Navegando por Assunto "Wireline logging"

Agora exibindo 1 - 6 de 6

Acesso aberto (Open Access)
Identificação de fácies em perfis com algoritmo heurístico
(Universidade Federal do Pará, 2015-02-27) ALMEIDA, Thelson Luiz Pinheiro de; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
Com o desenvolvimento das técnicas de perfuração de poços de petróleo e a optimização da explotação concomitante de vários reservatórios com hidrocarboneto, uma questão tem chamado atenção dos pesquisadores da indústria petrolífera: identificação de fácies sedimentares em poços não testemunhados. Para isto, este trabalho propõe a utilização de um algoritmo heurístico, baseado no comportamento de insetos, que contribua para a interpretação do Gráfico M-N de maneira computacional. Utilizando-se de perfis de poços e da plotagem dos seus dados em Gráfico M-N, tem-se como objetivo fazer a classificação dos pontos do perfil, em relação aos pontos fixos, por intermédio da criação de agrupamentos (clusters) de dados que possuam alguma semelhança ou simetria, baseado no que aqui chamamos de atratividade. A partir da criação destes agrupamentos de pontos do perfil, nas vizinhanças dos pontos fixos pelos quais sofreram maior atração, faz-se a identificação de várias famílias de dados as quais, neste trabalho, serão tomadas como camadas que, dependendo de qual ponto fixo mineral estiverem mais próximas, poderão ter sua constituição mineralógica principal identificadas sem o auxílio do testemunho e, assim, obter-se o conhecimento fácies sedimentares atravessadas pelo poço.
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)
Identificação de fácies em perfis de poço com algoritmo inteligente
(Universidade Federal do Pará, 2014-02-17) SANTOS, Renata de Sena; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
A identificação de fácies em um poço não testemunhado é um dos problemas clássicos da avaliação de formação. Neste trabalho este problema é tratado em dois passos, no primeiro produz-se a codificação da informação geológica ou da descrição das fácies atravessadas em um poço testemunhado em termos das suas propriedades físicas registradas nos perfis geofísicos e traduzidas pelos parâmetros L e K, que são obtidos a partir dos perfis de porosidade (densidade, sônico e porosidade neutrônica) e pela argilosidade (Vsh) calculada pelo perfil de raio gama natural. Estes três parâmetros são convenientemente representados na forma do Gráfico Vsh-L-K. No segundo passo é realizada a interpretação computacional do Gráfico Vsh-L-K por um algoritmo inteligente construído com base na rede neural competitiva angular generalizada, que é especializada na classificação de padrões angulares ou agrupamento de pontos no espaço n-dimensional que possuem uma envoltória aproximadamente elipsoidal. Os parâmetros operacionais do algoritmo inteligente, como a arquitetura da rede neural e pesos sinápticos são obtidos em um Gráfico Vsh-L-K, construído e interpretado com as informações de um poço testemunhado. Assim, a aplicação deste algoritmo inteligente é capaz de identificar e classificar as camadas presentes em um poço não testemunhado, em termos das fácies identificadas no poço testemunhado ou em termos do mineral principal, quando ausentes no poço testemunhado. Esta metodologia é apresentada com dados sintéticos e com perfis de poços testemunhados do Campo de Namorado, na Bacia de Campos, localizada na plataforma continental do Rio de Janeiro, Brasil.
Acesso aberto (Open Access)
Identificação litológica com affinity propagation
(Universidade Federal do Pará, 2013-03-26) CALDAS, Nayara Safira da Silva; GUERRA, Carlos Eduardo; http://lattes.cnpq.br/7633019987920516; ANDRADE, André José Neves; http://lattes.cnpq.br/8388930487104926
Este trabalho apresenta uma metodologia para a solução do problema da extração de uma informação geológica, como a identificação de litologias em profundidade, diretamente dos perfis geofísicos de poços. Para isto, faz-se o uso do Gráfico Vsh-M-N, que é uma adaptação do Gráfico M-N, clássico da avaliação de formação, para a identificação litológica em termos das propriedades físicas do mineral principal e da argilosidade. A interpretação visual do Gráfico Vsh-M-N é limitada devido ao grande espalhamento dos pontos. Assim, apresenta-se uma forma de interpretação computacional para o Gráfico Vsh-M-N com a utilização do algoritmo Affinity Propagation, que em função das suas características de transporte da informação entre objetos semelhantes possibilita a interpretação dos pontos no Gráfico Vsh-M-N segundo as suas propriedades físicas e a sua continuidade em profundidade. Esta metodologia é apresentada com dados sintéticos e perfis de um poço testemunhado do Campo de Namorado, na Bacia de Campos. Brasil.
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.