Navegando por Assunto "Algoritmos inteligentes"

Agora exibindo 1 - 4 de 4

Acesso aberto (Open Access)
Identificação de fácies em perfis com rede neural direta
(Universidade Federal do Pará, 2015) GOMES, Kivia do Carmo Palheta; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A aplicação das técnicas de testemunhagem é, normalmente, realizada em um número restrito dos poços verticais perfurados em um campo, fazendo com que as descrições das fácies, pela análise de testemunhos, tornem-se rarefeitas e consequentemente não permitindo uma caracterização realista dos reservatórios. 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 em função das fácies geológicas. Uma melhor descrição das fácies pode refletir em estimativas de volumes de hidrocarboneto mais realistas. Neste trabalho é apresentado um algoritmo inteligente capaz de produzir o transporte da informação das fácies produzida pela análise do testemunho para os poços perfilados e não testemunhados de um campo petrolífero, através do projeto de uma rede neural direta treinada para realizar um mapeamento da informação geológica em termos das propriedades físicas registradas nos perfis. O algoritmo inteligente processa o resultado produzido pela rede neural através de um filtro de coerência de profundidade para indicar os limites das camadas ao longo da trajetória do poço. Para os casos aqui avaliados a algoritmo inteligente apresentou resultados compatíveis com a análise de testemunho e de forma completamente independente da dimensão do conjunto de treinamento.
Acesso aberto (Open Access)
Reconhecimento de fáceis em perfis geofísicos de poços com rede neural competitiva
(Universidade Federal do Pará, 2015-02-27) COSTA, Jéssica Lia Santos da; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A descrição de um sistema de deposição com base no reconhecimento de fácies sedimentares é fundamental para a indústria do petróleo caracterizar um sistema petrolífero. Na ausência da descrição de facies seja em testemunhos ou em afloramento, apresentamos uma metodologia baseada em um algoritmo inteligente, que busca identificar as facies utilizando os perfis geofísicos. Esta metodologia utiliza uma rede neural competitiva para extrair a informação geológica a partir das propriedades físicas mapeadas no Gráfico M-N. A competição entre os neurônios identifica as fácies de interesse, que foram previamente identificados em um poço testemunhado em outros não testemunhados do mesmo campo petrolífero. O objetivo desta metodologia é o de codificar e transmitir a informação geológica adquirida nos poços testemunhados para poços não testemunhados e, assim, possibilitar a interpretação geológica das fácies de interesse em um campo de petróleo. Esta metodologia foi avaliada com perfis sintéticos e perfis reais registrados em dois poços testemunhados do Campo de Namorado, Bacia de Campos, Brasil
Acesso aberto (Open Access)
Solução da equação de Archie com algoritmos inteligentes
(Universidade Federal do Pará, 2011) SILVA, Carolina Barros da; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A equação de Archie é um marco histórico da Avaliação de Formação por ser a primeira relação envolvendo as propriedades físicas das rochas e as suas propriedades petrofísicas possibilitando a identificação e a quantificação de hidrocarbonetos em subsuperfície. A saturação de água é a solução da equação de Archie obtida a partir da medida da resistividade e da estimativa da porosidade da formação. No entanto, a solução da equação de Archie é não trivial, na dependência do conhecimento prévio da resistividade da água de formação e dos expoentes de Archie (cimentação e saturação). Esta tese apresenta um conjunto de algoritmos inteligentes inéditos, que possibilitam a solução da equação de Archie. Uma variação da rede neural competitiva, denominada como rede neural bicompetitiva realiza o zoneamento do poço, delimitando as camadas reservatório. Para cada camada reservatório, um novo algoritmo genético, com uma estratégia evolutiva baseada na reprodução de fungos produz estimativas para os parâmetros de porosidade da matriz (densidade, tempo de trânsito e porosidade neutrônica), que aliados a um novo modelo de rocha produzem estimativas realistas da porosidade, considerando os efeitos da argilosidade. Uma nova rede neural competitiva denominada como rede competitiva angular realiza a interpretação do Gráfico de Pickett fornecendo as informações da resistividade da água de formação e do expoente de cimentação. Todos os resultados da metodologia aqui apresentada são obtidos com dados sintéticos e perfis convencionais.
Acesso aberto (Open Access)
Zoneamento de poços através da inferência Fuzzy
(Universidade Federal do Pará, 2015-06-26) RUIZ TAPIA, Alberto José; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
O zoneamento do poço pode ser entendido como a caracterização geológica (localização e descrição da fácies) de cada camada atravessada pelo poço ao longo de sua trajetória. O zoneamento de poço é uma atividade corriqueira da análise de testemunho e importante para a geologia do petróleo, auxiliando a construção da carta estratigráfica e, também, para a engenharia do petróleo, no desenvolvimento do plano de explotação do poço. Este trabalho apresenta um método para a obtenção do zoneamento de poços não testemunhados, de modo que a informação adquirida nestes poços possa contribuir para o conhecimento geológico e de engenharia do campo petrolífero. O método apresentado utiliza a descrição de testemunho para a construção da base de conhecimento de um sistema de inferência fuzzy, que opera com o parâmetro P (uma nova combinação dos perfis de densidade e sônico), parâmetro M (Gráfico M-N) e como os perfis de raios gama natural e resistividade profunda. A operação desse sistema de inferência fuzzy, com os dados de perfil de um poço não testemunhado, resulta no zoneamento deste poço. Este método é apresentado com dados sintéticos, que satisfazem o modelo petrofísico e a Lei de Archie, e com dados reais de dois poços testemunhados do Campo de Namorado, na Bacia de Campos.