Caracterización del Yacimiento a partir de los datos obtenidos en la toma de registros a Hueco Abierto usando Redes Neuronales Artificiales

Resumen

Dentro de la ingeniería de yacimientos petrolíferos, existe la necesidad de caracterizar los yacimientos. Para esto se requiere obtener algunas propiedades que son características del yacimiento como son la Porosidad y la Permeabilidad de la roca. Existen varias formas de obtener estas propiedades; una de ellas es mediante pruebas de laboratorio usando muestras de corazones y la otra es mediante registros de hueco abierto. Por el alto costo de corazonamiento de los pozos en la industria del petróleo se acostumbra tomar la menor cantidad de corazones y tratar de encontrar la mejor forma de caracterizar el yacimiento mediante los registros de pozo a hueco abierto. Para realizar estas caracterizaciones se han definido algunos conceptos que sirven de base para mejorar la derivación de la permeabilidad y la porosidad; incorporando la influencia de las distintas variables geológicas que controlan el flujo de fluidos. Estos conceptos son:

Indicador de Zona de Flujo (FZI)

Índice de Calidad de Yacimiento (RQI)

Unidades Hidráulicas de Flujo (UHF)

En este artículo se plantea la caracterización del yacimiento mediante los registros a hueco abierto (usando las Redes Neuronales Artificiales (RNA) mediante el software NEUROSOLUTIONS aplicando las topologías perceptron multicapa (MLP), y red generalizada hacia delante (GFF)), perteneciente a un c:ampo determinado de Colombia. Las principales conclusiones y resultados son:

La RNA basada en la topología MLP tiene un coeficiente de correlación más alto para la generación de porosidad, permeabilidad, FZI, RQI, UHF,  que el generado por la RNA basada en la topología de conexión generalizada hacia delante, indicándome un mejor grado de exactitud para la MLP.

La sensibilidad de los datos de entrada para la determinación de la porosidad, permeabilidad, FZI, RQI, y UHF son menores en las RNA's basadas en la topología de conexión generalizada hacia delante que en la RNA basada en la topología perceptron multicapa.

Si el yacimiento es muy heterogéneo o si sus propiedades petrofísicas varían mucha de un sector del yacimiento a otro, es conveniente ajustar la aplicación (reentrenar la RNA).

Se podría utilizar la misma aplicación para correlacionar la información de dos yacimientos, si la formación que se está analizando tiene litologías parecidas. 

La importancia de este proyecto se basa en la reducción de riesgos y costos a la hora de caracterizar el yacimiento usando las Redes Neuronales artificiales ya que esta aplicación genera datos confiables mediante registros tomados a hueco abierto correlacionando estos registros con los datos obtenidos basados en las muestras de un pozo corazonado de un yacimiento.

Las Redes Neuronales Artificiales son aplicables para temas específicos de análisis de datos, interpretación de registras de pozo, rnodelamiento del flujo  multifasico en tubería; tratamiento de datos sísmicos, caracterización de yacimientos naturalmente fracturados, entre otras.