MODELAMIENTO COMBINADO EMPLEANDO INTELIGENCIA ARTIFICIAL PARA EL PRONÓSTICO DE PRODUCCIÓN EN UN CAMPO DE PETRÓLEO
Ruiz, Marco Alzate Espinoza, Guillermo Obando, Andres Alvarez, Hernán
MODELAMIENTO COMBINADO EMPLEANDO INTELIGENCIA ARTIFICIAL PARA EL PRONÓSTICO DE PRODUCCIÓN EN UN CAMPO DE PETRÓLEO COMBINED ARTIFICIAL INTELLIGENCE MODELING FOR PRODUCTION FORECAST IN AN OIL FIELD - Universidad Nacional de Colombia Colombia 2019 - [c.a.] 10 p.
EN: Ciencia , Tecnología y Futuro vol.9 no.1 Bucaramanga Jan./June 2019
Este artículo presenta los resultados en el uso de una metodología que combina dos modelos de Inteligencia Artificial (IA) para predecir la producción de crudo, agua y gas en un campo petrolero colombiano. Al combinar lógica borrosa (LB) y las redes neuronales artificiales (RNA), se implementa un nuevo procedimiento de minería de datos, que incluye una estrategia de imputación de datos. La herramienta de LB determina las variables o parámetros más útiles para incluir en cada modelo de producción de pozo. Mientras que después los modelos predictivos de RNA y sistemas de inferencia borrosa (SIB) desarrollan la minería de datos. Los modelos SID son capaces de predecir comportamientos específicos, mientras que los modelos RNA son capaces de predecir el comportamiento promedio. El uso combinado de ambas herramientas con pocos pasos iterativos, permite una mejor previsión del comportamiento del pozo hasta alcanzar un nivel de precisión específico. El procedimiento de imputación de datos propuesto es el elemento clave para corregir elementos falsos o para completar posiciones vacías en los datos operacionales empleados para identificar modelos para un campo de producción de petróleo característico. Finalmente se obtuvieron dos modelos para cada producto de pozo, conformando una herramienta interesante dada la mejor predicción precisa de la producción en fase fluida.
MODELAMIENTO COMBINADO EMPLEANDO INTELIGENCIA ARTIFICIAL PARA EL PRONÓSTICO DE PRODUCCIÓN EN UN CAMPO DE PETRÓLEO COMBINED ARTIFICIAL INTELLIGENCE MODELING FOR PRODUCTION FORECAST IN AN OIL FIELD - Universidad Nacional de Colombia Colombia 2019 - [c.a.] 10 p.
EN: Ciencia , Tecnología y Futuro vol.9 no.1 Bucaramanga Jan./June 2019
Este artículo presenta los resultados en el uso de una metodología que combina dos modelos de Inteligencia Artificial (IA) para predecir la producción de crudo, agua y gas en un campo petrolero colombiano. Al combinar lógica borrosa (LB) y las redes neuronales artificiales (RNA), se implementa un nuevo procedimiento de minería de datos, que incluye una estrategia de imputación de datos. La herramienta de LB determina las variables o parámetros más útiles para incluir en cada modelo de producción de pozo. Mientras que después los modelos predictivos de RNA y sistemas de inferencia borrosa (SIB) desarrollan la minería de datos. Los modelos SID son capaces de predecir comportamientos específicos, mientras que los modelos RNA son capaces de predecir el comportamiento promedio. El uso combinado de ambas herramientas con pocos pasos iterativos, permite una mejor previsión del comportamiento del pozo hasta alcanzar un nivel de precisión específico. El procedimiento de imputación de datos propuesto es el elemento clave para corregir elementos falsos o para completar posiciones vacías en los datos operacionales empleados para identificar modelos para un campo de producción de petróleo característico. Finalmente se obtuvieron dos modelos para cada producto de pozo, conformando una herramienta interesante dada la mejor predicción precisa de la producción en fase fluida.
