Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CRITERIOS DE SELECCIÓN DE
PROYECTOS EOR MEDIANTE LA
APLICACIÓN DE INTELIGENCIA
ARTIFICIAL “MACHINE
LEARNING” EN CAMPOS DE
CRUDO PESADO DE LA SELVA
NORTE PERUANA
OBJETIVOS
En el presente trabajo de investigación se determinará que método de recuperación mejorada del
petróleo, se podrá aplicar con mayor efectividad en los reservorios de los lotes 8, 39, 67 y 192 en
base a características específicas del petróleo y del reservorio analizado. Se hizo uso de métodos
analógicos para comparar los resultados de proyectos EOR aplicados previamente en reservorios
con características definidas. Basándonos en la definición de inteligencia artificial para la
determinación del proyecto EOR más adecuado de aplicar al reservorio.
MATRIZ DE CONSISTENCIA
MARCO
PROBLEMA OBJETIVO HIPÓTESIS
TEÓRICO
No hay métodos Determinar los Usar las redes Desarrollo y
EOR adecuados métodos EOR neuronales aplicación de
para los campos adecuados para los artificiales para Machine Learning en
de crudo pesado campos de crudo predecir el método otros países.
de la Selva Norte pesado de la Selva EOR adecuado para Trabajos de
del Perú Norte del Perú. los campos de crudo investigación
pesado de la Selva relacionados al
Norte del Perú. Artificial neural
Network.
Screening de los
métodos EOR para
crudo pesado.
Data de los campos
de petróleo de la
Selva Peruana.
IMPORTANCIA DE LA
ELECCIÓN DEL MÉTODO EOR
REDES NEURONALES
Las Redes Neuronales son un campo muy importante dentro de la
Inteligencia Artificial. Inspirándose en el comportamiento conocido
del cerebro humano (principalmente el referido a las neuronas y sus
conexiones), trata de crear modelos artificiales que solucionen
problemas difíciles de resolver mediante técnicas algorítmicas
convencionales.
MACHINE LEARNING
PREPARACIÓN DEL
ALGORITMO
Los datos utilizados para entrenar y probar las redes se extraen de los informes especiales. Los
cuales incluyen nombre del campo, la roca del yacimiento y las propiedades de los fluidos, entre
otros.
Las neuronas de la capa de entrada están diseñadas para ser las principales propiedades del
yacimiento. Los diagramas de dispersión bidimensionales muestran las propiedades de
yacimiento que afectan la elección del método EOR. En consecuencia, las propiedades del
yacimiento: profundidad, temperatura, porosidad, permeabilidad, saturación inicial de oil,
gravedad del oil, viscosidad del oil se seleccionaron como las variables de entrada del modelo
ANN.
Se genera una nueva variable agrupando los parámetros de entrada del reservorio para
muestrear los datos que se utilizaran para la capacitación, dos tercios de los datos totales se
seleccionan en base a esta variable grupal como se resumen en la tabla 1.
TABLA
1.
RESULTADOS
Los datos de información obtenida en yacimientos donde ya se
realizaron proyectos EOR, se usarán como punto de partida para realizar
las analogías respecto a las características del yacimiento de análisis y
la data real probada.