Definición de unidades de flujo por medio de información de pozo integrada con información de tomografía axial computarizada de rayos x (tac)

El presente proyecto busca integrar información de pozo obtenida de manera convencional, es decir, datos petrofísicos suministrados de laboratorio (datos de porosidad y datos de permeabilidad) e información obtenida de las imágenes de tomografía axial computarizada de rayos-X (TAC) la cual no es int...

Full description

Autores:
Güiza Flórez, Arleidy Andrea
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/11223
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/11223
https://noesis.uis.edu.co
Palabra clave:
Unidad De Flujo
Porosidad
Permeabilidad
Core Gamma Espectral
Pef
Rhob
Winland R35
Fzi
Red Neuronal
Tomografía Axial Computarizada De Rayos-X (Tac)
Flow Unit
Porosity
Permeability
Core Gamma Spectral
Pef
Rhob
Winland R35
Fzi
Neural Network
X-Ray Computed Axial Tomography (Cat)
Rights
openAccess
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:El presente proyecto busca integrar información de pozo obtenida de manera convencional, es decir, datos petrofísicos suministrados de laboratorio (datos de porosidad y datos de permeabilidad) e información obtenida de las imágenes de tomografía axial computarizada de rayos-X (TAC) la cual no es intrusiva, no es destructiva y permite hacer un análisis cualitativo de los diferentes tipos de roca para la definición de unidades de flujo. Para ello, después de implementar diferentes propuestas como la aplicación de Cut-Offs por zonas de gráficos cruzados de RHOB versus PEF y por parámetros definidos, se establece el método de inteligencia artificial de redes neuronales como método base para este proyecto, del cual se obtienen muy buenas predicciones de los valores de los modelos de Winland r35 y FZI con los que posteriormente se estima el valor de la permeabilidad a partir del modelo elegido para todas las profundidades de cada secciones a lo largo de todo el pozo donde o hay datos de laboratorio para de esta manera definir unidades de flujo de acuerdo a los valores arrojados por las predicciones hechas por la red neuronal, teniendo en cuenta la información tomada de los registros de pozo Core Gamma Espectral, PEF y RHBO.