<?xml version="1.0" encoding="UTF-8"?>
<record
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd"
    xmlns="http://www.loc.gov/MARC21/slim">

  <leader>02367nab a2200241   4500</leader>
  <controlfield tag="005">20260608201755.0</controlfield>
  <controlfield tag="008">260224s2019                        ing  </controlfield>
  <datafield tag="041" ind1=" " ind2=" ">
    <subfield code="a">Ingl&#xE9;s</subfield>
  </datafield>
  <datafield tag="245" ind1="0" ind2="0">
    <subfield code="a">MODELAMIENTO COMBINADO EMPLEANDO INTELIGENCIA ARTIFICIAL PARA EL PRON&#xD3;STICO DE PRODUCCI&#xD3;N EN UN CAMPO DE PETR&#xD3;LEO</subfield>
  </datafield>
  <datafield tag="246" ind1="1" ind2=" ">
    <subfield code="a">COMBINED ARTIFICIAL INTELLIGENCE MODELING FOR PRODUCTION FORECAST IN AN OIL FIELD</subfield>
  </datafield>
  <datafield tag="260" ind1=" " ind2=" ">
    <subfield code="a">Universidad Nacional de Colombia</subfield>
    <subfield code="b">Colombia</subfield>
    <subfield code="c">2019</subfield>
  </datafield>
  <datafield tag="270" ind1=" " ind2=" ">
    <subfield code="a">14/04/2021 ; 14/04/2021</subfield>
  </datafield>
  <datafield tag="300" ind1=" " ind2=" ">
    <subfield code="a">[c.a.] 10 p.</subfield>
  </datafield>
  <datafield tag="500" ind1=" " ind2=" ">
    <subfield code="a">EN: Ciencia , Tecnolog&#xED;a y Futuro vol.9 no.1 Bucaramanga Jan./June 2019</subfield>
  </datafield>
  <datafield tag="520" ind1=" " ind2=" ">
    <subfield code="a">Este art&#xED;culo presenta los resultados en el uso de una metodolog&#xED;a que combina dos modelos de Inteligencia Artificial (IA) para predecir la producci&#xF3;n de crudo, agua y gas en un campo petrolero colombiano. Al combinar l&#xF3;gica borrosa (LB) y las redes neuronales artificiales (RNA), se implementa un nuevo procedimiento de miner&#xED;a de datos, que incluye una estrategia de imputaci&#xF3;n de datos. La herramienta de LB determina las variables o par&#xE1;metros m&#xE1;s &#xFA;tiles para incluir en cada modelo de producci&#xF3;n de pozo. Mientras que despu&#xE9;s los modelos predictivos de RNA y sistemas de inferencia borrosa (SIB) desarrollan la miner&#xED;a de datos. Los modelos SID son capaces de predecir comportamientos espec&#xED;ficos, 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 previsi&#xF3;n del comportamiento del pozo hasta alcanzar un nivel de precisi&#xF3;n espec&#xED;fico. El procedimiento de imputaci&#xF3;n de datos propuesto es el elemento clave para corregir elementos falsos o para completar posiciones vac&#xED;as en los datos operacionales empleados para identificar modelos para un campo de producci&#xF3;n de petr&#xF3;leo caracter&#xED;stico. Finalmente se obtuvieron dos modelos para cada producto de pozo, conformando una herramienta interesante dada la mejor predicci&#xF3;n precisa de la producci&#xF3;n en fase fluida.</subfield>
  </datafield>
  <datafield tag="942" ind1=" " ind2=" ">
    <subfield code="c">ARTICULO</subfield>
  </datafield>
  <datafield tag="100" ind1="1" ind2=" ">
    <subfield code="a">Ruiz, Marco</subfield>
    <subfield code="9">60094</subfield>
  </datafield>
  <datafield tag="100" ind1="1" ind2=" ">
    <subfield code="a">Alzate Espinoza, Guillermo</subfield>
    <subfield code="9">60095</subfield>
  </datafield>
  <datafield tag="100" ind1="1" ind2=" ">
    <subfield code="a">Obando, Andres</subfield>
    <subfield code="9">60096</subfield>
  </datafield>
  <datafield tag="100" ind1="1" ind2=" ">
    <subfield code="a">Alvarez, Hern&#xE1;n</subfield>
    <subfield code="9">60097</subfield>
  </datafield>
  <datafield tag="999" ind1=" " ind2=" ">
    <subfield code="c">193979</subfield>
    <subfield code="d">193979</subfield>
  </datafield>
  <datafield tag="856" ind1=" " ind2=" ">
    <subfield code="u">http://www.scielo.org.co/scielo.php?script=sci_arttext&amp;pid=S0122-53832019000100027&amp;lang=pt</subfield>
  </datafield>
  <datafield tag="952" ind1=" " ind2=" ">
    <subfield code="0">0</subfield>
    <subfield code="1">0</subfield>
    <subfield code="4">0</subfield>
    <subfield code="7">0</subfield>
    <subfield code="9">261698</subfield>
    <subfield code="a">BVIAPG</subfield>
    <subfield code="b">BVIAPG</subfield>
    <subfield code="d">2026-03-06</subfield>
    <subfield code="j">200066348</subfield>
    <subfield code="l">0</subfield>
    <subfield code="p">200066348</subfield>
    <subfield code="r">2026-03-06 00:38:55</subfield>
    <subfield code="w">2026-03-06</subfield>
    <subfield code="y">ARTICULO</subfield>
  </datafield>
</record>
