459570_es-ES

liliconcom

JMP en Upstream 02: enfoque de aprendizaje automático para determinar las curvas de declive

Fecha original de la sesión: 7 de octubre de 2021

Temas tratados: Graph Builder, agrupamiento, máquinas de vectores de soporte

Metodología está inspirado en SPE Paper 1961100 - Máquina Aprendizaje de curvas de declive espacialmente variables para la formación Duvernay

 

Se entiende que existe heterogeneidad a todas las escalas en el medio natural. Ya sea a escala de poro o escala de cuenca, rara vez un geólogo o ingeniero petrolero puede replicar sus suposiciones o su plan de perforación de un pozo a otro. Encontrar herramientas que permitan agruparse rápidamente como pozos con el fin de construir modelos es una herramienta clave utilizada por muchos en la industria. En esta sesión de JMP en Upstream, el ingeniero de sistemas Nick Shelton destaca un flujo de trabajo para usar parámetros geológicos y de terminación para agrupar pozos y luego usar esos grupos como categorías de agrupación para predecir curvas de declinación usando la herramienta de aprendizaje automático, máquinas de vectores de soporte. Presenta un flujo de trabajo elegante y simple de apuntar y hacer clic para lograr un modelo predictivo mucho más sólido para luego tomar decisiones basadas en análisis sobre las mejores ubicaciones para colocar pozos.

Figura 1. Predicción de la producción de petróleo en Barnett Shale a partir de curvas de declive utilizando agrupamiento y máquinas de vectores de soporte en el centro norte de Texas.

 

Se entiende que existe heterogeneidad a todas las escalas en el medio natural. Ya sea a escala de poro o escala de cuenca, rara vez un geólogo o ingeniero petrolero puede replicar sus suposiciones o su plan de perforación de un pozo a otro. Encontrar herramientas que permitan agruparse rápidamente como pozos con el fin de construir modelos es una herramienta clave utilizada por muchos en la industria. En esta sesión de JMP en Upstream, el ingeniero de sistemas Nick Shelton destaca un flujo de trabajo para usar parámetros geológicos y de terminación para agrupar pozos y luego usar esos grupos como categorías de agrupación para predecir curvas de declinación usando la herramienta de aprendizaje automático, máquinas de vectores de soporte. Presenta un flujo de trabajo elegante y simple de apuntar y hacer clic para lograr un modelo predictivo mucho más sólido para luego tomar decisiones basadas en análisis sobre las mejores ubicaciones para colocar pozos.

Re: JMP en Upstream 02: enfoque de aprendizaje automático para determinar las curvas de declive

Explicación muy clara e interesante sobre una herramienta útil que muestra claras ventajas sobre DCA y cómo ML puede ayudar con la toma de decisiones ¡gracias por compartir!