OFI: Oil Field Intelligence

Generalidades

El proyecto OFI (Oild Field Intelligence), desarrollado para el Instituto Colombiano del Petróleo (ECOPETROL / ICP), consiste en la aplicación de metodologías y algoritmos sofisticados a la organización, correlación e interpolación de los datos disponibles en un yacimiento, de manera que se puedan obtener distribuciones contínuas en varias dimensiones de una variable a partir de valores discretos correspondientes a los valores de la variable medidos a diferentes profundidades en cada pozo perforado.

OFI está compuesto por dos aplicaciones:
  1. OFI-RSA: Aplica estadística multivariada, análisis discriminante, análisis de factores, medidas de tendencia central y dispersió como media armónica, geométrica y distribución de cuantiles y percentiles, y estadística descriptiva.
  2. OFI-RNN: Utiliza redes neuronales para obtener modelos del comportamiento de las variables en un yacimiento.



Módulo Reservoir Statistical Analysis (RSA)

La porosidad y permeabilidad son las variables fundamentales que debe modelar el ingeniero de yacimientos, pues estas dicen cuanto hay y cuanto se puede extraer respectivamente. Los valores de porosidad se pueden obtener indirectamente a través de la medición de propiedades relacionadas con ella como la densidad de la roca y la velocidad con que viaja el sonido a través de ella. Los valores de permeabilidad son los más difíciles de modelar, ya que están influenciados por un buen número de factores y propiedades de la roca y los fluidos. ¿Cuántos y cuáles son los factores suficientes y necesarios para modelar la permeabiliadad?, ¿Cuál es el grado de certidumbre del modelo de permeabilidad obtenido?, esta estadística que involucra el análisis del comportamiento de múltiples factores recibe el nombre de estadística multivariada y ha gana cada vez más terreno en los procesos de caracterización de yacimientos.

Algunas de las tareas o procesos estadísticos que ofrece RSA son: Análisis de componentes principales, técnicas de agrupamiento, métodos de regresión lineal y no lineal, generación de histogramas, gráficos de caja, gráficos de probabilidad, generación de elipses de confidencia, diseño de experimentos y gráficos para control estadístico de procesos.




Módulo Reservoir Neural Network (RNN)

Tiene como objetivo el mejoramiento de los modelos de predicción de atributos petrofisicos, como porosidad y permeabilidad, mediante la generación de registros sintéticos empleando un modelo de redes neuronales.

Cuenta con una base de datos maneja la información con la cual se va a intercambiar datos entre los diferentes módulos de la aplicación, alimentar el modelo de redes neuronales planteado y guardar los resultados obtenidos del proceso de entrenamiento y predicción.

Los parámetros de la red se ingresan a la aplicación a través de un ayudante el cual permite paso a paso definir la topología de la red (cantidad de capas y neuronas por cada capa que conforman la estructura o arquitectura de la red), los procesos previos a el entrenamiento que se le aplicarán a los datos y los métodos de optimización, con sus respectivos parámetros, que se aplicará en el modelo.

Tiene herramientas de visualización de datos las cuales ayudan a tomar decisiones sobre que parámetros de la red deben ser ingresados.





Resultados


Contact Information