Please use this identifier to cite or link to this item: http://hdl.handle.net/prefix/1582
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Identificação de fáceis reservatório em perfis de poço através de rede neural multicamadas
metadata.dc.creator: GOMES, Kívia do Carmo Palheta
metadata.dc.contributor.advisor1: ANDRADE, André José Neves
Issue Date: 2009
Citation: GOMES, 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 Conclusão 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:.
metadata.dc.description.resumo: O 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.
Abstract: Increase 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.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA
Keywords: Perfilagem geofísica de poços
Redes neurais artificiais
metadata.dc.rights: Acesso Aberto
metadata.dc.source: 1 CD-ROM
Appears in Collections:Faculdade de Geofísica - FAGEOF/IG

Files in This Item:
File Description SizeFormat 
TCC_IdentificacaoFaceisReservatorio.pdf1,04 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons