Identificação de fáceis reservatório em perfis de poço através de rede neural multicamadas

Página do item simplificado
dc.contributor.advisor1ANDRADE, André José Neves
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8388930487104926pt_BR
dc.creatorGOMES, Kívia do Carmo Palheta
dc.creator.Latteshttp://lattes.cnpq.br/5513001517572701pt_BR
dc.date.accessioned2019-08-02T13:27:26Z
dc.date.available2019-08-02T13:27:26Z
dc.date.issued2009
dc.description.abstractIncrease of oil production is an important challenge for oil industry and deeply dependent of a realistic knowledge of reservoir petrophysical properties, which vary with the change of geological facies crossed by the borehole. The facies description helps to reduce the misinterpretation in the petrophysical properties and in the oil reserves calculations. The coring techniques are made only in a few wells in an oil field causing a sparse detailed facies descriptions and consequently not allowing a more realistic reservoir characterization. In this work is presented an intelligent algorithm that is able to make the transport of facies information generated by core analysis for all the logged wells in an oil field, by the project of an artificial neural network, which is trained to map the geological information in terms of physical properties registered in the wireline logs. The applicability of this methodology is verified using three cored, offshore boreholes, drilled in Namorado oil field, Basin of Campos, Brazil. For the cases appraised here, the neural network exhibits results compatible with core analysis and in a way completely independent of the dimension of the training set.pt_BR
dc.description.resumoO aumento da produção de hidrocarbonetos em um campo petrolífero é de extrema importância para a indústria do petróleo e profundamente dependente do conhecimento dos reservatórios em função das suas propriedades petrofísicas, que variam segundo as diversas fácies geológicas atravessadas pelos poços. A mais completa descrição das fácies reduz potencialmente os erros na predição destas propriedades, refletindo em estimativas de volumes de hidrocarboneto mais realistas. A aplicação das técnicas de testemunhagem é, normalmente, realizada em um número restrito de poços perfurados em um campo, fazendo com que descrições detalhadas das fácies, pela análise de testemunhos, tornem-se rarefeitas e conseqüentemente não permitindo uma caracterização realista dos reservatórios. Neste trabalho é apresentado um algoritmo inteligente capaz de produzir o transporte da informação das fácies realizada pela análise do testemunho para todos os poços perfilados em um campo petrolífero, através do projeto de uma rede neural treinada para realizar um mapeamento da informação geológica extraída do testemunho em termos das propriedades físicas registradas nos perfis. A aplicabilidade desta metodologia é verificada com a utilização de três poços offshore, testemunhados e perfurados no Campo de Namorado, Bacia de Campos, Brasil. Para os casos aqui avaliados a rede neural apresentou resultados compatíveis com a análise de testemunho e de forma completamente independente da dimensão do conjunto de treinamento.pt_BR
dc.identifier.citationGOMES, Kívia do Carmo Palheta. Identificação de fáceis reservatório em perfis de poço através de rede neural multicamadas. Orientador: André José Neves Andrade. 2009. 52 f. Trabalho de Curso (Bacharelado em Geofísica) – Faculdade de Geofísica, Instituto de Geociências, Universidade Federal do Pará, Belém, 2009. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/1582. Acesso em:.pt_BR
dc.identifier.urihttp://bdm.ufpa.br/jspui/handle/prefix/1582
dc.rightsAcesso Abertopt_BR
dc.source1 CD-ROMpt_BR
dc.subjectPerfilagem geofísica de poçospt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICApt_BR
dc.titleIdentificação de fáceis reservatório em perfis de poço através de rede neural multicamadaspt_BR
dc.typeTrabalho de Curso - Graduação - Monografiapt_BR

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_IdentificacaoFaceisReservatorio.pdf
Tamanho:
1.01 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.85 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Geofísica - FAGEOF/IG
Logo do RepositórioLogo do Repositório