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 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.

• 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)