05947nmc a2200289 4500 20260521191633.0 260224s xxu CD P471 1 Soto B., Rodolfo 30722 Bejarano, Aristóbulo 30723 Ferneynes, Heberth 30724 ECOPETROL 5153 Texas A&M University 11629 INGEPET '99, International Seminar (3° : 1999 Oct. 26-29 : Lima, Perú) 1013 Sistema inteligente ayuda a incrementar la producción y reservas recuperables en campos viejos de Colombia 12/09/06 ; 13/03/02 17 p. La innovación se debe dar principalmente en el focus del negocio de Ecopetrol, el cual está relacionado con el hallazgo y la producción de petróleo y gas. Teniendo en cuenta esta premisa, se ha desarrollado un sistema inteligente, "Oilfield Intelligence (OI), como una herramienta de ingeniería para mejorar la caracterización de yacimientos de aceite y gas. OI integra redes neuronales, análisis de componentes principales, técnicas de escalamiento y generalización, y un módulo de experticia. Más de 1,200 líneas de programación en Matlab, Fortran 90 y VisualBasic permiten al ingeniero de yacimientos y de campo predecir comportamientos del yacimiento con un alto grado de certeza. En esta investigación, se han desarrollado los siguientes modelos utilizando el sistema Oilfield Intelligence: 1- Un modelo multivariable en redes neuronales para predecir la permeabilidad de la zona "C" del campo Yariguí-Cantagallo. Este campo es relativamente maduro con información insuficiente, geología compleja y gran variación de la permeabilidad desde 0.1 a 150 md. Durante el pre-procesamiento de la información (control de calidad y determinación de las variables principales) se encontró que la porosidad y el registro gamma-ray son los factores dominantes en la predicción de la permeabilidad. Los valores de coeficiente de correlación y error absoluto son 0.979 y 7.8% respectivamente, comparados con 0.596 y 69.5% por el método convencional de regresión lineal en una gráfica semilogarítmica. El modelo desarrollado se usó para seleccionar las zonas potencialmente petrolíferas con buena permeabilidad. Basados en este soporte, se realizaron trabajos de cañoneo de arenas adicionales en los pozos YR3, YR12, YR17, YR39, YR43, YR65 y YR69. La producción incremental debido a estos trabajos ha alcanzado un promedio de 240 barriles de petróleo por día desde mediados del año 1996, con una producción acumulada de 415,178 barriles de petróleo equivalentes a 6.2 millones de dólares a Junio de 1999. 2- Un modelo multivariable en redes neuronales para predecir las unidades de flujo de la formación Caballos, campo Toldado. La formación está dominada por arenas con porosidad primaria intragranular y secundaria debida a disolución de calcita y dolomita que actúan como elementos de cementación de la roca. Durante el pre-procesamiento de la información (control de calidad y determinación de las variables principales) se encontró que la porosidad, densidad de la roca, el registro sónico y el registro neutrón son los factores dominantes en la predicción de las unidades de flujo y de la permeabilidad para esta formación. Se determinaron tres unidades de flujo o tipo de roca en este yacimiento y el modelo desarrollado presenta un coeficiente de correlación de 0.925 y un error absoluto de 7.9% comparado con 0.54 de coeficiente de correlación y 79.84% de error absoluto del modelo desarrollado por Davis K. Davis & Associates 1 quien usó conceptos de geometría poral para determinar unidades de flujo y predecir la permeabilidad para esta formación. Los resultados y el tiempo récord utilizando el sistema inteligente durante el modelamiento permiten a Ecopetrol ahorros significativos en la obtención de cada modelo del orden de $30,000 dólares. Además, se espera que la aplicación del modelo en las operaciones de campo en los próximos meses sea un soporte en las metas de producción incremental que tiene Ecopetrol para este yacimiento. 3-. Se utilizaron los atributos de la sísmica 3D para desarrollar un modelo multivariado en redes neuronales con el fin predecir el registro gamma ray en áreas potenciales para las zonas C-4 y C-5 del campo VLE 196, bloque V del Lago de Maracaibo. El coeficiente de correlación del modelo desarrollado utilizando OI es de 0.94 con un error absoluto del 11%. Esto abre una ventana de posibilidades de aplicar la sísmica 3D en la predicción de propiedades petrofísicas en áreas prospectivas. También se desarrolló para este mismo campo un modelo multivariado en redes neuronales para la permeabilidad de las zonas C-4 y C-5. El coeficiente de correlación es de 0.985 y el error absoluto es del 8% comparado con coeficientes de correlación que varían entre 0.53 y 0.82 y errores absolutos entre 37 y 97% obtenidos en estudios de yacimientos realizados durante la historia de producción de este campo. 4- Modelos multivariados en redes neuronales para predecir los recobros primarios, de inyección de agua y de reducción de espaciamiento mediante la perforación de pozos adicionales en las formaciones de carbonato de San Andrés y Clearfork en el Oeste de Texas. Los coeficientes de correlación son del orden del 99% con errores absolutos no mayores del 3% comparados con coeficientes de correlación de 0.91 y errores absolutos alrededor del 27% obtenidos y publicados internacionalmente en los últimos 15 años. Bejarano, Aristóbulo 30723 Ferneynes, Heberth 30724 Ecopetrol 5157 Texas A&M University 11629 Soto B., Rodolfo 30722 https://biblioteca.iapg.org.ar/ArchivosAdjuntos/Ingepet/EXPL-6-RS-23.PDF CONGTP ddc 157828 157828 0 0 0 0 225647 BVIAPG BVIAPG CD P471 1 2026-03-05 200009841 0 CD P471 1 200009841 2026-03-05 00:53:37 2026-03-05 ARCHIVO