MODELAMIENTO COMBINADO EMPLEANDO INTELIGENCIA ARTIFICIAL PARA EL PRONÓSTICO DE PRODUCCIÓN EN UN CAMPO DE PETRÓLEO (Record no. 193979)
[ view plain ]
| 000 -LEADER | |
|---|---|
| fixed length control field | 02367nab a2200241 4500 |
| 008 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA - INFORMACIÓN GENERAL | |
| Campo de control de longitud fija | 260224s2019 ing |
| 041 ## - IDIOMA | |
| Idioma | Inglés |
| 245 00 - TITULO | |
| Título | MODELAMIENTO COMBINADO EMPLEANDO INTELIGENCIA ARTIFICIAL PARA EL PRONÓSTICO DE PRODUCCIÓN EN UN CAMPO DE PETRÓLEO |
| 246 1# - OTRA FORMA DE TITULO | |
| Título | COMBINED ARTIFICIAL INTELLIGENCE MODELING FOR PRODUCTION FORECAST IN AN OIL FIELD |
| 260 ## - PUBLICACION, DISTRIBUCION, ETC | |
| Lugar de publicación, distribución, etc. | Universidad Nacional de Colombia |
| Nombre de publicador, distribuidor, etc. | Colombia |
| Fecha de publicación, distribución, etc. | 2019 |
| 270 ## - FECHA DE CARGA | |
| Fecha de carga | 14/04/2021 ; 14/04/2021 |
| 300 ## - DESCRIPCION FISICA | |
| Otra extensión | [c.a.] 10 p. |
| 500 ## - NOTAS | |
| Nota general | EN: Ciencia , Tecnología y Futuro vol.9 no.1 Bucaramanga Jan./June 2019 |
| 520 ## - RESUMEN, ETC | |
| Resumen | 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. |
| 942 ## - DESC. DE MATERIAL | |
| Tipo de item KOHA | Artículo de Revista |
| 100 1# - RESPONSABLE PERSONAL | |
| Apellido, Nombre | Ruiz, Marco |
| 9 (RLIN) | 60094 |
| 100 1# - RESPONSABLE PERSONAL | |
| Apellido, Nombre | Alzate Espinoza, Guillermo |
| 9 (RLIN) | 60095 |
| 100 1# - RESPONSABLE PERSONAL | |
| Apellido, Nombre | Obando, Andres |
| 9 (RLIN) | 60096 |
| 100 1# - RESPONSABLE PERSONAL | |
| Apellido, Nombre | Alvarez, Hernán |
| 9 (RLIN) | 60097 |
| 856 ## - LINK | |
| Link | <a href="http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0122-53832019000100027&lang=pt">http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0122-53832019000100027&lang=pt</a> |
| Biblioteca propietaria | Biblioteca actual | Fecha de adquisición | Inventario | Total de préstamos | Inventario | Fecha de carga | Tipo de item KOHA |
|---|---|---|---|---|---|---|---|
| Biblioteca virtual | Biblioteca virtual | 06/03/2026 | 200066348 | 200066348 | 06/03/2026 | Artículo de Revista |
