Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD SIMÓN BOLÍVAR
INGENIERÍA GEOFÍSICA
DISEÑO E IMPLEMENTACION DE UN
ALGORITMO CON BASE FRACTAL
PARA REALIZAR ANALISIS DE RANGO
RE‐ESCALADO EN REGISTROS DE POZO
Por:
Gustavo H. Argüello V.
Tutor:
Prof. Milagrosa Aldana
Proyecto de Grado
Presentado ante la Ilustre Universidad Simón Bolívar
Como requisito Parcial para optar al Título de
Ingeniero Geofísico
Sartenejas, Marzo de 2005
Universidad Simón Bolívar 1
Este trabajo ha sido aprobado en nombre de la Universidad Simón Bolívar
por el siguiente jurado calificador:
_____________________________________
Prof. Milagrosa Aldana
_____________________________________
Prof. Mario Caicedo
_____________________________________
Prof. Carlos Izarra
Universidad Simón Bolívar 2
DISEÑO E IMPLEMENTACION DE UN ALGORITMO CON BASE
FRACTAL PARA REALIZAR ANALISIS DE RANGO RE‐RESCALADO
EN REGISTROS DE POZO
POR
Gustavo H. Argüello V.
RESUMEN
El siguiente trabajo se basa en la realización e implementación de un código
en MatLab® con el cual se ejecuta un análisis de rango re‐escalado de base fractal de
series de tiempo, el cual es aplicado a registros de pozos de la Cuenca Oriental de
Venezuela, específicamente en la Formación Oficina. El enfoque se basa en generar
un código computarizado que, de manera automática determine cuáles registros
presentan un comportamiento fractal y cuáles no. Los registros que tengan un
desempeño fractal presentan una curva en particular, donde cierta zona de la
misma, tiende a la linealidad; esto permite que se pueda realizar un ajuste lineal
(sólo a esa parte de la curva) y así poder obtener la ecuación que rige esa recta. Con
la obtención de ésta ecuación se puede saber la pendiente de la recta, que no es más,
que el coeficiente de Hurst del comportamiento fractal del registro de pozo. En
principio la constante de Hurst está asociada a ambientes de depositación distintos.
Se pretendía verificar si en la zona de estudio se cumplía este comportamiento,
comparando con la litología y estratigrafía de la zona. Los resultados indican que
los únicos registros de pozo que siempre presentan un comportamiento fractal son
los de resistividad, sin embargo, la cantidad de datos que se manejan dentro del
registro es un factor importante, a mayor cantidad de datos el comportamiento
fractal se observa de manera más clara y el ajuste lineal es más exacto. En cuanto a
los ambientes sedimentarios depositacionales y su coeficiente de Hurst se encontró
que los marinos costeros arrojan un valor entre 0.8998 y 0.9320, los transicionales
marinos costeros, deltaicos y estuarinos tienen un valor entre 0.7810 y 0.7950 y los
ambientes marinos profundos tienen valores alrededor de 0.8767. En definitiva, el
análisis de rango re‐escalado de series de tiempo aplicado a registro de resistividad
en datos de pozo, es una buena opción para determinar ambientes de depositación
que contengan litologías de arenas limpias y arenas limpias con intercalaciones de
lutitas.
Universidad Simón Bolívar 3
Agradecimientos
A Luisa por llevarme a rastras, esa mañana de Agosto a la
universidad.
A Gladys por haberme ayudado a lo largo de todos estos años en mi
carrera, por haber creído y confiado en mí, y por enseñarme que la vida está
llena de vueltas y que uno es una simple marioneta del destino que lo
acompaña.
Al Sr. Lisandro y la Sra. Betty, por recibirme en su casa como a otro
hijo.
A la familia Peralto, por abrirme las puertas de su casa, por su respeto
y su cariño; en especial a mamá Noemi por enseñarme que existe la
permisividad en la coexistencia de las conductas del ser humano y que no
estamos aquí para entenderlas, sino para aprender a vivir con ellas.
A mi tutora la profesora Milagrosa Aldana, por enseñarme la puerta
del camino, que uno solo debe recorrer.
Universidad Simón Bolívar 4
Dedicatoria
Este trabajo se lo dedico a esas personas que son parte de mi equipo de
vida, que son parte del yo constante en mi tiempo y en sus espacios, que son
parte del universo de eventos que me rodean a diario y que juntos me han
enseñado el significado de la familia.
A mi madre Betsabé, por haberme dado la vida y seguir haciéndolo,
por enseñarme dedicación, constancia y esfuerzo. Porque sólo con una
mirada tienes el maravilloso poder de desaparecer la oscuridad, los
momentos difíciles, los obstáculos y las tristezas que la vida a veces nos
impone; y todavía te queda espacio para decirme cuanto me quieres.
A mi padre Gustavo, porque me has enseñado que la vida no es un
juego, que las cosas se ganan por mérito propio, que se ha de aprender de los
errores cometidos, levantarse y seguir adelante construyendo con viejas
herramientas; que los amigos no se encuentran a la vuelta de la esquina y que
el mejor de mis amigos eres tu.
A mis hermanos Maghela y Gabriel, porque siempre me han enseñado
que el ser niño se lleva por dentro, que siempre vamos a tener nuestros
espacios y tiempos para compartir la vida entre hermanos, y juntos ganarnos
el mundo de la manera que queramos.
A mi tía Gipsy, porque has sido tu la que has ido acompasando los
pasos que he ido dando, has sido tu la que me has ayudado ha realizar mis
sueños y a aprender a tener confianza en mi; pero lo más importante es que
me has hecho vivir la increíble e inolvidable experiencia de tener otra madre
y otra amiga.
A mi tío Manuel, por enseñarme que la paciencia y la ecuanimidad de
un padre son valores fundamentales del ser sabio. Por saber expresarme,
que la comprensión de los problemas son el paso previo para la resolución de
los mismos.
Universidad Simón Bolívar 5
A mi prima Luisa, por enseñarme el valor de caer y volver a
levantarse, sin importar lo que diga nadie. Porque desde el comienzo me
trajiste aquí, creíste en mí y abriste la puerta de una nueva etapa en mi vida.
A mi prima Adriana, por el cariño, el amor y el consentimiento de una
hermana, y por la comprensión de una confidente.
A mi primo Memo, porque en ti encontré el valor de un hermano
mayor, porque con palabras claras y frases sencillas, me has sabido guiar
como amigo a lo largo de las etapas de mi vida. Porque así la sangre no lo
diga, somos y seguiremos siendo hermanos...
A ti Loren, por enseñarme que el amor es una ventana a un mundo
infinito repleto de dádivas, donde no se pregunta por qué, cuándo, ni cómo,
sólo se siente y se hace sentir.
Y a ti Dios, por darme el inmeso placer de vivir y la sabiduría de que
cada día se puede hacer algo mejor que el anterior, para tratar de que nos
recuerden por lo que hicimos y no por lo que fuimos.
Universidad Simón Bolívar 6
Ningún hombre puede revelar nada
que no sea aquello que está ya medio dormido
en el amanecer del conocimiento.
Kahlhil Gibran
Gambatte Kudasai !
Universidad Simón Bolívar 7
Índice General
Resumen I
Introducción 1
Capítulo I.
Registros de Pozo 3
Registro de Temperatura 5
Registro Cáliper 7
Registro de Rayos Gamma 9
Registro de Potencial Espontáneo 12
Registro Gamma‐Gamma o de Densidad Compensada 15
Registro de Factor Fotoeléctrico (PEF) o Registro de Lito‐Densidad 17
Registro de Neutrones 19
Registro Sónico 21
Registro de Resistividad y Conductividad Eléctrica 23
Capítulo II.
Geometría Fractal 29
Geometría Euclidiana y de Fractales 30
Fractales 31
Dimensión Fractal 32
Definición Matemática de la Dimensión Fractal 33
Fractales en Registros de Pozo 34
Movimiento Browniano 38
Movimiento Fraccional Browniano 41
Movimiento Fraccional Gaussiano 45
Series de Tiempo 46
Fractal Autoafín 49
Universidad Simón Bolívar 8
Distribuciones Fractales 50
Análisis de Rango Re‐escalado Aplicado a una Serie de Tiempo 52
Análisis de Datos de Campo 53
Reservorios de Areniscas 54
Capítulo III.
Marco Geológico Regional 55
Rocas Sedimentarias Detríticas 55
Conglomerado 55
Arenisca 56
Lodolita y Lutita 57
Ambientes Sedimentarios 58
Ambientes Marinos Costeros 60
Ambientes Deltaicos 61
Llanura Deltaica 62
Barras de desembocadura 64
Lomas Playeras 64
Islas del Margen Deltaico 64
Frente Deltaico y Prodelta 66
Formación Oficina 68
Capítulo IV.
Metodología 71
Desarrollo de los Códigos 72
Análisis Previo de Datos de Registros de Pozo 72
Optimación de los Códigos 72
Códigos Finales 73
Creación y Diseño del Algoritmo 73
Lectura de los Datos 74
Elección del Intervalo de Estudio 76
Despliegue Gráfico del Registro de Pozo 77
Análisis de Rango Re‐escalado del Registro Elegido 78
Universidad Simón Bolívar 9
Aproximación Lineal y Cálculo del Coeficiente de Hurst 80
Capítulo V.
Análisis de Resultados 87
Pozo 001 87
Pozo 002 93
Pozo 003 95
Pozo 004 97
Pozo 005 99
Pozo 006 101
Pozo 007 104
Pozo 008 106
Pozo 009 111
Pozo 010 114
Distribución Espacial de los Pozos y Estratigrafía 119
Comportamiento Fractal de los Pozos 121
Capítulo VI.
Conclusiones 128
Bibliografía 130
Apéndices
Apéndice A
Programa principal A3RP 132
Apéndice B
Subprograma lectlasfilex 158
Apéndice C
Subprograma Divcicle 160
Apéndice D
Subprograma Ansanarep 168
Universidad Simón Bolívar 10
Índice Secundario
Índice de Ilustraciones
Cálipers de cuatro brazos y su efecto en el registro 8
Conversión de un rayo gamma en un fotoelectrón 10
Esquema del efecto Compton 16
Conductor eléctrico 24
Diagrama de conductividad y resistividad para distintos tipos de rocas 25
Diagrama del cálculo de volumen de hidrocarburo extraíble 28
Esquema para la comparación entre dimensión euclidiana y fractal 32
Conglomerado 56
Arenisca 57
Lutita 58
Distintos tipos de ambientes sedimentarios marinos costeros 59
Formación del delta 61
Llanura deltaica 63
Barras de desembocadura 65
Distintos tipos de delta 67
Ubicación geográfica de la Formación Oficina 69
Carga de datos 75
Elección del rango de datos 76
Opción de ajuste básico en la barra de menú 81
Opciones para realizar ajuste lineal 82
Visualización de los datos que generan la gráfica de interés 83
Introducción de los pares de datos de interés 84
Diagrama de flujo del funcionamiento del programa A3RP 86
Ubicación espacial de los pozos 119
Coeficientes de Hurst 174
Universidad Simón Bolívar 11
Índice de Ecuaciones
Gradiente de temperatura 5
Cantidad de calor 5
Desintegración radioactiva 9
Índice de rayos gamma 12
Cálculo de la resistividad del agua de formación 13
Temperatura de formación 14
Resistividad del lodo de formación 14
Volumen de arcilla 14
Relación entre porosidad de la formación y su densidad 16
Índice de absorción fotoeléctrica 18
Densidad electrónica 18
Lentitud 21
Velocidad de onda p 21
Velocidad de onda s 22
Relación de Poisson 22
Intensidad de corriente 23
Densidad de corriente eléctrica 24
Ley de Ohm 24
Factor de formación 25
Ley de Archie 26
Resistividad de una roca saturada 27
Resistividad del hidrocarburo movible 27
Saturación de la zona no invadida 27
Volumen de hidrocarburo extraíble 28
Relación fractal conjunto discreto 31
Relación fractal conjunto continuo 32
Definición matemática de la dimensión fractal 33
Fenómeno de difusión por distribución Gaussiana 39
Varianza del fenómeno de difusión 39
Estructura de covarianza del mfB 41
Secuencia de autocorrelación 41
Propiedad de escalamiento del mfB 43
Función de covarianza rfG 46
Universidad Simón Bolívar 12
Persistencia de la componente estocástica del rfG 47
Semivarianza 48
Serie de tiempo Browniana 48
Varianza del movimiento Browniano 48
Desviación estándar del movimiento Browniano 48
Varianza de un fractal autoafín 49
Semivariograma de un fractal autoafín 49
Coeficiente de Hurst 59
Relación entre la varianza y el coeficiente de Hurst 51
Rango 52
Índice de Tablas
Valores típicos de velocidades en rocas 22
Valores del exponente de cementación 26
Clasificación del mfB según el valor del coeficiente de Hurst 43
Clasificación del rfG según el valor del coeficiente de Hurst 46
Resumen de ambientes depositacionales 120
Resumen de los resultados obtenidos para el ajuste lineal aplicado 122
Ambientes depositacionales clasificados por coeficientes de Hurst 127
Índice de Gráficas
Tiempo de perforación vs profundidad de perforación 5
Registro de temperatura 6
Registro cáliper 7
Registro de rayos gamma y rayos gamma espectral 12
Registro de potencial espontáneo 15
Registro gamma‐gamma 17
Registro de lito‐densidad 19
Registro de neutrones 20
Efecto del gas en el registro de neutrones 21
Registro sónico 23
Universidad Simón Bolívar 13
Registro de resistividad 27
Dimensión fractal 36
Movimiento Browniano 40
Movimiento fraccional Browniano 44
Ajuste Lineal de Log10 (Rn/De) vs Log10 (N/2) 53
Despliegue del registro de pozo 78
Varianza vs N/2 muestras 79
Puntos que conforman la parte lineal de la curva a estudiar 84
Ajuste lineal y ecuación de la recta del intervalo de interés 85
Registro Pozo 001 88
Registro de resistividad Pozo 001 y su ajuste lineal 89
Registro de resistividad inducida prof. Pozo 001 y su ajuste lineal 90 y 91
Registro de resistividad inducida media Pozo 001 y su ajuste lineal 92
Registro Pozo 002 94
Registro Pozo 003 95
Registro de resistividad AT90 Pozo 003 y su ajuste lineal 96 y 97
Registro Pozo 004 98
Registro Pozo 005 100
Registro de rayos gamma Pozo 005 y su ajuste lineal 100 y 101
Registro Pozo 006 102
Registro sónico Pozo 006 y su ajuste lineal 102 y 103
Registro Pozo 007 104
Registro de resistividad inducida media Pozo 007 y su ajuste lineal 105
Registro Pozo 008 106
Registro de resistividad AT30 Pozo 008 y su ajuste lineal 107
Registro de resistividad AT90 Pozo 008 y su ajuste lineal 108 y 109
Registro de porosidad de neutrones Pozo 008 y su ajuste lineal 109 y 110
Registro de resistividad Pozo 008 y su ajuste lineal 110 y 111
Registro Pozo 009 112
Registro de rayos gamma Pozo 009 y su ajuste lineal 113
Registro Pozo 010 115
Registro de resistividad inducida profunda Pozo 010 y su ajuste lineal 116
Registro de resistividad inducida media Pozo 010 y su ajuste lineal 117
Universidad Simón Bolívar 14
Introducción
El mejoramiento en el proceso de caracterización de reservorios puede
arrojar beneficios hacia el modelado y desarrollo de los mismos. De
cualquier modo, usualmente no es posible describir por completo la
variabilidad en pequeña escala de los yacimientos. El estudio de núcleos y
los datos de pozos proveen mediciones en detalle pero de cierta área en
específico. La sísmica y otras técnicas geofísicas pueden proveer información
a gran escala pero con problemas de resolución. El modelado estocástico es
una manera de incorporar heterogeneidades de la zona en estudio, las cuales
reservorios. Este tipo de modelado incorpora una variedad de técnicas
específicas que ayudan a crear y a verificar la existencia de un reservorio. La
recolección e interpretación de los datos usados para realizar éste análisis es,
normalmente, una labor intensa y requiere un gran nivel de destreza. Estas
aproximaciones, si son usadas correctamente, nos pueden proveer de buenas
representaciones de los reservorios.
realizar un modelado. Una de ellas es el análisis de rango re‐escalado de las
series de tiempo aplicado a los registros de pozo.
Para un desempeño más exitoso de la predicción a realizar, los
modelos de los reservorios deben representar las heterogeneidades reales
Universidad Simón Bolívar 15
del mismo. Los datos de pozo son usados en éste estudio como mediciones
de las propiedades del reservorio, debido a que ellos proveen una escala más
pequeña de los datos de interés. Este estudio nos permitirá ver el
comportamiento fractal de los diferentes registros de cada pozo y así poder
Cuando un registro presenta tendencias fractales, se le realiza un ajuste lineal
a parte de la curva que desarrolla, o a toda la curva en cuestión. Este
análisis lineal nos permite encontrar una ecuación que represente ésta recta y
así obtener la pendiente de la misma, la cual nos proporciona el coeficiente de
Hurst.
pendientes de rectas para comportamiento fractales en registros de pozos,
que nos permitan establecer comparaciones entre los coeficientes de Hurst
hallados (pendientes de las rectas) y sus ambientes de depositación.
El encontrar cierta relación entre los coeficientes de Hurst y los
ambientes depositacionales nos puede ayudar a clasificar sólo con un estudio
de base fractal, el ambiente en el cual se depositó cierto estrato o cierto
conjunto de ellos.
El trabajo expuesto a continuación consta de la generación de un
algoritmo de base fractal que realiza un análisis de rango re‐escalado a cada
uno de los registros de pozos, verificando su comportamiento y estableciendo
relaciones con los ambientes en los cuales fueron depositados los estratos.
Universidad Simón Bolívar 16
CAPÍTULO I
Registros de Pozo
Los registros de pozos se llevan a cabo para poder tener una mejor
visión de las estructuras geológicas que nos interesan, como acumulaciones
subsuelo puede efectuarse a través de la sísmica de reflexión, del estudio de
los ripios (residuo de la perforación), el estudio de núcleos y a través de
registros de pozo. Los registros de pozo pueden realizarse de tres maneras
básicas:
a) Perfilaje a hueco abierto (Open Hole Logs).
b) Perfilaje a hueco entubado (Case Hole Logs).
c) Perfilaje durante la perforación (Log While Drilling).
En general la velocidad de perfilaje varía entre los 1000 ft/h y los 6000
ft/h, tienen una rata de muestreo normal de una vez cada 6 pulgadas y una
especial de una vez cada 0.1 pulgadas; la transmisión de los datos que se van
adquiriendo varía entre los 0.05 Kbits/seg a 200 Kbits/seg.
Para tener un mejor manejo del factor tiempo, se pueden realizar
depende de la cantidad de dinero de la que se disponga.
Universidad Simón Bolívar 17
Los registros de pozo son grabados en pistas (“tracks”), las cuales
pueden ser lineales, logarítmicas o híbridas, que no es más que una mezcla de
las dos anteriores.
La figura I.1 muestra una gráfica Tiempo de Perforación vs
Profundidad de Perforación, en la cual se muestran los distintos diámetros
del pozo antes y después de ser entubado, así como las distintas herramientas
que se corren en cada intervalo de perforación.
Es importante aclarar que ha medida que la curva tenga más pendiente
es mejor, ya que los días de perforación y de uso de maquinaría e
instrumentos disminuye, aminorando así los costos de la perforación, de la
exploración y del perfilaje.
Los registros de pozo constan de un header o encabezado, donde
residen los datos de la perforación como la fecha, el nombre de la compañía,
país, nombre del campo, tipo de lodo usado en la perforación, temperatura en
superficie, coordenadas UTM, latitud, altitud, longitud, etc; y los datos del
registro en sí.
El proceso de perfilaje empieza cuando la herramienta se coloca en el
pozo, los datos son transmitidos digitalmente a través del cable de
transmisión que pasa por un polea mecánica y son presentados en una
computadora que se encuentra en superficie.
A continuación describiremos algunos registros de pozo más usados.
Universidad Simón Bolívar 18
Fig. I.1. Gráfica Tiempo de Perforación vs Profundidad de Perforación.
I.1. Registro de Temperatura
Es una medida espontánea la cual responde a un gradiente geotérmico,
que viene dado por:
Gtemp = (Tformación – Tmedia superf ) / Profundidad (Ec. I.1)
ésta es una fórmula válida para un medio isotrópico y homogéneo bajo un
flujo de calor constante.
La cantidad de calor Q viene expresada por:
∆Q / ∆T = ‐KA (∆T/∆X) = ‐KAGtemp (Ec. I.2)
El gradiente de temperatura depende de las rocas y del flujo de calor, y
Universidad Simón Bolívar 19
su gráfica es básicamente como se muestra en la figura I.2.
Al aumentar la conductividad de las rocas existe un mayor flujo de
calor, por lo tanto el gradiente de temperatura disminuye, acercándose la
curva a la horizontal; por el contrario si existen mayor cantidad de
componentes arcillosos el gradiente aumenta.
Fig. I.2. Registro de Temperatura.
Es importante saber que el registro de temperatura no se usa para
clasificar litología.
temperatura mientras se perfora; se usan dos termómetros termocupla, uno
de ellos en el fondo del pozo y otro con la maquinaria, luego los resultados se
restan y ésto produce la diferencia de temperatura en un punto.
Universidad Simón Bolívar 20
I.2. Registro Caliper
Éste registro es una medida mecánica que proporciona el diámetro del
pozo. Es muy común encontrarse con el término Bit Size o tamaño de la
broca de perforación, esto nos indica cuál y cuánto es la diferencia entre la
que el registro de temperatura, no sirve para discriminar litologías; por el
contrario es muy usado para verificar anomalías en otros registros (por
ejemplo, el registro sónico, que será explicado más adelante). Como ejemplo
se puede apreciar el registro caliper en la figura I.3.
Fig. I.3. Registro Caliper en comparación con la abertura del pozo.
Existen factores que alteran los registros de caliper, como por ejemplo
el efecto de adelgazamiento (“Sloughing”), el cual son zonas anómalas de
presión que hacen que el material fluya plásticamente hacia el hoyo
perforado; esto ocurre por diferencias de presión.
Universidad Simón Bolívar 21
Existen varios tipos de calipers, entre ellos tenemos el de cuatro
brazos, el cual tiene una componente azimutal y mide en dos direcciones,
como se puede observar en la figura I.4.
a)
Caliper en la medida del Bit Size.
b)
Desgaste de la pared por fricción del
cable, cuando el pozo cambia de
inclinación.
c)
Desgaste de la pared por efecto del
taladro en lutitas y estratos
inclinados.
d)
Efecto de los esfuerzos in situ.
Planos de debilidad.
Fig. I.4. Calipers de cuatro brazos
y su efecto en el registro.
Otro factor es la hidratación de esmectitas. La absorción de agua en
el espacio interlaminar de las esmectitas da lugar al hinchamiento y a la
separación de las capas.
catión‐lámina y la energía de hidratación del catión. A medida que se
Universidad Simón Bolívar 22
intercalan capas de agua y la separación entre láminas aumenta, las fuerzas
completamente unas láminas de otras.
I.3. Registro de Rayos Gamma
electromagnética de muy alta energía y que tiene un alto poder de
penetración. La emisión de partículas radioactivas se basa en el decaimiento
radioactivo. Existen tres formas naturales en que el núcleo decaiga:
a) Emisión de una partícula alfa (4He2).
238 U92 234Th90 + 4He2
b) Emisión de una partícula beta (± e).
C6 14N6 + e‐
14
c) Emisión de una partícula gamma.
La desintegración radioactiva viene dada por:
R = Roe‐λt (Ec. I.3)
donde R es el número de núcleos que decaen en la unidad de tiempo, Ro es el
número de núcleos existentes para t=0 y λ es una constante de desintegración.
La detección del rayo gamma se produce como se muestra en la fig. I.5.
Universidad Simón Bolívar 23
Fig. I.5. Conversión de un rayo gamma en un fotoelectrón.
Luego el fotoelectrón pasa por un contador de centelleo el cual
contiene un fotomultiplicador. Las unidades físicas son los Curie; 1 Curie =
3.7 x 1010 desintegraciones por segundo de un gramo de radio en equilibrio
(API por sus siglas en inglés), son las siguientes: 1 API = 1/200 de la respuesta
generada por una norma calibrada, que viene de una formación artificial que
contiene cantidades precisas de Uranio (U), Torio (Th) y Potasio (K). La
respuesta radioactiva de ésta formación es de 200 API y equivale a dos veces
elementos es: 6 ppm de Uranio, 12 ppm de Torio y 2% de Potasio. Una lutita
radioactivos son absorbidos por sedimentos de grano fino como las arcillas.
Existe otro tipo de registro de rayo gamma, éste es el registro de rayo
gamma espectral, los dos pueden ser apreciados en la figura I.6. Cada
cristal de centelleo reacciona para distintos tipos de energía, por ejemplo:
Universidad Simón Bolívar 24
a) Potasio (K) = 1.46 MeV
b) Uranio (U) = 1.76 MeV
c) Torio (Th) = 2.62 MeV
veamos:
a) Uranio (U):
1) Se adhiere a las arcillas.
2) Se encuentra en materia orgánica.
3) Es soluble en agua (se puede ionizar y confundir la
lectura).
b) Potasio (K):
1) Forma parte de la estructura de silicatos arcillosos.
2) No está presente en todos los tipos de arcilla.
3) Se puede usar para identificar feldespatos.
c) Torio (Th):
1) Forma parte de la red cristalina de las arcillas.
2) No es soluble, permanece en las arcillas.
3) Es el que identifica las lutitas.
Universidad Simón Bolívar 25
Fig. I.6. Registro de rayos gamma y de rayos gamma espectral.
Dentro del registro de rayo gamma tenemos una línea base y una línea
tope, las mismas son el punto más bajo y el punto más alto dentro del registro
respectivamente; a partir de éstas líneas se calcula el índice de rayo gamma,
el cual viene expresado de la siguiente manera:
IGR = (GR – GRSN) / (GRSH – GRSN) (Ec. I.4)
donde GR es la lectura puntual de la herramienta, GRSN es la línea de las
arenas y GRSH es la línea de las lutitas.
I.4. Registro de Potencial Espontáneo
Es una medida espontánea de la diferencia de potencial natural que
existe entre un electrodo en el pozo y un electrodo de referencia en la
superficie. Este potencial es creado por la formación con ayuda del lodo de
Universidad Simón Bolívar 26
perforación y no se necesita aplicar ningún voltaje externo.
Los usos principales de ésta herramienta son:
a) Calcular la resistividad del agua de formación.
b) Es un indicador de permeabilidad y por ello discrimina litología.
c) Cálculo del volumen de arcilla (VSH).
provocar una corriente de potencial espontáneo (SP):
a) Fluido conductor dentro del pozo.
b) Capa porosa y permeable rodeada por una formación impermeable.
c) Una diferencia de salinidad entre el fluido del pozo y el fluido de
formación, ejemplo: el lodo filtrante y el agua de formación.
Dentro de los procesos que crean corriente de potencial espontáneo
(SP) son:
a) Difusión. Es el movimiento de un gas, líquido o sólido, como
resultado del movimiento aleatorio térmico de sus partículas (átomos o
moléculas).
b) Potencial lutítico.
El cálculo de la resistividad del agua de formación viene dada por la
expresión:
SSP = ‐ [ 0.133T 60.5 ] Lg (Rmf(e) / Rw(e)) (Ec. I.5)
donde SSP es el valor SP estático (con su signo), Rmf(e) es la resistividad
Universidad Simón Bolívar 27
equivalente del lodo de perforación, su valor es aproximadamente 0.85, Rw(e)
es la resistividad equivalente del agua de formación y T es la temperatura de
la formación.
La temperatura de la formación se calcula por interpolación de los
valores de temperatura en la superficie y en el fondo del pozo a través de:
T = TS + (TFP – TS) (h/H) (Ec. I.6)
donde TS es la temperatura de la superficie (en ˚F), TFP es la temperatura del
fondo del pozo (en ˚F), h es la profundidad a la que se encuentra la formación
(en pies), y H es la profundidad del fondo del pozo (en pies).
La resistividad del lodo en la formación viene dada por:
Rmf(h) = Rmf(m) (Tm – 7) / (T + 7) (Ec. I.7)
donde Rmf(m) es la resistividad del lodo de perforación antes de ser inyectado
y Tm es la temperatura a la que se midió Rmf(m) (en ˚F).
Otro valor importante de calcular es el volumen de arcilla:
Vshale = (SSP – SP) / SSP (Ec. I.8)
donde SP es la línea base del resistro SP.
Es importante aclarar que el volumen de arcilla debe estar entre 0 y 1.
El registro de potencial espontáneo se muestra en la siguiente fig. I.7.
Universidad Simón Bolívar 28
Fig. I.7. Registro de potencial espontáneo.
I.5. Registro Gamma‐Gamma o de Densidad Compensada
Su función se basa en la interacción de un rayo gamma y un electrón
por medio del llamado efecto Compton, descrito en la figura I.8.
La energía del rayo gamma dispersado es menor que la energía del
mayor será la energía perdida, hasta que es absorbido por un electrón a
través del efecto fotoeléctrico.
Universidad Simón Bolívar 29
Fig. I.8. Esquema del efecto Compton.
Ya que el número de electrones en la materia es proporcional al
número de átomos, éste también será proporcional a la densidad, es decir, a
mayor densidad debe haber mayor dispersión. Entonces la penetración del
rayo gamma será menor al aumentar la densidad
del medio.
geometría de la adquisición.
La relación entre la porosidad de la formación y la densidad viene
dada por la expresión:
φ = ( ρm ‐ ρb ) / (ρm ‐ ρf) (Ec. I.9)
donde ρb es la densidad neta de la formación, ρm es la densidad del grano o
matriz rocosa y ρf es la densidad del fluido.
Universidad Simón Bolívar 30
Fig. I.9. Registro Gamma Gamma.
El efecto del gas es un factor importante dentro de éste registro. Como
la densidad del gas es muy pequeña (aproximadamente 7x10‐4 gr/cc), esto
hace que la porosidad en el registro aumente notablemente.
I.6. Registro de Factor Fotoeléctrico (PEF) o Registro de Lito‐Densidad
Este registro es usado para producir información sobre los tipos de
átomos presentes en una formación, por medio de la determinación de un
parámetro físico conocido como factor de absorción fototeléctrico Pe. Esta
herramienta no discrimina litología, pero conociendo los tipos de átomos de
la formación se puede inferir el tipo de litología presente.
Universidad Simón Bolívar 31
Esta herramienta de densidad sólo detecta rayos gamma de alta
energía; los rayos gamma de baja energía son absorbidos por efecto
fotoeléctrico. La absorción fotoeléctrica es proporcional al número atómico Z
por un material por centímetro cuadrado y por segundo, esta relación se
escribe de la siguiente manera:
U = Pe x ρe (Ec. I.10)
donde ρe es la densidad electrónica que viene dada por:
ρe = ( ρb + 0.1883 ) / 1.0704 (Ec. I.11)
sustituyendo la ecuación I.13 en la ecuación I.12, tenemos:
Pe = (1.0704 x U) / ρb + 0.1883 (Ec. I.12)
Fórmula que también puede expresarse de la siguiente forma:
Pe = (Z / 10)3.6 (Ec. I.13)
Como ejemplo de éste registro tenemos la figura I.10.
Universidad Simón Bolívar 32
Fig. I.10. Registro de Lito‐densidad
I.7. Registro de Neutrones
porosidad de una formación por medio de la determinación de la cantidad de
del agua residual o de los hidrocarburos (gas o petróleo) almacenados en los
espacios porosos.
La pérdida de energía de los neutrones dependerá de la concentración
hidrógeno en las rocas, mayor es la pérdida de energía de los neutrones.
Universidad Simón Bolívar 33
Fig. I.11. Registro de Neutrones.
Los neutrones disminuyen su energía hasta alcanzar la fase térmica
produce por medio de un contador de centelleo.
El detector de neutrones termales por excelencia es el boro, el cual al
absorber un neutrón termal produce la siguiente reacción:
10B + 1n 7Li + 4He (Ec. I.14)
La fuente de neutrones que se usa es el Berilio que al ser bombardeado
por partículas alfa produce la siguiente reacción:
9 Be4 + 4He2 12C6 + n (Ec. I.15)
Universidad Simón Bolívar 34
Fig. I.12. Efecto del gas en el registro de neutrones.
I.8. Registro Sónico
Este registro es una medida inducida que proporciona la velocidad de
propagación de onda a lo largo de las rocas que se encuentran rodeando la
perforación.
Encontramos la lentitud de la onda como el inverso de la velocidad:
τ = 1 / V (Ec. I.16)
es primaria (onda P), la ecuación es la siguiente:
Vp2 = (K + 4/3µ) / ρ = E (1 ‐ ν) / ρ (1 + ν)(1‐2 ν) (Ec. I.17)
Si la onda es secundaria (onda S), tenemos la siguiente expresión:
Universidad Simón Bolívar 35
Vs2 = µ / ρ = E / 2ρ (1+ ν) (Ec. I.18)
en las ecuaciones anteriores ρ es la resistividad del medio, K es el módulo de
volumen, µ es el módulo de cizalla o de rigidez, ν es el módulo de Poisson y E
es el módulo de Young.
Otra ecuación importante es la relación de Poisson, que viene dada
por:
ν = [(Vp / Vs)2 – 2] / [2(Vp / Vs)2 – 1] (Ec. I.19)
Existen ciertos valores típicos de velocidades en rocas, los cuales se
pueden apreciar en la siguiente tabla:
Tabla I.1. Valores típicos de velocidades en rocas.
Un factor importante dentro de éste registro es la porosidad; en la
medida en la que ésta disminuye, la velocidad aumenta y viceversa.
Se puede apreciar en la figura I.13 un registro sónico con los
principales cambios dependiendo de la litología. Es importante aclarar que en
los registros de éste tipo se coloca la lentitud de la onda y no su velocidad.
El efecto del gas en el yacimiento hace que la velocidad disminuya
notablemente.
Universidad Simón Bolívar 36
Fig. I.13. Registro sónico.
También se tienen efectos de compactación, esto se puede visualizar ya
es la sobrepresión, el cual se puede apreciar cuando se halla un
decrecimiento repentino en la línea normal de compactación.
I.9. Registro de Resistividad y Conductividad Eléctrica
La resistividad eléctrica es una medida inducida, la cual se basa en la
intensidad de corriente eléctrica, que se mide en Amperes y viene dada por:
I = q / t (Ec. I.20)
donde q es la carga eléctrica que atraviesa el conductor y t es el tiempo que
tarda en atravesarlo.
Universidad Simón Bolívar 37
Fig. I.14. Conductor eléctrico.
La densidad de corriente se mide en Joules y su expresión es:
J = I / A (Ec. I.21)
donde A es la unidad de área atravesada.
El campo eléctrico y la densidad de corriente están relacionadas por la
Ley de Ohm:
J = σ E (Ec. I.22)
J = (1/ρ) E (Ec. I.23)
donde σ y ρ son propiedades intrínsecas de la materia y se miden en
Siemens/m y en Ω/m respectivamente.
En la figura I.15 se puede observar un diagrama que indica la
conductividad y resistividad para distintos tipos de rocas.
Las rocas pueden considerarse aisladores, por lo que su resistividad
(ρr) es alta comparada con la resistividad del agua salada (ρw),
ρr / ρw ≈ 1010 (Ec. I.24)
Universidad Simón Bolívar 38
Fig. I.15. Diagrama de conductividad y resistividad para distintos tipos de rocas.
Si a una roca se le agrega agua salada, la resistividad neta (ρo)
disminuirá, ya que el agua actuará como conductor de la electricidad. La
resistividad neta viene dada por:
ρo = F ρw (Ec. I.25)
donde F se denomina factor de formación y depende de la microestructura de la
roca (porosidad, grado de interconexión), ρo es la resistividad neta de la roca
y ρw es la resistividad del agua en la formación.
Como es de esperar de la ecuación anterior, cuando la porosidad de la
roca tiende a uno, el factor de formación tiende a uno, fijando el límite
inferior para su valor. Además, la conductividad efectiva tiende a la
conductividad del agua. Ahora bien, cuando la porosidad tiende a cero, el
Universidad Simón Bolívar 39
factor de formación tiende a σw/σs ≅ 1010 que marcaría el límite superior
para su valor. La conductividad efectiva de la roca debe entonces tender al
valor de la conductividad de la roca seca.
Luego se tiene la Ley de Archie la cual relaciona el factor de formación
y la porosidad:
F = a φ‐m (Ec. I.26)
donde a es una constante que en las arenas es 0.81 y en la calizas es 1; m es el
exponente de cementación, el cual varía según el grado de consolidación de la
roca.
Tabla I.2. Valores del exponente de cementación.
Si una roca saturada con agua es invadida por otro fluido como los
hidrocarburos, su resistividad aumentará debido a la mala conductividad del
petróleo o gas.
Sw2 = ρ0 / ρt (Ec. I.27)
donde ρt es la resistividad neta al agregar el hidrocarburo y Sw es la
saturación del agua en tanto por uno.
Conociendo las ecuaciones I.25 y I.26, se puede escribir:
Universidad Simón Bolívar 40
Sw2 = (a ρw φ‐m) / ρt (Ec. I.28)
Ésta es la ecuación básica para la interpretación de registros y se
conoce como la relación de Archie.
Fig. I.16. Registro de Resistividad. Se puede apreciar la respuesta para cada litología.
Una de las relaciones importantes que se extrae del registro de
resitividad es el hidrocarburo movible, esto se hace a través de las siguientes
ecuaciones:
Sw2 = 1 = (a/φ2) (ρw/ρt) (Ec. I.29)
la cual representa la saturación de la zona virgen o zona no invadida. La
siguiente relación:
Sxo2 = 1 = (a/φ2) (ρmf/ρxo) (Ec. I.30)
representa la saturación de la zona lavada, donde Rmf es la resistividad del
lodo de perforación y Rxo es la medida del registro esférico microenfocado, el
Universidad Simón Bolívar 41
cual es un perfil elésctrico del pozo se discutirá más adelante.
Luego se tiene la saturación del hidrocarburo movible, que no es más
que la diferencia entre la saturación de la zona lavada y la saturación de la
zona virgen, es decir:
Sxo ‐ Sw
y finalmente se calcula el volumen de hidrocarburo extraíble:
Vo = (1 – Sw) φ h A (Ec. I.31)
donde h es la altura del yacimiento y A su área, como se muestra en la figura
I.18.
re
h
re
Fig. I.17. Diagrama del cálculo del volumen de hidrocarburo extraíble.
Universidad Simón Bolívar 42
CAPÍTULO II
Geometría Fractal
entendidos como el resultado de la acción de cierto número de subsistemas
no lineales ha sido uno de los resultados más interesantes de los últimos años
de la teoría no lineal o, comúnmente llamada, teoría del caos (Yankilevich P.,
2002).
áreas, está adoptando los conceptos de una nueva geometría, la geometría de
fractales, como alternativa en la resolución de problemas de índole tan
diversa como diferentes son las propiedades mecánicas y reológicas de los
materiales (González V., 2001).
Es indudable la importancia de la geometría en la comprensión de la
naturaleza (ciencia) y su aprovechamiento (ingeniería). Sin embargo con el
bagaje convencional de conocimientos adquiridos por cualquier persona, solo
nos es posible identificar formas geométricas comprendidas en un intervalo
discreto de dimensionalidad espacial; así un objeto solo puede tener una, dos
triángulo, esfera, etc.), no se encuentran comúnmente en la naturaleza, un
Universidad Simón Bolívar 43
ejemplo de ello es el cristal de cuarzo y de sal. La geometría de fractales ha
permitido describir formas geométricas que antes no era posible hacer y, con
propiedades (González V., 2001).
Los fractales no son meramente ornamentales; ellos se han encontrado
en un gran número de lugares, desde la fluctuación del mercado cambiario
fructíferos en las Ciencias de la Tierra. La distribución de las nubes,
topografías, sistemas de ríos, lluvias, fallas, terremotos y otra cantidad de
fractal, incluyendo otros aspectos como las secuencias de reflexión, que
concierne a la rama de la geofísica exploratoria (Todoeschuck J.,1992).
II.1. Geometría euclidiana y de fractales
La geometría como la conocemos fue planteada por primera vez en los
años 300 A.C. por Euclides y ha tenido relativamente pocos cambios desde
entonces. En 1975 Benoît Mandelbrot, establece las bases de una nueva
geometría conocida como geometría de fractales, la cual está teniendo cada
vez más aplicaciones en todos los campos del conocimiento. La geometría de
como las geometrías de algunos helechos y de superficies de materiales, o
Universidad Simón Bolívar 44
dimensiones espaciales, hasta las escalas macroscópicas que nuestros sentidos
son capaces de captar.
II.2. Fractales
Los fractales (del latín fractus, irregular) es un área del conocimiento
bastante nueva y por lo tanto en desarrollo, por lo que su definición está en
1975, hace referencia a los fractales como el conjunto de formas generadas
normalmente por procesos matemáticos repetitivos y que se caracterizan por:
1) tener el mismo aspecto a cualquier escala de observación, 2) tener longitud
infinita, 3) no ser diferenciables y 4) tener dimensión fraccional o fractal.
pueden ser separadas en partes, cada una de las cuales es una versión
inicialmente por Mandelbrot (González V., 2001).
Un fractal es un objeto tal que la parte es similar al todo de alguna
matemáticamente, obedece a la relación (Aldana M., 2004):
Ni = C / ri D (Ec. II.1)
donde Ni corresponde al número de objetos con una característica ri de
dimensión lineal, C es una constante de proporcionalidad y D es la dimensión
fractal; esto es para casos en los que el conjunto a evaluar es discreto. En
Universidad Simón Bolívar 45
aquellos casos en los que el conjunto a evaluar es continuo la relación es la
siguiente (Aldana M., 2004):
Nr = C / r D (Ec. II.2)
donde Nr es el número de objetos con un característica r de dimensión lineal,
C es una constante de proporcionalidad y D es la dimensión fractal.
II.3. Dimensión fractal
El concepto principal de ésta nueva geometría es la dimensión fractal
(Df), que es una propiedad del objeto la cual nos indica qué tanto ocupa el
espacio que lo contiene, y que puede adquirir valores continuos en el espacio
de los números reales, entre 0 y 3. Una explicación simplificada de éste
concepto se puede hacer utilizando la figura 1, donde se puede comprender
de manera simple el concepto de dimensión fractal partiendo de la dimensión
euclidiana.
Fig. II.1. Esquema para la comparación simplificada entre dimensión euclidiana (De) y dimensión
fractal (Df). Tomado de González V., 2001.
Universidad Simón Bolívar 46
En esta figura, en la parte superior se presentan cuatro (4) objetos
considerados por la geometría euclidiana en alguna de las tres dimensiones
(dimensiones euclidianas “De”), o bien cero (el punto). Si estos cuerpos
fueran continuos en el espacio, (Ejem. Cubo sólido), su dimensión fractal
coincidiría con la dimensión euclidiana (Df = De); sin embargo al ir
amplificando el cubo o las representaciones de la línea y el plano, en
tienen espacios vacíos, están llenos de “poros”, (parte inferior de la figura III.
1), por lo que de acuerdo a la geometría fractal, la línea tiene una dimensión
fraccional o fractal mayor que 0 pero menor que 1, dependiendo qué tantos
poros tiene, el plano 1 < Df < 2 y el cubo 2 < Df < 3 (González V., 2001).
De ésta manera se tiene una idea de la forma en la que los fractales
cuantifican los objetos naturales basados en sus irregularidades.
II.4. Definición matemática de la dimensión fractal (Df)
Ésta definición se basa en la dimensión de Hausdorff‐Besicovith, por
consiste en lo siguiente (González V., 2001):
Para medir una línea curva de longitud L0, se cubre ésta con N(δ)
segmentos (reglas) de longitud δ , entonces:
Universidad Simón Bolívar 47
podemos definir L como la suma de todas las reglas quedando como:
L = Σ δ 1 = N(δ ) (δ 1) (Ec. II.4)
Substituyendo la ecuación II.3 en el término de la derecha de la
ecuación II.4, resulta la ecuación II.5 y su límite cuando δ tiende a cero (regla
infinitamente pequeña), da como resultado la longitud que queremos medir;
veamos:
De la misma forma, para una superficie de la forma de dimensión A0 y
si ésta se mide con N( δ ) segmentos de área de dimensión δ 2, entonces:
N(δ ) = A0 / δ 2 (Ec. II.6)
y definiendo A como:
En el caso de un volumen queda como:
N(δ ) = V0 / δ 3 (Ec. II.8)
Universidad Simón Bolívar 48
Si para medir la línea curva, tomamos como regla un objeto de
dimensión 2, entonces las ecuaciones 3 a 5 quedarían como:
N(δ ) = L0 / δ 2 (Ec. II.10)
encontrando así que si queremos medir un objeto de determinada
dimensionalidad (1 en este caso) con una regla de dimensionalidad mayor
(2), lo encontraríamos de magnitud infinita.
Por otra parte, si para medir el volumen usamos una regla
bidimensional (de menor dimensionalidad que el objeto a medir), el resultado
sería:
N(δ ) = V0 / δ 2 (Ec. II.12)
dimensionalidad que la de nuestro objeto a medir, el resultado será cero. Por
lo tanto solamente podemos usar la regla de la misma dimensionalidad que el
objeto para obtener el resultado esperado.
una magnitud MD de dimensionalidad D y que medimos con la unidad de
medida δ de dimensionalidad d, entonces:
Universidad Simón Bolívar 49
donde γd es un factor geométrico relacionado a la forma de la unidad de
medida (Ejem. Línea γd = 1, disco γd = Π / 4 o esfera γd = Π / 6). Así, al calcular
MD para diferentes valores de d, (figura I. 2.), encontramos que:
MD → ∞ ; ⇔ d > D (Ec. II.15)
MD → MD ; ⇔ d = D (Ec. II.16)
MD → 0 ; ⇔ d < D (Ec. II.17)
d>D
∞
MD
d<D
0
0 d D 3
Fig. II.2. Gráfica de la ecuación 14 mostrando el cambio en la magnitud MD en el punto
donde d coincide con D. Tomado de González V., 2001.
La dimensión fractal o de Hausdorff‐Besicovith (D), es el valor de d en
el punto en que Md pasa de infinito a cero (D = d) (González V., 2001).
II.5. Fractales en registros de Pozo
Los conjuntos fractales se han aplicado en las áreas de geología del
Universidad Simón Bolívar 50
Barton et al. 1995, Hastings et al. 1993). Mandelbrot y Wallis (1969) modelaron
(mfB) y el ruido fraccional Gaussiano (rfG). Las variables verticales de los
registros de permeabilidad (Moltz 1993), y los registros de porosidad (Hewett
1986) tomados en pozos de petróleo mostraron consistencia con el modelo
rfG. Los registros de densidad analizados por Crane y Tumban (1990)
indicaron que la variación de la porosidad en la dirección horizontal podía
ser modelada con un rfG. Neuman (1990) señaló que un modelo mfB para la
distribución de permeabilidad ajusta bien con los datos de dispersividad
efectividad en función de la distancia. Painter y Paterson (1996) reportaron
que los registros acústicos verticales podían ser representados con un modelo
de movimiento fraccional Levy (mfL), el cual es una generalización del mfB
(Restrepo D., 2001).
fractales, presentan una gran diversidad de resultados, no sólo respecto a la
clasificación de la señal como un ruido fraccional Browniano, sino también
respecto al valor estimado del exponente de Hurst (H). Dichos trabajos
evidencian que no existe una metodología clara y sistemática para realizar el
análisis básico del registro de pozo y la estimación de H. Adicionalmente los
trabajos no especifican la cantidad de datos necesarios para tener estimados
Universidad Simón Bolívar 51
confiables de H, ni discuten a fondo los problemas se sesgamiento asociados
a los métodos que se utilizan para la estimación y para la simulación de la
señal como rfG o mfB (Restrepo D., 2001).
II.6. Movimiento Browniano
Robert Brown en 1828 fue el primero en darse cuenta de que el
movimiento errático de partículas microscópicas de polen era de naturaleza
física y no biológica como se pensaba antes. Las partículas están sujetas a las
fluctuaciones térmicas del fluido que las rodea; el número de colisiones que
una sola molécula de agua recibe en un segundo es del orden de 1014,
entonces en un centésimo de segundo sufre 1012 colisiones, por lo tanto,
después de un centésimo de segundo no recordará lo que le pasó antes.
Además frente a la rapidez del bombardeo, un centésimo de segundo es un
tiempo muy largo, en otras palabras las colisiones que recibe la partícula son
todas al azar (Feynman 1987). Esta excitación puramente aleatoria que
experimentan las partículas fue estudiada por Langevin en 1908, quien
encontró que el valor medio del cuadrado de la distancia recorrida por la
partícula es proporcional al tiempo. Es importante enfatizar que en el
movimiento Browniano la posición de la partícula en un momento del tiempo
no es independiente de la posición en otro momento, mientras que el
desplazamiento de la partícula en un intervalo de tiempo es independiente
del desplazamiento durante otro intervalo de tiempo.
El movimiento de una partícula Browniana tal como se ve bajo un
microscopio consta de pasos de dirección aleatoria y de una longitud de paso
Universidad Simón Bolívar 52
que tiene algún valor característico, por lo anterior el modelo más simple de
movimiento Browniano es una caminata aleatoria.
Si se considera una situación en la cual una partícula se mueve a lo
largo del eje x mediante saltos con longitud de paso +ξ o ‐ξ cada λ segundos,
es posible modelar el fenómeno de difusión si se supone que ξ es alguna
longitud microscópica como, por ejemplo, el diámetro de la partícula, y que
λ es el tiempo microscópico como por ejemplo el tiempo entre colisiones. La
longitud de ξ , más que un valor fijo está dada por una distribución de la
probabilidad normal o Gaussiana tal que (Restrepo D., 2001):
P( ξ , λ ) = 1 / (4πDλ)1/2 exp (‐ξ2/ 4Dλ) (Ec. II.18)
donde el parámetro D es el coeficiente de difusión.
La caminata aleatoria puede representarse así: para los intervalos λ, se
escoge una longitud de paso ξ al azar, una secuencia de tales pasos { ξi } es
una serie de variables Gaussianas aleatorias independientes con varianza
<ξ2> = ∫ ξ2p (ξ,λ) dξ = 2Dλ (Ec. II.19)
integral que se evalúa de ‐∞ a ∞. Einstein en 1915 encontró que el coeficiente
de difusión es: D = kT / µ , donde k es la constante de Bolzmann, T, la
temperatura y µ es el coeficiente de fricción dinámica del medio en el cual
verificación experimental de la teoría atómica realizada por Smoluchowski en
Universidad Simón Bolívar 53
1967. El proceso aleatorio Gaussiano normalizado se obtiene al reemplazar
ξ ← ξ / (2Dλ)1/2 de tal forma que el nuevo ξ tiene media cero y varianza
unitaria. La serie ξ1, ξ2, … es la secuencia de los pasos de la caminata
aleatoria y la posición de la partícula en el eje x está dada por (Restrepo D.,
2001):
X (t = nλ) = i=1Σn ξi (Ec. II.20)
Fig. II.2. Movimiento Browniano. Pasos aleatorios independientes de la ¨partícula¨ ξ y de la posición
de la partícula X, ambos en función del tiempo. Tomado de Restrepo D., 2001.
En la figura II.2. se observan los pasos de la caminata y la posición de
la partícula como función del tiempo.
Tal curva está formada por una serie de puntos discretos que en el
límite, cuando el paso en el tiempo se hace muy pequeño, la variable aleatoria
llega a ser la función aleatoria X(t). La gráfica de la función (Figura II. 2.) se
Universidad Simón Bolívar 54
conoce con el nombre de registro de X(t). Mandelbrot llama a X(t) una
función Browniana y la denota como B(t).
II.7. Movimiento Fraccional Browniano
Mandelbrot y Van Ness en 1968 introducen el concepto de movimiento
fraccional Browniano (mfB) como una generalización de X(t), y usan la
notación BH(t) para tal función (Restrepo D., 2001). El mfB es un proceso
estocástico Guassiano de media cero no estacionario, es decir, sus principales
propiedades estadísticas dependen del tiempo. El índice H es un parámetro
conocido como el exponente de Hurst y está en el rango 0 ≤ H ≤ 1, los casos
en los que H ≠ ½ son propiamente fraccionales (lo cual será explicado más
adelante), H = ½ es el caso especial del movimiento Browniano. El carácter
no estacionario del mfB es revelado por su estructura de covarianza (Restrepo
D., 2001):
ST = cov { BH(t), BH(t+τ) } (Ec. II.21)
= (σ2/2 ) ( |t|2H + |t ‐ τ|2H ‐ |τ|2H ) (Ec. II.22)
S0 = cov { BH(t), BH(t) } = σ2 |t|2H (Ec. II.23)
con σ2 = var { BH(t) }, τ el rezago y S0 l acovarianza cuando no hay rezago.
La secuencia de autocorrelación (SAC) a un rezago τ se define así:
ρτ = ST / So (Ec. II.24)
donde τ puede tomar cualquier valor real, ‐1 < ρτ < 1, además la secuencia
Universidad Simón Bolívar 55
{ ST } está definida positivamente.
Si se toma BH (0) = 0, y se definen los incrementos pasado y futuro
como –BH(‐t) , BH(t) , respectivamente se tiene que la SAC de los incrementos
para el mfB es
ρ τ = cov { ‐BH(‐t) , BH(t) } / S0 = 22H‐1 – 1 (Ec. II.25)
Dependiendo del valor de H, la SAC define tres clases de correlación:
H = ½ no hay correlación de los incrementos del pasado y del futuro,
ρτ es cero para todo τ = 0, es un proceso aleatorio de incrementos
independientes, y se está en el dominio de atracción Browniano (Restrepo D.,
2001).
½ < H < 1 , la correlación es positiva, ρτ ≠ 0 independientemente de τ, y
el proceso no pertenece al dominio de atracción Browniano. En este caso si
en algún tiempo pasado se tiene una tendencia de aumento entonces en el
futuro se tendrá también un aumento, si al contrario, se tiene una tendencia
decreciente en el pasado, en el futuro habrá una tendencia decreciente, el
proceso es persistente. Es la correlación positiva la que hace que el mfB
pueda modelar fenómenos que tienden a agruparse primero a un lado de la
media y luego a otro. Este tipo de procesos además se denominan procesos
de memoria larga (PML), porque su función de autocovarianza no converge
(Restrepo D., 2001).
0 < H < ½ , la correlación es negativa, ρτ ≠ 0 independientemente de τ.
En este caso una tendencia de aumento en el pasado implica una tendencia a
disminuir en el futuro, y una tendencia de disminución en el pasado implica
Universidad Simón Bolívar 56
una tendencia a aumentar en el futuro, el proceso es antipersistente. Es la
fuertemente alrededor de la media (Restrepo D., 2001).
Tabla II.1. Clasificación del mfB según el valor del coeficiente de Hurst.
En la tabla II.1 se resume la clasificación del mfB según el valor de H.
independiente del tiempo está en conflicto con lo que normalmente es
supuesto o probado para los registros estadísticos y para los sistemas físicos.
La física estadística utiliza la suposición fundamental de que los eventos
pueden estar correlacionados cuando están separados en el tiempo por ∆t,
pero ellos llegarán a estar no correlacionados en el límite ∆t → ∞. Esta
tiempo o en el espacio, es esencial en el concepto de equilibrio térmico. Sin
embargo hay excepciones como las transiciones de fase de segundo orden en
las cuales la función de correlación de la densidad no tiene escalas intrínsecas
en la longitud o en el tiempo (Feder, 1988).
La propiedad de escalamiento del mfB puede entenderse si se define
⎨ [∆BH (∆t)]2 ⎬= ⎨ [BH(t) – BH(t0)]2 ⎬ (Ec. II.26)
Universidad Simón Bolívar 57
⎨ [∆BH (r ∆t)]2 ⎬= ⎨ [BH(rt) – BH(rt0)]2 ⎬ (Ec. II.27)
donde r es un factor de escala y t0 = t – r, y por lo tanto
⎨ [∆BH (r ∆t)]2 ⎬= α | rt – rt0|2H = r2H α |t – t0|2H
= r2H ⎨[∆BH (r ∆t)]2 ⎬ (Ec. II.28)
Fig. II.3. mfB para H = 0.2, con escalamiento BH(t) = r‐H BH(rt).
Tomado de Restrepo D., 2001.
La ec. II. 28 describe el comportamiento de escalamiento estadístico del
mfB. En el caso particular en el que H =1/2, se obtiene la relación del
movimiento Browniano, el cual es un escalamiento autosemejante. Por su parte
Universidad Simón Bolívar 58
el tipo de escalamiento que exhibe el mfB es autoafín. La diferencia entre
estos dos tipos de escalamiento es que al someter a un factor de aumento (o
reducción) una porción del objeto las formas serán idénticas si el
escalamiento es autosemejante, mientras que para que las formas luzcan
idénticas si el escalamiento es autoafín, deben utilizarse diferentes factores de
aumento en las direcciones paralelas y perpendiculares al objeto (Restrepo D.,
2001).
La figura II.3. presenta un mfB antipersistente y su propiedad de
sólo cuando t y BH(t) son magnificadas por diferentes cantidades, así si t es
aumentado por un factor r (t llega a ser rt), BH debe aumentar un factor rH (BH
llega a ser rHBH).
II.8. Movimiento Fraccional Gaussiano
Estrictamente hablando el mfB no posee derivada, la irregularidad se
mantiene a medida que ∆t → 0, y la derivada no está definida. Esto puede
superarse si se considera una versión suavizada de la función, la cual se logra
Cuando δ es pequeño comparado con la escala de observación, la función
original y la suavizada son indistinguibles desde el punto de vista práctico.
El suavizamiento remueve las variaciones de alta frecuencia del mfB y genera
una función derivable que Mandelbrot y Van Ness (1968) denominaron ruido
fraccional Gaussiano (rfG). El rfG es un proceso { Xt } estacionario donde:
Universidad Simón Bolívar 59
µ = E { Xt }
Sτ = cov { Xt, Xt+τ } Sτ para τ = 0, ± 1, ± 2, ....., con µ t Sτ números finitos
independientes del tiempo t.
La función de covarianza para el rfG es:
Sτ = σ2 ( |τ + 1|2H ‐ 2|τ|2H + |τ‐1|2H ) (Ec. II.29)
con σ2 = var { Xt }.
En la tabla II.2. se clasifica el rfG según el valor de H.
Tabla II.2. Clasificación del rfG según el valor del coeficiente de Hurst.
II.9. Series de Tiempo
Una serie de tiempo es un conjunto de valores numéricos de cualquier
variable que cambia con “t”. Las series pueden ser discretas o contínuas,
como concentración de minerales en un núcleo y registros de pozos
(densidad, porosidad, etc.).
1991):
Universidad Simón Bolívar 60
Discontinuidades.
largo rango.
Componentes periódicas.
incluídas en las componentes periódicas o en las tendencias. La componente
negativamente) o aleatoria.
cuantificarse usando la función de autocorrelación r (Sornette et al., 1991).
Definimos rs como:
rs = Cs / C0 (Ec. II.30)
donde :
T‐S
Cs = [1 / (T‐S)] ∫ [y(t+s) ‐ y] [y(t) ‐ y] dt (Ec. II.31)
0
integral evaluada desde 0 hasta T – S, y:
T
C0 = (1 / T) ∫ [y(t)‐ y]2 dt = V (Ec. II.32)
0
s es el desfasaje o desfasaje (“lag”). Si s = 0, tenemos la varianza y rs = 1.
A medida que s aumenta, se espera que rs disminuya, ya que la
correlación estadística de y(t+s) con y(t) disminuye.
Universidad Simón Bolívar 61
En términos de fractales autoafines, uno de los aspectos más
Importantes de las series de tiempo es la estacionariedad. Una serie de
tiempo es estacionaria si las propiedades estadísticas de la serie de tiempo
son independientes de su longitud T. Si la varianza (o el promedio) es
función de T, la serie de tiempo es no estacionaria.
Una medida de correlación a largo rango es la semivarianza. Esta se
define como (Sornette et al., 1991):
T‐S
γs = 1 / 2 (T‐S) ∫ [y(t+s) – y(t)]2 dt (Ec. II.33)
0
El gráfico de γs vs s se conoce como semivariograma.
Un ejemplo de una serie de tiempo estacionaria es el ruido blanco.
Un ejemplo de una serie no estacionaria es el movimiento Browniano.
Una serie Browniana se obtiene sumando una secuencia de ruido blanco
Gaussiano. Los valores de la serie de tiempo Browniana están dados por:
n
YBw = Σ εi (Ec. II.34)
i=1
sido sumados, está dada por:
VBw = σε2 n (Ec. II.35)
Universidad Simón Bolívar 62
donde σε es la desviación estándar del ruido blanco. La desviación estándar
del movimiento Browniano está dada por:
σBw = σε n1/2 (Ec. II.36)
Un movimiento Browniano es un ejemplo de un fractal autoafín.
II.10. Fractal Autoafín
Definiremos un fractal autoafín en términos de la varianza, del
semivariograma y de probabilidad.
En términos de la varianza, un fractal es autoafín si su varianza escala
como:
V ≈ n2Ha (Ec. II.37)
donde n es el número de elementos en la serie de tiempo y Ha es la medida
anteriormente Ha = ½.
En términos del semivariograma, una serie de tiempo es un fractal
autoafín si su semivariograma escala como (Sornette et al., 1991):
γ = s2Ha (Ec. II.38)
En términos de la probabilidad, una serie de tiempo es un fractal
autoafín si su semivariograma escala como:
Universidad Simón Bolívar 63
Pr { [y(t+τ)‐y(t)] / τHa < y0 } = 1 – F(y) (Ec. II.39)
donde F(y) es la función de probabilidad acumulada.
II.11. Distribuciones Fractales
Los dos tipos de variaciones aleatorias consideradas en nuestro estudio
son el movimiento fraccional Browniano y el ruido fraccional Gaussiano. El
ruido Gaussiano puro (blanco) contiene cantidades iguales de todas las
frecuencias. No hay ninguna correlación (o relación espacial) entre los
puro, es analizado usando análisis de espectro de potencia, el cual posee una
pendiente igual a cero en un gráfico Log (potencia) vs Log (frecuencia) y su
potencia es proporcional a 1/f0 .
contiene más componentes de baja frecuencia que de altas frecuencias. El
movimiento Browniano puro, es analizado usando análisis de espectro de
potencia, su pendiente es de ‐2 en un gráfico (potencia) vs Log (frecuencia) y
su potencia es proporcional a 1/f2 .
Los ruidos fraccionales tratan con el caso más general de decaimiento
de potencia ≈ 1/fβ. Un valor más alto de β da una apariencia más estilizada
de la secuencia. Esto implica que el movimiento fraccional Browniano es
más estilizado en apariencia que el ruido fraccional Gaussiano. Estudios
previos (Mandelbrot, 1983; Voss, 1985; Feder, 1988) muestran un ruido 1/f
(entre 1/f0 y 1/f2) en un rango natural del fenómeno desde la variación de las
Universidad Simón Bolívar 64
líneas de costa, la topografía, los niveles de los ríos, y la música (Kenneth M.,
1995).
Un método para analizar la distribución fractal es el análisis de rango
re‐escalado (R/S) (Hurst, 1951; Mandelbrot and Wallis, 1969). R es el rango
de los valores (máximos‐mínimos) para una distancia dada de valores dentro
de una base de datos. R/S es calculado dividiendo éste rango entre la
desviación estándar S. Una ventana con una longitud correspondiente al
valor del desfasaje es posicionada a lo largo de los datos. Los valores R/S
individuales resultantes para cada desfasaje son promediados para producir
el valor de ése desfasaje en cuestión. El rango re‐escalado fue utilizado por
primera vez para analizar problemas de almacenamiento de agua (Hurst,
1951). El coeficiente de Hurst H es la diferencia entre la dimensión fractal D
y la dimensión Euclidiana E (Mandelbrot, 1983; Voss, 1985). En nuestro caso
E = 2 y:
H = 2 – D (Ec. II.40)
La relación entre R/S y el coeficiente de Hurst está definida como:
R/S = f(desfasaje)H (Ec. II.41)
Es así como en un gráfico Log (R/S) vs Log (desfasaje) tiene una
pendiente de un análisis R/S para un ruido fraccional Gaussiano arroja H
directamente.
Universidad Simón Bolívar 65
II.12. Análisis de Rango Re‐escalado Aplicado a una Serie de Tiempo
Consideremos una serie de tiempo discreta con valores Yi, tal que su
promedio, al considerar N valores de la serie, se designa como YN.
Se considera la siguiente suma:
n
YN = Σ (Yi – YN) (Ec. II.42)
i=1
de estos nuevos valores se toma la diferencia entre el máximo y el mínimo y
se define el rango:
RN = (yn)máx – (yn)mín (Ec. II.43)
Luego se calcula la varianza SN = σN
y se calcula Hu de:
( RN / SN ) = ( N / 2 )Hu (Ec. II.44)
En el caso particular de éste trabajo se construye una gráfica Log10 ( RN
/ SN ) vs Log10 ( N / 2 ), se realiza un ajuste lineal, se halla la ecuación de la
recta y la pendiente de la misma es el coeficiente de Hurst.
Es importante mencionar que el tipo de curva que se espera es como la
mostrada en la gráfica II.4. El ajuste lineal debe ser hecho antes de que la
curva llegue a la zona encerrada en el óvalo azul, momento en el cual la curva
empieza a mostrar un comportamiento paralelo al eje x. Así el valor de la
pendiente (de la recta en negro) es diferente al mostrado por el primer ajuste
lineal que realiza MatLab®. En este estudio se realizarán los dos ajustes
lineales y se compararan los resultados.
Universidad Simón Bolívar 66
Fig. II.4. Ajuste lineal de la gráfica Log10 (Rn/De) vs Log10 (N/2).
II.13. Análisis de Datos de Campo
Para obtener un comportamiento predictivo exitoso, los modelos de los
registros de pozo son usados como una medida de las propiedades del
reservorio, porque proveen mediciones a escalas muy finas.
estadísticas de origen fractal. La suposición más general en el análisis de
datos de campo, es que los pozos verticales y de bajo ángulo son, en efecto,
totalmente verticales. También se supone que las capas de estratos siguen
trayectorias horizontales.
Universidad Simón Bolívar 67
II.13.1 Reservorios de Areniscas
Estudios realizados por Kenneth M. and Steven D. Crane en 1995
muestran un comportamiento fractal en un reservorio de arenisca en un
ambiente de barras de canal. Los datos de la arenisca exhiben valores
consistentemente bajos de H en los pozos. Los valores promediados de H
son 0.83 para siete pozos verticales. Este valor es similar al determinado por
Hewett and Behrens en 1990 (H=0.85).
Para la misma ventana de desfasaje la varianza es mayor en estos
pozos verticales. Un valor alto de H implica una suave variabilidad de los
valores de los datos.
Otro concepto importante es la posibilidad de que otros procesos y
distribuciones geológicas dominen a grandes escalas. El análisis R/S indica
un comportamiento fractal fuera de ventanas de desfasaje de unos cuantos
cientos de pies. A distancias muy grandes el comportamiento se desvía de la
tendencia regular establecida de los pozos. Esto es consistente con los
resultados de otros estudios (Feder, 1988). Es posible que procesos
determinísticos sean dominantes a grandes escalas mientras que los fractales
proveen un buen modelo de variabilidad a pequeñas escalas. Si éste es el
caso, la implicación que tiene es que los fractales pueden describir
considerarse excelentes modelos variaciones a larga escala. De todas formas
los ambientes de depositación juegan un papel importante en la distribución
fractal de los datos de pozo (Kenneth M., 1995).
Universidad Simón Bolívar 68
CAPÍTULO III
Marco Geológico Regional
La secuencia sedimentaria reflejada en los registros de pozo de éste
arenas es muy similar, la geometría de los cuerpos arenosos son muy
diferentes en cuanto al rumbo de la disposición de las arenas. Los canales de
marea y fluviales se disponen con un rumbo Norte‐Sur, el cual es
perpendicular al borde de la cuenca desde donde proviene el aporte de
material clástico, mientras que las barras dominadas por el mar se disponen
con un rumbo Este‐Oeste, paralelo al borde de la cuenca.
El intervalo geológico de interés se encuentra dentro de la columna
litológica de la Formación Oficina, suprayacente a la Formación Merecure.
III.I. Rocas Sedimentarias Detríticas
III.I.I. Conglomerado
Un conglomerado es una roca detrítica constituída por fragmentos más
o menos redondeados, de los cuales una proporción apreciable son del
tamaño de gránulo (2 a 4 mm. de diámetro), o más grandes, como se puede
Universidad Simón Bolívar 69
apreciar en la figura III.1. Si los fragmentos son más angulares que
redondeados, la roca se llama brecha. Otro tipo de conglomerado es la tilita,
roca formada por los materiales depositados directamente por el hielo glacial.
Las partículas grandes de un conglomerado son, por lo común, fragmentos
de roca, y las partículas más finas son generalmente minerales derivados de
rocas preexistentes.
Fig. III.1. Conglomerado.
III.I.II. Arenisca
La arenisca está formada por la consolidación de granos individuales
del tamaño de la arena (varía entre 1/16 mm. a 2 mm. de diámetro). La
que es de grano grueso (el cual es nuestro caso), y la lodolita, que es de grano
fino. Puesto que el tamaño de los granos varía de una arenisca a otra, al
hablar de ellas, se dice arenisca de grano grueso o areniscas gruesas, de grano
medio y de grano fino.
Universidad Simón Bolívar 70
Fig. III.2. Arenisca.
Con mucha frecuencia, pero no siempre, los granos de una arenisca
están constituídos por el mineral de cuarzo. Si los minerales predominantes
son el cuarzo y el feldespato, la arenisca se llama arcosa, palabra de origen
francés que se aplica a la roca formada por la consolidación de los materiales
derivados del intemperismo mecánico de un granito. Otra variedad de
arenisca, llamada grauvaca, se caracteriza por su dureza y su color oscuro y
por tener granos angulares de cuarzo, feldespato y pequeños fragmentos de
roca en una matriz de partículas de tamaño de arcilla. Ver Fig. III.2.
III.I.III. Lodolita y Lutita
Las rocas detríticas de grano fino compuesta de partículas de tamaño
de arcilla y de limo (menos de 1/16 de mm. de diámetro) son llamadas lodolita
Universidad Simón Bolívar 71
o lutita (Fig. III.3). Las lodolitas son rocas de grano fino con aspecto macizo o
de bloque, en tanto que las lutitas, también de grano fino, se parten en lajas
laminadas más o menos paralelas a la estratificación. Las partículas de éstas
rocas son tan pequeñas que es difícil determinar la composición mineral de la
lodolita y la lutita. Sabemos, sin embargo, que contienen no sólo minerales
arcillosos, sino también partículas del tamaño de arcilla o de limo, de cuarzo,
feldespato, calcita y dolomita, para mencionar sólo unos cuántos.
Fig. III.3. Lutita.
III.II. Ambientes Sedimentarios
Probablemente el factor más significativo en el origen de las rocas
Universidad Simón Bolívar 72
físicas, químicas y biológicas que existen en los lugares en los que los
sedimentos son depositados.
son los sistemas de ríos, los abanicos aluviales, las dunas del desierto, lagos y
(grandes extensiones de agua de muy baja profundidad que cubren parte de
oceánicas. Entre los ambientes de depositación continentales y los marinos
existen los transicionales, que son ambientes que se producen a lo largo de las
costas y están influenciados por los dos anteriores. Esto incluye deltas,
playas, islas de barrera, llanuras de marea y lagunas.
Fig. III.4. Distintos tipos de ambientes sedimetarios marinos costeros.
Universidad Simón Bolívar 73
Cada uno de éstos ambientes posee ciertas condiciones físicas químicas
(Hambling, 1985).
III.II.I. Ambientes Marinos Costeros
Sector del agua de baja profundidad, cuya transición al ambiente de
tierra firme o playa, es afectada por las olas y las mareas altas y bajas. El
margen superior es colocado en un límite más alto que las olas; el margen
inferior es indefinido, sin embargo, hay lugares con amplitudes más
considerables.
El medio ambiente costero tiene la característica especial de exponer el
fondo de éste por ciertos períodos de tiempo; y cuando está sumergido se
bien difícil para la vida orgánica. Los organismos deben estar unos y otros
agarrados firmemente del fondo. En la figura III.4 se pueden apreciar los
distintos tipos de ambientes marinos costeros.
Los materiales que forman el medio ambiente costero varían de un
lugar a otro. En algunos la superficie está descubierta en rocas más o menos
pulidas; en otros lugares está cubierta con cantos rodados, gravas, arenas,
lodos o fragmentos de conchas.
El proceso dominante es físico; los procesos químicos y orgánicos son
subordinados. Los sedimentos son adquiridos de la costa y de aguas
someras.
Universidad Simón Bolívar 74
III.II.II. Ambientes Deltaicos
Un delta es una construcción hecha con el material detrítico que
transporta un río al sedimentarlo en su desembocadura sobre un mar o un
lago. Existen 2 tipos principales de deltas, los lacustres y los marinos. Los
deltas marinos son considerados los más importantes debido al volumen de
un sistema deltaico puede variar desde pequeñas dimensiones hasta más de
1000 Km2 y cientos de metros de espesor.
Fig. III.5. Formación del delta.
La fisiografía de los deltas, su distribución y sus atributos de
almacenamiento resultan no solo propias de las características de las
corrientes, sino también de las fuerzas que operan en las aguas donde los
deltas progradan. Los deltas que se forman a lo largo de las extensiones
Universidad Simón Bolívar 75
costeras con baja energía (zonas con poca fluctuación de la marea y corrientes
litorales débiles) reflejan principalmente la naturaleza del flujo de la
corriente. La descarga, el declive de la corriente y la carga del sedimento,
está directamente relacionada con los patrones de los canales distributarios.
Sin embargo, las márgenes deltaicas afectadas por las mareas altas, fuertes
corrientes litorales, o la prolongada acción de las olas, pueden mostrar un alto
grado de alteración, tanto en la fisiografía como en la distribución de los
sedimentos. En la Fig. III.5 se puede observar las principales partes que
constituyen un delta.
Los deltas pueden clasificarse en:
a) Llanura Deltaica:
Los depósitos de la llanura deltaica consisten principalmente de las
arcillas, ricas en materia orgánica, de los marismas y de los diques naturales;
sin embargo, la actividad de los procesos fluviales en estos ambientes permite
la formación de varios tipos importantes de arena en: abanicos provocados
meándricas remueven efectivamente el material fino de la llanura deltaica ( y
también los sedimentos subyacentes del frente deltaico o del prodelta, de
acuerdo con la profundidad del cauce), reemplazándolo en la parte interna de
la curvatura de los meandros por arena limpia y porosa. Es concebible que
una basta socavación pueda reemplazar la mayor parte del complejo deltaico
por uno fluvial. Se puede observar una llanura deltaica en la Fig. III.6.
La rotura de los diques naturales, generalmente en la época de
Universidad Simón Bolívar 76
Fig. III.6. Llanura Deltaica.
creciente de los ríos, da origen al desarrollo de abanicos de rotura en las
bahías someras entre los brazos distributarios. A través del proceso repetido
de rotura y hundimiento contínuo, se puede formar una sucesión alternante
de arena y de depósitos de bahía y marisma de grano fino. El flujo inicial,
que arrastra las arenas de la carga del fondo a través de las aberturas, es
generalemente turbio. Sin embargo, en corto tiempo, al estabilizarse el flujo,
numerosos canales se ramifican desde la rotura en el dique, dando origen a la
formación de un delta de aguas someras. La prolongada permanencia de
una rotura promueve una ampliación del abanico de rotura y de sus
marismas asociadas: por progradación. Cuando el flujo por la rotura
disminuye y cesa, el abanico se hunde y es preservado por una cubierta de
limo y arcilla de la bahía.
Cuando los cauces de la corriente son abandonados en favor de otros
cursos, se rellenan primero con material de tracción, o arena de carga del
Universidad Simón Bolívar 77
fondo del cauce, y luego con materiales más finos progresivamente hacia
arriba. El espesor de los depósitos de los canales abandonados, tal como los
de barra de meandro, refleja la profundidad de socavación por las corrientes;
el contacto basal puede ser con las facies de la llanura deltaica, frente deltaico
o, aún del prodelta.
b) Barras de Desembocadura. Lomas Playeras e
Islas del Margen Deltaico.
Las facies de arena compuestas por material del frente deltaico
del margen deltaico (deterioro). Los dos primeros tipos son las facies
origen a la sedimentación, en la desembocadura de los brazos, de las arenas
transportadas por las corrientes en la carga del fondo. Los aspectos
sedimentarios de éstos depósitos reflejan la interacción de los procesos
fluviales y marinos proximocosteros; el primero ocurre más frecuentemente
en deltas que se forman en extensiones de agua de baja energía y el segundo
es típico de ambientes de alta energía (oleaje y corrientes activas, corrientes
litorales fuertes y alta fluctuación de la marea).
Las arenas de las islas de margen deltaico se forman durante la fase de
progradacionales. Los aspectos sedimentarios de las arenas de las barras de
Universidad Simón Bolívar 78
paralela uniforme (especialmente cerca del tope de la unidad), y restos
contersionadas); la subyacente arcilla limosa del prodelta completa la base de
la secuencia vertical.
Fig. III.7. Barras de desembocadura.
La secuencia de lomas playeras es característica de los deltas
progradacionales que son objeto del transporte efectivo de arena por las
Universidad Simón Bolívar 79
desembocadura de los ríos para formar playas. Estas secuencias se
comparan con las de las playas típicas de la áreas interdeltaicas, excepto que
comúnmente contienen restos orgánicos abundantes y una zona transicional
a los depósitos subyacentes de grano fino del prodelta mejor desarrollada; la
interestratificadas. La secuencia está cubierta por depósitos de marisma, de
diques naturales o de barra de meandro.
La secuencia en las islas del margen deltaico se desarrolla sobre los
deltas en deterioro cuyas márgenes están sujetas al sostenido ataque de las
olas. Las arenas originalmente sedimentadas en el ambiente del frente
deltaico son retrabajadas y dispersas como playas a lo largo del margen del
delta; generalmente están sobre el material de la llanura deltaica que se ha
hundido. Las características de las arenas de las islas del margen deltaico
también se comparan con las de las playas interdeltaicas, salvo que los
depósitos de ante‐playa adquieren un aspecto estratificado hacia el mar. La
secuencia grada hacia abajo a varias facies deltaicas dependiendo de la
magnitud de la transgresión y, comúnmente, es protegida por una sección
transgresiva marina normal.
c) Frente Deltaico y Prodelta
En la desembocadura de los ríos existe una repentina disminución de
la velocidad cuando la corriente entra en una masa de agua tranquila, dando
como resultado que la carga más pesada del fondo se deposite como barras
Universidad Simón Bolívar 80
de desembocadura. Los sedimentos más finos siguen adelante en forma de
un plumaje turbio y son transportados más adentro de la cuenca, a las zonas
del frente deltaico y del prodelta, zonas que pueden ser apreciadas en la
Fig.III.6.
Fig. III.8. Distintos tipos de deltas.
En regiones con corrientes litorales activas, vientos fuertes o de una
amplia fluctuación de la marea, la remoción de las barras de desembocadura
y el transporte de materiales más finos lateralmente, pueden tener notables
efectos en la distribución y en el carácter interno de los sedimentos deltaicos.
Los procesos de socavación del canal y de la resultante extensión hacia el mar
de los brazos distributarios, así como también la bifurcación de los canales
Universidad Simón Bolívar 81
los depósitos deltaicos, como se muestra en la Fig. III.8.
El limo y la arcilla traídos en suspensión por las aguas del río son
transportados más allá de las barras de desembocadura, en forma como se
desembocadura a los brazos por miles de metros o varios kilómetros mar
adentro. Allí a medida que se depositan los sedimentos en suspensión, las
corrientyes litorales ayudan a extender el material de grano fino en amplios
mantos donde los granos son progresivamente más finos hacia el mar. La
acumulación de grandes cantidades de limo y arcilla del frente deltaico y del
prodelta forman la plataforma sobre la cual se construyen las barras de
desembocadura y a la cual se extienden los canales distributarios.
III.III. Formación Oficina
Hedberg et al. (op. cit.) describen la Formación Oficina como ʹʹuna
grueso. Componentes menores, pero importantes de la unidad, son las capas
delgadas de lignitos y lutitas ligníticas, arcilitas verde y gris claro, con
esférulas de siderita, areniscas siderítico‐glauconíticas y calizas delgadas con
estructuras cono en cono. El material carbonoso es común, y en algunos
pozos pueden encontrarse hasta 40 ó 50 capas de lignito, que varían desde
Universidad Simón Bolívar 82
pocos centímetros hasta 60 cm de espesor y que son de considerable valor en
las correlaciones. Muchas de las areniscas pueden ser llamadas asperones,
otras son conglomeráticas, con guijarros de cuarzo y ftanita. En general, las
areniscas se hacen más abundantes, de mayor espesor y de grano más grueso
hacia la base de la formación. Un conjunto de minerales pesados granate‐
cloritoide, caracteriza la formación en la parte occidental del área mayor de
Oficina; sin embargo, el cloritoide disminuye con la profundidad y hacia el
este, y así en la parte oriental del área mayor de Oficina, este conjunto
abundante ilmenitaʺ.
SUCRE
MONAGAS
ANZOÁTEGUI
Fig. III.9. Ubicación geográfica de la Formación Oficina en el Este de Venezuela.
La sedimentación de la Formación Oficina se inicia en condiciones de
aguas dulces o salobres, continuando con repetidas alternancias de ambientes
marinos someros, salobres y pantanosos; en general, las condiciones se hacen
Universidad Simón Bolívar 83
más marinas de oeste a este y de sur a norte. Funkhouser et al. (1948, Passega
(1953, 1954), Probst (1953), Passega et al. (1958) y Alberding et al. (1958),
concuerdan con dichas condiciones de sedimentación. González de Juana et
al. (1980) y Méndez (1985), consideran que la Formación Oficina se sedimentó
en un inmenso complejo fluvio‐deltaico, donde son comunes las arenas
lenticulares y de relleno de canales de ríos. Campos et al. (1985) establecen
que la Formación Oficina del norte del corrimiento de Anaco, se acumuló en
condiciones marinas marginales a neríticas, con una mayor influencia marina
en la parte media. Para Audemar et al. (1985) la parte inferior de la Formación
Oficina se inicia con una progradación (relleno de paleotopografía) seguida
establecen condiciones de costa afuera en las áreas de cerro Negro y Hamaca,
instalación de un delta progradante. Para Campos et al. (1988), el ambiente
sedimentario de la llamada Formación Oficina en el norte del área mayor de
progradaciones de la plataforma.
Universidad Simón Bolívar 84
CAPÍTULO IV
Metodología
Para llevar a cabo los objetivos que se han planteado y generar un
algoritmo que realice de manera automática y de forma simultánea un
análisis de rango re‐escalado en distintos tipos de registros de pozos, basado
en teoría de fractales así como en su estructura y propiedades, para luego
verificar su ambiente depositacional, la metodología se ha dividido en cinco
etapas:
IV.1 Desarrollo de los códigos.
IV.2 Creación y diseño del algoritmo en MatLab®, así como el desarrollo de
rutinas y códigos a los cuales se les van ir aplicando las primeras pruebas con
datos de pozo sintéticos y reales.
cuáles no.
de estudio.
IV.5 Análisis de los resultados y comparación de éstos con los distintos
ambientes de depositación para así determinar la existencia de un patrón de
comportamiento.
Universidad Simón Bolívar 85
Etapa IV.1. Desarrollo de los códigos.
Luego de diseñar los algoritmos y rutinas para el cálculo del
coeficiente de Hurst en un registro de pozo elegido, se desarrollaron los
MATLAB® (MATrix LABoratory) por ser una herramienta de alto nivel que
permite el desarrollo de programas numéricos requiriendo hasta un orden de
consta de 3 fases, las cuales son las siguientes:
Fase IV.1.1. Análisis previo de datos de registros de pozo.
Una vez finalizada la elaboración de los códigos en Matlab®, se llevó a
cabo la comprobación de los mismos, con la finalidad de verificar su buen
funcionamiento. Un primer análisis fue realizado con datos sintéticos, los
cuales fueron procesados en Microsoft Excel® y luego por el programa A3RP,
con la finalidad de comparar los resultados obtenidos y conocer los detalles
de los cálculos para poder solucionar posibles errores.
Fase IV.1.2. Optimación de los códigos.
Se realizaron los cambios necesarios en los códigos para conseguir un
comportamiento más eficaz del programa, con la finalidad de poder realizar
la mejor aproximación lineal posible y así poder obtener el mejor coeficiente
de Hurst.
Universidad Simón Bolívar 86
Fase IV.1.3. Códigos finales.
totalidad, obteniendo dos ficheros principales con extensión *.m; uno para el
método de lectura de los archivos con extensión *.las y otro para el
método es un fichero de comandos (que recibe el nombre de script en inglés)
y los otros son funciones. Estos ficheros con extensión *.m constituyen el
de comandos que se ejecutan sucesivamente cuando se abre y se corre el
análogas a las que utiliza Matlab®, con sus argumentos o valores de entrada,
necesarios.
Etapa IV.2. Creación y diseño del algoritmo.
Se diseñó y creó un código a través de MatLab®.
El algoritmo con el cual se generó el código para realizar el análisis de
rango re‐escalado en los registros de pozo, fue diseñado con el objetivo de
realizar un estudio estadístico en los datos y así verificar su comportamiento
fractal.
El algoritmo diseñado es denominado A3RP (Análisis de Rango Re‐
escalado en Registros de Pozo), y consta de 5 fases:
Universidad Simón Bolívar 87
IV.2.1 Lectura de los datos en distintos formatos como ASCII y LAS.
IV.2.2 Elección del rango de datos para realizar el cálculo.
IV.2.3 Creación de una ventana que despliega los distintos registros de pozo.
IV.2.4 Elección de un registro de pozo en particular, análisis de rango re‐
escalado del mismo y despliegue de la ventana que permite ver el
comportamiento del registro.
IV.2.5 Aproximación lineal y cálculo de la pendiente para obtener el
coeficiente de Hurst.
Fase IV.2.1. Lectura de los datos.
En un principio se realiza la lectura de los datos que se van a cargar,
para ello es necesario que el usuario especifique la extensión de los mismos;
en éste caso el programa tiene la capacidad de leer archivos de formato ASCII
(ya sea *.txt o *.xls) o formato tipo *.las, como se muestra en la figura IV.1.
Para la carga de datos, la lectura es sencilla y está basada en funciones
elementales del lenguaje de programación.
Universidad Simón Bolívar 88
Fig. IV.1. Carga de datos. Especificación de la extensión del tipo de archivo a cargar.
La carga del registro en los distintos formatos, se maneja
principalmente con la lectura del encabezado (Header) y de los datos en sí.
El encabezado es guardado automáticamente en un matriz que nos
proporciona el nombre de cada uno de los registro de pozo; y los datos son
almacenados en otra matriz para ser utilizados y manipulados sólo como
números.
Universidad Simón Bolívar 89
Fase IV.2.2. Elección del intervalo de estudio.
La elección del rango de los datos le permite al usuario escojer el
intervalo de estudio de su elección; esto se realiza tomando un valor mínimo
que representa la profundidad a partir de la cual se quiere realizar el estudio,
y un valor máximo que indica hasta dónde llega el mismo (figura IV.2). Es
importante aclarar que las unidades de estos valores vienen dadas por las
unidades de la primera columna del registro, que en general nos indica la
profundidad de todo el estudio.
Fig. IV.2. Elección del rango de los datos.
La elección de estos dos valores hace que el programa construya una
Universidad Simón Bolívar 90
matriz que posee un numero de filas que van desde el valor mínimo
introducido, al valor máximo; es decir, si el primer valor es de 1000 pies y el
segundo es de 2000 pies, y el estudio se efectuó cada 0.5 pies, se genera una
matriz que posee 2000 filas. El número de columnas depende del número de
registros que contenga el archivo; es decir, si sólo se efectuaron estudios de
gamma ray, porosidad, permeabilidad y sónico, la matriz resultante será de
cuatro columnas. Se tendrá entonces como resultado, una matriz de dos mil
(2000) filas por cuatro (4) columnas.
Fase IV.2.3. Despliegue gráfico del registro de pozo.
Para realizar el despliegue de los registros de pozo en una ventana, se
procedió a separar en columnas la matriz anterior. Esto nos permite trabajar
registro en función de la profundidad, en donde cada gráfico lleva por título
el número de la columna que representa dentro del archivo, y el eje “x” el
nombre del registro que viene dado por el encabezado. Todos los gráficos
se ejecutaron dentro de una misma ventana para tener una mejor
sólo en el primer gráfico porque representa la misma escala para todos los
usuario desea hacer un acercamiento en una gráfica determinada, puede irse
al editor de gráficos, en donde podrá colocarle de nuevo la escala al eje que
desee.
Universidad Simón Bolívar 91
Fase IV.2.4. Análisis de rango re‐escalado del registro elegido.
El usuario escogerá el número de columna, el cual pertenece al registro
de pozo en particular al que desea realizarle el estudio. A ésta columna, que
ya fue separada anteriormente de la matriz de datos, se le haya el promedio
de las N muestras que contiene, luego ese promedio es restado a cada uno de
los elementos de la columna y se genera otra columna. A ésta segunda
columna se le aplica el análisis de rango re‐escalado explicado en el capítulo
II, sección II.12. La figura IV.3 muestra el despliegue de los registros de pozo.
Fig. IV.3. Despliegue del registro de pozo. Cada registro tiene el número de
la columna que representa dentro de la matriz de datos.
Universidad Simón Bolívar 92
Fig. IV.4. Despliegue de la gráfica logarítmica Varianza vs N/2 muestras.
Como resultado final se van a tener dos columnas; la primera indica el
Log10 de la varianza y la segunda el Log10 de la cantidad N/2 de muestras, con
lo que se construye la gráfica mostrada en la figura IV.4.
Es importante aclarar que si la columna posee un número impar de
así un número par y divisible entre dos.
El despliegue por pantalla de la gráfica que genera éste procedimiento
va a informar si la columna del registro presenta un comportamiento fractal,
como lo muestra la figura IV.4.
Universidad Simón Bolívar 93
Fase IV.2.5. Aproximación lineal y cálculo del coeficiente de Hurst.
Una vez obtenida la gráfica logarítmica Varianza vs. N/2 muestras, se
procede a ir a la barra de herramientas (“tools” (en inglés)), que se encuentra
en la barra de menú de la ventana desplegada. Se elige la opción “ajuste
básico” (“basic fitting”), como se muestra en la figura IV.5.
Luego de eligir ésta opción, se abrirá una nueva ventana, en donde
elegiremos las siguientes opciones (figura IV.6):
a. Centrar y escalar los datos de X (“Center and Scale X data”).
b. Ajuste lineal (“Linear”).
c. Mostrar ecuaciones (“Show equations”).
Estás opciones realizarán el ajuste lineal buscado, dando la ecuación de
la recta correspondiente, en donde el coeficiente que acompaña a “x” es la
pendiente de la recta y respectivamente el coeficiente de Hurst.
Se pueden elegir varias opciones más, como ajustes de orden
cuadrático, cúbico y polinomial de más de cuatro coeficientes. También
se puede cambiar la cantidad de decimales que se quiere para la ecuación,
variando desde 2 hasta 5.
Es importante saber que éste tipo de ajuste que nos ofrece MatLab®
puede realizar gráficos de residuales, ya sea en forma de barra, de manera
lineal o simplemente punto a punto. Se concluye el ajuste eligiendo cerrar
(“Close”).
Universidad Simón Bolívar 94
Fig. IV.5. Opción de ajuste básico en la barra de menú.
Este tipo de ajuste lineal lo realiza MatLab® a lo largo de toda la curva,
se ha generado una interfase con el usuario de manera que se realize el ajuste
en la parte lineal de la curva, de la siguiente manera:
a. Luego de hallar el ajuste lineal de toda la curva, el programa permite
ver cuales son los datos que generan la gráfica para así poder visualizar
cuáles son los puntos de interés que generan la linea que nos interesa dentro
de la curva, como se muestra en la figura IV.7.
Universidad Simón Bolívar 95
Fig. IV.6. Opciones para realizar un ajuste lineal y obtener la pendiente de la recta
que nos proporcionará el coeficiente de Hurst.
b. La cantidad de pares de datos que se encuentran dentro de la zona
lineal de la curva es preguntado al usuario (figura IV.7), y se pueden ver en la
gráfica Log (Rn/Dn) vs Log (N/2) (figura IV.8, óvalo verde).
c. Luego se van introduciendo uno a uno los pares de datos que
conforman ésta linea (figura IV.9).
Universidad Simón Bolívar 96
Fig. IV.7. Visualización de los datos que generan la gráfica Log (Rn/Dn) vs Log (N/2).
d. Se genera la gráfica sólo con los puntos de interés, se va de nuevo al
editor de gráficos y se realiza el ajuste lineal correspondiente; hallando así la
ecuación de la recta y su pendiente (coeficiente de Hurst), gráfica IV.10.
Universidad Simón Bolívar 97
Fig. IV.8. Puntos que conforman la parte lineal de la curva a estudiar.
Pares de datos
Fig. IV.9. Introducción de los pares de datos que conforman el ajuste lineal.
Universidad Simón Bolívar 98
Fig. IV.10. Ajuste lineal y ecuación de la recta del intervalo de interés.
El diagrama de flujo que permite visualizar el desarrollo del programa
A3RP y de las subrutinas descritas anteriormente se muestra en la figura
IV.11.
Universidad Simón Bolívar 99
Archivos ASCII
Lectura
( *.txt o *.xls)
de
Datos
Archivos LAS
Rango de datos a analizar
Selección del intervalo
Tamaño de la matriz de trabajo
de Estudio
División de la matriz de datos y
la matriz que contiene el header
Salida por pantalla de los Elección del registro al que
registros de pozo se le desea aplicar el análisis
A cuál columna desea Salida por pantalla del análisis
aplicar el análisis? de Rango Re‐escalado
Gráfica Log10 (RN/SN) vs
Log10(N/2)
Obtención del
Coeficiente de Interfase con
Hurst el usuario
Editor de gráficas
No
Ajuste lineal
Ecuación de la recta
Desea salir del
Si Fin
programa?
Fig. IV.11. Diagrama de flujo del funcionamiento del programa A3RP.
Universidad Simón Bolívar 100
CAPÍTULO V
Análisis de Resultados
Una vez elaborados y finalizados los códigos, se procedió al desarrollo
de los mismos en MatLab®, los cuales fueron ensayados realizando pruebas
preliminares con los mismos datos de pozo a usar.
En el siguiente capítulo se estudiarán uno a uno los pozos y se
resultados de un estudio de núcleos realizado por A. Canham (2001) de la
empresa Ires en el laboratorio d IGIS.
La descripción de los pozos en cuanto a su litología y la calidad del
yacimiento es producto de la descripción estratigráfica cualitativa de la
ingeniero Maribel López (Tesis de Maestría, comunicación personal, 2005).
V.I. Pozo 001
porosidad neutrón, resistividad, resistividad inducida profunda, resistividad
inducida media y esférico micro enfocado (figura VI.1). La profundidad a la
que se realizó el estudio va desde los 6600 pies hasta los 6825 pies.
Universidad Simón Bolívar 101
resistividad inducida media (figura V.6).
El registro de resistividad presentó un coeficiente de Hurst para toda
la curva de H = 0.7945.
Su coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4995.
Fig. V.1. Registro del Pozo 001.
Universidad Simón Bolívar 102
Fig. V.2. Registro de resistividad del Pozo 001.
Ajuste lineal de toda la curva.
Fig. V.3. Análisis en el intervalo de interés del registro de resistividad
del Pozo 001. Ajuste lineal del intervalo.
Universidad Simón Bolívar 103
de Hurst para toda la curva de H = 0.7813.
Su coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4104.
Fig. V.4. Registro de resistividad inducida profunda del Pozo 001.
Análisis lineal de toda la curva.
Universidad Simón Bolívar 104
Fig. V.5. Análisis en el intervalo de interés del registro de resistividad inducida
profunda del Pozo 001. Ajuste lineal del intervalo.
El registro de resistividad inducida media presentó un coeficiente de
Hurst para toda la curva de H = 0.7865.
Su coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.5867.
Universidad Simón Bolívar 105
Fig. V.6. Registro de resistividad inducida media del Pozo 001.
Ajuste lineal de toda la curva.
Fig. V.7. Análisis en el intervalo de interés del registro de resistividad inducida
media del Pozo 001. Ajuste lineal del intervalo.
Universidad Simón Bolívar 106
El Pozo 001 presenta intervalos definidos como malos o regulares en
(Comunicación Personal, Maribel López, 2005). El espesor de las areniscas varía
desde los 25 pies a los 45 pies aproximadamente, como lo muestra el registro
de rayos gamma. Se pueden ver las arenas productoras en los registros de
resistividad, ya que es allí cuando ésta aumenta; lo cual es corroborado por el
registro de densidad de carga (densidad de “Bulk”), ya que la densidad de las
arenas es menor que la de las lutitas.
Es importante aclarar que el intervalo de estudio tiene apenas 225 pies,
que equivalen a 67.5 m. aproximadamente, lo cual no representa la medida
concordantes y genéticamente relacionadas, que posee un espesor mínimo de
marina y sus superficies correlativa. El análisis de facies muestra que la
sección fue depositada en dos paleoambientes: marino costero y deltaico.
V.II. Pozo 002
densidad de carga (figura V.8). La profundidad a la que se realizó el estudio
va desde los 6600 pies hasta los 7200 pies.
Universidad Simón Bolívar 107
Ninguno de los registros de éste pozo presentó comportamiento fractal
alguno. Sin embargo en el Pozo 002 el registro de rayos gamma, la litología
predominante son arenas medianas de buena calidad como reservorio, con
patrones de apilamiento creciente de ambientes marinos en su mayoría
(Comunicación Personal, Maribel López, 2005). Esto puede observarse en los
primeros 100 pies del intervalo en estudio (6600 pies ‐ 6700 pies), ya que es
aquí donde los registros de resistividad varían entre 180 Ωm y 380 Ωm.
Fig. V.8. Registro del Pozo 002.
En la señal del registro de rayos gamma también se observa la
presencia de muchas arenas con valores menores del corte de 50 API, lo que
indica que son arenas limpias.
Universidad Simón Bolívar 108
El registro número 6 se ve todo lleno de color rosado debido a que le
medición no fue efectuada y por ello se le colocó el número ‐999.999 a lo largo
de toda la columna.
V.III. Pozo 003
sónico, rayos gamma, porosidad neutrón y densidad de Bulk (figura V.9).
La profundidad a la que se realizó el estudio va desde los 6550 pies hasta los
7050 pies.
Fig. V.9. Registro del Pozo 003.
Universidad Simón Bolívar 109
El único registro que presentó un comportamiento fractal fue el de
resistividad AT90 (figura V.10).
El registro de resistividad presentó un coeficiente de Hurst para toda
la curva de H = 0.8967.
Su coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4356.
Fig. V.10. Registro de resistividad AT90 del Pozo 003.
Ajuste lineal de toda la curva.
Universidad Simón Bolívar 110
Fig. V.11. Análisis en el intervalo de interés del registro de resistividad AT90
del Pozo 003. Ajuste lineal del intervalo.
Este pozo según la descripción de facies realizada por Maribel López,
presenta arenas de buena calidad de reservorio. Predomina un solo
ambiente: el marino costero. El registro de rayos gamma muestra la
presencia de dos arenas gruesas limpias, una de ellas, la más importante, se
encuentra entre los 6950 pies y los 7000 pies como lo muestra los registros de
resistividad AT30 y AT90. La sección en general no presenta lutitas
significativas
V.IV. Pozo 004
Universidad Simón Bolívar 111
(figura V.12). La profundidad a la que se realizó el estudio va desde los 6525
pies hasta los 7075 pies.
Fig. V.12. Registro del Pozo 004.
Ninguno de los registros de éste pozo presentó comportamiento fractal
calidad, no son consideradas reservorio y tienen muy poco espesor. Como
muestra la señal del registro de rayos gamma, existen intercalaciones de
capas delgadas de arena, lutita y limonita. El análisis de facies y
paleoambientes muestra que la sección fue depositada en ambiente de
estuario, marino costero y deltaico.
Universidad Simón Bolívar 112
V.V. Pozo 005
Este pozo contiene 5 registros: profundidad, sónico, rayo gamma, ILD
(Induction Log Deep) e ILM (Induction Log Medium). El despliegue por
pantalla de los registros lo muestra la figura V.13; su estudio se realizó desde
los 6550 pies a los 7100 pies.
El único registro que presentó un comportamiento fractal fue el de
rayos gamma (figura V.14).
El registro de rayos gamma arrojó un coeficiente de Hurst para toda la
curva de H = 0.9103.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4874.
El pozo 005 presenta arenas de buena calidad de reservorio. Su
paleoambiente predominante es el marino costero. El registro de rayos
gamma muestra dos arenas limpias y gruesas en los intervalos que van desde
los 6680 pies – 6820 y desde los 6990 pies – 7060 pies respectivamente. Esto
se puede corroborar con los registros de resistividad en los cuales sus valores
varíab desde los 35 Ωm hasta 150Ωm. En general no se visualizan lutitas
importantes.
Universidad Simón Bolívar 113
Fig. V.13. Registros sónico, rayo gamma, resistividad de inducción profunda
y de inducción media del Pozo 005.
Fig. V.14. Registro de rayos gamma del Pozo 005.
Ajuste lineal de toda la curva.
Universidad Simón Bolívar 114
Fig. V.15. Análisis en el intervalo de interés del registro de rayos gamma
del Pozo 005. Ajuste lineal del intervalo.
V.VI. Pozo 006
sónico, rayos gamma, densidad de Bulk y porosidad neutrón (figura V.16).
El estudio se realizó desde los 6650 pies hasta los 7225 pies.
El pozo 006 solo presentó un caso con comportamiento fractal. El
registro sónico (figura V.17).
El registro sónico presenta un coeficiente de Hurst para toda la curva
de H = 0.9259.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.3971.
Universidad Simón Bolívar 115
Fig. V.16. Registro del Pozo 006.
Fig. V.17. Registro sónico del Pozo 006.
Ajuste lineal de toda la curva.
Universidad Simón Bolívar 116
intercalaciones de arenas y lutitas, lo que indica una sección litológica
“sucia”. Las arenas son de poco espesor. El espesor total de las arenas es
casi igual al contenido de limonitas o lutitas.
que no existe un ambiente predominante, sino que el intervalo de interés fue
depositado en ambientes marino costero y marino profundo. Las arenas de
éste intervalo son, por consiguiente, de mala calidad de reservorio.
Fig. V.18. Análisis en el intervalo de interés del registro sónico
del Pozo 006. Ajuste lineal del intervalo.
Universidad Simón Bolívar 117
V.VII. Pozo 007
Este pozo contiene 8 registros: profundidad, cáliper, sónico, rayos
profunda y resistividad inducida media (figura V.19). El estudio se realizó
desde los 6500 pies hasta los 6950 pies.
Fig. V.19. Registro del Pozo 007.
El pozo 007 presentó un caso con comportamiento fractal. El registro
de resistividad inducida media (figura V.20).
El registro de resistividad inducida media arroja un coeficiente de
Hurst para toda la curva de H = 0.8767.
Universidad Simón Bolívar 118
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4147.
Fig. V.20. Registro de resistividad inducida media del Pozo 007.
Ajuste lineal de toda la curva.
En el registro de rayos gamma se observan 2 arenas medianas de
buena calidad de reservorio. Se observan patrones de apilamiento creciente
de ambientes marinos en su mayoría.
Universidad Simón Bolívar 119
Fig. V.21. Análisis en el intervalo de interés del registro de resistividad
inducida media del Pozo 007. Ajuste lineal del intervalo.
V.VIII. Pozo 008
Este pozo contiene 8 registros: profundidad, AT30, AT90, sónico, rayos
gamma, cáliper, porosidad neutrón y densidad de Bulk (figura V.22). El
estudio se realizó desde los 6450 pies hasta los 7100 pies.
El pozo 008 presentó cuatro casos con comportamiento fractal. El
registro de resistividad AT30 (figura V.23), el registro de resistividad AT90
(figura V.25), el registro de porosidad neutrón (figura V.27) y el registro de
resistividad (figura V.29).
El registro de resistividad AT30 presenta un coeficiente de Hurst para
toda la curva de H = 0.9286.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4753.
Universidad Simón Bolívar 120
Fig. V.22. Registro del Pozo 008.
Fig. V.23. Registro de resistividad AT30 del Pozo 008.
Ajuste lineal de toda la curva.
Universidad Simón Bolívar 121
Fig. V.24. Análisis en el intervalo de interés del registro de resistividad AT30
del Pozo 008. Ajuste lineal del intervalo.
El registro de resistividad AT90 presenta un coeficiente de Hurst para
toda la curva de H = 0.9265.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4771.
El registro de porosidad neutrón presenta un coeficiente de Hurst para
toda la curva de H = 0.9360.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4781.
El registro de resistividad de éste pozo arroja un coeficiente de Hurst
para toda la curva de H = 0.9360.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.5074.
Universidad Simón Bolívar 122
Fig. V.25. Registro de resistividad AT90 del Pozo 008.
Ajuste lineal de toda la curva.
Fig. V.26. Análisis en el intervalo de interés del registro de resistividad AT90
del Pozo 008. Ajuste lineal del intervalo.
Universidad Simón Bolívar 123
Fig. V.27. Registro de porosidad de neutrones del Pozo 008.
Ajuste lineal de toda la curva.
Fig. V.28. Análisis en el intervalo de interés del registro de porosidad de neutrones
del Pozo 008. Ajuste lineal del intervalo.
Universidad Simón Bolívar 124
Fig. V.29. Registro de resistividad del Pozo 008.
Ajuste lineal de toda la curva.
Fig. V.30. Análisis en el intervalo de interés del registro de resistividad
del Pozo 008. Ajuste lineal del intervalo.
Universidad Simón Bolívar 125
Según el análisis de facies y paleoambientes se puede decir que
predomina una arquitectura de canal en el pozo 008. Hay presencia de tres
reservorio es en promedio regular. El estrato en estudio tiene la presencia de
varios ambientes depositacionales; la presencia de lutitas predominando en la
parte superior de la sección y en la parte media (6800pies‐6900pies), y en la
(Comunicación Personal, Maribel López, 2005).
V.IX. Pozo 009
Este pozo contiene 8 registros: profundidad, rayos gamma, cáliper,
desde los 6500 pies hasta los 6650 pies.
Universidad Simón Bolívar 126
Fig. V.31. Registro del Pozo 009.
El pozo 009 presentó un solo registro que tenía un comportamiento
fractal. El registro de rayos gamma (figura V.32).
Este registro presenta un coeficiente de Hurst para toda la curva de H
= 0.7647.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.4996.
Universidad Simón Bolívar 127
Fig. V.32. Registro de rayos gamma del Pozo 009.
Ajuste lineal de toda la curva.
Fig. V.33. Análisis en el intervalo de interés del registro de resistividad
del Pozo 009. Ajuste lineal del intervalo.
Universidad Simón Bolívar 128
En el registro de rayos gamma observamos la lectura de valores altos
de unidades API y la presencia de 4 lutitas con gran espesor. La sección de
estudio, aunque no está completa, indica ser más lutítica que arenosa; lo cual
puede verse en los registros de resistividad y sus valores muy cercanos a
cero, lo que quiere decir que la sección es bastante conductiva. El estudio de
limonitas y tres paleoambientes: marino costero, estuario y marino profundo
(Comunicación Personal, Maribel López, 2005).
V.IX. Pozo 010
inducida media y densidad de Bulk (figura V.34). El estudio se realizó desde
los 6350 pies hasta los 6900 pies.
Universidad Simón Bolívar 129
Fig. V.34. Registro del Pozo 010.
registro de resistividad inducida profunda (figura V.35), el de resistividad
inducida media (figura V.37) y el registro cáliper (figura V.39).
de Hurst para toda la curva de H = 0.8998.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.5681.
Universidad Simón Bolívar 130
Fig. V.35. Registro de resistividad inducida profunda del Pozo 010.
Ajuste lineal de toda la curva.
Fig. V.36. Análisis en el intervalo de interés del registro de resistividad inducida
profunda del Pozo 010. Ajuste lineal del intervalo.
Universidad Simón Bolívar 131
Fig. V.37. Registro de resistividad inducida media del Pozo 010.
Ajuste lineal de toda la curva.
Fig. V.38. Análisis en el intervalo de interés del registro de resistividad inducida
media del Pozo 010. Ajuste lineal del intervalo.
Universidad Simón Bolívar 132
El registro de resistividad inducida media presenta un coeficiente de
Hurst para toda la curva de H = 0.9045.
El coeficiente de Hurst para el intervalo de la curva que presenta
linealidad es H = 0.5702.
Se observan grandes espesores en las arenas cuyas facies se relacionan
con la buena calidad del reservorio. Predomina el ambiente marino costero.
En cuanto al espesor neto se observa que existe más arena que lutita, por lo
que la sección se puede considerar “limpia” de arenas productoras
(Comunicación Personal, Maribel López, 2005).
Universidad Simón Bolívar 133
V.XI. Distribución Espacial de los Pozos y Estratigrafía
La unidad en estudio la constituye la parte inferior de la Formación
Oficina y está integrada por un conjunto de areniscas de ambiente marino
costero estuarino.
uno dominado por corrientes canalizadas (fluvial o canales de marea) y otro
dominado por el mar (barras costeras). Si bien la composición litológica de
las arenas es muy similar, la geometría de los cuerpos arenosos son muy
diferentes en cuanto al rumbo de la disposición de las arenas.
Universidad Simón Bolívar 134
Los canales de marea y fluviales se disponen con un rumbo Norte‐Sur,
el cual es perpendicular al borde de la cuenca, desde donde proviene el
aporte de material clástico, mientras que las barras dominadas por el mar se
disponen con un rumbo Este‐Oeste, paralelo al borde de la cuenca
(Comunicación Personal, Maribel López, 2005).
En la tabla V.1 se resume los tipos de ambientes de cada pozo.
Tabla V.1. Resumen de ambientes depositacionales
Ambiente Depositacional
Pozo
001 Marino ‐ Costero / Deltaico
Pozo
002 Marino
Pozo
003 Marino ‐ Costero
Pozo
004 Estuario / Marino ‐ Costero / Deltaico
Pozo
005 Marino ‐ Costero
Pozo
006 Marino ‐ Costero / Marino ‐ Profundo
Pozo
007 Marino
Pozo
008 Estuario / Marino ‐ Costero / Deltaico
Pozo
009 Marino ‐ Costero / Estuario / Marino Profundo
Pozo
010 Marino ‐ Costero
En la figura V.41 se pueden apreciar tres zonas principales. La
primera zona (marcada en verde), abarca a los Pozos 006, 007, 002 y 009
Universidad Simón Bolívar 135
desde marino profundo hasta estuario. Estos pozos se encuentran más hacia
el sur, por ello están ubicados hacia adentro de la cuenca oriental. La zona
marcada en azul, respectivamente los Pozos 004, 003, 001 y 005, son de
ambientes estuarinos, marinos costeros y deltaicos, los cuales demarcan una
zona bastante particular. Es aquí donde se realiza el aporte de sedimentos a
la cuenca y donde influyen las mareas, por ello la variación entre los
ambientes. Y por último se tiene la zona en rojo, donde se encuentran los
Pozos 008 y 010, gobernados por ambientes marinos costeros; ésto es de
esperarse ya que son lo pozos que se encuentran más al norte de la cuenca, y
que para el momento de formación de la cuenca su ambiente se hallaba más
hacia el continente.
V.XII. Comportamiento Fractal de los Pozos
Como se explicó en la metodología, se realizaron dos tipos de ajustes
lineales, uno a la curva completa luego de efectuarse el análisis de rango re‐
escalado, y otro, a la parte de la curva que presentaba una tendencia lineal.
En el segundo caso, el coeficiente de Hurst arrojaba valores cercanos a 0.5,
los resultados de éstos ajuste lineales no son confiables y no arrojan los
coeficientes de Hurst esperados, como los explicados en trabajos como el de
Kenneth M. y Steven D. Crane en 1995. Por ello, el análisis del
comportamiento fractal se realizará tomando en cuenta el coeficiente de
Hurst del primer análisis efectuado a toda la curva en cuestión. Los
resultados de todo el análisis realizado a cada uno de los pozos se puede
apreciar en la tabla V.2.
Universidad Simón Bolívar 136
Tabla V.2. Resumen de los resultados obtenidos para un ajuste lineal aplicado a toda la curva.
Tipo de Registro Coeficiente de Hurst (H)
Pozo 001 Resistividad 0.7945
Pozo 001 Resist ind. prof. 0.7813
Pozo 001 Resist ind. media 0.7865
Pozo 002 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
Pozo 003 Resistividad AT90 0.8967
Pozo 004 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
Pozo 005 Rayos Gamma 0.9103
Pozo 006 Sónico 0.9259
Pozo 007 Resist ind. media 0.8767
Pozo 008 Resistividad AT30 0.9286
Pozo 008 Resistividad AT90 0.9265
Pozo 008 Porosidad neutrón 0.936
Pozo 008 Resistividad 0.936
Pozo 009 Rayos Gamma 0.7647
Pozo 010 Resist ind. prof. 0.8998
Pozo 010 Resist ind. media 0.9045
Pozo 010 Cáliper 0.912
Empecemos el análisis por lo pozos 008 y 010 de la zona roja de la
figura V.41. Indudablemente los registros que se tiene en común para éstos
pozos, son los registros de resistividad. Los registros de resistividad, aunque
no son puntualmente los mismos, arrojan resultados bastantes parecidos para
los dos pozos. Para el caso del Pozo 008 tenemos tres registros de
normal o común); los valores del coeficiente de Hurst para éstos registros son
similares entre sí, y nos permite hacer la observación de que existe un patrón
de conducta fractal en éste tipo de registros para esta zona en particular
Universidad Simón Bolívar 137
donde el ambiente de depositación es marino costero. Más aún, esto puede
ser corroborado al compararlo con los resultados obtenidos por el Pozo 010
para los mismos registros de resistividad; en éste caso los resultados de los
resistividad de ésta zona en particular, el menor coeficiente de Hurst
encontrado fue de 0.8998; y el mayor valor hallado fue de 0.9360. Luego,
esto sugiere que para ambientes marinos costeros de la cuenca oriental de
Venezuela de la Formación Oficina, los registros de resistividad responden a
una patrón fractal, cuyo coeficiente de Hurst varía entre valores que van
desde 0.8998 hasta 0.9320.
El registro de porosidad neutrón del pozo 008, arrojó un valor de
coeficiente de Hurst de 0.9360. De éste registro en particular, aunque haya
mostrado un comportamiento fractal, no se puede corroborar ni afirmar nada,
ya que no se tiene otro registro con el mismo patrón en ninguno de los otros
pozos estudiados.
Siguiendo con el análisis, estudiemos ahora la zona en azul de la
gráfica V.41. En éste caso los pozos con los que se puede realizar un estudio
comparativo son 001 y 003. El Pozo 001 presenta tres registros: resistividad
media, cuyos valores de coeficiente de Hurst son 0.7945 , 0.7813 y 0.7865
respectivamente. Para el caso del Pozo 003, existe un sólo registro que
presentó un comportamiento fractal, éste fue el registo de resistividad AT90;
el cual arrojó un valor de coeficiente de Hurst de 0.8967. Para el caso de ésta
Universidad Simón Bolívar 138
zona, la comparación es bastante peculiar, ya que la media alrededor de la
cual giran los valores del coeficiente de Hurst de los registros de resistividad
del Pozo 001 ( 0.7874 ) se encuentra más de una unidad por debajo del
coeficiente de Hurst arrojado por el registro de resistividad del Pozo 003. Sin
embargo, son tres los registros en el Pozo 001 que indican aproximadamente
el mismo coeficiente de Hurst, y por ende, la misma dimensión fractal.
Tomando en consideración que el Pozo 003 se encuentra casi en la misma
línea Este‐Oeste de coordenadas UTM del Pozo 001 y por ello la geometría de
los cuerpos arenosos es bastante similar así como la litología de las arenas; el
resultado obtenido para el coeficiente de Hurst del registro de resistividad
AT90 se sale de la escala; esto puede deberse a errores en la obtención de los
datos del pozo o a un error en el ajuste lineal realizado, lo cual está
indefectiblemente relacionado al resultado obtenido.
Es por lo antes expuesto que para el caso de la zona en azul de la
gráfica V.41, en donde el ambiente depositacional se encuentra entre el
marino costero, el estuarino y el deltaico, se puede afirmar que el coeficiente
de Hurst para un análisis de rango re‐escalado oscila desde 0.7810 hasta
0.7950.
El registro de rayos gamma del Pozo 005 también presenta un
comportamiento fractal, donde el coeficiente de Hurst es de 0.9103 y su
dimensión fractal es 0.8206. Este resultado es bastante distintivo del
obtenido en el registro de rayos gamma del Pozo 009 de la zona verde de la
gráfica VI.41; en donde el coeficiente de Hurst es 0.7647.
Universidad Simón Bolívar 139
Con éstos resultados se puede decir que para una ambiente
transicional estuarino, marino costero y deltaico; un registro de rayos gamma
arroja un coeficiente de Hurst alrededor de 0.8206; mientra que para un
ambiente depositacional marino profundo, un registro de rayos gamma arroja
valores de coeficiente de Hurst alrededor de 0.7647.
Nos queda por analizar entonces el registro de resistividad inducida
media del Pozo 007, cuyo coeficiente de Hurst es 0.8767. El resultado de éste
registro no se encuentra dentro de los rangos obtenidos para los ambientes
antes expuestos. Es por ello que se puede afirmar que para una ambiente
depositacional marino profundo de la Formación Oficina de la cuenca
oriental de Venezuela el coeficiente de Hurst varía alrededor de 0.8767.
Otro registro que presentó un patrón fractal fue el registro sónico del
Pozo 006, pero éste no nos proporciona ninguna información genuinamente
concluyente, ya que no se tiene otro registro sónico de ningún otro pozo con
el cual se pueda comparar.
En la figura V.42 se puede apreciar los ambientes de depositación
particulares para cada zona descrita así como su coeficiente de Hurst
asociado.
ambiente posee un color particular que lo ubica en un lugar característico
dentro del mapa de cooordenadas UTM de la figura V.41.
Universidad Simón Bolívar 140
Coordenadas UTM(Este)
Ambientes Marinos Costeros 0.8998 ≤ H ≤ 0.9320
Ambientes Estuarinos, Marinos Costeros y Deltaicos 0.7810 ≤ H ≤ 0.7950
Fig. V.42. Coeficientes de Hurst (H) para cada ambiente de depositación en particular
Universidad Simón Bolívar 141
Tabla V.3. Ambientes depositacionales clasificados por coeficientes de Hurst
y por la zona a la que pertenecen dentro de la división de la figura V.41.
Ambiente Depositacional Coeficiente de Hurst
Pozo
001 Marino ‐ Costero / Deltaico 0.7810 ≤ H ≤ 0.7950
Pozo
002 Marino H ≈ 0.8767
Pozo
003 Marino ‐ Costero 0.7810 ≤ H ≤ 0.7950
Pozo
004 Estuario / Marino ‐ Costero / Deltaico 0.7810 ≤ H ≤ 0.7950
Pozo
005 Marino ‐ Costero 0.7810 ≤ H ≤ 0.7950
Pozo
006 Marino ‐ Costero / Marino ‐ Profundo H ≈ 0.8767
Pozo
007 Marino H ≈ 0.8767
Pozo
008 Estuario / Marino ‐ Costero / Deltaico 0.8998 ≤ H ≤ 0.9320
Pozo Marino ‐ Costero / Estuario / Marino
009 Profundo H ≈ 0.8767
Pozo
010 Marino ‐ Costero 0.8998 ≤ H ≤ 0.9320
Universidad Simón Bolívar 142
CAPÍTULO VI
Conclusiones
En el presente trabajo, nuestros resultados sugieren que:
Los únicos registros de pozo confiables con los que se puede realizar
fractal, son los registros de resistividad.
La cantidad de datos dentro del análisis de rango re‐escalado es un
factor importante al momento de realizar el ajuste lineal de la curva. A
mayor cantidad de datos la zona lineal se ve más acentuada y el ajuste lineal
es más exacto.
Para ambientes marinos costeros de la Cuenca Oriental de Venezuela
de la Formación Oficina, los registros de resistividad responden a una patrón
fractal, cuyo coeficiente de Hurst varía entre valores que van desde 0.8998
hasta 0.9320.
Oriental de Venezuela de la Formación Oficina, los registros de resistividad
responden a una patrón fractal, cuyo coeficiente de Hurst oscila desde 0.7810
hasta 0.7950.
Oficina de la Cuenca Oriental de Venezuela los registros de resistividad
arrojan coeficiente de Hurst cercano a 0.8767.
Universidad Simón Bolívar 143
El análisis de rango re‐escalado de series de tiempo aplicado a
registros de resistividad en datos de pozo,es una buena opción para
limpias y arenas limpias con intercalaciones de lutitas.
Universidad Simón Bolívar 144
Bibliografía
Aldana M. Aplicaciones geofísicas de los Caos y Fractales. Materia Ingeniería
Geofísica USB.
Barton C. y La Pointe P. Fractals in petroleum geology and earth processes.
Plenum Press. New York and London, 317 pp. 1995.
Cazabonne M., Christian y Alberto Sivoli G. Introducción al Estudio de las
Ciencias de la Tierra. Ediciones Eneva. Caracas, 1996.
Crane S. y Tubman K. Reservoir variability and modeling with fractals. SPI 20606,
pp 803‐807. 1990.
Feder J. Fractals. Plenum Press. New York, 281 pp. 1988.
Feynman R. Addison Wesley Iberoamericana. Volumen I, 1987.
González G., Virgilio A. y Carlos Guerrero. Fractales: fundamentos y
aplicaciones. Parte I: Concepción geométrica en la ciencia e ingeniería. Ingenierías,
Enero‐Marzo 2001, Vol. IV, No.10.
Hamblin, W. Kenneth y Eric H. Christiansen. Earth’s Dynamic Systems.
Prentice Hall. 1998.
Hastings H. y Sugihara G. Fractals: an user’s guide for the natural sciences.
Oxford University Press. Oxford, 235 pp. 1993.
Hewett T. Fractal distributions of reservoir heterogeneity and their influence on
fluid transport. SPE 15386, pp 1‐16. 1986.
Hewett T. y Behrens R. Conditional simulation of reservoir heterogeneity with
fractals. SPE formation evaluation. pp 217‐224, 1990.
Universidad Simón Bolívar 145
Universidad Simón Bolívar 146
Apéndice A
El código del programa A3RP es el siguiente:
%%%%% A3RP %%%%%
%%% Programa de Analisis de Rango Re‐escalado de Series de Tiempo Aplicado a Registros de Pozo. %%%
%%% Creado y realizado por Br. Cs. Gustavo H. Arguello V. %%%
%%% Universidad Simon Bolivar %%%
%%% Ingenieria Geofisica %%%
%%% Sartenejas 2005 %%%
%%________________________________________________________________________________________________%%
format short g
global filainf filasup columna
input(ʹ Bienvenido a AR3P\n Un programa que le permite realizar\n Analisis de Rango Reescalado
en Datos de Pozo\n (Presione Enter)\nʹ);
a=input(ʹ Verifiquemos los formatos del archivo a cargar\nPresione el numero correspondiente al tipo de
archivo\n seguido de Enter\n\n 1 para archivo formato LAS\n 2 para archivo formato
TXT\n 3 para archivo formato XLS\n ʹ);
switch a
case 1
b=input(ʹ\nIntroduzca el nombre del archivo con la terminacion .las\n\n ʹ,ʹsʹ);
%%%%% Script de lectura de datos formato LAS %%%%%
[nombres registros] = lectlasfilex (b); %%Subrutina de lectura de datos en formato .las
Universidad Simón Bolívar 147
registros ; %%Matriz de datos
nombres; %%Matriz compuesta por el header
input(ʹ\n Los datos se han cargado de manera exitosa\n (Presione Enter para continuar)\nʹ);
[fd cd]=size(registros);
prof=registros(:,1);
min=input(ʹ\nIntroduzca el valor minimo (ft) del intervalo que desea estudiar\n\n ʹ,ʹsʹ);
max=input(ʹ\nIntroduzca el valor maximo (ft) del intervalo que desea estudiar\n\n ʹ,ʹsʹ);
min=str2num(min);
max=str2num(max);
[fp cp]=size(prof);
for s=1:fp; %%Creacion del intervalo de interes
if prof(s,1) == min;
filainf=s;
end
if prof(s,1) == max;
filasup=s;
end
end
for k=1:cd;
x=1;
for t=filainf:filasup
columna(x,k)=registros(t,k); %%Creacion de la matriz de datos en el intervalo de interes
x=x+1;
end
end
w=size(columna);
y=w(:,2);
for z=1:y;
p(:,z)=columna(:,z); %%Separacion de los datos de interes en columnas
if z==1
p1=p(:,z);
end
if z==2
p2=p(:,z);
new=figure;
Universidad Simón Bolívar 148
set(new,ʹnameʹ,ʹREGISTROS DE POZOʹ,ʹnumbertitleʹ,ʹoffʹ);
subplot(1,cd‐1,z‐1); %%Division del espacio de graficacion
cada columna
set(gca,ʹYDirʹ,ʹreverseʹ) %%Inverso de la escala de Y
grid on; %%Puesta en pantalla del grid
title(ʹ[ 2 ]ʹ);
whitebg(ʹkʹ); %%Color del fondo de las graficas
hold on;
prom2=mean(p2); %%Promedio de cada columna
pp2=p2‐prom2; %%Datos de cada columna menos el promedio que le corresponde
[min2 a2]=min(pp2); %%Minimo de cada columna
[max2 b2]=max(pp2); %%Maximo de cada columna
valminmax2=[min2 max2];
Rn2=max2‐(min2); %%Valor Rn de cada columna
De2=std(p2); %%Desviacion estandar de cada columna
St2=Rn2/De2;
end
if z==3
p3=p(:,z);
subplot(1,cd‐1,z‐1);
title(ʹ[ 3 ]ʹ)
plot(p3,p1,ʹgʹ),xlabel(nombres(1,3));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 3 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom3=mean(p3);
pp3=p3‐prom3;
[min3 a3]=min(pp3);
[max3 b3]=max(pp3);
valminmax3=[min3 max3];
Rn3=max3‐(min3);
De3=std(p3);
St3=Rn3/De3;
Universidad Simón Bolívar 149
end
if z==4
p4=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p4,p1,ʹrʹ),xlabel(nombres(1,4));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 4 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom4=mean(p4);
pp4=p4‐prom4;
[min4 a4]=min(pp4);
[max4 b4]=max(pp4);
valminmax4=[min4 max4];
Rn4=max4‐(min4);
De4=std(p4);
St4=Rn4/De4;
end
if z==5
p5=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p5,p1,ʹcʹ),xlabel(nombres(1,5));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 5 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom5=mean(p5);
pp5=p5‐prom5;
[min5 a5]=min(pp5);
[max5 b5]=max(pp5);
valminmax5=[min5 max5];
Rn5=max5‐(min5);
De5=std(p5);
St5=Rn5/De5;
Universidad Simón Bolívar 150
end
if z==6
p6=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p6,p1,ʹmʹ),xlabel(nombres(1,6));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 6 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom6=mean(p6);
pp6=p6‐prom6;
[min6 a6]=min(pp6);
[max6 b6]=max(pp6);
valminmax6=[min6 max6];
Rn6=max6‐(min6);
De6=std(p6);
St6=Rn6/De6;
end
if z==7
p7=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p7,p1,ʹyʹ),xlabel(nombres(1,7));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on
set(gca,ʹYTickLabelʹ,[]);
hold on;
title(ʹ[ 7 ]ʹ);
prom7=mean(p7);
pp7=p7‐prom7;
[min7 a7]=min(pp7);
[max7 b7]=max(pp7);
valminmax7=[min7 max7];
Rn7=max7‐(min7);
De7=std(p7);
St7=Rn7/De7;
Universidad Simón Bolívar 151
end
if z==8
p8=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p8,p1,ʹwʹ),xlabel(nombres(1,8));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 8 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom8=mean(p8);
pp8=p8‐prom8;
[min8 a8]=min(pp8);
[max8 b8]=max(pp8);
valminmax8=[min8 max8];
Rn8=max8‐(min8);
De8=std(p8);
St8=Rn8/De8;
end
if z==9
p9=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p9,p1,ʹbʹ),xlabel(nombres(1,9));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on
set(gca,ʹYTickLabelʹ,[]);
hold on;
title(ʹ[ 9 ]ʹ);
prom9=mean(p9);
pp9=p9‐prom9;
[min9 a9]=min(pp9);
[max9 b9]=max(pp9);
valminmax9=[min9 max9];
Rn9=max9‐(min9);
De9=std(p9);
St9=Rn9/De9;
Universidad Simón Bolívar 152
end
if z==10
p10=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p10,p1,ʹgʹ),xlabel(nombres(1,10));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 10 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom10=mean(p10);
pp10=p10‐prom10;
[min10 a10]=min(pp10);
[max10 b10]=max(pp10);
valminmax10=[min10 max10];
Rn10=max10‐(min10);
De10=std(p10);
St10=Rn10/De10;
end
if z==11
p11=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p11,p1,ʹrʹ),xlabel(nombres(1,11));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 11 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom11=mean(p11);
pp11=p11‐prom11;
[min11 a11]=min(pp11);
[max11 b11]=max(pp11);
valminmax11=[min11 max11];
Rn11=max11‐(min11);
De11=std(p11);
St11=Rn11/De11;
Universidad Simón Bolívar 153
end
if z==12
p12=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p12,p1,ʹcʹ),xlabel(nombres(1,12));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 12 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom12=mean(p12);
pp12=p12‐prom12;
[min12 a12]=min(pp12);
[max12 b12]=max(pp12);
valminmax12=[min12 max12];
Rn12=max12‐(min12);
De12=std(p12);
St12=Rn12/De12;
end
if z==13
p13=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p13,p1,ʹmʹ),xlabel(nombres(1,13));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 13 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom13=mean(p13);
pp13=p13‐prom13;
[min13 a13]=min(pp13);
[max13 b13]=max(pp13);
valminmax13=[min13 max13];
Rn13=max13‐(min13);
De13=std(p13);
St13=Rn13/De13;
Universidad Simón Bolívar 154
end
if z==14
p14=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p14,p1,ʹyʹ),xlabel(nombres(1,14));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 14 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom14=mean(p14);
pp14=p14‐prom14;
[min14 a14]=min(pp14);
[max14 b14]=max(pp14);
valminmax14=[min14 max14];
Rn14=max14‐(min14);
De14=std(p14);
St14=Rn14/De14;
end
if z==15
p15=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p15,p1,ʹwʹ),xlabel(nombres(1,15));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 15 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold off;
prom15=mean(p15);
pp15=p15‐prom15;
[min15 a15]=min(pp15);
[max15 b15]=max(pp15);
valminmax15=[min15 max15];
Rn15=max15‐(min15);
De15=std(p15);
St15=Rn15/De15;
Universidad Simón Bolívar 155
end
end
Divcicle;
Ansanarep;
%%%%% Fin de la rutina de lectura de datos formato LAS %%%%%
%%%%% Script de lectura de datos formato ASCII %%%%%
%%%%% Archivos de extension .txt %%%%%
case 2
c=input(ʹ Introduzca el nombre del archivo .txt\n Recuerde que solo deben estar los datos (sin header)\n
ʹ,ʹsʹ);
d=load(c);
d
[fd cd]=size(d);
prof=d(:,1);
min=input(ʹIntroduzca el valor minimo (ft) del intervalo que desea estudiar\n ʹ,ʹsʹ);
max=input(ʹIntroduzca el valor maximo (ft) del intervalo que desea estudiar\n ʹ,ʹsʹ);
min=str2num(min);
max=str2num(max);
[fp cp]=size(prof);
for s=1:fp
if prof(s,1) == min;
filainf=s;
end
if prof(s,1) == max;
filasup=s;
end
end
for k=1:cd;
x=1;
for t=filainf:filasup
Universidad Simón Bolívar 156
columna(x,k)=d(t,k);
x=x+1;
end
end
w=size(columna);
y=w(:,2);
for z=1:y;
p(:,z)=columna(:,z); %%Separacion de los datos de interes en columnas
if z==1
p1=p(:,z);
end
if z==2
p2=p(:,z);
new=figure;
set(new,ʹnameʹ,ʹREGISTROS DE POZOʹ,ʹnumbertitleʹ,ʹoffʹ);
subplot(1,cd‐1,z‐1); %%Division del espacio de graficacion
cada columna
set(gca,ʹYDirʹ,ʹreverseʹ) %%Inverso de la escala de Y
grid on; %%Puesta en pantalla del grid
title(ʹ[ 2 ]ʹ);
whitebg(ʹkʹ); %%Color del fondo de las graficas
hold on;
prom2=mean(p2); %%Promedio de cada columna
pp2=p2‐prom2; %%Datos de cada columna menos el promedio que le corresponde
[min2 a2]=min(pp2); %%Minimo de cada columna
[max2 b2]=max(pp2); %%Maximo de cada columna
valminmax2=[min2 max2];
Rn2=max2‐(min2); %%Valor Rn de cada columna
De2=std(p2); %%Desviacion estandar de cada columna
St2=Rn2/De2;
end
if z==3
p3=p(:,z);
subplot(1,cd‐1,z‐1);
title(ʹ[ 3 ]ʹ)
Universidad Simón Bolívar 157
plot(p3,p1,ʹgʹ),xlabel(nombres(1,3));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 3 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom3=mean(p3);
pp3=p3‐prom3;
[min3 a3]=min(pp3);
[max3 b3]=max(pp3);
valminmax3=[min3 max3];
Rn3=max3‐(min3);
De3=std(p3);
St3=Rn3/De3;
end
if z==4
p4=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p4,p1,ʹrʹ),xlabel(nombres(1,4));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 4 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom4=mean(p4);
pp4=p4‐prom4;
[min4 a4]=min(pp4);
[max4 b4]=max(pp4);
valminmax4=[min4 max4];
Rn4=max4‐(min4);
De4=std(p4);
St4=Rn4/De4;
end
if z==5
p5=p(:,z);
subplot(1,cd‐1,z‐1);
Universidad Simón Bolívar 158
plot(p5,p1,ʹcʹ),xlabel(nombres(1,5));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 5 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom5=mean(p5);
pp5=p5‐prom5;
[min5 a5]=min(pp5);
[max5 b5]=max(pp5);
valminmax5=[min5 max5];
Rn5=max5‐(min5);
De5=std(p5);
St5=Rn5/De5;
end
if z==6
p6=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p6,p1,ʹmʹ),xlabel(nombres(1,6));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 6 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom6=mean(p6);
pp6=p6‐prom6;
[min6 a6]=min(pp6);
[max6 b6]=max(pp6);
valminmax6=[min6 max6];
Rn6=max6‐(min6);
De6=std(p6);
St6=Rn6/De6;
end
if z==7
p7=p(:,z);
subplot(1,cd‐1,z‐1);
Universidad Simón Bolívar 159
plot(p7,p1,ʹyʹ),xlabel(nombres(1,7));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on
set(gca,ʹYTickLabelʹ,[]);
hold on;
title(ʹ[ 7 ]ʹ);
prom7=mean(p7);
pp7=p7‐prom7;
[min7 a7]=min(pp7);
[max7 b7]=max(pp7);
valminmax7=[min7 max7];
Rn7=max7‐(min7);
De7=std(p7);
St7=Rn7/De7;
end
if z==8
p8=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p8,p1,ʹwʹ),xlabel(nombres(1,8));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 8 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom8=mean(p8);
pp8=p8‐prom8;
[min8 a8]=min(pp8);
[max8 b8]=max(pp8);
valminmax8=[min8 max8];
Rn8=max8‐(min8);
De8=std(p8);
St8=Rn8/De8;
end
if z==9
p9=p(:,z);
subplot(1,cd‐1,z‐1);
Universidad Simón Bolívar 160
plot(p9,p1,ʹbʹ),xlabel(nombres(1,9));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on
set(gca,ʹYTickLabelʹ,[]);
hold on;
title(ʹ[ 9 ]ʹ);
prom9=mean(p9);
pp9=p9‐prom9;
[min9 a9]=min(pp9);
[max9 b9]=max(pp9);
valminmax9=[min9 max9];
Rn9=max9‐(min9);
De9=std(p9);
St9=Rn9/De9;
end
if z==10
p10=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p10,p1,ʹgʹ),xlabel(nombres(1,10));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 10 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom10=mean(p10);
pp10=p10‐prom10;
[min10 a10]=min(pp10);
[max10 b10]=max(pp10);
valminmax10=[min10 max10];
Rn10=max10‐(min10);
De10=std(p10);
St10=Rn10/De10;
end
if z==11
p11=p(:,z);
subplot(1,cd‐1,z‐1);
Universidad Simón Bolívar 161
plot(p11,p1,ʹrʹ),xlabel(nombres(1,11));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 11 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom11=mean(p11);
pp11=p11‐prom11;
[min11 a11]=min(pp11);
[max11 b11]=max(pp11);
valminmax11=[min11 max11];
Rn11=max11‐(min11);
De11=std(p11);
St11=Rn11/De11;
end
if z==12
p12=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p12,p1,ʹcʹ),xlabel(nombres(1,12));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 12 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom12=mean(p12);
pp12=p12‐prom12;
[min12 a12]=min(pp12);
[max12 b12]=max(pp12);
valminmax12=[min12 max12];
Rn12=max12‐(min12);
De12=std(p12);
St12=Rn12/De12;
end
if z==13
p13=p(:,z);
subplot(1,cd‐1,z‐1);
Universidad Simón Bolívar 162
plot(p13,p1,ʹmʹ),xlabel(nombres(1,13));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 13 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom13=mean(p13);
pp13=p13‐prom13;
[min13 a13]=min(pp13);
[max13 b13]=max(pp13);
valminmax13=[min13 max13];
Rn13=max13‐(min13);
De13=std(p13);
St13=Rn13/De13;
end
if z==14
p14=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p14,p1,ʹyʹ),xlabel(nombres(1,14));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 14 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom14=mean(p14);
pp14=p14‐prom14;
[min14 a14]=min(pp14);
[max14 b14]=max(pp14);
valminmax14=[min14 max14];
Rn14=max14‐(min14);
De14=std(p14);
St14=Rn14/De14;
end
if z==15
p15=p(:,z);
subplot(1,cd‐1,z‐1);
Universidad Simón Bolívar 163
plot(p15,p1,ʹwʹ),xlabel(nombres(1,15));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 15 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold off;
prom15=mean(p15);
pp15=p15‐prom15;
[min15 a15]=min(pp15);
[max15 b15]=max(pp15);
valminmax15=[min15 max15];
Rn15=max15‐(min15);
De15=std(p15);
St15=Rn15/De15;
end
end
Divcicle;
Ansanarep;
%%%%% Fin de la rutina de lectura de datos formato .txt %%%%%
%%%%% Archivos de extension .xls %%%%%
case 3
e=input(ʹ\n Introduzca el nombre del archivo .xls\n ʹ,ʹsʹ);
[registros nombres]=xlsread(e);
input(ʹ\n Los datos se han cargado de manera exitosa\n (Presione Enter para continuar)\nʹ);
[fd cd]=size(registros);
prof=registros(:,1);
min=input(ʹ\nIntroduzca el valor minimo (ft) del intervalo que desea estudiar\n\n ʹ,ʹsʹ);
max=input(ʹ\nIntroduzca el valor maximo (ft) del intervalo que desea estudiar\n\n ʹ,ʹsʹ);
min=str2num(min);
max=str2num(max);
[fp cp]=size(prof);
for s=1:fp; %%Creacion del intervalo de interes
if prof(s,1) == min;
Universidad Simón Bolívar 164
filainf=s;
end
if prof(s,1) == max;
filasup=s;
end
end
for k=1:cd;
x=1;
for t=filainf:filasup
columna(x,k)=registros(t,k); %%Creacion de la matriz de datos en el intervalo de interes
x=x+1;
end
end
w=size(columna);
y=w(:,2);
for z=1:y;
p(:,z)=columna(:,z); %%Separacion de los datos de interes en columnas
if z==1
p1=p(:,z);
end
if z==2
p2=p(:,z);
new=figure;
set(new,ʹnameʹ,ʹREGISTROS DE POZOʹ,ʹnumbertitleʹ,ʹoffʹ);
subplot(1,cd‐1,z‐1); %%Division del espacio de graficacion
cada columna
set(gca,ʹYDirʹ,ʹreverseʹ) %%Inverso de la escala de Y
grid on; %%Puesta en pantalla del grid
title(ʹ[ 2 ]ʹ);
whitebg(ʹkʹ); %%Color del fondo de las graficas
hold on;
prom2=mean(p2); %%Promedio de cada columna
pp2=p2‐prom2; %%Datos de cada columna menos el promedio que le corresponde
[min2 a2]=min(pp2); %%Minimo de cada columna
Universidad Simón Bolívar 165
[max2 b2]=max(pp2); %%Maximo de cada columna
valminmax2=[min2 max2];
Rn2=max2‐(min2); %%Valor Rn de cada columna
De2=std(p2); %%Desviacion estandar de cada columna
St2=Rn2/De2;
end
if z==3
p3=p(:,z);
subplot(1,cd‐1,z‐1);
title(ʹ[ 3 ]ʹ)
plot(p3,p1,ʹgʹ),xlabel(nombres(1,3));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 3 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom3=mean(p3);
pp3=p3‐prom3;
[min3 a3]=min(pp3);
[max3 b3]=max(pp3);
valminmax3=[min3 max3];
Rn3=max3‐(min3);
De3=std(p3);
St3=Rn3/De3;
end
if z==4
p4=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p4,p1,ʹrʹ),xlabel(nombres(1,4));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 4 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom4=mean(p4);
pp4=p4‐prom4;
Universidad Simón Bolívar 166
[min4 a4]=min(pp4);
[max4 b4]=max(pp4);
valminmax4=[min4 max4];
Rn4=max4‐(min4);
De4=std(p4);
St4=Rn4/De4;
end
if z==5
p5=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p5,p1,ʹcʹ),xlabel(nombres(1,5));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 5 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom5=mean(p5);
pp5=p5‐prom5;
[min5 a5]=min(pp5);
[max5 b5]=max(pp5);
valminmax5=[min5 max5];
Rn5=max5‐(min5);
De5=std(p5);
St5=Rn5/De5;
end
if z==6
p6=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p6,p1,ʹmʹ),xlabel(nombres(1,6));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 6 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom6=mean(p6);
pp6=p6‐prom6;
Universidad Simón Bolívar 167
[min6 a6]=min(pp6);
[max6 b6]=max(pp6);
valminmax6=[min6 max6];
Rn6=max6‐(min6);
De6=std(p6);
St6=Rn6/De6;
end
if z==7
p7=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p7,p1,ʹyʹ),xlabel(nombres(1,7));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on
set(gca,ʹYTickLabelʹ,[]);
hold on;
title(ʹ[ 7 ]ʹ);
prom7=mean(p7);
pp7=p7‐prom7;
[min7 a7]=min(pp7);
[max7 b7]=max(pp7);
valminmax7=[min7 max7];
Rn7=max7‐(min7);
De7=std(p7);
St7=Rn7/De7;
end
if z==8
p8=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p8,p1,ʹwʹ),xlabel(nombres(1,8));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 8 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom8=mean(p8);
pp8=p8‐prom8;
Universidad Simón Bolívar 168
[min8 a8]=min(pp8);
[max8 b8]=max(pp8);
valminmax8=[min8 max8];
Rn8=max8‐(min8);
De8=std(p8);
St8=Rn8/De8;
end
if z==9
p9=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p9,p1,ʹbʹ),xlabel(nombres(1,9));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on
set(gca,ʹYTickLabelʹ,[]);
hold on;
title(ʹ[ 9 ]ʹ);
prom9=mean(p9);
pp9=p9‐prom9;
[min9 a9]=min(pp9);
[max9 b9]=max(pp9);
valminmax9=[min9 max9];
Rn9=max9‐(min9);
De9=std(p9);
St9=Rn9/De9;
end
if z==10
p10=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p10,p1,ʹgʹ),xlabel(nombres(1,10));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 10 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom10=mean(p10);
pp10=p10‐prom10;
Universidad Simón Bolívar 169
[min10 a10]=min(pp10);
[max10 b10]=max(pp10);
valminmax10=[min10 max10];
Rn10=max10‐(min10);
De10=std(p10);
St10=Rn10/De10;
end
if z==11
p11=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p11,p1,ʹrʹ),xlabel(nombres(1,11));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 11 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom11=mean(p11);
pp11=p11‐prom11;
[min11 a11]=min(pp11);
[max11 b11]=max(pp11);
valminmax11=[min11 max11];
Rn11=max11‐(min11);
De11=std(p11);
St11=Rn11/De11;
end
if z==12
p12=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p12,p1,ʹcʹ),xlabel(nombres(1,12));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 12 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom12=mean(p12);
pp12=p12‐prom12;
Universidad Simón Bolívar 170
[min12 a12]=min(pp12);
[max12 b12]=max(pp12);
valminmax12=[min12 max12];
Rn12=max12‐(min12);
De12=std(p12);
St12=Rn12/De12;
end
if z==13
p13=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p13,p1,ʹmʹ),xlabel(nombres(1,13));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 13 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom13=mean(p13);
pp13=p13‐prom13;
[min13 a13]=min(pp13);
[max13 b13]=max(pp13);
valminmax13=[min13 max13];
Rn13=max13‐(min13);
De13=std(p13);
St13=Rn13/De13;
end
if z==14
p14=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p14,p1,ʹyʹ),xlabel(nombres(1,14));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 14 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold on;
prom14=mean(p14);
pp14=p14‐prom14;
Universidad Simón Bolívar 171
[min14 a14]=min(pp14);
[max14 b14]=max(pp14);
valminmax14=[min14 max14];
Rn14=max14‐(min14);
De14=std(p14);
St14=Rn14/De14;
end
if z==15
p15=p(:,z);
subplot(1,cd‐1,z‐1);
plot(p15,p1,ʹwʹ),xlabel(nombres(1,15));
set(gca,ʹYDirʹ,ʹreverseʹ)
grid on;
title(ʹ[ 15 ]ʹ);
set(gca,ʹYTickLabelʹ,[]);
hold off;
prom15=mean(p15);
pp15=p15‐prom15;
[min15 a15]=min(pp15);
[max15 b15]=max(pp15);
valminmax15=[min15 max15];
Rn15=max15‐(min15);
De15=std(p15);
St15=Rn15/De15;
end
end
Divcicle;
Ansanarep;
End
Universidad Simón Bolívar 172
Apéndice B
Esta subrutina permite que el programa reconozca archivos *.las:
% FUNCION QUE LEE LOS ARCHIVOS LAS.
%__________________________________________________________________________
function [logsnames,logs] = lectlasfilex(archilas)
lassy=fopen(archilas);
switch lassy %Control de existencia y tipo de archivo
case ‐1 %caso Imposible abrir archivo
ADvertid = WARNDLG(ʹEl archivo indicado no ha podido abrirse ʹ,ʹError!ʹ);
case 2 %caso Error estandar al abrir el archivo
ADvertid = WARNDLG(ʹError estandar al abrirʹ,ʹError!ʹ);
otherwise %El archivo puede abrirse
MLB=0; getnames=0; GO=0;, norma=0;
while ~MLB %Inicio de rutina para la lectura de los nombres de los registros.
linlec= fgetl(lassy); %Lee linea por linea el archivo las.
if ~strcmp(linlec(1),ʹ#ʹ) %Discrimina los comentarios del archivo
if strncmp(linlec,ʹ~Aʹ,2) %Finaliza la lectura de los nombres de los registros
MLB=1;, GO=1;
elseif strncmp(linlec,ʹ~Pʹ,2)%Finaliza la lectura de los nombres de los registros quizas aqui este el
problema...
getnames=0;
elseif strncmp(linlec,ʹ~Cʹ,2)
getnames=1;
else %Continua la lectura de los nombres de los registros
if getnames~=0;
logsnames{getnames}= strtok(linlec);
getnames=getnames+1;
norma=length(logsnames);
Universidad Simón Bolívar 173
end
end
end
end
if GO==1 % Comienza a organizar los valores de los registros
logs=fscanf(lassy,ʹ%fʹ); %guarda todos los valores como un vector
length(logs); %cuenta el numero total de datos
logs=reshape(logs,[norma length(logs)/norma])ʹ; %acomoda los registros en una matriz(ojo el ʹ no es un error)
fclose(lassy); %cierra el archivo .las
end
end
Universidad Simón Bolívar 174
Apéndice C
El subprogama Divcicle, permite realizar el análisis de rango re‐
escalado en cada columna.
%%%%% Subprograma de A3RP %%%%%
%%% Permite el analisis de rango re‐escalado en cada %%%
%%% columna, dividiendo la misma en pares de datos exactamente iguales y en %%%
%%% donde a cada nueva columna se le realiza el analisis de nuevo. %%%
%%% Esto se realiza a traves de un contador y hasta que el numero de datos en %%%
%%% las columnas sea el minimo, es decir, igual a 2. %%%
%%__________________________________________________________________________________%%
clear q1 m n R o oo hh gg i A promA ppA minA maxA aA bB valmin valmax RnA DeA SnA j mm B promB ppB
minB maxB RnB DeB SnB SnAt SnBt Snt p pp jj xx a b aaa yy bbb
format long g;
q1=input(ʹ\nA cual numero de registro desea aplicarle el analisis de rango re‐escalado?\n\n
ʹ,ʹsʹ);
q1=str2num(q1); %%Conversion del string que introduce el usuario a numero para
que pueda ser leido por la funcion ‐inputdlg‐
if q1==1
input(ʹ\nLa columna de profundidad no presenta ningun patron caracteristico al que\n se le pueda aplicar
analisis de rango re‐escalado\nʹ)
end
[m n]=size(columna(:,q1));
R=rem(m,2); %Division entre dos del numero de filas
Universidad Simón Bolívar 175
o=1;oo=1; %Declaracion de variables
hh=1; gg=1; %Declaracion de variables
while R~=0; %Mientras R sea aproximadamente igual a cero
m=m‐1; %se le resta una fila y ...
R=rem(m,2); %se realiza de nuevo la division del numero de filas entre 2
end
if R==0; %Si R es igual a cero
mm=m/2; %se divide de nuevo el numero de filas entre dos
end
for i=1:mm;
A(o,1)=registros(i,q1); %A= UNA columna de datos
o=o+1;
end
promA=mean(A); %%Promedio de cada columna
ppA=A‐promA; %%Datos de cada columna menos el promedio que le
corresponde
[minA aA]=min(ppA); %%Minimo de cada columna
[maxA bA]=max(ppA); %%Maximo de cada columna
valmin(hh,1)=minA;
valmax(hh,1)=maxA;
RnA(hh,1)=maxA‐(minA); %%Valor Rn de cada columna
if RnA(hh,1)==0;
RnA(hh,1)=0.00001;
end
DeA(hh,1)=std(A);
if DeA(hh,1)==0;
DeA(hh,1)=0.00001;
end
SnA(hh,1)=RnA(hh,1)/DeA(hh,1);
hh=hh+1;
for j=mm+1:m;
B(oo,1)=registros(j,q1);
Universidad Simón Bolívar 176
oo=oo+1;
end
promB=mean(B);
ppB=B‐promB;
[minB aB]=min(ppB);
[maxB bB]=max(ppB);
valmin(gg,1)=minB;
valmax(gg,1)=maxB;
RnB(gg,1)=maxB‐(minB);
if RnB(gg,1)==0;
RnB(gg,1)=0.00001;
end
DeB(gg,1)=std(B);
if DeB(gg,1)==0;
DeB(gg,1)=0.00001;
end
SnB(gg,1)=RnB(gg,1)/DeB(gg,1);
gg=gg+1;
SnAt=mean(SnA);
SnBt=mean(SnB);
Snt(gg,1)=mean(SnAt+SnBt);
Snt(gg,2)=mm;
p=1; pp=1;
[m n]=size(A);
while m~=1;
R=rem(m,2);
while R~=0;
m=m‐1;
R=rem(m,2);
end
if R==0;
mm=m/2;
end
clear A B ppA ppB promA promB
pp=1; p=1;
for i=1:mm;
Universidad Simón Bolívar 177
A(p,1)=registros(i,q1);
p=p+1;
end
promA=mean(A);
ppA=A‐promA;
[minA aA]=min(ppA);
[maxA bA]=max(ppA);
valmin(hh,1)=minA;
valmax(hh,1)=maxA;
RnA(hh,1)=maxA‐(minA);
if RnA(hh,1)==0;
RnA(hh,1)=0.00001;
end
DeA(hh,1)=std(A);
if DeA(hh,1)==0;
DeA(hh,1)=0.00001;
end
SnA(hh,1)=RnA(hh,1)/DeA(hh,1);
hh=hh+1;
for j=mm+1:m;
B(pp,1)=registros(j,q1);
pp=pp+1;
end
promB=mean(B);
ppB=B‐promB;
[minB aB]=min(ppB);
[maxB bB]=max(ppB);
valmin(gg,1)=minB;
valmax(gg,1)=maxB;
RnB(gg,1)=maxB‐(minB);
if RnB(gg,1)==0;
RnB(gg,1)=0.00001;
end
DeB(gg,1)=std(B);
if DeB(gg,1)==0;
DeB(gg,1)=0.00001;
Universidad Simón Bolívar 178
end
SnB(gg,1)=RnB(gg,1)/DeB(gg,1);
gg=gg+1;
SnAt=mean(SnA);
SnBt=mean(SnB);
Snt(gg,1)=mean(SnAt+SnBt);
Snt(gg,2)=mm;
[m n]=size(A);
end
[jj xx]=size(Snt);
for aaa=1:xx;
yy=1;
for bbb=2:jj
Sn(yy,aaa)=Snt(bbb,aaa);
yy=yy+1;
end
end
a=log10(Sn(:,1));
b=log10(Sn(:,2));
new=figure;
whitebg(ʹwʹ);
set(new,ʹnameʹ,ʹANALISIS DE RANGO RE‐ESCALADOʹ,ʹnumbertitleʹ,ʹoffʹ);
plot(a,b,ʹr*ʹ),ylabel(ʹLog (N/2)ʹ,ʹFontSizeʹ,13),xlabel(ʹLog (Rn/De)ʹ,ʹFontSizeʹ,13);
grid on;
if q1==2
title(nombres(1,2),ʹFontSizeʹ,13);
end
if q1==3
title(nombres(1,3),ʹFontSizeʹ,13);
end
if q1==4
title(nombres(1,4),ʹFontSizeʹ,13);
end
if q1==5
Universidad Simón Bolívar 179
title(nombres(1,5),ʹFontSizeʹ,13);
end
if q1==6
title(nombres(1,6),ʹFontSizeʹ,13);
end
if q1==7
title(nombres(1,7),ʹFontSizeʹ,13);
end
if q1==8
title(nombres(1,8),ʹFontSizeʹ,13);
end
if q1==9
title(nombres(1,9),ʹFontSizeʹ,13);
end
if q1==10
title(nombres(1,10),ʹFontSizeʹ,13);
end
if q1==11
title(nombres(1,11),ʹFontSizeʹ,13);
end
if q1==12
title(nombres(1,12),ʹFontSizeʹ,13);
end
if q1==13
title(nombres(1,13),ʹFontSizeʹ,13);
end
if q1==14
title(nombres(1,14),ʹFontSizeʹ,13);
end
if q1==15
title(nombres(1,15),ʹFontSizeʹ,13);
end
[a b]
input(ʹEsta matriz representa los datos de la grafica del analisis de rango re‐escalado\n\n La primera
columna representa los Lg(Rn/Dn)\n La segunda columna representa los Lg(N/2) \n
(Presione Enter)\nʹ);
Universidad Simón Bolívar 180
a2=input(ʹIntroduzca el numero de pares de datos con el cual desea realizar el ajuste lineal\n
ʹ,ʹsʹ);
a2=str2num(a2);
if a2==1
input(ʹNo puede realizarse un ajuste lineal a un punto!!!ʹ);
end
for a1=1:a2;
if a1==1
pp=input(ʹIntroduzca el primer par de datos (separados por espacio)\n con el cual desea realizar el ajuste
lineal\n\n ʹ,ʹsʹ);
pp=str2num(pp);
end
if a1==2
sp=input(ʹ\nIntroduzca el segundo par de datos\n\n ʹ,ʹsʹ);
sp=str2num(sp);
espmat=[pp;sp];
end
if a1==3
tp=input(ʹ\nIntroduzca el tercer par de datos\n\n ʹ,ʹsʹ);
tp=str2num(tp);
espmat=[pp;sp;tp];
end
if a1==4
cp=input(ʹ\nIntroduzca el cuarto par de datos\n\n ʹ,ʹsʹ);
cp=str2num(cp);
espmat=[pp;sp;tp;cp];
end
if a1==5
qp=input(ʹ\nIntroduzca el quinto par de datos\n\n ʹ,ʹsʹ);
qp=str2num(qp);
espmat=[pp;sp;tp;cp;qp];
end
if a1==6
sexp=input(ʹ\nIntroduzca el sexto par de datos\n\n ʹ,ʹsʹ);
sexp=str2num(sexp);
espmat=[pp;sp;tp;cp;qp;sexp];
Universidad Simón Bolívar 181
end
if a1==7
sepp=input(ʹ\nIntroduzca el septimo par de datos\n\n ʹ,ʹsʹ);
sepp=str2num(sepp);
espmat=[pp;sp;tp;cp;qp;sexp;sepp];
end
if a1==8
octp=input(ʹ\nIntroduzca el octavo par de datos\n\n ʹ,ʹsʹ);
octp=str2num(octp);
espmat=[pp;sp;tp;cp;qp;sexp;sepp;octp];
end
if a1==9
novp=input(ʹ\nIntroduzca el noveno par de datos\n\n ʹ,ʹsʹ);
novp=str2num(novp);
espmat=[pp;sp;tp;cp;qp;sexp;sepp;octp;novp];
end
if a1==10
decp=input(ʹ\nIntroduzca el decimo par de datos\n\n ʹ,ʹsʹ);
decp=str2num(decp);
espmat=[pp;sp;tp;cp;qp;sexp;sepp;octp;novp;decp];
end
end
xint=(espmat(:,1));
yint=(espmat(:,2));
new=figure;
whitebg(ʹwʹ);
set(new,ʹnameʹ,ʹANALISIS EN EL INTERVALO DE INTERESʹ,ʹnumbertitleʹ,ʹoffʹ);
plot(xint,yint,ʹbpʹ),ylabel(ʹLog (N/2)ʹ,ʹFontSizeʹ,13),xlabel(ʹLog (Rn/De)ʹ,ʹFontSizeʹ,13);
grid on;
Universidad Simón Bolívar 182
Apéndice D
Esta subrutina permite la salida por pantalla de un cajón de diálogo
que interactúa con el usuario.
%%%%% Subprograma de A3RP %%%%%
%%% Permite la salida por pantalla del dialogue box %%%
%%% que interactua con el usuario para ver si este quiere realizar %%%
%%% otro analisis de rango re‐escalado a otra columna %%%
for j=1:15;
colordef white
M=questdlg(ʹDesea aplicar este analisis a otra columna del registro?ʹ,ʹAnalisis de rango re‐escaladoʹ,ʹSiʹ,ʹNoʹ,ʹSiʹ);
switch M
case ʹSiʹ
close(ʹANALISIS DE RANGO RE‐ESCALADOʹ);
colordef black;
Divcicle;
case ʹNoʹ
clear all
input(ʹ\n Gracias por usar A3RP\n Hasta luegoʹ);
break;
end
end
Universidad Simón Bolívar 183