1 / 24

Laura Petry Alejandro Trapiche Claudio Naides Petrobras Energía S.A.

3° Congreso de Producción – IAPG Setiembre 2006 - Mendoza. Optimización en la estimación de la Permeabilidad utilizando Redes Neuronales en la Formación Springhill, Yacimiento La Paz, Cuenca Austral. Laura Petry Alejandro Trapiche Claudio Naides

penha
Download Presentation

Laura Petry Alejandro Trapiche Claudio Naides Petrobras Energía S.A.

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 3° Congreso de Producción – IAPG Setiembre 2006 - Mendoza Optimización en la estimación de la Permeabilidad utilizando Redes Neuronales en la Formación Springhill, Yacimiento La Paz, Cuenca Austral. Laura Petry Alejandro Trapiche Claudio Naides Petrobras Energía S.A.

  2. AGENDA • OBJETIVO • CARACTERISTICAS GENERALES • INFORMACION DISPONIBLE • DESARROLLO • CONCLUSIONES

  3. OBJETIVO Generar un modelo de permeabilidad para ser utilizado en la predicción de la productividad de las diferentes facies presentes en la Formación Springhill en esta área de la Cuenca Austral. Comparar diferentes métodos de estimación de permeabilidad para obtener el mejor ajuste de esta propiedad a nivel de pozo.

  4. UBICACION

  5. Barremian Oxfordian COLUMNA ESTRATIGRAFICA

  6. A’ A

  7. INFORMACION DISPONIBLE

  8. INFORMACION DISPONIBLE

  9. DESARROLLO Métodos de Estimación de la Permeabilidad Métodos Lineales Correlación K-Phi Ecuación de Timur Regresión Multilineales Métodos No Lineales Redes Neuronales

  10. CORRELACION K-PHI

  11. LEY K-PHI

  12. ECUACION DE TIMUR

  13. REGRESION MULTILINEAL

  14. REDES NEURONALES

  15. REDES NEURONALES Neurona Artificial X0 X1 W0 X2 W1 W2 Sum Transfer Output Path Wn Processing Element Xn Inputs Xn Weights Wn

  16. REDES NEURONALES

  17. REDES NEURONALES

  18. REDES NEURONALES

  19. REDES NEURONALES

  20. REDES NEURONALES

  21. CONCLUSIONES • Se analizaron diversos métodos de estimación de permeabildad, pudiendo comparar los resultados obtenidos entre estos. • El mejor valor de permeabilidad obtenido fue el realizado con Redes Neuronales y separado por facies. • La permeabilidad estimada con Redes Neuronales, tiene un ajuste mejor que el obtenido con otros métodos, por lo tanto resulta un valor mucho más confiable para utilizar en un módelo dinámico.

  22. CONCLUSIONES MUCHAS GRACIAS!!

More Related