SlideShare una empresa de Scribd logo
REPUBLICA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACION SUPERIOR
I.U.P “SANTIAGO MARIÑO”
MARACAIBO - ZULIA
MARACAIBO, JULIO DE 2020
AUTOR: MANUEL JIMENEZ
C.I: 27.180.096
CARRERA: ING. DE SISTEMAS #47
CATEDRA: INTELIGENCIA ARTIFICIAL
SECCION: SAIA
TUTOR: ING. JOSÉ GUZMÁN
Aplicación Redes Neuronales: Estudios
de Yacimientos de Petróleo
ANTECEDENTES
En ingeniería se presentan problemas de gran complejidad, los cuales requieren de
un manejo matemático dispendioso y que en muchos casos no se obtienen los mejores
resultados, usando los métodos tradicionales. Además se ha demostrado, algunas
veces, que la aplicación de nuevas tecnologías permite optimizar los procesos
industriales. Las herramientas en base a redes neuronales, han sido utilizadas con
anterioridad, más específicamente, en dos aplicaciones de la ingeniería de yacimientos
que se mostraran a continuación.
En la primera aplicación se utilizó la herramienta como una solución alternativa al
cálculo del comportamiento de los índices de desplazamiento, (índice de
desplazamiento por depleción, IDD; índice de desplazamiento por segregación, IDS; e
índice de desplazamiento hidrostático, IDH), cuando no se tienen los datos suficientes
del yacimiento, para aplicar la ecuación de balance de materia, EBM.
La segunda aplicación, se ha hecho en el área de registros de pozos, para obtener
una correlación directa entre el registro de rayos gamma (GR) y la curva del potencial
espontáneo (SP), cuando las condiciones de algunos pozos son tales que, no se puede
obtener la curva del SP (por ejemplo, cuando se perfora con fluidos no conductivos o
con aire), o cuando la curva SP no ofrece resultados definitivos, casos en los cuales se
corre una curva de rayos gamma.
RED NEURONAL ARTIFICIAL
Una red neuronal artificial se trata de una implementación de un sistema de
procesamiento de datos paralelos conectados entre sí en forma de grafo dirigido, que
simula funciones elementales, como lo hace la red nerviosa del cerebro humano,
siendo capaz de identificar la información relevante sobre una gran cantidad de datos.
Así mismo, se conoce que se encuentra conformada por diferentes capas: la capa de
entrada, encargada de recibir la información del exterior; la capa intermedia, que
puede ser una o más de una, la cual procesa la información, y la capa de salida, que
proporciona el resultado del trabajo de la red neuronal.
La arquitectura de la red neuronal
describe el número de capas, las
funciones de transferencia
(transferencia de información de una
neurona a otra) en cada una de las
capas, el número de neuronas por
capa y las conexiones entre ellas.
Estas conexiones establecen una
estructura jerárquica que tratando de
emular la fisiología del cerebro busca
nuevos modelos de procesamiento
para solucionar problemas concretos
del mundo real.
El entrenamiento de una red neuronal se conoce como el proceso por el cual se
produce un ajuste de los parámetros internos de la red (capas ocultas y sus pesos) a
partir de un proceso de estimulación con los datos (patrones) del problema. Los
algoritmos de entrenamiento se basan usualmente en métodos numéricos iterativos
que tratan de minimizar el error absoluto.
Cada nodo individual es un modelo que relaciona un número de inputs hacia
un output. De igual manera, cada nodo se trata como una neurona y a interconexión
de un innúmero de estas se le denomina red. Las RNA pueden aprender a
representar unos datos, con algún tipo de relación funcional entre las variables,
para, para adquiere un grado de ajuste con un número suficiente de nodos y
capas ocultas.
APLICACIÓN DE LAS REDES NEURONALES
Teniendo en cuenta que las redes neuronales han mostrado ser una alternativa eficiente en la
solución de problemas donde es necesario correlacionar parámetros, la industria de los
hidrocarburos las ha utilizado en diferentes áreas. En 1994, se presentó un panorama general de las
aplicaciones directas de las redes neuronales a la industria del petróleo. Posteriormente, se hace un
recuento de las aplicaciones de las redes neuronales, basado en la capacidad que tienen para
resolver problemas, combinadas con herramientas convencionales, tales como el análisis
estadístico. En un estudio posterior, se profundizó en la utilización de las redes neuronales en el
campo de la caracterización de propiedades del yacimiento, elaborando algoritmos para analizar los
registros eléctricos de pozos, para estimar con mayor exactitud las propiedades de los fluidos y la
columna estratigráfica de los pozos.
Observando las aplicaciones que se han dado a las redes neuronales en la industria del petróleo,
y los resultados obtenidos, se propone en este trabajo, la solución alternativa a dos problemas
diferentes encontrados en la ingeniería de yacimientos, a partir de una herramienta software, que
permite generar y entrenar redes neuronales para su posterior utilización en la cuenca oriental del
país, la menos explotada de las regiones petrolíferas de Venezuela, que comprende los estados
Guárico, Monagas, Anzoátegui, el norte de Delta Amacuro y ciertas zonas de Cojedes.
La primera aplicación se hace en los yacimientos de aceite saturado, en los cuales el estudio de
los mecanismos de desplazamientos se realiza usando los índices de desplazamiento que miden el
aporte de cada mecanismo de empuje a la energía del yacimiento. Estos índices se calculan por
medio de una manipulación matemática de la ecuación de balance de materia EBM. Esta ecuación
requiere de una gran cantidad de datos que con frecuencia no están disponibles en las historias de
producción, lo que hace de este cálculo una tarea costosa. La herramienta de red neuronal permite
ser una solución alternativa a este problema utilizando menor número de variables que las utilizadas
en la ecuación de balance de materiales.
Por otro lado, la segunda aplicación se utilizó con
registro eléctricos, teniendo en cuenta que algunos
campos venezolanos, presentan inconvenientes para
determinar topes de arena, debido a que el tipo de lodo
utilizado en los pozos no permite correr el registro de
potencial espontáneo (SP) y algunos pozos cuentan
solamente con el registro de rayos gamma (GR). La
herramienta de red neuronal, presenta una solución
alternativa para encontrar la curva del registro SP, a
partir del registro GR. Esto permite calcular
posteriormente topes de arena, espesores, y otras
características del yacimiento.
Este algoritmo consiste en un aprendizaje de un
conjunto de entradas y salidas dados como ejemplo,
empleando un ciclo de propagación-adaptación del error
generado, de la diferencia entre la respuesta calculada
por la red y la respuesta real. Este proceso se repite
hasta alcanzar un error aceptable entre las respuestas.
Como se puedo observar, los resultados obtenidos en
las dos aplicaciones demuestran que el software, se
convierte en una herramienta alternativa viable, que
permite dar solución a algunos de los problemas que a
menudo se presentan en la ingeniería de yacimientos por
falta de datos, lo cual no permite utilizar los métodos
tradicionales de cálculo.
Índices de Empuje calculados con la EBM
Resultados obtenidos con la EBM
Para la identificación de topes de formación y su posterior correlación dentro de un
campo, es necesario tener el mismo registro en cada uno de los pozos de dicho campo,
ya sea rayos gamma o la curva del potencial espontáneo, acompañado de un estudio de
por lo menos un núcleo de cualquiera de los pozos a correlacionar. En un campo en la
Cuenca de Oriente se pretendió hacer la correlación de los topes de formación con
base en un núcleo extraído de un pozo perforado con lodo base aceite. Debido al tipo
de lodo no fue posible correr el registro de potencial espontáneo (SP), y en su defecto
se corrió el registro de rayos gamma (GR). El problema radica en que la mayoría de los
pozos del campo poseen la curva de potencial espontáneo pero no tienen el registro
GR, por lo que, no es posible correlacionar el pozo seleccionado con el resto de pozos
del campo. Como solución a este problema es posible hallar una relación directa entre
el registro GR y la curva de potencial espontáneo, gracias a la utilización de una red
neuronal artificial.
La IA a pesar de esto se puede intuir que la relación numérica entre estos registros
debe existir ya que, las propiedades de los componentes de la formación y su
respuesta a los impulsos de las herramientas de registros poseen formas similares y se
usan para determinar la litología dentro del pozo.
Curva de registro SP (real)
vs registro SP (artificial)
CONCLUSIONES
Esto demuestra que las redes neuronales tienen la capacidad para establecer
relaciones entre variables sin importar la complejidad de estas, sin introducir relaciones
matemáticas, ni ecuaciones. Por esto las redes neuronales se convierten en una
herramienta de gran potencial en la solución de problemas en la industria petrolera.
Así mismo, con lo anteriormente expuesto, se demuestra que se es posible elaborar
una aplicación que genera un registro SP artificial a partir de un registro de rayos
gamma, cuando no es posible obtener topes de formación con los datos existentes. Este
nuevo registro SP es útil en la identificación de topes de formación; sin embargo su
utilidad es mucho mas amplia, para hacer otros cálculos indispensables en el análisis
de los yacimientos de hidrocarburos.
Ya para finalizar, se ha de resaltar la importancia de la utilización de las redes
neuronales en la industria del petróleo, que a pesar de no ser un método indispensable
de localización e identificación de yacimientos, si constituye una alternativa de menor
coste económico, más fiable y efectivo. La misma brinda de una ventaja a la industria al
permitir el incremento de posibles yacimientos a explotar en un futuro.
BIBLIOGRAFIA CONSULTADA
» Del Brío B. Martín y Sanz Molina A. ”Redes Neuronales y Sistemas
Borrosos” . Ra-Ma Textos Universitarios. Madrid, España, 2008.
» Hilera J. y Martinez V. Redes Neuronales Arti…ciales, Fundamentos,
Modelos y Aplicaciones. Alfa omega. 2005
» Ali J.K. ” Neural Networks: A New Tool for the Petroleum Industry?” .
SPE 27561. 1994.
MUCHAS GRACIAS POR SU ATENCION

Más contenido relacionado

La actualidad más candente

Fluidos de perforación III
Fluidos de perforación IIIFluidos de perforación III
Fluidos de perforación III
JOA PETROL COMPANY S.A.S
 
Porosidad de Nucleos
Porosidad de NucleosPorosidad de Nucleos
Porosidad de Nucleos
George Sterling
 
El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...
El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...
El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...
Jorge Georgiño
 
Facilidades - Carla Lopez
Facilidades - Carla LopezFacilidades - Carla Lopez
Facilidades - Carla Lopez
Juan David Morales
 
Mud logging general
Mud logging   generalMud logging   general
Mud logging general
oliver santiago roberto reyes
 
123863598 curvas-ipr-produccion
123863598 curvas-ipr-produccion123863598 curvas-ipr-produccion
123863598 curvas-ipr-produccion
Andrea Galvis
 
REGISTRO DE POZO (TODO RESUMIDO)
REGISTRO DE POZO  (TODO RESUMIDO)REGISTRO DE POZO  (TODO RESUMIDO)
REGISTRO DE POZO (TODO RESUMIDO)
Claudio Schibeci
 
Tonelada milla josecampospinto2010
Tonelada milla josecampospinto2010Tonelada milla josecampospinto2010
Tonelada milla josecampospinto2010
Alejandro Fdz Gallardo
 
Perforación direccional
Perforación direccionalPerforación direccional
Perforación direccional
Fernanda Tellez Ruiz
 
2. comportamiento de afluencia (1)
2.  comportamiento de afluencia (1)2.  comportamiento de afluencia (1)
2. comportamiento de afluencia (1)
Lex Van Deacon
 
Analisis nodal
Analisis nodalAnalisis nodal
Analisis nodal
luis carlos saavedra
 
Estranguladores o chokes de flujo
Estranguladores o chokes de flujoEstranguladores o chokes de flujo
Estranguladores o chokes de flujo
ArnoldCopa1
 
Funciones PVT Yacimientos petroleros
Funciones PVT Yacimientos petrolerosFunciones PVT Yacimientos petroleros
Funciones PVT Yacimientos petroleros
Guillermo Almazán Hernández
 
Equipos de cementación de pozos
Equipos de cementación de pozosEquipos de cementación de pozos
Equipos de cementación de pozos
bernardoRojas15
 
PERFILAJE DE POZOS
PERFILAJE DE POZOSPERFILAJE DE POZOS
PERFILAJE DE POZOS
Tamara Boughawi
 
Explotación de yacimientos de gas, gas condensado y aceite volátil
Explotación de yacimientos de gas, gas condensado y aceite volátilExplotación de yacimientos de gas, gas condensado y aceite volátil
Explotación de yacimientos de gas, gas condensado y aceite volátil
Academia de Ingeniería de México
 
Potencial de produccion
Potencial de produccionPotencial de produccion
Potencial de produccion
sergio ramos
 
Estudio integrado de yacimiento
Estudio integrado de yacimientoEstudio integrado de yacimiento
Estudio integrado de yacimiento
Oscar Soto
 
Diagrama de fases petrolera
Diagrama de fases   petroleraDiagrama de fases   petrolera
Diagrama de fases petrolera
Rilver Mostacedo
 
Producción 1 (clase 5)
Producción 1 (clase 5)Producción 1 (clase 5)
Producción 1 (clase 5)
None
 

La actualidad más candente (20)

Fluidos de perforación III
Fluidos de perforación IIIFluidos de perforación III
Fluidos de perforación III
 
Porosidad de Nucleos
Porosidad de NucleosPorosidad de Nucleos
Porosidad de Nucleos
 
El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...
El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...
El levantamiento artificial mediante la tecnologia de bombeo mecanico en el p...
 
Facilidades - Carla Lopez
Facilidades - Carla LopezFacilidades - Carla Lopez
Facilidades - Carla Lopez
 
Mud logging general
Mud logging   generalMud logging   general
Mud logging general
 
123863598 curvas-ipr-produccion
123863598 curvas-ipr-produccion123863598 curvas-ipr-produccion
123863598 curvas-ipr-produccion
 
REGISTRO DE POZO (TODO RESUMIDO)
REGISTRO DE POZO  (TODO RESUMIDO)REGISTRO DE POZO  (TODO RESUMIDO)
REGISTRO DE POZO (TODO RESUMIDO)
 
Tonelada milla josecampospinto2010
Tonelada milla josecampospinto2010Tonelada milla josecampospinto2010
Tonelada milla josecampospinto2010
 
Perforación direccional
Perforación direccionalPerforación direccional
Perforación direccional
 
2. comportamiento de afluencia (1)
2.  comportamiento de afluencia (1)2.  comportamiento de afluencia (1)
2. comportamiento de afluencia (1)
 
Analisis nodal
Analisis nodalAnalisis nodal
Analisis nodal
 
Estranguladores o chokes de flujo
Estranguladores o chokes de flujoEstranguladores o chokes de flujo
Estranguladores o chokes de flujo
 
Funciones PVT Yacimientos petroleros
Funciones PVT Yacimientos petrolerosFunciones PVT Yacimientos petroleros
Funciones PVT Yacimientos petroleros
 
Equipos de cementación de pozos
Equipos de cementación de pozosEquipos de cementación de pozos
Equipos de cementación de pozos
 
PERFILAJE DE POZOS
PERFILAJE DE POZOSPERFILAJE DE POZOS
PERFILAJE DE POZOS
 
Explotación de yacimientos de gas, gas condensado y aceite volátil
Explotación de yacimientos de gas, gas condensado y aceite volátilExplotación de yacimientos de gas, gas condensado y aceite volátil
Explotación de yacimientos de gas, gas condensado y aceite volátil
 
Potencial de produccion
Potencial de produccionPotencial de produccion
Potencial de produccion
 
Estudio integrado de yacimiento
Estudio integrado de yacimientoEstudio integrado de yacimiento
Estudio integrado de yacimiento
 
Diagrama de fases petrolera
Diagrama de fases   petroleraDiagrama de fases   petrolera
Diagrama de fases petrolera
 
Producción 1 (clase 5)
Producción 1 (clase 5)Producción 1 (clase 5)
Producción 1 (clase 5)
 

Similar a Aplicación Redes Neuronales: Estudio de Yacimientos de Petróleo

Perspectivas del Monte Carlo en La Planificación de Radioterapia.
Perspectivas del Monte Carlo en La Planificación de Radioterapia.Perspectivas del Monte Carlo en La Planificación de Radioterapia.
Perspectivas del Monte Carlo en La Planificación de Radioterapia.
Armando Alaminos Bouza
 
Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...
Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...
Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...
Rogelio Leon
 
expo ULTIMO mantenimiento.ppt
expo ULTIMO  mantenimiento.pptexpo ULTIMO  mantenimiento.ppt
expo ULTIMO mantenimiento.ppt
Oscar37272
 
Localizacion sismos fasciculo3
Localizacion sismos fasciculo3Localizacion sismos fasciculo3
Localizacion sismos fasciculo3
alvaro pablo acevedo
 
Algoritmo Genetico para balance de operaciones(fuente: academia journal)
Algoritmo Genetico para balance de operaciones(fuente: academia journal)Algoritmo Genetico para balance de operaciones(fuente: academia journal)
Algoritmo Genetico para balance de operaciones(fuente: academia journal)
Ignacio Araya Zamora
 
SimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdf
SimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdfSimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdf
SimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdf
PaolaAndrea813335
 
Articulo Wavelet
Articulo WaveletArticulo Wavelet
Articulo Wavelet
Yosep Perez
 
Articulo Wavelet
Articulo WaveletArticulo Wavelet
Articulo Wavelet
Yosep Perez
 
Proyecto final-simbolica-1 (1)
Proyecto final-simbolica-1 (1)Proyecto final-simbolica-1 (1)
Proyecto final-simbolica-1 (1)
MadeleineRabinesFlor
 
Algoritmos geneticos
Algoritmos geneticosAlgoritmos geneticos
Algoritmos geneticos
Universidad de Cundinamarca
 
LA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓN
LA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓNLA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓN
LA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓN
Jorge Iván Alba Hernández
 
Trabajo FINAL
Trabajo FINALTrabajo FINAL
Diseño y optimización de recargas de combustible nuclear para la central Lagu...
Diseño y optimización de recargas de combustible nuclear para la central Lagu...Diseño y optimización de recargas de combustible nuclear para la central Lagu...
Diseño y optimización de recargas de combustible nuclear para la central Lagu...
Academia de Ingeniería de México
 
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundacionesArquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Andrea Lezcano
 
EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...
EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...
EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...
Academia de Ingeniería de México
 
Implementación Industrial de un Estimador de Estado
Implementación Industrial de un Estimador de EstadoImplementación Industrial de un Estimador de Estado
Implementación Industrial de un Estimador de Estado
davidtrebolle
 
De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.
De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.
De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.
greattheory6944
 
Dialnet redes neuronalesy-predicciondetrafico-3802210
Dialnet redes neuronalesy-predicciondetrafico-3802210Dialnet redes neuronalesy-predicciondetrafico-3802210
Dialnet redes neuronalesy-predicciondetrafico-3802210
S.C. Uriel Rodriguez Ramirez
 
Inteligencia Artificial.pptx
Inteligencia Artificial.pptxInteligencia Artificial.pptx
Inteligencia Artificial.pptx
ClubDeportivoSuramer
 
Algoritmo agil
Algoritmo agilAlgoritmo agil
Algoritmo agil
maymania
 

Similar a Aplicación Redes Neuronales: Estudio de Yacimientos de Petróleo (20)

Perspectivas del Monte Carlo en La Planificación de Radioterapia.
Perspectivas del Monte Carlo en La Planificación de Radioterapia.Perspectivas del Monte Carlo en La Planificación de Radioterapia.
Perspectivas del Monte Carlo en La Planificación de Radioterapia.
 
Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...
Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...
Aplicación de una red neuronal feed-forward backpropagation para el diagnósti...
 
expo ULTIMO mantenimiento.ppt
expo ULTIMO  mantenimiento.pptexpo ULTIMO  mantenimiento.ppt
expo ULTIMO mantenimiento.ppt
 
Localizacion sismos fasciculo3
Localizacion sismos fasciculo3Localizacion sismos fasciculo3
Localizacion sismos fasciculo3
 
Algoritmo Genetico para balance de operaciones(fuente: academia journal)
Algoritmo Genetico para balance de operaciones(fuente: academia journal)Algoritmo Genetico para balance de operaciones(fuente: academia journal)
Algoritmo Genetico para balance de operaciones(fuente: academia journal)
 
SimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdf
SimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdfSimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdf
SimulacionDeModuladoresDemoduladoresUtilizandoLaTe-2968079.pdf
 
Articulo Wavelet
Articulo WaveletArticulo Wavelet
Articulo Wavelet
 
Articulo Wavelet
Articulo WaveletArticulo Wavelet
Articulo Wavelet
 
Proyecto final-simbolica-1 (1)
Proyecto final-simbolica-1 (1)Proyecto final-simbolica-1 (1)
Proyecto final-simbolica-1 (1)
 
Algoritmos geneticos
Algoritmos geneticosAlgoritmos geneticos
Algoritmos geneticos
 
LA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓN
LA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓNLA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓN
LA IMPORTANCIA DEL CÁLCULO INTEGRAL EN LA CARRERA DE INGENIERÍA EN COMPUTACIÓN
 
Trabajo FINAL
Trabajo FINALTrabajo FINAL
Trabajo FINAL
 
Diseño y optimización de recargas de combustible nuclear para la central Lagu...
Diseño y optimización de recargas de combustible nuclear para la central Lagu...Diseño y optimización de recargas de combustible nuclear para la central Lagu...
Diseño y optimización de recargas de combustible nuclear para la central Lagu...
 
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundacionesArquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
Arquitectura RNA Perceptrón Multicapa aplicado a la predicción de inundaciones
 
EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...
EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...
EL USO DE REDES NEURALES Y CONJUNTOS BORROSOS EN EL RECONOCIMIENTO DE PATRONE...
 
Implementación Industrial de un Estimador de Estado
Implementación Industrial de un Estimador de EstadoImplementación Industrial de un Estimador de Estado
Implementación Industrial de un Estimador de Estado
 
De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.
De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.
De referencia y Educacion :: la Esencia de La Celda de Carga de Calibracion.
 
Dialnet redes neuronalesy-predicciondetrafico-3802210
Dialnet redes neuronalesy-predicciondetrafico-3802210Dialnet redes neuronalesy-predicciondetrafico-3802210
Dialnet redes neuronalesy-predicciondetrafico-3802210
 
Inteligencia Artificial.pptx
Inteligencia Artificial.pptxInteligencia Artificial.pptx
Inteligencia Artificial.pptx
 
Algoritmo agil
Algoritmo agilAlgoritmo agil
Algoritmo agil
 

Último

OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTOOPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
GERARDO GONZALEZ
 
Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...
Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...
Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...
Eliana Gomajoa
 
EXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdf
EXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdfEXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdf
EXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdf
hugodennis88
 
Propiedades Electricas de los Materiales
Propiedades Electricas de los MaterialesPropiedades Electricas de los Materiales
Propiedades Electricas de los Materiales
rogeliorodriguezt
 
Sistema de sobrealimentacion de un motor
Sistema de sobrealimentacion de un motorSistema de sobrealimentacion de un motor
Sistema de sobrealimentacion de un motor
mauriciok961
 
SESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtual
SESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtualSESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtual
SESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtual
JuanGavidia2
 
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICAPRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
carmenquintana18
 
Características de los suelos como los histosoles.pptx
Características de los suelos como los histosoles.pptxCaracterísticas de los suelos como los histosoles.pptx
Características de los suelos como los histosoles.pptx
MONICADELROCIOMUNZON1
 
Operaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica MaizOperaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica Maiz
carolina838317
 
Estructura de un buque, tema de estudios generales de navegación
Estructura de un buque, tema de estudios generales de navegaciónEstructura de un buque, tema de estudios generales de navegación
Estructura de un buque, tema de estudios generales de navegación
AlvaroEduardoConsola1
 
Aletas de transferencia de calor o superficies extendidas dylan.pdf
Aletas de transferencia de calor o superficies extendidas dylan.pdfAletas de transferencia de calor o superficies extendidas dylan.pdf
Aletas de transferencia de calor o superficies extendidas dylan.pdf
elsanti003
 
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdf
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdfEstilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdf
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdf
ElisaLen4
 
chancadoras.............................
chancadoras.............................chancadoras.............................
chancadoras.............................
ssuser8827cb1
 
Infografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - ConstrucciónInfografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - Construcción
MaraManuelaUrribarri
 
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptxINVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
FernandoRodrigoEscal
 
Proceso de obtenciòn de nitrogeno por el metodo Haber-Bosh
Proceso de obtenciòn de nitrogeno por el metodo Haber-BoshProceso de obtenciòn de nitrogeno por el metodo Haber-Bosh
Proceso de obtenciòn de nitrogeno por el metodo Haber-Bosh
shirllyleytonm
 
tema alcanos cicloalcanos de quimica.pdf
tema alcanos cicloalcanos de quimica.pdftema alcanos cicloalcanos de quimica.pdf
tema alcanos cicloalcanos de quimica.pdf
veronicaluna80
 
diagrama de flujo. en el área de ingeniería
diagrama de flujo. en el área de ingenieríadiagrama de flujo. en el área de ingeniería
diagrama de flujo. en el área de ingeniería
karenperalta62
 
S09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptx
S09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptxS09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptx
S09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptx
yamilbailonw
 
Presentación transferencia de calor Jesus Morales.pdf
Presentación transferencia de calor Jesus Morales.pdfPresentación transferencia de calor Jesus Morales.pdf
Presentación transferencia de calor Jesus Morales.pdf
jdcumarem02
 

Último (20)

OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTOOPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
OPERACIONES BÁSICAS (INFOGRAFIA) DOCUMENTO
 
Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...
Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...
Enjoy Pasto Bot - "Tu guía virtual para disfrutar del Carnaval de Negros y Bl...
 
EXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdf
EXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdfEXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdf
EXPOSICIÓN NTP IEC 60364-1 - Orlando Chávez Chacaltana.pdf
 
Propiedades Electricas de los Materiales
Propiedades Electricas de los MaterialesPropiedades Electricas de los Materiales
Propiedades Electricas de los Materiales
 
Sistema de sobrealimentacion de un motor
Sistema de sobrealimentacion de un motorSistema de sobrealimentacion de un motor
Sistema de sobrealimentacion de un motor
 
SESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtual
SESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtualSESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtual
SESIÓN 3 ÓXIDOS-HIDRÓXIDOS trabajo virtual
 
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICAPRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
PRIMERA Y SEGUNDA LEY DE LA TERMODINÁMICA
 
Características de los suelos como los histosoles.pptx
Características de los suelos como los histosoles.pptxCaracterísticas de los suelos como los histosoles.pptx
Características de los suelos como los histosoles.pptx
 
Operaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica MaizOperaciones Básicas creadora Veronica Maiz
Operaciones Básicas creadora Veronica Maiz
 
Estructura de un buque, tema de estudios generales de navegación
Estructura de un buque, tema de estudios generales de navegaciónEstructura de un buque, tema de estudios generales de navegación
Estructura de un buque, tema de estudios generales de navegación
 
Aletas de transferencia de calor o superficies extendidas dylan.pdf
Aletas de transferencia de calor o superficies extendidas dylan.pdfAletas de transferencia de calor o superficies extendidas dylan.pdf
Aletas de transferencia de calor o superficies extendidas dylan.pdf
 
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdf
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdfEstilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdf
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdf
 
chancadoras.............................
chancadoras.............................chancadoras.............................
chancadoras.............................
 
Infografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - ConstrucciónInfografia - Hugo Hidalgo - Construcción
Infografia - Hugo Hidalgo - Construcción
 
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptxINVENTARIO CEROO Y DINAMICAA FABRIL.pptx
INVENTARIO CEROO Y DINAMICAA FABRIL.pptx
 
Proceso de obtenciòn de nitrogeno por el metodo Haber-Bosh
Proceso de obtenciòn de nitrogeno por el metodo Haber-BoshProceso de obtenciòn de nitrogeno por el metodo Haber-Bosh
Proceso de obtenciòn de nitrogeno por el metodo Haber-Bosh
 
tema alcanos cicloalcanos de quimica.pdf
tema alcanos cicloalcanos de quimica.pdftema alcanos cicloalcanos de quimica.pdf
tema alcanos cicloalcanos de quimica.pdf
 
diagrama de flujo. en el área de ingeniería
diagrama de flujo. en el área de ingenieríadiagrama de flujo. en el área de ingeniería
diagrama de flujo. en el área de ingeniería
 
S09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptx
S09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptxS09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptx
S09 PBM-HEMORRAGIAS 2021-I Grabada 1.pptx
 
Presentación transferencia de calor Jesus Morales.pdf
Presentación transferencia de calor Jesus Morales.pdfPresentación transferencia de calor Jesus Morales.pdf
Presentación transferencia de calor Jesus Morales.pdf
 

Aplicación Redes Neuronales: Estudio de Yacimientos de Petróleo

  • 1. REPUBLICA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACION SUPERIOR I.U.P “SANTIAGO MARIÑO” MARACAIBO - ZULIA MARACAIBO, JULIO DE 2020 AUTOR: MANUEL JIMENEZ C.I: 27.180.096 CARRERA: ING. DE SISTEMAS #47 CATEDRA: INTELIGENCIA ARTIFICIAL SECCION: SAIA TUTOR: ING. JOSÉ GUZMÁN Aplicación Redes Neuronales: Estudios de Yacimientos de Petróleo
  • 2. ANTECEDENTES En ingeniería se presentan problemas de gran complejidad, los cuales requieren de un manejo matemático dispendioso y que en muchos casos no se obtienen los mejores resultados, usando los métodos tradicionales. Además se ha demostrado, algunas veces, que la aplicación de nuevas tecnologías permite optimizar los procesos industriales. Las herramientas en base a redes neuronales, han sido utilizadas con anterioridad, más específicamente, en dos aplicaciones de la ingeniería de yacimientos que se mostraran a continuación. En la primera aplicación se utilizó la herramienta como una solución alternativa al cálculo del comportamiento de los índices de desplazamiento, (índice de desplazamiento por depleción, IDD; índice de desplazamiento por segregación, IDS; e índice de desplazamiento hidrostático, IDH), cuando no se tienen los datos suficientes del yacimiento, para aplicar la ecuación de balance de materia, EBM. La segunda aplicación, se ha hecho en el área de registros de pozos, para obtener una correlación directa entre el registro de rayos gamma (GR) y la curva del potencial espontáneo (SP), cuando las condiciones de algunos pozos son tales que, no se puede obtener la curva del SP (por ejemplo, cuando se perfora con fluidos no conductivos o con aire), o cuando la curva SP no ofrece resultados definitivos, casos en los cuales se corre una curva de rayos gamma.
  • 3. RED NEURONAL ARTIFICIAL Una red neuronal artificial se trata de una implementación de un sistema de procesamiento de datos paralelos conectados entre sí en forma de grafo dirigido, que simula funciones elementales, como lo hace la red nerviosa del cerebro humano, siendo capaz de identificar la información relevante sobre una gran cantidad de datos. Así mismo, se conoce que se encuentra conformada por diferentes capas: la capa de entrada, encargada de recibir la información del exterior; la capa intermedia, que puede ser una o más de una, la cual procesa la información, y la capa de salida, que proporciona el resultado del trabajo de la red neuronal. La arquitectura de la red neuronal describe el número de capas, las funciones de transferencia (transferencia de información de una neurona a otra) en cada una de las capas, el número de neuronas por capa y las conexiones entre ellas. Estas conexiones establecen una estructura jerárquica que tratando de emular la fisiología del cerebro busca nuevos modelos de procesamiento para solucionar problemas concretos del mundo real.
  • 4. El entrenamiento de una red neuronal se conoce como el proceso por el cual se produce un ajuste de los parámetros internos de la red (capas ocultas y sus pesos) a partir de un proceso de estimulación con los datos (patrones) del problema. Los algoritmos de entrenamiento se basan usualmente en métodos numéricos iterativos que tratan de minimizar el error absoluto. Cada nodo individual es un modelo que relaciona un número de inputs hacia un output. De igual manera, cada nodo se trata como una neurona y a interconexión de un innúmero de estas se le denomina red. Las RNA pueden aprender a representar unos datos, con algún tipo de relación funcional entre las variables, para, para adquiere un grado de ajuste con un número suficiente de nodos y capas ocultas.
  • 5. APLICACIÓN DE LAS REDES NEURONALES Teniendo en cuenta que las redes neuronales han mostrado ser una alternativa eficiente en la solución de problemas donde es necesario correlacionar parámetros, la industria de los hidrocarburos las ha utilizado en diferentes áreas. En 1994, se presentó un panorama general de las aplicaciones directas de las redes neuronales a la industria del petróleo. Posteriormente, se hace un recuento de las aplicaciones de las redes neuronales, basado en la capacidad que tienen para resolver problemas, combinadas con herramientas convencionales, tales como el análisis estadístico. En un estudio posterior, se profundizó en la utilización de las redes neuronales en el campo de la caracterización de propiedades del yacimiento, elaborando algoritmos para analizar los registros eléctricos de pozos, para estimar con mayor exactitud las propiedades de los fluidos y la columna estratigráfica de los pozos. Observando las aplicaciones que se han dado a las redes neuronales en la industria del petróleo, y los resultados obtenidos, se propone en este trabajo, la solución alternativa a dos problemas diferentes encontrados en la ingeniería de yacimientos, a partir de una herramienta software, que permite generar y entrenar redes neuronales para su posterior utilización en la cuenca oriental del país, la menos explotada de las regiones petrolíferas de Venezuela, que comprende los estados Guárico, Monagas, Anzoátegui, el norte de Delta Amacuro y ciertas zonas de Cojedes. La primera aplicación se hace en los yacimientos de aceite saturado, en los cuales el estudio de los mecanismos de desplazamientos se realiza usando los índices de desplazamiento que miden el aporte de cada mecanismo de empuje a la energía del yacimiento. Estos índices se calculan por medio de una manipulación matemática de la ecuación de balance de materia EBM. Esta ecuación requiere de una gran cantidad de datos que con frecuencia no están disponibles en las historias de producción, lo que hace de este cálculo una tarea costosa. La herramienta de red neuronal permite ser una solución alternativa a este problema utilizando menor número de variables que las utilizadas en la ecuación de balance de materiales.
  • 6. Por otro lado, la segunda aplicación se utilizó con registro eléctricos, teniendo en cuenta que algunos campos venezolanos, presentan inconvenientes para determinar topes de arena, debido a que el tipo de lodo utilizado en los pozos no permite correr el registro de potencial espontáneo (SP) y algunos pozos cuentan solamente con el registro de rayos gamma (GR). La herramienta de red neuronal, presenta una solución alternativa para encontrar la curva del registro SP, a partir del registro GR. Esto permite calcular posteriormente topes de arena, espesores, y otras características del yacimiento. Este algoritmo consiste en un aprendizaje de un conjunto de entradas y salidas dados como ejemplo, empleando un ciclo de propagación-adaptación del error generado, de la diferencia entre la respuesta calculada por la red y la respuesta real. Este proceso se repite hasta alcanzar un error aceptable entre las respuestas. Como se puedo observar, los resultados obtenidos en las dos aplicaciones demuestran que el software, se convierte en una herramienta alternativa viable, que permite dar solución a algunos de los problemas que a menudo se presentan en la ingeniería de yacimientos por falta de datos, lo cual no permite utilizar los métodos tradicionales de cálculo. Índices de Empuje calculados con la EBM Resultados obtenidos con la EBM
  • 7. Para la identificación de topes de formación y su posterior correlación dentro de un campo, es necesario tener el mismo registro en cada uno de los pozos de dicho campo, ya sea rayos gamma o la curva del potencial espontáneo, acompañado de un estudio de por lo menos un núcleo de cualquiera de los pozos a correlacionar. En un campo en la Cuenca de Oriente se pretendió hacer la correlación de los topes de formación con base en un núcleo extraído de un pozo perforado con lodo base aceite. Debido al tipo de lodo no fue posible correr el registro de potencial espontáneo (SP), y en su defecto se corrió el registro de rayos gamma (GR). El problema radica en que la mayoría de los pozos del campo poseen la curva de potencial espontáneo pero no tienen el registro GR, por lo que, no es posible correlacionar el pozo seleccionado con el resto de pozos del campo. Como solución a este problema es posible hallar una relación directa entre el registro GR y la curva de potencial espontáneo, gracias a la utilización de una red neuronal artificial. La IA a pesar de esto se puede intuir que la relación numérica entre estos registros debe existir ya que, las propiedades de los componentes de la formación y su respuesta a los impulsos de las herramientas de registros poseen formas similares y se usan para determinar la litología dentro del pozo. Curva de registro SP (real) vs registro SP (artificial)
  • 8. CONCLUSIONES Esto demuestra que las redes neuronales tienen la capacidad para establecer relaciones entre variables sin importar la complejidad de estas, sin introducir relaciones matemáticas, ni ecuaciones. Por esto las redes neuronales se convierten en una herramienta de gran potencial en la solución de problemas en la industria petrolera. Así mismo, con lo anteriormente expuesto, se demuestra que se es posible elaborar una aplicación que genera un registro SP artificial a partir de un registro de rayos gamma, cuando no es posible obtener topes de formación con los datos existentes. Este nuevo registro SP es útil en la identificación de topes de formación; sin embargo su utilidad es mucho mas amplia, para hacer otros cálculos indispensables en el análisis de los yacimientos de hidrocarburos. Ya para finalizar, se ha de resaltar la importancia de la utilización de las redes neuronales en la industria del petróleo, que a pesar de no ser un método indispensable de localización e identificación de yacimientos, si constituye una alternativa de menor coste económico, más fiable y efectivo. La misma brinda de una ventaja a la industria al permitir el incremento de posibles yacimientos a explotar en un futuro.
  • 9. BIBLIOGRAFIA CONSULTADA » Del Brío B. Martín y Sanz Molina A. ”Redes Neuronales y Sistemas Borrosos” . Ra-Ma Textos Universitarios. Madrid, España, 2008. » Hilera J. y Martinez V. Redes Neuronales Arti…ciales, Fundamentos, Modelos y Aplicaciones. Alfa omega. 2005 » Ali J.K. ” Neural Networks: A New Tool for the Petroleum Industry?” . SPE 27561. 1994.
  • 10. MUCHAS GRACIAS POR SU ATENCION