Fecha de la sesión original: 7 de octubre de 2021
Temas cubiertos: Graph Builder, agrupación en clústeres, máquinas de vectores de soporte
La metodología está inspirada en el Papel SPE 1961100 - Máquina Aprendizaje de curvas de declinación que varían espacialmente para la formación Duvernay
Se entiende que existe heterogeneidad en todas las escalas en el entorno natural. Ya sea a escala de poro o 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 agrupar rápidamente pozos similares 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 declive utilizando 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 analíticas sobre las mejores ubicaciones para colocar los pozos.
Figura 1. Predicción de la producción de petróleo en Barnett Shale a partir de curvas de declive utilizando máquinas de agrupamiento y vectores de soporte en el centro norte de Texas.
Explicación muy clara e interesante sobre una herramienta útil que muestra claras ventajas sobre DCA y cómo ML puede ayudar en la toma de decisiones 
¡gracias por compartir!
