000			02367nab a2200241 4500
005			20260608201755.0
008			260224s2019 ing
041			_aInglés
245	0	0	_aMODELAMIENTO COMBINADO EMPLEANDO INTELIGENCIA ARTIFICIAL PARA EL PRONÓSTICO DE PRODUCCIÓN EN UN CAMPO DE PETRÓLEO
246	1		_aCOMBINED ARTIFICIAL INTELLIGENCE MODELING FOR PRODUCTION FORECAST IN AN OIL FIELD
260			_aUniversidad Nacional de Colombia _bColombia _c2019
270			_a14/04/2021 ; 14/04/2021
300			_a[c.a.] 10 p.
500			_aEN: Ciencia , Tecnología y Futuro vol.9 no.1 Bucaramanga Jan./June 2019
520			_aEste 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			_cARTICULO
100	1		_aRuiz, Marco _960094
100	1		_aAlzate Espinoza, Guillermo _960095
100	1		_aObando, Andres _960096
100	1		_aAlvarez, Hernán _960097
999			_c193979 _d193979
856			_uhttp://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0122-53832019000100027&lang=pt