Please use this identifier to cite or link to this item: https://repositorio.ufpa.br/jspui/handle/2011/5791
Full metadata record
DC FieldValueLanguage
dc.creatorGOMES, Laércio Gouvêa-
dc.date.accessioned2014-09-22T11:22:10Z-
dc.date.available2014-09-22T11:22:10Z-
dc.date.issued2002-11-05-
dc.identifier.citationGOMES, Laércio Gouvêa. Estimativa dos perfis de permeabilidade e de porosidade utilizando rede neural artificial. 2002. 41 f. Dissertação (Mestrado) - Universidade Federal do Pará, Centro de Geociências, Belém, 2002. Curso de Pós-Graduação em Geofísica.pt_BR
dc.identifier.urihttp://repositorio.ufpa.br/jspui/handle/2011/5791-
dc.description.abstractThe permeability and the porosity are the two most important petrophysical properties for qualification of oil and gas reservoirs. The porosity is related to the capacity of fluids storage and the permeability, with the production of these fluids. The estimates of the permeability and porosity are of fundamental importance for reservoir engineers and geophysics, once its values can define the completacion or not of an oil well. Its measures are, usually, accomplished in laboratory, through cores of the rock. The porosity log and its relationship with the density log, is very well-known in the well logging, however, it just exist a few qualitative relationships (Kozeny's relation, for instance) between the porosity and the permeability. This work search the establishment of the permeability log and of the porosity log, starting from information of the density log. For so much, we looked for the relationship among the physical property of the rock (density) and the petrophysical properties: permeability and porosity, using as methodology the technique of artificial neural networks with radial base function. To obtaining the permeability and the porosity, the artificial neural network possessing as input the information of the density that facilitates a smaller cost for the acquisition of those important petrophysical information, giving possibility to the well log analysts, to opt or not for the exploration of a studied unit, in addition, it facilitates a more complete vision of the reservoir. The procedures for the estimate of the permeability and of the porosity are addressed for an only formation, but the log interpreters can apply the guideline presented in the program of artificial neural network with radial base function, using the estimate of those properties for another formations, besides of another oil fields. Therefore, is recommended the use of a large data set of the same well in order to make possible the best interpretation.pt_BR
dc.description.provenanceSubmitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-07-08T11:38:47Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5)en
dc.description.provenanceRejected by Irvana Coutinho (irvana@ufpa.br), reason: Indexar os assuntos on 2014-08-06T14:53:42Z (GMT)en
dc.description.provenanceSubmitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-08-12T13:30:08Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5)en
dc.description.provenanceApproved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2014-09-22T11:22:10Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5)en
dc.description.provenanceMade available in DSpace on 2014-09-22T11:22:10Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimativaPerfisPermeabilidade.pdf: 14341089 bytes, checksum: 7aac37b8df2d4e4fa92df4ea1c55a258 (MD5) Previous issue date: 2002en
dc.language.isoporpt_BR
dc.publisherUniversidade Federal do Pará-
dc.rightsAcesso Aberto-
dc.subjectPerfilagem geofísica de poçospt_BR
dc.subjectSolos - Permeabilidadept_BR
dc.subjectPorosidadept_BR
dc.subjectRedes neurais artificiaispt_BR
dc.titleEstimativa dos perfis de permeabilidade e de porosidade utilizando rede neural artificialpt_BR
dc.typeDissertaçãopt_BR
dc.publisher.countryBrasil-
dc.publisher.departmentInstituto de Geociências-
dc.publisher.initialsUFPA-
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::GEOFISICA APLICADA-
dc.contributor.advisor1ANDRADE, André José Neves-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8388930487104926-
dc.creator.Latteshttp://lattes.cnpq.br/5907468972539239-
dc.description.resumoA permeabilidade e a porosidade são duas das mais importantes propriedades petrofísicas para a qualificação dos reservatórios de óleo e gás. A porosidade está relacionada à capacidade de armazenamento de fluidos e a permeabilidade, com a capacidade de produção destes fluidos. Suas medidas são, normalmente, realizadas em laboratório, através de testemunhos da rocha. Esses processos têm custos elevados e nem todos os poços são testemunhados. As estimativas da permeabilidade e da porosidade são de fundamental importância para os engenheiros de reservatório e geofísicos, uma vez que seus valores podem definir a completação ou não de um poço petrolífero. O perfil de porosidade e sua relação com o perfil de densidade, é bem conhecida na geofísica de poço. No entanto, existem poucas relações quantitativas e/ou qualitativas entre a porosidade e a permeabilidade, como por exemplo as relações de Kozeny. Sendo assim, este trabalho busca o estabelecimento do perfil de permeabilidade e do perfil de porosidade, a partir de informações do perfil de densidade. Para tanto, buscamos a relação entre a propriedade física da rocha (densidade) e as propriedades petrofísicas: permeabilidade e porosidade, utilizando como metodologia à técnica de redes neurais artificiais, como a rede neural artificial com função de base radial. A obtenção da permeabilidade e da porosidade a partir da rede neural artificial, que possui como entrada a informação da densidade possibilita um menor custo para a aquisição dessas importantes informações petrofísicas, permite ao intérprete de perfis de poço optar ou não pela exploração de uma unidade estudada, além de uma visão mais completa do reservatório. Os procedimentos para a estimativa da permeabilidade e da porosidade estão direcionados para uma única formação, mas os intérpretes de perfis poderão aplicar a diretriz apresentada no programa de rede neural artificial com função de base radial, utilizando a estimativa dessas propriedades petrofísicas para outras formações, inclusive de outros campos petrolíferos. Portanto, recomenda-se a utilização de um conjunto de dados completo, com quantidade de dados suficientes de um mesmo poço, a fim de viabilizar corretamente a melhor interpretação.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Geofísica-
Appears in Collections:Dissertações em Geofísica (Mestrado) - CPGF/IG

Files in This Item:
File Description SizeFormat 
Dissertacao_EstimativaPerfisPermeabilidade.pdf14 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons