Propuesta de predicción de datos faltantes en series temporales usadas en el modelamiento de la producción en un campo petrolero mediante técnicas geoestadísticas

En el análisis del comportamiento de la producción de hidrocarburos, técnicas empíricas han sido aplicadas a lo largo del tiempo; donde se extrapola el comportamiento histórico de las observaciones bajo la premisa de que el pasado, presente y futuro continúan bajo una misma tendencia, no sujeta a intervenciones. Con el fin de extraer la mayor cantidad de información de esta serie temporal, este trabajo aplicó la metodología de Box Jenkins y Reinsel, para descomponer su tendencia, en elementos adicionales como estacionalidad y aleatoriedad, una vez lograda la condición de estacionaridad. Un modelo SARIMA (0,1,1) (1,0,0)12, capturó el 70.22% de la información de los datos, sin embargo, los residuos resultaron no ser normales; y el componente regular de la serie no pudo ser modelado autorregresivamente; sólo como una función lineal de sus errores actuales y previos (p=0 y q=1). Aunque las predicciones de este modelo fueron lineales, in-sesgadas y de varianza mínima, no se ajustaron con la naturaleza de la serie temporal. Finalmente, se demostró la conveniencia del uso de técnicas geoestadísticas. La etapa predictiva comprendió desde el 01/01/2008 hasta el 01/12/2008, y considerando que se disponía de datos observados desde enero hasta julio de ese mismo año, estos sirvieron como comparación estimando un error porcentual promedio absoluto de las estimaciones (MAPE) del 5%. Adicionalmente, se usó la técnica geoestadística para predecir valores faltantes, orientando las estimaciones hacia la estructura interna de la serie. Del histórico de la producción total de petróleo fueron eliminados las observaciones de dos ciclos estacionales (01/01/2001 01/12/2002). Los resultados fueron satisfactorios reportando un MAPE del 7.15%; y más importante honrando la estacionalidad y la tendencia de la serie temporal. Los errores a través de esta técnica resultaron normales, idénticamente distribuidos e incorrelacionados.

• Autores: Gambus Ordaz, Maika Karen
• Tipo de recurso: http://purl.org/coar/version/c_b1a7d7d4d402bcce
• Fecha de publicación: 2020
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/40796
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/40796; https://noesis.uis.edu.co
• Palabra clave: Producción de hidrocarburos; Serie Temporal; Valores Faltantes; Predicción; Geoestadística.; Production Decline; Time Series; Missing Data; Prediction; Geostatistics.
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)