Optimización en la estimación de la Permeabilidad utilizando Redes Neuronales en la Formación Springhill, Yacimiento La Paz, Cuenca Austral. Laura Petry Alejandro Trapic Claudio Naides Petrobras Energí 3° Congreso de Producción – IAPG Setiembre 2006 - Mendoza
24
Embed
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 - PowerPoint PPT Presentation
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
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.
3° Congreso de Producción – IAPG Setiembre 2006 - Mendoza
AGENDA
OBJETIVO CARACTERISTICAS GENERALES
INFORMACION DISPONIBLE
DESARROLLO
CONCLUSIONES
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 permeabilidadpara obtener el mejor ajuste de esta propiedad a nivel de pozo.
UBICACION
2
CONDOR
LA MAGGI E
LA PAZ
LA PORFIADA
0 10 km 50 km
BAJ ADA FORTALEZA
LA MENOR
DOS HERMANOS
LAGUNA DEL ORO
CAMPOI NDIO
CAMPO BOLA
OTOTEL AI KE
CHI MEN AIKE
SUR RIO CHICO
CONDOR OESTE
CERRO REDONDO
CAÑADON SALTO
ARGENTINA
PETRÓLEOPETRÓLEO/ GAS
GAS
BRASI L
URUGUAY
PARAGUAY
CHIL
E
TALUD PLATAFORMACUENCA
MANANTI ALES
RIO GALLEGOS
G
AGE SubS urfU nits E nvironm
CO NT IN.Jurassic
ValanginianB erriasian
Hauterivian
Albianto
Aptian
LateAlbian
Turon ianto
Cenomanian
Santonianto
Coniacianto
LateTuronian
Cam panianto
Santonian
M aastricht?
O LIG OCENE
M IOC ENETO
U PPE RO LIGO CENE
M IOC ENE
PLIO CENE
M iddleto upperEOC ENE
LITORAL/CONTIN.
M ARINE
DELTAIC
TO
M ARINE
M ARINE
M ARINE
M AR INETO
LITORAL
S PRING HILL
TO B IFERA
SA
NT
A C
RU
ZM
AG
AL
LA
NE
SS
UP
ER
IOR
M A
G A
LL
A N
E S
I N F
E R
I O
RP
AL
ER
MO
AIK
ES
UP
ER
IOR
PA
LE
RM
O A
IKE
ME
DIO
PA
LE
RM
O A
IKE
INF
ER
IOR
FL
UV
IAL
LIT
OR
AL
TO
MA
RIN
EL
ITO
RA
LT
O F
LU
VIA
L
CUENCA AUSTRALCARTA CRONO ESTRATIGRÁFICA
M ARINE
Off ShoreG
G D4
D3
SB(TS)
LateDanian
Late M aast
D5
G
LIT
OR
AL
TO
MA
RIN
E
M 1
M2
M3
BarremianOxfordian
COLUMNA ESTRATIGRAFICA
A
A’
Pozos Mts de corona (mts)
Sp Res. GR DT Nphi RHOB
LPx-1 9 LPa-2 - LPa-3 10 LPa-4 15 LP-5 - LP-6 17
PBa x-1 33
INFORMACION DISPONIBLE
INFORMACION DISPONIBLE
DESARROLLO
Métodos de Estimación de la Permeabilidad
Métodos Lineales
Métodos No Lineales
Correlación K-PhiEcuación de Timur
Regresión Multilineales
Redes Neuronales
CORRELACION K-PHI
LEY K-PHI
ECUACION DE TIMUR
REGRESION MULTILINEAL
REDES NEURONALES
Neurona Artificial
Sum TransferOutputPath
ProcessingElement
Inputs Xn
Xn
X2
X1
X0
W0
W1
W2
Wn
Weights Wn
REDES NEURONALES
REDES NEURONALES
REDES NEURONALES
REDES NEURONALES
REDES NEURONALES
REDES NEURONALES
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.