria, es la interpretación
de la una caída de permeabilidad cercana a cero milidarcys al sureste y hacia el
noroeste.
a) b)
Figura 58 – Modelo de la propiedad petrofísica de Permeabilidad de la Formación Oficina: a)
5.2.5 Saturación de agua
Se identifican para el campo saturaciones de 0% a un máximo de 70 %, mostrándose

una reducción cercana a 0% en aquellas zonas donde las propiedades de porosidad y
permeabilidad son bajas y la arcillosidad es alta, esta relación se ajusta al sistema de
redes fluviales del campo de orientación sur-norte.
En la Formación Freites (figura 58), se distingue una clara tendencia suroeste-noreste

de saturación entre 0% y 20%, concordando con la escasez de canales fluviales en el
sector, aumentando hasta aproximadamente 60% hacia centro – oeste. Con un patrón
aislado al noroeste de baja saturación.
70
a) b)
Figura 59 – Modelo de la propiedad petrofísica de saturación de agua de la Formación Freites: a)
Mientras que la formación Oficina (Figura 59) en el centro-sur del campo presenta
tendencias este-oeste de alternancias de bajas saturaciones (0%-20%) a altas
saturaciones (40%-60%). Las altas saturaciones se encuentran rodeadas por los
cuerpos de baja saturación. Otra característica observada es la coincidencia de las
altas saturaciones con buenas porosidades y permeabilidades en la formación.
a) b)
Figura 60 – Modelo de la propiedad petrofísica de saturación de agua de la Formación Oficina: a)
71
5.3 Análisis de prospectividad basado en las tendencias de los modelos
petrofísicos.
5.3.1 Formación Freites
Este análisis consiste en la comparación de todas las propiedades petrofísicas con el

modelo de facies sedimentaria a fin de verificar las zonas prospectivas y definir
posibles leads exploratorios en el campo. Inicialmente se compara el modelo de
Facies de la Formación Freites con sus propiedades petrofísicas.
Comenzando con el solapamiento del modelo de facies con la propiedad de porosidad

efectiva (Figura 61), se observa cómo porosidades entre 20% a 40% se ajustan al
sistema de canales sur-norte del campo, es decir, las arenas de canales fluviales
presentan se asocian principalmente en el centro del campo a valores de porosidad
superior al 20%, característica que permite definir un posible lead exploratorio. Los
altos porcentajes en la porosidad se observan tanto en toda la extensión centro – norte
del campo, así como al sur, estas últimas asociadas a la gran afluencia de canales
distributarios con espesores mayores con se observa en la tendencia de los canales
que recorren de sur a norte el centro del campo.
Figura 61 – Modelo conjunto de Facies y porosidad efectiva de la Formación Freites campo Carabobo
2.
En el modelo comparativo entre la permeabilidad y la facies (figura 62) se pueden

distinguir que las zonas que presentan permeabilidades de 40 a 50 milidarcys se
ajustan a la forma del sistema de arenas de canal distributarios, igualmente las altas
permeabilidades se asocian a las altas porosidades vistas en las figuras 61 y 53,
logrando de esta manera un ajuste minucioso entre las propiedades petrofísicas y la
respuesta de las formas y orientación de los canales distributarios de las facies. De
72
igual forma se asociaron las zonas de llanura de inundación con bajas
permeabilidades y porosidades, lo cual es coherente el análisis de prospectividad del
campo.
Figura 62 – Modelo conjunto de Facies y permeabilidad de la Formación Freites campo Carabobo 2.
Luego se procedió al análisis de como la respuesta de arcillosidad del campo se ajusta

al modelo de facies (Figura 63), en ella es posible determinar claramente como las
zonas donde hay mayor número y espesor de canales distributarios se ajusta a valores
de arcillosidad por debajo del 20%, mientras que las zonas de llanura de inundación
en general son coherentes con respuestas de arcillosidad alta de hasta un 60%.
Comparando el modelo con los tres análisis antes expuestos es posible distinguir
como las zonas de arena de canal distributarios definidas en la facies corresponden a
valores altos de porosidad efectiva y de permeabilidad. De igual forma, en las
llanuras de inundación para valores bajos de arcillosidad, las respuestas son
contrarias. Por lo antes expuesto se tiene una correspondencia con lo esperado en las
propiedades, para el modelo de Facies.
73
Figura 63 – Modelo conjunto de Facies y Arcillosidad de la Formación Freites campo Carabobo 2.
Con respecto al análisis de prospectividad en la Formación Freites, en la comparación

de la respuesta de saturación de agua contra el modelo de facies (Figura 64), se
distinguen saturaciones de agua desde de valores mínimos a 40%, el patrón de
saturación entre 30% a 60% claramente se ajusta al patrón del sistema de canales
distributarios, por lo que la respuesta es un aporte más para la definición de las zonas
prospectivas del campo.
Finalmente, para la Formación Freites se realizó el montaje de las propiedades de las

facies sedimentarias contra la propiedad de arena neta petrolífera del campo (Figura
65), con el objetivo de verificar como las zonas con posibles arenas petrolíferas van
asociadas con la orientación de los canales, ubicadas en los bordes de los mismos.
Observadas todas las propiedades interpretadas se puede afirmar que la Formación
Freites posee zonas prospectivas de interés, que posteriormente se establecerán en el
análisis por superposición (Traffic Light maps)
74
Figura 64 – Modelo conjunto de Facies y Sw de la Formación Freites campo Carabobo 2.
Figura 65 – Modelo conjunto de Facies y Arena neta petrolífera de la Formación Freites campo
Carabobo 2.
5.3.2 Formación Oficina
Iniciando con la comparación entre el modelo de Facies y la porosidad efectiva del

campo (Figura 66), las zonas claras reflejan las porosidades altas de hasta 35%,
concentrándose en la zona central del norte del campo, en el caso de la Formación
Oficina no se puede distinguir claramente como el sistema de arenas de canal
distributario se asocia a las altas porosidades, pero si conserva la orientación de los
paquetes porosos relativamente ajustados a los canales de mayor espesor,
primordialmente en el centro del campo.
75
Figura 66 – Modelo conjunto de Facies y porosidad efectiva de la Formación Oficina campo Carabobo
2.
En el modelo de facies contra la permeabilidad (Figura 67), se distingue como al

igual que con la propiedad de porosidad, se ajusta las respuestas de alta
permeabilidad (50 milidarcys) con las zonas central del campo, con tendencia de
permeabilidades mayores a 10 md en la orientación del sistema de canales
distributarios, es decir, las propiedades petrofísicas vistas hasta ahora son controladas
por un régimen estratigráfico, lo que va de la mano con la los estudios previos del
campo que respaldan la afirmación realizada.
Figura 67 – Modelo conjunto de Facies y permeabilidad de la Formación Oficina campo Carabobo 2.
76
En el modelo de facies contra la arcillosidad (Figura 68), se distingue como las
tendencias de mayor porcentaje de arcillosidad se asocia a las áreas en donde hay
menor afluencia de canales y a las zonas de llanura de inundación del modelo de
facies. De igual forma, se puede verificar que en las zonas en donde hay mayor
afluencia de arenas de canal distributario se observa disminución considerable de
arcillosidad.
En cuanto al modelo de facies contra el modelo se saturación de agua (Figura 69), se

ve claramente como reduce la saturación de agua a valores de entre 20% y 40% en
donde se presentan la mayor abundancia de canales distributarios siguiendo su
tendencia de desplazamiento, con dos tendencias muy marcadas una al centro-oeste
zona inferior y otra en el centro-este de la zona superior.
Figura 68 - Modelo conjunto de Facies y Arcillosidad de la Formación Oficina campo Carabobo 2.
Figura 69 – Modelo conjunto de Facies y Sw de la Formación Oficina campo Carabobo 2.
77
Finalmente, para la Formación Oficina se realizó el montaje de las propiedades de las
facies sedimentarias contra la propiedad de arena neta petrolífera del campo (Figura
70), en donde se verifica la asociación de las zonas con posibles arenas petrolíferas
con la orientación de los canales, ubicadas a los bordes de los mismos. Observando
todas las propiedades interpretadas se puede afirmar que la Formación Oficina es
prospectiva, concordando que las informaciones previas de este campo productor,
dichas zonas prospectivas del análisis exploratorio realizado, serán determinados a
continuación.
Figura 70 – Modelo conjunto de Facies y arena neta petrolífera de la Formación Oficina campo
Carabobo 2.
5.4 Definición de áreas de interés para reconocimiento de leads exploratorios
Se procedió a realizar el análisis del riesgo exploratorio en la definición de los leads

mediante el método de superposición de propiedades interpretadas, el cual consiste en
establecer a partir de percepciones de las imágenes de las propiedades interpretadas
las posibilidades de establecer unos leads, mediante los colores del semáforo, siendo
verde el escenario positivo, es decir, con menor riesgo y factible. El amarillo es un
escenario de cuidado, es decir, aumenta el riesgo en la definición por falta de
información de ajuste en este caso de todas las propiedades interpretadas y el rojo que
corresponde a escenarios negativos, es decir, el riesgo es máximo en la definición del
prospecto exploratorio.
Para tal fin se muestran en las figuras 71 y 72 el resultado de la aplicación de este

método para las formaciones Freites y Oficina analizadas previamente. En el caso
dela Fm. Freites (Figura 70) se definen una zona de riesgo moderado (recuadro
78
amarillo), ya que a pesar de que presenta porosidades altas (30% a 40%),
permeabilidades de casi 50 milidarcys, baja arcillosidad entre 0% a 20%, muestra
saturación de agua de entre 20% a 40%, con arenas con hidrocarburos de poca
extensión, esto aunado al hecho de que por estar localizado en el borde del campo, no
es posible establecer de forma confiable los controles estratigráficos y estructurales
por falta de información en los límites del área.
En adición se presenta del análisis un área de categoría riesgosa (recuadro rojo)

(Figura 71), con altas porosidades, altas permeabilidades, pero baja arcillosidad con
saturación de agua de hasta un 60%, y solo vestigios de arena petrolífera. De acuerdo
al modelo de facies se localiza en una zona de llanura de inundación del campo, por
lo cual, a pesar de presentar características positivas para ser prospectiva con respecto
a la porosidad y arcillosidad, las condiciones de la facie y del poco contenido de
arenas petrolíferas, aunado a la baja permeabilidad la cataloga como de alto riesgo.
En lo que respecta a la Formación Oficina (figura 72) se identifican dos áreas para la
definición de leads, una con altas posibilidades otra con factor de riesgo medio
(recuadro amarillo), muestra alta porosidad, alta permeabilidad pero con contrastes de
baja permeabilidad, baja arcillosidad, saturación de agua de 40% aproximadamente
con un paquete considerable de arenas con hidrocarburos, de acuerdo a las
características observadas y considerando que los paquetes de arena con
hidrocarburos son de poco espesor de aproximadamente entre 80-120 pies, permite
afirmar que la zona posee altas posibilidades de recobro.
En cuanto al otro lead (Figura 72), definido como de riesgo bajo (recuadro verde),
presenta altas porosidades, altas permeabilidades, mediana arcillosidad, saturación
agua de 40% y buena interconexión de paquetes de arenas con hidrocarburos, aunque
un poco más delgada que para el área anterior. La razón de catalogar la zona como de
riesgo bajo es debido a las propiedades de porosidad alta y permeabilidad alta en toda
su extensión, así como la información previa del área que ubica a los mejores
prospectos en el centro del campo.
79
Figura 71 – Modelo conjunto de Facies y propiedades petrofísicas para la definición de leads en la Formación Freites campo Carabobo 2.
Rectángulos amarillo riesgo intermedio, rectángulo rojo riesgo alto.
81
Figura 72 – Modelo conjunto de Facies y propiedades petrofísicas para la definición de leads en la Formación Oficina campo Carabobo 2.
Rectángulos amarillo riesgo intermedio, rectángulo verde riesgo bajo.
82
CONCLUSIONES Y RECOMENDACIONES
Se comprobó la rapidez, efectividad y confiabilidad que brinda la utilización de las

redes neuronales para la elaboración de los modelos.
Se logró construir el modelo de facies sedimentaria del campo a partir de solo tres
núcleos, con los cuales se generó el algoritmo de aprendizaje del método de red
neuronal, interpretando así las facies sedimentarias en los pozos del campo que
carecían de esta descripción.
La efectividad del método de redes neuronales fue de un 90 % al comparar la

descripción de la facies sedimentaria obtenida del núcleo contra la obtenida de la red
neuronal.
Se corrobora el aporte metodológico de este método para futuras investigaciones

exploratorias, ya que con poca información se pudo poblar el campo, en este caso con
la definición de las facies sedimentarias. no obstante, es aplicable a cualquier
característica que se necesite identificar a lo largo del lugar a estudiar.
Se determinó a partir del modelo de facies sedimentarias que la red fluvial de canales
distributarios presenta una orientación sur-norte.
En general se determinó un aumento de la densidad de canales al oeste del campo con

reducción de los mismos al Este, esto concuerda con el acuñamiento de las
formaciones al sureste. En la Formación Freites se observa mucho mejor este
comportamiento, con una zona de llanura de inundación más extensa al Este, y dichos
canales presentan reducción en el espesor y ancho con respecto a los de la Formación
Oficina.
Para la Formación Oficina se determinó una red fluvial con densidad similar a lo
largo de todo el campo, pero en ella se distinguen canales distributarios mucho más
anchos y con mayor espesor que en Freites. Ambas características se asocian a los
eventos estratigráficos que marcaron su depositación, ya que la Formación Freites se
depositó durante un ciclo transgresivo, por lo tanto, presenta mayor zona de llanura
de inundación. La Formación Oficina muestra aumento en la densidad de canales
fluviales ya que se encuentra dentro de dos ciclos regresivos - transgresivo, por tanto,
se muestran mayor densidad de canales distributarios dentro de la formación.
En cuanto al modelo petrofísico se pudo identificar las zonas con mayor posibilidad
prospectiva, a partir del uso de los modelos de porosidad, permeabilidad, saturación
de agua, arcillosidad y arena neta petrolífera, definiéndose áreas de riesgo bajo,
intermedio y alto, las cuales coinciden con lo planteado por Mederos (2014) y Crespo
(2008).
83
Las arenas de canal distributario, presentan contenido de hidrocarburos hacia las
zonas sinuosas de la red fluvial, según lo esperado, confirmando la concordancia con
el modelo de facies de redes neuronales realizado.
El control establecido a partir del espesor, ancho y largo de los tipos de cuerpos de
arena de Reynolds (1994 y 1999), fue el patrón primordial en la generación de las
arenas de canal distributarios del ambiente fluvio-deltaico, debido a que ajusto el
comportamiento de los canales de acuerdo a lo esperado al ambiente y a las
formaciones estudiadas.
Con la aplicación de los parámetros de Reynolds (1994) se corroboro que las arenas
de canal distributario en la Formación Freites son mucho más delgadas que en la
Formación Oficina, siendo coherente con la información geológica del campo.
Desde el punto de vista estructural se reconoció una tendencia homoclinal del campo
con ángulo de buzamiento bajo entre 2° a 4° aproximadamente, siendo coherente con
lo planteado por trabajos previos.
Se recomienda la adquisición de sísmica 3D con la finalidad de aplicar atributos

sísmicos que permitan afinar la interpretación de las facies sedimentarias definidas,
así como mejorar la ubicación y extensión de las áreas prospectivas y la posterior
definición de Leads y prospectos.
Adquisición de nuevos núcleos al sur del campo, para optimizar y mejorar con mayor
información de control para la generación del modelo de redes neuronales de facies
sedimentarias. Y la toma de una mayor densidad de registros para cada pozo, para así
evitar la generación de registros a partir de fórmulas, que introducen una mayor
incertidumbre en el dato, a la hora de la interpretación de los modelos.
84
BIBLIOGRAFÍA
Acosta, E. (2006). Modelo Petrofísico de yacimientos con alta saturación irreducible

de agua de la Formación Oficina. Trabajo especial de grado. Universidad del Zulia.
Maracaibo, Venezuela.
Alpana, B. 2002. Reservoir Properties from Well Logs Using Neural Networks.
Doktor lngeniør thesis, Norwegian University of Science and Technology.
http://www.ipt.ntnu.no/~bjornu/Alpana_Bhatt.pdf (Consultado 29 de abril de 2019).
Arellano, G. (2002) Ejercicios de Geología Estructural. Universidad Autónoma de

México, Facultad de Ingeniería., pp 46-51.
Arnstein, R; Betoret, C; Molina, E.; Monpart, L; Ortega, J.; Russomano, F. &

Sánchez, U. (1982). Geología petrolera Cuenca de Venezuela Oriental: XLV Reunión
a nivel de expertos de Arpel, México, 17-21 mayo, 1982, pp 229-252.
Audemard, F. & Lugo, J. (1996). Petroleum Geology of Venezuela Course Notebook,

AAPG/Sociedad Venezolana de Geólogos, Caracas-Venezuela.
Belmares, J (2011). Distribución especial de parámetros petrofísicos por modelación

fractal en la caracterización estática de yacimientos. Trabajo Especial de Grado.
Instituto Politécnico Nacional.
Beltrán, C.; Rodríguez, J. A. & Singer, A. (1994). Geología de fallas activas. In

Singer, A. (coordinador) (1994) “Proyecto INTEVEP S.A. pp. 258 inédito, en Beltrán
et al., (1995).
Boyd, R., Dalrymple, R.W. & Zaitlin, B.A. 1992. Classification of clasticcoastal
depositional environments.Sedimentary Geology,80, 139–150.
Calvo, A. (2008). Possibilities to increase the Recovery Factor in Petromonagas area,

Orinoco Heavy Oil Belt, Venezuela. Trabajo Especial de Grado, The Robert Gordon
University, Aberdeen School of Engineering, p. 6-17
Chauvet, P. (1994). Aide-Memoire de Géostatistique Miniere. France: École des

mines de Paris.
Crespo, J. (2008). Modelo Sedimentológico-Estratigráfico, bloque Carabobo 2, faja

petrolífera del Orinoco. Trabajo Especial de Grado. Universidad Central de
Venezuela, Caracas.
Di Croce, J. (1995). Eastern Venezuela basin; sequence stratigraphy and structural

evolution. PhD Thesis, Rice University., pp 1-215.
85
Erlich, R. N, and Barrett, S. F, 1992. Petroleum Geology of the Eastern Venezuela
Foreland Basin, in Macqueen, R. W, and Leckie, D. A. (Eds.), Foreland basins and
fold belts: AAPG Memoir (55): 341-362.
Fiorillo, G. (1983). Evaluación exploratoria de la faja petrolífera del Orinoco.

Caracas: PDVSA.
Fraser, John; Schoening-Thiessen, Karen y Simkins, Betty (2011), Who Reads What
Most Often?: A Survey of Enterprise Risk Management Literature Read by Risk
Executives. Journal of Applied Finance, vol. 18, N°1, pp. 385-417.
Giraldo, C. (1996). Hipótesis acerca del desplazamiento de la Falla de El Pilar,

Venezuela Nororiental. 8vo Congreso Venezolano de Geofísica, Maracibo 1-5
diciembre.
GISGeography (2018). Kriging Interpolation-The Prediction Is Strong in this one.

Recuperado el 20 de abril de 2019 de https://gisgeography.com/kriging-interpolation-
prediction/.
González de Juana, C.; Iturralde, J.M. y Picard, X. (1980). Geología de Venezuela y

de sus Cuencas Petrolíferas. Tomo II. Caracas. Ediciones Foninves. Caracas. pp1031.
González, N. (2007). Clasificación de facies sedimentarias en yacimientos

geológicamente complejos aplicando redes neuronales probabilísticas (PNN). Revista
Geos. 39 (1), pp. 81-93.
Gutiérrez, F. (2000). Redes Neuronales Artificiales.

http://thales.cica.es/rd/Recursos/rd98/TecInfo/07/. consultado 30 de abril de 2019.
Guzmán, A. (1999) Estado de la Exploración Petrolera en México. Boletín del 50

Aniversario de la Asociación Mexicana de Geólogos Petroleros. Volumen XLVIII,
Números 1-2. México. Págs. 16 - 43.
Haykin, S.S. 1999. Neural Networks: A Comprehensive Foundation, second edition.

Upper Saddle River, New Jersey: Prentice Hall.
Hilera González, J. y Martínez Hernández, V. 1995. Redes Neuronales Artificiales:

Fundamentos, Modelos y Aplicaciones. Madrid: RA-MA.
Hornik, K.M., Stinchcombe, M. y White, H. 1989. Multilayer Feedforward Networks

are Universal Approximators. Neural Networks 2 (5): 359-366.
http://weber.ucsd.edu/~hwhite/pub_files/hwcv-028.pdf. Consultado el 1 de mayo de
2019.
Journel, A G and Huijbregts. (1978). Mining Geostatistics. London: Academic Press

86
Kendall, C. (2012). Course: Marine Sediments. The Tools of Subsurface Analysis.
Universidad de South Carolina, South Carolina. Pág. 14.
Machado, G (2003). Modelo Sedimentológico estratigráfico de la secuencia

paleozoica en la Faja Petrolífera del Orinoco. Trabajo Especial de Grado. Universidad
Central de Venezuela, Caracas. Págs. 16 – 50.
Martínez, A (2005). Conceptos sedimentológicos, estratigráficos estructurales en la

geología de yacimientos de fluidos. Trabajo Especial de Grado, Facultad de
Ingeniería. Universidad Autónoma de México, pp. 46-50.
Matheron, G. (1970). La téorie des variables régionalisées, et ses applications. (n. 5

edición). France: Les Cahiers du Centre de Morphologie Mathématique de
Fontainebleau.
McCaffrey, J. (2012). Profundización en las redes neuronales.

https://msdn.microsoft.com/es-es/magazine/hh975375.aspx. Consultado el 29 de abril
de 2019.
Mederos, I. (2014). Estudio integrado para la identificación de prospectos en el

bloque Carabobo 1 y 2 Faja Petrolífera del Orinoco, Venezuela. Trabajo de grado de
especialidad. Universidad Central de Venezuela, Caracas. Págs. 100-145.
Mommer, B., (2004). La valorización del crudo pesado de la Faja Petrolífera del
Orinoco. Impresión: Santa Rosa Centro Gráfico C.A. Ediciones del Ministerio de
Energía y Minas-Caracas, Impreso en Venezuela.
Murany, E. (1972). Tectonics Basis for the Anaco fault. AAPG Bulletin, v. 56. N°5.,
pp 860-870: en Vivas et al (1995).
Olivo, M., Schwarz, E. & Veiga, G. (2016) Modelo de acumulación y evolución

secuencial del intervalo cuspidal de la Formación Quintuco en su área tipo:
implicancias para las reconstrucciones paleogeográficas del margen austral de la
Cuenca Neuquina durante el Valanginiano. Revista Andean Geology. Volumen 43,
número 2. pp. 235-237.
Ostos, M (1990). Evolución tectónica del margen sur-central del Caribe basados en
datos geoquímicos. Geos 30, pp 1-294. Caracas
Paredes, A (2002). Estilos Estructurales de un área ubicada al sur de Maturin, Edo.

Monagas. Trabajo especial de grado. Universidad Central de Venezuela. Caracas,
Venezuela.
87
Parnaud, F., Y. Gou, J-C. Pascual, Truskowski, O. Gallango, H. Passalacqua, and F.
Roure, (1995). Petroleum Geology of the Central Part of the Eastern Venezuelan
Basin, in Petroleum Basins of South America. Editores Tankard, Suarez y Welsink.
Memorias de la AAPG 62, p. 741-756.
Passalacqua (1995). Petroleum Geology of the Central Part of the Eastern Venezuelan
Basin: Petroleum basin of South America, AAPG Memoir 62.
Rahmanian V. (2001), “Análisis sedimentológico de núcleo CNX1”, Exxon Mobil.
Ramírez, C. (2014). Clasificación automatizada de facies a escala de registros de

pozo usando redes neuronales artificiales en yacimientos areno – arcillosos
turbidíticos. Trabajo especial de grado. Universidad Nacional autónoma de México.
México D.F- México.
Reynolds, A. D (1994). Sequence stratigraphy and the dimensions of paralic

sandstone bodies, in S. D. Johnson, ed., High resolution sequence stratigraphy:
innovations and applications: Liverpool, Liverpool University, p. 69–72.
Reynolds, A.D (1999). Dimensions of Paralic Sandstone Bodies1. AAPG Bulletin,

Volumen 83, N° 2. pp 211-229
Rojas, F (2013). Síntesis de la evolución tectono-estratigráfica, subcuenca de

Maturín, oriente de Venezuela. GEO1-08. Memorias del Congreso Cubano. pp.1-14.
Santos, R. (2016). Registros Geofísicos aplicados a estratigrafía secuencial.

Disponible en https://www.monografias.com/trabajos92/registros-geofisicos-
aplicados-estratigrafia-secuencias/registros-geofisicos-aplicados-estratigrafia-
secuencias.shtml. Consultado el 29 de abril de 2019.
Salazar, E (2014). Modelado estructural 3D del campo cerro negro (bloque Carabobo)
Faja Petrolífero del Orinoco, estado Anzoátegui, Venezuela. Trabajo especial de
grado. Universidad Central de Venezuela. Caracas, Venezuela.
Schlumberger Education Service (1981). Principios/ Aplicaciones de la interpretación

de registros. Editado en Noruega.
Schlumberger (2006). Property Modeling Course (Petrel: seismic to Simulation

software). Editado en Noruega.
Stainforth, R. (1971). La formación Carapita de Venezuela Oriental. IV Cong. Geol.

Venez, Memoria, Bol. Geol., Caracas, Publ. Esp. 5, 1: pp 433-463.
Swanson, D., (1976). Guía para el análisis de los ambientes de las facies clásticas.
Editado por Lagoven filial de petróleos de Venezuela, S.A., Impreso en Venezuela.
88
Vera, J. (1994). Estratigrafía principios y métodos. Rueda, Madrid España. 803p.
Villanueva Espinoza, M.R. 2002. Las Redes Neuronales Artificiales y su Importancia

como Herramientas en la Toma de Decisiones. Tesis de Licenciatura, Universidad
Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela
Académico Profesional de Investigación Operativa, Lima Perú.
http://sisbib.unmsm.edu.pe/bibvirtualdata/tesis/basic/Villanueva_EM/enPDF/T_comp
leto.pdf (Consultado el 29 de abril de 2019).
Vivas, V.; Bellizzia. A, & Macsotay, O. (1985). Deflexión de Barcelona, rasgos

estructurales primario en Venezuela nororiental. VI Cong. Geol. Ven., Caracas, Mem.
VI. pp. 2117-2746.
Wolters Kluwer (2019). Conceptos de método de simulation estocastica. Recuperado

el 20 de abril de 2019 de https://www.wolterskluwer.es/
Yoris, F. & Ostos, M. (1997). WEC Venezuela 1997-Evaluación de Pozos. Publicado

por Schlumberger Surenco, C.A. pp 32-40
89

Tesis Maestria Ignacio - J - Mederos - V - 2019

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis Maestria Ignacio - J - Mederos - V - 2019

Cargado por

Copyright:

Formatos disponibles

TRABAJO ESPECIAL DE GRADO

MODELADO PETROFÍSICO DEL CAMPO CARABOBO 2 FAJA

Presentado ante la Ilustre

Caracas, noviembre 2019

MODELADO PETROFÍSICO DEL CAMPO CARABOBO 2 FAJA

TUTOR ACADÉMICO: Msc. Ángela Rojas.

AUTOR: Esp. Ignacio J. Mederos V.

Caracas, noviembre 2019

Resumen. El objetivo fundamental de este trabajo es determinar el modelo

El presente trabajo agradezco a Dios por ser mi guía y acompañarme en el transcurso

A mi mamá por apoyarme y ayudarme en cada momento de mi vida profesional y

A la profesora Ángela Rojas, por apoyarme, aconsejarme y guiarme. Más que mi

A mi mentor profesional profesor Antonio Ughi, no tengo palabras como agradecerte

A los profesores Manuel Serrano y Lenin González por sus correcciones y

A mi hermano José Antonio y mi hermana Isabela por estar siempre presentes,

Figura 18. Diagrama de una neurona humana y sus 29

1.1 Planteamiento del problema

1.2 Objetivo General

1.3 Objetivos Específicos

1.5 Ubicación del área de estudio

Figura 1. Ubicación del área de estudio Tomado de Calvo (2008).

Topográficamente se caracteriza por extensas llanuras y una zona de mesas en

Figura 3. Ubicación relativa de la zona de interés en la cuenca antepaís (Tomado de Paredes,

2.2 Evolución tectono-estratigráfica de la Cuenca Oriental de Venezuela

Figura 5. Distribución de facies sedimentarias durante el Cenomaniense-Coniaciense (Tomado de

En el Cretácico Tardío, específicamente en el Santoniense-Maastrichtiense (85-65

Figura 7. Cuadro estratigráfico generalizado de la subcuenca de Maturín y de la Serranía del Interior

2.4.2 Formaciones del área de estudio

Formación Freites (Mioceno Medio a Mioceno Tardío basal)

Formación Las Piedras (Mioceno Tardío-Plioceno)

3.2.2 Características y asociación de facie

1. Que se trate de facie que se encuentren juntas (próximas).

Las asociaciones de facie se reconocen a partir de su expresión vertical en las

3.2.3 Análisis de las Facies Sedimentarias

Figura 14. Clasificación de facies sedimentarias de manera general. (modificado de

Los clásticos terrígenos son generalmente transportados a la cuenca depositacional

Arena limpia con

Barra de Gravas, arenas,

Limo y arena con

Limos, arenas y Limos y arenas

3.2.4 Patrones de facies en registros eléctricos

La forma de embudo presenta una disminución gradual a la respuesta del rayo

Figura 16. Respuestas de sistemas depositacionales clásticos modificado de Santos (2016).

3.2.5 Modelo de Facies

1. Debe actuar como una norma, con propósitos de comparación.

3.3 Redes neuronales

Si la neurona recibe una entrada de excitación suficientemente grande en

Las redes neuronales artificiales utilizan el mismo principio descrito en el párrafo

Para ello se establece el entrenamiento de las redes neuronales supervisadas, siempre

3.3.1 Modelo Neuronal

Similarmente a la neurona biológica, una neurona artificial es una unidad

1. Un conjunto de sinapsis o conexiones, cada una de las cuales está

Matemáticamente puede ser descrita como (Haykin, 1999):

La relación entre la combinación lineal y el potencial de activación V k es:

La función de activación (φ (Vk)) define la salida de una neurona en términos del

Figura 20. Grafico de función sigmoide (tomado de McCaffrey, 2012).

Donde α es el parámetro pendiente de la función sigmoidea. La pendiente en el origen

De acuerdo con la naturaleza de las señales de entrada y de salida, es decir el tipo de

a) Las redes continuas (analógicas) procesan datos de entrada de naturaleza

De acuerdo a su topología una red neuronal es la forma en que se organizan y

Se denomina capa o nivel a un conjunto de neuronas cuyas entradas provienen de la

3.3.3 Tipos de aprendizaje

Un aspecto importante respecto al aprendizaje de las redes neuronales es el conocer